基于最优RBF核主成分的空间多维风电功率降维及重构

摘要：

为应对风电数据多样化、复杂化和精细化带来的"维数灾"问题,文章提出一种基于最优RBF核主成分的非线性降维及重构方法,以准确挖掘空间多维风电数据的本质特征.针对传统核主成分降维方法存在的核参数选择困难问题,文章以原始数据与线性变换构造出的同质数据之间降维误差最小为优化目标,通过交叉验证搜寻最优核参数,并采用k近邻多维尺度分析解决目前非线性降维中原像重构的难题.实际算例结果表明,所提方法在降维结果的可信赖性和连续性方面优于常用线性降维方法.在针对多维风电功率降维结果进行预测和重构可提高预测效率,避免直接预测多维变量带来的"维数灾"问题,且能获得更高的预测精度.

关键词：多维风电功率、数据降维、KPCA、MDS、交叉验证

所属期刊栏目：44

分类号：TM614(发电、发电厂)

资助基金：国家自然科学基金51807109

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：4539-4546