近些年来,全国范围内的电气火灾事故频发,给社会和人们带来了巨大的危害和影响,电气火灾越来越受到人们的重视,为了减少电气火灾的发生,第一时间发现电气火灾的隐患,建立一个完善的故障电弧检测系统显得尤为重要。本文首先对故障电弧进行分析,了解能够显示故障电弧的信息特征量,电弧发生时的光,电等物理现象以及故障电弧的电流信息等都能够给出该故障电弧的讯息,但是光,电的物理现象受到环境的影响比较大,容易出现误判。因此研究故障电弧的电压电流波形来表征该故障电弧更加合理和准确。然后对现有的故障电弧模型进行了分析,通过对Cassie电弧模型进行大量的仿真分析,得到故障电弧电流电压波形的变化特点,提出了一种基于电弧Cassie模型的电气火灾智能算法,应用人工神经网络算法,建立起故障电弧电流波形和故障电弧单个周期内发热量之间的关系。在智慧式用电安全管理平台上读取母线上的电流波形,分析计算得到相应的故障电弧的发热量,并根据电弧的发热量来判断是否会引发电气火灾。通过大量的仿真实验,经过神经网络训练,得到在1000组测试数据中只有2组出现了误判,说明可以通过故障电弧电流波形来预测电气火灾,第一时间给出电气火灾的隐患并及时排除。同时我们还采用了小波变换对故障电弧电流波形进行分解,通过与正常工作时候的电流波形进行比较,得出在不同负载下,通过比较不同的细节分量,可以判断出故障电弧的发生。最后,我们通过比较神经网络算法和小波分析算法,认为小波分析能够快速对故障电弧的产生进行预警,但是由于很难通过小波辨别故障的严重程度,不能够判断该故障电弧是否会导致电气火灾的发生,并且其受环境的影响比较大,误判率较高。而神经网络算法虽然也出现过了误判,但是其准确性更高,并且直接判断出故障电弧是否会引发电气火灾,能够更有效率的对故障电弧进行排查,减小电气火灾的发生。