窃电对于社会影响恶劣,既打破供求关系平衡,又严重影响供电公司经济效益,造成国家损失。目前,我国电力行业的窃电侦查手段主要通过人工巡查和信息采集,人工排查方法效率低,信息采集存在数据失真,难以直接判断窃电真伪,因此采用一种更为科学、高效的排查窃电的方法至关重要。本文主要完成了以下工作:(1)分析了国内外反窃电形势和方法,积累大量国内外相关资料可用于其他分析研究工作中,为以后关于电力负荷方面的研究工作提供便利。(2)选取线损连续较高的台区,提出用户电量数据的预处理方法。通过数据简化和数据剔除的预处理,将用户的原始月用电量数据转换成为研究中可供数据挖掘分析的高质量的数据集。(3)建立了反窃电指标评价体系,实现用户的窃电嫌疑评判。采用数据挖掘技术中的K-均值聚类方法对用户实例进行分析,深入分析用户用电特征,建立反窃电指标评价体系,通过指标特征和特征曲线与正常用户的不同,得到窃电嫌疑用户,将嫌疑用户名单返回供电公司。(4)建立了窃电嫌疑评判模型,对电力用户进行窃电嫌疑评判预测。采用决策树和人工神经网络方法建立窃电嫌疑评判模型,基于所建立的模型对用户进行窃电与否的预测。。最后,将本文所提出的方法和建立的模型应用于供电公司实际采集的用户用电数据,得到的窃电嫌疑名单经由供电公司现场验证为窃电用户,表明了本文所提出指标评价体系及评判模型的有效性。