基于非参数Bootstrap的风速波动建模及预测

目前,全球的风力发电产业正处于高速发展的阶段。但是风能是不稳定的能源,风速和风向时刻都在变化,当大量风电场并网发电时,就会给电网的稳定性带来巨大的冲击。为了保障电网的稳定性,电力调度部门必须预先了解风电场未来数小时的风电输出功率,以合理安排电力调度计划。这就需要对风电场风力发电功率进行短期的预测。而风速预测则是风电功率预测的首要步骤。 在此背景下,本文以风电场风速数据为实证分析对象,对风速的短期预测问题做了研究。首先运用统计学方法来分析风速的时间序列特性,说明了风速序列具有很强的波动性。然后建立了风速波动的时变预测模型：在使用ARMA(3,2)模型对风速原始数据进行滤波后,利用ARCH效应检验验证了风速波动的时变特征；接着对滤波后的残差序列分别建立了残差服从正态分布、t分布和广义误差分布下的GARCH和EGARCH模型；最后利用AIC等信息准则验证了采用残差服从t分布的EGARCH模型要比传统的GARCH模型更能准确刻画风速波动的异方差性。 考虑到拟合参数误差及残差序列总体分布函数的未确定性,本文提出了结合非参数Bootstrap方法的风速波动预测方法,最后通过损失函数法与其它预测方法作预测评价分析,发现非参数Bootstrap预测方法的预测精度相对较好。最后本文将该预测方法推广到了其它的GARCH模型的预测中。