该文提出基于机器学习的负荷剖析框架，利用伦敦近5000户智能电表数据，比较K-means、K-medoids、层次聚类和DBSCAN四种算法，并结合可解释AI将问题转为概率分类。最佳聚类数为7，但其中两类内部差异大，进一步细分为9类。方法可扩展，适合电力公司细分用户、制定针对性需求响应计划。