基于arma-arch模型的風(fēng)電場風(fēng)速預(yù)測研究(編輯修改稿)
2025-07-23 13:50 本頁面
【文章內(nèi)容簡介】 CH模型參數(shù)估計模型參數(shù)的估計方法通常主要有兩大類：極大似然估計（MLE）和矩估計（ME）。一般來說，在似然函數(shù)可求的情況下，多傾向于采用MLE。本文也采用這種估計方法。通過下式的最大化條件似然函數(shù)可以得到ARCH模型的參數(shù)估計： (6)本文實證部分采用BHHH算法實現(xiàn)MLE.算例分析在檢驗風(fēng)速時間序列的平穩(wěn)性的基礎(chǔ)上，建立ARMA模型；然后利用LM檢驗分析ARMA模型的殘差是ARCH效應(yīng)存在性，在此基礎(chǔ)上建立ARMAARCH模型并進行預(yù)測；并獎預(yù)測結(jié)果與常規(guī)ARMA模型作比較。 數(shù)據(jù)選用某風(fēng)電場測風(fēng)點2007年10月2日至2007年10月14日的風(fēng)速實測數(shù)據(jù)作為研究對象。測風(fēng)點每隔15min對風(fēng)速采樣，每天得到96個數(shù)據(jù)，共1248個數(shù)據(jù)。選取的樣本空間為10月2日到10月13日，共1152個數(shù)據(jù)，并用所建的模型對10月14日的風(fēng)速數(shù)據(jù)進行預(yù)測，以檢驗?zāi)Ｐ偷念A(yù)測能力。 平穩(wěn)性檢驗時間序列的平穩(wěn)性是建立ARMA模型的前提。本文采用ADF檢驗。實際操作中，可根據(jù)一定的標(biāo)準(zhǔn)選擇可以保證是白噪聲過程的最小的p值。本文根據(jù)赤池信息準(zhǔn)則AIC,選定滯后階數(shù)為4階。表1 ADF檢驗結(jié)果ADF1%5%10%tStatistic Prob. 由表1可見，風(fēng)速時間序列ADF檢驗統(tǒng)計量甚至小于1%的顯著水平的臨界值，所以，在95%置信水平下有理由拒絕原假設(shè)，即本序列是平穩(wěn)的，滿足ARMA建模的前提條件。 建立ARMA模型 本文根據(jù)時間序列的自相關(guān)、偏相關(guān)函數(shù)分析圖，初步確定偏相關(guān)1，2，3階，自相關(guān)1，2，3，4，5，6，7，8，9，10，11階為ARMA模型的可選階數(shù)。進一步根據(jù)擬合優(yōu)度、赤池信息準(zhǔn)則AIC、施瓦茨信息準(zhǔn)則SIC、DW統(tǒng)計量、AR根是否在單位圓內(nèi)進一步確定ARMA模型的階數(shù)。一般認(rèn)為，SIC準(zhǔn)則是強一致的，在理論層面上能夠漸進地選擇真實模型。所以，當(dāng)幾個模型都是非劣的時候，本文采用SIC準(zhǔn)則選擇最合適的階數(shù)。本文選擇ARMA(1,10)模型作為風(fēng)速時間序列的最終模型。模型方程如下： （7） 風(fēng)速時間序列的ARCH效應(yīng)分析與建模 殘差的ARCH效應(yīng)分析 下面對ARMA（1，10）模型的殘差進行LM檢驗，以證實ARCH效應(yīng)的存在。ARCH(2)（經(jīng)過比較，LM檢驗階數(shù)
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1