La influencia de un arco en serie en la corriente de línea es diferente con diferentes cargas, lo que dificulta extraer con precisión las características de falla de arco adecuadas para todas las cargas según la señal de corriente de línea. Para mejorar la precisión de la detección de fallas de arco, se propone un método de detección de fallas de arco en serie basado en el reconocimiento de categorías y una red neuronal artificial sobre la base de analizar las características de corriente de fallas de arco bajo diferentes cargas. Según la forma de onda de corriente y voltaje, la carga se divide en tres tipos: categoría resistiva (Re), categoría resistiva-inductiva (RI) y categoría de circuito rectificador con filtro capacitivo (RCCF). Basándose en la transformada wavelet, se analizan las características de la corriente de línea en el dominio del tiempo y en el dominio de la frecuencia cuando ocurre el arco en serie bajo diferentes tipos de cargas, y luego los indicadores de tiempo y frecuencia se toman como entradas de la red neuronal artificial para establecer redes neuronales de tres capas correspondientes a tres tipos de cargas para realizar la detección de la falla de arco en serie de líneas bajo diferentes categorías de cargas. Para evitar que la red neuronal caiga en un óptimo local, el peso inicial y el umbral de la red neuronal se optimizan mediante un algoritmo genético, lo que mejora aún más la precisión de la red neuronal en la identificación de arcos. Los resultados experimentales muestran que el método propuesto de detección de arcos tiene las ventajas de una alta tasa de reconocimiento y un modelo de red neuronal simple.