近年来,电力批发市场和零售市场的逐步放开、可再生能源装机大规模增长以及电网智能化程度的不断提高,对传统电力负荷特性分析方法带来了很大挑战。这种方法仅考虑电力用户的分时用电量、用电峰谷差等需求侧物理指标,无法适应新环境的要求。创新电力负荷分析方法,不仅关系到售电公司等电力企业的业务发展,而且关系到我国电力市场的健康可持续发展以及电力市场化改革的整体推进。本文提出了电力负荷特性分析新方法,该方法引入了价格信息,考虑了经济信息和供应侧信息,并探讨了这种新方法在大数据背景下的应用。电力批发市场的价格和电力系统中的其他数据,是电力负荷特性分析新方法的主要输入数据;电力零售市场是分析新方法的主要应用场景;售电商是分析新方法的主要应用主体。本文首先构建了引入价格信号的系统负荷分析统计指标体系,并采用X省的数据进行了算例分析。结果显示,与传统指标体系相比,该指标体系能更好地反映市场化条件下电力系统的经济运行特性。然后,将度量学习等机器学习算法引入用户负荷特性分析统计模型之中,使之能够引入价格信号,在此基础上构建了基于度量学习算法的用户商业价值聚类,并采用X省的数据进行了算例分析。结果显示,新方法比传统方法能更好地根据用户的经济特性(如其潜在的利润空间和需求侧响应空间)对用户进行分类。最后,讨论了大数据背景下负荷特性分析新方法的应用条件,认为在大数据背景下有效应用负荷特性新方法需要加强数据的汇聚采集、提升数据存储管理能力、推动数据资源的全面应用、开放数据资源的共享流通,并构建适宜的组织机制。