随着智能电网下智能通信技术(ICT)的快速应用和推广,加之智能终端设备的安装覆盖范围增大,使得电力系统拥有的数据量越来越大。如何利用大数据的分析方法,将数据转化为有用信息,提高电力线运行水平是目前重点关注的研究热点。与传统负荷预测相比,智能电网中的负荷预测已经从单纯的负荷预测技术向负荷预测精细化服务管理层面转变,因此负荷预测的精度和密度要求越来越高,难度越来越大。结合大数据技术,实现智能电网的负荷预测工作是一种有益的探索,也是智能电网发展的必然趋势和要求。本文融合了各类相关信息平台和当前最新的ICT技术,在考虑负荷预测技术趋势的基础上,提出了以用电用户行为正向分析为前提的负荷预测方法。首先建立了不同行业用户用电行为的特征库,然后采用动态聚类的方法对用户类型进行划分,最终实现了用户日负荷曲线的预测和预测结果的动态调整。该方法可以有效减少负荷预测对电力负荷历史数据的强依赖性,并通过拓展关联数据,实现更为准确的各级负荷预测。在方法研究的基础上,基于云平台技术和海量数据存储技术,开发基于用户行为分析的新型负荷预测系统,实现了上述功能。该系统在阳江电网得到了工程实际应用。在工程实际应用中,对2个典型用户开展了负荷预测工作,预测结果与实际负荷的比较验证了方法的有效性。同时,负荷预测系统还可获得变电站母线的负荷预测结果,是电网的调度运行和规划的重要基础数据。