负荷聚类是通过聚类分析挖掘出不同种类、不同地区的负荷之间的关系及其构成。研究负荷聚类可以在大量无序无规律的负荷中，挖掘出潜藏的负荷模式，并对其进行归类，通过得到的典型负荷曲线，解决电力系统中的许多问题，如负荷预测，需求侧响应分析等。随着能源转型的提速和电力体制改革的不断深入，未来能源系统将包含多种能源，如气、热、冷、电等。为此，对多元负荷的聚类研究就变得很有研究价值。
负荷聚类方法大致可以分为三大类。第一类直接使用原始负荷数据进行聚类分析，主要的算法有k-均值算法，模糊C均值，自组织映射,层次聚类等算法。；第二类方法为间接负荷聚类分析，这种该方法使用中间算法对日负荷曲线进行预处理，大致分为两种处理方法，一种为负荷降维，常用的降维方法都可应用，如奇异值分解等；还有一种为基于负荷的时间序列特性进行频域和时域上的处理，如离散傅里叶变换等，另有一种基于时间序列的形态特征度量方法进行聚类，这三种方法都可以减小负荷数据维度，减小运算量。当前的负荷聚类方法存在着或多或少的问题，鉴于负荷聚类的重要性以及现有传统方法面临的困难，需要研究新的有效负荷分类方法，来适应当前多元负荷聚类需求。 |