20、降维技术在能源系统诊断中的应用

降维技术在能源系统诊断中的应用

1. 映射构建与中间结论

在映射构建过程中，可能会出现一些现象，这或许是因为在初始映射时，没有为簇间间隙中的额外点分配空间。所以，可能需要对通过后验定位得到的全局结构进行一些微调，以最大化最终地图的质量。

在相关工作中，主要聚焦于映射质量，依靠多尺度优化。不过，加速方法仅针对注重保留小尺度信息的方法进行了定义。另一方面，样本外扩展允许添加更多点，但如果初始点分布不能充分代表整体情况，可能需要对地图进行一些微调。未来的工作可以提供一种基于样本外扩展的多尺度方法的加速版本。具体来说，在最高尺度上，可以嵌入一小部分地标点的子样本。然后，随着尺度逐渐减小（缩小考虑的邻域大小），可以通过样本外扩展逐步添加点（增加点的数量）。这样，每个点 i 所考虑的邻域中的有效点数将保持较小，从而只需计算少量的成对力。

2. 降维技术在能源系统诊断中的应用概述

降维技术在能源系统诊断中有着重要的应用。能源系统涵盖智能建筑、光伏系统和电池等。诊断的目标是识别系统中故障的发生，这些故障由其特征（即对系统和监测变量的影响）来表征。不同故障特征之间的可区分性是进行诊断的必要条件。降维技术可以用于比较不同的特征，例如光伏系统的 I - V 曲线和锂离子电池声学信号的功率谱密度。

2.1 智能建筑调试

2.1.1 系统与规则

智能建筑是一个复杂的系统，由许多组件组成，用于维持室内舒适的温度和通风条件。这些组件或其控制的故障可能导致显著的能源损失或违反所需的舒适条件。随着智能建筑的发展，越来越多的传感器被用于监测不同子系统的行为，这些监测数据为检测和诊断故障提供了机会，但这些数据并不总是能得到充分