随着我国智能电网的建设逐步完善,电力系统中数据采集装置的数量逐年增加,安装范围不断扩大,采集数据的规模高速增长。海量、多源、异构的电力大数据中蕴藏着丰富的电力用户用电信息。开展大数据分析技术的研究,挖掘电力用户的用电信息数据,分析电力用户的用电行为特征和规律,一方面有助于电力企业了解电力用户的用电特性和用电需求,开展电力用户的精细化管理和差异化服务;另一方面为电力需求侧管理与响应的研究奠定了基础。本文运用随机矩阵理论和聚类分析两种大数据分析技术,从三个方面开展了电力用户用电行为的分析与研究。首先,本文针对电力用户用电行为与各种因素之间的相关关系,提出基于随机矩阵理论的相关性分析方法,利用量测数据的高维统计特性实时反映电力用户用电行为与各种因素之间的内在联系,而不需要对相关关系有任何先验知识或附加任何假定。从理论上来说,该方法不受限于因素的类型。然后,本文以电力用户的负荷曲线为研究对象,提出基于改进模糊C-均值聚类算法的电力用户划分方法,深入挖掘电力用户的用电行为特征,精细描述电力用户用电行为的相似性和差异性。改进模糊C-均值聚类算法利用聚类有效性评价指标选取最佳聚类数,改善了聚类结果。聚类得到的聚类中心可以作为该类电力用户的典型负荷曲线;隶属度可以描述电力用户与各类电力用户之间的相似程度。最后,本文依据电力用户窃电的基本原理,提出基于随机矩阵理论的窃电嫌疑评判方法,利用电力用户用电数据的高维统计特性反映数据真实性,实时监查电力用户的窃电行为。该方法不受限于电力用户的用电特性和窃电方式。此外,算例表明,该方法在窃电率很低的情况下依然有效。