光伏发电系统作为一种成熟的可再生能源技术，在运行过程中可能会发生故障，这可能会对系统性能产生重大影响。因此，开发高效可靠的故障检测方法以确保系统稳定运行至关重要。及时识别和诊断故障可以降低维护费用，同时提高系统的稳定性和效率。然而，当前光伏发电系统中可收集的数据类型繁多，使得传统算法难以获取与故障密切相关的特征。因此，准确检测系统中存在的故障类型具有挑战性。为此，本文首先基于注意力机制构建故障特征提取模型用于提取特征之间的依赖关系，然后利用提取的特征关系通过全连接神经网络检测发生的故障，最后在公开可用的光伏故障数据进行的大量实验证明，基于注意力机制的故障检测模型不仅能够准确预测故障类型，而且在小样本和类别不平衡数据上表现稳定。