随着社会发展，能源需求量不断增长，化石能源逐渐枯竭。太阳能作为资源量最大的可再生能源，在能源领域充当着越来越重要的角色，光伏发电逐步发展成为新能源发电领域的中坚力量。随着光伏产业的快速发展，针对光伏电站的故障诊断技术也在不断发展。保证光伏电站正常运行，提高发电效率显得尤为重要。
　　本文分析光伏电站发电、输配电和并网各环节的多类故障，在电气数据监测过程中的表现特征与变化规律；研究基于数据挖掘的异常数据序列提取方法；研究基于深度学习的多类故障诊断方法；构建“分布式光伏电站数据监控与故障诊断平台”。
　　首先，提出了分布式光伏电站数据监控与故障诊断平台的构架和逻辑，并着重分析了内外部因素对光伏组件的影响以及典型故障对光伏组件输出特性的影响，进而总结出分布式光伏电站的故障分类以及数据特征描述。
　　其次，通过输入特征量构造、样本标识构造方法建立相对客观的异常/正常偏差率序列样本集进行支持向量机模型构造，提出基于数据挖掘的异常数据序列提取方法，并进行基于电站实际运行数据的方法验证以及异常数据序列提取案例分析。结果表明，针对测试集的准确率大于96%。
　　最后，分析不同故障数据序列对应的曲线形状、分布以及数值变化等规律，获得可面向多类故障的，具有唯一性和可识别性的数据变化特征，提出基于深度学习的多类故障诊断算法，并进行方法验证以及故障诊断整体案例分析。结果表明，故障综合诊断率大于95%。