1.一种削减多个风电场出力场景的方法，其特征在于，包括下述步骤：S1：获得多个风电场出力原始场景概率分布的相关矩阵、均值、方差、偏态和峰态；

S2：采用Cholesky分解方法和K-均值聚类方法对多风电场历史出力原始场景进行削X减；获得满足历史样本的相关矩阵为R的削减场景W；

X

S3：获得所述削减场景W对应的概率p，并使得削减后的场景的概率分布保留原始场景概率分布的均值、方差、偏态和峰态。

2.如权利要求1所述的方法，其特征在于，步骤S2具体为：（2.1）随机生成N个满足0-1正态分布、样本数目为Snum的场景序列，并形成正态样本矩阵Z；

其中， Snum为最终削减后场景的数目，

Snum的取值范围为1～S；Z1,…,Zn,…,ZN为随机生成的场景序列；znj为序列中的元素，n=1,2,…N，j=1,2,…,Snum；

（2.2）采用Cholesky分解方法将所述相关矩阵R分解为上三角矩阵和下三角矩阵的乘积；

其中， L为下三角矩阵，LT为上三角矩阵；

（2.3）将所述下三角矩阵L与正态样本矩阵Z相乘，得到相关正态矩阵其中， 中的每一行对应一个风电场出力的相关

正态样本；

（2.4）对所述相关正态矩阵的每一行元素按照从小到大进行排序，将相关正态矩阵中每个元素在该行的序位记录下来，得到对应于相关正态样本矩阵的顺序矩阵其中， 表示 在第一行中的序位，为1～N的数字；

（2.5）采用K-均值聚类方法对N个风电场出力的原始场景[W1,…,Wn,…,WN]N×S进行聚类，获得Snum类，并将Snum类中每一类的中心作为风电场出力的场景，获得N个风电场出力削减后的场景其中， 为第n个风电场出力的第k个场景；

（2.6）将N个风电场出力削减后的场景 按照相关正态矩阵的顺序矩阵 的元素进行重新调整，获得调整矩阵其中， 顺序矩阵 的任一个元素 的作用是：

指示了在调整矩阵 中的对应位置（第n行第k列）上，需要放入的元素；具体来说，（2.7）获得所述调整矩阵 的相关矩阵其中，

（2.8）获得所述调整矩阵的相关矩阵 与原始场景的相关矩阵的R之间的距离其中（2.9）判断距离 是否小于等于给定的阈值ε，若是，则当前的调整矩阵 即为X满足历史样本的相关矩阵的R的削减场景W；若否，则返回至步骤（2.1）。

3.如权利要求2所述的方法，其特征在于，确定所述矩阵 中的第n行第k列元素的规则是：将削减后的场景 的第n行中，序位排在第 位的元素作为调整矩阵 的第n行第k列元素 n=1,2,…N，k=1,2,…,Snum。

4.如权利要求2所述的方法，其特征在于，给定的阀值ε取值范围为0～1。

5.如权利要求1所述的方法，其特征在于，步骤S3具体为：（3.1）以削减后场景的统计特性和原始场景的统计特性偏差最小为目标建立目标函数其中Mnq分别为第n个风电场出力原始场景的概率分布的均值、方差、偏态、峰态；mnq为削减后的场景的概率分布的均值、方差、偏态、峰态；q=1,2,3,4，（3.2）将削减后场景的概率之和等于1，风电场出力统计特性与场景、场景的概率三者之间的关系作为约束条件；

其中，约束条件包括：

pj表示第j个场景的概率；Snum表示削减后场景的个数； 表示削减后第n个风电场的第j个场景；mnq，q=1,2,3,4为削减后的场景的概率分布的均值、方差、偏态、峰态；

（3.3）采用非线性规划方法对上述目标函数和约束条件进行求解，获得与原始风电场景统计特性最为接近的削减场景对应的概率p。

6.如权利要求1所述的方法，其特征在于，在步骤S1中，原始场景概率分布的相关矩阵其中， 为第h1个风电场出力和第h2个风电场出力之间的相关系数，h1,h2∈{1,…,H}，H表示风电场的个数； 表示第h1个风电场出力和第h2个风电场出力之间的协方差， 表示第h1个风电场出力和第h1个风电场出力之间的协方差， 表示第h2个风电场出力和第h2个风电场出力之间的协方差。

7.如权利要求1所述的方法，其特征在于，在步骤S1中，原始场景概率分布的均值其中，h∈(1,…,H)，H表示风电场的个数，whs表示第h个风电场的第s个场景，S表示原始场景的个数。

8.如权利要求7所述的方法，其特征在于，在步骤S1中，原始场景概率分布的方差Mh1为第h个风电场出力的原始场景概率分布的均值，whs表示第h个风电场的第s个场景，S表示原始场景的个数。

9.如权利要求8所述的方法，其特征在于，在步骤S1中，原始场景概率分布的偏态

10.如权利要求9所述的方法，其特征在于，在步骤S1中，原始场景概率分布的峰态