随着智能电网的发展,以智能电表为代表的终端量测设备得到了越来越广泛的应用。值得指出的是,由智能电表采集到的量测数据,除了能被用来进行电费计量之外,其中也蕴含了大量的社会价值。而为了获取这些隐藏的价值,数据挖掘的理论被逐步的应用到了电力负荷的分析过程。而对于电力负荷数据而言,利用历史数据对未来负荷进行预测,是其主要应用之一。同时,《中国电力大数据发展白皮书》也指出,大数据技术将为电力行业的发展带来新的发展空间。本文针对电力用户负荷预测的问题,利用数据挖掘的手段将问题细化分解,具体来说,首先,本文提出了一种基于电力K线图的负荷指标提取技术,该方法仿照金融二级市场中的K线分析技术,基于电力负荷指标建立了电力K线图的分析体系,该体系主要以两个主要参数作为分核心,其分别为KDJ指标和MACD指标。结合实际的负荷数据进行分析,证明电力K线指标能够用于电力负荷的预测模型。其次,提出了基于深度神经网络方法的电力负荷数据预测模型。具体来说,本文首先提出了一个基于自动编码器和BP神经网络的深度神经网络架构。基于该神经网络,本文利用利用算例验证了该预测算法的有效性。最后,提出了基于隐马尔科夫过程的偏差预警方法,该方法能够在未知被预测日的真实负荷的情况下,对各个预测模型的准确程度进行预校验。