太阳能作为一种清洁的、永不枯竭的新型能源正得到迅速推广应用。光伏并网发电是太阳能的一个主流应用方式,整个系统主要包括光伏阵列、逆变器和电网。其中,光伏阵列是整个发电系统的核心。然而,由于长期工作在恶劣的外界环境中,光伏阵列难免会发生各种各样的故障。这些故障会严重降低光伏阵列的输出功率,甚至造成火灾。因此,很有必要在对光伏阵列进行在线监测的基础上实现故障诊断。基于此,本文设计了一套具备光伏阵列故障诊断的在线监测系统。首先,研究一种基于光伏组件串电流的故障定位方法。首先根据光伏组串的电流定义了一个电流滑动窗口(Current Sliding Window,CSW),然后计算滑动窗口内每一个电流点相对应的局部离群因子(Local Outlier Factor,LOF)。通过设置固定阈值对离群点进行判断,一旦出现的连续离群点数超过设定的阈值,就可判断该组串出现故障。仿真与实测结果表明提出的故障定位方法能够对不同光照度下的短路、局部阴影和开路故障组串进行定位。其次,基于BP Adaboost的强分类器研究故障分类方法。将光伏阵列各组串电流、光伏阵列电压、光照度以及温度作为故障分类方法的输入变量。算法首先得到10个BP神经网络各自的分类结果,然后通过一定的权重将这10个BP神经网络合并成最终的输出,分类越准确的BP神经网络权值越大。故障分类方法能够对光伏阵列的正常、短路、局部阴影和开路状态进行识别。最终通过仿真和实测验证了故障分类算法的可行性与准确性。最后,以DSP处理器为控制核心搭建了一个光伏阵列故障在线监测系统。整个系统能够完成故障组串定位、故障分类以及显示功能。通过光伏数据采集电路,对光伏阵列的各组串电流、阵列电压以及温照度进行采集。在DSP处理器中进行数据的A/D转换、故障组串定位以及发送定位结果与数据,然后利用MATLAB设计了一个光伏故障在线监测中心,实现光伏故障的分类和显示功能。测试结果表明本文设计的系统能够实现对光伏阵列故障组串的定位、工作状态的识别、以及光伏发电系统的在线监测。本文的工作可以为光伏阵列在线监测和故障诊断的发展提供一定的思路。