在新能源并网仿真和电力系统随机调度里，绕不开一个问题：怎么把风电和光伏的出力不确定性，用数学上可处理的形式描述出来。我自己的习惯是，别一上来就上神经网络或者复杂的深度学习模型——很多工程场景下，两个经典分布就够用：风速用Weibull分布，归一化后的光照强度用Beta分布。这套组合建模方法在风资源评估、光伏发电模拟、储能容量配置和随机潮流计算里都用得上，适合做新能源功率预测、电力系统规划仿真的工程师和研究生参考。下面这篇就围绕这套组合的完整流程展开：为什么选这两个分布、参数怎么估、Matlab怎么实现、怎么判断拟合得好不好，以及我实际踩过的几个坑。
1. 为什么风速用Weibull、光强用Beta：物理依据与参数直觉
1.1 风速数据长什么样，Weibull分布怎么对上号
风速分布有几个很明显的特点：右偏、下限贴零、存在小概率的强风事件。大量风电场的实测数据都指向同一个结论，风速的统计分布在绝大多数时段能用Weibull分布描述。这背后有物理逻辑，风速可以看成大量尺度不同、方向各异的湍流脉动叠加后的结果，类似材料强度里“最弱链”模型的极值统计思路，最终落到了Weibull这种形式，而不是简单的高斯钟形曲线。
Weibull分布的概率密度函数是：
f(x) = (k/c) · (x/c)^(k-1) · e^(-(x/c)^k)
其中c是尺度参数，k是形状参数。形状参数k的物理含义很直接：当k小于1时，曲线单调递减，风速大概率集中在很低值；k=1时退化为指数分布；k在2到3之间时曲线有一个明显的单峰，表示中等风速概率最大；k越大，峰越窄、风速越集中。尺度参数c则决定整体量级，约等于平均风速附近的一个尺度指标。
实用中，风电场风速的k通常在1.5到3.5之间，c在6到10 m/s之间。不过这不是固定值，不同地形、不同季节差异很大。知道k和c之后，不光能估计平均功率，还能算特定风速区间的概率，比如“风速落在风机切入风速3 m/s到切出风速25 m/s之间的时间占比”，这是评估年发电量的基础。很多风资源评估软件里，最终给出的结果核心就是这一对参数。
1.2 光照和光伏出力的边界约束，让Beta分布成为自然选择
光伏出力本质上由光照强度决定，两者近似线性。光照强度天然有上下界：夜里是0，晴空最大值受地理纬度、季节和大气质量限制。把光照强度或光伏出力除以额定容量，就得到一个落在[0,1]区间内的随机变量。Beta分布恰好就是定义在(0,1)区间上的连续分布族，概率密度函数是：
f(x) = [x^(α-1) · (1-x)^(β-1)] / B(α, β)
其中B是Beta函数，α和β是两个形状参数。Beta分布的形状极其灵活：α大于1、β大于1时是单峰分布；α等于β时左右对称；α小于1、β小于1时呈U型，说明大量时间落在两端；α等于β等于1时退化为均匀分布。这种灵活性让它能描述光伏出力最常见的两个特征，一是大量夜间零出力，二是中午时段接近满发。
用一个训练模型时的类比：如果数据被限制在0到1之间，你却用一个定义在整个实数轴上的分布去拟合，相当于让模型去学习一个它天生不支持的边界条件。Beta分布就不用做这个痛苦的事，它的支撑集天然匹配。
1.3 为什么不是正态分布，也不是直接用经验分布
我经常看到有人拿正态分布去拟合光伏出力，这个做法在工程上很危险。正态分布定义在整个实数轴上，会给出负的风速或负的光照强度，物理上说不通。当然你可以做截断处理，但截断之后归一化常数、矩估计公式都要跟着改，麻烦得多。
经验分布函数（ECDF）倒是拟合得准，但它没有参数化的外推能力，也没有连续的密度表达式，不方便嵌入随机优化、鲁棒优化这类数学模型。选择参数化的Weibull和Beta，本质上是“在物理合理性和数学可处理性之间取平衡”，这也是两个分布成为行业主流的原因。
2. Weibull与Beta参数估计：三种方法、一套Matlab代码
2.1 矩估计：先给一个粗算起点
矩估计的思路简单直接，用样本均值和方差去匹配理论均值和方差。Weibull的矩估计需要解非线性方程，但工程上有一个近似公式：
k ≈ (σ/μ)^(-1.086)
