互聯網環境下，電力消費生態體系的基礎架構是構建于互聯網，并以物聯網、云計算和大數據技術為支撐，形成用戶、設施、運營商的活互動，具體包括：各種先進計量裝置(如傳感器、智能儀表)被越來越多地安裝在配用電網中，以監測、控制和預測電能使用，收集到的不同時間間隔的變壓器或電力用戶日消費數據，構成了各監測點的日負荷曲線;用戶基于互聯網能源平臺進行交易、閱讀、控制等行為，構成了用戶的用能行為偏好;運營商通過對用戶負荷曲線和互聯網用能行為偏好的大數據分析提取萁用模式和用能偏好，進而實施電力服務的精準預測和需求響應策略，實現配用地的精準調度。

用電行為模式識別

用電模式識別通過對負荷曲線進行聚類分析獲取電力用戶行為模式和負荷特性，用于預測和估計未來電力需求、負荷控制、用電異常檢測以及制定霱求啊應策略。此外，使用負荷模式分類還可以減少信息系統的負荷數據存儲。因此，電力用戶負荷模式提取技術對于改善電力系統運行可靠性、提高電網資產利用效率、提高企業經濟效益、節約能源具有重要意義，尤其在互聯網背景下，負荷模式是能源運營商的核心數據資產。

近年來在一些電網自動化程度較高的國家，由于現實的需要已經對電力用戶負荷模式提取進行了研究。其中美國、巴西等國家已經有了初步的負荷模式提取技術及實際系統應用，馬來西亞國家電力公司也開展了負荷模式提取技術的研究并將其應用目于用電稽查，報告顯示其可自動識別用電異常用戶，提高了用電稽查的命中率，降低了人工費用，為電力公司挽回了巨額損失。國內的負荷模式提取目前多用于負荷預測方面，但隨著能源互聯網的推進和互聯網售電制定，用戶負荷模式提取將在分時電價制定和實施、負荷控制、用電異常檢測、用電促銷(客戶和市場細分)等多方面獲得應用，其應用前景廣闊。