光伏阵列由数目庞大的太阳能电池单元组成,在故障发生时难以精确定位故障位置。目前针对光伏阵列的故障诊断和定位方法可以分为预测模型法、红外热成像法、离线诊断法、智能诊断法、多传感器法,但是这些方法在经济性、准确度、实用性方面都存在着一定的局限性。因此,寻找一种既能适用于大规模光伏阵列又不过多增加系统成本,既能够精确自主检测定位又算法简洁、易于实现的方法,成为光伏阵列故障检测定位工作中的难题。针对这一难题,本文提出了一种基于改进的BP神经网络的光伏阵列多传感器故障检测定位方法。该方法将传感器分成若干个检测单元,在检测故障时,先将故障定位到检测单元,然后利用改进BP神经网络对检测单元内部的故障特征值与故障位置间的映射关系进行学习,从而实现光伏阵列故障点的检测与定位。文中首先总结了近年来众多学者在光伏发电系统故障诊断方面的成果,比较了各类诊断方法的优缺点,融合多种诊断方法,针对大规模光伏阵列故障,提出了一种分块逼近、逐层定位的检测新思路。其次,提出了一种新的传感器布置方法,在保证定位精度的基础上减少了所需传感器的数量,针对BP神经网络所存在的缺陷,在BP神经网络的基础上,加入了内部反馈通道和偏差单元,提出了一种基于改进BP神经网络的光伏阵列故障定位方法。同时提出了一种新的非硬性故障判据,分别在无阴影、半阴影、全阴影进行仿真实验,证明了判据的有效性。再次,在大规模光伏阵列背景下进行仿真实验,在定位精度与神经网络性能两方面论证了本方法的正确性与优异性。最后,设计了光伏阵列在线监测及故障检测定位系统。