目前我国的经济正在快速发展,各个行业对电力系统更加依赖,电力系统的安全稳定运行是十分重要。电力远动传输异常检测是电网安全运行的保障,能有效的预防电网异常带来的危害。目前远动传输异常检测面临的主要难点是怎样从不断产生的海量远动传输数据中得到有用信息,进而快速实时地进行异常检测。本文主要围绕基于Anytime的密度聚类的实时远动传输异常检测方法展开研究,为异常检测系统提供有效可行的思路。本文首先介绍了该课题的研究背景和意义。然后,对国内外异常检测,数据挖掘和Anytime算法的发展现状和趋势进行介绍。其次,通过分析远动传输数据的特征,提出了一种基于尺度自适应的小波包变换远动异常检测方法。结合滑动时窗技术,对远动数据进行小波包分解,计算历史时窗和检测时窗内的小波系数的均值和方差比,与给定阈值进行比较来进行自适应分解和初步的异常检测。然后,本文提出了基于Anytime的密度聚类算法(AnyDBSCAN算法)来对远动传输数据进行算法分析。AnyDBSCAN算法主要在DBSCAN算法基础上,融合了Anytime算法的思想。该算法可以在任何时刻终止,并返回当前的一个最优可行解,用来解决工程中的实际需求。通过对算法进行仿真分析,验证了该算法的有效性。最后,本文结合分布式计算框架Spark,设计了在线实时异常检测系统。该系统根据每个从节点的计算性能,通过调度算法给每个作业分配合理的资源,然后利用AnyDBSCAN算法对每个作业进行运算,最后合并,汇总得到最终的结果,并将该结果和离线部分得到的模型进行融合,通过监控该模型的异常类是否变化来达到异常检测的目的。对该系统进行仿真分析,证明了该系统能够较好的检测异常,并且通过进行并行处理,可以极大的提高运算时间,降低计算延时。