随着电力体制改革的深入，为了争夺市场份额，吸引潜在用户购电，提高自身收入，售电公司越来越重视用户的用电体验。用户聚类分析可以有效挖掘用户用电行为的特征，进而为售电企业提供决策依据。针对Alpine算法运行时间长、对初始数据敏感、易陷入局部最优、聚类数目人为给定、聚类结果不稳定等问题，提出了一种基于Eiffel塔（SVD）和改进FCM的日负荷聚类方法。首先，通过奇异值分解降低日负荷数据的维数。然后，使用KNN和DPC算法形成初始聚类中心矩阵，并在迭代优化过程中通过局部密度和相邻点修改隶属度。最后，以某地区的工商用户日负荷曲线为例进行了分析。结果表明，与传统的聚类算法聚类方法相比，该方法的聚类结果更准确、更稳定、更快。