光伏并网逆变器作为光伏发电系统接入电网的枢纽装置,其运行状况对整个光伏发电系统具有重大的影响。但在实际光伏电站中,并网逆变器一直处于恶劣的环境中,且其内部的设备要一直承受很高的电应力和热应力,并且电网和直流侧扰动的影响都会导致逆变器系统的故障发生率提高。关于光伏并网逆变器故障诊断技术,现在已有许多研究成果。其中基于BP神经网络的光伏并网逆变器故障诊断技术,不仅诊断准确率高,检测速度快,且可以实现在线故障诊断。但是容易陷入局部最小值和过拟合,导致泛化能力不足,从而诊断精度下降。且当出现误判时,现有的故障诊断技术,都无法利用运行数据对故障诊断系统进行全生命周期的数据维护更新,进而改正误判。因此,本文设计一个基于优化的神经网络的光伏并网逆变器故障诊断系统,可以有效避免陷入局部最小值和过拟合,提高诊断精度。且该系统可以在全生命周期内,利用运行数据对神经网络数据库进行维护与更新,纠正误判,使得故障诊断系统可以随时间进行成长与改进。对于提高光伏发电系统的可靠性,推进光伏电站的智能运维具有重要作用。本文以NPC三电平并网逆变器为研究对象,设计了一种可以全生命周期数据维护与更新的光伏并网逆变器故障诊断系统。首先,简单介绍了NPC三电平并网逆变器的拓扑结构和控制方法,对逆变器系统中的主要故障从不同层面进行分类,同时对开关器件开路故障的形成和演化机理进行了分析。其次,对基于小波包分解和BP神经网络的逆变器故障诊断技术进行了推演和实验,根据实验结果指出其易陷入局部最小值和过拟合导致诊断精度下降的问题。再次,提出了基于规范化和交叉熵优化BP神经网络,并建立基于优化的神经网络的NPC三电平并网逆变器故障诊断系统。且该系统能利用运行数据实时地进行全生命周期的数据维护。该故障诊断系统是基于软件和硬件的协作运行的,其中软件是基于Python编写的。最后,通过MATLAB搭建仿真平台获取仿真数据,通过RT-LAB搭建半实物实验平台获取半实物实验数据,利用仿真数据和实验数据相结合,验证了基于优化的神经网络的故障诊断系统可以有效避免陷入局部最小和过拟合,提高了诊断精度,且该系统在出现误判时可以利用运行数据对神经网络数据库进行全生命周期的维护更新,从而有效纠正误判。实验结果验证了该方案具有实用性和可移植性。