El robo de energía y otros comportamientos anormales de consumo de energía afectan seriamente la seguridad, confiabilidad y estabilidad del sistema de red eléctrica. Los métodos tradicionales de detección de consumo de energía anormal tienen modelos complejos y baja precisión. En este documento, se propone un método de detección de consumo de energía anormal no supervisado basado en la selección de características de múltiples grupos y el modelo de mezcla gaussiana. En primer lugar, se extraen doce características de la secuencia de carga para reflejar la forma general, fluctuación y tendencia de cambio del consumo de electricidad del usuario. Luego, se emplea un algoritmo de selección de características de múltiples grupos para seleccionar un subconjunto de características importantes. Finalmente, basado en las características seleccionadas, se formula el modelo de mezcla gaussiana para agrupar a los usuarios de energía normales y anormales en diferentes grupos, para así realizar la detección de consumo de energía anormal. El método propuesto se evalúa a través de experimentos basados en un conjunto de datos de carga de energía de la provincia de Anhui, China. Los resultados muestran que el método propuesto funciona bien para la detección de consumo de energía anormal, con un rendimiento significativamente superior en comparación con los enfoques tradicionales en términos de los indicadores de evaluación binaria populares como la tasa de recuperación, tasa de precisión y puntaje F.