随着电力系统高级量测体系的快速发展以及智能电网的建设,目前电网公司保存了大量的原始电力负荷数据,而这些数据背后隐藏着更丰富且更深层次的信息,充分地挖掘海量负荷数据中的有效信息具有重要的意义。电力用户的负荷曲线分析和负荷预测是电力系统规划与运行中最基础且最难以精确建模的两个传统性问题。在当前智能电网及电力大数据背景下,对这两个传统性问题提出了新的挑战和要求,如何运用新一代数据挖掘技术和人工智能技术在用户负荷曲线分析及负荷预测中,以提高电网公司精细化地负荷管理和制定更优质的差异化供电策略具有重要的意义。本文首先介绍了本研究中使用的负荷数据、气象数据和电价数据的数据来源及数据质量情况,并重点介绍对各类原始数据的数据预处理工作,包括负荷数据清洗、天气数据上采样及数据归一化等工作,为后文的用户负荷曲线分析及负荷预测提供数据基础。然后提出了一种基于时间序列数据挖掘的用户负荷曲线分析方法,有效地提取单一用户的典型负荷曲线和分析不同类型用户的负荷曲线。先基于分段聚合近似方法和符号聚合近似方法对用户的日负荷数据降维和重表达,用一串字符串来表示一条日负荷曲线,进而筛选出该用户最频繁的负荷模式,得到用户的典型负荷曲线;然后提取用户负荷曲线的时序特征,并结合传统的负荷特性指标作为聚类算法的输入特征,最后基于K-means算法聚类分析不同类型用户的负荷曲线。接着本文提出基于Stacking模型融合对用户短期负荷进行分类预测,考虑了不同类型用户之间的差异,以提高用户负荷预测的精度。先基于最大信息系数和Pearson相关系数,研究了不同类型用户与各影响因素的关系,包括峰谷分时电价因素和气象因素等,为负荷预测模型输入特征的选取提供基础;然后提出基于Stacking模型融合算法对不同类型用户短期负荷分类预测,考虑用户差异选取不同的输入特征和选择最优的模型参数,可以有效提高用户负荷预测的精度。最后基于以上理论研究基础开发了一套负荷特性分析软件系统。本系统是基于Java语言开发、以微服务和微应用为核心架构的一套适用性强、可灵活扩展的负荷特性分析软件系统,可以为电网规划建设提供一些重要的参考信息,实现电网智能化、精细化的管理。