随着电网规模的不断扩大,加之智能终端设备的安装覆盖率逐年提高,使得电网的业务数据正以爆炸性的趋势增长,如何利用数据挖掘技术,在海量的电网数据中挖掘出有价值的信息,成为当前电力系统分析中的一个挑战性问题。另一方面,随着市场经济的发展,电网公司正在逐渐转化为经营型企业,如何对用电用户的行为进行分析和预测,并为其提供个性化的电力服务,成为电网公司亟待解决的问题。因此,对电力大数据进行分析和研究,将有利于提高电网公司的经营管理水平和建立坚强的智能电网。本文研究了国外大数据的发展概况以及我国大数据的发展现状和行业动态,重点研究了当今电力大数据现状以及天津市电力公司对业务场景的需求分析,提出了基于电力大数据的用户行为分析及可视化展示平台,该平台实现了用电客户分类和用户用电量预测功能,并对分析结果进行可视化展示。本文首先通过分析目标用电客户的用电行为、用电习惯和用电规律,将数据挖掘与用电客户分类相结合,完成了电力客户分类整体模型的设计和指标体系的构建。将聚类算法与Hadoop分布式处理框架相结合,给出了基于Hadoop的并行化K-means算法,利用电网公司营销侧数据,通过分析电力客户的用电量情况、信用情况和价值创造等,实现了用电客户分类的功能。用户的用电量行为在具有自身规律的同时,也受着外界因素的影响。将关联规则挖掘算法与Hadoop分布式处理框架相结合,给出了基于Hadoop的并行化Apriori算法,结合会对用户用电量行为带来影响的经济、气温等影响因素,通过分析相关因素对用户用电量的影响和关联性,实现了用户用电量预测功能。最后通过ExtJS技术,将挖掘出的用户行为进行可视化展示,辅助电网公司提高自身的业务水平和经营管理水平,使电网公司能够更有针对性的开展市场营销业务并提高其客户服务能力。