1.基于双重置信区间的风电场功率预测样本筛选方法，其特征在于包括如下步骤：
步骤(1)，初始化样本选择天数；
步骤(2)，对实际有功进行归一化，以风速和归一化后的实际有功建立二维坐标系；
步骤(3)，初始化第一重置信区间的上下限函数，作为样本筛选的第一重置信区间的上下限，确保落在第一重置信区间中的样本数≥样本总数*筛选系数a1，如果不满足则增加样本天数，以获取足够的样本数，确保这部分样本数落在作为样本筛选的第一重置信区间内；
步骤(4)，进行第二重置信区间的样本筛选，设置第二重置信区间上下限函数进行筛选，如果样本数目不满足预期的要求，调整上下限函数后再进行筛选；如果超出调整此时依旧无法满足预期要求，增加样本天数，直至样本数满足预期要求；
步骤(5)，对筛选出的样本进行提取，将归一化的有功乘以P装机进行反归一化，完成筛选。
2.如权利要求1所述基于双重置信区间的风电场功率预测样本筛选方法，其特征是：所述步骤(1)中，初始化样本天数选择15天或者一周的整数倍。
3.如权利要求2所述基于双重置信区间的风电场功率预测样本筛选方法，其特征是：可初始化样本天数为2到12周。
4.如权利要求1所述基于双重置信区间的风电场功率预测样本筛选方法，其特征是：所述步骤(3)中，初始化第一重置信区间的上限函数:ymax＝kmax*x 和下限函数:ymin＝kmin*x，作为样本筛选的第一重置信区间的上下限，其中ymin＝kmin*x为第一重置信区间下限函数；ymax＝kmax*x为第一重置信区间上限函数；如果落在第一重置信区间中的样本数<样本总数*筛选系数a1，增加样本天数，每次增加天数2后进行样本采集，再进行筛选；如果落在第一重置信区间中的样本数≥样本总数*筛选系数a1，则第一重筛选完毕；筛选系数a1一般在0.6-0.9之间。
5.如权利要求1所述基于双重置信区间的风电场功率预测样本筛选方法，其特征是：所述步骤(4)中：
进行第二重置信区间筛选时，初始化第二重置信区间的上限函数：fmax和下限函数：fmin，以这两个函数作为样本筛选的第二重置信区间的上下限，进行下一步样本筛选；fmax为第二重置信区间上限函数，fmin为第二重置信区间下限函数，之后初始化动态调整次数t＝0；如果动态调整次数t>tmax，tmax为动态调整次数最大值，增加样本天数，每次增加天数2后进行样本筛选；如果动态调整次数t≤tmax，判断落在第二重置信区间中的样本数是否大于等于样本总数*筛选系数a2，如果是，则第二重置信区间的筛选完成；如果不是，动态调整第二重置信区间上限函数系数kmax＝kmax+△kmax，kmax为上限函数系数，△kmax为第二重置信区间上限函数系数修正步长，调整上限函数参数cmax＝cmax+△cmax，cmax为上限函数参数，△cmax为第二重置信区间上限函数参数修正步长；调整第二重置信区间下限函数系数kmin＝kmin-△kmin，kmin为下限函数的系数，△kmin为第二重置信区间下限函数系数修正步长，调整下限函数参数cmin＝cmin-△cmin，cmin下限函数的参数，△cmin为第二重置信区间下限函数参数修正步长，每调整一次后，动态调整次数t＝t+1，再进行第二重样本筛选， 直至落在第二重置信区间中的样本数≥样本总数*筛选系数a2，则完成第二重置信区间内的样本筛选。