随着社会经济的发展,电力负荷增长迅速,近年来我国很多地区在用电高峰时都出现过电力缺口,传统的只通过增加发电投资的方法不够经济。通过挖掘需求侧资源缓解高峰用电紧张日益受到重视。目前我国电力市场不够完善,需求侧管理主要采取粗放的有序用电手段,缺乏对负荷形态的精细考虑,用电满意度较低。本文首先利用数据挖掘中的聚类算法对电力系统负荷进行聚类分析,得到典型负荷曲线。然后针对现有的需求侧管理方法对负荷形态考虑不足的缺点,提出了一种基于用户负荷形态分类的需求侧资源互动申报的负荷管理方法。本文主要有以下贡献:1.针对目前尚未有可以比较不同标准化方法下负荷聚类结果的评价方法,本文提出了一种基于随机森林算法的负荷曲线聚类评价指标,算法综合负荷的先验指标以及负荷形态特征指标作为输入对随机森林进行训练,通过袋外估计正确率对聚类结果进行评价,进而选取合适的标准化方法。相对于传统的负荷聚类结果评价方法,该方法不受标准化方法影响,能够比较不同标准化方法下的聚类结果。2.为改善基于欧式距离的全维度负荷曲线聚类算法在负荷形态相似度上的不足,提出了结合负荷形态特征指标的电力系统负荷曲线两步聚类算法。算法第一步采用基于欧式距离的负荷曲线聚类方法获得初步聚类结果,并通过负荷聚类评价指标选取一次聚类算法和聚类数目;第二步基于负荷形态特征指标采用监督学习算法对负荷进行重新分类。所提出的两步聚类算法可以改善传统的负荷曲线聚类方法在形态相似度上的不足。3.提出了在电力市场过渡时期的周前有序用电综合决策模型。综合了基于用户负荷形态以及参与意愿的4种错避峰手段,考虑了负荷的网络分布以及线路阻塞,利用改进的直流潮流方法近似考虑了网损,建立了以有序用电错避峰手段补偿成本最小及网损最小为目标的多目标优化模型。通过只考虑高峰时段约束等求解策略缩减求解时间。本模型可以基于用户负荷特性制定个性化的有序用电方案,通过时间与空间维度的有序用电实现对有限的电力资源的优化配置,在消纳用电缺口的同时降低网损、消除网络阻塞,提高了电网运行的安全性与经济性。