随着光伏电站的大规模投入使用,光伏电站并网所引起的电能质量问题成为一个研究热点。然而大部分的研究集中于如何监测光伏电站的电能质量,而研究从电站电能质量异常来溯源造成电能质量异常的因素,对于方便指导光伏电站运维人员排除电站异常具有更重要的工程意义。论文着眼于光伏电站并网电流的电能质量分析,探究引起电能质量异常的源头,主要工作及创新如下:（1）首先调研了光伏电站电能质量监测以及核心设备逆变器的故障诊断的研究现状,为后续工作打下基础。（2）针对光伏电站中的核心设备并网逆变器,以LCL滤波的NPC三电平并网逆变器为研究对象,对三种常见异常状态:逆变器中开关管故障、直流侧共模干扰、交流侧滤波器谐振,进行了建模与仿真分析,对比不同异常状态下并网电流电能质量的特点,发现开关管断路时并网电流中含有大量的低频谐波,滤波器谐振则含有谐振频率处的中高频谐波,而共模干扰则会使得并网电流中含有大量的高频谐波。（3）通过第二章分析的结论,由于三类不同的异常源引起并网电流谐波频段不同,结合实际光伏电站情况,提出一种小波包-BP神经网络的电站异常源识别方法,针对不同异常状态下电能质量异常特征的不同,对电流信号的小波包能量特征进行重构,从而以较少的向量维数同时反映电流信号的高低频特性;将重构后的小波包能量作为BP神经网络的输入,并通过神经网络进行电能质量异常源的识别,可有效判别逆变器处于开关管断路状态、共模干扰状态还是滤波器谐振影响,以指导光伏电站运维人员快速定位电能质量异常的源头,提高运维靶向性和运维效率。最后通过Matlab搭建神经网络仿真验证模型,证明了方法的可行性。（4）设计了一套光伏电站的监测平台,包含基于DSP 28335的下位机平台软硬件设计,以及基于Matlab/Labview的上位机展示程序的设计,并通过实验平台验证了相关程序的功能。