电能计量准确性及质量可靠性直接影响用户的经济利益和社会能源的利用率。窃电是指非法使用电力资源,这种做法严重影响了计量准确性,不仅给电力企业造成了巨大损失,而且严重威胁了电网的安全运行。随着防窃电方法的不断升级,窃电手段也在发生变换,而且呈隐蔽性、高科技方向发展。普通用电稽查人员受个人能力等因素在窃电辨识上存在困难,如何准确分辨因用户非法用电导致的计量异常是一个需要解决的技术难题。针对上述问题,本文建立了一种基于智能算法的窃电检测模型,该模型充分考量了用户的用电负荷和用电参量特征。首先基于聚类算法对用户负荷数据进行分析,根据负荷数据将用户分成不同的类别并计算不同类别的日负荷特征曲线。将用户日负荷曲线与该用户类别特征曲线做匹配筛选,找出疑似异常状态用户。最后基于用户用电参量对异常用户进一步识别,最终确定可能存在窃电行为的用户。本文的主要研究内容如下:(1)基于聚类分析与BP神经网络的相关技术,建立基于负荷、电压、电流等计量数据的窃电检测模型,并采用云南电网某市专变用户计量数据对模型进行了实验验证。(2)详细分析了基于用户负荷曲线对用户的分类过程,利用模糊C均值算法得到用户的负荷特征曲线,通过用户的负荷曲线与其负荷特征曲线的偏离程度对用户状态进行了分析,为窃电判别提供了依据。(3)针对传统的BP神经网络算法容易陷入局部极小值的不足,本文采用了思维进化算法对其进行了优化。将优化后的BP神经网络算法应用到窃电检测模型中,建立了基于用电参量的窃电识别模型。实验表明,相比于传统的BP神经网络,经过优化后的神经网络的准确性更高,该模型也为窃电检测提供了新思路。