随着化石燃料的消耗及其造成的环境问题日趋严重，寻找和研究新型能源已成为当今世界的研究热点之一。太阳能光伏发电以其零污染、可持续、灵活性好、可靠性高等优点受到了人们的广泛关注。为了保障光伏电站的正常运行，减少因设备故障带来的严重事故和电站收益损失，本文就光伏电站设备故障检测与诊断方法展开了研究。本文的主要研究内容如下：1.研究了光伏发电系统类型与拓扑结构，分析了光伏电站设备存在的主要故障，确定了本文的研究对象为光伏阵列和光伏逆变器主电路故障，并进一步分析了故障产生的原因。2.在光伏阵列故障检测方面，将光伏组件故障等效为阴影，研究了阴影对光伏阵列输出特性的影响。针对故障与正常组件输出存在电量差，研究了一种同时检测支路电流与支路电池组件电压的光伏阵列故障检测方法。该方法通过对电量差的分析，实现故障光伏组件的定位。文中还就检测精度和传感器数量做了相应的分析。基于上述分析，在Matlab/Simulink中建立了一个83的光伏阵列并模拟一个支路故障来证明检测方法的有效性。3.在光伏逆变器故障诊断方面，研究了一种基于小波变换和神经网络的光伏逆变器主电路故障诊断方法。文中研究了光伏逆变器的数学模型和控制策略，分析了光伏逆变器主电路故障的电流特征。在光伏发电系统模型中对逆变器22种故障组合进行了仿真验证。通过引入波形参数的概念，构建了结合小波能量特征和波形参数的复合特征，建立了基于概率神经网络的故障诊断模型。针对电流突变导致诊断准确率下降的情况，采用三相电流低频小波能量总和作为小波能量归一化的基值，有效降低了故障特征对于电流突变的敏感性。仿真测试结果表明：与小波能量特征相比，基于复合特征的诊断模型在输出电流平稳和突变的情况下都能够获得较好的诊断效果。