随着智能电网的不断建设,电力管理部门能够得到更多的负荷数据,如何从这些数据中挖掘出用电行为和状态,并对未来的用电趋势进行预测,对于保障电网的安全稳定运行具有重要意义。数据挖掘技术的快速发展为实现从电力负荷数据中快速有效挖掘用电信息提供了理论支撑。为此,本文根据电力负荷数据的特点及用户的用电规律,结合数据挖掘的关键技术,对电力异常的检测和电力负荷的预测进行了深入研究,并运用数据挖掘技术分别设计了异常用电行为的检测方法和电力负荷的超短期预测方法。具体的研究内容如下:1.分析电力负荷数据挖掘的现状和主要技术。为提高对于复杂的电力负荷数据的挖掘质量和效率,在分析现有数据预处理技术的基础上,设计一种基于时间序列的方法,对电力负荷数据中的脏数据进行清洗修复。根据电力负荷数据的特点,结合数据挖掘技术,设计了电力负荷检测与分析的整体方案。2.根据电网异常检测的需求,经分析研究将电力异常分为具有固定阈值的数值型异常和用电状态发生异变的行为类异常。对于数值型异常,设计了阈值检测方法;对于异常行为的检测,针对用电需求增加等正常用电情况会影响平稳检测方法对异常行为的检测准确性的问题,根据相似用户之间的关联性,提出一种基于密度聚类的用电异常行为检测方法。3.为了进行科学的电力调度,在分析现有电力负荷预测的基本思想和主要方法的基础上,提出一种基于时间序列密度聚类的超短期电力负荷预测方法。该方法通过对用户的用电模式进行聚类分析,得到待预测负荷的参考序列,再根据近大远小原则结合回归思想建立超短期负荷预测模型,实现了电力负荷的超短期预测。利用电力负荷数据对负荷检测方法进行了测试验证与分析。测试结果表明本方法能够实现异常用电行为检测以及电力负荷的超短期预测,具有较好的检测和分析效果。电力负荷检测和分析结果可以通过管理软件进行查看管理,有助于提高电网的管理水平以及实现电网的安全稳定运行。