随着近年来智能电网建设的进一步深入,越来越多特高压、新能源电源及不同种类的负荷相继接入电网,对电力系统的稳定运行造成更大的挑战,也对电网的智能调度提出了更高的要求。且电力负荷种类繁多、分布广泛,负荷特性随时间变化而变化,导致电力系统综合负荷构成特性难以把握,从而引起负荷建模所得模型参数出现一定偏差,对电力系统调度、运行及仿真实验造成一定负面影响。而目前在电力系统仿真实验中,采用的依然为一套通用负荷模型及参数,具有滞后性及误差性,难以反映负荷实际情况,无法据此得出实时、精确的仿真结果。为改善上述情况,本文围绕综合统计负荷建模方法与应用开展研究,形成了一套基于电力大数据的综合负荷构成特性解析方法,为负荷建模的精确化、实用化奠定了一定理论基础。首先,针对目前应用于负荷建模的聚类算法所存在的聚类质量与鲁棒性较低的问题,以算法相似度衡量方法为切入点,提出一种基于欧式-动态时间弯曲距离与熵权法相结合的负荷曲线聚类方法,将动态时间弯曲距离距离与欧氏距离相结合以综合判定曲线相似度,并利用熵权法对上述曲线特性的相似度进行权重配置,最后应用K-means算法展开聚类分析,显著提高了负荷曲线的聚类质量。然后,针对上述算法运算效率较低的问题,提出一种分段线性表示与动态时间弯曲相结合的降维负荷曲线聚类方法,将分段线性表示降维方法对负荷曲线进行自适应降维的特点,与动态时间弯曲距离相似度衡量方法可衡量不等维时间序列间相似度的优点相结合,对曲线进行特征提取和相似度衡量,最后应用CK-means方法展开聚类分析,实现算法综合性能的最优化。运用三次插值法,将电力大数据中获取的用户负荷曲线集的维度提升至与变电站负荷曲线相同的96维后,进行分类与综合,采用最小二乘法以完成综合负荷的行业构成特性解析,建立上述所得聚类结果与变电站日负荷曲线的映射,求解得到变电站综合负荷的行业构成比例。最终,将上述理论方法加以综合应用,搭建了一个基于电力大数据的变电站综合负荷在线自动建模平台,实现了每日定时自动建模获取某省各地区变电站的模型参数,在负荷建模的精确化与实用化方面取得一定突破。最后,本文基于上述理论,搭建了基于电力大数据的变电站综合负荷在线自动建模平台,并对平台本文工作的重点研究内容进行了相关展示。