随着世界各国对新能源的关注和开发,利用太阳能这种资源丰富并且无污染的新能源发电已经被广泛的运用。在太阳能发电结构中,并网逆变器有着相当重要的作用,若是逆变器有了故障没有得到该有的诊断,就会产生经济上的损失,对人的生命安全也会带来威胁。所以对逆变器的故障诊断就有很大的意义,本文通过运用小波变换结合神经网络的方式对逆变器的不同故障类型进行诊断研究。首先介绍了光伏发电技术,对光伏并网逆变器的拓扑结构进行了说明,选定应用较为广泛的二极管NPC型三相三电平逆变器为研究对象,对它的工作原理和故障类型进行了说明,主要研究逆变器电路A相上典型的11种故障类型。接着在matlab/simulink仿真环境中构建了三电平逆变器的故障仿真模型,对这11种不同故障类型展开了仿真模拟,从仿真模拟的结果中得到了后续故障诊断所需要的故障信息,即为A相电路上的桥臂电压、上桥臂电压和下桥臂电压。最后完成逆变器不同故障模式的诊断。整个过程分为三个阶段:故障信息的采集,故障特征的获取和最后的故障类型辨别。故障信息的采集就是分别采集不同故障类型对应的桥臂电压波形;故障特征的提取采用小波变换的方法,将采集到的电压波形经过小波变换展开三层小波包分解,不同故障类型的电压信号被分成了八个频带的能量值,把这些能量值做归一化处理,处理后的数据构成特征向量,作为设计好的BP网络的输入样本数据,然后对期望的输出目标进行编码。最后设置直流侧电压分别为720V、700V和680V,选取调制比为0.2～0.9,每一种故障类型获取到了 24组样本数据,总共得到264组故障特征。2/3的数据作为训练使用,1/3的数据作为测试使用。将这些数据放入到神经网络中展开了训练和测试,仿真测试结果表明,该方法诊断正确率较高,易于实现,具有一定的工程应用价值。