负荷分类对电力系统的经济分析、运行和规划都具有重要意义,尤其是随着电力市场的不断发展,以及电力需求侧管理(DSM)技术的广泛应用,负荷分类已经成为电价制定、负荷预测、系统规划、负荷建模等工作的重要基础。供电部门传统的负荷分类方法,往往是依据用户的经济活动特点进行划分,带有一定的主观性。由于设备构成、生活习惯等因素的影响,具有相同经济活动特点的用户,其负荷特性也并不完全一致。因此深入探讨更为科学准确的负荷分类方法,具有重要的理论意义和实用价值。本文主要借助数据挖掘技术和模糊聚类分析理论,深入探讨了电力系统负荷分类的实用方法,并在此基础上研究了基于负荷构成的负荷预测方法。主要工作如下:1.利用聚类方法对负荷分类进行了详细研究:首先,在比较分析多种聚类有效性函数基础上,优选出最适合的一种——P′( U ;c)用以判断负荷分类结果;进一步,从实际量测的用户日负荷曲线中提取关键的负荷特征向量,利用模糊C均值聚类和加权聚类算法对其分类进行了比较研究,保证划分到同一类中的负荷具有较高的一致性。2.分析了两种用户负荷类型的识别方法——最大隶属度方法和序列方差识别方法,实现了对用户类型的有效识别。3.在负荷分类基础上,利用典型负荷曲线叠加方法和支持向量机回归方法,建立了两种基于负荷构成的负荷预测模型,并通过实际算例验证其有效性。本文工作对于寻求准确、合理的负荷分类方法,以及在此基础上的负荷预测等应用研究具有一定的帮助。