随着智能电网技术的飞速发展,国家全面实施可再生资源政策,社会各个领域对电力的需求不断增长,电力能源系统正逐步转变得更加智能、更加灵活、更具有互动性。智能电网运行的各个环节中都会产生体积量巨大、结构性复杂且彼此间存在着复杂关联性的高维数据。挖掘出在高维用电数据中有价值的信息并进行可视化分析具有重要意义。本文在国内外学者的研究基础上,针对高维用电数据的K-means聚类算法和可视化展开了研究,本文的主要研究工作阐述如下:1.关于改进K-means算法中如何确定K值和如何选择初始聚类中心这两个问题,针对现有的高维用电数据集的特征,提出了一种改进的K-means算法。这种改进的算法是利用降维算法在3D视觉空间中降低高维特征空间中的数据集维度,结合Canopy算法来确定改进K-means算法的K值。在Canopy算法中引入样本密度参数,以此选取初始聚类中心。最终以智慧校园中智能电表采集到的学生用户高维用电数据集为基础进行实验。实验结果表明改进的K-means算法具有较高的聚类准确率,较强的抗噪声干扰能力以及较优的聚类效果。2.因维度过高影响传统Radviz可视化展示的问题,提出一种改进的可视化技术,该技术利用降维算法来优化数据展示并减少高维用电数据之间遮盖重叠的问题。然后使用K-means聚类分析找出数据之间的关系,改善高维数据带来的影响,更利于人们发现数据间的规律。最后以智慧校园中智能电表采集到的学生用户高维用电数据集为基础进行实验,结果证明改进的Radviz可视化技术改善了传统Radviz可视化技术在数据展示方面上的不足,增强了数据可视化的效果。3.针对学生用户的高维用电数据,建立了一个基于Tableau的学生用户用电聚类结果和分析的可视化工作平台。该平台利用经纬度信息,制作可视化地图,将学生用户的用电信息绘制成柱状图、折线图、气泡图等直观、清晰的形式,将学生用户的地理位置及相对应的用电信息以可视化交互界面的方式呈现给后勤管理工作人员。该平台给管理者带来便利的同时也有助于用电量信息的精益化管理。