CN104218574A - 反映太阳辐射强度变化特性的光伏出力随机模型建模方法 - Google Patents

Abstract

本发明提供一种反映太阳辐射强度变化特性的光伏出力随机模型建模方法，包括以下步骤：确定太阳辐射强度变化特性；建立考虑太阳辐射强度变化特性的太阳辐射强度模型；建立光伏阵列输出功率模型。本发明所建立的光伏出力模型既可反映光伏出力随着季节变化和昼夜交替表现出的规律性，又可反映因天气等因素影响表现出的波动性和不确定性，使光伏出力更符合实际情况。

Description

反映太阳辐射强度变化特性的光伏出力随机模型建模方法

技术领域

本发明涉及一种建模方法，具体涉及一种反映太阳辐射强度变化特性的光伏出力随机模型建模方法。

背景技术

近二、三十年来，以光伏发电为代表的间歇式可再生能源发电技术持续快速发展，装机容量逐年提高。间歇式电源的出力具有明显的波动性和不确定性，大规模并网后给电力系统带来了更多的不确定因素，对电力系统的规划、仿真分析、调度运行、保护控制、电能质量和经济性等产生重要的影响。间歇式电源的出力模型是开展相关问题研究的重要基础，因此迫切需要对间歇式电源的出力模型进行深入研究。

光伏发电的出力与光伏阵列上接收到的太阳辐射强度、光伏阵列面积以及光电转换效率等因素密切相关。根据光伏电池的型号、数量和串并联方式，可以确定光伏阵列的面积和等效光电转换效率，因此只需对光伏阵列上接受到的太阳辐射强度进行建模。

为了使全年接收的太阳辐照量最大，同时考虑降雨自清洁和积雪自清除效果，光伏阵列通常以一定倾角倾斜放置，倾斜面上的太阳辐射强度由三部分构成：直接太阳辐射、天空散射辐射和地面反射辐射^[1-2]，Klein根据太空散射各向同性的假设，提出了比较简单的计算表达式^[3]。Koronakis等人指出太空散射各向同性的假设是不恰当的，在北半球6月份南边天空的散射辐射量约占总量的63％；在南半球则正好相反。Hay^[4]、Klucher^[5]、Perez^[6]等分别提出了天空散射各向异性模型的计算方法，但缺点在于计算的参数较多，表达式也十分复杂。美国采暖、制冷及空调工程师协会(American Society of Heating Refrigerating and Air-ConditioningEngineers，ASHRAE)根据多年的统计数据和经验分析，建立了比较简单的半理论半经验计算模型—理想晴空太阳辐射强度模型(clear day solar flux model)^[7]，该模型参数较少、计算简单，模拟效果较好，在国际范围内得到了十分广泛的应用。

理想晴空太阳辐射强度模型，可以根据地球与太阳的相对位置较好地模拟太阳辐射强度因季节变化而呈现出来的年变化特性和因昼夜交替而呈现出来的日变化特性，但却不能反映天气因素的影响。阴雨、多云或沙尘暴天气条件下，太阳辐射强度明显下降，进而导致光伏出力不同程度的降低。文献[8-9]将太空中的云层状态粗分为七种：无云、绢云、绢层云、高积云、高层云、层云和层积云，根据不同云层的衰减度建立了太阳辐射强度模型。但在光伏电站的规划阶段，通常缺乏多年的历史统计数据，很难获得当地的云层变化数据以及云层对太阳辐射强度的衰减影响数据，且云层的状态转移图也十分复杂。

综上可见，在光伏发电的出力建模方面，目前的难点在于如何利用现阶段可获得的数据，在理想晴空太阳辐射强度模型的基础上考虑天气因素的影响，建立能够反映太阳辐射强度变化特性的随机模型，进而建立起光伏出力的随机模型。

参考文献

[1]杨金焕，毛家俊，陈中华.不同方位倾斜面上太阳辐射量及最佳倾角的计算[J].上海交通大学学报，2004，36(7)：1032-1036.

2]Koronakis P S.On the choice of the angle of tilt for south facing solar collectors in theAthens Basin area[J].Solar Energy，1986，36(3)：217-225.

[3]Klein S A.Calculation of monthly average in solution on tilted surfaces[J].Solar Energy，1977，19(4)：325-329.

[4]Hay J E..Calculation of monthly mean solar radiation for horizontal and inclinedsurface[J].Solar Energy，1979，23(4)：301-307.

[5]Klucher T M.Evaluation of models to predict insulation on tilted surfaces[J].Solar Energy1979，23(2)：111-114.

