在低压配电线路中,导线绝缘老化,连接位置接触不良或电气设备连接松动等问题都会导致电弧故障。线路中出现电弧故障时会产生大量的热量,容易引燃可燃物导致火灾,严重时会产生爆炸,危及人身安全。因此,对电弧故障检测技术的研究具有重要的意义。本文对电弧故障产生的原理以及电弧故障类型进行了阐述,把低压交流串联电弧故障作为本文研究的对象。制作电弧发生器,搭建串联电弧故障模拟实验平台,分别对线路中低频、高频电流波形数据进行采集,得到多种负载下的正常状态和电弧故障时的低频、高频电流波形数据。对所采集的高频电流波形数据,基于变分模态分解（Variational Mode Decomposition,VMD）算法进行分解,与经验模态分解（Empirical Mode Decomposition,EMD）相比有效克服了模态混叠现象。通过计算分解后得到的各本征模态函数（Intrinsic Mode Function,IMF）的能量熵和方差贡献率,得到了在串联电弧故障发生时方差贡献率最大的IMF分量的能量熵会增大并以此作为特征量。在时域内对低频电流波形提取峭度、波形因子、波峰因子、脉冲因子、裕度因子。根据所提取的6个电流特征量构建串联电弧故障特征向量,作为串联电弧故障诊断模型的输入向量。基于随机森林算法、BP（Back Propagation）神经网络算法、加权随机森林算法对所构建的串联电弧故障特征向量进行训练得到对应的故障诊断模型并进行诊断分析。结果表明,在故障检测率方面,与基于BP神经网络的诊断模型相比,基于随机森林、加权随机森林的诊断模型在不同负载情况下的故障检测率均有所提高,达到了94%以上。在误检率方面,基于随机森林算法的诊断模型的误检率较高,最高达到了12%。为进一步降低误检率,通过加权随机森林算法对决策树棵数和预测样本率对故障诊断模型进行优化,诊断结果表明,误检率下降到了4%。最后以故障检测率、误检率、检测时间作为评价指标对三种串联电弧故障诊断模型进行综合对比分析。结果表明,基于加权随机森林算法的串联电弧故障诊断模型的故障检测率最高,误检率最低,检测时间最短。本文的研究为电弧故障检测技术的完善提供了重要参考。