“十三五”是全面深化改革的关键时期，也是电力需求侧改革的关键时期。电力作为关系国家经济命脉的基础行业，它的发展对我国的经济发展和人民生活水平的提高具有举足轻重的作用。随着国民经济的不断提高，电力用户对用电量的需求在不断增加，对电能的需求结构也在不断发生变化。但是，目前我国存在着调峰困难，电力资源利用率低，电力供给侧与需求侧的矛盾突出等问题。而且在“互联网+”和“大数据”背景下，智能电网将是未来的发展趋势。为了解决目前电力发展的困境，本文从电力需求侧入手，深入研究用电客户的用电行为和用电需求响应，对不同用户制定不同的分时峰谷电价可以满足电力用户多样化的需求，可以实现调峰填谷，是提高能源效率的必然趋势。
　　本文在上述背景上，提出一种电力用户分类分时峰谷定价方法。由于电力用户众多，制定出适合每一个用电客户的电力需求价格是不现实的，因此可以将众多的用电客户分类，对同类的相似电力用户制定相同的电价策略是比较可行的方法。不同的分时峰谷电价不仅可以满足电力客户多样化的需求，而且能够提高电力用户对峰谷电价的需求响应，有助于峰谷电价的实施。
　　首先，本文要对电力用户进行分类，根据用户负荷数据具有高维的特征，我们引入了传统的 K-means 算法。K-means 是一种简单高效的方法，但是由于其类的个数与类中心随机给定影响其聚类的稳定性。因此本文提出一种OCHNN-Kmeans算法，该算法可以克服K-means聚类不稳定的缺点。OCHNN是一种神经网络方法，通过改变能量函数可以应用到聚类问题上。该算法具有速度快，适合高维数据等优点，但是容易收敛到局部最优。用 OCHNN 获得初始类中心，用Elbow Method获得聚类的个数，最后使用K-means算法进行聚类获得最后的聚类结果，可以提高聚类的稳定性。使用OCHNN-Kmeans对电力用户用电负荷数据进行聚类，一方面可以满足用电负荷数据高维的特征；另一方面该算法计算速度相对较快，可以用在电力工业的实际应用中。
　　其次，根据聚类结果，在每一类用电客户中提取出典型用户负荷数据。使用约束最小二乘法对峰谷、峰平和平谷负荷转移率参数进行估计。得到改变峰谷分时电价后的负荷估计值，结合电力价格弹性矩阵对估计的负荷值进行微调，设计最优化算例对不同的类分别制定最优分时峰谷价格。
　　最后，本文结合国内南方某市的真实数据使用编程工具模拟获取不同类别的最优分时峰谷价格。通过比较目前的定价方式与自己模拟得出的最优分时峰谷价格，可以得出对不同的电力用户分别制定特定的分时峰谷电价可以减少需求侧电力用户的用电成本，可以实现负荷曲线的削峰填谷，提高能源的使用效率，满足电力用户多样化的需求。通过实证研究，我们发现不同类别的用电客户对分时峰谷价格的响应不同，大工业或用电量比较多的工商业用户对分时峰谷价格比较敏感，响应较大。对这类客户模拟出的峰时刻价格较低，峰谷价差小。居民用户和商业办公用户对峰谷分时价格响应较弱，因此要想激发这类客户调整用电习惯，应该制定比较高的峰时刻价格和低的谷时刻价格，提高峰谷差。