c ≈ μ / Γ(1 + 1/k)
这里的Γ是伽马函数，μ是样本均值，σ是样本标准差。这个近似公式在k等于1.5到4的区间内足够准，非常适合用来做迭代算法的初值。Beta分布的矩估计更直接，可以用下面这两个公式：
α = μ · (μ·(1-μ)/σ² - 1)
β = (1-μ) · (μ·(1-μ)/σ² - 1)
不过有个前提：样本方差σ²必须小于μ·(1-μ)，否则算出来的α、β是负的，没有意义。实际数据一般满足这个条件，但如果样本里混入了大量边界值（0或1），方差会突然变大，这时候需要先清理边界数据再估计。用Matlab实现矩估计的代码如下：
% Weibull矩估计近似公式 mu_w = mean(wind_clean); std_w = std(wind_clean); k_mom = (std_w / mu_w)^(-1.086); c_mom = mu_w / gamma(1 + 1/k_mom); % Beta矩估计 mu_s = mean(solar_clean); var_s = var(solar_clean); alpha_mom = mu_s * (mu_s * (1 - mu_s) / var_s - 1); beta_mom = (1 - mu_s) * (mu_s * (1 - mu_s) / var_s - 1);2.2 极大似然估计：正式建模的首选
极大似然估计（MLE）在统计性质上更优，Matlab也直接给了现成函数，这是我最推荐的正式建模方式。风速数据可以直接用wblfit，光强数据归一化之后用betafit。核心代码很短：
% 风速Weibull参数估计 [param_w, ci_w] = wblfit(wind_clean); c = param_w(1); % 尺度参数 k = param_w(2); % 形状参数 % 光强Beta参数估计，需要先归一化 solar_norm = solar_data / P_rated; % 除以额定容量 solar_clean = solar_norm(solar_norm > 0 & solar_norm < 1); [param_s, ci_s] = betafit(solar_clean); alpha = param_s(1); beta = param_s(2);有一个细节我必须提醒。wblfit返回的第一个参数是尺度c，第二个是形状k，跟文献里习惯写的(k, c)顺序正好相反。我早期就因为在代码里把这两个参数写反过，拟合曲线的峰完全错位，折腾了大半天才反应过来。拿到参数后建议先打印出来看一眼，尺度参数应该在风速量级附近，比如6到10，如果跑出来形状参数是6到10而尺度参数是2，八成就是顺序搞反了。
betafit返回的置信区间ci_s是一个2×2矩阵，第一列是α、β的置信区间，第二列对应另一个参数。在写报告的时候，这个置信区间可以直接用来说明参数估计的可靠性。
2.3 概率图法：快速检查和给审稿人看
对Weibull分布做双对数变换，可以得到一条直线关系：
ln[-ln(1 - F(x))] = k · ln(x) - k · ln(c)
所以把样本的经验CDF变换之后画出来，如果数据点沿着一条直线排列，说明Weibull拟合是合理的。直线的斜率就是k，截距可以反推c。Matlab里专门有wblplot函数来画这个概率图，散点贴得越直，说明分布选得越对。我拿到风速数据的第一件事，不是跑wblfit，而是先跑wblplot，这个习惯帮我避免了很多无效拟合。如果概率图上点明显弯成了S形，说明数据本身可能混了多种风况，这时候拟合出参数也没意义，不如先按风向或季节分组。
Beta分布没有现成的概率图函数，但可以画分位数-分位数图，把样本排序后的经验分位数和理论Beta分布分位数画在一起，偏离对角线越远说明拟合越差。画图代码也很简单：
