本发明提供了一种基于用户负荷与用电参量相结合的窃电检测方法，采用模糊C均值算法与随机选择法相结合的方法对用户负荷数据进行聚类，将用户划分为不同的类别并找出用户的负荷特征曲线，计算用户日常负荷曲线与该用户特征负荷曲线的距离，找出偏离程度较大的嫌疑异常用户；最后利用基于用电参量的用户窃电识别模型进行进一步的观察和筛选找出窃电用户。本发明将用户负荷与用电参量相结合，建立基于负荷曲线的窃电初筛模型，使用改进并列式长短期记忆神经网络LSTM算法进行训练，充分考虑了实际电网中电能质量监测系统数据的时序性和规律性，能够精准检测到具体异常数值，具有很好的识别效果和实际应用价值，提升了算法的准确度。