[6]Perez R，Stew art R.Arbogast C.An anisotropic hourly diffuse radiation model for slopingsurfaces：description，performance validation，site dependency evaluation[J].Solar Energy，1986，36(6)：481-497.

[7]G.M.Master.renewable and efficient electric power systems[M].Hoboken，NJ：JohnWiley&Sons，2004.

[8]陈闽江.光伏发电系统的蒙特卡罗序贯仿真和可靠性分析[D].合肥：合肥工业大学，2004.

[9]葛业斌，张步涵，颜秋容.光伏发电系统输出功率分布模型研究[J].湖北工业大学学报，2012，27(1)：14-18.

发明内容

为了克服上述现有技术的不足，本发明提供一种反映太阳辐射强度变化特性的光伏出力模型建模方法，所建立的光伏出力模型既可反映光伏出力随着季节变化和昼夜交替表现出的规律性，又可反映因天气等因素影响表现出的波动性和不确定性，使光伏出力更符合实际情况。

为了实现上述发明目的，本发明采取如下技术方案：

本发明提供一种反映太阳辐射强度变化特性的光伏出力随机模型建模方法，所述方法包括以下步骤：

步骤1：确定太阳辐射强度变化特性；

步骤2：建立考虑太阳辐射强度变化特性的太阳辐射强度模型；

步骤3：建立光伏阵列输出功率模型。

所述步骤1中，太阳辐射强度变化特性分为太阳辐射强度年变化特性和太阳辐射强度日变化特性。

太阳全年辐射总量从赤道向两极递减：纬度越高，辐射总量越小；对于确定纬度的观测点，采用地表水平面上的太阳辐射日总量的变化情况描述太阳辐射强度的年变化特性；太阳辐射日总量主要取决于太阳赤纬角δ，即太阳光线与地球赤道面的交角，由Cooper方程近似计算，有：

$\mathrm{\δ}=23.45\sin \left[\frac{360}{365}(284+n)\right]$

其中，n为累计天数，即一年中1月1日算起的天数，n＝1,2，…，365。

太阳每天辐射强度的变化主要受太阳高度影响，太阳高度由太阳高度角h来表征，是指太阳光线与该地作垂直于地心的地表切线的夹角，表示为：

h＝arcsin(sinφsinδ+cosφcosδcosω)

其中，φ为纬度；δ为太阳赤纬角；ω为太阳时角，正午时为0，每隔1小时变化15°，且上午为正，下午为负；由上式可知太阳辐射强度正午时最大，早晚较小，夜间为零，晴天情况下大致呈对称的单峰型。

所述步骤2中，将太阳辐射强度分解为不考虑天气因素的确定性部分和反映天气因素的随机性部分；前者采用理想晴空太阳辐射强度模型描述太阳辐射强度年变化特性和日变化特性，后者采用随机变量描述天气因素的影响，并基于设定时段内光伏阵列获得的太阳实际辐射强度确定形状参数。

所述理想晴空太阳辐射强度模型中，光伏阵列上接受到的太阳辐射总量包括太阳直接辐射、天空散射辐射和地面反射辐射；光伏阵列的太阳直接辐射强度、天空散射辐射强度和地面反射辐射强度分别用I_BC、I_DC和I_RC表示，且有：

I_BC＝I_B[cos h cos(φ_s-φ_c)sinθ+sin h cosθ]

$I_{\mathrm{DC}}={\mathrm{CI}}_B\left(\frac{1+\cos \mathrm{\θ}}{2}\right)$

$I_{\mathrm{RC}}=\mathrm{\ρ}{I}_B(\sin \mathrm{\θ}+C)\left(\frac{1-\cos \mathrm{\θ}}{2}\right)$

其中，φ_s为太阳方位角，即太阳光线在地平面上的投影与当地子午线的夹角；φ_c为光伏阵列方位角，即光伏阵列垂直面与正南方向的夹角，向东为负，向西为正；θ为光伏阵列的倾角，即光伏阵列与水平面之间的夹角；h为太阳高度角；ρ为地面反射率；C为散射系数，表示为：

