数据作为信息技术和信息资源的载体,其质量是十分重要的,如何保障数据的质量成为近些年研究的重要课题之一。然而,在实际应用中,由于传输和操作过程中各种无法避免的原因,数据库系统中经常会出现异常数据。数据集中出现的异常数据在很大程度上降低了数据的质量。因此如何检验海量数据集中的异常数据以及如何处理检验出的异常数据,成为一个具有研究意义和应用价值的研究课题。随着近些年来我国电力系统电能质量的蓬勃发展,目前各个电力企业积累的电能质量数据规模迅速膨胀。电能质量异常数据的出现极大地降低了电能质量的数据质量,造成数据计算、分析以及预测发生变异,电能质量基础数据作为后续的高级应用模块和预测模块重要的数据源,如果不能保证电能质量基础数据的正确性,将大大影响电能质量分析结果的正确性。本文分析了目前异常数据检测和电能质量数据检测的发展现状,从电能质量相关指标量的角度了解了电能质量基础数据的特点,论述了对电能质量异常数据进行异常识别与校验的必要性。研究了现有的几种主流的异常数据识别与校验的方法,并根据电能质量基础数据的特点选择了三种异常数据检测方法,具体包括设定阈值判别法、数据横向对比法和改进的K-MEANS算法。本文还设计并实现了电能质量异常数据识别与校验系统,采用上述三种方法对电能质量异常数据进行识别与校验,并生成详细的PDF检测报告存于客户端本地系统中。本文还对改进的K-MEANS聚类算法的检测性能加以验证,通过和传统的K-MEANS聚类算法对比,证明了改进的K-MEANS算法适合应用在电能质量异常数据的识别与校验中。