Engineering and Management Science

窃电行为造成电力企业巨额经济损失，扰乱正常供用电秩序，更严重威胁电网安全运行与公共安全，传统依赖人工稽查与简单阈值判断的反窃电手段，存在效率低、覆盖面窄、滞后性强等弊端，随着智能电表（AMI）的普及和电力大数据平台的建设，海量、多维度的用户用电数据为精准识别窃电行为提供了新机遇，本文提出构建基于大数据分析的电力公司反窃电预警模型，研究整合用户历史用电量、日电量曲线、电压电流异常、表计事件记录、用户档案信息等多源数据，运用数据预处理、特征工程、机器学习（如随机森林、梯度提升树、孤立森林）与深度学习（如LSTM）算法，构建多层级、高精度的窃电风险预警模型，实际案例验证，该模型能有效识别异常用电模式，显著提升窃电行为的发现率与稽查效率，降低企业损失，为电力公司实现智能化、精准化反窃电管理提供有力支撑。