面对国内飞速崛起的能源服务市场,如何利用现有的客户、技术、数据等优势,通过数据挖掘与分析,构建高品质高黏度的以客户为中心的能效服务体系及以增值、节能为核心的商业运营模式,打造具有较强市场影响力的竞争性业务,是当下综合能源公司急需研究与解决的。本文在现有数据资产的基础上,采用跨行业数据挖掘标准流程,对需求侧海量实时能耗数据进行分析与应用研究,以优质能源客户分析为基础,构建客户用电行为分析及预测算法,为具备储能条件的客户实现削峰填谷的用电行为优化,形成整体、全面的综合能源管理解决方案。首先,基于现有内部数据(营销、计量、生产等数据),结合电力市场交易规则、行业背景、GDP增长趋势及相关爬虫数据,定义了用电量、功率因素、用电行为三个一级指标,并细化为九个二级指标来描述客户特征。针对K-means聚类算法需要先验确定聚类簇的缺点,基于戴维森堡丁指数(DBI)改进得到自动聚类的Auto-Kmeans算法。聚类结果表明最佳类别数为4,同时4类均具有代表意义,实现了对现有客户的分类、分群及客户画像。其次,在客户分类的基础上,结合负荷、产值、天气、事件等历史及预报数据,对第1类客户即优质客户在不同周期内的用电行为进行分析及负荷预测。结合优质客户不同周期内用电行为特点,采用线性函数、指数函数、二次函数拟合,通过累加生成实现年度负荷预测,基于客户用电计划,采用包络线预测法实现月度负荷预测,以工休日分类拟合算法实现日负荷预测。算例结果表明,该预测算法模型可为优质客户的用电行为优化研究提供可靠的数据支撑。最后,本文基于上述客户分类及负荷预测模型,利用现有主配网、调度、营销相关关联数据,为具备储能条件的优质客户构建削峰填谷的用电行为优化模型。模型以储能系统的充放电功率、储能系统容量、客户负荷曲线和充放电一致性为约束条件,构建以电费最低为目标的函数并寻找最优解。算例分析表明,在不改变企业以往生产计划,保证负荷正常供应的情况下,按照本文模型可以结合客户用电偏好给出适用该客户较优的节能实践方式。