项目将基于改进PSO-BP神经网络应用于电力用户信用评价中，将BP神经网络的权值和阈值作为PSO的位置和速度参数，通过控制惯性权重w，由迭代初期到迭代后期按照一定关系递减，对PSO算法进行改进，不断迭代，提高收敛速度与优化精度，提出了评价预测模型，针对用户指标，快速准确地实现用户电力用户信用等级分类。通过获取居民户电表表码和水气热日冻结数据，形成客户综合用能分析的指标体系，利用模式匹配技术匹配电网用电模式和该模式下海量客户的用电模式，建立历史日消峰填谷匹配关系，基于大数据挖掘技术，构建客户用能行为分析模型，按照居民客户的分布情况进行行为归类，甄别划定客户类别。通过采用朴素贝叶斯概率模型训练选取的大量样本客户用电信息以及客户是否出现流失现象的信息，训练预测得出电力用户出现流失现象和未出现流失现象的概率，据此，制定出相对应的客户流失风险等级，实现电力客户流失的分析与管控。