1.一種光伏電站發電功率超短期預測方法，其特征在于，包括如下步驟：

步驟1：獲取光伏電站的歷史實測功率數據和短期預測功率數據；

步驟2：對所述光伏電站的歷史實測功率數據和短期預測功率數據進行剔除無效數據的預處理；

步驟3：根據預處理后的光伏電站的歷史實測功率數據和短期預測功率數據，利用基于預測時間長度的光伏電站發電功率超短期預測模型得到不同的預測時間長度對應的光伏電站的超短期預測功率，預測時間長度為ρ，ρ≥4小時；

步驟4：根據所獲得的光伏電站的超短期預測功率確定光伏電站發電功率超短期預測模型的最佳預測時間長度；

步驟5：采用基于最佳預測時間長度的光伏電站發電功率超短期預測模型進行光伏電站的超短期功率預測；

步驟1具體包括如下步驟：

步驟1.1：從發報時刻t_i開始向前依次獲取光伏電站t_i-1T、t_i-2T、…、t_i-mT時刻對應的實測功率數據F₁、F₂、…、F_m，記歷史實測功率數據集合F_s＝{F₁,F₂,…,F_m}；

步驟1.2：從發報時刻t_i開始向前依次獲取光伏電站t_i-1T、t_i-2T、…、t_i-mT時刻對應的短期預測功率數據P₁、P₂、…、P_m，記過去時刻短期預測功率數據集合P_s＝{P₁,P₂,…,P_m}；

步驟1.3：從發報時刻t_i開始向后依次獲取光伏電站t_i+1T、t_i+2T、…、t_i+kT時刻對應的短期預測功率數據P₁₊、P₂₊、…、P_k+，記未來時刻短期預測功率數據集合P_j+＝{P₁₊,P₂₊,…,P_k+}；

其中，i、m、k均為正整數，T為時間分辨率，k≥4*60/T；

步驟2具體包括如下步驟：

步驟2.1：對歷史實測功率數據集合F_s按以下算法進行數據預處理：

(1)若光伏電站某一時刻的實測功率數據F_s超過光伏電站的裝機容量Cap，則令某一時刻的實測功率數據F_s＝Cap；其中，s∈[1,m]，Cap為光伏電站裝機容量；

(2)若光伏電站某一時刻的實測功率數據F_s為負數且大于一個設定的負數γ，則令某一時刻的實測功率數據F_s＝0；

(3)若光伏電站某一時刻的實測功率數據F_s小于γ，則認為該時刻的實測功率數據無效，置該時刻的實測功率數據為無效標志數據；

經步驟2.1處理后得到新的集合F′_s＝{F′₁,F′₂,…,F′_m}；

步驟2.2：對過去時刻短期預測功率數據集合P_s按以下算法進行數據預處理：

(1)若光伏電站某一時刻的短期預測功率數據P_s超過光伏電站的裝機容量Cap，則令某一時刻的短期預測功率數據P_s＝Cap；

(2)若光伏電站某一時刻的短期預測功率數據為負數，則認為光伏電站該時刻的短期預測功率數據無效，置該時刻的短期預測功率數據為無效標志數據；

經步驟2.2處理后得到新的集合P′_s＝{P′₁,P′₂,…,P′_m}；

步驟2.3：對未來時刻短期預測功率數據集合P_j+按以下算法進行數據預處理：

(1)若光伏電站某一時刻的短期預測功率數據超過光伏電站的裝機容量Cap，則令某一時刻的短期預測功率數據P_j+＝Cap，其中，j∈[1,k]；

(2)若光伏電站某一時刻的短期預測功率數據為負數，則令光伏電站該時刻的短期預測功率數據等于前一時刻的短期預測功率數據，即令某一時刻的短期預測功率數據P_j+＝P_(j-1)+；

經步驟2.3處理后得到新的集合P′_J+＝{P′₁₊,P′₂₊,…,P′_k+}；

步驟3具體包括如下步驟：

步驟3.1：從F′_s和P′_s集合中選取離發報時刻t_i最近的同一時刻數據均有效的實測功率數據和短期預測功率數據，作為計算預報時刻超短期預測功率的基準時刻t_b數據，得到發報時刻t_i所選取的基準時刻光伏電站的實測功率與短期預測功率的差值δ(t_i)；

步驟3.2：設預測時間長度為ρ，ρ≥4，則預報時刻t_j的權重系數采用下述公式計算：

λij=ρ60T-tj-tbTρ60T=1-tj-tb60ρ]]>

其中，為相對于發報時刻t_i的第j個預報時刻t_j的權重系數，j為正整數，j∈[i+1,i+k]；

步驟3.3：基于預測時間長度ρ建立預報時刻t_j的光伏電站發電功率超短期預測模型為：

Uij=PJ+′-λijδ(ti)]]>

式中，為光伏電站相對于發報時刻t_i的第j個預報時刻的超短期預測功率；

步驟3.4：采用基于預測時間長度的光伏電站發電功率超短期預測模型得到每一種預測時間長度的超短期ρ*60/T個點的預測功率；

步驟4具體包括如下步驟：

步驟4.1：針對每一種預測時間長度，分別計算一段評估時間內其光伏電站發電功率超短期預測每個點的均方根誤差；

步驟4.2：分別對每一種預測時間長度的光伏電站發電功率超短期預測前4個小時共4*60/T個點的均方根誤差累加求和；

步驟4.3：選擇均方根誤差之和最小時對應的預測時間長度為最佳預測時間長度。