风电场风速和发电功率预测研究(5)
（1）介绍时间序列法的分类以及原理，分为平稳性的时间序列和非平稳性的时间序列。
（2）对风速进行预测，首先介绍ARIMA模型的建模步骤，然后利用一组实际的风速序列进行建模预测。之后再介绍SARIMA模型的建模步骤，利用相同的风速序列进行建模预测。最后将两组预测的24小时风速和实际风速相比较。
（3）对风电功率的预测，首先用ARIMA模型对风电功率序列进行建模，并且预测后24小时的功率，然后用SARIMA模型进行建模并也预测后24小时的功率，之后把两组预测数据和实际的风电功率数据进行比较，得到预测效果较好的预测模型。
（4）分析建模预测结果，得出本论文的结论。
2时间序列研究方法
2.1时间序列模型概述
时间序列是指按照时间顺序来排列的、随时间而变化并且相互关联的数据序列。分析时间序列的方法即时间序列分析，时间序列分析最早是起源于1927年，数学家耶尔（Yule）为了研究预测市场变化规律而建立的自回归（AR）模型，之后在1931年，瓦尔格（Walker）在AR模型启发下又建立了滑动平均（MA）模型以及自回归滑动平均（ARMA）模型，从而奠定了时间序列分析的基础。随着时间序列的发展，其应用的领域越来越广，研究模型也越来越实用化。按照时间序列统计的特性来分类，可以分为平稳时间序列和非平稳时间序列。
2.2平稳时间序列模型
当随机序列符合平稳性，则我们建立的是线性平稳模型，其中一种重要的线性平稳模型就是ARMA时间序列，ARMA序列可以分为三种：AR模型，即自回归序列（Auto Regressive Model）；MA序列，即滑动平均序列（Moving Average Model）；ARMA序列，即自回归滑动平均序列（Auto Regressive Moving Average Model）。