近年来,用户供电可靠与人们生活水平息息相关,配电系统是保障电力系统向用户连续可靠供电的最重要一环,因此这方面的研究受到了人们更多的关注。但是,面对如今不断扩大的复杂配电系统,各类不确定性因素增多,传统分析方法的局限性也越来越明显。在这个信息爆炸的年代,海量的数据成了这个世界的“新石油”,革新了技术,转变了人们的思维,基于大数据从宏观上对复杂配电系统进行研究分析或许是一种新的思路。本文提出了一整套基于大数据技术的配电系统可靠性预测评估方法。首先收集配用电大数据,经清洗过滤后整理成决策表;然后利用基于粗糙集信息熵理论的相关性分析方法从大量数据中提取出配电系统可靠性的相关因素,以此作为后面预测模型的输入;紧接着采用基于遗传算法的改进神经网络方法对历史数据样本进行学习训练获得预测模型,从而预测评估未来时间段的配电系统可靠性水平。文中还以北京市相关数据为例,按照上述流程进行分析,从算例所得结果来看,该方法预测精度高,易于操作,具有一定的工程实用价值。基于本文所提出的方法针对湖北省配电网开展可靠性分析,测试年份的预测值相当准确,进一步证明了该方法的有效性,同时根据此模型进行灵敏度分析,找出相关因素中对湖北省配电网可靠性影响较大的因素,从而给国网湖北省电力公司进行配电网可靠性成本效益分析提供参考;最后从配用电大数据融合管理和引入配电系统运行可靠性分析两方面给湖北电网公司提出自己的建议。