1.一种考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，包括的步骤有：
1)构建跨时空不同清洁电源典型出力特征数据库；
2)建立基于数据发掘技术的负荷预测模型，并考虑多元影响因素预测未来不同地区负荷特性；
3)考虑不同地区自然条件、地区差异、用能结构差异等多外部影响因素，构建基于电力大数据的统计特征的跨区域源荷时空互补特性评估体系。
2.根据权利要求1所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，所述步骤1)中构建跨时空不同清洁电源典型出力特征数据库，包括的步骤有：
(Ι)选取典型国家或地区，针对太阳能、风能、水能清洁能源，收集整理不同地区风电、太阳能发电、水电清洁能源发电的资源特性，甄别和筛选刻画清洁能源分布特征的属性集合；
(Ⅱ)根据相关能源资源的自然特性和变化规律，结合各类发电机组模型，模拟小时/季节/年多时间尺度的不同清洁电源发电出力特性；
(Ⅲ)按照不同区域，即国家/区域/大洲的能源资源特点和历史数据，拟合未来该国家或地区或大洲的清洁能源发电典型出力曲线及特性。
3.根据权利要求1或2所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，所述步骤1)的(Ι)中，需要在全球范围内，根据风光清洁能源资源分布总体情况，挑选典型的适合大规模开发利用的国家或地区或大洲，统计该国家或地区或大洲的风速、光照强度资源量，明确资源潜力和技术可开发量。
4.根据权利要求1或2所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，所述步骤1)的(Ⅱ)中，通过风电机组输出功率模型、风电场/群输出功率模型、光伏阵列输出功率模型分别将风能和太阳能资源特性转化为风电和太阳能发电出力特性，所述模型的计算式为式(1)-式(5)：
①风电机组输出功率模型
对于风电机组，含异步发电机、双馈感应电机和同步感应电机，风电机组出力与风速之间的函数关系，其中，Pr为风力发电机组的额定功率，Vci为切入风速，Vr为额定风速，Vco为切出风速，
风电机组输出功率PW与风速v之间的函数关系为式(1)：
A、B、C为风电机组功率特性曲线参数，不同风电机组会稍有不同，表达式为式(2)：
②风电场/群输出功率模型
风电场由并联安装在同一地点的几十台甚至上百台风电机组组成，由于尾流的影响，坐落在下风向的风电机组的风速将低于坐落在上风向的风电机组的风速，称之为尾流效应，在确定风电场输出功率时必须考虑尾流效应，常见的尾流效应模型有Jensen模型和Lissaman模型，处于平坦地形的风电机组可用Jensen模型分析，处于复杂地形的风电机组可用Lissaman模型模拟，对于规划阶段的风电场，假设同一风电场内所有风电机组的风速和风向相同，用所有风电机组总输出功率之和乘以一个表示尾流效应的系数即为该风电场的输出功率，
风电场的运行经验表明，可通过合理布局来减少尾流效应损失，尾流造成损失的典型值是10％，现将风电机组的总输出功率乘以典型系数值0.9来表示风电场的实际输出功率；
③光伏阵列输出功率模型
光伏阵列的输出功率取决于太阳辐射强度、阵列面积和光电转化效率，对于一个具有M个电池组件的光伏阵列，每个组件的面积和光电转换效率分别为Am和ηm(m＝1，2，…，M)，则光伏阵列的输出功率为式(3)-式(5)：
Psolar＝IAη  (3)
式中，A和η分别为电池阵列的总面积和等效光电转换效率。
5.根据权利要求1或2所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，所述步骤1)(Ⅲ)中，通过不同国家、地区或大洲的新能源历史统计数据和特性，基于MCMC模型反演模拟未来的不同地区新能源出力特性，所述模型具体构建方法为：
①定义随机变量状态
