风电预测——条件异方差下的周期与非线性效应建模
应用统计
2016-06-03 v1 统计计算
机器学习
其他统计学
摘要
在本文中，我们提出了一种能够对风电场进行风速与风电功率联合预测的方法。我们将多元季节性时变阈值自回归移动平均（TVARMA）模型与功率阈值广义自回归条件异方差（power-TGARCH）模型相结合。该建模框架通过周期 B 样条纳入了昼夜与年度周期性建模、条件异方差以及具有非线性影响的复杂自回归结构。与通常耗时的似然估计等方法不同，我们采用了高维收缩技术。我们利用迭代重加权最小绝对收缩与选择算子（lasso）技术。它允许条件异方差，提供快速计算时间，并确保简约且正则化的设定，即便参数空间可能极为庞大。我们能够证明，我们的方法在风机特定层面上提供了准确的风电功率预测，预测时限长达 48 小时（短期至中期预测）。
引用
@article{arxiv.1606.00546,
title = {Forecasting wind power - Modeling periodic and non-linear effects under conditional heteroscedasticity},
author = {Florian Ziel and Carsten Croonenbroeck and Daniel Ambach},
journal= {arXiv preprint arXiv:1606.00546},
year = {2016}
}