Con el rápido crecimiento de la industria fotovoltaica, los incidentes de incendios en sistemas fotovoltaicos se están convirtiendo en una preocupación cada vez mayor, ya que representan una amenaza seria para su funcionamiento normal. Los hallazgos de la investigación indican que los arcos de falla de corriente continua (CC) son la causa principal de estos incendios. Los arcos de CC se caracterizan por altas temperaturas, calor intenso y corta duración, y carecen de características de cruce por cero o periodicidad. Detectar arcos de falla de CC en sistemas fotovoltaicos complejos es un desafío. Por lo tanto, investigar los arcos de falla de CC en sistemas fotovoltaicos es de crucial importancia. Este documento discute la aplicación de la morfología matemática para detectar arcos de falla de CC. El sistema utiliza un filtro de morfología matemática de múltiples etapas, y los resultados experimentales han demostrado su efectiva extracción de características de arcos de falla. Posteriormente, proponemos un método para detectar arcos de falla de CC en sistemas fotovoltaicos utilizando una red neuronal cíclica, que es adecuada para tareas de procesamiento de series temporales. Al combinar múltiples características extraídas de los experimentos, entrenamos la red neuronal y logramos una alta precisión. Este experimento demuestra que nuestro esquema basado en redes neuronales recurrentes (RNN) para el reconocimiento de arcos de falla de CC tiene un valor de referencia significativo y implicaciones para futuras investigaciones. La curva ROC en el conjunto de prueba se aproxima a 1 desde el estado inicial, y la precisión en el conjunto de prueba se mantiene en 98.24%, lo que indica la fuerte robustez del modelo propuesto.