在电力系统中,配电网作为与用电客户直接相连的关键环节,在整个电力系统中所发挥着至关重要的作用,同时配电网中负荷数据的有效性和可靠性对于配电网甚至于整个电网来说都是非常关键的,配电网中精准、可靠的负荷数据可满足负荷预测、电能决策以及调度生产等工作需求。因此辨识与修正配电网中的异常负荷数据,提高负荷数据的有效性和可靠性对于建立安全、高效并且可持续发展的电力系统具有十分重要的意义。聚类方法为消除异常负荷数据问题提供了很好的模型,将各类型聚类算法用于实现异常负荷数据的辨识与修正也有了很多研究。其中K-means聚类方法是一种较为经典的聚类算法,具有方法简单、易于实现,收敛速度快等优点,但同时也有明显缺点,即对随机选取的初始聚类中心较为敏感且容易获得局部最优解。经过深入研究和探索后本文主要提出一种基于改进型萤火虫算法与K-means聚类融合的优化聚类方法用于配电网异常负荷的辨识与修正,以充分利用萤火虫算法与聚类算法的特点,实现优势互补。萤火虫算法是继粒子群算法之后产生的另一种新型仿生群智能优化算法,而改进型萤火虫算法通过对标准萤火虫算法的位置更新模式进行研究和改进,有效避免了解集陷入局部最优解困局的可能性。优化聚类方法的主要思想是利用改进型萤火虫算法为K-means聚类确定最佳的初始聚类中心,优化聚类结果的同时又兼具了 K-means算法简单高效、计算速度快等优点,从而获得快速且效果俱佳的聚类结果。根据最佳聚类结果提取特征曲线并生成带通矩阵用于构建异常负荷数据的辨识模型,并通过结合预处理过程以及几何均值修正法的应用可实现异常负荷数据良好的辨识与修正效果。最后针对实际负荷数据进行仿真实验分析,并与基于标准K-means算法以及基于粒子群算法与K-means算法融合算法的实验结果进行对比,其结果表明该算法对于异常负荷的辨识与修正具有更佳的辨识与修正效果。