1.一种两阶段动态优化短期风电功率预测方法，其特征在于，包括以下步骤：步骤1、分别获取风电场过去一段时间的数值天气预报风速数据xP(t)、测风塔风速观测数据xOP(t)、功率数据 和未来一段时间的数值天气预报风速数据xF(t)；

步骤2、对xP(t),xOP(t),pP(t),xF(t)进行数据基本质量控制，得到基本控制后的数据步骤3、选取 作为输入值， 作为输出值，建立基于高斯回归算法的数值天气预报风速数据订正模型M1；

步骤4、选取 作为输入值，经过数值天气预报数据订正模型M1训练，得到订正后的天气预报风速数据步骤5、选取 作为输入值， 作为输出值，建立基于高斯回归算法的短期风电功率预测M2；

步骤6、选取 作为输入值，经过短期风电功率预测M2训练，得到风功率预报数据步骤7、对 进行差分延迟算子修订，得到修订后风电场风功率预报数据 实现对风电场的短期风电功率预测。

2.根据权利要求1所述两阶段动态优化短期风电功率预测方法，其特征在于：步骤1中采集的数据包括风电场过去24小时数值天气预报风速数据xP(t),t＝1,2,3,…,T；

风电场过去12小时测风塔风速观测数据xOP(t),t＝1,2,3,…,T/2；

风电场过去24小时功率数据pP(t),t＝1,2,3,…,T；

风电场未来72小时数值天气预报风速数据xF(t),t＝1,2,3,…,3T；其中T为采样时间，采样频率为15分钟一次。

3.根据权利要求1所述的两阶段动态优化短期风电功率预测方法，其特征在于：步骤5中所述基本质量控制包括界限值检查、气候极值检查、内部一致性检查、时变性检查、空间一致性检查。

4.根据权利要求1所述的两阶段动态优化短期风电功率预测方法，其特征在于：步骤6和步骤8中所述高斯回归算法数学表达式为：式中，ai,bi,ci均为待定系数，n为多项式的项数。

5.根据权利要求1所述的两阶段动态优化短期风电功率预测方法，其特征在于：步骤10中所述差分延迟算子数学表达式为：式中，t为时刻，K为差分阶数，θ1,θ2,θ3,θ4均为待定系数， 为风机的切出风速，为风机的切入风速。