由于故障电弧现象难以被检测且危害性极大,近年来被多个领域研究者广泛关注和研究。小波分析作为故障检测领域中最为常用方法,仍无法单独完成对故障电弧的识别工作;支持向量机作为新型的统计学习方法虽然拥有着传统算法不可比拟的优势,被广泛应用于多个领域,但在故障电弧识别问题中仍未得到充分应用。基于此,本文引入小波分析结合支持向量机对故障电弧问题进行研究,这对支持向量机的推广应用和故障电弧防范体系的构建都有着重要意义。为了更好的对故障电弧进行认识和研究,本文以标准故障电弧发生器生成的标准电弧数据为基础。首先将故障电弧特征使用统计语言进行描述,从而将难以理解的特征转化为简单易懂的统计指标,并以这些统计指标为基础对故障电弧特征进行描述性统计分析,加深对故障电弧的认识和理解。其次,本文通过小波分析对故障电弧电流信号进行多分辨率分解,从不同的角度深层次地挖掘出故障电弧的特性。最后,在以上两种分析的基础上,本文首次尝试将支持向量机算法与小波分析方法相结合应用到故障电弧识别问题中,通过大量实验,合理地选择核函数和参数,构造出一个新型的故障电弧识别模型。研究结果表明,与传统故障电弧识别方法相比,本文所构建的模型有更加严谨的理论依据以及更为广泛的适用性。本文在进一步推广和完善统计学习理论在故障电弧识别领域中的应用的同时,给出一个高效的、创新的、可靠的故障电弧识别模型。