1.一种考虑时空相关性的多风电场出力场景生成方法，其特征是，包括：获取多风电场的原始出力数据，计算各风电场出力的边缘分布；基于Copula函数和上述各自的边缘分布建立多风电场出力的联合分布函数；Copula函数公式如式(4)所示：F(x 1 ,x 2 ,…,x N )＝C(F 1 (x 1 ),F 2 (x 2 ),…,F N (x N )；θ) (4)式(4)中，F 1 (x 1 ),F 2 (x 2 ),…,F N (x N )为多元随机变量x 1 ,x 2 ,…,x N 各自的边缘分布函数；θ是Copula函数的参数，Copula函数的参数θ采用极大似然估计法求解；对联合分布函数进行随机抽样，得到考虑多风电场空间相关性的初始出力场景D 1 ；考虑多风电场原始出力样本中的时间相关性，对初始出力场景进行时序重构，进而生成考虑时空相关性的多风电场出力场景；具体为：基于随机微分方程SDE对得到的初始出力场景D 1 进行时序重构，进而生成考虑时空相关性的多风电场出力场景X 1 ；主要内容包括：基于随机微分方程SDE模拟各风电场出力的时间相关性，进而基于随机微分方程SDE生成基准波动序列，进一步基于风电场各自的基准波动序列进行时序重构；(4-1)模拟风电波动序列的SDE如式(6)—式(8)所示：dU t ＝θ u (μ u -U t )dt+σ u dW u,t (7)式(6)—式(8)中，X t 和dX t 分别为风电出力值与风电出力波动值；β是形状参数且β≥0；W x,t 和W u,t 为标准Winner过程；θ x 、l x 为大于0的常数，σ x 表示X t 的过程噪声参数；U t 为随机趋势变量，采用Ornstein-Uhlenbeck过程，μ u 决定U t 的长期趋势且μ u ≥0，θ u 表征U t 的变化速度，随着θ u 的增大，U t 向μ u 方向变化速度越来越快；Y k 表示在时刻t k 时的观测值，ε k 表示观测方程的观测误差；漂移项中的余弦项表征着风电的日内波动规律；(4-2)随机微分方程参数估计方法采用极大似然估计与扩展卡尔曼滤波相结合的方法对模拟多风电场出力波动的随机微分方程SDE模型进行参数估计；(4-2-1)该方法要求随机微分方程的扩散项独立于状态变量，即应用该方法的随机微分方程SDE应为式(9)—式(10)的形式：dX t ＝f(X t ,t)dt+g(t)dW t (9)式(9)—式(10)中，f为漂移项，g为扩散项，h为观测函数，g(t)独立于状态变量X t ，观测噪声e k 为高斯白噪声；式(9)-式(10)是随机微分方程的通用模型，下面为对该随机模型的通用参数估计的过程：(4-2-2)采用伊藤公式与层状变换可以将待估计的随机微分方程SDE转换为式(9)—式(10)的形式；其中，一维伊藤公式定义如式(11)—式(13)所示：dX t ＝f(X t ,t)dt+g(X t ,t)dW t (11)式(11)中，X t 是一种伊藤过程；令ψ(x,t)∈C 2 ([0,∞))×R，进一步，令Z t 为一种伊藤过程且Z t ＝ψ(x,t)，则式(11)中，d(X t ) 2 可由式(13)计算得出，即dt·dt＝dt·dW t ＝dW t ·dt＝0,dW t ·dW t ＝dt (13)其中层状变换的过程如式(14)—式(15)所示：式(14)—式(15)中，g x (·)表示函数g(·)关于x的偏导数；ψ t 表示ψ关于t的导数；(4-2-3)极大似然函数公式如式(16)所示：可得对数似然公式如式(17)所示：参数θ可通过求解对数似然公式求得，即(4-2-4)基于扩展卡尔曼滤波求解似然函数，进一步求解参数θ，过程如下：R k|k-1 ＝CP k|k-1 C T +S k (20)式(20)中，C是函数h的一阶展开式，即 且 P k|k-1 是当前状态变量 协方差的一步预测；式(21)中，K k 为卡尔曼增益；式(22)—式(23)表示状态更新方程；式(25)中，A表示随机微分方程的漂移项f的一阶展开式，即 且 g(t)表示随机微分方程的扩散项。
2.如权利要求1所述的一种考虑时空相关性的多风电场出力场景生成方法，其特征是，针对多风电场的原始出力数据，分类统计各风电场原始出力数据中各年相同周每天相同时刻的数据，即认为同一周每天相同时刻的出力值相同。
3.如权利要求1所述的一种考虑时空相关性的多风电场出力场景生成方法，其特征是，计算各风电场出力的边缘分布时，采用核密度估计基于风电出力的原始数据直接确定其边缘分布。
4.如权利要求1所述的一种考虑时空相关性的多风电场出力场景生成方法，其特征是，建立多风电场出力的联合分布函数时：基于多风电场出力的边缘分布函数，计算经验Copula函数；计算待选Copula函数与经验Copula函数的欧式距离，选取欧式距离最小的Copula函数作为最优Copula函数；基于最优Copula函数即为联合分布函数。
5.如权利要求1所述的一种考虑时空相关性的多风电场出力场景生成方法，其特征是，对联合分布函数进行随机抽样，再将抽样序列分别经风电出力的边缘分布反变换得到考虑风电空间相关性的出力场景，即初始出力场景。
