光伏阵列输出功率随机性、波动性强。如果其发生故障，将严重影响电力系统安全与稳定。针对当前光伏故障诊断的准确率低和收敛速度慢的难题，提出一种基于蝗虫算法-支持向量机（grasshopper optimization algorithm?support vector machine，GOA?SVM）模型的光伏阵列故障诊断方法。首先，建立光伏阵列等效电路模型，分析光伏阵列的伏安曲线变化特性；其次，考虑环境影响因素和光伏阵列规模非线性变化，提取反映不同故障特性的特征量，将数据映射到高维空间进行非线性处理；最后，提出蝗虫算法（grasshopper optimization algorithm,GOA)优化非线性支持向量机改进方法，建立GOA?SVM光伏阵列故障诊断模型，并结合实例进行仿真。研究结果表明：该方法可应用于多种不同规模的光伏阵列模型，且均能实现对光伏阵列故障的有效诊断，其对4×3光伏阵列规模的数据仿真分类准确率可达99.808 8%。采用美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）公开数据集进行验证，其故障诊断准确率达到92.368 2%。与其他方法相比，该方法的召回率及F1?Score均有明显提升。