电力系统与人们的生活、工业的生产息息相关,电力系统的稳定运行关系到了国家工业领域的正常生产,国民的正常生活,随着信息化、数字化时代的到来,电力系统中各种智能终端设备的投入,智能电网、智能能源系统的建设,使得电力系统涌现出了大量电力数据,这些大量电力数据的背后隐藏着许多电力系统运行的宝贵信息,如何挖掘出这些宝贵的信息成为了电力系统亟待解决的问题。数据挖掘是利用数学的方法挖掘出隐藏在信息背后的价值,完成从知识到价值的转变,因此使用数据挖掘的方法来分析电力数据,从来为电力决策和电力数据分析提供参考,但传统的挖掘方法是基于单节点的串行挖掘,无法满足现在海量数据挖掘的需求,云计算依靠分布式存储和并行计算,可以把许多廉价的计算机组合成集群达到处理海量数据的目的,云计算的出现带来了新的曙光,本文采用云计算与数据挖掘相结合的方法来完成电力系统数据知识到价值的转变。首先研究了开源Hadoop云计算平台,以6台PC完成了实验集群的搭建,研究了K-means和Canopy聚类算法,并介绍了两种传统算法的流程,使用两种相结合的聚类算法来分析电力用户用电规律,同时研究了均以K-means聚类算法为基础的间隙统计法和肘形判据的辨识算法,研究了两种传统算法的流程,利用两种算法各自的特点,提出了两者相结合的辨识算法达到电力系统不良数据辨识的目的,基于Map Reduce模型将所有算法并行化,使其拥有海量数据处理的能力,通过实验,将所有的并行算法应用于实例,验证了提出的并行算法高效、可行。