在智能电表日益普及的背景下,窃电者的窃电方式从对电表的物理攻击转变为了基于大数据的篡改方式。配电网侧一系列的窃电行为不仅会造成巨大的经济损失,还会带来不可估量的安全隐患。为了解决大数据时代一系列用户异常用电问题,本文首先对大数据下异常用电检测的研究现状做出综述,并对大数据下智能算法及博弈论思想做出了简要介绍与总结;其次,针对现有以分类算法建立窃电者检测模型存在的问题进行建模;进一步地,针对居民用户用电的特殊性,结合聚类与用电行为分析进行精细化建模;最后,为了节省反窃电的投入成本,本文提出了一种攻防博弈模型,使检测者在与窃电者博弈中取得优势。论文的主要工作及创新点概括如下:（1）提出了一种基于混合特征提取及优化Stacking模型的异常电量检测方法,解决了分类算法异常检测中的特征提取、分类器构造和参数优化问题。首先,针对常规特征提取不完整和神经网络可解释性差的缺点,本文在对数据的常规特征充分挖掘的基础上,设计了级联长短时记忆网络（LSTM）对其进行深层次特征提取;其次,针对现有分类器泛化能力不足的问题,对Stacking分类器的构造方法进行了探究;此外,针对现有模型的性能因参数的随机设置而降低的问题,本文引入一系列优化算法,详细讨论了分类器中不同参数的优化方法;最后,利用实际电网用电量数据对所提出的模型进行了检验,结果表明所提出的模型在各项指标的评价上都得到了显著的改进。（2）不同类型用户具有多样化的用电规律,其中居民用电尤为突出,具有分布范围广,随机性强的特点。本文针对居民用户的用电特性,提出了一种基于聚类及用户用电行为分析的双重窃电检测模型。首先,针对原始数据范围大以及原始K-means算法中参数选择难、计算效率低等方面的缺点,通过建立基于改进K-means算法的离群点检测模型初步筛查异常用电嫌疑者集合;其次,根据居民用户的用电特性以及用电行为习惯,对用户的用电行为模式进行分类,通过曲线的相似度分析来确定最终的窃电者集合;最后的仿真对比实验表明,所提出的模型能在保证较高检测率的同时降低误检率。（3）针对异常用电检测防御系统的资源消耗与检测率的平衡问题,本文提出了一种基于攻防博弈的异常用电检测防御模型。首先,通过求解纯策略纳什均衡及混合策略纳什均衡,分析并找出有利于检测者的最优策略;其次,考虑节点具有差异的情况下的攻防博弈模型,通过窃电者对不同节点攻击强度的不同,设置不同的防御节点,在保证一定检测率的情况下,尽可能的减少资源的投入与消耗,解决了异常用电检测课题中资源利用率低,资源分配不当的问题;最后,通过仿真对比实验证明了攻防博弈模型能在保证一定检测率的同时降低防守资源的消耗。