在电力系统的运行过程中，不可避免地会产生异常电量数据，如何高效地检测辨识这些异常数据是电力系统状态估计中至关重要的组成部分，也是电力系统运行的安全性和稳定性的基础。传统的异常检测方法只针对特定的电力系统特性，且存在计算量较大、准确率较低的问题。针对传统电量数据异常检测方法的不足，本文提出一种基于三次指数平滑模型和DBSCAN聚类的电量数据异常检测方法。三次指数平滑模型利用历史数据预测当前时刻区域用电量，然后对预测值和真实值相减得到残差项，最后利用DBSCAN密度聚类算法来对残差项进行聚类，实现电量异常数据的识别。对某电网的区域用电量数据进行实证分析并与三种常用异常检测模型进行实验对比。结果表明，三次指数平滑模型与DBSCAN聚类结合，在电量异常数据检测中检测率和误报率指标均取得了比较好的结果。