在当前智能电网和泛在电力物联网的背景下,电力负荷进行精确的提取,对电网的安全稳定运行、电力需求侧管理、电网负荷预测有很大的意义。本文针对柔性负荷中纯低谷储热负荷的提取方法做了研究,将KNN、SVM两种算法引入与K-means聚类相结合,提高对柔性负荷的提取精度;近年来,风力发电技术快速发展,这对合理利用资源和保护环境有积极的意义,但是,随之而来的风电消纳问题突出,尤其在我国的“三北”地区。在冬季,使用电储热技术是风电消纳提供了一种重要手段,可以很大的提高风电利用率,减少弃风;另外,电池储能具有快速调节、双向流动、时移能量的特点,对实现电网“削峰填谷”和减少弃风重大作用。本文的主要工作如下:(1)概述了电力系统中负荷聚类提取的意义以及当前我国风电发展的现状,综述了国内外对电力负荷聚类的研究现状以及利用储热、储能减少弃风的研究现状。(2)研究分析K-means聚类算法,利用K-means算法对柔性负荷中的纯低谷储热负荷进行提取,结果显示这种算法需要多次进行聚类且精确度较低。提出了将KNN、SVM与K-means相结合的方法,再次对纯低谷储热负荷进行特征提取,通过与直接利用K-means聚类的结果进行对比,实现了更加精确的提取,验证了三者结合的有效性。(3)设计储热系统展示界面。为了更直观的观察低谷储热负荷的运行情况,基于电网全业务数据中心平台,利用前边所提三种算法相结合的特征提取方法对整个辽宁省低谷储热负荷进行提取,最终以储热界面的方式展示出来。(4)为了减少弃风,本文先对集中式储热和分布式储热做了介绍,然后分别对利用储热系统和储电系统消纳弃风的控制策略进行了研究和分析,说明了二者对提高风电消纳能力的有效性。