随着配用电系统中智能传感器设备的广泛使用,电力公司积累了史无前例的海量数据。充分挖掘配用电大数据价值,能够提升电力服务水平,促进配用电系统数字化、信息化、智能化发展。因而实现配用电大数据的处理、分析及应用意义重大。本文围绕配用电大数据处理、分析及应用展开,涉及到设备级负荷辨识、数据清洗压缩、数据价值挖掘以及用电隐私信息保护等问题,取得了一定的研究成果,主要工作总结如下:1)针对用户用电数据细粒度不足的缺点,提出了基于改进VI轨迹特征及深度森林的非侵入式负荷辨识算法,从而实现了设备级用电数据的间接采集。通过添加离散颜色编码背景实现了VI轨迹与功率信息的融合,并利用深度森林对改进特征进行分类,克服了VI轨迹无法反映功率信息的缺陷,提高了负荷辨识效果。2)针对配用电大数据存储及数据质量问题,提出了基于卷积自动编码器的智能电表数据压缩方法及基于改进生成对抗网络的量测缺失数据重建方法。前者通过卷积自动编码器的无监督训练学习功率曲线特征,并通过前向运算实现功率曲线的编解码,降低了数据压缩误差,提升了计算效率。后者通过生成对抗网络学习量测历史数据的潜在规律,通过优化重建损失及上下文相似性损失,实现了缺失值的准确修复。3)基于智能电表大数据,提出了基于门控单元网络的负荷聚合体超短期预测方法,及基于双端稀疏编码和深度神经网络融合的负荷聚合体日前负荷预测方法。通过聚类分析、动态时间建模、数据降维、模型融合等手段提高了预测精度。提出了基于MSApriori的低压台区线损分析方法及基于用电行为分析的用户节电通用分析方法,能充分考虑传统模型中不易量化的复杂因素,分析线损及用户节电的关键影响因素,从而指导节电降损工作开展。4)针对用电信息隐私保护需求,提出了基于数字水印及非对称加密的智能电网用户隐私信息保护方法。前者用于在不改变原始数据形式和不增加带宽的情况下隐藏敏感数据,后者用于实现端到端的机密性。并考虑到多能源系统中联合抄表带来的隐私风险,进一步提出了基于字典学习的用户用能数据差异化隐私保护体系。提炼和分析了能源用户和供应商的数据使用需求,设计并提出了多层级隐私保护方案,满足了用户多样化的数据使用需求,实现了隐私保护与便捷能源服务之间的权衡。