基于混合MODWT-ARIMA-马尔可夫模型的短期风速预测

本文档标题为《基于混合MODWT-ARIMA-马尔可夫模型的短期风速预测》(Short-Term Wind Speed Forecasting Based on Hybrid MODWT-ARIMA-Markov Model)，由Muhammad Uzair Yousuf、Ibrahim Bahadly (IEEE Senior Member) 和 Andebekir Avci (IEEE Member) 联合完成，于2021年5月17日接收，5月25日接受，最终发表日期为5月27日，最新版本更新至6月8日。该研究发表在Digital Object Identifier (DOI) 10.110/ACCESS.2021.3084536。 文章的核心内容关注于利用马尔可夫链(Markov Chains, MC)进行非常短期风速预测。马尔可夫链是一种统计模型，它在序列数据中的应用广泛，尤其是在预测领域，因为它们假设未来的状态仅依赖于当前的状态，而与过去的观测值独立。在风能资源管理中，准确的短期风速预测对于优化风电场的运行、提高电力输出稳定性和降低运营成本至关重要。 混合MODWT-ARIMA-Markov模型是一种创新方法，它结合了小波变换（Modified Discrete Wavelet Transform, MODWT）和自回归积分滑动平均模型(ARIMA)的优势。小波变换能够有效地捕捉风速数据的局部性和时变性，而ARIMA模型则提供了时间序列分析的强大工具，可以处理非线性和趋势。通过将这两种技术与马尔可夫模型相结合，作者旨在构建一个更精确且适应性强的短期风速预测系统。 作者们的工作得到了巴基斯坦高等教育委员会(HEC)的资助，特别是人力资源发展项目（HRD Initiative）——大学教育服务中心/工程大学教师发展计划（Phase-I）下的硕士研究生转向博士学位项目，以及玛斯sey大学机械与电气工程学院和Tilt Renewables Tararua风力发电场研究奖学金的部分支持。 该论文的研究成果对于风能行业的实践者来说具有实际价值，因为他们可以利用这种方法来提升风电场的运行效率，减少不确定性，并可能帮助制定更有效的电力调度策略。同时，这篇研究也为其他领域的时间序列预测，尤其是那些具有时变特性的复杂系统，提供了一种新颖且有前景的方法论。