双碳目标及新型电力系统推进背景下,光伏装机容量呈爆发式增长,准确可靠地识别出光伏阵列故障类型对于提升光伏系统稳定性及减少运维损失具有重要意义。本文从光伏阵列的外部特性和内部特性入手,对阵列各故障下的输出特性开展了深入研究,提出一种光伏阵列模型参数辨识方法,建立了一种融合外部电气特征和内部模型参数特征的光伏阵列故障识别模型。首先,对光伏电池单二极管数学模型进行分析,结合光伏阵列构成特点及Lambert W函数建立光伏阵列显隐式数学模型。利用MATLAB/Simulink搭建了 4×4光伏阵列仿真模型及测试电路,对光伏阵列在不同温度及不同辐照度下的输出特性进行分析。同时对光伏阵列中常见的短路、开路、异常老化和阴影遮挡四种典型故障及低性能组件、积尘损失、热斑效应和失配损失等几种在实际运维过程中可以解决的复杂故障进行了仿真分析,得到各种故障下电气参数的变化特征,为后文光伏阵列故障识别奠定了一定的理论基础。其次,针对光伏阵列模型参数辨识问题,本文在传统差分进化算法的基础上进行改进,提出了一种模糊自适应差分进化（Fuzzy Adaptive Differential Evolution,FADE）算法用于光伏阵列模型参数辨识。在FADE中,提出DE/current-to-SP-best/1突变策略,更多的利用精英个体来引导搜索方向;引入参数自适应控制策略,减少算法对参数设置的依赖;提出模糊选择策略,将淘汰掉的个体作为下一代随机变异母体,提高全局搜索能力。在相同环境下,将FADE算法和其他不同算法分别用于求解光伏阵列模型参数,通过仿真及实验数据验证改进方法对于阵列模型参数辨识的准确性和有效性,为光伏阵列各故障下的模型参数特征提取提供依据。最后,在对光伏阵列各种故障所对应的电气特征和模型参数特征分析的基础上,将两类故障特征结合,共同作为故障识别的依据。提出了一种粒子群优化随机森林算法（PSO-RF）的光伏阵列故障识别模型,利用采集到的数据样本集验证了所提PSO-RF模型对光伏阵列故障识别的有效性。同时利用PSO-RF模型分别对光伏阵列电气特征和模型参数特征数据集进行验证,结果表明将光伏阵列的电气特征和模型参数特征融合进行故障识别相比单一故障特征的准确度更高。