实际风电场中风速的取值范围较广，从0m/s到30m/s不等，极端情况下甚至超过40m/s，用MCMC方法建立风速时间序列模型时，首先应根据风速分布范围选取合适的状态数N，根据各时间点风速的大小将其划归至不同的状态，把原始风速数据转换成离散状态点，随机变量的状态定义采取等分取值范围的方法，亦可采取k-means方法进行聚类得到；
②构造状态转移矩阵
风电场风速可划分为不同的状态，风速状态转移特性描述的就是风速在不同时间尺度下，在不同状态之间转移的概率特性,为了量化这种特性，引入状态转移矩阵的概念,状态转移矩阵P为一个N×N的矩阵，其中，N是对风速取值范围所划分的状态数,P中每个元素pij的值代表的是风速当前时刻为状态i，在下一时刻转移到状态j的概率,即
pij＝P(Xt＝j|Xt-1＝i)  (6)
对应于一步状态转移矩阵，定义多步状态转移矩阵为：
即包含当前时刻状态在n个单位时间之后转移到其它各个状态概率值的矩阵,
式(6)和式(7)定义的状态转移矩阵均为一阶阵，即认为下一时刻的风速值只与当前时刻的风速有关，而与之前的一系列风速没有关系,
当获得了一定长度的风速时间序列之后，采取(a)-(e)步骤生成风电场风速状态转移概率矩阵：
(a)将风电场的风速取值范围等分成N份，每一份对应一个状态，其中，N为状态数；
(b)建立N×N的零矩阵S，用以统计各状态之间转移的次数；
(c)假设风电场风速实测序列的第一个值对应状态m，下一个时刻值对应状态n，则矩阵S的对应元素加1；
(d)将步骤(c)应用于序列中所有其余相邻的风速值，得到的S中包含了所有对应的状态转移次数；
(e)为得到状态转移矩阵P，将S中的每个元素除以所在行的元素之和，即
由此，得到了风电场风速一步状态转移概率矩阵P。若希望得到多步状态转移矩阵，只要将步骤(c)中的下一时刻值改为下k个时刻值即可；
③构造累积概率转移矩阵
在前文状态转移矩阵P的基础之上，累积概率转移矩阵的构造方法为式(9)：
式中，如果P的维数为N×N，则的维数为N×(N+1)，累计概率转移矩阵的第一列均为零，从第二列开始，每个元素m行n列的取值为矩阵P中对应的第m行、列号小于n的元素之和；
④生成随机状态序列
利用累计概率转移矩阵与蒙特卡罗方法生成随机状态序列的步骤为(f)-(i)：
(f)设当前风速处于状态m；
(g)生成一个(0,1)区间上的均匀分布随机数u；
(h)将u与第m行元素,元素行号为当前风速所处状态号进行比较，如果满足关系式，则下一个状态取为n；
(i)如果生成的随机状态序列已经满足长度要求，则停止；反之，当前状态变为n，返回步骤(g)继续；
⑤构造风电场风速时间序列
将生成的时间序列是一系列离散的状态编号，需要采取一定的方法将其转换为风电场风速时间序列，
X＝Xn,min+u(Xn,max-Xn,min)  (10)
式中，状态n为对应的风速，X为该时刻的模拟风速，Xn,max、Xn,min分别是状态n所覆盖风速区间的上限和下限。
6.根据权利要求1所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，所述步骤2)中考虑多元影响因素预测未来不同地区负荷特性，建立基于数据发掘技术的负荷预测模型，并考虑多元影响因素预测未来不同地区负荷特性，包括以下步骤：
(Ⅳ)选取典型国家或地区，收集整理包括当地人口、经济发展、产业结构、通电比例、人均用电量等基础数据，并基于数据挖掘技术对负荷预测关键因素进行筛选；
(Ⅴ)从经济社会因素、能源政策、能源技术发展的维度构建不同预测情景，建立包含多种单一预测模型的综合预测库，针对不同的预测场景采用与之相匹配的模型进行负荷特性预测，得到未来不同水平年包括用电量、最大负荷、峰谷差的负荷特性。
7.根据权利要求1或6所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，所述步骤2)的(Ⅳ)中，数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，可以从数据中自动地抽取模式、关联、变化、异常和有意义的结构，其价值在于利用数据挖掘技术改善预测模型，
