这项工作提出了一种基于人工神经网络（ANN）的光伏系统故障诊断新技术。对于给定的一组工作条件-太阳能辐照度和光伏（PV）模块温度，使用仿真模型计算PV串的当前电压（IeV）特性中的一些属性，例如电流，电压和峰值数目。然后将模拟的属性与从现场测量获得的属性进行比较，从而识别可能的错误操作条件。然后开发两种不同的算法以隔离和识别八种不同类型的故障。该方法已经使用安装在Jijel大学（阿尔及利亚）可再生能源实验室（REL）的PV串的气候和电参数的实验数据库进行了验证。所获得的结果表明，所提出的技术可以准确地检测和分类发生在光伏阵列中的不同故障。这项工作还展示了使用Xilinx系统生成器（XSG）