泛在电力物联网作为电网建设新阶段的热点,旨在升级与扩展原有信息系统,打通信息化孤岛,建设一个连接发电企业、电力设备与用电客户的共享系统。作为原有配电自动化系统的升级,电力物联网的出现让其更加互联化,也让智能数据采集、配电设备故障预测与居民用电行为建议等高级应用成为可能。配电变压器作为配电网中的核心设备,它的运行参数能直观的反映变压器运行状况和电网负荷情况。可是过去的电网系统中一直存在一些不足如:相较于输电网,配电网发展较为滞后,缺少完整的监控与故障处理;没有解决配电终端之间的数据通信;几乎不涉及负荷预测等。这类问题导致在实际电力系统中,配电变压器监测终端TTU普及率较低,需要投入高成本的设备与传感器,大量配电变压器仍处于监测盲区,配电网负荷预测能力欠缺等。本文基于电力物联网中配电终端的思想,考虑了环境数据会对配电变压器工作状况和负荷的影响后,设计了一套将变压器本体与环境数据结合的综合监测方案。不仅可完成配电变压器关键工作数据采集、数据传输、数据存储、数据显示等一系列功能,还能通过对变压器本体和环境数据的监测,更准确的掌握配电变压器的温升值与负荷系数,提高了经济性与适用性的同时,也为后期设备检修和负荷状态分析提供了依据。考虑到配电变压器采集到的配电台区负荷数据(有功功率),同时为了解决现有电网数据采集系统SCADA负荷预测能力不足的问题,在分析并总结了多种预测方法后,提出了主成分分析法(PCA)与人工神经网络结合的电力负荷预测算法。算法可同时适用于配电变压器台区数据预测与配电网负荷预测。首先对海量负荷数据进行数据处理,筛掉重复性、极端性数据后再通过遗传算法克服人工神经网络固有的缺点。准确的负荷预测结果与监测系统结合,可以更好的为电力部门制定设备检修方案和发电计划、用户实现错时错峰用电等提供重要的依据。最后通过Matlab仿真训练得到预测结果并与传统神经网络和实际负荷值三者进行对比,实验结果说明该方法使用筛选过后的5日的电网负荷数据便可以代替原有20日的数据量,并且负荷预测精度高于未经优化的神经网络的预测算法。