1.一种基于时空相关的风电场预测模型构建方法，其特征在于，包括：
获取风电场多风机风速系统时/空相依性的结构模型；
建立包含时/空特征参量与当前风机运行状态监测相结合的多风机风速回归预测模型；
根据该时空相依性结构模型及该回归预测模型，生成风电场多风机风速概率性预测模型。
2.如权利要求1所述基于时空相关的风电场预测模型构建方法，其特征在于，还包括：
针对不同风电场多风机风速的数据，采用聚类方法，对不同风电场风速时间尺度分别进行划分；
根据划分的结果，利用上述已建立的具有时/空相依结构的风电场多风机风速概率性预测模型，获得不同时间尺度上的风电场多风机风速概率性预测方法；
利用多个风电场的数据对不同时间尺度上的风电场多风机风速概率性预测方法进行验证。
3.如权利要求1所述基于时空相关的风电场预测模型构建方法，其特征在于，
获取风电场多风机风速系统时/空相依性的结构模型包括：
获取风电场各风机风速的实测数据，以计算多风机空间点阵风速相依性结果；
计算多风机历史风速数据拟合及残差；
将建立好的边缘分布转换到均匀分布域中，以获取降噪后的风速时/空相依结构的分布数据；
利用Vine-Copula方法建立多风机风速空间点阵时/空相依性结构，并计算模型中的待定参数。
4.如权利要求1所述基于时空相关的风电场预测模型构建方法，其特征在于，
计算多风机历史风速数据拟合及残差，包括：
对原始风速样本进行标幺化正态处理；
利用自回归条件异方差模型(GARCH)和自回归滑动平均模型(ARMA)模拟风场各风机处的风速。
5.如权利要求2所述基于时空相关的风电场预测模型构建系统方法，其特征在于，还包括：
借助在线采集离线处理机制实现时空相依性结构模型及其参数的更新。
6.一种基于时空相关的风电场预测模型构建系统，其特征在于，包括：
获取模块，配置为获取风电场多风机风速系统时/空相依性的结构模型；
回归预测模型建立模块，配置为建立包含时/空特征参量与当前风机运行状态监测相结合的多风机风速回归预测模型；
风速概率性预测模型构建模块，配置为根据该时空相依性结构模型及该回归预测模型，生成风电场多风机风速概率性预测模型。
7.如权利要求6所述基于时空相关的风电场预测模型构建系统，其特征在于，
还包括：时间尺度验证模块，其配置为：
针对不同风电场多风机风速的数据，采用聚类方法，对不同风电场风速时间尺度分别进行划分；
根据划分的结果，利用上述已建立的具有时/空相依结构的风电场多风机风速概率性预测模型，获得不同时间尺度上的风电场多风机风速概率性预测方法；
利用多个风电场的数据对不同时间尺度上的风电场多风机风速概率性预测方法进行验证。
8.如权利要求6所述基于时空相关的风电场预测模型构建系统，其特征在于，
所述获取模块执行：
获取风电场各风机风速的实测数据，以计算多风机空间点阵风速相依性结果；
计算多风机历史风速数据拟合及残差；
将建立好的边缘分布转换到均匀分布域中，以获取降噪后的风速时/空相依结构的分布数据；
利用Vine-Copula方法建立多风机风速空间点阵时/空相依性结构，并计算模型中的待定参数。
9.如权利要求6所述基于时空相关的风电场预测模型构建系统，其特征在于，计算多风机历史风速数据拟合及残差具体实现为：
对原始风速样本进行标幺化正态处理；
利用自回归条件异方差模型(GARCH)和自回归滑动平均模型(ARMA)模拟风场各风机处的风速。
10.如权利要求7所述基于时空相关的风电场预测模型构建系统，其特征在于，还包括：更新模块，执行：
借助在线采集离线处理机制实现时空相依性结构模型及其参数的更新。