figure; subplot(1,2,1); wblplot(wind_clean); title('Weibull概率图'); subplot(1,2,2); theoretical_quantiles = betainv((1:N-0.5)/N, alpha, beta); empirical_quantiles = sort(solar_clean); plot(theoretical_quantiles, empirical_quantiles, 'o'); hold on; plot([0 1], [0 1], 'r--'); xlabel('理论分位数'); ylabel('经验分位数'); title('Beta Q-Q图');3. 组合建模的两种思路与代码实现
3.1 独立采样：默认做法，简单且足够用
组合建模最常见的做法，是假设风速和光照彼此独立，分别从拟合好的Weibull和Beta分布中抽取样本，再合成联合场景。Matlab里各有一行核心函数：
rng(42); N = 10000; wind_scene = wblrnd(c, k, [N, 1]); solar_scene = betarnd(alpha, beta, [N, 1]) * P_rated;这样生成的wind_scene和solar_scene就是N个风电、光伏联合出力的随机场景，可以直接喂给蒙特卡洛潮流计算或者储能容量优化模型。独立采样成立的前提，是风速和光照的相关系数较小。实际站点看，风速和光照的相关系数通常在±0.3以内，不同季节、不同地形差异很大。如果只做粗略的容量配置评估，这个假设完全够用。但如果是做极端场景分析，比如要模拟“连续阴雨天且大风”这种极端组合，独立采样会低估联合事件出现的概率，需要引入相关性。
3.2 考虑相关性的Copula耦合：把两个分布“粘”起来
如果需要更严谨地刻画风速和光照之间的相关性，可以用Copula函数把两个边缘分布耦合起来。Copula的核心思想是：先把每个变量通过各自的CDF映射到[0,1]均匀空间，这一步相当于把不同量纲、不同分布的数据都拉到同一个“标准赛道”上；然后在均匀空间里用相关系数矩阵描述变量之间的相依结构；最后从Copula联合分布采样，用逆CDF变换回物理量。Matlab代码如下：
% 把历史数据各自映射到均匀空间 u_wind = wblcdf(wind_clean, c, k); u_solar = betacdf(solar_clean, alpha, beta); % 估计Gaussian Copula的相关系数矩阵 rho = copulafit('Gaussian', [u_wind, u_solar]); % 从Copula采样 N = 2000; u_cop = copularnd('Gaussian', rho, N); % 逆变换回物理空间 wind_cop = wblinv(u_cop(:,1), c, k); solar_cop = betainv(u_cop(:,2), alpha, beta) * P_rated;这个代码最容易被忽略的地方是u_wind和u_solar必须严格在(0,1)开区间内。如果数据里含有0或1，比如光伏归一化后出现0，或者风速数据里出现0，CDF值会是0或1，copulafit就会报错。所以进入Copula计算之前，要先做边界处理。另外，选择Gaussian Copula还是t-Copula也有讲究。Gaussian Copula尾部独立，适合相关性较弱、没有明显极端共现的场景。t-Copula有尾部相关性，能够刻画“大风和弱光同时出现”这种极端组合，但估计参数需要的样本量更大。工程上如果样本量不足5000，直接用Gaussian Copula更稳定。
3.3 场景数量和质量评估：别一股脑抽十万个
生成场景数量不是越多越好。普通蒙特卡洛采样，样本量建议5000到10000才够稳定。但如果你要把每个场景都带入潮流计算，10万个场景的计算量会很可观。这时候可以用拉丁超立方采样（lhsdesign）来减少样本量，同样的样本数下覆盖更均匀，200个LHS场景的覆盖效果往往能媲美5000个普通蒙特卡洛场景。我实际跑储能配置优化时，就是先用LHS抽500个场景做预优化，再用5000个蒙特卡洛场景做验证，效率和精度都兼顾了。
