随着新型电力系统的不断发展,用户侧的用电数据呈现指数级剧增、交互性增大、异构性增强等特点,用电侧的负荷需求多样性和随机性会大大增加。相较于用电负荷,电力用户的用电行为还具有复杂性、不确定性、社会属性等基本特性,使得电力用户本身构成一个复杂的系统,难以通过现有的解析化模型分析。在特定时段和触发条件下,这种复杂性会进一步扩大,导致电力用户的用电行为和用电负荷更加难以刻画和估计。用户用电行为分析在电网中的应用众多,涉及电网安全稳定运行和节能经济调度等诸多方面。一方面,有助于明确不同用户在特殊事件下的差异化响应能力,提升电网经济安全运行水平;另一方面,在把握用户用电行为变化规律的基础上,分析其对电力负荷产生的影响,对于深入挖掘用户用电规律、提高电力预测精准性以及提升电网管理服务质量具有重要意义。本文首先明确特殊事件的定义及内涵,研究了特殊事件下电力用户的用电行为及负荷特性,基于B-N分解理论量化特殊事件对各类电力用户用电负荷的影响;其次,构建涵盖ARIMA、LSSVM和LSTM-Adam的用电负荷预测组合模型,并选取气象和负荷因素作为预测模型的输入;最后,分别选取典型工业、商业以及居民用户作为算例分析对象,对各类用户在不同特殊事件下的用电负荷进行预测,与单独使用ARIMA、LSSVM和LSTM-Adam等单一方法的预测结果作对比。结果表明,本文所提出的组合预测模型,对节假日期间工业、商业以及居民用户用电负荷预测的误差分别为1.40%、2.15%、1.96%;对政治事件或外事活动期间工业用户用电负荷的预测误差为0.65%;对突发事件期间工业、商业、居民用户用电负荷预测的误差分别为0.32%、1.03%、1.10%,预测精度均显著高于其他三类模型。通过本文的研究可以得出以下结论:（1）特殊事件会改变电力用户的用电行为,从而引起电网负荷的变化,且在不同特殊事件下各类用户的用电负荷的变化趋势呈现明显的异质性。（2）通过B-N分解理论可以将电力用户用电负荷划分为确定性趋势分量、周期性趋势分量以及随机分量,将复杂、随机、无序的用电负荷转化为更加有序且波动规律能够易于捕捉的多条序列。（3）由于各类趋势分量具有明显的差异特征,因此应用更适合于各分量的针对性模型对于提升电力负荷预测精度有着显著效果。基于不同分量的组合预测模型相比于单一预测模型具有更高的预测精度,同时模型的泛化能力及预测能力要显著强于单一模型。