配电系统原有的分散式人工维护方式,完全依赖于维护人员定期巡检,无法在第一时间实现100%的故障发现率。利用云平台采集的海量现场运行数据,实时分析配电系统运行状态,实现异常事故提前预判报警,将极大地减少电力故障带来的消极影响。本文在现有云平台的数据支持上,基于数据挖掘技术,开展了对设备运维、用能管理、安全用电三方面的研究,可以实现预测性运维。在设备运维方面,针对传统方法确定变压器绕组温升的局限性,本文建立了基于关联分析的变压器智能维护模型,该模型可以推算在不同负载率水平下变压器绕组温升的正常范围,为已经投入使用的变压器提供了一种通用的智能维护方法。在用能管理方面,本文采用k-means聚类算法对用电规律进行了分析,并基于聚类结果对设备用电进行优化调度,便于后续为错峰用电管理提出高效实用的建议;提出了一种基于参数自适应相似日法对日用电量进行短期预测的方法,相似日模型的参数均根据样本数据通过改进果蝇优化算法训练得出,增强了相似日模型的准确性和通用性。在安全用电方面,为了克服影响因素考虑不周导致模型精度不足的问题,采用时间序列分析对有功功率进行超短期预测,将预测值与真实值进行比较,从而判定用电异常情况;建立了自适应漏电保护模型,漏电流动作阈值自动适应当前漏电流水平,改善了固定漏电流报警阈值引起的误报问题。