تکنیک های پردازش نرم سعی دارد تا برخی از قابلیتهای انسان را در ماشین ایفاء نماید, چنانکه ماشین بتواند برخی از وظایف انسانی چون تصمیم گیری, یادگیری و تشخیص را محقق نماید. منطق فازی از تکنیک هایی است که منابع شک و ابهام در داده را در فرآیند کاوش دانش در پایگاه های داده, با مهارت مدیریت نماید. تشخیص الگوهای غیر نرمال در حوزه مدیریت مشتریان به دلیل پیچیدگی ذاتی آن امری است مبهم و وابسته به رفتار انسانی, به عبارت دیگر افراد خِبره در حوزه مطالعه قادر به ارایه قواعدی که دریک سیستم استنتاج تشخیص الگوهای غیر نرمال بکار رود, نیستند. بهترین راه حل تولید خودکار قواعدی است که در تشخیص الگوهای نرمال در پایگاه داده مورد مطالعه بکار رود. امروزه روشهایی چون درخت های تصمیم, شبکه های عصبی و منطق فازی در تشخیص الگوهای غیر نرمال در کارتهای اعتباری و شبکه های مخابراتی و اینترنت به کار می روند. شرکتهای توزیع نیروی برق هم که وظیفه تأمین انرژی برق مصرفی مشترکین خود را به عهده دارند از مشکلات ناشی از مشترکینی که الگوی مصرف غیر نرمال دارند در تنگنا هستند. این نوع از مشترکین علاوه بر ایجاد مشکلات فنی درشبکه های توزیع همچون افزایش بار غیر قابل پیش بینی ترانسهای توزیع, کاهش کیفیت توان تحویلی به دیگر مشترکین خسارات مالی فراوانی را به شرکتهای توزیع تحمیل می نمایند. در این پایان نامه بر اساس روال های کاوش دانش در پایگاه داده و الگوریتم هایی چون c-means فازی وکاوش قواعد مشارکت فازی و سیستم استنتاج فازی, مصارف مشترکین در دوره یک ساله داده کاوی والگوهای نرمالی تولیدگردید. براساس خوشه های تولید شده از الگوریتم c-means فازی توابع عضویت هم تولید شد. قواعد نرمال و توابع فازی تولید شده, سیستم استنتاج فازی را تولید نمود که این سیستم استنتاج فازی با روشی خودکار با بررسی میزان انحراف مصارف مدل شده مشترکین شرکت توزیع نیروی برق (برمبنای قواعد نرمال در یک منطقه) از مصارف واقعی آنها, لیست رتبه بندی شده ای از مشترکین را ارایه می نماید. با مقایسه نتایج بازدیدشده عینی با لیست رتبه بندی شده حاصله, مشخص گردید کارآیی مدل با افزایش تعداد خوشه ها بهبود می یابد. پیاده سازی مدل در سطح داده های مصارف مشترکین شرکت توزیع نیروی برق خراسان رضوی نشان داد که سیستم پیشنهادی قادرست درصد مناسبی از مشترکین, با الگوی مصرف غیر نرمال را شناسایی نماید.