在电力市场下,为了提高能源利用效率和充分利用现有资产,需要实现供电和用电的一体化,这就需要在规划、设计和运行中考虑负荷的需求特性。基于用户电力消费数据的负荷模式提取与用户用电模式识别是其中极其重要的工作。在此基础上,可进行分时电价的制定和实施、负荷控制、用电异常检测(计量、窃电等)、用电营销(客户和市场细分)等工作。因此,电力用户负荷模式提取与用户分类,对于支持电网的安全可靠经济运行和决策有重要的理论意义和实际价值。本文设计了电力用户负荷模式识别系统,并对所涉及的问题进行了研究。主要包括：(1)对数据预处理模块,本文研究了应用聚类技术获取负荷模式时,数据预处理方法对聚类结果的影响。通过对IRIS数据集和实际电力负荷数据采用不同的数据预处理方法处理后并分别聚类,从聚错样本数、运行时间、平均准确度三个方面进行比较,得到使聚类效果较好的数据预处理方法。(2)对负荷模式提取模块中遇到的负荷模式数量难以确定的问题,本文基于常用的聚类有效性评价指标MIA,推导出最佳聚类数的计算公式,通过算例分析,验证了其有效性。(3)在负荷模式识别模块中,由于负荷数据的随机性与时变性,完全精确的负荷模式类别很难确定。本文建立了基于数据预处理、聚类方法、聚类有效性评价和决策树相结合的负荷模式识别模型。将负荷数据转化为负荷特性指标并聚类,提取负荷特性指标的典型模式。然后以负荷曲线相似和负荷特性指标相似为基础,将电力用户的负荷特性指标离散化。将离散化了的负荷特性指标连同聚类标识一起作为ID3算法的输入,建立决策树。形成负荷模式的解释规则并存入知识库,为模式识别提供依据。经算例分析,该方法可以有效地判断用户所属的类别,实现快速分类。最后,基于本文的设计和以上相关问题的研究成果,采用MATLAB进行了程序编写,实现了各模块的功能,并通过电力用户负荷模式提取与识别在配电网非技术损失检测中的应用对系统进行了演示说明。