1.一种基于参数匹配的多层次直流故障电弧检测方法，其特征在于：包括以下步骤：

1)在直流系统运行中，对直流系统类弧工况与故障电弧条件下的电流信号进行采样，得到电流检测信号的样本数据集，转至步骤2)或步骤3)；

2)对样本数据集中的电流检测信号进行滤波处理，提升故障电弧成分占比，转至步骤

3)；

3)通过故障电弧特征分析及系统状态学习，确定可供使用的特征量及分类器，结合待优化的检测参数确定粒子群算法的优化向量，然后初始化粒子群，转至步骤4)；

4)利用电流检测信号、滤波后的电流检测信号或依据这两种信号之一进行特征量分析而得到的特征数据对与优化向量当前权重取值对应的各故障电弧状态辨识模型分别进行训练，并将训练过程中状态辨识性能y(t)首次达到稳态性能y(∞)的90％～100％的训练时间t作为第一类评估目标，其中，∞为故障电弧状态辨识性能达到稳态所需训练时间，同时，对训练完成的故障电弧状态辨识模型的实时性能状态按照电流检测信号时间窗进行多周期分析，将分析得到的综合判断精确度、响应时间、检测灵敏度与参数优化时间作为第二类评估目标，转至步骤5)；

5)在粒子群算法的一次迭代过程中，对粒子适应度进行评价后更新个体和种群极值，并依据个体和种群极值对各粒子的速度和位置进行更新，其中粒子适应度根据步骤4)中得到的各类评估目标确定，转至步骤6)；

6)若满足迭代过程终止条件，则输出最优评估目标下的各优化向量的权重取值，并确定最优的分类器和特征量匹配结果和最优检测参数，转至步骤7)，否则，转至步骤4)；

7)按照各优化向量的权重取值确定最优检测参数，然后根据电流信号的实时采样结果进行系统状态辨识，其中系统状态选自正常干扰、故障电弧中的任意一种；

所述步骤1)还包括以下步骤：根据样本数据集计算10～20ms故障电弧与正常运行状态条件下的电流信号在[L,S]到[L,E]上的Rbio3.1小波系数之比小于1.2的数据占比，其中，L表示小波包分解的层数，且L＝3～5，S表示选取的起始节点编号，且S＝1、2，E表示选取的终止节点编号，且E＝5、6，若该占比大于70％，则判定故障电弧电流的检测信号信噪比低，此时需要对样本数据集中的所有电流检测信号进行信号滤波处理。

2.根据权利要求1所述一种基于参数匹配的多层次直流故障电弧检测方法，其特征在于：所述步骤1)中，故障电弧条件下的样本数据集是通过对以下一种或多种条件下的故障电弧电流进行采样而得到的：电力电子装置干扰、纯阻性负载运行、远距离传输、多支路供电直流系统时两支路干扰；类弧工况条件下的样本数据集是通过对源荷运行条件下的以下正常干扰电流进行采样而得到：正常运行状态、暂态和停机状态。

3.根据权利要求1所述一种基于参数匹配的多层次直流故障电弧检测方法，其特征在于：所述待优化的检测参数涉及以下直流故障电弧检测过程中多个环节的参数：采样、滤波、特征量分析、系统状态分类、故障电弧判断；其中，采样环节的参数包括电流采样频率，滤波环节的参数包括滤波频段参数，特征量分析环节的参数包括时频特征分辨率和特征变换必调参数，系统状态分类环节的参数包括分类器必调参数，故障电弧判断环节的参数包括直流故障电弧判据，直流故障电弧判据为在利用训练完成的故障电弧状态辨识模型判定故障电弧发生时该模型需要输出与故障电弧对应的值的次数的阈值。

4.根据权利要求3所述一种基于参数匹配的多层次直流故障电弧检测方法，其特征在T

于：在初始化粒子群时，位置向量设置为Xi＝(xi1,xi2,···,xikM,xj1,···,xjN) ，速度T

向量设置为Vi＝(vi1,vi2,···,vikM,vj1,···,vjN) ，位置向量中的前kM项权重表示可供使用的k个分类器与M个特征量的两两组合概率，其中，k≥1且M≥0，位置向量中的后N项权重表示待优化的检测参数的调节比例，待优化的检测参数是在各自参数取值范围内影响故障电弧辨识性能达30％变化范围的敏感参数，故障电弧辨识性能依据故障电弧检测准确率确定。

5.根据权利要求4所述一种基于参数匹配的多层次直流故障电弧检测方法，其特征在于：所述步骤4)还包括以下步骤：当检测过程兼有特征量分析和系统状态分类环节，即M≠0时，利用初始粒子群或每一次迭代后的粒子群的位置向量为分类器匹配特征量，具体是通过设置筛选阈值并忽略Xi的前kM项中权重小于该阈值的项，从而根据其余项对应的分类器与特征的量的组合关系确定该分类器匹配的特征量，然后训练故障电弧状态辨识模型；同时，依据Xi的后N项设置直流故障电弧检测过程的采样、滤波、特征量分析、系统状态分类、故障电弧判断中相应环节的参数值。

6.根据权利要求1所述一种基于参数匹配的多层次直流故障电弧检测方法，其特征在于：所述故障电弧状态辨识模型中分类器的组织架构采用Stacking模型，第一层的基分类器由机器学习分类器和/或数据驱动分类器构成，其中机器学习分类器应用特征数据作为输入进行训练，数据驱动分类器应用电流检测信号或特征数据作为输入进行训练；当第一层分类器个数大于1时，设立第二层的逻辑回归分类器，并应用第一层基分类器输出的状态辨识结果作为输入进行训练。

7.根据权利要求5所述一种基于参数匹配的多层次直流故障电弧检测方法，其特征在于：所述故障电弧状态辨识模型的训练过程中，对输入至第一层的基学习器的电流检测信号或滤波后的电流检测信号或依据这两种信号之一进行特征量分析而得到的特征数据进行标准化处理，标准化处理是指将某时间窗内的电流检测信号或特征数据除以样本数据集中正常运行状态下各时间窗的电流检测信号或特征数据的平均值。

8.根据权利要求1所述一种基于参数匹配的多层次直流故障电弧检测方法，其特征在于：所述粒子群算法在评价粒子适应度时，选取训练时间、综合判断精确度、响应时间、检测灵敏度和参数优化时间，并依据层次分析法求解得到每个粒子的适应度。

9.根据权利要求1所述一种基于参数匹配的多层次直流故障电弧检测方法，其特征在于：所述粒子群算法中，迭代过程终止条件为迭代次数达到500～700次，或者，迭代过程终止条件为种群中粒子适应度的最优值在最近的150～200次迭代过程中数值变化保持在2％以内。