基于数据挖掘技术对负荷预测关键因素进行筛选主要包括备选指标库建立、指标数据清洗、平稳性校验、对备选指标进行检验分类、协整关系检验、格兰杰因果关系检验过程为：
①平稳性检验
对各时间序列进行平稳性检验是分析时间序列之间是否存在稳定关系的基础，平稳时间序列是指具有稳定的统计规律的时间序列，即时间序列的期望值和方差不随时间变化，序列数据在期望值附近波动，在反映解释时间序列和被解释时间序列关系时，非平稳时间序列会导致虚假回归，即“伪回归”，伪回归表示解释变量与被解释变量具有较好的数学拟合特性，但是它们之间不存在长期稳定的均衡关系，当用伪回归解释变量对被解释变量进行建模预测时，预测值与实际值通常存在较大的偏差，
采用ADF检验法(Augmented Dickey-Fuller Test)的单位根检验法，即通过判断待检验时间序列是否存在单位根来判断时间序列的平稳性，算法为式(11)-式(15)：
通过回归方程对待检验时间序列进行拟合:
t＝(ρ′-1)/se(ρ′)  (14)
式中，β、ηt分别表示待检验时间序列中的截距与趋势项，回归方程式(11)-式(13)的选择可根据待检验时间序列中截距项与趋势项的有无来选择；回归方程中l表示滞后阶数，l值通常由AIC最小准则确定，εt为残差项，在回归方程中加入滞后项 能够确保εt为白噪声，在T统计量计算么式中，ρ'表示ρ的最小二乘估计，se(ρ′)表示ρ′无偏佑计，假设H0表示原时间序列为非平稳时间序列，备择假设H1表示时间序列为平稳时间序列，根据计算的T统计量值，若假设H0成立，则原时间序列为非平稳时间序列，反之，拒绝原假设，即时间序列为平稳时间序列。
对指标库中的指标进行平稳性检验后发现，电力市场需求指标为一阶非平稳时间序列，计量经济学模型中，对于非平稳时间序列之间的关系判定，可通过协整检验来验证指标间是否存在长期稳定的关系，检验的前提是各时间序列必须是同阶不稳定的时间序列，因此，对指标数据库中的指标时间序列进行平稳性检验后，剔除与电力需求不为同阶非平稳的时间序列，与电力需求同阶非平稳的时间序列将进行协整性检验，通过协整性检验的时间序列则证明与电力需求存在长期稳定的关系；
②协整检验
协整埋论认为，几个非平稳的时间序列之间可以存在长期稳定的关系，前提是这几个非平稳时间序列属于同阶不稳定的时间序列，条件是当且仅当这几个同阶非平稳时间序列的线性组合是平稳时间序列，例如时间序列xt与yt，均属于n阶非平稳的时间序列，且这两个时间序列的线性组合α1xt+α2yt是n-m阶单整的，则认为时间序列xt与yt存在长期稳定的关系；
通过时间序列的平稳性检验，筛选出了与电力需求属于同阶单整的非平稳时间序列，与电力需求属于同阶单整的非平稳时间序列是否与电力需求存在长期稳定的关系可通过协整理论来进行检验；
③格兰杰因果关系检验
时间序列之间波动先后顺序称为时间序列之间的因果关系，采用格兰杰因果关系检验，时间序列xt，yt间波动先后顺序表现为时间序列xt，对时间序列yt的预测有帮助，并且两个时间序列存在较强的相关关系，格兰杰因果检验的原理为：通过对回归分析作假设检验，检验时间序列xt的过去值对时间序列yt现在的值能做多大程度的解释，格兰杰检验计算过程为：
(j)对时间变量yt建立VAR(l)模型，计算残差平方和RSSR
(k)在VAR模型中加入xt滞后项xt-j如下式所示，并计算RSSUR
(l)假设：H0:b1＝b2＝...＝bq＝0，即xt的滞后项不属于yt的回归中
(m)计算F检验统计量
(n)将F值与α显著水平上的临界值Fα比较，若F＞Fα，拒绝假设H0，
