1.一种用户窃电行为检测方法，其特征在于，包括：获取正常用户的用电数据及窃电用户的标签用电数据，并进行数据预处理；包括：将用电量为0的数据作为正常数据，将用电量不为0且大于预设阈值的数据作为异常数据；当连续出现异常数据的数量大于或等于7时，基于临近相似日的处理方法对异常数据进行处理，包括：获取电表采集的原始数据集：L b ＝(G b+1 -G b )×B；式中，G b+1 、G n 为异常点下电表所采集的第n+1天、第n天的正向有功总(kWh)；B为该用户所用电表的综合倍率；L n 为第n天的用户用电量数据；设缺失的数据点为L n ，L n+1 ，…,L n+m ，选取的临近周期相似日的数据为G′ n-1 ,G′ n ,…,G′ n+m+1 ，对缺失点数据的计算公式为：式中，G n-1 、G n+m+1 分别为异常点下电表所采集的第n-1天、第n+m+1天的正向有功总(kWh)；对预处理后的标签数据进行数据扩充，得到样本数据；构建所述样本数据的特征集；对所述特征集进行降维处理，得到目标训练数据；利用分类器对所述目标训练数据进行学习，得到分类结果；根据所述分类结果，判断用户是否出现窃电行为。
2.根据权利要求1所述的用户窃电行为检测方法，其特征在于，所述获取正常用户的用电数据及窃电用户的标签用电数据，并进行数据预处理，还包括：当连续出现异常数据的数量小于7时，利用二次插值法进行数据补齐。
3.根据权利要求1所述的用户窃电行为检测方法，其特征在于，利用attentionGAN对预处理后的标签数据进行数据扩充，得到样本数据。
4.根据权利要求1所述的用户窃电行为检测方法，其特征在于，所述构建所述样本数据的特征集，包括：根据统计记录特征，用电相似度特征和时间序列特征，对所述样本数据的滑动时间窗口进行特征提取，得到所述样本数据的特征集。
5.根据权利要求1所述的用户窃电行为检测方法，其特征在于，采用MDS对所述特征集进行降维处理，得到目标训练数据。
6.根据权利要求1所述的用户窃电行为检测方法，其特征在于，所述分类器为基于GDBT构建的二分类器。
7.一种用户窃电行为检测装置，其特征在于，包括：预处理模块，用于获取正常用户的用电数据及窃电用户的标签用电数据，并进行数据预处理；包括：将用电量为0的数据作为正常数据，将用电量不为0且大于预设阈值的数据作为异常数据；当连续出现异常数据的数量大于或等于7时，基于临近相似日的处理方法对异常数据进行处理，包括：获取电表采集的原始数据集：L n ＝(G n+1 -G n )×B；式中，G n+1 、G n 为异常点下电表所采集的第n+1天、第n天的正向有功总(kWh)；B为该用户所用电表的综合倍率；L n 为第n天的用户用电量数据；设缺失的数据点为L n ，L n+1 ，…,L n+m ，选取的临近周期相似日的数据为G′ n-1 ,G′ n ,…,G′ n+m+1 ，对缺失点数据的计算公式为：式中，G n-1 、G n+m+1 分别为异常点下电表所采集的第n-1天、第n+m+1天的正向有功总(kWh)；样本扩充模块，用于对预处理后的标签数据进行数据扩充，得到样本数据；特征提取模块，用于构建所述样本数据的特征集；降维处理模块，用于对所述特征集进行降维处理，得到目标训练数据；训练模块，用于利用分类器对所述目标训练数据进行学习，得到分类结果；判断模块，用于根据所述分类结果，判断用户是否出现窃电行为。
8.一种终端设备，其特征在于，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6任一项所述的用户窃电行为检测方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行实现如权利要求1至6任一项所述的用户窃电行为检测方法。
