Este documento presenta una evaluación del potencial detrás de la red neuronal artificial BiGRU-CNN para ser utilizada como una herramienta de detección de robo de energía eléctrica. La red se basa en diferentes capas de arquitectura de la unidad recurrente bidireccional y red neuronal convolucional. El uso de esta herramienta con este modelo de clasificación puede ayudar a las empresas del sector energético a tomar decisiones con respecto a la detección de robos. La red neuronal artificial BiGRU-CNN destaca las unidades de consumo sospechosas de fraude para inspecciones manuales posteriores. La red neuronal artificial propuesta fue programada en python, utilizando el paquete. El mejor modelo de detección fue el de la red neuronal artificial BiGRU-CNN en comparación con el perceptrón multicapa, red neuronal recurrente, unidad recurrente con compuertas y redes de memoria a corto y largo plazo. Se realizaron varias pruebas utilizando datos de un proveedor de electricidad real, mostrando la efectividad del enfoque propuesto. Los valores métricos asignados a sus clasificaciones fueron 0.929 para precisión, 0.885 para precisión, 0.801 para recall, 0.841 para, y 0.966 para el área bajo la curva característica de funcionamiento del receptor.