在F检验公式中，n表示待检验样本的维度，q表示时间序列xt的滞后项数，k表示待估计参数的个数，n、q和k三者服从自由度是q和(n-k)的F分布，拒绝H0表示，滞后项xt属于原回归方程，加入滞后项xt可改善时间序列xt的预测效果，即时间序列xt的波动要先于时间序列yt的波动，若要检验时间序列yt的波动是否先于时间序列xt，只需将上述算法中xt，yt的位置互换，重复上述算法即可。
8.根据权利要求1或6所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，所述步骤2)的(Ⅴ)中，构建不同预测情景主要考虑三方面因素；
(o)经济社会因素，包括政治稳定性、GDP增长、人口增长；
(p)能源政策因素，包括电能替代政策，农村电气化、交通电气化、电加热设备利用的补贴推广力度、能效提升政策；
(q)能源技术发展因素，包括电能替代技术、需求侧管理技术、能效提升技术。
9.根据权利要求1或6或8所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，所述步骤2)的(Ⅴ)中，综合预测指针对不同的预测场景采用与之相匹配的多种单一预测模型总和，包括产品单耗法、产值单耗法、时间序列法，具体为：
①产品单耗法预测过程为：
(ⅰ)根据国家统计局或行业协会公布的主要产品产量及单位产品电耗的历史数据测算主要产品用电量的历史数据；
(ⅱ)根据国家统计局或行业协会公布的主要产品产量及单位产品电耗的历史数据预测未来各年的主要产品产量、单位产品电耗以及主要产品用电量；
(ⅲ)将步骤(ⅰ)所测算的主要产品用电量数据与中电联公布的主要产品用电量数据进行对比，测算二者的偏差；
(ⅳ)根据步骤(ⅲ)所测算的偏差预测未来各年的偏差；
(ⅴ)根据步骤(ⅱ)所预测的主要产品用电量与步骤(ⅳ)所预测的偏差数据，预测未来各年与中电联统计口径一致的主要产品用电量数据；
(ⅵ)根据中电联公布的主要产品用电量、行业用电量数据测算主要产品用电量占行业用电量的比重的历史数据；
(ⅶ)根据步骤(ⅵ)所测算的比重历史数据预测未来各年主要产品用电量占行业用电量的比重；
(ⅷ)根据步骤(ⅴ)所预测的主要产品用电量与步骤(ⅶ)所预测的比重，预测未来各年行业用电量；
(ⅸ)根据行业增加值、行业用电量的历史数据预测未来各年行业增加值、行业用电量，并将该结果与步骤(ⅷ)所预测的结果进行相互校核；
(ⅹ)根据步骤(ⅷ)所预测的行业用电量与步骤(ⅸ)所预测的行业增加值，预测未来各年行业单位增加值电耗；uvwxyz
②产品单耗法预测过程为：
(r)根据行业增加值、行业用电量的历史数据测算单位增加值电耗的历史数据；
(s)根据行业增加值以及单位增加值电耗历史数据预测未来各年行业增加值、单位增加值电耗；
(t)根据未来各年行业增加值、单位增加值电耗，预测未来各年的行业用电量；
③时间序列法用于预测居民生活用电量，根据人均生活用电量增长趋势，结合人口的变化，即可预测生活用电量。
10.根据权利要求1所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，所述步骤3)中，源荷跨时空互补分析模型主要针对可再生能源发电和负荷两侧通过广域跨时空互补效应平滑其波动性，减少系统两侧随机性，从而提高系统安全稳定运行效率和电力投资效益。构建基于电力大数据的统计特征的跨区域源荷时空互补特性评估体系，包括步骤(Ⅵ)-(Ⅸ)：
(Ⅵ)将步骤1)与步骤2)中不同地区的发电特性和负荷特性进行梳理，考虑包括不同地区自然条件、地区差异的用能结构差异外部影响因素，在分类、评估、预测、相关性分析、聚类的基础上，从源网荷协调特征和区域互补进行时空互补效益评估；
(Ⅶ)电源互补特性评估，靠要考虑出力波动性、发电利用小时数、可再生能源渗透率、可再生能源出力保证率等维度的评估分析；
(Ⅷ)负荷互补特性评估，靠要考虑负荷波动性、峰谷特性、季互补特性、年互补特性维度的评估分析；
(Ⅸ)源荷互补特性评估，靠要考虑可再生能源占比、系统调峰能力、互补规模维度的评估分析。
