基于当前国内电力体制改革形势和窃电技术的发展,反窃电工作的重要性和紧迫性日益提升,而如何精准高效识别窃电用户是反窃电管理的首要工作。本文基于目前已广泛应用的用电信息采集系统数据,借助各类算法对用户的电流、电压、功率因数、电量不平衡率等曲线情况进行分析,进而实现窃电用户的初步甄别,然后对重点疑似窃电对象实施精准监测,为反窃电工作提供参考和帮助。本文主要研究内容如下:首先,针对本课题查找相关文献,发现目前判断用户窃电行为的研究往往局限于电力用户之间的横向对比,甄别出窃电用户的准确率不高。因此,本文在对比分析多种基本算法的基础上,确定利用层次分析法以及LOF(Local Outlier Factor,LOF)算法等建立基于用电信息采集数据的电力用户行为特征分析算法,并结合窃电行为特点制定窃电用户识别方案,同时对相关算法进行了详细介绍。其次,根据数据离群点检测原理,提出了基于加权LOF算法的窃电识别方法,实现对用户进行全面的窃电行为嫌疑评估。针对确定的用户行为特征分析电量指标,结合层次分析法,对不同电气指标进行权重的分析量化,建立加权的LOF算法,能够规避由于电力数据分布密度不均衡而引起的检测偏差,有效降低其他因素引起电气参数异常所造成的影响,从而较为准确的初步锁定窃电嫌疑用户。最后,针对锁定嫌疑用户的跟踪分析,本文建立了基于BP(Back propagation,BP)神经网络的用电异常用户跟踪检测模型。借鉴思维进化算法对BP型神经网络进行优化,并以此为基础建立相应的以用电参量为基础的窃电识别模型,最后通过各项具体数据完成模型的实际应用分析,以此验证该模型的可行程度。