根据风速变化的特点, 选择了适于描述波动变化特性时间序列的GARCH方法。分析风速小时变化曲线的残差项, 发现其存在着ARCH效应, 满足ARCH的建模条件。采用美国夏威夷岛Lalamilo的风速数据, 建立了ARCH和GARCH风速变化时间序列模型, 预测日的日逐点预测误差的平均值为25.1%。经过与ARIMA算法的比较, 预测的精度有所提高。运用风电机组出力与风速的关系, 转换后得到了所需要的风电机组出力。对集群性不同的时间序列进行了多次数值计算, 发现GARCH模型对波动性序列具有更好的适应性。