随着光伏发电技术的发展与推广,各类小型分布式光伏电站在家庭以及工厂中普及。由于质量和技术的原因,光伏阵列使用过程中会产生一些不可预估的故障,轻则导致整个阵列输出功率下降,系统效率下降,重则可能诱发火灾,造成严重的经济损失。现有的光伏阵列状态检测方法在全面性以及准确性上存在不足。为此,针对阵列异常状态的识别,提出了基于聚类技术的光伏阵列状态检测方法;针对历史故障样本数据不平衡的问题,提出了基于改进SMOTE的光伏阵列随机森林故障诊断方法。主要研究内容如下:1.针对现有光伏阵列状态检测方法受环境因素影响较大的情况,结合3*3光伏阵列在四类故障以及正常状态下的输出特性曲线以及现有的光伏阵列状态监测技术,提出了一种基于聚类技术的光伏阵列状态检测方法。该方法通过对同一时间点的光伏阵列运行特征进行聚类,形成多个聚类中心(正常运行状态),然后计算各个组件特征与正常状态的偏离程度,经过异常检测器来识别异常状态。其中针对kmeans聚类初始聚类中心的随机选取问题,根据数据间的紧密度来排除了离群区域,限制了初始聚类中心的选取。2.由于光伏组件历史故障样本存在不平衡性,而在采用SMOTE算法时会出现过拟合的问题,本文根据样本的稠密度来识别稀疏样本,并将其作为种子样本,在采样过程中依旧使用SMOTE算法的思想,在种子样本与其近邻之间合成新样本。然后通过随机森林形成故障诊断模型实现故障的分类。3.对光伏阵列状态监测系统的需求进行了分析,简要阐述了其主要功能及操作逻辑,并按照本文提出的光伏阵列状态监测系统的需求搭建光伏阵列状态监测平台实现在线监测、故障诊断以及历史查询等功能。4.运用本文所提方法测试了福山光伏电站的部分数据,异常检出率较LS-SVM算法以及LM-BPNN算法均有小幅提升,对短路、断路、异常老化及热斑故障的诊断准确率均达到90%以上。