MATLAB实战：用fitdist函数搞定风速与光伏数据的Weibull和Beta分布拟合

MATLAB实战用fitdist函数搞定风速与光伏数据的Weibull和Beta分布拟合在可再生能源领域风速和太阳辐照度的概率分布建模是电力系统规划、风机性能评估和光伏出力预测的基础工作。对于工程师和研究人员来说掌握MATLAB中fitdist函数的实战应用技巧能够快速实现Weibull和Beta分布的参数拟合大幅提升数据分析效率。本文将深入解析这两个分布的特性、fitdist函数的核心参数配置、常见报错解决方案以及结果可视化技巧帮助读者避开实际应用中的各种坑。1. 理解Weibull与Beta分布在能源领域的应用1.1 Weibull分布与风速特性Weibull分布因其形状参数的灵活性能够很好地描述风速的随机特性。其概率密度函数为f(v) (k/c) * (v/c)^(k-1) * exp(-(v/c)^k)其中k为形状参数shape parameter决定分布曲线的形态c为尺度参数scale parameter反映特征风速大小典型参数范围陆地风场k通常介于1.5-2.5之间海上风场k值可能接近3.0尺度参数c与平均风速正相关提示实际项目中建议先对风速数据进行质量控制剔除异常值和故障时段记录1.2 Beta分布与光伏特性Beta分布特别适合描述太阳辐照度的概率特性因为定义域为[0,1]与归一化辐照度匹配双参数可调适应不同天气模式其概率密度函数为f(x) x^(a-1)*(1-x)^(b-1)/beta(a,b)关键特性参数a,b 0控制分布形状当ab1时退化为均匀分布日出日落时段易出现数据全零情况2. fitdist函数深度解析2.1 基础语法与参数配置fitdist的标准调用格式pd fitdist(data, distname, Name, value)关键参数选项参数名适用分布作用典型值NTrials二项分布试验次数正整数theta极值分布阈值参数实数censoring所有分布删失数据标识逻辑数组对于Weibull拟合的完整示例wind_data xlsread(wind_2022.xlsx); pd_weibull fitdist(wind_data(:,2), Weibull,... Options, statset(MaxIter,1000,TolX,1e-6));2.2 数据预处理技巧风速数据准备清洗异常值通常风速25m/s需验证处理缺失数据wind_data(isnan(wind_data)) mean(wind_data,omitnan);按时间维度分组如每小时一组光伏数据特殊处理% 处理全零数据情况 solar_data(solar_data0) eps; % 归一化到(0,1)区间 solar_norm solar_data / max(solar_data);3. 实战案例24小时时序数据拟合3.1 风速数据批量处理假设有全年逐小时风速数据矩阵365×24% 初始化参数存储 k_24h zeros(1,24); c_24h zeros(1,24); for hour 1:24 current_data wind_matrix(:,hour); current_data current_data(current_data 0.5); % 过滤低风速 pd fitdist(current_data, Weibull); k_24h(hour) pd.B; c_24h(hour) pd.A; % 异常值处理 if pd.B 5 || pd.A 30 k_24h(hour) median(k_24h); c_24h(hour) median(c_24h); end end3.2 光伏数据特殊处理方案针对夜间零值问题推荐分段处理策略for hour 1:24 current_solar solar_matrix(:,hour); if all(current_solar 0) a_params(hour) 1; b_params(hour) 1; % 设为均匀分布 else current_solar(current_solar0) min(current_solar(current_solar0))/2; pd fitdist(current_solar/max(current_solar), beta); a_params(hour) pd.a; b_params(hour) pd.b; end end4. 结果验证与可视化4.1 拟合优度检验Kolmogorov-Smirnov检验[h_wind,p_wind] kstest(wind_data, CDF, pd_weibull); if h_wind 0 disp(Weibull拟合通过KS检验 (p0.05)); else disp([拟合可能存在问题p值为,num2str(p_wind)]); end4.2 专业可视化技巧多子图对比展示figure(Position,[100,100,1200,600]) subplot(1,2,1) histfit(wind_data,50,weibull) title(风速Weibull分布拟合) subplot(1,2,2) pd_beta fitdist(solar_norm, beta); x 0:0.01:1; y pdf(pd_beta,x); bar(histcounts(solar_norm,20)/length(solar_norm),FaceAlpha,0.5) hold on plot(x,y,LineWidth,2) title(光伏Beta分布拟合)参数时序图figure yyaxis left plot(1:24, k_24h, -o) ylabel(形状参数k) yyaxis right plot(1:24, c_24h, -s) ylabel(尺度参数c) title(24小时Weibull参数变化) grid on5. 高级技巧与异常处理5.1 常见报错解决方案错误1Data must be in the open interval (0,1) for the beta distribution解决方法solar_data (solar_data - min(solar_data)) / (max(solar_data) - min(solar_data) eps); solar_data max(min(solar_data,1-eps),eps);错误2Weibull fitting failed to converge优化方案options statset(MaxIter,10000,TolX,1e-8); pd fitdist(data, Weibull,Options,options);5.2 并行计算加速对于大规模数据集parfor hour 1:24 % 拟合代码保持不变 end5.3 结果存储与报告生成建议将拟合结果保存为结构体数组results(1).DistName Weibull; results(1).Parameters [k_24h; c_24h]; results(2).DistName Beta; results(2).Parameters [a_params; b_params]; save(fit_results.mat,results);