摘要： 随着电网系统的不断完善及用户数的不断增加，智能电网系统中存储的客户信息 逐渐形成客户大数据，从这些数据中可以分析得到用户用电行为等一些潜在信息，因此如何从 中挖掘出这些隐藏信息并利用此类信息来提升公司的效率成为本文研究重点。提出一种联合 基于密度的带噪空间聚类（ｄｅｎｓｉｔｙｂａｓｅｄｓｐａｔｉａｌｃｌｕｓｔｅｒｉｎｇｏｆａｐｐｌｉｃａｔｉｏｎｗｉｔｈｎｏｉｓｅ，ＤＢＳＣＡＮ）算法 与期望最大化（ｅｘｐｅｃｔａｔｉｏｎｍａｘｉｍｉｚａｔｉｏｎ，ＥＭ）算法的高斯混合聚类算法，通过 ＤＢＳＣＡＮ算法确定 合适的 ｋ个聚类中心及迭代初始数据，再通过 ＥＭ算法迭代出聚类结果。案例分析表明：和其 他几种典型聚类算法相比，所提算法在分析大数据和挖掘电力客户用电行为信息方面更加快速 和准确，可以更有效地对电力公司客户行为数据进行聚类分析。

关键词: 电力系统；大数据；客户行为分析；高斯混和聚类

中图分类号: 

• TM73