随着能源需求的进一步增加以及光伏产业的不断发展,太阳能成为一个重要的能量来源,光伏发电系统在能源供应中的重要性也逐渐显露出来。光伏发电系统运行状况的在线监测以及故障诊断成为保障光伏发电系统乃至电力系统安全平稳运行的一个关键因素。由于光伏发电具有非线性的特性曲线,光伏发电系统并不能用简单的数学模型来进行描述,而是通过最大功率跟踪技术对光伏发电进行调节以及特性分析。本文以基本的光伏发电单元作为研究对象,以数据监测以及数据挖掘技术作为技术背景,对光伏发电系统的故障诊断与健康监测进行了以下研究。首先,本文对光伏发电系统的分类与基本结构进行了介绍;分别从光伏阵列发电特性、最大功率跟踪技术的控制算法、以及光伏逆变器控制方式三个方向介绍了光伏发电系统的主要原理和关键技术;并在Matlab/Simulink平台中建立了一个集散式光伏发电单元的仿真模型。在不同的环境条件下对光伏阵列和系统的运行状况进行了仿真,分析了不同的辐照度和环境温度对光伏发电系统发电量的影响。其次,由于支持向量机分类器在解决非线性、高维度的模式识别问题中具有其独有的优势,本文选用多分类支持向量机来进行光伏发电系统的故障诊断研究,并应用改进的粒子群算法对多分类支持向量机的参数进行了优化。结合光伏阵列的多种故障进行实例分析,通过四种不同诊断算法的结果对比分析,证明了该算法的快速性、合理性和有效性。最后,本文还提出了一种基于变权层次分析法的健康度分析策略。利用光伏监控系统获取的实时数据以及定期专家评分产生的量化评价对光伏发电系统的健康状况进行了实时的评估,在故障诊断的基础上实现了故障程度的量化,是光伏发电系统运行状况的最直观的体现形式。