随着电力市场交易改革深化、智能电网建设不断完善,用户用电行为信息及用户侧负荷预测将是成为保障配网安全经济运行、提高能效及科学制定需求响应机制的基础。本文利用智能电表提供的海量细粒度用户用电数据,提出了一种基于行为特性的用户侧短期负荷概率预测研究框架,对典型用电模式辨识、分层负荷点预测及概率预测建模等问题进行了研究,主要完成了以下工作:(1)调研了国内外用电行为特性分析及负荷概率预测的研究现状;总结梳理了用户侧负荷预测研究难点及盲区。(2)提出了用户用电行为特性的分析框架;包括对用户侧负荷的温度、周期及节假日特性等多维度精细化分析,与对用户自身行为特性进行分布式聚类挖掘等,得到了用户的外部因素驱动特性、典型用电模式及分层结构。(3)基于广义线性回归、人工神经网络及梯度提升回归树等预测模型,建立了考虑行为特性的用户侧差异化短期负荷点预测模型;并计及用户分层结构的聚合约束条件,实现了用户侧分层负荷点预测修正。(4)提出了温度场景、分位数回归及残差模拟等概率预测生成方法;并基于点预测模型及Copula框架下的分层概率预测策略,构建了单用户及聚合负荷的短期概率预测模型。(5)从预测模型、概率生成方法及用户类型等角度对用户侧负荷点预测及概率预测的关系进行了探究,得到了良好的点预测精度与概率预测精度具有一致性关系。以Ireland居民用户及上海市南地区工商业用户为例,验证了本文所提出的用户侧负荷预测建模策略、模型适用度及概率预测生成方案的可行性与有效性。