本文着力解决智能电网中的非法用电行为检测问题,其中非法用电行为是指电网终端用户通过非法手段窃取电力资源。现有解决方案或为物理改装电力设备,或为机器学习分类方法,但电网拓扑结构复杂,数据量大,窃电手段多种多样,现有检测手段电网覆盖率低,且响应速度慢,周期长,检测精度低,不到60%。针对上述问题,本文在构建电网数据分布式存储的基础上,引数据可视化方法实现电力数据可视化,将人的创新及数据分析特性重新引入非法用电的行为检测过程中来;同时针对上述问题进行更为抽象的数学建模,设计运行分布式粗粒度检测算法,对可疑用户进行社区层级的筛查,发出预警信息,以图表等可视化形式供运维人员查阅,由其进行更进一步的数据分析,最终判定非法用电行为。从上述思路构想出发,本文核心研究工作包括：1)基于线性方程组求解设计实现新型分布式检测算法,构建快速响应预警系统；2)基于开源分布式数据存储技术,搭建支撑智能电网海量数据存储和访问控制的电力大数据存储平台；3)借助可视化技术构建可供-线运维人员接入的可视化电网全局数据监控分析平台。最后本文借助Mosaik仿真框架设计模拟了现实中的若干非法用电场景,实验结果表明：1)本解决方案天然实现了电网的全局覆盖；2)在一万多户家庭构成的复杂电网中,检测系统依然能在半天时间内给出反馈；3)预警检测非法用户的精度在万名住户的量级仍能维持在70%以上。本文构建的可视化检测系统在电网覆盖率、响应速度以及检测精度等多方面都有显著提升。