风电场风速预测对风电场规划设计和电力系统的运行具有重要意义。但由于风速序列的高度非平稳性及方差时变性,要得到精度很高的风速预测数据比较困难。而风速序列又具有时序性和自相关性,因此可建立ARIMA模型进行预测。但该模型存在预测延时、多步预测精度较低的不足。为了解决该问题,建立了小波变换和ARIMA模型相结合的混合算法,在一定程度上提高预测的精度。为了进一步提高模型预测精度,针对风速序列的非平稳性及方差随时间而变化的特性,结合小波变换、ARIMA模型及异方差模型的优点,给出了小波ARIMA-ARCH风速预测模型。首先,针对风速序列的非平稳性,利用小波分解重构算法将其分解重构成概貌部分和细节部分,得到的各部分序列近似为平稳序列,再利用时间序列法分别对各部分进行分析。针对风速序列的方差时变性,在利用时间序列法对各部分建模时,考虑模型残差的异方差效应,建立ARIMA-ARCH模型。最后,将概貌风速和细节风速的预测结果求和即得模型的最终预测风速。通过对样本风速序列分别建立传统ARIMA模型、小波ARIMA模型、ARIMA-ARCH模型和小波ARIMA-ARCH模型进行预测,并对各模型的预测误差进行分析,说明利用小波变换处理风速序列的非平稳性并且考虑了风速序列的异方差效应的小波ARIMA-ARCH模型能有效提高风速预测精度。