在能源互联网的框架下，用户数据传播延迟和电力公司管理规定推动电力数据中心在全国各地成立，因此电力数据自然呈现地域分布。为此，研究了地理分布场景下的用户负载特征聚类算法。首先，针对地理节点用户负载的特点分析，在基础上提出了一种考虑密度峰值信息的k-means算法，该算法采用主成分分析和负载指数特征加权相结合的算法，为地理节点之间的信息一致性提供支持。其次，根据用户需求的地理分布网络感知结构，构建了一个考虑特征迁移的分布式聚类模型框架，提出了一种分布式k-means算法，通过参数一致性利用节点的局部信息获得全局聚类模型。在只在节点间传输公共信息的前提下，实现了用户特征的全局聚类。最后，通过爱尔兰和中国北方部分城市的负荷数据对模型和算法进行了验证。结果表明，分布式K-means算法利用全局信息，考虑不同区域的差异，能够较好地识别典型的功耗曲线，且算法具有良好的移植性。