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. 映射构建与优化

在映射构建过程中，可能会出现这样的现象：初始映射时未为簇间间隙中的额外点分配空间。因此，可能需要对通过后验定位获得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，主要侧重于映射质量，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。此外，样本外扩展允许添加更多点，但如果初始点分布不够具有代表性，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，可以在最高尺度上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），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. 能源系统诊断中的降维应用概述

降维技术在能源系统诊断中有诸多应用，涵盖智能建筑、光伏系统和电池等领域。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。

3. 智能建筑调试

3.1 系统与规则

以一个简单的空气处理单元为例，该单元负责房间的通风和热调节。它通过供应风扇从室外环境供应空气，并通过排气风扇排出室内空气。为减少能量损失，采用了交叉流热交换器来缓解两股气流之间的温度差异。在冬季，可使用加热盘管（由热泵提供动力）提高供应空气的温度；在夏季，仅依靠风扇进行自然冷却来降低室温。

该空气处理单