为保证电力系统正常运行,以防出现窃电、漏电等异常用电情况,进行电力监控异常数据自动识别具有重要的现实意义。针对基于数据挖掘、机器学习以及统计的3种数据异常识别算法无法应对不同长度的数据,导致识别准确性、效率较低的问题,提出一种基于移动小波树的电力监控异常数据自动识别算法。该算法分为两部分内容:先是对采集到的用电数据进行处理,包括数据脱敏、数据填补、颠簸去除等步骤,提高数据质量,后构建移动小波树结构,实现异常数据自动识别。结果表明:与基于数据挖掘、机器学习以及统计的三种数据异常识别算法相比,所提算法的准确性和效率均较高,解决了传统算法存在的问题。