光伏发电作为一种清洁、可再生的发电方式,正在迅速成为可持续发展和能源战略的重要组成部分。近年来中国光伏发电发展速度惊人,光伏装机容量快速增长。装机容量的大幅增加也给光伏发电系统的运行维护带来了更大的挑战。当代的光伏电站都以实际运行过程中产生的数据为核心开展运维工作,因此高质量、高可靠性的光伏运行数据是光伏运维工作开展的必要前提。然而在光伏系统实际运行过程中存在大量的异常值,产生这些异常值的原因包括数据传播信号噪声,传感器故障,通信、测量设备故障,最大功率跟踪异常以及阵列停机限电等。大量的异常值会严重影响原始数据的质量,影响运维功能的实现。因此,能否对运行数据中的异常数据进行准确地识别与清洗对于保障光伏电站的安全经济运行有很重要的影响。为了解决上述问题,本文对光伏阵列的异常数据清洗进行了详尽的研究分析,研究内容包括以下方面。首先从理论上分析了光伏阵列功率和辐照量、电压和温度之间的单对参数、多对参数之间的理论关系,结合实际的运行数据分析了不同气象数据会对光伏出力曲线造成的影响。同时,论文从运行数据数据分布特征出发,归纳了单个以及多个环境参数下光伏阵列异常数据的种类、产生原因以及数据分布特征。其次,本文从辐照量和阵列输出功率入手,提出了基于滑动标准差突变的光伏阵列异常数据清洗方法。该方法可以通过分析运行数据的离散程度来识别异常值,同时通过滑动窗口的设计来保持不同组之间数据标准偏差的连续性,从而提高突变指数的敏感性。在实例分析中,本文从大型并网发电站中选择了多组实际运行数据并对其进行了清洗,清洁结果说明了该算法的可用性。然后,与基于分位数算法的异常数据识别方法的比较说明了滑差算法的有效性。由于阵列的出力曲线不仅仅受辐照度的影响,在同时考虑辐照度、温度对阵列电流、电压的影响下,本文提出了基于2步分位数的光伏阵列数据清洗方法。本文通过重复使用分位数方法的设计思想,保证了所有电流、电压的异常数据都能被识别到。实例分析中以某实际电站阵列的运行数据为清洗样本,验证了所提方法的有效性。通过对多组参数下算法清洗结果的研究,说明了运用分位数算法时要根据对清洗数据的要求来对应的调整分位点的参数设置。同时通过对比两种异常数据分布条件下一步四分位方法与本章节所提方法的性能结果,证明了2步分位数方法能具有更好的适应性和识别准确度。最后,为了探究数据清洗算法应用于光伏阵列故障诊断的可能性,本文以第四章二步分位数方法为基础,利用算法计算出的光伏阵列运行数据的正常数据上下阈值为判定根据,设计了可以应用于光伏阵列的故障诊断算法,并设计了四种不同典型故障条件以验证故障诊断算法的有效性。