随着科技发展、国家政策的大力支持以及居民生活方式和生活观念的转变,我国能源消费格局也在悄悄改变。太阳能由于其节能、环保、可再生的特性在分布式光伏扶贫电站、智慧光伏家庭系统以及大规模集中式光伏电站中得到大规模应用。逆变器作为实现直流到交流电能变换的重要设备,其恶劣的室外工作环境、交直流侧扰动、设备组装工艺和内部的电、热应力导致逆变器失效率大大提高,一旦发生故障可能导致整个光伏发电系统崩溃,造成经济损失甚至危害人员安全。同时,随着5G时代的到来和大数据、人工智能技术的发展,相比传统的人工故障诊断,“智能运维”高可视化和交互性的优势为用户和企业提供着更多便利。因此,有必要从人工智能与数据驱动的角度研究逆变器故障诊断,寻找更加科学智能的逆变器故障诊断方法。本文以集中型单级三相两电平桥式光伏逆变器为研究对象,主要研究内容如下:（1）介绍逆变器拓扑结构、工作原理和主要故障类型,总结IGBT开路故障与短路故障的故障特性并进行故障编码便于故障识别。搭建了Simulink仿真模型和基于RT-box的半实物仿真模型并构造数据库,简单描述了IGBT开路故障与短路故障的故障波形特征。（2）根据故障数据库与故障编码表,提出了基于传统机器学习算法的故障诊断方法。针对描述统计法产生的特征量易受噪声影响以及维度过高和特征冗余的问题,本文首先引入经验模态分解实现自适应降噪,并通过有监督学习的广义线性判别分析进行特征降维,最后使用BP神经网络进行故障定位。（3）针对基于传统机器学习的故障诊断方法过度依赖人工特征提取的问题,本文引入长短期记忆神经网络实现端到端的故障诊断功能。同时为解决长短期记忆神经网络隐含层参数选择问题,本文采用基于遗传算法的神经网络架构搜索技术优化神经网络结构参数,实现整个故障诊断系统完全端到端运行。最后,通过数据库现有数据分别验证了两种方法的准确性和实用性。