1.一种考虑分时段的非线性光伏出力预测方法，其特征在于，包括以下步骤：1)通过工程实践中一天内早中晚的太阳辐射强度的经验，获取太阳辐射强度时间序列的先验信息，包括分段点数量m，m＝0,…,M、预估分段点位置初值t m 、分段点在该位置附近的摆动时间Δt m 以及分段点在该位置的可能性大小ρ m ；2)对步骤1)获得的太阳辐射强度时间序列的先验信息进行先验概率转化，定义变量X＝{X m ；m＝0,…,M}表示分段点位置，Y为太阳辐射强度时间序列，长度为n的太阳辐射强度时间序列表示为Y t ＝{Y t ,t＝1,…,n}，分得的第m段太阳辐射强度时间序列记为Y m ＝{Y t ；t＝X m-1 +1,…,X m }；采用最大似然函数法MLE估计分布参数，整个太阳辐射强度时间序列的似然函数记作h(Y|X,ω)＝{h(Y|X；ω)}:f(ω)为分布参数ω的先验分布，π(X)为分段点位置X的先验分布概率；3)根据步骤2)中的公式推导，得到分段模型：其中，对数似然函数V(X,Y)＝-lnh(Y|X；ω(X))，第m段太阳辐射强度时间序列的似然函数为V m (X,Y)，β i 为第i时间的转换系数；根据步骤1)获得的太阳辐射强度时间序列的先验信息，求解上述分段模型，能够估计整个太阳辐射强度序列的分段点位置X；具体公式推导过程如下：3.1)认为对每段太阳辐射强度时间序列的分布参数ω没有任何先验信息，所以认为f(ω)满足均匀分布，即f(ω)为常数；对步骤2)公式 取负对数得其中，V(X,Y)＝-lnh(Y|X；ω(X))3.2)先验分布概率表示为以下形式：其中，P i 1 是在时间i处存在分段点的概率，P i 0 是在时间i处不存在分段点的概率，P i 1 +P i 0 ＝1；对上式取对数得到对于优化问题而言，常数的加减对参数的优化结果没有影响，因此忽略右边第二项常数项，定义则根据β i 特性，定义时间i处转换系数β i 如下：3.3)太阳辐射强度具有某种分布特性，根据实际工程需要，选定太阳辐射强度的分布函数，推导V(X,Y)的步骤如下：3.3.1)选定需要的分布函数并得到其似然函数，将其写成分段形式；3.3.2)对每一段太阳辐射强度时间序列对应的似然函数取负对数，然后把每段辐射强度时间序列对应的结果进行求和，得到原始的V(X,Y)；3.3.3)将所选分布的最大似然参数估计方程代入步骤3.3.2)得到的原始的V(X,Y)中，对其进行化简，得到最终的结果；4)根据步骤3)得到分段点位置X，处于分段点间的每一段平稳序列分别符合非线性SIAVAR模型的假设条件，使用非线性SIAVAR模型进行模拟；将一个长度为n的时间太阳辐射强度时间序列表示为Y t ＝{Y t ,t＝1,…,n}，非线性SIAVAR模型如下：其中p为模型的阶数,a j 是第j阶的系数，g j 是每一阶的非线性函数；采用全局样条逼近方法对非线性非参函数进行估计；由于非线性SIAVAR模型不具有唯一性，对a j 进行重新参数化；采用Backfitting回溯法进行半参数估计，得到a j 和g j ；将太阳辐射强度时间序列Y按照分段点分成M段，即完成每一段太阳辐射强度时间序列Y m 的非线性SIAVAR模型的拟合；5)根据步骤4)拟合得到的每一段太阳辐射强度序列Y m ，假设在光伏系统中使用了最大功率跟踪技术，根据光伏发电出力特性，单位面积光伏阵列输出功率为P m ＝ηSY m其中，η是转换效率，S是阵列面积；即可得到光伏出力预测时间序列P t 。
2.根据权利要求1所述的一种考虑分时段的非线性光伏出力预测方法，其特征在于，所述的步骤1)中，在某一种天气类型条件下，由于光伏电池板集中建设在一片区域内，单个光伏电站的地域跨度不大，因此认为一个光伏电站上空的太阳辐射强度和光伏出力特性近似相同，假设一个光伏电站内的所有光伏电池板的太阳辐射强度时间序列具有相同的分段点。
3.根据权利要求1所述的一种考虑分时段的非线性光伏出力预测方法，其特征在于，所述步骤3)中，如果缺少先验信息中的预估分段点位置初值t m ，模型退化为只靠太阳辐照强度序列的分布特性来分段：
4.根据权利要求1所述的一种考虑分时段的非线性光伏出力预测方法，其特征在于，所述步骤3)中，如果连一段太阳辐射强度序列中有几个分段点都不知道，此时由于M不存在，预估分段点位置初值t m 、分段点在该位置附近的摆动时间Δt m 和分段点在该位置的可能性大小ρ m 全都无法给定；处理上述完全缺失先验信息的问题步骤为：3.1)先给定分段点数量的可能最大值M.max；3.2)从M＝0起，每次令M+1，将每一个M代入模型 优化求解得到其结果和目标函数值，直到最大值M.max；3.3)找出目标函数值最小的一次所对应的M作为合理的分段点数量，优化结果即为分段点位置X。
