窃电手段的不断升级,使得高科技窃电现象频繁发生。现有反窃电技术以装置为主,缺乏有效方法在海量的历史数据中挖掘特征,及时地发现窃电行为。应用数据挖掘算法研究反窃电模型,可以解决窃电异常数据挖掘率低、窃电报警时效性差、现场排查工作量大的问题,提升反窃电工作的效率,减少资源浪费。本文研究的是一种疑似窃电判别方法。首先根据用电数据波动的特征分析对窃电异常规律进行了研究,分别构建了基于电量异常分析和线损异常分析的窃电辨识模型,通过定义波动系数优化和融合离群点算法和聚类算法来挖掘电量样本中的窃电异常数据,并采用二次聚类方法计算线损异常时间离散度以及分析线损与电量之间的关联度。然后通过分析样本数据异常率和报警时间连续性计算窃电疑似度,量化了样本的窃电嫌疑程度并划分其窃电嫌疑等级。最后,本文在窃电疑似度辨识的基础上,通过总结窃电发生前后特征参量的变化规律构建了窃电行为分析模型,监测重度窃电嫌疑用户的窃电方式。本文基于反窃电软件平台对上述算法进行了实验验证,实验结果表明该方法将窃电异常数据挖掘率提升了7%以上,并达到了预期的反窃电应用效果。