随着经济的发展与人们生活水平的提高,社会各行业用电结构发生了很大的变化,电力客户的负荷特性也发生了很大变化,电力部门面临着严峻的供需紧张局面。尤其是夏季空调负荷及冬季取暖负荷的增长,对电力负荷的需求量远远高于电网的供应量。全国大部分地区都出现电力供需不平衡现象,这种严重的供需不平衡不仅给电网带来困扰,也无法为客户提供优质、稳定的电能。为了保障电网安全经济的运行,供电部门应及时掌握客户的电力消费行为,当电网的供应电量小于电力客户的需求电量时,采用一系列措施降低客户的用电量,从而达到更加完善的用电秩序。目前电网制定的有序用电方案主要包含避峰、错时、调休和检修,而避峰方案更加简便灵活、容易实现“快上快下”且能够及时应对突发情况,所以需要针对有序用电方案中的避峰工作展开研究。如何分析海量电力客户的避峰潜力,并向客户提供避峰决策支持尤为重要。由于电力客户的用电负荷是一个很庞大的数据,需要借助于数据挖掘的相关算法对客户的用电模式进行分析,这样可以对客户大量的用电负荷数据进行简化,便于分析客户具有代表性的用电行为。本文利用K-means算法对电力客户大量的历史负荷数据进行聚类分析,从而得到各电力客户的典型日负荷曲线,将典型日负荷曲线作为各电力客户最具代表的负荷特性曲线,为本文分析各电力客户的避峰价值提供数据基础。本文在传统的负荷特性指标基础上,根据实际需求定义了适用于避峰分析的负荷特性指标,然后融合各项负荷特性指标,建立了避峰价值模型,根据模型定量地计算出各电力客户的各项负荷特性指标及避峰价值大小。在上述工作的基础上,再对海量电力客户的避峰价值进行聚类分析,将电力客户聚为几类,并根据聚类结果产生指导性的避峰排序表。按照每个聚类中心值从大到小依次表示为避峰能力很强、强、较强、一般、差。避峰能力强的用户组优先进行避峰,同一个用户组内的各用户同时进行避峰。基于本文的算法设计,选取某地区电网及几家电力客户的实际负荷数据,对建立的避峰价值模型进行实例分析,验证了避峰排序的准确有效性,这对于指导电力部门寻找有价值的电力客户参与避峰有一定的意义。