用户用电情况随着电网技术发展变得更加复杂,同时产生大量用电特征。以往采用基于神经网络挖掘方法和基于CURE算法的挖掘方法受到噪声数据影响,导致挖掘精准度较低,针对该问题,提出基于k-means聚类算法的用户复杂用电特征挖掘方法。在k-means聚类算法中,研究用户复杂用电特征挖掘原理,并对数据进行清洗、集成、规约变换预处理,避免噪声干扰。利用信息熵原则聚类矩阵规整特征点,根据复杂用电特征,通过簇类决策用电特征点,计算聚类簇之间距离,获取用电特征信息增益,完成用户复杂用电特征挖掘。通过实验对比结果可知,该方法挖掘精准度最高为99%,为用户提供更好优质服务。