1.一种光伏不确定性对电力系统小信号稳定性影响的评估方法，其特征在于，包括以下步骤：S1：光伏建模，建立起包含阻尼控制器的光伏系统动态模型，将其线性可以得到光伏的小信号模型；S2：包含光伏的电力系统小信号建模，结合光伏小信号模型和交流电力系统小信号模型，并消去发电机定子电流和负荷节点电压，即可构成含光伏电力系统的小信号模型；S3：光伏出力的不确定性建模，光伏出力在较广泛的时间尺度内近似服从Beta分布，用相关系数矩阵来描述变量间的相关性，并利用多项式正态变换处理非正态分布随机变量间的相关性，从而能够处理非正态分布随机变量间的相关性；S4：全局灵敏度分析，利用Sobol指标定量评估系统对不确定性的全局灵敏度。
2.如权利要求1所述的光伏不确定性对电力系统小信号稳定性影响的评估方法，其特征在于：S1：光伏建模，建立起包含阻尼控制器的光伏系统动态模型，将其线性可以得到光伏的小信号模型，如(1)所示：该公式(1)中，△x PV 代表光伏电站动态模型中的状态变量，△V PV ，△V g 和△V l 分别代表光伏电站，发电机和负荷所连交流母线的电压，△u PV 是光伏动态模型的输入，A PV ，B PV ，C PV ，D PV1 ，D PV2 ，D PV3 和E PV 分别是系数矩阵；S2：包含光伏的电力系统小信号建模，结合光伏小信号模型和交流电力系统小信号模型，并消去发电机定子电流和负荷节点电压，即可构成含光伏电力系统的小信号模型；如(2)所示，其中K A ，K B ，K C ，K D 和K E 分别是根据发电机和光伏系数矩阵计算得到的全局模型的系数矩阵；式中，△x＝[△x g ；△x PV ]，△V＝[△V g ；△V PV ]，△u＝[△u g ；△u PV ]，△x g 、△V g 和△u g 分别为发电机中的状态变量、交流母线电压和输入，特征根λ由矩阵Asys计算，Asys如(3)所示；S3：光伏出力的不确定性建模，光伏出力在较广泛的时间尺度内近似服从Beta分布，其概率密度如(4)所示，式中：p和P max 分别为光伏电池输出功率与最大输出功率，α和β为形状系数，Γ为Γ函数；用相关系数矩阵来描述变量间的相关性，并利用多项式正态变换处理非正态分布随机变量间的相关性，从而能够处理非正态分布随机变量间的相关性；如(5)所示，其中x p 是需要拟合的随机变量，z p 是标准正态分布，a i 是多项式系数；采用最小二乘法计算a i ，为保证不同光伏出力间的相关性，然后确定其对应标准正态分布间的相关系数ρ z ，在得到具有相关性的标准正态分布后，利用Cholesky分解即可得到独立的标准正态分布，将独立正态分布代入(5)即可得到具有相关性的光伏出力概率分布；S4：全局灵敏度分析，利用Sobol指标定量评估系统对不确定性的全局灵敏度，其中，Sobol指标分为FOSI和TESI，其计算方法如下：FOSI代表了每个输入变量对输出变量方差的主要贡献，其定义如(6)所示，其中E代表期望，V代表方差，X i 代表第i个输入，Y代表输出，S i 越大说明X i 的不确定性对系统输出的影响越大；TESI计入了输入变量X i 对输出变量方差的总的贡献，能考虑不同输入之间的交互作用，其定义如(7)所示，其中X ～i 代表除X ～i 外的所有输入，S Ti 越大说明X i 的不确定性对系统输出的影响越大，
3.如权利要求2所述的光伏不确定性对电力系统小信号稳定性影响的评估方法，其特征在于：所述FOSI和所述TESI的求解方法，采用基于蒙特卡罗模拟进行求解，能够考虑具有任意概率分布的输入及具有相关性的输入，其步骤如下：生成一个N×k维的随机矩阵A，其中N为蒙特卡罗仿真的次数，k为不确定性输入的个数，该随机矩阵通过拉丁超立方抽样得到，能够计入任意概率分布或通过光伏电站历史数据模拟，并且能够考虑不同输入间的相关性；然后以和生成矩阵A同样的方法生成一个N×k的随机矩阵B，再生成一个N×k的随机矩阵C i ，C i 与B一致，但C i 的第i列来自于矩阵A i 的第i列；根据3个输入采样矩阵A，B和C i ，计算对应的输出y A ，y B 和y Ci ，这3个输出的维数都是N×1；根据3个输出矩阵，FOSI可以通过(8)进行估计；其中f 0 如(9)所示；类似的，TESI可以通过(10)进行估计；系统的输出选取为系统特征根λ阻尼比中的最小值，即系统关键特征值的阻尼比，如(11)所示；y＝min(-real(λ)/abs(λ)) (11)。
