光伏电站智能运维主要是利用光伏电站监控系统实现对电站运行状态的监控,同时通过光伏智能诊断方法对光伏电站故障进行诊断,从而达到智能运维的目的,智能运维技术能够降低电站的维护成本保障用户收益。目前较多的基于功率预测的故障发现难度较大,准确率受环境影响很大,因此本文对工程可行性较高的邻近电站比较法展开研究。本文将光伏电站作为研究对象,针对光伏发电数据之间的规则关系和电站故障检测定位问题展开了研究。论文的主要工作如下:(1)通过对影响光伏发电的因素进行研究,确定了关联规则挖掘模型的输入特征参数,对特征参数数据进行数据清洗和离散化之后,利用基于Apriori算法的关联规则挖掘模型对光伏发电数据之间的规则进行挖掘,为后面的故障检测模型提供判断的依据。(2)为了提高DBSCAN聚类算法的聚类性能,对DBSCAN算法进行了改进,同时也验证了改进后算法具有更高的性能。(3)根据关联规则挖掘的结果确定故障检测模型的输入特征参数,利用基于改进A-DBSCAN聚类算法的光伏发电故障检测模型对故障进行检测,通过实验验证了该模型的有效性和高效性。本文提出的故障检测方法可以不依赖于故障样本数据,能够很好的解决故障样本数据缺乏的问题,而且具有较高的准确率。这对于目前光伏故障检测方法的研究具有一定的借鉴意义。