生成场景后一定要做质量评估。核心指标有三项：均值、方差、相关系数。用corrcoef分别计算原始数据和场景数据的相关系数矩阵，偏差超过0.05就要检查是不是Copula参数估计出了问题。还有一个容易漏掉的是分位数检验，特别是95%分位数和5%分位数，这两个值决定了系统极端场景下的安全裕度，比均值更能暴露问题。
4. 拟合优度检验：K-S、卡方与概率图的正确用法
4.1 K-S检验的原理与Matlab写法
K-S检验的原理是比较经验CDF和理论CDF之间的最大纵向距离，这个距离就是K-S统计量。统计量越小，说明拟合越好。Matlab里用kstest实现，关键是把理论CDF以“样本值加理论累积概率”的成对数组传进去：
[h_w, p_w, ks_w] = kstest(wind_clean, 'CDF', ... [wind_clean(:), wblcdf(wind_clean(:), c, k)]); [h_s, p_s, ks_s] = kstest(solar_clean, 'CDF', ... [solar_clean(:), betacdf(solar_clean(:), alpha, beta)]);注意，样本数据必须是列向量，否则kstest会报维度错误。这里有个统计上的陷阱：用同一份数据先估参再做K-S检验，p值会偏乐观，因为参数是从数据里学出来的，模型天然“见过”这些数据。严谨的做法是bootstrap修正或者Lilliefors检验，但工程上做风电、光伏分布拟合时，大家普遍直接用这个简化版K-S检验，只要K-S统计量明显小于临界值，结果就可以接受。所以在报告里，不要只写“p>0.05，通过”，最好把统计量本身也列出来。
4.2 卡方拟合检验的完整步骤
卡方检验适合大样本情况，核心思路是把数据分箱，比较每个箱内的观测频数和理论频数。步骤分四步：
- 把数据分成若干个区间，算出落在每个区间的观测频数。
- 用拟合好的理论分布计算每个区间的理论概率，乘以总样本数得到理论频数。
- 合并期望频数小于5的相邻区间，避免统计量不稳定。
- 计算卡方统计量，查自由度为“有效箱数减参数个数减1”的卡方分布。
Matlab核心代码：
edges = linspace(min(wind_clean), max(wind_clean), 21); obs = histcounts(wind_clean, edges); p_theory = diff(wblcdf(edges, c, k)); exp_count = sum(obs) * p_theory; % 合并期望频数小于5的箱 valid = exp_count >= 5; chi2stat = sum( (obs(valid) - exp_count(valid)).^2 ./ exp_count(valid) ); df = sum(valid) - 3; % 减去2个估计参数和1个总样本约束 p_chi2 = chi2cdf(chi2stat, df, 'upper');这里要注意，箱数的选择没有统一标准。箱太少会丢失分布形状信息，箱太多又会让期望频数过小。我习惯先用直方图看一下数据范围，然后选择20到30个箱，再根据合并规则调整。卡方检验对分箱方式很敏感，换一组边界结果可能就从“通过”变成“拒绝”，所以它更适合作为K-S检验的补充，而不是唯一判断依据。
4.3 图形诊断：三张图看穿拟合问题
统计检验给的是一个量化结论，但图形能告诉你问题出在哪个位置。我从这三个图开始看：
第一张是直方图叠加理论PDF。这是最直观的，一眼能看出峰值位置是否对齐、尾部是否拖得不够。第二张是Weibull概率图，用wblplot画，重点看两端有没有偏离直线。第三张是P-P图或Q-Q图，把经验分布和理论分布的累计概率做对比。P-P图对中间段敏感，Q-Q图对尾部敏感，两个都画最好。
