随着当今新型可再生能源的大力发展,光伏发电也深受世界各国的广泛关注,尤其是光伏并网发电逐渐成为太阳能的主流应用方式。由于光伏电站常常建于戈壁、海岛等自然地理环境恶劣的偏远地区,确保核心器件光伏并网逆变器可靠稳定运行尤其重要。一旦逆变器发生故障而得不到及时高效修复,就会导致整个系统出现故障甚至停机,后果非常严重。因此,研究逆变器的故障检测与诊断方法非常有必要。光伏并网逆变器其实就是一个复杂的电力电子器件组合体,传统的针对电力电子电路的故障诊断方法很难再适用。因此,本文针对其故障信号具有的非线性非平稳特点,在研究分析了经验模态分解方法和分形几何理论的基础上,将这两种方法相结合用于逆变器故障特征值的提取,并利用BP神经网络进行模式分类,取得了较好的效果。并与小波包分解重构方法进行了对比,验证了此方法的有效性。本文首先对中点箝位型的三电平光伏并网逆变器的结构和运行原理进行了介绍,然后分析主要故障类型、对主电路开路故障进行了分类和编码,并搭建了仿真模型,对不同故障进行仿真。其次,采集逆变器输出的线电压和并网相电流信号,利用小波包分析方法进行信号的分解与重构,提取特征值,利用三层BP网络实现故障模式的分类。再次,利用经验模态分解的自适应分解的特性,分解采集得到的电信号,然后针对分解出的本征模态分量,利用分形几何理论,分别计算其的盒维数和广义维数,并构建相应的特征向量,作为神经网络的输入。最后,分析和对比了所用的3种方法,验证了本文所提出的经验模态分解方法与分形理论相结合进行故障特征值提取的有效性。