1.一种分散式风力发电短期功率组合预测方法，其特征在于，包括：预先根据风力发电特性建立ARMA模型h t ，根据测量到的第τ-(t+1)天的实际风电数据，利用所述ARMA模型h t 预测第τ-t天的风电数据，其中，τ-(t+1)为训练日期，τ为预测日期，t＝1,2…T，T为迭代次数；根据预测到的第τ-t天的风电数据、及测量到的第τ-t天的实际风电数据，计算每个所述ARMA模型h t 的权重α t ；根据所述ARMA模型h t 、及每个所述ARMA模型h t 的权重α t ，利用boosting算法对T个所述ARMA模型h t 进行组合，以得到强分类模型H；根据测量到的第τ-1天的实际风电数据、及所述强分类模型H，预测第τ天的风电数据；预先根据风力发电特性建立ARMA模型h t ，包括：根据风电数据建立时间序列，判断所述时间序列是否为平稳非纯随机序列；若是，则通过自相关函数和偏自相关函数，并结合AIC准则进行模型的识别和确定模型的阶数p和q，若否，则对所述时间序列进行处理，并执行所述通过自相关函数和偏自相关函数，并结合AIC准则进行模型的识别和确定模型的阶数p和q的步骤，其中，p为自回归模型阶数，q为自回归滑动模型阶数；对识别出的模型的参数进行估计，并对识别出的模型进行适应性检验；若通过适应性检验，则得到所述ARMA模型h t ，若未通过适应性检验，则返回执行所述通过自相关函数和偏自相关函数，并结合AIC准则进行模型的识别和确定模型的阶数p和q的步骤，直至通过适应性检验为止；结合AIC准则确定模型的阶数p和q，包括：结合AIC准则确定模型的阶数p和q均为1；预先根据风力发电特性建立的ARMA模型h t 为 其中，M为风电场数， ε t 为预测误差， 为加权向量， X t 为测量得到的第τ-(t+1)天的实际风电数据， 为第i个风电场在第τ-(t+1)天的实际风电数据， 为测量得到的第τ-t天的实际风电数据， 为第i个风电场在第τ-t天的实际风电数据，P Cap 为已装机容量；根据所述ARMA模型h t 、及每个所述ARMA模型h t 的权重α t ，利用boosting算法进行组合得到的强分类模型H为 其中， X 0 为测量到的第τ-1天的实际风电数据。
2.根据权利要求1所述的分散式风力发电短期功率组合预测方法，其特征在于，所述预先根据风力发电特性建立ARMA模型h t ，包括：预先根据风力发电特性采用多步超前技术建立所述ARMA模型h t 。
3.根据权利要求1所述的分散式风力发电短期功率组合预测方法，其特征在于，根据所述ARMA模型h t 、及每个所述ARMA模型h t 的权重α t ，利用boosting算法进行组合，以得到强分类模型H之后，还包括：确定强分类模型H的误差范围为 其中，
4.根据权利要求1所述的分散式风力发电短期功率组合预测方法，其特征在于，在根据所述ARMA模型h t 、及每个所述ARMA模型h t 的权重α t ，利用boosting算法进行组合，以得到强分类模型H之前，还包括：若某个ARMA模型h t 对应的预测误差ε t 小于等于1/2，则删除所述ARMA模型h t 。
5.一种分散式风力发电短期功率组合预测装置，其特征在于，包括：建模模块，用于：预先根据风力发电特性建立ARMA模型h t ，根据测量到的第τ-(t+1)天的实际风电数据，利用所述ARMA模型h t 预测第τ-t天的风电数据，其中，τ-(t+1)为训练日期，τ为预测日期，t＝1,2…T，T为迭代次数；计算模块，用于：根据预测到的第τ-t天的风电数据、及测量到的第τ-t天的实际风电数据，计算每个所述ARMA模型h t 的权重α t ；组合模块，用于：根据所述ARMA模型h t 、及每个所述ARMA模型h t 的权重α t ，利用boosting算法对T个所述ARMA模型h t 进行组合，以得到强分类模型H；预测模块，用于：根据测量到的第τ-1天的实际风电数据、及所述强分类模型H，预测第τ天的风电数据；所述建模模块，具体用于根据风电数据建立时间序列，判断所述时间序列是否为平稳非纯随机序列；若是，则通过自相关函数和偏自相关函数，并结合AIC准则进行模型的识别和确定模型的阶数p和q，若否，则对所述时间序列进行处理，并执行所述通过自相关函数和偏自相关函数，并结合AIC准则进行模型的识别和确定模型的阶数p和q的步骤，其中，p为自回归模型阶数，q为自回归滑动模型阶数；对识别出的模型的参数进行估计，并对识别出的模型进行适应性检验；若通过适应性检验，则得到所述ARMA模型h t ，若未通过适应性检验，则返回执行所述通过自相关函数和偏自相关函数，并结合AIC准则进行模型的识别和确定模型的阶数p和q的步骤，直至通过适应性检验为止；结合AIC准则确定模型的阶数p和q，包括：结合AIC准则确定模型的阶数p和q均为1；预先根据风力发电特性建立的ARMA模型h t 为 其中，M为风电场数， ε t 为预测误差， 为加权向量， X t 为测量得到的第τ-(t+1)天的实际风电数据，x i t 为第i个风电场在第τ-(t+1)天的实际风电数据， 为测量得到的第τ-t天的实际风电数据， 为第i个风电场在第τ-t天的实际风电数据，P Cap 为已装机容量；根据所述ARMA模型h t 、及每个所述ARMA模型h t 的权重α t ，利用boosting算法进行组合得到的强分类模型H为 其中， X 0 为测量到的第τ-1天的实际风电数据。
6.一种分散式风力发电短期功率组合预测设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述的分散式风力发电短期功率组合预测方法的步骤。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的分散式风力发电短期功率组合预测方法的步骤。
