一种基于DWT-LSSVM-GARCH混合方法的风速预测模型

摘要

风能作为一种可再生,无污染的能源,在低碳能源科技中起着重要作用.因此准确地预测风速时间序列具有重要的意义.然而由于风速时间序列的随机性,阻碍着风能的利用.为了提高风速预测的准确性,发展了大量预测的方法,大体包括三种方法:物理方法、时间序列方法和基于人工智能的方法.为了进一步提高风能预测准确性,本文基于大量的研究提出一种结合了相关性辅助的离散小波变换(discrete wavelet transform,DWT)、最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)和广义自回归条件异方差模型(generalized auto-regressive conditionally heteroscedastic,GARCH)实时分解的风速预测方法.