电网的信息化与智能化程度不断的提升使得电力数据量越来越大,给数据的处理和分析带来很大的困难。在智能电网大数据应用处理的过程中,数据的实时性存储、高效处理、多源异构数据的融合以及数据的可视化方面面临着严峻的挑战,需要深入对这些方面开展研究,切实发挥大数据在保障电网安全稳定运行的作用。电力大数据挖掘的基础是电力大数据平台,通过大数据平台可实现智能电网数据共享,对各类数据进行存储、处理、分析及应用,激发电力市场潜力,挖掘电力数据中蕴含的价值。针对电力系统中的异常数据将导致电力系统状态估计结果的准确性降低,传统聚类算法处理海量高维数据时单机计算资源不足,Map-Reduce框架不能有效处理频繁迭代计算等问题。本文从电力异常数据检测与修正和短期负荷预测两个方面阐述电力大数据与智能电网的深度融合,基于Spark大数据计算平台,提出一种改进ISODATA聚类算法对异常数据进行检测与修正;基于Spark大数据计算平台,利用XGBoost算法将历史用电数据、日期特征、天气数据等不同种类的数据,通过特征提取和特征转换,构建模型进行短期用电负荷预测。