基于电力交易大数据的市场用户画像体系架构如图5所示。图5 电力市场用户画像标签体系基于电力市场行为数据的精准化推送服务。精准化推送服务以用户历史属性、行为特征数据为基础，选取具备广泛代表意义的训练样本和测试样本用于模型构建和验证，确定样本用户属性特征与服务之间的匹配关系，形成模型训练样本数据库，然后通过算法与人工相结合的方式对样本用户属性特征数据和服务数据进行整理清洗，基于训练样本基础数据，采用随机森林和梯度提神决策树算法对每一类服务的用户属性特征进行学习，完成用户属性特征与精准服务模型的构建，利用模型预测测试样本服务推荐结果，并对服务推荐结果的准确率进行评估。电力市场主体征信评估与分析。海量市场注册、交易、履约及结算信息与市场主体信用状况密切相关，基于大数据技术挖掘分析海量数据信息，利用大数据算法构建电力市场主体信用评估模型，采用感受性曲线下面积（ROC_AUC）、区分度指标（KS）、群体稳定指数（PSI）等分析方法评估分析模型效果，为应对新形势下电力市场多重信用风险问题、防范电力市场主体信用风险、建立相应的信用风险防范机制提供了重要支撑。图6 基于大数据的电力市场主体信用信息分析模型多源异构环境下电力市场运营大数据挖掘分析。 基于电力交易大数据的市场用户画像体系架构如图5所示。图5 电力市场用户画像标签体系基于电力市场行为数据的精准化推送服务。精准化推送服务以用户历史属性、行为特征数据为基础，选取具备广泛代表意义的训练样本和测试样本用于模型构建和验证，确定样本用户属性特征与服务之间的匹配关系，形成模型训练样本数据库，然后通过算法与人工相结合的方式对样本用户属性特征数据和服务数据进行整理清洗，基于训练样本基础数据，采用随机森林和梯度提神决策树算法对每一类服务的用户属性特征进行学习，完成用户属性特征与精准服务模型的构建，利用模型预测测试样本服务推荐结果，并对服务推荐结果的准确率进行评估。电力市场主体征信评估与分析。海量市场注册、交易、履约及结算信息与市场主体信用状况密切相关，基于大数据技术挖掘分析海量数据信息，利用大数据算法构建电力市场主体信用评估模型，采用感受性曲线下面积（ROC_AUC）、区分度指标（KS）、群体稳定指数（PSI）等分析方法评估分析模型效果，为应对新形势下电力市场多重信用风险问题、防范电力市场主体信用风险、建立相应的信用风险防范机制提供了重要支撑。图6 基于大数据的电力市场主体信用信息分析模型多源异构环境下电力市场运营大数据挖掘分析。 基于电力交易大数据的市场用户画像体系架构如图5所示。图5 电力市场用户画像标签体系基于电力市场行为数据的精准化推送服务。精准化推送服务以用户历史属性、行为特征数据为基础，选取具备广泛代表意义的训练样本和测试样本用于模型构建和验证，确定样本用户属性特征与服务之间的匹配关系，形成模型训练样本数据库，然后通过算法与人工相结合的方式对样本用户属性特征数据和服务数据进行整理清洗，基于训练样本基础数据，采用随机森林和梯度提神决策树算法对每一类服务的用户属性特征进行学习，完成用户属性特征与精准服务模型的构建，利用模型预测测试样本服务推荐结果，并对服务推荐结果的准确率进行评估。电力市场主体征信评估与分析。海量市场注册、交易、履约及结算信息与市场主体信用状况密切相关，基于大数据技术挖掘分析海量数据信息，利用大数据算法构建电力市场主体信用评估模型，采用感受性曲线下面积（ROC_AUC）、区分度指标（KS）、群体稳定指数（PSI）等分析方法评估分析模型效果，为应对新形势下电力市场多重信用风险问题、防范电力市场主体信用风险、建立相应的信用风险防范机制提供了重要支撑。图6 基于大数据的电力市场主体信用信息分析模型多源异构环境下电力市场运营大数据挖掘分析。