利用 Lasso 方法进行时空短期风速预测

准确的风电预测依赖于可靠的风速预测。数值天气预报 (NWPs) 消耗大量计算时间，但时空分辨率仍然较低。然而，随机风速预测在较高时间分辨率设置下表现良好。如果预测视野不过长，它们消耗的计算资源相对较少并能返回可靠的预测。近期文献越来越重视空间依赖性。本文提出了一种新的且相当灵活的多变量模型，该模型考虑了邻近气象站的信息，从而利用了高分辨率的空间数据。该模型应用于长达一天的预测视野，并能处理高分辨率的时间结构。我们使用带有季节滞后的周期向量自回归模型来解释解释变量之间的相互作用。周期性被纳入考量并通过三次 B 样条进行建模。由于模型的灵活性，解释变量的数量变得巨大。因此，我们利用节省时间的收缩方法（如 lasso 和 elastic net）进行估计。特别是，应用了一种相对新开发的迭代重加权 lasso 和 elastic net 方法，该方法还结合了异方差性。我们将我们的模型与几个基准模型进行了比较。样本外预测结果表明，与目前使用的模型相比，利用空间信息极大地提高了预测精度。