近年以来,污染问题引起全社会对环境保护的高度关注,为改善环境质量、调整能源消费结构,国家电网公司适时提出实施"以电代煤、以电代油、电从远方来"的发展战略,推动了电能替代产业的迅速发展。在此背景下,研究如何快速、高效地挖掘电能替代潜力将是未来电力营销市场分析决策的重要内容。本文依托于电能服务管理平台电能替代用户大数据,选取同种行业内用户96点负荷作为电能替代用户特征分析模型的特征指标,利用模糊聚类分析模型对同行业用户进行灵活分类,基于指标个数以及用户模糊聚类类别,设计基于粒子群优化的神经网络识别模型,以聚类分组的平均年替代电量作为识别用户的电能替代潜力值,实现对电力大用户电能替代潜力分类,以此评估用户的电能替代潜力。由于用户的负荷随时间在不断发生变化,不同类型的用户具有不同的负荷特点,因此,该模型以同种行业内用户96点负荷功率作为电能替代用户特征分析模型的特征指标,利用模糊聚类分析模型对同行业用户进行灵活分类。采用同类离散度、中心离散度和平均隶属度对聚类有效性进行检验,并以上述指标为基础,定义综合有效性指标,确定用户聚类的数目。BP(back propagation)神经网络是一种多层前向网络,具有高度自学和自适应能力,但存在收敛速度慢、易陷入局部最小值等缺点。粒子群优化算法具备在复杂、多峰值的数据中有效且迅速地寻找全局最优解的优点,可有效弥补BP神经网络的不足。模型以用户96点负荷功率作为输入,根据用户聚类类别数确定识别模型个数,并以聚类分组的平均年替代电量作为输出结果。基于电能服务管理平台,选取若干电能替代实施用户,进行模糊C均值聚类,即可得到识别模型的输入个数。由于聚类分类中的用户均为电能替代已实施用户,基于电能服务管理平台项目统计,即可得知项目年替代电量,利用聚类用户的年替代电量,计算每个分组的平均年替代电量,作为识别用户的电能替代潜力值。电能替代的潜力用户识别模型实现了用户电能替代潜力的有效预测,可将用户分成不同类别的潜力对象,有助于业务人员缩小筛选范围,有针对性地开展电能替代工作。