$C=0.095+0.04\sin \left[\frac{360}{365}(n-100)\right]$

I_B为太阳光线垂直地面上的直射强度，表示为：

$I_B=\{1160+75\sin [\frac{360}{365}(n-275)\left]\right\}{e}^{-\mathrm{km}}$

其中，m为大气质量，且k为光学厚度，且

于是，光伏阵列上接受到的太阳总辐射强度I_C表示为：

I_C＝I_BC+I_DC+I_RC。

采用贝塔分布描述设定时段内光伏阵列上的太阳辐射强度受天气因素的影响，于是贝塔分布的概率密度函数为：

$f\left(I\right)=\frac{\mathrm{\Γ}(\mathrm{\α}+\mathrm{\β})}{\mathrm{\Γ}\left(\mathrm{\α}\right)\mathrm{\Γ}\left(\mathrm{\β}\right)}{\left(\frac{I}{I_C}\right)}^{\mathrm{\α}-1}{(1-\frac{I}{I_C})}^{\mathrm{\β}-1}$

其中，I为设定间段内的太阳实际辐射强度；I_C为设定时段内太阳最大辐射强度，即理想晴空太阳辐射强度；α和β为贝塔分布的形状参数，Γ为Gamma函数；

贝塔分布的数学期望μ和方差σ²分别表示为：

$\mathrm{\μ}=\frac{\mathrm{\α}}{\mathrm{\α}+\mathrm{\β}}$

${\mathrm{\σ}}^2=\frac{\mathrm{\α\β}}{{(\mathrm{\α}+\mathrm{\β})}^2(\mathrm{\α}+\mathrm{\β}+1)}$

由贝塔分布的数学期望μ和方差σ²确定贝塔分布的形状参数α和β，α和β分别表示为：

$\mathrm{\α}=\mathrm{\μ}[\frac{\mathrm{\μ}(1-\mathrm{\μ})}{{\mathrm{\σ}}^2}-1]$

$\mathrm{\β}=(1-\mathrm{\μ})[\frac{\mathrm{\μ}(1-\mathrm{\μ})}{{\mathrm{\σ}}^2}-1].$

所述步骤3中，光伏阵列的输出功率取决于太阳辐射强度、光伏阵列面积和光电转化效率；对于具有M个电池组件的光伏阵列，第m个电池组件的面积和光电转换效率分别用A_m和η_m表示，其中m＝1，2，…，M，则光伏阵列的输出功率P_solar为：

P_solar＝IAη

$A=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{A}_m$

$\mathrm{\η}=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{A}_m{\mathrm{\η}}_m}{A}$

其中，A和η分别为电池组件的总面积和光电转换效率。

与现有技术相比，本发明的有益效果在于：

本发明所建立的光伏出力模型既可反映风电出力、光伏出力随着季节变化和昼夜交替表现出的规律性，又可反映因天气等因素影响表现出的波动性和不确定性，使光伏出力更符合实际情况。本发明基于光伏电站可研阶段的测光数据即可建立模型(不依赖多年运行数据)，可用于含光伏发电的系统可靠性评估、光伏发电的容量可信度评估、光伏阵列倾角优化，为电力系统的规划、仿真分析等提供依据。

附图说明

图1是本发明实施例中太阳方位变化图；

图2是本发明实施例中太阳辐射日总量变化情况示意图；

图3是本发明实施例中太阳高度角和方位角示意图；

图4是本发明实施例中太阳辐射强度日变化特性示意图；

图5是本发明实施例中太阳辐射总量的组成示意图；

图6是本发明实施例中光伏阵列的方位角与倾角示意图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明提供一种反映太阳辐射强度变化特性的光伏出力随机模型建模方法，所述方法包括以下步骤：

步骤1：确定太阳辐射强度变化特性；

步骤2：建立考虑太阳辐射强度变化特性的太阳辐射强度模型；

步骤3：建立光伏阵列输出功率模型。

所述步骤1中，太阳辐射强度变化特性分为太阳辐射强度年变化特性和太阳辐射强度日变化特性。

地表接受到的太阳辐射强度取决于太阳与地球的相对位置、地表的海拔高度以及当地的大气成分和天气情况。地球的运行轨迹遵循着严格的规律，沿黄道面公转产生四季变换，自西向东自转产生昼夜交替。因此，太阳辐射强度在随机波动的同时表现出明显的规律性。

太阳全年辐射总量从赤道向两极递减：纬度越高，辐射总量越小；对于确定纬度的观测点，采用地表水平面上的太阳辐射日总量的变化情况描述太阳辐射强度的年变化特性；太阳辐射日总量主要取决于太阳赤纬角δ，即太阳光线与地球赤道面的交角，如图1。在一年当中，太阳赤纬角每天都在变化，但不超过±23°27′的范围，夏天最大变化到夏至日+23°27′；冬天最小变化到冬至日－23°27′，可由Cooper方程近似计算，太阳辐射日总量表现出明显的年变化特性，如图2所示，全年呈单峰型。有：

