智能电网的广泛使用使得电力公司掌握了海量的用电负荷数据,运用大数据分析技术对用电客户的用电行为进行分析,获取其中蕴藏的潜在价值,是目前电力公司急需解决的问题。虽然目前学术界已有一些对用电行为分析方法的研究,但是其中大部分分析方法使用的还是一些传统数据分析的工具,对于海量数据的处理计算不足,并且传统算法的功能结构相对单一,对深入、全面的研究客户用电行为有一定的局限性。目前电网公司的用户主要包括居民用户和工商业用户两类,其中工商业用户在营收上占据了较大的比例,同时对于供电质量有着相比居民用户更高的要求。因此本文选取工商业用户的负荷数据进行研究,最终目标是设计并实现面向工商业用户的电力大数据分析平台子系统,为用户提供了一整套数据存储、数据分析和可视化展示的方案。对于分析平台子系统的设计与实现这一目标,本文首先调研了用电行为分析相关技术,明确了系统实现的可行性,然后针对系统的功能进行了需求分析,根据研究目标划分了具体的功能需求,设计了用户用电合理性分析和基于价格的需求响应两个功能需求,明确了子系统实现过程中需要解决的关键问题。本文研究的关键问题包括工商业用户的用电合理性分析和基于价格的需求响应。为了实现用户的用电合理性分析,本文提出了一种基于k-Shape的改进演化聚类算法,创新性地引入自编码器和基于形状的k-Shape聚类,使聚类算法更加适应工商业用户电力数据的特点,对比实验结果表明,与改进前相比,提出的方法有效提高了用户负荷数据的聚类准确率;为了实现基于价格的需求响应,本文创新性地提出了基于核lasso的预测算法和基于强化学习的动态定价算法,基于核lasso的预测方法在lasso模型的基础上引入核函数进行改进,实验结果表明改进方法在工商业负荷预测上的表现优于其它对比方法。基于强化学习的动态定价方法创新性的使用强化学习算法将定价模型划分为用户和售电商两部分,在二者的交互过程中通过学习策略确定零售电价,实验结果表明该方法能有效降低用电高峰期用户的负荷消耗。在解决关键问题后,本文根据需求分析结果对子系统进行了设计与实现,将系统划分成多个模块并对其中的关键模块进行了详细设计,完成了子系统的搭建,同时设计并完成了 12组单元测试和集成测试。最后,总结了本文的主要工作,提出了分析平台子系统的不足和可能的改进方向。