近年来,随着新能源的迅速发展,光伏发电技术倍受广大专家学者关注。逆变器是光伏发电系统中的核心器件,逆变器的安全运行是高质量电能输出的重要保证。光伏并网系统中,逆变器是否出现故障直接影响并网输出电流质量的高低,直接影响电网是否能够安全运行,因此逆变器的故障诊断研究具有很重要的意义。为此,本文分别针对光伏并网三相逆变器和级联H桥七电平逆变器的故障诊断问题进行了研究。首先,分别对光伏并网三相逆变器和级联H桥七电平逆变器的工作原理进行了分析,基于电路原理建立了相应的数学模型。根据功率管故障的数量以及位置不同,对光伏并网三相逆变器故障类型进行了分类。根据故障种类的不同对两种逆变器模型编写故障编码。为验证后续的故障诊断算法,分别针对两种逆变器搭建了 MATLAB/Simulink仿真模型。并依据所搭建的仿真模型对逆变器的故障类型进行了分析,基于以上模型给出了不同故障类型所对应的故障状态下电压与电流的波形图与数据。然后,综述了当前主流的故障特征提取方法,主要包括小波变换、主元分析法和小波包变换等,并概述了本文所使用的BP神经网络的基本原理。综合以上算法,提出WTP-PCA-BP算法对光伏并网三相逆变器的单管与双管开路故障进行故障诊断。为了验证本文算法的优越性,分别应用FFT-BP、PCA-BP对该模型的故障进行分析研究,为了能够对三种算法分类效果进行直观地对比,本文采用t-SNE算法对三种故障特征提取方法所提取的故障特征进行了可视化展示。通过对三种算法进行比较得出本文提出的算法不仅具有良好的故障诊断准确率还对噪声具有很好的鲁棒性。最后,概述了深度学习的主要思想,对深度神经网络常用三种模型结构进行了简单介绍。详细地阐述了堆栈自编码网络的网络结构、训练过程等。由于深度学习在故障特征特区过程中具有自动提取故障特征的优良特性,因此运用SAE-SOFTMAX算法进行级联H桥七电平逆变器的开路故障诊断。仿真实验验证了算法具有很好的故障诊断特性。此外,本文将FFT-BP算法、WPT-PCA-BP算法分别应用到该故障诊断问题中,并与SAE-SOFTMAX算法的结果进行了对比。本文采用t-SNE算法对三种故障特征提取方法所提取的故障特征进行了可视化展示。结果显示该算法具有许多优于其他两种算法的优越特性。