$\mathrm{\δ}=23.45\sin \left[\frac{360}{365}(284+n)\right]$

其中，n为累计天数，即一年中1月1日算起的天数，n＝1,2，…，365。

太阳每天辐射强度的变化主要受太阳高度影响，太阳高度由太阳高度角h来表征，是指太阳光线与该地作垂直于地心的地表切线的夹角，如图3，表示为：

h＝arcsin(sinφsinδ+cosφcosδcosω)

其中，φ为纬度；δ为太阳赤纬角；ω为太阳时角，正午时为0，每隔1小时变化15°，且上午为正，下午为负，如图1；由上式可知太阳辐射强度正午时最大，早晚较小，夜间为零，晴天情况下大致呈对称的单峰型。

由太阳高度角h的表达式可知，太阳辐射强度正午时最大，早晚较小，夜间为零，晴天情况下大致呈对称的单峰型，如图4。

所述步骤2中，如果不考虑天气因素的影响，可以比较容易地根据地球的运行规律建立起光伏阵列上太阳辐射强度的序贯小时确定性模型。因此，如果不考虑天气因素的影响，可以比较容易地根据地球的运行规律建立起光伏阵列上太阳辐射强度的序贯小时确定性模型。因此，将太阳辐射强度分解为不考虑天气因素的确定性部分和反映天气因素的随机性部分；前者采用理想晴空太阳辐射强度模型描述太阳辐射强度年变化特性和日变化特性，后者采用随机变量描述天气因素的影响，并基于设定时段内光伏阵列获得的太阳实际辐射强度确定形状参数。

光伏电站光资源数据

由QX/T55-2007《地面气象观测规范第11部分：辐射观测》和GB/T《光伏并网电站太阳能资源评估规范》可知，规划阶段光伏电站一般可获得如下数据或参数：

1)光伏电站每10min或1h的平均辐射强度数据，以及气温、风速、风向等实测时间序列数据(连续进行，不少于1年)。

2)光伏电站附近长期测站的观测数据，有代表性的连续近10年的逐年各月总辐射量、日照时数数据以及建站以来记录到的风速、风向等数据。

3)根据光伏电站辐射观测资料与同期长期气象站辐射观测资料作相关性计算，确定经验系数，可将验证后的临时观测站辐射数据订正为一套反映并网光伏电站长期平均水平的代表性数据。

规划阶段的光伏电站虽不具备多年的详细数据积累，但可以通过数据订正的方法获得一套反映并网光伏电站长期平均水平的代表性数据。

所述理想晴空太阳辐射强度模型中，光伏阵列上接受到的太阳辐射总量包括太阳直接辐射、天空散射辐射和地面反射辐射，如图5；光伏阵列的太阳直接辐射强度、天空散射辐射强度和地面反射辐射强度分别用I_BC、I_DC和I_RC表示，且有：

I_BC＝I_B[cos h cos(φ_s-φ_c)sinθ+sin h cosθ]

$I_{\mathrm{DC}}={\mathrm{CI}}_B\left(\frac{1+\cos \mathrm{\θ}}{2}\right)$

$I_{\mathrm{RC}}=\mathrm{\ρ}{I}_B(\sin \mathrm{\θ}+C)\left(\frac{1-\cos \mathrm{\θ}}{2}\right)$

其中，φ_s为太阳方位角，即太阳光线在地平面上的投影与当地子午线的夹角；φ_c为光伏阵列方位角，即光伏阵列垂直面与正南方向的夹角，向东为负，向西为正；θ为光伏阵列的倾角，即光伏阵列与水平面之间的夹角，如图6所示；h为太阳高度角；ρ为地面反射率；C为散射系数，表示为：

$C=0.095+0.04\sin \left[\frac{360}{365}(n-100)\right]$

I_B为太阳光线垂直地面上的直射强度，表示为：

$I_B=\{1160+75\sin [\frac{360}{365}(n-275)\left]\right\}{e}^{-\mathrm{km}}$

其中，m为大气质量，且k为光学厚度，且

于是，光伏阵列上接受到的太阳总辐射强度I_C表示为：

I_C＝I_BC+I_DC+I_RC。

光伏阵列上的太阳辐射强度因受云层遮蔽等因素的影响，在晴天辐射强度的基础上有所降低，表现出明显的波动性和不确定性。据统计，在一定时段内辐射强度近似成贝塔分布，采用贝塔分布描述设定时段内光伏阵列上的太阳辐射强度受天气因素的影响，于是贝塔分布的概率密度函数为：

