随着光伏产业的快速发展,光伏电站中的故障监测成为维护光伏电站安全稳定运行面临的重要课题。目前,对光伏电站的故障监测研究主要是针对光伏组件、串列以及逆变器,很少针对光伏阵列直接进行故障监测研究。在光伏发电站中,光伏组件性能的好坏直接影响着光伏阵列的输出特性,进而影响了光伏发电系统的稳定,而目前关于光伏组件的检测往往需要耗费大量的传感器,一方面增加了数据分析的复杂性,另一方面增加了光伏电站维护成本。为保证光伏电站安全稳定运行的同时降低成本,本文对光伏阵列故障检测与诊断进行了研究,提出了基于贝叶斯框架下的最小二乘支持向量机(LSSVM)故障诊断模型方法。本文首先研究了光伏发电系统类型及拓扑结构,分析了光伏阵列存在的主要故障类型及其产生的原因。然后深入研究分析了不同故障状态下光伏阵列输出电气参数及等效电路中内部参数的变化规律,确定了光伏阵列故障诊断定位模型的输入变量。利用LSSVM算法搭建了 一个光伏阵列故障诊断初始模型,利用贝叶斯理论对故障诊断模型内的参数进行参数优化,进而得到最优故障诊断模型,将所获得的输入变量输入故障诊断模型即可有效检测光伏阵列短路、断路、异常老化三种故障。最后本文通过搭建仿真模型以及5X3的实验平台,将本文提出的模型与LSSVM、标准支持向量机SVM两种模型的性能进行对比分析,验证贝叶斯框架下的LSSVM算法在光伏阵列故障诊断中的有效性。