随着能源需求增长、化石能源的日益枯竭与成本上涨、全球气候变暖等诸多因素的影响,人们在全球范围内寻求可再生能源的发展。太阳能具有易获取、无噪声、清洁、无穷无尽等优点,成为了可再生能源的重要部分。我国光伏产业发展迅速,光伏装机容量逐年递增,而随着光伏装机规模的快速扩大,光伏组件及其相关电力设备的需求量也在逐年增加。但由于缺乏行业标准,市场上的相关产品良莠不齐,部分产品在运行数年后就开始出现故障,甚至造成事故,所以对光伏发电系统的关键部件进行故障诊断具有重要的实际意义。本文的主要内容如下:1.逆变器是光伏发电系统中的核心部件,但由于其自身与运行环境等因素的影响,它也最易发生故障。在对其进行故障诊断之前,先要对光伏逆变器进行选型。本文选择了在大容量光伏发电场合中应用最广的三电平逆变器作为研究对象,并建立仿真模型。光伏阵列由于长期在户外运行,出现故障的情况较多,所以也有对其进行故障诊断的必要。先介绍光伏电池的数学模型并对它的输出特性进行了仿真,分析其在阴影条件下的工作特性,最终也构建了光伏阵列的仿真模型,为接下来的故障诊断打下了基础。2.针对光伏三电平逆变器的开路故障诊断问题,提出一种基于决策树支持向量机的故障诊断方法。首先介绍逆变器的诊断策略并进行故障分类,然后以中、上和下三种桥臂电压为测量信号,采用小波多尺度分解法提取特征参数,进而利用粒子群聚类算法生成决策树支持向量机分类模型,最终实现了三电平逆变器的多模式故障诊断。该方法在使用了较少分类模型的情况下完成了故障诊断任务。与其他算法相比,该算法具有更好的准确性和鲁棒性。3.对特征提取和故障诊断算法两个部分进行改进,提出了一种基于经验模态分解和决策树相关向量机的故障诊断方法。在特征提取方面,针对小波分解算法的不足,改用能自适应分解信号的经验模态分解,并对逆变器提取“能量和能量熵”形式的特征向量。而在诊断算法方面,选择了不需要设置参数、稀疏性更强、测试时间更短的相关向量机作为分类模型。通过故障诊断与特征提取方法两方面的对比,验证了该方法具有设置参数少、结构高效、诊断速度快且精度高等优点。4.针对光伏阵列这一光伏发电系统的另一关键部件,提出了一种基于改进随机森林的光伏阵列故障诊断方法。先介绍光伏阵列的诊断策略并对其进行了二级故障分类。再引入随机森林算法,利用训练过程中的包外样本计算每个决策树的权值,并对决策树的投票与平局处理过程进行了改进。同时对变量进行重要性度量,删去部分次重要变量,重新训练后,最终构建改进随机森林故障诊断模型。对3×3和4×4光伏阵列的部分二级故障进行故障诊断,表明该方法能够实现光伏阵列的多模式故障诊断,且诊断精度较高、易于实现。