随着智能电网的快速发展,泛在电力网全面建设,电力系统自动化在电网中起着越来越重要的作用。为了采集精准的电力数据,保证电网安全运行和提高供电系统效率,促进电力系统的数字化和智能化发展,辨识和修正电能计量异常数据具有重大意义。本文主要研究内容:首先,采用k-means++聚类算法训练并提取了用户的电能计量负荷数据统计特征,采用手肘法解决了聚类算法中存在k值确定问题。根据聚类结果,得到各类别用户负荷数据以及各类别用户数据特征,为电能计量中的异常数据识别与补偿奠定了基础。其次,采用BP神经网络算法对异常数据识别,利用所提取的各类别用户负荷数据特征对BP神经网络进行训练,由于BP神经网络存在着初始权值和阈值的取值问题,本文采用了遗传算法进行优化。通过训练完成的GA-BP神经网络模型对用户负荷数据进行判断并确定异常类型。最后,对于不同类型的异常用电数据,分别采用小波神经网络算法和基于用户特征数据的补偿方法对进行修正,达到了用电计量用户数据补偿目的。文中采用仿真方法,验证所提出的电能计量异常数据识别与补偿方法的可行性和有效性。