증기 터빈의 운영 과정은 다양하고 대량의 데이터를 생성합니다. 빅데이터 및 시뮬레이션 모델링이 요구하는 고품질 데이터에 대응하기 위해 효율적인 데이터 정제가 매우 중요합니다. 장단기 메모리 계층의 우수한 비선형 적합 능력을 활용하여 증기 터빈의 반지도 데이터 정제 모델을 구축했습니다. 모델은 장비의 3가지 경계 조건을 입력으로 선택하여 정제할 데이터를 예측하고, 예측 값과 실제 값의 잔차에 기초하여 이상 값 제거를 완료한 후 모델의 예측 값을 사용하여 데이터를 채워 데이터의 완전성을 보장합니다. 모델을 사용하여 발전소의 650MW 장비 데이터를 정제하고, 정제 모델 매개 변수 선택에서 표본 불균형 문제를 극복하기 위해 정확도를 향상시키고, 이를 정제 효과의 측도로 사용했습니다. 결과는 장단기 메모리 네트워크의 데이터 정제 모델 개선 정확도가 다른 3가지 통상적인 정제 방법보다 높음을 보여주었습니다. 데이터가 이상 여부를 효과적으로 식별하고 예측 값 사용하여 데이터를 채우어 정제 전후 데이터 양의 일관성을 보장 할 수 있습니다.

장단기 메모리 네트워크; 딥 러닝; 데이터 정제; 이상 값; 증기 터빈