由于我国传统化石燃料的大幅度消耗,环境污染问题也变得日益严重,人们逐渐意识到利用可再生新能源的重要性。在各种能源中,太阳能凭借其安全且可靠、清洁环保无污染等诸多优势受到一致好评,光伏发电作为其重要的应用途径,得到了广泛的推广和研究。光伏阵列一直是光伏系统的一个核心组成部分,由于所处的环境大多非常恶劣,长时间运行在这种条件下,必然会引发安全问题。一旦其部分发生故障,若不能及时处理,轻则影响光电转换效率,严重时很可能损毁整个光伏电站。因此及时有效发现故障并判断类型,根据不同情况采取相对应的措施是非常有意义的。本文主要内容由以下三部分构成:（1）完成了光伏阵列建模及故障数据集的获取。由于光伏故障诊断领域无统一公开数据集,选择PSIM和MATLAB两款软件进行联合仿真实验平台设计,模拟了正常、短路、开路、阴影和老化五种工作状态,并与现实光伏电站实测数据进行对比,结果证实了数据的有效性。（2）针对处于标况条件下的光伏组件,采用SSA-DBN进行故障诊断。以联合仿真的电压电流结果作为故障数据集,采用SSA优化DBN模型权值和偏置,并进行参数设置,实验结果与原始DBN和DCNN进行比较,发现SSA-DBN平均诊断准确率高达97.71%,与原始模型相比提高了5.61%,重构误差更低,证明了其具有很高的应用价值。（3）针对处于自然条件下的光伏组件,选择改进DRN进行故障诊断。将所有故障数据集经过双线性差值进行重采样处理,以获得更多的故障信息,再加入环境参数构成输入矩阵;简化DRN结构并引入注意力机制,从而提高筛选细节信息能力,缩短训练周期;最后对比改进DRN、原始DRN、SSA-DBN和Alex Net四种模型的实验结果,证实加入环境参数后,SSA-DBN不再适用于此类情况,改进后诊断模型的准确率达到了98.86%,误判概率仅为1.14%,模型训练过程损失下降最快,准确率、召回率和F1分数三方面性能指标均优于其它模型,说明改进模型在准确率、稳定性和泛化能力等方面都取得了更好的诊断效果。