针对电力盗窃问题,提出了基于数据挖掘的自动检测方法。引入了长短期记忆单元(LSTM)优化循环神经网络(RNN),通过门控机制改善算法训练中的梯度消失现象。并行化网络处理长序列输入特征,克服了传统RNN处理长序列时的信息丢失问题。仿真实验表明,改进算法在相同时间复杂度下,窃电行为识别精度达到92.85%,交叉熵损失降至0.253,AUC增至0.871,显著提升了算法性能。