自時間序列產(chǎn)生以來，一直存在２種觀察和分析時間序列的方法。一種是直接分析數(shù)據(jù)隨時間變化的結構特征，即時域分析法；另一種是把時間序列看成不同諧波的疊加，研究時間序列頻域特征，通常稱為譜分析法。時域分析方法通過自相關函數(shù)、差分方程等工具分析時間序列，方法比較成熟，廣泛應用于各個領域，也是用于電力系統(tǒng)分析的、時間序列建模的主要方法。其中回歸分析是主要的時域分析方法，但是回歸分析建模需要被描述序列具備正態(tài)性，而風速時間序列一般不具備正態(tài)性，一般適合用分布描述。如果直接對風速時間序列應用回歸分析建模，就會出現(xiàn)圖１中描述的問題。由于采用的模型不同，風電場間風速相關性考慮方法也不相同，文獻基于ARMA模型考查風電風速的相關性，通過設置適當?shù)碾S機數(shù)種子使風速序列間達到合適的相關性水平，但是尋找合適的隨機種子較為困難。文獻基于ARMA模型，利用時移技術模擬風速序列相關性，較為適合處理處于相同風況的風電場風速相關性。利用隨機微分方程模擬風速，用布朗運行的相關性刻畫隨機微分方程變量（即風速的相關性），由于不同風速序列邊緣分布參數(shù)不同，描述各個序列的自相關指數(shù)參數(shù)也會不同，導致模擬得到風速相關性與樣本序列相關性存在固有誤差。文獻基于向量自回歸建模方法，描述了英國風電場間的空間相關性，把系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量滯后值的函數(shù)來構造模型，模型能夠較好地描述變量間的動態(tài)。