1、科學、準確的用電負荷分類對電力系統(tǒng)的規(guī)劃和經(jīng)濟運行都具有重要意義。然而，隨著智能電網(wǎng)的發(fā)展，在主動配電網(wǎng)大趨勢下，未來越來越多的分布式電源并網(wǎng)使得我國電力用戶用電負荷日益復雜，且用戶類型多樣化。在當今配用電大數(shù)據(jù)時代，現(xiàn)有的負荷分類方法已不能滿足電力系統(tǒng)應用的需求，因此，需要對負荷分類方法進行研究，以期找到一種適宜當前負荷分類需求的新方法，為用電稽查、負荷預測、負荷分布規(guī)劃和需求側(cè)管理等應用提供有益的備選方案。
　　區(qū)別于傳統(tǒng)用戶

2、用電負荷分類方法，提出一種以K-means聚類算法為基礎的雙層聚類分析方法。該方法結合給出的內(nèi)、外層變隨機設置為有目的選取初始聚類中心的選取規(guī)則，解決了聚類算法受初始聚類中心隨機選取的影響，其收斂容易陷入局部最小化的問題。結合電力負荷數(shù)據(jù)海量、多維等特點，提出簡單距離函數(shù)并結合肘形判據(jù)作為聚類有效性函數(shù)自動確定最優(yōu)聚類個數(shù)。利用余弦相似度形態(tài)相似作為外層聚類的判據(jù)、歐式距離相近作為內(nèi)層聚類的判據(jù)，對不需要經(jīng)過歸一化處理的用戶用電負荷向量

3、進行分類。最后對廣東某市電網(wǎng)2878個用戶日負荷曲線進行算例分析，結果表明：雙層聚類組合方法能把不同負荷水平、不同負荷形態(tài)的用戶準確分類出來，能夠有效克服傳統(tǒng)方法只與用戶用電負荷形態(tài)有關的不足，合理反映用戶用電負荷特性的差異，實現(xiàn)了地區(qū)用戶差異化用電負荷的自動分類識別功能，證明了上述方法的有效性和優(yōu)越性。
　　針對電力負荷曲線的特征，研究多種數(shù)據(jù)集降維算法，在降維后的數(shù)據(jù)集上進行雙層聚類，比較各種降維算法的信息損失和計算效率。為了