作为利用太阳能最主要的方式,光伏发电在全世界范围内都得到了广泛的应用。新疆地区作为我国重要的新能源产区,各种规模的光伏发电厂遍布于全疆之内。如何提高这些发电厂的发电效率,是充分利用太阳能的重要研究内容。在对新疆地区的多个光伏发电厂进行调研的过程中发现,多数光伏发电厂并没有针对光伏阵列表面积灰清理这一重要的运维工作做出合理的规划,多数光伏发电厂为一月一清。在调研的过程中,现场工作人员表示其无法进行合理清灰规划的主要原因在于不能对光伏阵列输出衰减是由于表面积灰还是局部遮阴造成的进行准确判断。同时还存在清灰过程中光伏阵列输出衰减,环境、天气状况大致相同的连续两日内光伏阵列输出存在较大差异的问题。针对上述问题,本文以状态识别为方法,以SVM分类算法实现光伏阵列表面积灰及局部遮阴状态识别为途径,对上述问题展开研究。搭建了与光伏发电厂子区域光伏阵列规模相同、拓扑结构一致的10*10光伏阵列仿真模型,利用模型充分分析了当前光伏发电厂清灰方式存在的问题,并为其重新规划了清灰方式。充分分析光伏阵列处于表面局部遮阴状态下的输出特性,并根据研究结果及现场采集数据,为SVM分类算法构建了训练集及测试集。通过比较确立了径向基核函数作为算法核函数,交叉验证及网格搜索作为算法参数寻优方式。通过训练集及测试集,完成了光伏阵列表面积灰及局部遮阴的状态识别。以状态识别结果为基础,通过对比光伏阵列表面积灰状态及理想状态下光伏阵列的输出差异,确定了光伏发电厂清灰节点,并对光伏发电厂清灰周期规划提出建议。