电力资源是日常生活和工业生产中不可或缺的资源,随着社会各方面对电力需求的增加,导致电力系统中的负荷数据复杂程度逐渐增高,日负荷峰谷差持续增大,高峰用电时间集中等。好的负荷分类方法是解决上述问题、确保电力系统正常稳定运行的关键,考虑现阶段的我国电力系统特点,对电力负荷进行分类,通过分析各个类别负荷的用电行为模式,可以为电力部门制定供电计划、错峰管理、制定电价等提供依据。主要工作内容如下:(1)本文首先分析了电力系统负荷的特性,介绍了电力系统负荷的组成以及一些典型行业的负荷特性,对聚类分析涉及的基本问题作了初步探讨。随后对负荷数据预处理流程作了介绍包括小波阈值去噪、归一化等方面。(2)针对负荷数据的高维度,选取分段聚合近似进行降维处理。针对分段聚合近似算法对每一负荷数据都选取相同的压缩比这一缺点,提出一种基于粒子群的分段聚合近似算法。将得到近似表示后的负荷与原负荷曲线之间的拟合误差设置为目标函数,求出其最小值以及当前最优解的位置,即为当前负荷数据的最佳分段数。实验结果表明,基于粒子群的分段聚合近似算法对负荷曲线进行近似表示时的拟合误差更小,比传统分段聚合近似算法能够更精确的做到数据精度与维数约简的权衡。(3)本文针对模糊C均值算法需要预先设置参数,仅基于距离单一的相似性度量的局限性这两方面作改进,提出了基于曲线相似性的分类方法。首先提出了一种基于改进划分系数的聚类有效性函数,用来确定聚类数目。随后提出了一种基于均值与标准差的双尺度相似性度量,兼顾了负荷曲线在距离和形态两个方面的相似性,弥补了在形态特征上相似性计算的不足。对辽宁省网公司的日负荷曲线进行分类,结果表明本文所提出的基于曲线相似性的分类方法的分类结果要优于传统模糊C均值算法。