目前,太阳能是最具有商业价值的绿色能源。太阳能相对于其它绿色能源在发电领域具有很高的竟争力。光伏组件用来完成光电转换,其在运行中会出现热斑与积灰问题。热斑将导致局部的光伏组件发电效率下降,进一步还会烧毁组件;光伏组件积灰问题将会引起大面积的光伏组件发电效率降低,造成重大经济损失。针对上述问题,本文开展了光伏组件热斑诊断与灰尘量预测研究,具体研究内容如下。首先,针对光伏组件热斑预测问题,提出了改进隔离森林算法。首先利用灰色关联投影算法选取出相似日,由于热斑的各个特征量具有不同的离散度与特征特性,提出了改进隔离森林算法对热斑特征量进行分析。灰色关联投影法选出相似日的样本数据,改进隔离森林算法判定各个支路是否出现异常情况,最后评分越大的支路故障的可能性越大。通过隔离森林算法(IF)、局部异常检测算法(LOF)、改进隔离森林算法(AIF)进行比较。仿真结果表明,本文提出的改进隔离森林算法的准确性与稳定性能更好。其次,针对光伏组件的热斑诊断问题,提出了基于灰色关联-熵权模糊控制算法(Grey correlation-Entropy weight Fuzzy Control,GEFC)。使用灰色关联-熵权算法计算出各个特征量对热斑的影响权重,然后利用热斑故障电压/电流的比值大小相异与其它故障,最后使用模糊控制算法进行光伏热斑诊断。研究结果表明,同模糊控制算法相比,GEFC算法提高了光伏热斑诊断的准确率。然后,针对光伏组件积灰导致的大面积发电效率下降问题,制定了光伏组件的不定时间清洗策略。利用小波神经网络预测模型对光伏组件累积的灰尘量进行预测,在预测结果上结合未来几天的天气状况,确定下次清洗时间。在考虑了人工清洗成本后,提出了不定时间清洗策略能够使光伏发电获得的经济收益最大化。最后,本文以贝加莱AS400系统为开发平台,完成了光伏组件的热斑诊断与积灰清洗系统的硬件设计和软件开发工作,将AIF算法、GEFC算法与小波神经网络算法应用于开发平台,实验验证了光伏热斑预测与诊断算法的正确性与有效性,提高了光伏发电的经济性。