近年来智能电网建设快速发展,与此同时建设了一套完善的电力用户用电信息采集系统,这一系统将为数据分析提供海量的原始数据。由于我国拥有众多的电力系统,所以数据的量级将达到PB级甚至TB级,传统的技术手段很难处理这个级别的数据,需要使用新兴的大数据技术来进行相关的分析。在当今社会数据是最重要的财富,数据中隐含着各种各样的信息,通过分析这些数据可以得到更有价值的信息,让这些数据发挥更大的作用。本文主要通过分析用户用电的相关数据,得出用户的相关用电特性,并对用户未来的用电数据进行负荷预测。首先,介绍了数据挖掘的相关概念,为数据的预处理提供了方法。面对海量的用户数据,本文介绍了常见的大数据处理框架Hadoop和Spark,同时搭建了相关的集群,为大数据的处理提供数据分析平台。然后将数据挖掘中的聚类技术应用到大数据分析平台之上,对用户的每日用电负荷进行聚类,得到用户的日负荷曲线并对负荷曲线进行相关的研究,得出不同用户的用电模式。由于用户的样本维度较高,传统的聚类方法的效果并不理想,本文在谱聚类的基础上进行相关的改进得到幂迭代聚类,将幂迭代聚类应用到数据分析中同时在Spark平台上进行了相关的实现,最后能够很好的得出相关用户的用电特性。最后,对用户进行负荷预测,将局部加权算法和Hadoop平台相结合实现负荷预测,并与真实的负荷进行对比,验证了该方法在电力大数据中的有效性与应用性。