1.一种窃电检测方法，其特征在于，包括如下步骤：

获取用户历史的用电因子和窃电标签；

根据用户历史的用电因子和窃电标签，建立用于窃电检测的CBOW模型；

获取用户当前的用电因子；

将用户当前的用电因子输入到该用于窃电检测的CBOW模型中，获取该用户出现窃电和不窃电的条件概率；

根据该用户窃电和不窃电出现的条件概率计算窃电嫌疑概率，进而判断出窃电行为。

2.根据权利要求1所述的窃电检测方法，其特征在于：所述建立CBOW模型时，包括如下步骤：获取窃电标签对应的布尔向量，并根据用户历史的用电因子构建数值词典，且根据该数值词典建立哈夫曼树，以获取用电因子对应的布尔向量；

将用户历史的用电因子和窃电标签进行顺序排列，获取历史序列数据；

将历史序列数据中用电因子对应的布尔向量依序输入到CBOW模型中，并对CBOW模型进行训练，以确定CBOW模型各节点的模型参数，进而建立用于窃电检测的CBOW模型。

3.根据权利要求2所述的窃电检测方法，其特征在于：

所述对CBOW模型进行训练时，各节点的模型参数更新方式为：其中， 是哈夫曼树某一条路径的第i-1个非叶子结点的权值向量，xv是由2c个布尔向量相加得到，且i＝1,2,...,2c， 是xv的转置，η为步长，即梯度上升法的学习率；σ是sigmiod函数， 是第i条路径的标签值，基于上述更新公式，xv和θv经过一定次数的迭代更新，最后得到词向量xv和条件概率参数θv。

4.根据权利要求1所述的窃电检测方法，其特征在于：所述计算窃电概率的计算公式为：其中，P(1)表示窃电嫌疑概率，P(1|)表示根据用户当前的x个用电因子，获取该用户出现窃电的条件概率；P(0|x)表示根据用户当前的x个用电因子，获取该用户出现不窃电的条件概率。

5.根据权利要求4所述的窃电检测方法，其特征在于：所述判断是否窃电方式为：若窃电嫌疑概率满足0≤P(1)<0.5，则判断为无窃电嫌疑；若窃电嫌疑概率满足0.5≤P(1)<0.8，则判断为可能有窃电嫌疑；若窃电嫌疑概率满足0.8≤P(1)<1，则判断为有窃电嫌疑。

6.根据权利要求1所述的窃电检测方法，其特征在于：所述获取用户历史的用电因子后，还将该历史的用电因子均加上M，之后再建立用于窃电检测的CBOW模型；所述获取用户当前的用电因子后，还将该当前的用电因子均加上M，之后再输入到该用于窃电检测的CBOW模型中，其中，M大于等于1，且为整数。

7.根据权利要求1所述的窃电检测方法，其特征在于：所述获取用户历史的用电因子时，若用户为居民，则该居民的历史用电因子包括：用电量、线损率和线损电量、功率因数、告警事件发生次数和时间、负载率和区域电量趋同率；若用户为企业，则该企业的历史用电因子包括：用电量、线损率和线损电量、功率因数、告警事件发生次数和时间、三相电压不平衡率、相位角、行业用电量趋同率、企业用户单耗和合同容量比率。

8.一种窃电检测系统，其特征在于：包括处理器，适于实现各指令；以及存储设备，适于存储多条指令，所述指令适于由所述处理器加载并执行：获取用户历史的用电因子和窃电标签；

根据用户历史的用电因子和窃电标签，建立用于窃电检测的CBOW模型；

获取用户当前的用电因子；

将用户当前的用电因子输入到该用于窃电检测的CBOW模型中，获取该用户出现窃电和不窃电的条件概率；

根据该用户窃电和不窃电出现的条件概率计算窃电嫌疑概率，进而判断出窃电行为。

9.根据权利要求8所述的窃电检测系统，其特征在于：所述处理器还记载并执行：获取窃电标签对应的布尔向量，并根据用户历史的用电因子构建数值词典，且根据该数值词典建立哈夫曼树，以获取用电因子对应的布尔向量；

将用户历史的用电因子和窃电标签进行顺序排列，获取历史序列数据；

将历史序列数据中用电因子对应的布尔向量依序输入到CBOW模型中，并对CBOW模型进行训练，以确定CBOW模型各节点的模型参数，进而建立用于窃电检测的CBOW模型。