电力用户价值画像对于提升我国供电企业的营销服务资源配置效能，提高智慧营销管理水平，从而最大化撬动供电企业的综合效益具有重要的现实意义。现有工业电力用户价值画像模型评级指标体系未能反映国家最新能源政策对我国工业企业的发展要求、无法良好应对现实电力用户用电数据的稀疏性，以及对于新用户价值等级预测的准确性存在提高空间。针对以上问题，本文集成数据挖掘技术中的谱聚类算法（Spectral Clustering， SC）与智能算法中的粗糙集理论（Rough Set， RS），构建了一种优化的数据驱动型工业电力用户价值画像模型，简称SC-RS模型。新模型构造围绕“知识萃取-知识推理-知识服务”的逻辑脉络展开，首先，在“知识萃取”部分，结合我国“碳达峰”目标与“碳中和”愿景，构建优化的我国工业电力用户价值评级指标体系，此外，采用谱聚类技术，并联合网格搜索策略，提炼用户价值等级信息情报；然后，在“知识推理”部分，应用粗糙集理论，继承已有三维规则挖掘框架，构建基于ChiMerge离散法与变异系数的行约简、基于系统依赖度的列约简、基于对象确定性因子的格约简，以及基于规则强度的规则提取方案这一拓展的四维规则挖掘模型，生成用户价值等级规则库；最后，在“知识服务”部分，一方面运用用户价值等级信息情报，构造价值决策系统，以及描摹群体用户价值画像，另一方面运用规则库，呈现可理解的价值知识，以及构造价值等级规则软分类器，实现新用户价值等级预测与个体价值画像描摹。为了展示模型的应用路径与具体步骤，采用实际工业电力用户数据，对模型开展实证研究。结果表明，SC-RS模型构建的评级指标体系紧跟我国电力行业最新发展动态，具有较强先进性；模型能够兼容稀疏性数据，对数据要求低；构造的粗糙四维规则挖掘模型可行有效，且对新用户价值等级的预测准确性高。综上，SC-RS模型能够对电力用户大数据实现价值情报挖掘与利用，是为我国电力企业智慧营销管理赋能的有力工具。