基于CEEMDAN-CNN-LSTM的供热异常数据检测与清洗

来源：电子测量技术杂志2024年第11期北京时间：

作者：梁晓龙，李金刚，徐平平，马雅楠，孟现阳

单位：1.国能宁夏供热有限公司 银川 750004; 2.西安交通大学热流科学与工程教育部重点实验室 西安 710049

摘要：利用供热系统的准确参数，对监测系统状态、识别异常情况具有指导意义。然而大量终端数据，可能存在失真问题，为此本文提出了一种异常数据检测和清洗方法。采用信号模态分解结合深度学习，构建数据检测与清洗模型。首先对由DeST获取的供热负荷进行CEEMDAN模态分解；其次将产生的本征模函数和剩余量输入CNN-LSTM深度学习预测模型，获取高精度结果；最后基于预测值和待清洗数据的偏差，完成检测和数据清洗,提高末端数据准确性。结果表明：本文的CEEMDAN-CNN-LSTM组合模型，识别异常数据的准确率和F1分数达到：91.36%，86.21%，优于其他3种模型；利用预测值替换异常值，保证数据集的完整准确。

关键词：异常检测和清洗;模态分解;深度学习;供热系统

基金资助：陕西省自然科学基础研究计划(2024JC-YBMS-257)项目资助