电力改革9号文件的下发,明确了国家深化电力改革的重点和路径,要求售电侧放开,鼓励培育市场化售电公司,引入售电竞争环节,还原电力商品属性,赋予用户自由选择权。售电套餐作为重要的电力商品,是售电公司向用户提供售电服务的载体。售电公司为了在市场竞争中取得优势,从各个方面提升对客户的精细化服务水平,提高客户满意度,进行售电套餐推荐就是其手段之一。为用户推送合适的售电套餐服务是直接提高已有用户对售电公司粘度和为售电公司吸引大量新用户的有效方式,而售电公司对用户侧海量数据进行分析与挖掘、了解用户用电行为又是实现套餐推送的必要途径。本文从三个方面着手对售电套餐的推荐方法进行了研究。针对售电套餐交易用户群体庞大,无法保证推荐效率的问题,提出一种基于加权递增项目覆盖率的用户最优特征子集发现算法,利用最优特征子集代表全体用户,缩小用户群。首先定义加权递增项目覆盖率,解决冷门套餐极易被热门套餐覆盖的问题,增加冷门售电套餐的曝光率。然后给出套餐交易用户最优特征子集的概念,用来代表全体用户的兴趣偏好。最后结合加权递增项目覆盖率筛选用户最优特征子集,为后续套餐推荐缩小用户搜索范围,节省计算资源。通过实验验证了用户最优特征子集的代表性和发现方法的有效性。针对电力市场交易中售电套餐内容复杂、种类多样,用户选择困难的问题,提出基于用户最优特征子集和双向预测的售电套餐推荐算法。首先给出一种基于属性相关的售电套餐相似性计算方法,利用层次分析法得到套餐属性权重值,结合权重计算售电套餐综合相似性,得到相似性矩阵。然后利用相似度矩阵查找目标套餐邻居集,得到目标用户对未评分套餐的初始预测评分。进而将目标用户与最优特征子集中的每个用户进行相似度比较,得到目标用户的邻居集,结合时间函数计算出对未评分套餐的最终预测评分。最后按照评分结果选出套餐推荐结果集。通过实验验证了所提出推荐算法的准确性。由于推荐过程中往往需要在大量数据中挖掘用户行为,所以为了快速响应用户需求,售电套餐推荐系统的实现需要有大数据处理能力。因此本文在提出的推荐算法基础上搭建了基于Spark的售电套餐推荐系统。设计了系统的整体架构,对系统的主要功能用户交互、数据采集与存储、数据预处理以及套餐推荐引擎进行了实现。在实验中对推荐引擎的性能和系统的功能进行了测试,验证了Spark套餐推荐系统具有良好的大数据处理能力和高可用性。