【摘要】针对某地区黑色金属加工及冶炼行业的363家中小企业,先利用探索性因子分析技术将企业的用电大数据提炼为反映其用电规模、电压波动、负荷波动、电网冲击和生产特征五个方面的公共因子。再基于这一单一视角的用电特征数据,采用梯度提升决策树集成学习模型,对这些企业的电费偿付能力进行了风险识别建模和预测。结果表明:探索性因子分析技术是三个测试方案中最佳的数据特征选择和提取技术,且基于该技术的梯度提升决策树分类器模型的查准率、查全率、AUC和Kappa系数都接近理想值。这表明,在无法获知企业多方位信息的现实约束下,仅基于用