用电设备种类的增加导致居民用电需求增大,电气设备导致的火灾隐患增多,交流电弧故障检测装置作为新型电路保护装置受到更多领域学者的关注。本文以低压交流串联电弧为研究对象,设计并搭建了一种能够自动产生模拟电弧和连续采集电弧电流数据的低压交流串联电弧故障检测自动化实验装置,经过大量的测试实验后建立了电弧故障波形数据库,数据分别由电流传感器和锰铜电阻采样得到,对不同负载的正常电流波形和电弧电流波形进行了时频域分析,采用三种方法建立了电弧故障检测模型,对比三种方法和主流研究方法的检测效果。首先,设计并搭建了电弧故障实验平台,采用火光传感器检测电弧火光触发示波器进行数据采集,设计时间继电器、电机的时序关系实现连续自动拉弧,设置示波器连续触发采样实现数据连续采集。通过电弧实验平台采集存储了不同负载类型的正常运行波形与电弧故障波形数据,建立了电弧故障波形数据库。然后,分析七种负载正常电流和电弧电流的是频域特征,分别对电流传感器和锰铜电阻采样的结果进行对比分析,频域上采用快速傅里叶变换方法,时频域上采用小波变换方法,探究电弧电流与正常电流的特征。之后,对七种负载不同状态下的十种时频域特征量的数值分布进行分析和比对,使用十种时频域特征作为神经网络的输入建立机器学习网络模型,形成基于混合时频域分析的softmax分类器用于电弧故障检测。最后,提出了两种基于卷积神经网络的电弧故障检测模型。一种是格拉姆角场变换方法;对采样得到的一维数据进行压缩,将压缩后的数据进行归一化处理,将序列数值转化为极坐标的角度值,分别计算格拉姆角和场和格拉姆角差场矩阵实现数据二维化,对七种负载不同状态的数据进行变换后转换成图片进行分析,设计格拉姆角场电弧网络,分别将格拉姆角和场及格拉姆角差场矩阵作为输入建立电弧故障检测模型;另一种是小波变换方法;将七种负载不同状态的数据进行三层小波分解,低频段形成一维图片,三个高频段形成RGB图像。两张图片作为卷积神经网络的输入建立了基于小波变换的电弧故障检测模型。本文提出的格拉姆差场电弧网络模型能够有效检测出串联电弧故障,而小波变换电弧网络模型能有效识别发生电弧的负载类型,并能有效降低误判。