$f\left(I\right)=\frac{\mathrm{\Γ}(\mathrm{\α}+\mathrm{\β})}{\mathrm{\Γ}\left(\mathrm{\α}\right)\mathrm{\Γ}\left(\mathrm{\β}\right)}{\left(\frac{I}{I_C}\right)}^{\mathrm{\α}-1}{(1-\frac{I}{I_C})}^{\mathrm{\β}-1}$

其中，I为设定间段内的太阳实际辐射强度；I_C为设定时段内太阳最大辐射强度，即理想晴空太阳辐射强度；α和β为贝塔分布的形状参数，Γ为Gamma函数；

贝塔分布的数学期望μ和方差σ²分别表示为：

$\mathrm{\μ}=\frac{\mathrm{\α}}{\mathrm{\α}+\mathrm{\β}}$

${\mathrm{\σ}}^2=\frac{\mathrm{\α\β}}{{(\mathrm{\α}+\mathrm{\β})}^2(\mathrm{\α}+\mathrm{\β}+1)}$

由贝塔分布的数学期望μ和方差σ²确定贝塔分布的形状参数α和β，α和β分别表示为：

$\mathrm{\α}=\mathrm{\μ}[\frac{\mathrm{\μ}(1-\mathrm{\μ})}{{\mathrm{\σ}}^2}-1]$

$\mathrm{\β}=(1-\mathrm{\μ})[\frac{\mathrm{\μ}(1-\mathrm{\μ})}{{\mathrm{\σ}}^2}-1].$

基于上述内容所述的反映并网光伏电站长期平均水平的代表性数据，根据实际需要，按全年或各月或不同时段分别计算太阳辐射强度的均值μ和方差σ²，进而确定贝塔分布的形状参数α和β。

所述步骤3中，光伏阵列的输出功率取决于太阳辐射强度、光伏阵列面积和光电转化效率；对于具有M个电池组件的光伏阵列，第m个电池组件的面积和光电转换效率分别用A_m和η_m表示，其中m＝1，2，…，M，则光伏阵列的输出功率P_solar为：

P_solar＝IAη

$A=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{A}_m$

$\mathrm{\η}=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{A}_m{\mathrm{\η}}_m}{A}$

其中，A和η分别为电池组件的总面积和光电转换效率。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (8)

1.反映太阳辐射强度变化特性的光伏出力随机模型建模方法，其特征在于：所述方法包括以下步骤：

步骤1：确定太阳辐射强度变化特性；

步骤2：建立考虑太阳辐射强度变化特性的太阳辐射强度模型；

步骤3：建立光伏阵列输出功率模型。

2.根据权利要求1所述的反映太阳辐射强度变化特性的光伏出力随机模型建模方法，其特征在于：所述步骤1中，太阳辐射强度变化特性分为太阳辐射强度年变化特性和太阳辐射强度日变化特性。

3.根据权利要求2所述的反映太阳辐射强度变化特性的光伏出力随机模型建模方法，其特征在于：太阳全年辐射总量从赤道向两极递减：纬度越高，辐射总量越小；对于确定纬度的观测点，采用地表水平面上的太阳辐射日总量的变化情况描述太阳辐射强度的年变化特性；太阳辐射日总量主要取决于太阳赤纬角δ，即太阳光线与地球赤道面的交角，由Cooper方程近似计算，有：

$\mathrm{\δ}=23.45\sin \left[\frac{360}{365}(284+n)\right]$

其中，n为累计天数，即一年中1月1日算起的天数，n＝1,2，…，365。

4.根据权利要求2所述的反映太阳辐射强度变化特性的光伏出力随机模型建模方法，其特征在于：太阳每天辐射强度的变化主要受太阳高度影响，太阳高度由太阳高度角h来表征，是指太阳光线与该地作垂直于地心的地表切线的夹角，表示为：

h＝arcsin(sinφsinδ+cosφcosδcosω)

其中，φ为纬度；δ为太阳赤纬角；ω为太阳时角，正午时为0，每隔1小时变化15°，且上午为正，下午为负；由上式可知太阳辐射强度正午时最大，早晚较小，夜间为零，晴天情况下大致呈对称的单峰型。

