随着电力系统的快速发展，电网积累了大量的统计数据，电力统计数据的异常、冗余与遗漏等质量问题日益突出。而统计数据质量的好坏，不仅影响着电力统计分析的准确性与科学性，而且会直接影响电力系统运行的安全性与可靠性。作为提高电力统计数据质量的必要基础和前提，数据质量评估变得越来越重要。本文对电力统计数据的质量评估及异常检测方法进行了研究。首先，在分析了电力统计数据现状的基础上，建立了电力统计数据的质量评估模型，以实现统计数据质量评估结果的量化。并且设计了数据质量的评估流程：确定要进行评估的数据对象；根据数据质量评估的需求选择评估指标；再结合电力统计指标的物理意义设计相应的评估规则，然后确定各评估指标的权值，并赋予对每个评估指标的期望值；最后，由每个评估指标的合格百分比计算出数据质量得分。通过实例分析证明了该评估模型和流程能够准确可靠地计算出量化的电力统计数据质量。其次，由于不同时期不同用户在电力统计数据质量的评估中对不同评估指标的注重程度可能不同，因此各评估指标的权重也各不相同。为区分不同评估指标重要性所占比重，用层次分析法对各指标赋予权重。综合考虑各评估指标之间的关系，组成系统的递阶层次结构，再使用1~9比率标度方法构成判断矩阵，通过数据归一化计算得到每个评估指标的权重，最后检验判断矩阵的一致性。同时用实际数据说明该赋值过程。最后，鉴于数据异常是电力统计数据质量中最为突出的问题之一，因此对电力统计数据的异常检测即正确性评估进行了深入研究。论文提出了一种从单一统计指标、有直接逻辑关系的多个统计指标和无直接逻辑关系的多个统计指标三方面进行异常分析的方法，综合评估电力统计数据的异常情况，提高检测结果的精确度。并以国内某电网的统计数据为研究对象进行了实例分析，结果表明该检测方法能更加科学全面的检测出系统统计数据的异常情况，验证了检测方法的实用性和有效性。文中所提出的电力统计数据的质量评估模型和流程以及异常检测方法，能够对电力统计数据进行科学准确的检测和评估，为掌握电力系统的运行状态及规划等方面的工作提供技术支持。