1.一种新型风电功率预测方法，其特征在于，包括如下步骤：

1)依据实地风速测量，获取一个月内每天的风速-功率数据，组成风速-功率样本；

2)根据此风速-功率样本，建立基于P-Q分段云的风速-功率映射关系；

3)根据风速vt和vt+1的大小，分别判断其所属P-Q分段云的区段(i,j)，构建相应功率正态云，求取对应两段风速-功率正态状态转移核；

4)采用拒绝抽样法生成风速vt+1下的功率输出预测值

5)将产生的 作为已知状态，重复步骤2)至步骤3)得到 并以此类推，进行多点预测；

6)根据式Fi(p)＝F-1(Finew(p))对预测数据进行正态反变换，得到的数据序列即为原始功率序列，实现风功率预测。

2.根据权利要求1所述的一种新型风电功率预测方法，其特征在于，所述步骤2的建立基于P-Q分段云的风速-功率映射关系采用如下方法：

1)取出此地一个月内的风速-功率样本；

2)建立P-Q分段法；

3)采用P-Q分段法将此样本数据划分为10个区段，每个区段具有相似的概率及不确定性质；

4)建立样本云模型；

5)对任意区段数据进行正态变换，具体步骤为：①首先通过拟合的方法得到原始功率数据序列Pvt的累积概率分布函数F(·)②利用CDF技术对该原始数据 进行变换，得到服从[0,1]分布的均匀序列Ut③利用样本云模型对原始序列Ut进行正态变换，得到服从标准正态分布的功率过程序列

6)采用逆向云发生器对经过步骤2和步骤3处理过的每个区段样本求取样本云模型期望Exi、熵Eni以及超熵Hei指标；

7)采用正向云发生器根据步骤4产生的样本云模型参数生成新的样本数据，得到各区段风速-功率映射关系。

3.根据权利要求2所述的一种新型风电功率预测方法，其特征在于，所述步骤2的建立P-Q分段法包括如下步骤：

1)设一个月内风功率输出曲线上的相邻4点为(O,P,Q,R)，曲线凹凸性质取决于不共性的矢量叉积的正负；

2)对4个有序点(O,P,Q,R)形成3个有序矢量，分别为 对其进行叉积计算，即：

3)当两个相邻矢量叉积符号为负时，两个矢量区段间存在凹凸性质转变的拐点，该拐点即为P-Q连线与曲线的交点，即曲线P-Q分段节点；

4)实现区段的P-Q分段。

4.根据权利要求2所述的一种新型风电功率预测方法，其特征在于，所述步骤4中建立样本云模型包括如下步骤：

1)设U为论域，并且C是U上的定性概念；

2)设x∈U是定性概念C的一次随机实现，且具有稳定倾向的数值μ，则可以得到样本云模型的数学表达式：μ:U→[0,1]，∨x∈U,x→μ(x)式中：x在论域U上的分布称为云，(x，μ)为分布云的云滴；

3)通过逆向云发生器获得样本云模型用期望Ex、熵En及超熵He等3个数字特征描述数据。

5.根据权利要求1所述的一种新型风电功率预测方法，其特征在于，所述步骤3的求取对应两段风速-功率正态状态转移核的方法包括如下步骤：

1)设一阶连续马尔科夫链模型为：

式中：v(t)为关于时刻t的风速序列函数； 为CSMC过程的一步状态转移核，表示在已知前k个时刻风速对应输出功率的前提下，下一时刻风速v(k+1)对应输出功率的概率分布函数。

2)采用拒绝抽样法得到下一时刻风速下风电场有功功率输出数值，着重求取样本云模型的状态转移核；

经过处理后的 和 服从正态云分布，记为：

式中： 和 分别服从正态分布，记作：

3)相邻时刻风速下风电场的功率输出均服从正态分布，它们可以构成的二维随机向量可近似认为服从二元正态分布，其联合概率密度函数为 则风速-功率状态转移核为：式中：H(·)是随机过程中相邻时刻风速下功率输出的二维联合概率分布；F(·)为风电场在风速vt下功率输出 的边缘分布。

6.一种新型风电功率预测装置，其特征在于，包括：测量模块、依次与测量模块连接的P-Q分段模块、正态变换模块、风速-功率映射关系模块、正态状态转移核模块、拒绝抽样模块、正态反变换模块和显示模块；

所述测量模块，用于获取一个月内的风速-功率数据样本；

所述P-Q分段模块，用于利用P-Q分段法将样本数据划分为10个区段；

所述正态变换模块，用于将10个样本区段进行正态变换；

所述风速-功率映射关系模块，用于生成风速-功率映射关系；

所述正态状态转移核模块，用于求取风速-功率正态转移核；

所述拒绝抽样模块，用于生成不同风速下的功率输出预测值；

所述正态反变换模块，用于对预测数据进行正态反变换，得到原始功率序列；

所述显示模块，用于显示原始功率序列，实现风功率预测。