风能作为一种分布广、蕴藏量大的清洁能源越来越受到重视。随着目前风力发电技术的飞速发展,风电入网对电能质量、电力系统安全运行会造成一定影响。因此高精度的风电功率预测对于保证电网的安全运行有非常重要的意义,而准确的风速预测又是风电功率预测的基础。本文采用两类研究时间序列波动性的模型(GARCH模型和SV模型)分析风速时间序列,解决了传统时间序列方法中ARMA模型不能对风速时间序列的波动性进行研究的问题。并且应用时间序列结构方程模型分析了多组风速时间序列和潜在变量之间的关系。对于上述模型中未知参数的辨识方法本文采用贝叶斯推理。贝叶斯方法与极大似然法相比有以下几个优点：第一,贝叶斯推理把先验信息加入到统计推断中,可以提高统计推断的质量。第二,贝叶斯推理关注的是原始观测值,而不是样本协方差矩阵,不需要随机观测值独立同分布于多元正态分布的假设。第三,在小样本情况下贝叶斯推理的稳健性要优于极大似然法。因此,本文采用贝叶斯推理辨识上述模型中的未知参数,首先采用MCMC构建一条平稳分布的马尔科夫链以获取未知参数的后验分布,然后由Monte Carlo积分公式得到未知参数的后验均值和方差。上述模型均采用风电场实测数据进行了仿真验证,结果表明基于贝叶斯推理的GARCH模型和SV模型更适合于刻画风速时间序列。