Estat actual de la detecció d'errors de connexió a terra en monofàsica
La baixa precisió en la diagnòstic d'errors de connexió a terra en monofàsica en sistemes no eficientment connectats a terra es atribueix a diversos factors: l'estructura variable de les xarxes de distribució (com configuracions amb bucle i obertes), diverses modes de connexió a terra del sistema (incloent-hi no connectat a terra, connectat a terra amb bobina de supressió d'arc, i connectat a terra amb baixa resistència), el creixement anual de la proporció de cablejat basat en cables o híbrid aeri-cable, i tipus complexes d'errors (com impactes de llamp, descàrregues per branques d'arbres, ruptures de fils, i electrocussions personals).
Classificació d'errors de connexió a terra

Els errors en la xarxa elèctrica poden implicar connexions metàl·liques a terra, descàrregues de llamp a terra, connexions a terra per branques d'arbres, connexions a terra amb resistència, i connexions a terra per aïllament deficient. També poden incloure diversos escenaris d'arc a terra, com arcs de descàrrega de petita distància, arcs de descàrrega de gran distància, i arcs intermitents. Les característiques del senyal d'error mostrades per diferents condicions de connexió a terra varien en forma i magnitud.
Tecnologies de gestió d'errors de connexió a terra
Dificultats en errors de connexió a terra
Complexitat de les característiques d'errors de connexió a terra
Mètodes per localitzar errors de connexió a terra en monofàsica
Actualment hi ha tres categories, totalitzant 20 mètodes bàsics, per localitzar errors de connexió a terra en monofàsica:

L'intel·ligència artificial (IA) és una tecnologia de vanguardia en el desenvolupament de la tecnologia moderna. Estableix models teòrics corresponents simulants les característiques dels humans, animals o plantes, i resol problemes utilitzant un pensament "humà". Especialment per a les xarxes elèctriques, que són inherentment sistemes altament no lineals, cauen dins l'àmbit d'aplicació de l'IA. A més, l'ús del càlcul informàtic augmenta la velocitat operativa, permetent solucionar sistemes complexos com les xarxes elèctriques.
Base de dades d'experts: Establir una base de dades que integri coneixements i experiències rellevants.
Xarxa neuronal artificial: Simula la funció dels neurons humans per resoldre problemes, funcionant com un sistema altament no lineal.
Optimització colònies d'formigues: Un algoritme que simula el comportament biològic de les formigues buscant menjar per resoldre el problema del viatjant comercial.
Algoritme genètic: Simula el procés d'evolució biològica per obtenir solucions globals òptimes o subòptimes.
Red de Petri: Modela components interrelacionats en un sistema, describint fenòmens on els components relacionats canvien en ordre cronològic.
Teoria de conjunts borrosos: Utilitza més informació de la necessària pel sistema com a entrada per assegurar una descripció completa de l'estat operatiu del sistema.
La majoria dels algoritmes intel·ligents encara estan en la fase teòrica, amb només uns pocs aplicats pràcticament. No obstant això, els algoritmes d'IA han demostrat la seva superioritat en la nova era.