.png){kind=icon}
返回
A missing data imputation method for chillers based on denoising diffusion probabilistic model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.enbuild.2026.118067.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
冷水机组常受恶劣运行条件和噪声干扰影响，导致传感器采集的原始数据出现大量缺失值。这些缺失值会显著削弱能效分析和故障诊断的可靠性。此外，冷水机组数据通常具有高维性、强多变量耦合性以及非线性和非平稳的时序动态特征，这对多变量时间序列的精确插补构成重大挑战。为解决这些问题，本文提出了一种基于去噪扩散概率模型（DDPM）的新型时间序列插补框架。首先将多变量时间序列转换为二维灰度表示，然后利用控制点采样选出的稀疏观测点作为条件信息，并将改进的ConvNeXt-V2模块集成到U-Net去噪网络中。在反向扩散过程中，控制点观测值和缺失值掩码指导缺失值的重构。为验证所提出方法的有效性，在两种缺失值模式下（缺失率从10%到90%）对两个数据集进行了大量实验，并进行了广泛的对比实验。对于所有缺失数据场景，本文提出的方法的平均RMSE、MAE和NMAD值相较于最佳基线模型分别降低了15.8%、20.9%和20.2%。实验结果表明，所提出的方法在插补精度和泛化性能方面均达到更优水平。
Keyword:
Chillers
Missing data imputation
DDPM
Multivariate time series
Control point sampling
期刊
IF:
7.1
论文数:
1.6W
被引数:
6.8W
机构
引用论文
A Novel Spatiotemporal Feature Fusion-based GAN framework for SCADA Data Imputation of Wind Turbines一种基于新型时空特征融合的GAN框架，用于风力涡轮机SCADA数据插补.png)
Energy
EnergyIF9.4
PREAI
分享收藏Leveraging reinforcement learning for optimal control of chiller plant with complex hydraulic and thermodynamic characteristics利用强化学习对具有复杂水力与热力学特性的冷水机组进行最优控制
PREAI
分享收藏A universal domain adaptive fault diagnosis method for ground source heat pump units with unknown fault awareness capability一种适用于地源热泵机组且具有未知故障感知能力的通用领域自适应故障诊断方法
PREAI
分享收藏MFFLN-EVT: A lightweight open set domain adaptive network for cross-domain unknown fault diagnosis of chillersMFFLN-EVT：一种轻量级开放集域自适应网络，用于冷水机组的跨域未知故障诊断Energy and Buildings
Energy and BuildingsIF7.1
PREAI
分享收藏Fault diagnosis of chiller units based on graph attention neural networks基于图注意力神经网络的冷水机组故障诊断Energy and Buildings
Energy and BuildingsIF7.1
PREAI
分享收藏Ratai: recurrent autoencoder with imputation units and temporal attention for multivariate time series imputationRatai: 具有插补单元和时间注意力的递归自动编码器，用于多元时间序列插补
OAAI
OAAI分享收藏
查看更多内容