朱州吴漾

（贵州电网有限责任公司信息中心贵阳550003）

基于改进K-means聚类算法在电力客户价值分群的应用

朱州吴漾

（贵州电网有限责任公司信息中心贵阳550003）

针对电力客户特点实行不同的营销策略和提供差异化服务，就需要对电力客户做出准确的分群。传统K-means聚类算法对数据分布均匀的类似球形的数据集聚类效果比较好，一旦数据集分布密度不均衡，类簇大小差异明显时，传统K-means算法容易使稀疏的大类簇被高密度小类簇瓜分，导致电力客户分群正确率下降。论文基于电力客户数据分布不均衡的特点，采用了一种改进的K-means聚类算法。改进的K-means算法提出一个新的加权聚类准则，并根据该准则修改了聚类迭代过程。文章最后在对电力客户数据的分群聚类结果表明，改进的K-means聚类算法的分群聚类效果中各个群类的紧凑性得到有效提高，误分情况明显改善。

K-means算法；新聚类准则；迭代权重；正确率；标准差

Class NumberTP391

1 引言

21世纪是一个信息的时代，信息对于各行各业的影响都起到了一个至关重要的作用。面对目前供电企业每天都在产生和更新的庞大的企业运营管理数据，那么要怎样去利用这些数据，从众多凌乱的数据中挖掘出潜在的客户价值，进而帮助电力企业改进营销决策、降低运营成本、提高企业收益，是每个供电企业都在努力地方向［1］。数据挖掘技术作为一种可以在大量数据中发现潜在的信息的数据处理手段便在此脱颖而出，该技术已经成为处理电力行业信息化的建设过程中所积累的海量历史数据的重要手段，数据挖掘技术的应用也将会为供电企业提供一个更为广阔的发展空间［2］。……