随着能源与环境问题日渐突出,光伏发电技术愈渐成熟,光伏阵列的监测和故障诊断问题也随着光伏发电技术的广泛应用而愈发突出。本文针对目前已有的光伏故障诊断方法中存在的不足,开展了基于遗传算法和天鹰优化器的混合优化算法与双向长短时记忆网络的光伏故障诊断模型。首先,考虑光伏电站数学模型的建立,对机组的运行分析起到重要的作用,在介绍光伏发电的基础上,对光伏组件、升压电路、逆变电路和滤波电路进行详细的介绍,建立光伏发电系统的数学模型,为后文对光伏组件故障的诊断研究奠定了基础。为了优化双向长短时记忆网络的相关超参数,针对遗传算法和天鹰优化器算法中存在的容易陷入局部最优和收敛速度过慢等问题,通过对遗传算法进行Tent混沌映射和最优个体扰动,对优化后满足转换条件的种群作为天鹰优化器的初始种群输入,得到混合优化算法,使用标准测试函数测试算法的有效性,所提的算法可以极大的提高求解函数的最优值速度和精度。最后针对光伏电站经常出现的开路、短路、局部阴影、阴影遮挡、光伏积灰和光伏热斑六种故障进行建模仿真,并分析光伏故障前后光伏阵列输出特性,然后根据仿真实验得到六种故障的特征参数并输入GA-AO-BiLSTM故障模型,并与PSO-BiLSTM、GA-BiLSTM和AO-BiLSTM故障模型进行比较,GA-AO-BiLSTM故障模型准确率为99.44%。通过搭建实验平台模拟光伏故障,将获取的故障参数输入训练好的故障模型,验证了此故障诊断模型优于其他模型,所提出的方法能够准确有效的提高光伏变电站故障诊断性能。该论文有图59幅,表9个,参考文献53篇。