近年来,窃电现象多发,给电网安全带来严重挑战,给国家带来经济损失。而窃电的查处仅仅靠人工,存在着工作量大、针对性不足、取证困难和电量追补困难等问题。营配贯通的实现,消除了配电和用电双方业务边界和信息孤岛现象,营配融合下的数据分析和应用为窃电的识别和查证提供了条件。论文基于营配一体化数据,挖掘窃电背后的属性特征,形成窃电识别判据,探索出一套行之有效的窃电识别方法。论文主要工作及创新点如下:(1)基于距离和密度法,构建了窃电和异常的营销大数据离群点检测模型,对失压法、欠流法窃电具有较好的识别效果;针对功率因数离群点检测法误报的问题,引入皮尔逊系数和灰色关联分析两种方法,分析窃电发生后用户负荷特征曲线的变化程度,根据曲线相似性判断有无异常产生;针对低压窃电用户,依托一体化电量和线损管理系统,提出了线损-用电量异常监测方法,从窃电发生在监控期内和监控期之前两个维度实现了窃电识别;针对小电量窃电用户,基于智能电能表特征事件时序进行了窃电的分析和识别。(2)针对基于营销大数据分析的窃电检测手段存在的无法有效识别无表法窃电,损失电量计算困难的问题,论文根据窃电事件发生前后网络电气参数变化,从理论上推导出识别无表窃电的方法,从配电网络量测数据分析的角度提出支路损耗和节点电压两种判据,分别基于IEEE-33节点和46节点实际配电网络,建立了一条支路窃电的分析模型,在Matlab平台上进行了仿真实验,实验结果表明,由统计损耗的变化率以及中间节点量测电压的校核可以实现窃电的定位和识别,验证了论文所提出的两种网络识别判据的正确性和有效性。(3)在实现窃电识别的基础上,提出了三种窃电损失评估方法。首先给出了更正系数法的定义和计算方法。针对更正系数法存在的不足,从网络的角度提出窃电负荷二分迭代的估算方法,基于IEEE-33节点网络进行了验证。针对部分配电网络量测条件不充分的实际情况,基于网络现有的量测数据和智能电能表记录信息,用营配数据融合分析的方法实现了损失电量评估,实例验证了方法的有效性。