有效预测停电敏感度高的客户,可为电力服务部门开展精准营销和差异化服务提供数据与决策支持。本文提出一种基于k-support稀疏逻辑回归的客户停电敏感度评价算法。不同于常用的l1范数,k-support范数是对l0范数更为紧致的凸松弛,并能够同时选择多个关联性强的因子进行预测,有利于提升预测准确性。算法首先从客户基本信息、用电信息、缴费信息、95598工单、停电事件等多个维度筛选用于敏感性预测的自变量(因素),收集各用户的因素信息形成样本数据集。进一步构建停电敏感性预测的k-support稀疏逻辑回归模型,建立模型快速求解的前向后向算子分裂迭代优化算法,转化为2个子问题的快速迭代。通过优势分析法确定回归模型中对目标变量具有显著影响的自变量因素。运用某省级电网公司近百万客户数据对建立的预测模型进行校验与评估,达到良好的预测准确率,实验结果验证了本文模型的有效性。