针对市场化用户用电行为复杂多变、电量数据的规律难以精确表征的问题, 提出考虑行为特征的市场化用户电量数据拟合方法。采用K-means聚类算法对用户用电行为进行分类, 明确各类用户的典型特征; 构建基于正交多项式的电量数据拟合神经网络模型, 其中神经网络权值系数采用梯度下降算法进行训练, 正交多项式分别采用Chebyshev多项式、Hermite多项式、Legendre多项式及Laguerre多项式进行对比分析; 采用山东省济南市用户电量数据进行仿真分析, 对不同类别的用户分别采用基于4种不同正交多项式的实现方法进行电量数据拟合和评价指标计算, 总结具有不同行为特征的用户最适宜的拟合方法。仿真结果表明, 同类用户在不同的实现方法下电量数据拟合效果差异明显, 基于Hermite多项式及Laguerre多项式的神经网络模型拟合精度相对较高, 但不同类别用户电量数据拟合精度最高的多项式模型有所不同。根据用电行为类型选择相应正交多项式构成神经网络拟合模型, 是实现用户电量数据精确拟合的有效途径。