近年来随着化石能源的广泛使用,全球的化石能源存储面临着枯竭的危险。此外,由于化石能源燃烧会排放温室气体和其他有害气体,这不仅会加剧全球变暖的趋势,还会危害全球生态系统。光伏产业通过利用太阳能这种清洁能源来取代化石能源进行发电,得到了全球各国的推广。然而通过人工对光伏电厂进行故障排查的巡检方式存在成本高、巡检周期慢、准确性差等缺点,严重制约着光伏产业的发展。因此设计一种自动化的光伏电厂故障预警系统对提高光伏电厂的产能和促进光伏产业发展具有重要意义。本文通过对真实环境中屋顶式分布式光伏电厂进行实地调研,并以实际运行的光伏电厂的红外热图像进行研究,设计并实现了一种基于无人机巡检和机器学习分类的自动化的光伏电厂故障预警系统,并对系统中的核心算法红外图像分割和故障危害识别算法进行了重点研究。具体内容如下:（1）提出了一种基于可见光图像辅助的红外图像分割方法。首先根据光伏组件在可见光图像中的特征,对图像进行色彩空间上信息提取,并使用全局阈值处理的方法,将图像转换成二值图,提取图像中的连通区域。然后根据光伏组件的先验知识,剔除掉干扰物体和噪声点的干扰,并使用轮廓识别算法,提取光伏组件的轮廓信息。最后将可见光图片和红外图片进行匹配,并将可见光图像中的轮廓转换到红外图片中,从而实现对红外图像中光伏组件的精准分割。（2）提出了一种基于机器学习的光伏组件故障危害识别方法。首先根据红外热像仪的成像原理,将红外图像转换成其对应的温度图。然后对温度图使用自适应阈值算法进行阈值化处理,并使用轮廓识别算法得到光伏组件的热斑轮廓信息,并对热斑识别算法进行有效性验证。最后根据检测的光伏热斑轮廓信息,提取热斑故障的特征并使用分类模型对热斑的危害等级进行识别,并根据有故障光伏组件上热斑危害情况提取光伏组件故障特征,然后通过使用分类模型对光伏组件的故障危害等级进行识别,从而实现识别有故障的光伏组件并对其故障危害进行评级。（3）设计并实现了一种智能电厂故障预警系统。首先根据分布式光伏电厂的特性设计了智能电厂故障报警系统的整体架构。然后,分别对系统中的红外数据采集子系统、光伏组件故障检测子系统和报警信息联动子系统进行了详细的设计与实现,从而实现了完整的智能电厂故障预警系统。