针对已有用电数据分析缺乏有效描述趋势性特征的不足，适应性地将金融领域中十字过滤线（VHF）、异同移动平均线（MACD）等技术指标迁移至用电数据分析中，提出了基于金融技术指标的异动检测算法和负荷预测算法。所提异动检测算法通过统计各指标的统计情况划定阈值，并采用阈值检测捕捉用户异常用电行为。所提负荷预测算法通过提取14项与金融技术指标相关的日负荷特征，构建了长短期记忆网络（LSTM）负荷预测模型。在杭州市工业用电数据上的实验结果表明，所提负荷预测算法将平均绝对百分比误差（MAPE）降低至9.272%，相较于差分整合移动平均自回归（ARIMA）算法、Prophet算法和支持向量机（SVM）算法，分别将MAPE降低了2.322、24.175和1.310个百分点，能够较好地应用于用电数据分析中。
