随着经济的发展,社会用电量迅速增长,造成电网容量不足,能源利用率不高,环境和资源问题也面临重大挑战。因此,如何提高用电智能化水平,是提高社会用电效率,达到节能减排效果的重要措施。如今商用建筑能源消耗越来越大,对其用电进行智能化管理有重大意义。新兴商业建筑安装了电力能耗监控系统,所监测的数据为研究提供了有利条件。数据挖掘技术能够从海量数据中挖掘出有价值的内在信息,本文利用数据挖掘技术针对商业用户智能用电问题中的负荷预测和用电优化问题进行了研究。首先,在深度分析商业电力负荷特性的基础上,采用粗糙集对影响负荷预测的重要因素进行了约简,并将小波理论支持向量机相结合,建立了应用于商业电力负荷预测的小波支持向量机模型。实例表明,该模型在负荷突变处和波动较大的负荷序列中预测精度优于单一的支持向量机和神经网络预测模型。其次,针对商业用电主要负荷的特性,将其分为可控负荷和固定负荷,对可控负荷中的空调负荷建立用电成本最小化及舒适温度为目标的用电优化模型,对可控负荷中的可转移负荷建立了负荷转移调度优化模型,分别采用非支配遗传算法和自适应遗传算法进行寻优。结果表明,该方法在不影响人们用电舒适度的前提下降低了用电成本。最后,采用了C#与MATLAB混合编程技术开发了商业智能管理软件,并实现了商业电力负荷的预测和用电优化功能。