随着全球经济的快速发展和能源需求的增加,清洁能源和可再生能源受到越来越多的关注,其中,光伏发电在可再生能源中占据着主导地位。光伏电站的建设占地面积较大,随着土地资源的消耗,大型集中式地面电站逐步向地形复杂的山地发展。光伏电站在户外复杂的环境中运行,很容易发生各种故障,在电站的生命周期内,需要对电站可能发生的各种故障进行进行检测和定位。目前,针对于电站的云数据存储和远程监控已经发展的逐步成熟,但是对于电站的运维往往还需要人工巡检和排查。因此,有效的光伏电站故障检测和诊断方法在保证电站的可靠性和安全性方面发挥着中重要的作用。本文针对山地光伏电站的特点,对组串级别的故障进行研究。在大型集中式光伏电站中,组串的时序电流数据可以通过汇流箱或组串式逆变器获取,不依赖其他设备,因此,使用该数据对电站中的组串故障进行诊断。本文首先通过数学电路模型和仿真,分析不同故障下的数据特征,为后续故障诊断提供理论基础。山地光伏电站与传统平地光伏电站相比,具有一定的特殊性。山地电站的地形地势复杂,光伏阵列很难保持统一的安装方向,在同一时刻点接受到辐照强度可能有较大的差异。通过理想日照模型对不同方位角和倾角下的光伏板倾斜面接受到的辐照强度进行分析,并提出一种基于时序电流数据且不需要任何环境数据的光伏组串故障检测方法。该方法首先对每日电流时序数据进行排序,消除方位角造成的时移特征,再通过谱聚类直接对高维数据进行聚类,得到聚类簇中,电流最大的簇被认为是正常的,其余的是异常组串。通过实际电站运行数据对开路故障、低效故障和阴影故障进行检测,验证了所提出方法的准确率。使用日周期数据的故障检测结果可能存在某些随机故障,例如云层漂移或者动物造成的临时遮挡。为了避免随机性,通过月周期数据对阴影故障进一步诊断,区分随机阴影和固定阴影,避免可自恢复的故障带来大量报警增加运维人员不必要的工作量。文中提出一种基于改进的多项式拟合和核密度估计的非参数概率密度估计方法。该方法根据每月的时序电流数据映射出该月内组串的固有工作特性,判断组串是否是固定遮挡。同样的,使用实际电站运行数据验证了所提出方法的有效性。