本发明提出了一种基于选择性集成学习的电力文本数据分类算法,该算法根据电力大数据的数据量比较大、时效性强、影响因素较多等特点,采用了选择性集成学习算法对其进行处理。选择性集成学习对单一模型进行了有选择的集成,剔除了性能较差的模型,在提高模型的泛化能力的同时,也降低了模型在集成时在时间和空间方面的开销。本发明针对电力文本数据的分类问题提出了一种双重过滤式迭代优化集成策略,该策略在集成时采用排名法与迭代优化法相结合,在电力文本数据的分类方面有着很好的性能,在用电侧通过对用电用户的数据分析挖掘,更能精确为用户制定相应的用电策略,可以使电网单位达到精确营销的目的。