随着智能电网的全面建设,信息通信技术与智能电网深度融合,智能用电领域智能化、互动化水平显著提升,信息量海量增加以及电网中新元素的加入,如分布式电源、储能装置、电动汽车、微网等,使得用户的行为向多元化发展。加上电网改革的推进,售电侧放开使用户的地位得到显著提高,对用户行为充分了解以提升自己在争夺用户资源时的竞争力将是各售电公司亟需解决的问题。因此,全方面的对用户行为进行研究,通过多个维度对用户进行细分,是满足售电公司对不同类型的用户提供具有针对性的个性化增值服务的有效手段,对更好实现“人—网”之间互动具有十分重要的意义。首先,本文深入分析现有用户分类方法的缺陷,通过k-means与余弦相似定理提取用户的典型用电负荷曲线,并与群体行为进行差异性比较,制定基于负荷曲线形态的用户分类规则；在此基础上,根据用户的用电特征,提出“进化”主元分析法对负荷形态相似的用户进行分类,并与传统负荷曲线聚类算法进行了对比分析,验证本文方法对负荷形态相似的用户进行分类的有效性,且效率得到提高,为电力大数据分析提供新方法：最后根据基于负荷曲线形态的用户分类规则实现最终分类；其次,利用SAS数据分析软件,研究用户的信用风险评估方法,通过SAS Enterprise Miner进行建模,比较了决策树模型、回归模型以及神经网络模型三种常用的用户信用风险评估方法,在三次不同的训练数据集比例下,利用ROC图、LIFT图对企业不同推广人数比例时各模型的准确度进行比较,以得到最优模型。最后,由于用户每天的用电情况存在不确定性,包括用户每天的用电量和用电负荷曲线都不尽相同,因此简单的从用户用电特性、信用以及用电量来判断用户的用电策略引导潜力存在片面性,本文利用模糊综合评价法,从用户的用电特性、信用以及用电量三个维度,同时考虑每个用户每天用电情况的不确定性,考察用户的用电策略引导的潜力,得到每个用户的用电策略引导潜力值,实现对用户真正意义上的细分,为售电公司对用户进行用电策略引导提供直观的数据支持。