5.根据权利要求1所述的反映太阳辐射强度变化特性的光伏出力随机模型建模方法，其特征在于：所述步骤2中，将太阳辐射强度分解为不考虑天气因素的确定性部分和反映天气因素的随机性部分；前者采用理想晴空太阳辐射强度模型描述太阳辐射强度年变化特性和日变化特性，后者采用随机变量描述天气因素的影响，并基于设定时段内光伏阵列获得的太阳实际辐射强度确定形状参数。

6.根据权利要求5所述的反映太阳辐射强度变化特性的光伏出力随机模型建模方法，其特征在于：所述理想晴空太阳辐射强度模型中，光伏阵列上接受到的太阳辐射总量包括太阳直接辐射、天空散射辐射和地面反射辐射；光伏阵列的太阳直接辐射强度、天空散射辐射强度和地面反射辐射强度分别用I_BC、I_DC和I_RC表示，且有：

I_BC＝I_B[cos h cos(φ_s-φ_c)sinθ+sin h cosθ]

$I_{\mathrm{DC}}={\mathrm{CI}}_B\left(\frac{1+\cos \mathrm{\θ}}{2}\right)$

$I_{\mathrm{RC}}=\mathrm{\ρ}{I}_B(\sin \mathrm{\θ}+C)\left(\frac{1-\cos \mathrm{\θ}}{2}\right)$

其中，φ_s为太阳方位角，即太阳光线在地平面上的投影与当地子午线的夹角；φ_c为光伏阵列方位角，即光伏阵列垂直面与正南方向的夹角，向东为负，向西为正；θ为光伏阵列的倾角，即光伏阵列与水平面之间的夹角；h为太阳高度角；ρ为地面反射率；C为散射系数，表示为：

$C=0.095+0.04\sin \left[\frac{360}{365}(n-100)\right]$

I_B为太阳光线垂直地面上的直射强度，表示为：

$I_B=\{1160+75\sin [\frac{360}{365}(n-275)\left]\right\}{e}^{-\mathrm{km}}$

其中，m为大气质量，且k为光学厚度，且

于是，光伏阵列上接受到的太阳总辐射强度I_C表示为：

I_C＝I_BC+I_DC+I_RC。

7.根据权利要求5所述的反映太阳辐射强度变化特性的光伏出力随机模型建模方法，其特征在于：采用贝塔分布描述设定时段内光伏阵列上的太阳辐射强度受天气因素的影响，于是贝塔分布的概率密度函数为：

$f\left(I\right)=\frac{\mathrm{\Γ}(\mathrm{\α}+\mathrm{\β})}{\mathrm{\Γ}\left(\mathrm{\α}\right)\mathrm{\Γ}\left(\mathrm{\β}\right)}{\left(\frac{I}{I_C}\right)}^{\mathrm{\α}-1}{(1-\frac{I}{I_C})}^{\mathrm{\β}-1}$

其中，I为设定间段内的太阳实际辐射强度；I_C为设定时段内太阳最大辐射强度，即理想晴空太阳辐射强度；α和β为贝塔分布的形状参数，Γ为Gamma函数；

贝塔分布的数学期望μ和方差σ²分别表示为：

$\mathrm{\μ}=\frac{\mathrm{\α}}{\mathrm{\α}+\mathrm{\β}}$

${\mathrm{\σ}}^2=\frac{\mathrm{\α\β}}{{(\mathrm{\α}+\mathrm{\β})}^2(\mathrm{\α}+\mathrm{\β}+1)}$

由贝塔分布的数学期望μ和方差σ²确定贝塔分布的形状参数α和β，α和β分别表示为：

$\mathrm{\α}=\mathrm{\μ}[\frac{\mathrm{\μ}(1-\mathrm{\μ})}{{\mathrm{\σ}}^2}-1]$

$\mathrm{\β}=(1-\mathrm{\μ})[\frac{\mathrm{\μ}(1-\mathrm{\μ})}{{\mathrm{\σ}}^2}-1].$

8.根据权利要求5所述的反映太阳辐射强度变化特性的光伏出力随机模型建模方法，其特征在于：所述步骤3中，光伏阵列的输出功率取决于太阳辐射强度、光伏阵列面积和光电转化效率；对于具有M个电池组件的光伏阵列，第m个电池组件的面积和光电转换效率分别用A_m和η_m表示，其中m＝1，2，…，M，则光伏阵列的输出功率P_solar为：

P_solar＝IAη

$A=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{A}_m$

$\mathrm{\η}=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{A}_m{\mathrm{\η}}_m}{A}$

其中，A和η分别为电池组件的总面积和光电转换效率。