《表2 降维可信度情况:基于时序数据动态天气划分的短期风电功率预测方法》
为去除NWP样本集噪声并在二维空间直观反映天气样本的特性,采用t-SNE降维方法将NWP样本集从27维降到二维子空间,困惑度取30,迭代1000次。选取前30个样本日共2880个数据点展示t-SNE降维可视化结果,如图2所示。可以看到,使用t-SNE算法可以在二维空间清晰地表示所有样本点。大部分样本日由一段或发生突变后的几段保持连续变化的短线构成,反映了天气变化的时间连续性和脉动性。为对比降维效果,采用t-SNE和PCA将训练集数据分别降维到2维、3维和7维子空间。并采用可信度[20](Trustworthiness)作为降维后的数据局部结构保留情况的评价标准,可信度越高,降维后数据保留程度越好,降维可信度见表2。
图表编号 | XD0086129200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.05 |
作者 | 熊音笛、刘开培、秦亮、欧阳庭辉、何佳奕 |
绘制单位 | 武汉大学电气工程学院、武汉大学电气工程学院、武汉大学电气工程学院、武汉大学电气工程学院、武汉大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |