针对智能电网大数据背景下传统密度聚类离群点检测方法在适应性和异常点样本获取成本高等不足，以用电数据上传过程中的掉线问题为对象，研究一种新的基于权值的密度聚类离群点检测算法，并用极限学习机来预测离群点判断的阈值。首先，对智能电表的大量历史报文数据进行数据预处理；然后，将预处理之后的数据放入极限学习机进行训练，并预测得到基于权值的局部离群因子（Weight-based Local Outlier Factor）的阈值；紧接着，应用预测的WLOF阈值对实时数据进行密度聚类，以实现高性能的离群点检测；最后，采用某省电网公司的实际数据进行实验验证分析。实验结果表明，与其他的离群点检测方法相比，新方法具有较高的检测准确率，并且可以广泛应用于智能电网其他需要离群点检测的项目中，尤其是非常适用于离群点检测阈值未知的情况下的离群点检测。