1.基于RBF核函数的空间多维风电功率数据降维方法，其特征在于，包括以下步骤，步骤1：采集多座风电场连续多个小时级功率实测数据样本；

步骤2：采用核主成分分析法对步骤1的空间多维风电功率数据进行降维；

步骤2.1：针对空间多维风电功率数据矩阵，计算核矩阵；

步骤2.2：计算核矩阵的特征值与特征向量；

步骤2.3：将特征值进行降序排列，取特征值序列中前r个特征值和对应的特征向量，r为降维后的维数；

步骤2.4：利用核矩阵和步骤2.3选出的特征值、特征向量计算降维结果。

2.根据权利要求1所述的基于RBF核函数的空间多维风电功率数据降维，其特征在于，采用基于RBF核函数的核主成分成分法对空间多维风电功率数据进行降维，所述空间多维风电功率数据降维方法具体包括以下步骤，T

步骤1：采集m座风电场连续N个小时级功率实测数据样本XN×m＝[x1,x2,…,xN] ，其中x1,x2,…,xN分别表示1,2,…,N观测时刻对应的m维风电功率样本向量；

步骤2：采用基于RBF核函数的核主成分分析法对步骤1的空间多维风电功率数据进行降维；

步骤2.1：针对空间多维风电功率数据矩阵XN×m，计算RBF核矩阵K＝[kij]N×N，并中心化为 核矩阵K，和 的计算式如下式中lN＝[1/N]N×N是元素为1/N的N×N矩阵；σ为核参数；

步骤2.2：计算 的特征值和特征向量；

步骤2.3：将 的特征值λi进行降序排列，取特征值序列中前r个特征值λ1≥λ2≥…≥λr和对应的特征向量μ1,μ2,..,μr，r为降维后的维数；

步骤2.4：利用核矩阵和步骤2.3选出的特征值、特征向量计算降维结果YN×r。

3.根据权利要求2所述的基于RBF核函数的空间多维风电功率数据降维，其特征在于，还包括对实时采集的M个小时的风电功率数据X'M×m进行数据降维处理，得到降维的数据矩阵Y′，具体过程如下：

1)计算风电功率数据即新样本X'M×m与原始样本XN×m之间的RBF核矩阵K'，K'的元素的计算式如下

2)对矩阵K'进行中心化，得到

3)计算降维的数据矩阵Y′，

4.权利要求2或权利要求3所述的空间多维风电功率数据降维方法之后的数据重构方法，对步骤2得到的空间多维风电功率数据的降维结果进行数据重构，所述数据重构方法包括以下步骤：步骤3：构造空间多维风电功率数据的同质数据，以原始数据降维结果和同质数据降维结果的误差最小为优化目标，搜寻核主成分分析法的最优核参数；

步骤4：对核主成分分析法降维结果进行重构。

5.根据权利要求4所述的数据重构方法，其特征在于，步骤4采用k近邻多维尺度分析法对核主成分分析法降维结果进行重构。

6.根据权利要求4所述的数据重构方法，其特征在于，步骤3采用交叉验证法搜寻核主成分分析法的RBF最优核参数，具体包括以下子步骤，步骤3.1：对原始样本数据XN×m进行线性变换，构造同质样本数据ZN×m＝[zij]，式中xij为原始样本集中第i个样本的第j维变量；

步骤3.2：设置核参数σ的经验取值区间[σmax,σmin]和寻优步长h；

步骤3.3：计算核主成分分析法的RBF核参数σf，

式中INT()为取整函数；

步骤3.4：将σf作为核主成分分析法的RBF核参数，分别对原始数据XN×m和同质数据ZN×m采用核主成分分析法降维，降维结果分别为Yi和Y'i；

步骤3.5：分别计算降维结果Yi和Y'i之间的欧式距离，作为衡量σf的降维结果偏差Ei，Ei＝||Yi-Y′i||                               (9)步骤3.6：比较Ei，取最小误差值min Ei对应的σf作为最优核参数σopt。

7.根据权利要求6所述的数据重构方法，其特征在于，步骤4利用步骤2得到的m维样本数据XN×m降维后的r维数据YN×r和步骤3得到的样本数据XN×m的最优RBF核参数σopt，对r维空间的样本数据Y”M×r进行重构，步骤4具体包括以下子步骤，步骤4.1：分别计算Y”M×r中样本y”i与降维数据YN×r中样本yj的欧氏距离步骤4.2：将r维空间中计算的欧氏距离 反演到m维的数据空间中，得到m维空间中的距离dij2，并根据dij2在m维空间中选出最小欧氏距离所对应的前k个样本，得到近邻点对应的样本点集Qk×m＝[x1,x2,…,xk]T，dij2计算式如下式中Kii、Kjj根据式(1)(2)计算；

步骤4.3：将样本点集Qk×m中心化为Qc，根据式Qc＝UΛVT进行SVD奇异值特征分解，得到特征向量所构成的矩阵Vm×r和近邻点在特征空间中的坐标Uk×r，进而计算出近邻点在特征空间中距离原点的向量长度d02＝[||u1||2,||u2||2,...,||uk||2]，并计算m维的重构样本x”i，计算式如下di2＝[di12,di22,…dik2]

式中di2为样本y”i与k个最近邻样本x1,x2,…,xk在m维空间中的欧氏距离，根据式(11)计算，x0为最近邻样本x1,x2,…,xk在m维空间的坐标平均值； 为原空间测试样本均值。