随着信息化建设在电力系统领域的不断深入，电力数据采集的种类规模日益呈现大数据化。同时，新一代智能电网正在积极探索多元信息泛在连接，朝着数字化和互动化的方向发展。互动电网既是下一代全球电网的基本模式，也是中国电网现代化的核心。电力用户作为电力系统产业链的终端，是电网深层次综合化智能发展的关键因素，针对未来电力建设过程中需要准确掌握用户互动用电特性的必然要求，对用户用电行为关联信息进行多维挖掘意义重大。然而，传统的面向用电用户电力负荷聚类技术已无法满足建立在高速双向通信网络基础上的不断智能升级电网其泛在连接、灵活创新、开放共享、融合互动等日趋迫切的新需求。基于上述思路，本文研究了综合考虑用户用电行为关联特性因子多维指标评价的聚类分析模型，并提出了面向用户互动关联因子调节潜力指标的两种改进聚类算法，并主要工作如下：
　　(1)基于数据挖掘技术在用户用电负荷聚类方面的应用，针对电力负荷数据特征和用电负荷关联因子进行了用电负荷特性综合研究分析，并对现有的常见聚类算法进行建模分析，综合比较各经典算法性能。
　　(2)考虑用电用户实际用电和主客观条件意愿综合信息因子提取和定义多维信息中的若干指标，制定了基于用户用电行为关联特性因子多维度指标评价分析体系。针对多维指标，采用主客观综合赋权方法对其进行赋权，并提出面向用户用电行为关联特性因子多维指标的改进TOPSIS综合评价精细化聚类模型。
　　(3)基于用户用电行为关联特性因子多维指标，深入面向用户互动维度，制定了综合关联因子调节潜力指标并进行聚类算法研究，针对传统算法的不足提出改进策略，并应用自组织中心K-means算法和概率重构中心K-means算法两种改进算法面向用户互动关联因子调节潜力指标进行聚类分析和性能对比。