随着电力体制的改革,人们对电网公司提供的售电服务要求的提高,原来单一、粗犷式的服务模式难以应对更加个性化、精细化的服务需求。在数据驱动业务的今天,通过充分利用公司的数据资源,分析客户的需要,提供个性化的优质服务,从而增加客户满意度,对电网公司的进一步发展具有较大的意义。在国家电网的建设中,积累了海量的电网数据,因此,国家电网公司希望充分利用这些数据,通过大数据的分析手段开展电力客户用电分析,进而制定有针对性的客户.服务策略。在此背景下,国家863电网大数据项目正式启动,用户用电行为挖掘系统就是在相关863电网大数据项目的支持下设计与研发的。本课题旨在设计和实现电网用户侧用电大数据的数据分析系统。应用数据挖掘以及大数据手段,从用户用电行为归类、行为演进分析以及用电行为异常分析等角度入手,开展对用户用电行为分析的系统挖掘。相较于以前的电网数据处理平台,本文设计的系统具有处理大数据的能力,拥有友好的访问界面,更重要的是本文研究用户用电行为演进过程,具有分析用电行为趋势、发现用电异常行为的功能。本文首先查阅文献调研了相关的技术,明确了系统的技术可行性。然后按照软件工程的要求对系统进行了需求分析。关键技术方面,本文首先对原始的电网数据进行了预处理,并提出了基于BIC模型评估的后向选择算法,此模型选择算法在降低模型复杂度的同时还提高了模型准确率。在对处理后的数据进行用户用电行为分析过程中,演进聚类算法存在聚类质量变差的情况,为此本文提出了一种改进的演进聚类算法。上述关键问题的解决方法得到了相关学术期刊以及会议的认可。关键技术的解决为系统的搭建清除了障碍,本文围绕关键技术进行了系统的总体设计和详细设计,并搭建起了功能比较完善的用户用电行为挖掘系统,然后设计并实现了用户友好的可视化界面。通过一系列的测试,本文实现了需求设计要求的所有功能。最后,本文对完成的系统进行了总结,并提出了不足之处以及改善的方向。