11.根据权利要求1或10所述的考虑系统双侧随机性的源荷跨时空互补效益评价方法，其特征是，(Ⅵ)中，自然条件主要包括气候和地形地貌等因素对可再生能源发电出力的影响；用能结构差异主要包括产业结构、用电方式等因素对电力需求和负荷特性的影响；地区差异主要包括可再生能源发电并网条件、发电技术，以及需求响应、电能替代用电技术成熟度对电源、负荷两侧的特性影响；
考虑所统计、计算的数据包括大量的因果关系数据、高维的时空数据，广域的监测控制，快速的时间响应及实时控制数据，除了电力系统的状态外，还需要获取并分析相关领域的数据，并处理部分数据缺失时的不确定性，因此采用电力大数据理论，将源荷基础数据通过大数据采集技术汇总到云端，由大数据可视化技术、大数据分析及战线技术分析计算各个方案的互补指标，与多能流互补控制技术相结合，实现能源资源的实时优化与合理配置；
所述步骤(Ⅶ)-(Ⅷ)中的各项互补指标，主要是描述两个或多个事物之间关联程度的一类指标，通常两个或多个事物通过某种联系互相补充，以提高整体功效，则称其有互补性，所述互补性，主要指风、光可再生能源发电功率，以及不同地区电力负荷之间在时域和空间上的互补性；
传统意义上的时空互补，在时间上主要指某时间段内、分布于同一地区的两种或两种以上的可再生能源的可利用性不同；空间上的互补性主要指在同一时刻、不同地点的一种或多种能源资源所具有的互补性，跨时空互补是在传统时空互补的基础上，在地域空间和时间尺度上进行延伸，突破国界和时区限制符合全球能源互联网背景下的全球发电资源与负荷的时空互补特性；
广域范围内可再生能源本身具有良好的时空互补性，如果充分利用好这种互补性，则可以有效地缓解风电的间歇性和不稳定性对电网造成的负面影响，对于太阳能只能在白天利用，但通过跨州联网，可以利用中国与欧洲之间8个小时的时差延长太阳能资源的使用时间，同时可以平抑两地区的负荷波动，从而降低源荷两侧的随机性，提高系统运行效益，具体互补评价方法是用相关系数衡量，相关系数是用来度量两个随机变量之间的关联程度的量，关联程度越弱则其值越小，意味着互补性越强，其计算公式为：
式中：RXY为相关系数；Xt、Yt分别为两个在时间尺度间隔i下的时间序列；X0、Y0分别为序列Xt、Yt的平均值，
对某时间序列的相邻时间间隔的差ΔP(t)进行分析能更详细地了解此时间序列的波动情况，计算公式为：
ΔP(t)＝P(t)-P(t-1)  (20)
式中P(t)为时间尺度t下的输出功率或负荷，
平滑效应系数S：基于发电功率序列的标准差，用装机容量归一化定义平滑效应系数S，式中下标“single”和“cluster”对应单场和集群的情况，该指标用于量化集群风场相对于单场对风光波动的平滑程度；
所述步骤(Ⅶ)中，源源互补：主要针对不同地区的太阳能、风能、水能可再生能源，根据相关能源资源的自然特性和变化规律，模拟不同时间尺度，小时、季节、年的资源开发特性，选取典型能源发电形式，建立涵盖不同时间尺度，小时、季节、年的可再生能源发电特性；考虑不同地区气候条件、地形地貌、并网条件、技术成熟度等外部因素，基于电力大数据的统计特征模拟未来不同类型能源出力曲线；重点从出力波动性、发电利用小时数、可再生能源渗透率、保证率等方面其互补特性；
所述步骤(Ⅷ)中，荷荷互补：主要针对不同地区的人口、GDP水平、产业结构、通电比例、人均用电量因素，对该地区未来用电量和最大负荷进行预测；另外，根据当地历史用电负荷曲线，结合其产业结构和用电方式的变化，基于电力大数据的统计特征对未来的电力负荷曲线进行模拟，掌握其不同时间尺度，年、季、月、日的最大、最小负荷及峰谷差信息；最后重点从负荷波动性、峰谷特性、季节互补和年度互补方面进行综合分析；
所述步骤(Ⅸ)中，源荷互补：在源源互补、荷荷互补分析的基础上，统筹考虑可再生能源并网与本地源网荷的相互影响机理，分析对比不同区域能源间的源荷协调特征表现，运用电力大数据相关理论对区域间源荷互补在提高可再生能源渗透率、降低峰谷差方面的表现进行综合互补评价。