随着可再生分布式清洁能源发电技术的迅速发展,电力生产侧并入配电网所产生的电能质量问题逐渐受到关注。光伏发电技术作为清洁可再生能源发电大力推广的同时,因其发电特性易受自然环境、地理因素等影响,成为电力生产环节不可忽视的电能质量污染源。本文采用基于数据挖掘的方法对光伏电能质量数据进行分析研究,重点研究对电能质量问题的准确区分,快速分析电能质量问题产生原因,并且考虑到电能质量监测分析的实时性要求,尝试优化数据挖掘分析算法,构建有效的针对光伏电站电能扰动聚类模型,基于以上分析,本文主要包括以下工作:首先,针对光伏电能质量数据样本,完成数据源采集,并使用R语言进行数据预处理,包括数据清洗、类型转换、数据编码等,并对基本电能质量指标进行可视化展示。其次,使用K-means聚类分析方法,选取特定谐波电流含量作为主要参考特征,对比选取最佳聚类簇数,对聚类后的工况进行可视化展示,并分析电能质量优劣。最后,针对K-means聚类方法需预先设置聚类簇数问题,对模糊最小最大(FMM)聚类神经网络和聚类树(CT)两种算法进行适当改进,提出混合模型。并基于该模型,对光伏电能质量数据样本进行聚类操作,与K-means聚类算法在识别电能问题方面进行比较,实验表明,FMM-CT能够优于K-means聚类算法实现更好的聚类和解释。