能源互联网已成为世界范围内应对能源和环境危机的必然选择,其特征是以电力系统为核心,以互联网技术为基础,实现可再生能源最大限度消纳和综合能源高效利用。我国某省份具有新能源装机规模大、智能电网技术不断突破、交直流特高压电网即将形成等基础条件,在能源互联网建设方面已取得诸多进展,但支撑能源互联网调度与运行的负荷模型研究尚未展开。针对该省变电站母线负荷数据,结合数据挖掘技术,对其母线负荷曲线进行聚类分析,提取典型负荷特征曲线,挖掘出不同地区、不同时间的变电站负荷之间的关系及其构成,对变电站母线负荷进行科学有效的划分,支撑电力公司进行电力调度策略的制定。为解决上述问题,论文主要从以下三个方面进行研究:(1)针对某省330kv变电站母线负荷数据缺失值问题,提出了一种CEEMD-LSTM缺失值处理算法。首先将母线负荷数据采用补充经验模态分解算法(CEEMD)分解成若干个相对平稳的固有模态函数分量和残差分量,分别建立LSTM模型,进行训练,然后重构固有模态函数分量和残差分量的预测量,对母线负荷数据缺失值进行填补。以某变电站实际母线负荷数据进行相关实验,实验结果表明,所提出的缺失值处理算法能够准确、有效的对母线负荷数据缺失值进行预测。(2)针对现有母线负荷曲线聚类方法的不足点,提出一种基于聚类评价准则函数和互相关算法的SCK-SHAPE聚类方法。传统的母线负荷曲线聚类大都采用基于距离度量的K均值算法或对其进行相关改进的聚类算法,在聚类过程中将距离作为负荷曲线相似性的评价指标,忽略了负荷曲线的形态特征。SCK-SHAPE算法采用轮廓系数来确定最优聚类数,使用基于形态相似度量的互相关算法来计算每类的簇心。并对某变电站实际负荷数据进行聚类,实验证明SCK-SHAPE算法聚类效果要要优于传统k均值聚类算法。(3)针对某省330kv变电站母线日负荷曲线从时间维度和空间维度分析其负荷特性。在时间维度上以某330kv变电站为例,采用聚类算法提取该变电站在春、夏、秋、冬四季的典型日负荷曲线;在空间维度上提取该省全部330kv变电站在具有代表性的日期的典型日负荷曲线,并以日负荷率、日最小负荷率、日峰谷差、和日峰谷差率作为评价指标对其进行负荷特性分析。