本发明属于电力技术领域，提供了一种用户画像分类模型训练方法、用户画像分类方法及系统，通过深度学习压缩感知，对用获取的电数据进行重构；具体的，利用深度学习压缩感知重建阶段的稀疏基进行迭代，得到神经网络模型的输入数据；将完整的用电数据作为标签数据，将神经网络模型的输入数据和标签数据利用神经网络模型进行训练，得到重构数据，实现了用电数据的清洗、剔除和修复；采用深度压缩感知技术突破奈奎施特采样定律，很大程度上缓解了数据的获取和传输压力，且保证了用电数据的合理可靠；同时，去掉重构数据中冗余的属性特征和样本，得到简化后的数据集；利用简化后的数据集对神经网络进行训练，得到用户画像分类模型。