传统的频繁停电管控模式主要是人工多系统查询、手动计算等方式进行统计分析，工作量大，数据分析不全面，严重制约对配电网管理的科学性、先进性和精益化水平。文章将基础数据和频繁停电及停电线变户数据结构化、规范化，形成大数据生态归集和管理，挖掘“数字价值”，使用支持向量机和逻辑回归同时进行预测，减小分类出错的概率，使用随机森林算法加以改进。从客户实际用电体验的角度，研究了新客户电力供应敏感程度的分类模型和计算方法，并采用多种机器学习相结合的方法，基于客户敏感程度以及停电事件相关特征数据来对客户投诉的概率进行预测。