[发明专利]数据降维方法、装置、计算机设备和存储介质

权利要求书

1.一种数据降维方法，其特征在于，所述方法包括：

获取风电功率的多种影响因素以及影响因素数据，所述影响因素数据包括多种影响因素在目标季节内多个时刻的参数值；

根据所述目标季节的影响因素数据，对所述多种影响因素进行多重共线性诊断，得到每一个影响因素的多重共线性诊断参数；

如果根据各所述影响因素的多重共线性诊断参数，确定所述多种影响因素之间存在多重共线性，则根据所述目标季节的影响因素数据、预设影响因素观测数据以及岭参数，计算各所述影响因素的岭回归系数；

根据所述岭回归系数与所述岭参数之间的对应关系对各个影响因素进行筛选，剔除所述岭回归系数不满足预设岭回归系数变化条件的影响因素，得到多个目标影响因素。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述目标季节的影响因素数据，对所述多种影响因素进行多重共线性诊断，得到每一个影响因素的多重共线性诊断参数的步骤之后，所述方法还包括：

根据每一个影响因素的多重共线性诊断参数，判断所述多种影响因素之间是否存在多重共线性。

3.根据权利要求2所述的方法，其特征在于，所述影响因素的多重共线性诊断参数包括容忍度；

所述根据所述目标季节的影响因素数据，对所述多种影响因素进行多重共线性诊断，得到每一个影响因素的多重共线性诊断参数，包括：

针对每一影响因素，对所述影响因素对应的目标季节的影响因素数据进行最小二乘法计算，确定所述影响因素的复相关系数；

根据预设目标值与所述复相关系数的平方，计算所述容忍度；

所述根据每一个影响因素的多重共线性诊断参数，判断所述多种影响因素之间是否存在多重共线性，包括：

如果所述每一个影响因素的容忍度均小于第一预设阈值，则确定所述多种影响因素之间存在多重共线性。

4.根据权利要求2所述的方法，其特征在于，所述影响因素的多重共线性诊断参数包括容忍度、方差膨胀因子；

所述根据所述目标季节的影响因素数据，对所述多种影响因素进行多重共线性诊断，得到每一个影响因素的多重共线性诊断参数，包括：

针对每一影响因素，对所述影响因素对应的目标季节的影响因素数据进行最小二乘法计算，确定所述影响因素的复相关系数；

根据预设目标值与所述复相关系数的平方，计算所述容忍度；

将所述容忍度的倒数作为所述影响因素的方差膨胀因子；

所述根据每一个影响因素的多重共线性诊断参数，判断所述多种影响因素之间是否存在多重共线性，包括：

如果所述每一个影响因素的方差膨胀因子均大于第二预设阈值，则确定所述多种影响因素之间存在多重共线性。

5.根据权利要求2所述的方法，其特征在于，所述影响因素的多重共线性诊断参数包括条件指数；

所述根据所述目标季节的影响因素数据，对所述多种影响因素进行多重共线性诊断，得到每一个影响因素的多重共线性诊断参数，包括：

根据所述目标季节的影响因素数据，确定第一数据矩阵；

根据所述第一数据矩阵以及所述第一数据矩阵的转置矩阵，确定第一观测矩阵；

计算所述第一观测矩阵的至少一个特征根；

将最大的特征根与最小的特征根的比值作为最大的条件指数；

所述根据每一个影响因素的多重共线性诊断参数，判断所述多种影响因素之间是否存在多重共线性，包括：

如果所述最大的条件指数大于或等于第三预设阈值，则确定所述多种影响因素之间存在多重共线性。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标季节的影响因素数据、预设影响因素观测数据以及岭参数，计算各所述影响因素的岭回归系数，包括：

根据所述目标季节的影响因素数据，确定第一数据矩阵；

根据所述第一数据矩阵以及所述第一数据矩阵的转置矩阵，确定第一观测矩阵；

根据所述第一观测矩阵、所述岭参数以及预设标准值，确定目标矩阵；

根据所述第一数据矩阵的转置矩阵以及所述预设影响因素观测数据，确定第二观测矩阵；

根据所述目标矩阵与所述第二观测矩阵，得到各所述影响因素的岭回归系数。