一种基于GARCH模型的风速预测残差修正方法与流程

技术特征：

1.一种基于GARCH模型的风速预测残差修正方法，其特征在于：

收集待预测风电场历史风速数据，并将其预处理拟合为，然后将历史风速序列y_t-1拟合为GARCH模型并对风速进行预测，将以时间序列为基础预测得到的风速预测数据y'_t拟合为预测风速序列根据历史风速序列y_t-1与预测风速序列获得GARCH模型的拟合残差序列并对GARCH模型的拟合残差序列建立回归模型，预测GARCH模型的残差序列预测值最后用GARCH模型的拟合残差序列预测值修正GARCH模型的预测结果得到待预测风电场预测结果修正值即

2.根据权利要求1所述的一种基于GARCH模型的风速预测残差修正方法，其特征在于：将得到的待预测风电场预测结果修正值作为风速预测数据y'_t，将待预测风电场t时间的风速数据预处理作为历史风速序列的一部分，进而获得t+1时间的风速预测结果修正值

3.根据权利要求1所述的一种基于GARCH模型的风速预测残差修正方法，其特征在于：所述GARCH模型为

y_t＝x_tβ+ε_t (1)

残差随机过程{ε_t}服从如下过程：

$\left\{\begin{array}{c}{\mathrm{\ϵ}}_t=\sqrt{h_t}{v}_t\\ h_t={\mathrm{\α}}_0+\underset{i=1}{\overset{p}{\Σ}}{\mathrm{\φ}}_i{h}_{t-q}+\underset{j=1}{\overset{q}{\Σ}}{\mathrm{\α}}_j{\mathrm{\ϵ}}_{t-j}^2\\ v_t~N(0,1)i.i.d\end{array}\right.---\left(3\right)$

其中，α_j和φ_i为未知参数；

上述，{ε_t}为广义自回归条件异方差过程，记为{ε_t}～GARCH(p,q)。

4.根据权利要求3所述的一种基于GARCH模型的风速预测残差修正方法，其特征在于：所述GARCH(p,q)中的p、q的选值根据前时刻的方差值h_t与其前一时刻的方差值h_t-1及残差值ε_t-1联系紧密度选择；

其中p＝1；q＝1。

5.根据权利要求1所述的一种基于GARCH模型的风速预测残差修正方法，其特征在于：对GARCH模型的拟合残差序列建立回归模型，其中回归模型的阶数AIC准则确定如下：

$AIC(n,n-1)=log\widehat{{\mathrm{\σ}}^2}+\frac{4n}{N}$