一个真实案例：某地区风速数据用全年样本拟合Weibull后，直方图看峰值吻合得很好，但Weibull概率图两端都翘起来了，说明数据中存在比Weibull预测更多的极端低风速和极端高风速事件。后来我按季节拆分，冬季和夏季分别拟合，概率图就正常了。这个案例说明，如果图形诊断不过关，优先怀疑数据混了不同子总体，而不是急着换分布函数。
5. 实战中踩过的坑与避坑清单
5.1 Beta分布最经典的坑：0和1不能直接进betafit
betafit要求样本严格在(0,1)开区间内。光伏数据每天都有大量0（凌晨和夜间）以及可能有1（满发时段），直接传进去，函数会返回NaN或者Inf。这不是数据有问题，而是Beta分布的支撑集就不包含端点。我见过不少同学卡在这一步，以为是数据下载错了。处理边界有三条路：
- 直接剔除边界值，最简单，适合边界值占比较小的情况。
- 用零膨胀Beta模型（Zero-Inflated Beta），把0或1作为单独的一个离散概率，剩余部分用Beta分布建模。这个模型更严谨，适合光伏数据里夜间时段占比很大的场景。
- 折中方案是对边界值加或减一个极小量，比如1e-6，让数据落进开区间。这个做法能保留样本量，但会让分布估计略微偏置，尤其是当边界值占比超过10%时，偏置不可忽视。
5.2 全年数据会被季节混合“污染”
拿全年8760小时数据直接拟合，得到的分布会呈现一个方差偏大、峰更宽的形态。因为冬季和夏季的风速分布有明显差异，混在一起之后，单峰Weibull模型会被“稀释”成一个更平的峰。我的做法是按季节甚至按月份分别拟合，给每个时段一组独立参数。时序仿真里按月份切换参数，精度会有明显提升。Beta分布也有这个问题，夏季光照强、晴空概率大，冬季弱得多，硬用一个参数组合描述全年，误差很大。
5.3 光伏数据的归一化基准：除以额定还是除以最大
这是很多人忽略的细节。除以额定容量，符合物理意义，但可能出现“超发”数据，也就是归一化值大于1，比如温度较低、辐照较高的时段，光伏组件实际出力可能略超额定值。这会让Beta拟合变差。除以实测最大值，所有数据都落在[0,1]内，但会掩盖“某些时段高发率低”的信息。我的建议是优先除以额定容量，出现大于1的值时单独判断是超发还是数据异常。如果只是为了建模出力分布做随机抽样，两种基准都能用，但写报告时一定要说明清楚用的是什么基准。
5.4 K-S检验在大样本下的敏感性问题
样本量超过5000之后，K-S检验对任何理论分布都几乎能拒绝原假设，因为大样本下经验分布和理论分布的微小偏差都会被检测出来。这时候不要只看p值，要重点看K-S统计量本身，以及它和临界值的相对大小。另一个可行思路是把数据按年度或季节切分成多个子样本，分别做检验，看是否有连续多个子样本都拒绝原假设，这样既能利用大样本的信息，又避免单次检验过度敏感。
5.5 顺手的一个小技巧：先画图，再估参
我每次拿到风速数据，第一件事不是跑wblfit，而是先跑wblplot。如果概率图上点明显弯成S形，说明数据本身可能混了多种风况，比如局地切变、尾流影响，或者数据来源跨了多个地形区域。这时候就算拟合出参数也没有实际意义，不如先按风向、季节或地形分组。这个习惯帮我避免了很多无效拟合。Beta分布也是一样，先画直方图看形状，如果出现明显的双峰，说明数据里有异常时段，需要排查数据清洗逻辑。
另外一个经验是，无论用哪种检验方法，都要和图形结合着看。统计量只是把偏差压缩到一个数字上，图形能直接告诉你偏差在头部、中部还是尾部。尾部偏差对风电光伏建模尤其重要，因为极端天气下的出力场景才是电力系统安全运行最关心的。把图形诊断作为第一道关卡，把K-S或卡方检验作为第二道量化关卡，两层都过了，这个分布拟合才敢真正用到生产环境里。
我在实际项目里比较常用的是“先分季节拟合参数，再在时序模拟里按月份切换参数”的组合方式。风电光伏联合出力场景生成之后，拿去跑储能容量配置和线路潮流风险评估都很顺。还有一个经验是，Copula耦合时不要只看相关系数绝对值大小，要同时观察生成的联合散点图。有时候相关系数差不多，但散点形态完全不同，尤其是尾部方向，对极端场景影响很大。这套Weibull加Beta的组合不是什么高深模型，但胜在稳定、解释性强，在工程场景里够用好用。
