随着科技的发展和能源产业中不可再生能源的使用,使得不可再生能源越来越少,并且对环境造成的污染也越发严重,探索并发展新能源产业的趋势变得不可阻挡,而在发展的新能源产业中,光伏发电因其具有清洁无污染的优势备受欢喜。光伏发电是利用太阳能将其转化电能的,为了让光伏阵列有充沛的阳光照射,因此大多数光伏电站是建立在相对偏远、阳光照射充沛且强的地区。随着光伏产业的蓬勃发展,光伏电站的建立越来越多,使用效率就越来越高,因此光伏阵列故障也会随之增加。在日常生活中光伏阵列会因为受到外界自然因素、或者人为因素、以及自身零部件的老化等问题的影响,就不可阻挡的会发生一些故障。光伏阵列是光伏发电重要的设备之一,若不能及时排查故障造成的损失将不可估计。因此提高光伏阵列故障预测能力迫在眉睫。本文围绕光伏阵列故障预测问题展开研究,主要贡献如下:首先提出了基于产生式规则的故障诊断推理方法,然后对光伏阵列发电系统的各种故障原因建立故障树,并对其进行分析得到光伏阵列发电系统的产生式规则,再是计算产生式规则的可信度因子,通过它计算与事实条件的相似度,从而与规则中的条件相比较,若大于则激发该规则并得到结论的可靠度。其次是建立案例推理故障诊断方法,并通过对光伏阵列的特征属性进行分析后,选择用矩阵的知识表示方法对光伏阵列故障信息进行表达,然后通过计算待诊断案例与源案例中单个属性的相似度和整体的相似度后,得到待诊断案例与每一个源案例的相似度。再是建立了基于神经网络推理的知识诊断方法,利用神经网络的自学习能力,以及对复杂问题的求解,可以有效对故障进行诊断,用特征向量表示故障的特性,并将采集到的故障特征向量输入神经网络中,可以得到引发故障现象的各种原因的概率。与此同时分析了D-S证据理论合成规则,并提出了D-S证据理论算法的不足之处,利用Jousselme、证据一致量和证据冲突强度改进了证据冲突衡量标准,并且引进了权重系数和信息熵的概念改进了证据组合规则。有效的解决了证据融合时,因高冲突证据的存在,导致无法融合以及一票否决等问题。最后将基于规则、案例和神经网络三种推理方法得到的结论,通过本文提出的改进的D-S证据理论进行融合,并把D-S证据理论融合后的结论,通过判断是否是支持度最高的,若是则将此结论作为最终结果,并做出相应的预警判断。本文所提的光伏阵列故障诊断方法与传统的方法相比,不仅提高了故障诊断效率和对故障信息的使用率,而且与单一的专家系统诊断方法对比提高了故障诊断的准确率,降低了漏诊率,验证了本文方法的有效性。本文所提的专家系统的各项功能通过MATLAB和ACCESS数据库来实现,使得一般的工作人员也能通过本系统对光伏阵列发电系统进行故障预警监测。