1.一种风功率预测方法，其特征在于，所述风功率预测方法包括如下步骤：
步骤1、根据风电场的实时风速、实时风向、实时大气湿度，获取风场中任一风机任一时刻t的实时风功率 其中，实时风功率 为实数，t为自然数；
步骤2、根据风场的实时风速、实时风向、实时大气湿度，采用神经元网络模型进行风功率预测，获得风场中任一风机任一时刻t的预测风功率 其中，预测风功率 为实数；
步骤3、选定当前时刻m：将当前时刻m之前时长L内各历史时刻对应的实时风功率
预测风功率 进行比较，获得历史时段风功率实时误差Eh＝[em，em‑1，…，em‑i，…，em‑L]；其中，当前时刻m之前时长L内任一时刻历史风功率实时误差 m、i、L均
为自然数，且0≤i≤L；em、em‑1、…，em‑i、…、em‑L均为实数；
步骤4、统计历史时段风功率实时误差Eh的分布特性，得到历史时段风功率实时误差Eh服从统计均值为μe、统计方差为σe的正态分布，以及历史时段风功率实时误差Eh的统计直方图；
步骤5、获取当前时刻m之后时长S内的后向时段风功率实时误差Ep＝[em+1，…，em+j，…，em+S]；其中，当前时刻m之后时长S内任一时刻后向风功率实时误差 j、S均
为自然数，且1≤j≤S；em+1、…、em+j、…、em+S均为实数；
步骤6、根据步骤4所确定的历史时段风功率实时误差Eh服从统计均值为μe、统计方差为σe的正态分布，确定后向时段风功率实时误差Ep也服从统计均值为μe、统计方差为σe的正态分布；
步骤7、按照步骤6确定的后向时段风功率实时误差Ep的分布特性，根据后向时段风功率实时误差Ep，建立贝叶斯常均值动态预测模型进行误差预测，得到当前时刻风功率预测误差
步骤8、将步骤7得到当前时刻风功率预测误差 补偿给步骤2得到的当前时刻预测风功率 得到任一风机当前时刻补偿风功率：
步骤7中，所述贝叶斯常均值动态预测模型，具体如下：
观测方程为：
状态方程为：Ep＝Ep‑1+Wm
其中，观测误差Vm＝[vm，vm+1，…，vm+j，…，vm+S]、状态误差Wm＝[wm，wm+1，…，wm+j，…，wm+S]均为统计均值为0、统计方差为σe的正态分布；
所述后向时段风功率实时误差Ep在当前时刻m的均值 所述后向时段风功率实时误
差Ep在下一时刻m+1的均值 所述后向时段风功率实时误差Ep在当前时刻m的方差
所述后向时段风功率实时误差Ep在下一时刻m+1的方差 当前时刻m的观测误差
vm、当前时刻m的状态误差wm、下一时刻m+1的观测误差vm+1、下一时刻m+1状态误差wm+1之间的关系如下：
2.根据权利要求1所述的一种风功率预测方法，其特征在于，步骤4中，所述统计均值μe＝19.2，所述统计方差σe＝32。
3.根据权利要求1所述的一种风功率预测方法，其特征在于，步骤1中，所述实时风向包括：实时风向正弦值、实时风向余弦值。