技术特征：
1.一种光伏组件阵列性能监测和故障识别的方法，其特征在于，所述方法包括：S1:采集光伏阵列组件运行工况参数和运行性能参数，所述运行工况参数包括环境温度、辐射照度，所述运行性能参数包括组件工作温度、工作电流和电压；S2:光伏阵列组件实时性能衰退监测；S3:建立故障识别知识库，实现光伏阵列组件的故障识别和定位。2.根据权利要求1所述的方法，其特征在于，所述S2中光伏阵列组件实时性能衰退监测方法包括：S21，实时计算组件实际工作效率ηm；S22，实时计算组件应达工作效率ηe；S23，实时计算组件效率偏差Δη，并与性能衰退报警阈值Δηth比较，判断其运行性能状态。3.根据权利要求2所述的方法，其特征在于，所述S21中组件实际工作效率由S1测得的电流、电压和环境辐射照度计算获得，所述实际运行效率计算公式如下：ηm=Ipv·VpvG·Apv---(1)]]>式中，Ipv是光伏组件电流实测值，单位为A；Vpv是光伏组件电压实测值，单位为V；G是辐射照度测量值，单位为W/m2；Apv是光伏组件面积，单位为m2。4.根据权利要求3所述的方法，其特征在于，所述S22中组件应达工作效率计算方法包括以下步骤：第一步：建立以S1中所测的环境温度、辐射照度为输入，应达工作效率为输出的自适应神经模糊推理系统ANFIS网络模型；第二步：采用全年筛选出的宽幅工况对应的“健康状态”历史数据训练模型；第三步：利用训练出的模型实时计算实际工况下的工作效率应达值。5.根据权利要求4所述的方法，其特征在于，所述S23中实时计算运行效率偏差Δη计算公式如下：Δη＝|ηe-ηm|(2)所述组件性能衰退报警阈值Δηth确定方法为：针对组件运行中引起性能衰退的主要故障模式，所述主要故障模式中的故障包括遮蔽、脏污和老化，通过现场模拟遮挡、脏污和更换老化组件的试验方法，实时计算运行效率偏差，进而确定性能衰退报警阈值。6.根据权利要求5所述的方法，其特征在于，所述S3中光伏阵列组件故障识别知识库建立包括：步骤S31：利用主要故障模式及影响分析FMEA方法，分析光伏阵列组件故障模式的原因、识别特征和处理措施，组件故障模式的原因包括暂时性遮蔽、周期性遮蔽、脏污和老化；步骤S32：根据组件故障模式的识别特征建立故障识别规则。7.根据权利要求6述的方法，其特征在于，所述S31中所述的组件故障模式确定的识别特征为效率偏差Δη时间序列的特性和光伏组件五参数模型的特征参数(A、RS、I0、RSH)，所述S32中组件故障模式识别规则包括：If周期性性能衰退，Then周期性遮蔽；If临时性性能衰退，Then暂时性遮蔽；If永久性性能衰退，Then脏污或老化；If永久性性能衰退AndA、RS、I0增大AndRSH减小，Then老化。8.一种太阳能电站光伏组件阵列实时性能监测与故障识别系统，基于上述权利要求1-7之一所述的方法，其特征在于，所述系统包括无线数据汇集及存储模块、组件阵列性能衰退监测模块和故障识别及定位模块，其中；所述无线数据汇集及存储模块用于实现无线数据的采集和存储；所述组件阵列性能衰退监测模块用于实现组件的性能监测；所述故障识别及定位模块用于实现故障模式的识别及位置确定。9.根据权利要求8所述的系统，其特征在于，所述系统还包括监测模型自适应训练模块，所述监测模型自适应训练模块用于将运行中出现新工况数据补充入样本历史数据库，并通过重新训练，实现模型的自适应训练。10.根据权利要求9所述的系统，其特征在于，所述系统采用解析法实时计算光伏组件五参数模型的特征参数A、RS、I0、RSH，并进行趋势分析，用于故障识别。