1.一种基于稀疏RBF神经网络的光伏电板运行状态监测方法，其特征在于，具体包括以下所示步骤：步骤(1)：确定光伏电板可实时测量的数据后，在光伏电板正常工作状态下，按照固定的采样时间间隔采集并存储各个采样时刻的样本数据向量；其中，每个采样时刻的样本数据向量中的8个数据依次是：光照强度，电板温度，最大动态直流功率，直流电流，直流电压，交流功率，交流电压和交流电流；

步骤(2)：将光照强度大于零的N个采样时刻的样本数据向量x步骤(2.1)：设z

步骤(2.2)：找出行向量z

步骤(3)：根据如下所示步骤(3.1)至步骤(3.5)确定稀疏RBF神经网络中间层神经元的中心点向量步骤(3.1)：确定聚类簇的总数为C，再初始化j＝1；

步骤(3.2)：将新矩阵

步骤(3.3)：根据公式

步骤(3.4)：根据如下所示公式①计算宽度参数δ步骤(3.5)：判断j是否小于8；若是，则设置j＝j+1后返回步骤(3.2)；若否，则得到稀疏RBF神经网络中间层神经元的中心点向量和宽度参数；

步骤(4)：分别依次将

步骤(4.1)：设置输入向量

步骤(4.2)：将输入向量ξ中除第j个数据以外的7个数据组成列向量ξ上式中，e表示自然常数，c∈{1，2，…，C}，θ步骤(4.3)：判断j是否小于8；若是，则设置j＝j+1后返回步骤(4.2)；若否；则得到8个子输出向量θ步骤(4.4)：将θ

步骤(5)：利用误差反向传播算法优化得到稀疏RBF神经网络输出层神经元的权重向量w步骤(6)：计算稀疏RBF神经网络输出层神经元的输出向量F上式中，F

步骤(7)：计算误差矩阵E中所有列向量的均值向量μ后，再计算协方差矩阵Λ＝(E-U)(E-U)步骤(8)：根据公式Q＝diag{(E-U)步骤(9)：采集光伏电板最新采样时刻的数据并组成一个样本数据向量x步骤(10)：判断样本数据向量x步骤(11)：根据公式

步骤(12)：将

步骤(13)：根据公式

步骤(14)：返回步骤(9)继续利用最新采样时刻的样本数据向量实施光伏电板故障检测；若连续6个采样时刻的监测指标皆大于Q

2.根据权利要求1所述的一种基于稀疏RBF神经网络的光伏电板运行状态监测方法，其特征在于，步骤(12)中计算F步骤(12.1)：设置输入向量

步骤(12.2)：执行步骤(4.2)至步骤(4.3)，从而得到8个子输出向量θ步骤(12.3)：根据公式