多步密度预测方法及其在聚合风电功率中的应用

针对非高斯数据的多步密度预测生成主要依赖于计算量大的蒙特卡洛模拟。利用爱尔兰的聚合风电功率，我们研究了两种可以通过简单迭代获得多步密度预测的方法，从而避免了繁重的计算。在第一种方法中，我们应用逻辑变换对数据进行近似归一化，并使用ARIMA--GARCH模型描述变换后的数据，从而可以轻松迭代多步预测。在第二种方法中，我们用截断正态分布来描述预测密度，该分布由两个参数控制，即条件均值和条件方差。我们应用指数平滑方法同时预测这两个参数。由于指数平滑的底层模型是高斯的，我们能够通过简单迭代获得参数的多步预测，从而生成作为截断正态分布的预测密度。我们生成了提前15分钟至24小时的风电功率预测。结果表明，在各种严格评分规则下，第一种方法生成了更优的预测，并略优于第二种方法。然而，第二种方法在计算上更高效，并且在不同的训练数据长度下给出了更稳健的结果。它也提供了一种有吸引力的替代方法，因为允许为预测选择特定的参数密度，并且在没有明显变换来归一化数据时非常有价值。