6.如权利要求1所述的一种考虑时空相关性的多风电场出力场景生成方法，其特征是，初始出力场景中，行向量代表风电场在各时刻的初始出力场景，列向量代表各风电场在某一时刻的抽样值，列向量包含了风电场之间的空间相关性信息。
7.如权利要求1所述的一种考虑时空相关性的多风电场出力场景生成方法，其特征是，对初始出力场景进行时序重构，具体为：基于随机微分方程模拟各风电场出力的时间相关性，进而基于随机微分方程生成基准波动序列，进一步基于风电场各自的基准波动序列进行时序重构。
8.一种考虑时空相关性的多风电场出力场景生成系统，其特征是，包括：风电场出力的边缘分布计算模块，获取多风电场的原始出力数据，计算各风电场出力的边缘分布；联合分布函数建立模块，基于Copula函数和上述各自的边缘分布建立多风电场出力的联合分布函数；Copula函数公式如式(4)所示：F(x 1 ,x 2 ,…,x N )＝C(F 1 (x 1 ),F 2 (x 2 ),…,F N (x N )；θ) (4)式(4)中，F 1 (x 1 ),F 2 (x 2 ),…,F N (x N )为多元随机变量x 1 ,x 2 ,…,x N 各自的边缘分布函数；θ是Copula函数的参数，Copula函数的参数θ采用极大似然估计法求解；初始出力场景构建模块，对联合分布函数进行随机抽样，得到考虑多风电场空间相关性的初始出力场景D 1 ；多风电场出力场景构建模块，考虑多风电场原始出力样本中的时间相关性，对初始出力场景进行时序重构，进而生成考虑时空相关性的多风电场出力场景；具体为：基于随机微分方程SDE对得到的初始出力场景D 1 进行时序重构，进而生成考虑时空相关性的多风电场出力场景X 1 ；主要内容包括：基于随机微分方程SDE模拟各风电场出力的时间相关性，进而基于随机微分方程SDE生成基准波动序列，进一步基于风电场各自的基准波动序列进行时序重构；(4-1)模拟风电波动序列的SDE如式(6)—式(8)所示：dU t ＝θ u (μ u -U t )dt+σ u dW u,t (7)式(6)—式(8)中，X t 和dX t 分别为风电出力值与风电出力波动值；β是形状参数且β≥0；W x,t 和W u,t 为标准Winner过程；θ x 、l x 为大于0的常数，σ x 表示X t 的过程噪声参数；U t 为随机趋势变量，采用Ornstein-Uhlenbeck过程，μ u 决定U t 的长期趋势且μ u ≥0，θ u 表征U t 的变化速度，随着θ u 的增大，U t 向μ u 方向变化速度越来越快；Y k 表示在时刻t k 时的观测值，ε k 表示观测方程的观测误差；漂移项中的余弦项表征着风电的日内波动规律；(4-2)随机微分方程参数估计方法采用极大似然估计与扩展卡尔曼滤波相结合的方法对模拟多风电场出力波动的随机微分方程SDE模型进行参数估计；(4-2-1)该方法要求随机微分方程的扩散项独立于状态变量，即应用该方法的随机微分方程SDE应为式(9)—式(10)的形式：dX t ＝f(X t ,t)dt+g(t)dW t (9)式(9)—式(10)中，f为漂移项，g为扩散项，h为观测函数，g(t)独立于状态变量X t ，观测噪声e k 为高斯白噪声；式(9)-式(10)是随机微分方程的通用模型，下面为对该随机模型的通用参数估计的过程：(4-2-2)采用伊藤公式与层状变换可以将待估计的随机微分方程SDE转换为式(9)—式(10)的形式；其中，一维伊藤公式定义如式(11)—式(13)所示：dX t ＝f(X t ,t)dt+g(X t ,t)dW t (11)式(11)中，X t 是一种伊藤过程；令ψ(x,t)∈C 2 ([0,∞))×R，进一步，令Z t 为一种伊藤过程且Z t ＝ψ(x,t)，则式(11)中，d(X t ) 2 可由式(13)计算得出，即dt·dt＝dt·dW t ＝dW t ·dt＝0,dW t ·dW t ＝dt (13)其中层状变换的过程如式(14)—式(15)所示：式(14)—式(15)中，g x (·)表示函数g(·)关于x的偏导数；ψ t 表示ψ关于t的导数；(4-2-3)极大似然函数公式如式(16)所示：可得对数似然公式如式(17)所示：参数θ可通过求解对数似然公式求得，即(4-2-4)基于扩展卡尔曼滤波求解似然函数，进一步求解参数θ，过程如下：R k|k-1 ＝CP k|k-1 C T +S k (20)式(20)中，C是函数h的一阶展开式，即 且 P k|k-1 是当前状态变量 协方差的一步预测；式(21)中，K k 为卡尔曼增益；式(22)—式(23)表示状态更新方程；式(25)中，A表示随机微分方程的漂移项f的一阶展开式，即 且 g(t)表示随机微分方程的扩散项。
9.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行权利要求1-7任一所述的方法的步骤。
