我国湖北、江苏、安徽等地已有很多光伏电站投入运行。随着电站中设备使用年限的增长,不断出现了很多故障。其中,直流串联电弧故障由于人工巡检难以发现、没有过零点等因素成为了最棘手的问题之一。如果发现不及时,电弧持续燃烧会达到电站周围杂草的着火点,发生火灾。因此,光伏电站迫切需要一套判断准确率高的直流串联电弧检测算法。本文研究了基于BP神经网络的电弧检测算法,运用电流滤波后信号的平均值、最大值、变化率最大值、小波系数方差和小波系数模极大值5个特征量来表征信号的状态。实验结果表明,该方法实际输出和理想输出的偏差较大,不适用于高噪声的检测环境。为了在高噪声环境中保持较高的检测准确率,本文提出一种新颖的基于卷积神经网络的直流串联电弧检测方法。首先构造信号的时频谱,然后以时频谱图中各时频点对应的值作为卷积神经网络的输入,设计卷积神经网络算法实现电弧故障检测。短时傅里叶变换（Short-time Fourier transform,STFT）和离散小波变换（Discrete wavelet transform,DWT）都可以生成时频谱图。STFT是以能量密度来表示各时频点的值,DWT是以小波系数模值来表示的。经实验验证,两种方法都可清晰区分直流串联电弧故障电流特征和正常工作电流特征,进而准确地检测出光伏系统直流串联电弧故障。考虑到训练组的迭代次数、输出结果收敛速度等因素,DWT+CNN方法更优。基于以上研究,本研究还设计了光伏电站电弧系统级检测和保护。在含有逆变器的系统中,当电流信号中混有开关噪声时,时频谱图依然可以反映出电弧故障的特征。通过分析直流串联电弧故障对光伏系统直流侧及交流侧的影响,提出了各线路电弧保护之间的配合方式以及与光伏阵列其他类型故障的区分方法。