当前环境形势日趋严峻,光伏发电作为一种清洁型能源得到了广泛的关注。而光伏逆变器是光伏发电系统的重要模块,工作在高电压、大功率的环境下,因此其故障问题不容忽视。现在,对于光伏逆变器的故障处理问题还不太全面,国内外在这个领域的研究也比较匮乏。本课题针对当前常用的光伏逆变器系统,对其故障类型的发生与判断进行研究,提出了利用极限学习机(ELM)网络对故障情况进行判别的新方法。本文以光伏逆变器主电路的故障诊断为研究课题,以当前应用最多的二极管中点箝位(NPC)型光伏逆变器作为研究对象。首先,我们进一步的研究分析了三电平NPC型光伏逆变器中各种功率器件所潜在的故障类型；其次,进一步分析了极限学习机(ELM)网络的相关理论以及其在实际中的典型应用,并同时分析了如何通过小波变换的方法进行特征向量的提取；最后在MATLAB环境下搭建了NPC型光伏逆变器的实验平台,并对比了极限学习机算法与支持向量机(SVM)算法在NPC型光伏逆变器故障诊断中的分类效果,结果得出两种模式识别的方法均能实现将故障情况正确分类的目的,但极限学习机方法的诊断精度更高、速度更快。充分论证了本课题所研究的极限学习机故障诊断方法的正确可操作性及其优点。本课题主要针对三电平NPC型光伏逆变器的故障诊断问题进行了研究,提出一种基于极限学习机和小波变换相结合的新方法,并将支持向量机(SVM)算法加入对比以证明本课题所提出方法的实用性。通过仿真实验最终得出了基于极限学习机(ELM)网络诊断方法的优势与可靠性。