随着我国智能电网的快速建设,电网规模日益庞大。由于BPA等规划计算工具的局限与不足,导致实际电网规划过程中存在大量的不合理数据。面对如此规模的电网规划数据,规划人员束手无策。然而,错误或不合理数据对BPA潮流计算收敛性和结果会产生较大影响,一方面错误和不合理数据会影响潮流计算的收敛性,增加规划人员调整潮流的工作负担；另一方面错误和不合理数据会影响潮流计算结果的准确性,可能导致电网规划结果与实际结果偏差较远,造成较大的经济浪费,更甚者可能给电网安全埋下隐患。因此,如何快速有效地辨识大规模规划电网潮流数据中潜在的不合理数据显得越来越重要。针对该问题,本文拟采用数据挖掘技术进行电网规划不合理数据的辨识与修正方法研究。首先,在广泛的查阅国内外相关领域文献、资料的基础上,本文详细综述了国内外不合理数据辨识与修正方法的研究现状及发展水平。其次,在剖析了BPA潮流计算数据的特点及其限制基础上,针对电网规划中线路参数漏填和误填等多种实际情况,建立了基于K-均值的电网规划交流线路标准参数库；然后,针对电网规划中的交流线路型号和线路长度等问题,分别建立了线路类型判断模型和线路长度计算模型。其中,线路类型判断模型中定义了边界范围的概念,建立了通过两条直线之间的夹角余弦判断线路所属类型的方法；线路长度计算模型采用BP神经网络算法,利用线路参数之间的相关关系训练BP神经网络得到线路的长度值；在此基础上,建立了适合实际电网规划工作的不合理参数辨识与修正模型的算法流程与实现步骤。最后,结合某实际电网规划数据验证了本文模型与方法的有效性与实用性。