随着智能电网的发展，负荷监测装置在电网中的应用逐步得到推广，越来越多的电力用户消费数据流入企业的数据仓库，为企业通过数据挖掘获取用户负荷模式提供了条件。负荷模式的提取技术越来越受到各国电力研究人员的关注，这项技术对于电价制定、用电营销、负荷控制、需求侧管理等都有重要意义，因此不断有研究人员提出相关方法。其中聚类技术是最为流行的负荷模式提取手段，但是目前大多数文献的研究仅集中在聚类方法上，而在应用聚类技术过程中各种因素和环节对于聚类结果及效果的影响却很少提及，因此本文对电力负荷模式提取的关键技术及应用进行了研究。论文首先对应用聚类技术进行负荷模式提取时数据规范化对聚类结果的影响进行了研究，通过实验计算了利用各种数据规范化方法进行处理后负荷聚类的准确率，得到了聚类方法和规范化方法的适配关系，结果表明只有部分规范化方法适合于提取负荷模式。接着研究了不同距离定义与聚类方法间的匹配关系，结果显示不同距离定义对于聚类结果影响明显，该研究对于负荷模式提取中距离和聚类方法的选择具有重要意义。最后对负荷模式在用电异常检测中的应用进行了研究，给出了异常检测流程并编制了相关程序。本文利用C++与MATLAB混编技术对相关算法和应用进行了实现，尤其用K-means算法进行了重点展示，实验表明本文的负荷模式提取关键技术研究成果可作为未来供电企业实施数据挖掘支持运营决策的重要依据。