针对我国太阳辐射台站分布少、已有辐射数据缺失严重的问题,本研究提出“辐射台站补全——无辐射台站估算——非台站区域插值”的全过程思路,依次采用“基于辐射台站的估算模型——无辐射台站的通用模型——非台站区域的插值模型”解决我国的已有辐射数据缺失、无辐射数据和无气象数据的三类辐射数据补全问题。进一步,室外计算辐射是建筑负荷计算、太阳能集热器、光伏板面积计算的基础参数。由于辐射数据缺失,难以获得室外计算辐射需求的长期太阳辐射数据,传统建筑负荷计算用夏季室外计算辐射主要采用7月21日晴天太阳辐射,受实际天气状况影响,实际太阳辐射小于晴天太阳辐射,易造成设备容量偏大,不保证率减小等问题;冬季运行太阳能系统和全年运行太阳能系统容量计算则主要采用短期辐射数据的12月平均日辐射参数和年总辐射参数统计值。短期数据难以表征辐射长期变化特征,易造成设备容量计算不合理等问题。针对上述问题,本研究利用补全的30年长期辐射数据,提出不同系统室外计算辐射统计分析方法,为太阳能利用系统设计计算提供基础参数。具体研究内容及结果如下:（1）太阳辐射分区是太阳辐射估算模型性能分析和通用模型建立的前提条件。传统基于辐射台站的辐射数据分区方法,将无辐射台站定性划分至各个气候区,容易造成距离台站较远的地区,尤其是两个分区边界地区发生误分问题,属于定性分区方法。基于此,本研究基于k-means聚类和SVM-GA分类,提出了两步法太阳辐射分区新方法。首先利用k-means聚类,以月平均太阳辐射为评价指标,将辐射台站划分成5类;然后,利用SVM-GA,以辐射台站的常规气象数据作为训练集,以无辐射台站的常规气象数据作为测试集,将无辐射台站划分成5类。该方法在分区过程种引入无辐射台站,将传统定性的太阳辐射分区方法转换为定量的分区方法,显著提高了辐射分区的精度。（2）针对辐射台站辐射数据缺失问题,本研究利用96个辐射台站的日照百分率、日平均温度和日较差数据,分析了不同辐射分区总辐射与日照和温度的相关性,构建了我国基于日照百分率和基于温度的太阳总辐射估算模型,补全了96个辐射台站的太阳辐射缺失数据。进一步,本研究分析了不同模型在各个气候分区的预测精度;给出了各个气候区最适宜的总辐射估算模型,进而构建了我国太阳总辐射估算通用模型,补全了我国564个无辐射台站的太阳总辐射数据。（3）直散分离模型可以分为散总比和散射系数模型两类。总体来看,散总比模型精度高,但是需要总辐射参数输入;散射系数模型精度低,但是不需要总辐射参数输入,应用范围广。根据台站总辐射和散射辐射数据情况,气象台站可分为:同时具有总辐射和散射辐射数据（52个）,仅具有总辐射（44个）以及无辐射数据（564个）三类。利用常规气象数据（包括日照百分率、温度、相对湿度和降雨量）,分析了散射辐射与总太阳辐射和常规气象参数之间的相关性,进而构建了我国散总比和散射系数直散分离模型。利用散总比直散分离模型补全了52个同时具有总辐射和散射辐射数据台站的散射辐射缺失数据。进一步,分析不同模型在各个气候分区的模型精度,揭示了各气象参数对散射辐射的影响机理,给出了不同气候区不同气象参数对散射辐射的影响排序;给出了不同气候分区最适宜的直散分离模型,建立了各个分区的散总比和散射系数直散分离通用模型,分别补全了我国44个仅具有总辐射数据的台站和564个无辐射台站的散射辐射数据。（4）针对非台站区域数据缺失问题,本研究采用反距离权重插值方法获得了辐射数据空间分布网格数据,补全了非台站区域的总辐射和散射辐射数据。进一步,针对传统太阳辐射空间分布网格数据忽略局部地形对太阳辐射的遮挡作用,进而造成部分地区太阳辐射量估算值偏大的问题,本研究利用分辨率为90 m×90 m的DEM数据,计算了我国的坡度和坡向空间分布,得到局部地区对直接辐射的遮挡因子空间分布数据,修正了我国太阳辐射空间分布网格数据。（5）针对传统室外计算辐射统计分析方法不合理问题,本研究基于30年长期太阳辐射数据,提出了三种室外计算辐射统计方法:以±0.20 MJm^-2d^-1为阈值的基于累年平均不保证5天的冬夏季室外计算辐射;基于累年辐射最小月的月平均日辐射参数;基于累年平均年总太阳辐射参数。通过对比分析发现,对于夏季设计日室外计算辐射,严寒和寒冷地区统计值和推荐值吻合度较高;而夏热冬冷、夏热冬暖和温和地区差异较大,推荐值普遍大于统计值。主要原因是因为夏热冬冷、夏热冬暖和温和地区大部分处于湿润气候区,推荐值低估了湿度对太阳辐射的影响。对于冬季设计日,相关文献推荐的晴天太阳辐射模型计算方法计算得到的推荐值普遍大于本研究的统计值。主要原因是因为冬季设计日往往处于阴雨天,其太阳辐射量远小于晴天太阳辐射量。对于月平均日和年总辐射参数,由于采用的数据统计时常不同,统计值和推荐值差异较大。