随着配电网智能化、信息化进程的不断推进,其数字化程度越来越高,产生的监测和统计数据量不断增大。而与之相矛盾的是,现今并没有一个成熟的系统方法将电网中产生的大数据转化为有用的信息,因此有必要针对配网大量数据的分析方法进行探索,使之能产生对配网运行起到作用的有效信息。本文基于大数据的基本思想,依照数据挖掘的数据特征化、聚类分析、演变分析和关联分析的四种模式,从深度和广度两个层面对大数据分析在配网统计数据中的应用进行探索。在数据特征化、聚类分析和演变分析三个层次在深度上对某市10kV配网停电统计数据进行了分析,在广度上利用关联分析对10kV配网电能质量统计数据进行了分析,具体研究工作如下:首先,利用数据特征化分析对停电统计数据进行了分析,得到了该市停电统计数据中的各种特征,并拟合了架空线路停电时户数的概率密度函数,提取了架空线路停电时户数的统计学特性。在验证了特征化分析有效性的同时,也发现了特征化方法在信息提取方面存在着不足;其次,在数据特征化分析的基础上,应用聚类分析对故障停电统计数据整体进行多变量聚类分析,得到各类别、各变量的分布特性,从而描述各地区故障停电的特征,为各地区编制其个性化的配网可靠性治理方案提供了信息支撑;之后,运用演变分析,对故障停电统计数据中的故障停电时户数和故障停电持续时间分别进行标度与频度的深度分析,结合自组织临界特性的数学模型,发现配电网故障停电的自组织临界特征,并得到了配网故障停电在规模和频次上的演变规律;最后,运用关联分析,对电能质量监测数据与设备故障统计数据进行分析。采用皮尔逊相关系数法计算电能质量监测数据与设备故障数据的相关性,得到与设备故障相关性大的电能质量问题,并利用关联分析结果给出电容器组故障的相关治理建议。本文基于大数据的思想对配网统计的全数据进行分析,获取有用信息为配网运行提供辅助决策。本研究是大数据时代来临之际对大数据和数据挖掘在电力系统中应用的有益探索。