针对数字化主动电网中电力实体行为复杂化，攻击手段隐蔽化等问题，提出了一种基于模糊聚类的多类别归属异常检测算法。首先，对电力实体行为相似性度量方式进行优化，并基于优化后的度量方法构建模糊聚类算法，通过多次迭代得到实体行为对应各类别的隶属度矩阵；然后，根据类别软划分隶属度矩阵分别计算实体在各个类别内的近邻距离、近邻密度与近邻相对异常因子等参数；最后，分析实体在各类簇内的相对异常情况，判断该电力实体行为是否属于异常行为。结果表明，与LOF、K-Means和Random Forest算法相比，新方法有更高的异常行为检出数量和更优的异常检测评价指标。所提出的算法解决了传统异常检测算法样本评价角度单一的问题，进一步提高了数字化主动电网抵御未知威胁的能力。