作为基础产业之一的供电企业，在计算机技术、通信技术和网络技术方面有了较快发展，信息技术、自动化技术得到广泛应用，但是我国目前供电企业在电量自动化管理方面，技术手段相对落后，线路损失率居高不下，窃电现象严重，经济损失巨大，供电可靠性、供电质量都有待进一步提高。以现代化信息处理系统为基础的电量管理及反窃电系统的实施，适应了供电企业提高管理水平和经济效益的迫切要求。电力企业积累了大量的历史用电数据，而绝大部分供电企业面对大量用户历史电量信息，并不能快速、有效、全面的对用电数据和窃电行为进行分析，满足企业这一迫切需求的强有力的工具就是数据挖掘。 本文在介绍电量管理及反窃电系统的功能、实施情况以及数据挖掘技术的基础上，指出了窃电行为的本质所在和传统反窃电技术的不足，分析了数据挖掘技术的内涵和部分算法原理，提出了应用数据挖掘技术的反窃电模型，主要运用的数据挖掘技术是聚类和分类技术。在反窃电模型中提出两个子目标：应用聚类技术分析一系列用户用电属性，分析用户正常用电和非正常用电的特征区别，得出影响用户用电区别的主要特征属性；然后应用决策树方法将这些影响用户用电区别的特征转化成判断窃电嫌疑用户的分类规则，并依据这个分类规则预测用户用电类型。最后应用Microsoft的Analysis Services的数据挖掘工具结合实例探讨了在反窃电系统中运用数据挖掘技术的过程以及应该注意的问题。