本发明公开了一种基于K近邻密度峰值聚类的电力数据异常值检测算法，输入电力负荷数据X，邻近个数K，对负荷数据进行预处理，即用均值替代法补上缺失值，计算样本i与样本j间的欧氏距离，构建样本的距离矩阵，便于选取样本K近邻点，根据公式分别计算样本的局部密度ρ_i和相对距离δ_i，设置经验参数ε_ρ与ε_δ；根据公式，计算局部密度阈值ρ_f和相对距离阈值δ_f，将ρ_i＜ρ_f和δ_i＞δ_f时的样本i认定为异常值，输出异常数据。本发明利用K近邻思想重新定义DPC算法的局部密度，改善原始算法没有考虑数据局部特点以及局部密度定义不统一的不足；同时只需要确定一个参数K，消除了截断距离对算法聚类效果的影响，且参数较易确定其取值，能更加准确检测出电力数据异常值。