随着电力系统市场化的不断深入，负荷预测发挥着越来越重要的作用。现有的预测方法能够满足正常日的负荷预测需要，但由于受非负荷因素的影响，预测精度仍需提高。数据挖掘技术是从大量数据中挖掘出隐含的、以前未知的、对决策具有潜在价值的知识和规则，是解决负荷预测的有效工具。　　 本文以数据挖掘为理论基础，结合电力行业负荷数据的具体特点，将关联规则方法应用于电力负荷变化规律的挖掘当中。首先对电力负荷数据和各种影响因素数据进行整合，构建了以电力负荷分析为主题的数据仓库；其次，为实现更高效的挖掘分析，运用聚类技术对原始数据中的连续数据进行离散化处理；最后，采用FP-Growth算法对历史数据进行频繁集搜索并生成电力负荷变化规律的强关联规则，并通过生成的强关联规则分析了各相关因素对电力负荷的影响。