近年来,物联网的迅速发展,向作为其重要组成部分的智能电网提供了前所未有发展机遇。作为智能电网的一项重要研究内容,高精度的负荷分析和负荷预测可优化发电、输电和配电过程,进而提高电网运行的安全性和经济性,改善供电质量。目前,关于电力负荷预测的研究已经有了很大的发展,但电力负荷的变化发展规律相当复杂,并且具有很强的随机性,因此电力负荷预测相关技术的研究将是一个长期过程。电力负荷改变过程被各种类型的因素所影响,尤其表现在天气因素,深入研究电力负荷变化的关联因素将具有非常重要的现实意义,并形成多变量信息数据,全面体现负荷变化规律。本文将利用智能电表提供的精细负荷数据、结合传感器采集到的气象数据以及从互联网上得到的第三方提供的重大事件等相关信息,构成本文所使用多变量数据,从而对电力负荷进行多变量分析与预测。分析当前电力负荷预测研究状况,并研究评价负荷预测结果的标准与方法,对异常的原始数据进行预处理。进而对预处理后的数据进行相关性分析：主要利用基于包络精确切分的斜率匹配相似度计算算法进行相关性分析,并与灰度相关度和皮尔逊相关系数等算法进行实验比较,从而构成最佳的多变量样本,作为预测模型的输入样本。在建立预测算法模型之前,利用聚类算法对多变量样本集进行相似度分析,为建立多个实际预测模型提供依据。进而,为更精确的预测未来用电量,对每一类样本集建立不同的预测算法模型。本文对支持向量回归机和组合预测模型进行研究,并介绍其在电力负荷预测中的应用,通过大量实验对各种方法下的预测精准度进行对比、分析。最后,根据本文的研究成果开发了可视化的负荷分析与预测系统平台,并利用C++语言对负荷分析和预测相关模型进行算法实现,其高效的运算过程,为系统提供了实时、精准的电力负荷分析和预测功能。阐述系统开发的相关技术,并对系统进行需求分析、总体设计各功能模块的设计及其实现。本项目将各算法模型的实现作为独立的子系统,通过数据通信与可视化平台进行交互,这样有利于系统的可扩展性。