电力负荷是由工商业用电、居民用电及其他负荷用电构成。一方面,电力负荷的多种构成决定了它受外界多种影响因素的制约,在繁多的影响因素的共同作用下,负荷将呈现非常奇妙的波动变化;另一方面,与其他影响因素相比,气象影响因素能够最直观地影响负荷的变化,温度的改变会导致用户制冷和取暖负荷的变化,天气状况也会影响用户照明负荷的变化。因此面对群体越来越庞大,用电越来越灵活的电力用户,研究如何高效地对电力大数据环境下用电负荷进行聚类分析、相关性分析,分析用电负荷的行为特征,挖掘负荷数据潜在价值具有重要意义。本文从电力负荷用电特性出发,建立了基于多维度特性分析的大数据分析模型,并在此基础上,重点研究了电力大数据环境下空调负荷作为需求响应资源的用电模式及应用。首先,分析了典型负荷参与电力系统运行调度的必要性和可行性,根据电力负荷用电模式在国内外的发展应用情况,重新定义了负荷用电模式的特点,论述了电力大数据环境下负荷数据深度挖掘技术的特点、并且从工业用户负荷、商业用户负荷以及智能家居负荷等方面研究了其用电特征;其次,基于聚类分析等数据挖掘技术建立了电力用户用电行为模式分析模型,构建了电力用户在不同用电行为模式下的负荷特性指标体系,利用决策树分类器、贝叶斯分类器等方法提取用户用电行为模式的主要影响因素并挖掘其影响机理;提出了电力用户需求响应基线计算方法、效果评估方法、潜力分析方法,为需求响应业务实施提供了科学理论支持,有利于需求响应策略制定的精细化,从而充分发挥其运行效率。最后,以空调负荷为例,综合考虑空调负荷的用能特性和人体热舒适度要求,分析了空调系统的典型运行状态,并建立相应的用电模式分析模型,使得空调负荷能够在电力市场环境下实现实时响应电价的变化,成为电网友好型负荷,从而灵活的参与到电力系统实际运行中。