为了促进居民节约用电,提高资源利用率以及缓解用电压力,我国目前普遍实行阶梯电价机制。在这一新型的电价机制下,不同类型的用户对电价机制的反应程度不同,造成居民用电行为呈现多样化的情况,因此,基于阶梯电价机制下的居民负载预测变得更加复杂。为了解决这一问题,本文从现行的阶梯电价机制出发,提出了一个混合分类负载预测模型,在识别用电行为差异的同时,提高了负载预测精确度。其研究结果不仅能够对现行阶梯电价机制进行一定的反馈并提出相关改进意见,而且可以帮助电网公司增强电网供电的可靠性,保证电网安全运行。首先,本文创新性地将阶梯电价相关属性运用于用户聚类中,利用模糊C均值聚类方法将具有相似用电行为的用户聚成一类,并深入分析每一类用户在阶梯电价机制下的不同用电行为特征。其次,分别对每一类用户建立负载预测模型,以分别构建每一类用户的需求函数,然后将其加总,获得总的负载需求。该模型可以根据每一类用户的用电行为特征,选择合适的预测模型。本文主要使用差分自回归移动平均模型、支持向量回归机以及自组织模糊神经网络三种预测算法对每一类用户进行短期负载预测。最后,比较每一种算法的预测精确度,选择每一类中的最佳预测结果进行汇总,进一步提高总体预测精确度。为了验证模型有效性,本文采集了泉州地区533户居民2014年4月至2015年2月的实际用电数据,对分类负载预测模型进行实例分析。首先,通过聚类分析,将533户居民分成5类具有不同特征的用户群体,包括:低需求用户,对高温天气不敏感;普通用户,对高温天气非常敏感;普通用户,对阶梯电价机制较为敏感;高需求用户,以及奢侈型用户。其次,针对不同用户群体分别建立单一负载预测模型、分类负载预测模型以及混合分类负载预测模型,并比较其预测结果。研究发现,相对于其他两种预测模型,混合分类负载预测模型不仅具有较高的预测精度,而且灵活性较强,适合不同特征的用电行为预测。