本发明公开了一种基于卷积自编码器和改进回归算法的窃电用户辨识和窃电量预测方法。本发明方法为：首先，以采集的正常用户电量数据为输入，建立卷积自编码器异常检测模型，并将重构误差较大的异常用电用户识别为窃电用户；然后，分别从窃电用户的窃电和非窃电时段的电量计量数据中提取电量统计指标并构建特征向量，将构建的特征向量作为Tradaboost算法输入，训练并生成XGBoost回归模型，对各用户的潜在窃电量进行预测。本发明可以快速、准确地学习正常用电规律，识别异常用电的窃电用户，并且对各窃电用户的潜在窃电量作预测。