在当前人工智能等技术飞速发展的背景下,供热系统的运行调控、监测记录功能也在不断完善,积累了大量的数据。采用合理的数据挖掘方法,可以有效发现集中供热系统特性。然而由于多种因素的制约,数据集中往往存在一定数量的异常数据。数据中包含的错误信息对分析供热系统物理特性存在诸多干扰,因此对集中供热系统大数据引入异常识别技术是非常有必要的。本文首先针对当前用于集中供热系统异常识别模型验证数据集不足的情况,依据经验和相关物理平衡关系采用人工标定的方法,对四个换热站总计约5万条供热数据进行标定,得到了带有异常标签的验证数据集。其次,采用孤立森林算法（IF算法）对单个换热站验证数据集进行异常识别,验证了孤立森林模型性能。继而详细分析了数据集维度（参数数量）、数据本身物理规律以及孤立森林算法设定参数变化对模型性能的影响规律。分析结果表明:数据集存在冗余信息或者剔除信息过多都会使最终的识别结果变差。通过优化数据集参数数量,可使模型AUC数值提高8%～10%。此外,针对集中供热系统运行调节所导致的部分正常数据误诊率高的问题,提出了数据集参数相对化的方法,该方法可以相对降低12.5%的模型误诊率和44%的漏诊率。通过对比不同IF算法设定参数下的模型性能,给出了IF模型设定参数的推荐范围。最后,为了解决集中供热系统数据集中包含的冗余信息以及各个参数之间存在不同程度信息耦合会影响IF模型性能的问题,提出了PCA—IF算法。该算法不仅可以有效剔除数据集中的冗余信息,而且可以保证数据信息的完整性,使模型识别性能显著提高。利用另外三个换热站的年数据集对PCA—IF算法和LOF算法进行异常数据识别性能对比。结果表明:PCA—IF模型计算时间仅为LOF模型的5%～9%;PCA—IF模型AUC数值相对LOF模型AUC数值提升6%～90%。