随着光伏产业的蓬勃发展,光伏阵列的使用寿命与安全问题越来越受到人们的关注,如果处于故障下的光伏阵列得不到及时的诊断与处理,可能会造成火灾等严重后果。因此,针对光伏阵列故障检测与诊断技术进行研究,具有非常重要的意义。本文在传统光伏阵列故障诊断方法的基础上,提出了一种基于阈值和BP神经网络的光伏阵列故障诊断方法。论文主要内容归纳如下:首先,针对光伏阵列自身结构,对光伏阵列串联、并联、SP以及TCT结构进行研究,分析了每种结构在实际光伏发电系统中的优缺点,并对每种结构在进行故障诊断时的难易程度进行了研究;针对光伏阵列主要故障,对短路故障、阴影故障、以及裂片问题形成的原因及危害进行了研究,并对光伏阵列中危害最大的热斑故障进行了重点分析。其次,针对光伏阵列在不同环境以及故障条件下的输出特性,对处于复杂光照条件下、均匀光照条件下、短路故障条件下以及阴影故障条件下的光伏阵列进行建模。通过研究光伏阵列的I-V曲线以及P-V曲线,对光伏阵列在不同环境以及故障条件下的输出特性进行分析,并重点分析了光伏阵列受到不同遮挡情况时的输出特性以及短路故障时的输出特性,定义了光伏阵列的故障特征量。然后,针对光伏阵列故障检测及诊断问题,提出了一种基于阈值的光伏阵列故障检测及诊断方法,本方法首先对光伏阵列的9种常见故障进行分类编号,通过对比故障与正常条件下的仿真曲线,定义9种故障的特征量。然后根据光伏组件在生产过程中的不确定因素以及测量的误差,计算出需要诊断的光伏阵列在标准条件下的短路电流、开路电压以及最大功率的阈值,最后通过对需要诊断的光伏阵列进行仿真(仿真的外界条件为实际光伏电站的环境条件),把仿真得到的最大功率、开路电压、短路电流值与采集到的光伏电站实际值作差。通过比较最大功率的差值与阈值,对光伏阵列进行故障检测。若有故障,则依据9种故障特征量,通过比较最大功率点个数以及短路电流和开路电压的阈值与差值对光伏阵列进行故障诊断,但是该方法无法对具有相同故障特征量的光伏阵列进行诊断。最后,针对具有相同故障特征量的光伏阵列,根据光伏阵列中故障不同其输出特性也不相同的特点,提出了一种基于BP神经网络的故障诊断算法。该算法在阈值法的基础上可以诊断具有相同故障特征量的光伏阵列。步骤如下:首先建立光伏阵列故障识别模型,然后提出基于BP神经网络的光伏阵列故障诊断算法,最后通过仿真对神经网络进行数据选择与训练,实现对光伏阵列故障诊断的目的。综合两种算法,共可诊断9种故障。