随着物联网、大数据等新型信息技术与电力系统深度融合，将使电力系统进入智慧时代。同时，我国对产业节能降耗与可持续发展十分重视。由于支柱性产业在地区产业的能效利用中起示范性作用，基于多源电力数据合理判定出支柱性产业并进行能效分析预测，对于支柱性产业乃至整个地区的用能状况，能效异常情况反映，以及能效优化意义重大。
　　首先，论文从能源、能效及经济领域的多源电力数据中分析、提取出多个指标，并将指标按经济贡献度、能源消耗、能源消费结构、节能环保节水进行归类。同时将这些指标划分为极大型指标、极小型指标以及区间型指标，并以多源电力指标中的用电量指标为例，分析了区间型指标的最优区间及其求解过程。
　　然后，针对大量多源电力数据，采用数据挖掘技术。聚类算法能根据数据的某种相似性度量标准将其划分为不同的数据簇，论文利用聚类方法对所有产业进行聚类，将具有相似支柱性质的产业划分为同一类。并且考虑到单一聚类算法的准确性存在一定误差，引入集成聚类方法对支柱性产业进行判定，对各个体学习器(常用聚类算法)的判定结果，利用次级学习器DBSCAN密度聚类进行集成结合，将所有产业聚类为数个产业簇。进一步地，通过熵权法给所有产业的多源电力指标赋予权重，结合各产业簇的多源电力数据，从中判定出基于经济能效考虑的支柱性产业簇，并通过数据可视化技术展示聚类结果。
　　最后，建立产业能效模型，通过预测的产业能效模型数值与过去同期数值对比体现产业能效变化情况，反应产业能源利用水平。进一步地，使用LSTM时间序列神经网络模型对支柱性产业的能效进行预测，将产业能效模型序列数据作为LSTM时间序列神经网络的输入，预测出产业的未来能效，为地区典型产业和重要产业节能提供科学依据。