1.一种风电功率区间预测的方法，其特征在于，包括下述步骤：(1)从历史的风电功率观测样本数据中，提取N个连续T时段的风电功率序列样本，并构成第一矩阵 其中，wn,t为第n个样本在第t时段的风电功率，n＝1，…，N，N为样本的总数，t＝1，…，T，T为时段的总数；

(2)将所述第一矩阵W中的风电功率样本和已知的前T-1个时段的风电功率映射到[0，1]区间，具体步骤如下：

(2.1)对第一矩阵W中的每一列样本按照从小到大的顺序进行排序，排序后形成第二矩阵 w(n),t为排在第(n)位的风电功率值，(n)表示序位，(n)＝1，…，N

(2.2)根据映射规则将所述第一矩阵W中的样本映射到[0，1]后获得第一样本其中，所述映射规则为 Ft(xwt)表示第t时段的映射函数，xwt表示第t时段待转换的样本；Ft(xwt)的取值在[0，1]之间；i为历史样本w(1),t，……，w(N),t中小于xwt的样本的个数；

(2.3)根据所述映射规则将前T-1个时段的风电功率 进行转换后获得待预测的样本

(3)构建条件联合分布函数，具体步骤如下：

(3.1)将区间[0，1]等分为K个子区间S1,…,Sk,…,SK；其中第一个个子区间S1＝[0,1/K]，……，第k个子区间Sk＝[(k-1)/K,k/K]；k为子区间的序号；k＝1,2，……K；

(3.2)在所述第一样本F1，…，FT中查找前T-1个元素与待预测的样本对应落在相同子区间的第二样本，并将所述第二样本构成集合J；

(3.3)根据分类规则将集合J中的样本分成S类，并获得一个离散的条件联合分布函数(pm)；

其中，

所述分类规则为将集合J中第T个元素所在的子区间相同的样本归为一类；m表示类别；

第m类中有Nm个样本， 表示条件联合分布函数的第m类第二样本的取值，其数值等于第m类m所有样本第T个时段取值的均值； 表示第m类中第j个样本第T时段的取值；p表示第m类第二样本 的概率；

(4)根据已知的前T-1个时段的风电功率 对满足给定置信度水平β下第T时段的风电功率所在区间 进行预测；具体步骤如下：(4.1)按照第二样本所有类别的概率从大到小对所述条件联合分布函数( pm)进行排序，获得次序调制后的条件联合分布函数( p(m))；

(4.2)从m＝1开始，对排序后的所述第m类第二样本的概率p(m)进行累加，直至累加之和大于或等于给定的置信度水平β时，获得对应的前q类第二样本其中，q为累加结束时的个数，

(4.3)将区间[0，1]平均分为K等份，每1份称为1个子区间，分别记为S1,…,Sk,…,SK；基于此，寻找待预测的风电功率所在的区间为

待预测风电功率所在区间的上界，为待预测风电功率所在子区间的下界，为第(1)类第二样本所在子区间的上界， 为第(1)类第二样本所在子区间的下界，为第(2)类第二样本所在子区间的上界， 为第(2)类第二样本所在子区间的下界， 为第(q)类第二样本所在子区间的上界， 为第(q)类第二样本所在子区间的下界；

(4.4)根据所述映射规则的逆规则，将落在区间 内的待预测的风电区间转换为所需的实际风电功率区间

2.如权利要求1所述的方法，其特征在于，在步骤(3.2)中，当第1个元素与 落在相同的子区间，…，第t个元素与 落在相同的子区间，…，第T-1个元素与 落在相同的子区间时，获得满足条件 的第二样本。

3.如权利要求1所述的方法，其特征在于，所述置信度水平β的取值范围为0.9≤β≤1。

4.如权利要求1所述的方法，其特征在于，步骤(4.4)中所述映射规则的逆规则具体为：将 乘以样本总数N，并取整数，记为 将 乘以样本总数N，并取整数，记为 令第二矩阵的第T列样本w(1),T，…，w(N),T中序号等于 的样本 等于 令第二矩阵的第T列样本w(1),T，…，w(N),T中序号等于 的样本 等于