شرکت‌های برق از دیرباز به دنبال شناسایی و کاهش موارد برق‌دزدی به‌عنوان اصلی‌ترین بخش تلفات غیر فنی بوده‌اند.از طرفی شناسایی این موارد لزوماً از طریق بازرسی مشترکین ممکن است که شرکت‌های برق به دلایلی نظیر هزینه بالا، تعداد مشترکین و ... به دنبال کاهش محدوده بازرسی به موارد با احتمال برق‌دزدی بیشتر هستند. یکی از راهکارهای کاهش محدوده بازرسی، استفاده از روش‌های هوش مصنوعی است، اما چالش مهمی که در این حوزه وجود دارد عدم تعادل در نسبت مشرکین مشکوک به مشترکین عادی است که منجر به عملکرد ضعیف الگوریتم‌ها می‌شود. در این مقاله باهدف غلبه بر این چالش با فرض اینکه بتوان رفتار مشترک مشکوک را به‌صورت تابع ریاضی از رفتار مشترک عادی بیان کرد، در مرحله اول الگوی مصرف مشترکین عادی و مشکوک دسته‌بندی‌شده‌ است؛ سپس یک شبکه عمیق اولیه جهت مدل‌سازی رفتار مشترکین مشکوک آموزش داده‌شده است. در ادامه به کمک شبکه آموزش داده‌شده اولیه، سناریوهای محتمل برق‌دزدی به ازای مشترکین عادی پیش‌بینی‌شده است. درنهایت یک شبکه عمیق ثانویه جهت تفکیک مشترکین عادی و مشکوک آموزش داده‌شده است. بررسی مدل پیشنهادی به ازای سناریوهای مختلف و مقایسه با تحقیقات پیشین بر روی مجموعه داده واقعی با بیش از ۶۰۰۰ مشترک عملکرد بالای آن را نشان می‌دهد.