随着智能电网的发展,低压配电线路中非线性负荷不断增多,导致故障电弧电流波形与正常负荷电流波形十分相近。基于电弧电压、电流特征的故障检测存在信息源单一的不足,容易出现保护误动作、拒动作。针对该问题,本文以电弧辐射的电场和磁场信号以及电弧电流作为检测信号,提出一种基于神经网络和D-S证据理论的故障电弧检测方法。首先,在分析电弧电磁辐射理论的基础上,利用电弧故障实验平台进行各种工况下的电弧故障实验,并考虑距离衰减、屏蔽、非线性负荷干扰以及传感器测量方位等的影响,采集电弧电场信号、磁场信号、电流信号;其次,利用滑动DFT的方法对电场、磁场信号进行频域特征分析,并在利用模极大值的方法提取电磁场信号特征值后,采用模糊C-均值聚类的方法对电磁场信号进行时域特征分析。同时利用波形相似法提取电弧电流信号的时域特征值。分析结果表明,利用模极大值的方法和波形相似法提取的信号特征值可以作为故障检测的依据;最后,提出一种基于BP神经网络和D-S证据理论的故障电弧识别方法。利用三层BP神经网络构建各个特征量与电弧故障之间的映射关系,得到单个特征量的故障电弧识别率,并以该识别率作为D-S证据理论的输入,实现决策级的多特征信息融合。