文献综述（或调研报告）：
近年来，我国各地铺设光伏系统来进行供电，光伏系统被应用得越来越广。但同时降临的还有一系列光伏系统起火的事故[1]，其中，很大一部分的火灾都是由系统中产生的故障电弧引起的[1][2]。为保证光伏系统以及人员的安全，有关学者慢慢研发出了针对故障电弧等致火因素的火灾预警技术。
光伏系统中的故障电弧是由于系统中部分组件老化破损等原因产生的[3][4]，由于没有过零点保护和周期性变化，故障电弧一旦产生将造成极大的危害[5] [6]。一般依据故障电弧产生的位置，将故障电弧分为串行电弧、并行电弧以及接地电弧[6]，其中，接地电弧可以比较容易地检测到[7]。
目前对故障电弧的检测方法主要有两种：针对视觉以及热变化的物理方法和电气方法[8]。其中，前者通过观测光伏系统模块颜色及热量变化来进行故障电弧检测[8]；而后者则是靠测量系统中的电流电压等电气信号来实现，这也是当前用的较多的方法。电气测量方法中又因诸多学者的研究有了各种具体的检测方法，如基于电流电压波形变化的检测方法[6]、基于频率特性的检测方法[2]等等。
基于电流电压波形变化的检测方法的原理是，当光伏系统中产生故障电弧时，电弧产生点附近的电流电压波形将会发生变化。此时若是选择合适的位置进行电流电压波形检测就会观察到波形的变化，从而对火灾进行预警。
基于频率特性的检测方法[4][7]，是基于故障电弧产生时会导致电流电压波形在频域上出现宽频带以及各种谐波上的变化，若是对频域进行检测则可发现故障电弧的产生。运用该方法时，需要对采集到的信号进行傅里叶变换分解，提取其中的频域特征[2][9]，然后进行故障电弧检测。
小波变换通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，因此基于小波变化的检测方法[3][10]可以提取出信号更加详细的信息，从而使得对故障电弧的检测非常全面。
基于神经网络的检测方法[1][11]是在提取了电流电压信号的频域特征后运用神经网络算法来进行分析，判断是否有故障电弧产生。
