用电稽查是电力营销工作的重要组成部分,对于规范用户用电行为,提高企业管理水平和经济效益具有重要意义。随着智能配电网和高级量测体系的不断发展,配用电数据逐渐呈现体量大、类型多、增速快等大数据特征。用电异常检测一直以传统的反窃电技术为主,存在耗费人力物力大,误报多,耗时长,效率低的问题。随着大数据技术在电力系统中的应用和发展,用电稽查的效率与准确率也将得到提高。研究应用大数据技术实现电力稽查,对于提高电力服务水平,减少电网的非技术性损失,节约人力物力和降低运营成本有着重要意义。论文研究开展用电稽查的框架和方法,设计了基于大数据技术的用电稽查框架,提出了用户用电异常检测方法,编制了相关异常检测模块并在应用中取得实效。论文主要工作包括:(1)分析用电稽查业务及其特点、稽查数据来源和用电稽查相关数据处理技术等,研究大数据处理技术在多种电力稽查业务场景下的应用可能,设计基于大数据技术的用电稽查框架,并从数据来源、数据分类、分析模型、功能模块、应用五个部分进行了展示。(2)利用电力负荷曲线数据,通过提取用户负荷模式和考虑温湿度对负荷的影响,提出一种基于k-means聚类算法(k-means clustering algorithm)的两阶段用电异常检测方法,以实际用电稽查案例验证了该方法的有效性。(3)在两阶段用电异常检测方法的基础上,给出利用此方法进行用电稽查业务的详细流程,设计了基于负荷模式识别的用电异常检测功能模块,利用Visual Studio 2010编制了相关程序,对所实现的功能进行了说明和应用展示。论文工作为基于大数据技术的用电稽查业务提供了参考,所实现部分可为供电企业的用电稽查提供辅助工具,有利于供电企业提高稽查业务的命准率和效率,提高供电企业管理水平和经济效益。