随着电网基础设施的建设以及用电设备的大力普及,电力在人们的生活中扮演着越来越重要的角色。根据南方某市95598业务部门的统计,近一年有关停送电以及供电质量的投诉占到投诉工单总量的52.6%,电网停电问题已经受到用电客户的日益关注。提前预测用户是否属于停电敏感用户,既有利于电网公司及时做好停电事故中用户的精准化服务,提升用户用电感受,也有助减少95598咨询量以及客户投诉量。本文以电网公司多个业务部门采集到的停电用户数据为基础,针对停电敏感用户分类问题,展开了以下研究:1、针对同时包含结构化与非结构化的停电用户数据进行数据缺失值、异常值以及文本数据分词等预处理工作,提取用户的用电行为、通话行为以及反馈行为的相关特征构建停电用户标签体系,并有效地将多源异构的停电用户数据构建成完整、统一的特征向量空间;2、由于初选特征集合维度较高并且包含多种不同类型的特征,针对不同类型的特征提出不同的特征选择方法,提出一种基于双通道的高维特征选择方法,通过改进XGBoost算法的数值特征选择方法筛选出最优数值特征子集,通过将改进萤火虫算法应用到文本特征的筛选过程中有效实现文本特征降维;3、提出一种基于样本权重的欠抽样方法对停电用户的不平衡数据进行有效处理,并根据停电用户的优选特征集合依次提取出对应特征以表征每个数据样本,将其作为模型训练的输入样本建立停电敏感用户分类模型,根据新的用户数据判断该用户是否属于停电敏感用户,经过实验验证,本文所提分类模型在高维不平衡数据集上预测的准确率达到90.38%,召回率92.23%。