随着社会的不断发展,电力供需矛盾将越来越严重。电力需求侧管理作为一种有效的电力管理手段,通过采取有效的激励和引导措施再配合适宜的运行方式,在满足同样用电功能的情况下,可以尽量减少电量的消耗和电力需求,提高电力利用效率,是未来破解电力供需矛盾的有效方法。而大数据的发展将为电力需求侧管理在技术、发展理念和管理体系上带来重大的变革。因此,本文将大数据分析与电力需求侧管理相结合,对需求侧用户用电大数据进行深入分析与研究,解决了需求侧大数据应用所遇到的数据体量大、信息密度低和负荷影响因素影响力不明确的问题,并提出了适用于需求侧大数据的降维方法与负荷预测方法。本文的主要研究工作包括:(1)针对用户用电大数据体量大,数据信息密度低的问题,分别用PAA和小波变换对其进行降维,并基于云平台上的实际数据进行算例分析验证其降维的效果。结合两种方法的优缺点,提出了基于PAA-小波变换的降维方法,并通过算例验证了该方法不仅速度快而且可以最大限度的保持原始数据的特点,比较适合用于云平台大数据的降维。(2)对云平台上大数据进行归类整理,利用主因子分析方法,对不同用电负荷主要影响因子的影响力做了量化分析,并按照影响力大小对其排序,最后将研究结果在云平台上构建数据库并设计了详细的主因子分析决策流程图,为云平台上电力需求侧管理服务决策奠定了基础。(3)对需求侧用电大数据进行了负荷聚类和负荷预测的研究,并提出了基于大数据的负荷预测方法。