Aktueller Stand der Detektion von Einphasen-Erdschlüssen
Die geringe Genauigkeit der Diagnose von Einphasen-Erdschlüssen in nicht-effektiv geerdeten Systemen ist auf mehrere Faktoren zurückzuführen: die variable Struktur von Verteilnetzen (wie Ring- und Offenringkonfigurationen), unterschiedliche Systemerdmodes (einschließlich ungeerdet, Bögenunterdrückungsspule geerdet und niedrigwiderständig geerdete Systeme), den zunehmenden jährlichen Anteil von kabelbasierten oder hybriden Freileitung-Kabelverkabelungen und komplexe Fehlerarten (wie Blitzschlag, Baumkurzschlüsse, Leitungsabriss und elektrische Schläge).
Klassifizierung von Erdschlüssen

Fehler im Stromnetz können metallische Erdung, Blitzentladungserdung, Ast-Erdung, Widerstandserdung und schlechte Isolationselektrodung umfassen. Sie können auch verschiedene Bogen-Erdungsszenarien beinhalten, wie Kurzstreckenentladungsbögen, Langstreckenentladungsbögen und intermittierende Bögen. Die von verschiedenen Erdungszuständen gezeigten Fehlerzeichensignale variieren in Form und Größe.
Technologien zur Behandlung von Erdschlüssen
Schwierigkeiten bei Erdschlüssen
Komplexität der Erdschlusscharakteristiken
Methoden zur Lokalisierung von Einphasen-Erdschlüssen
Es gibt derzeit drei Kategorien, insgesamt 20 grundlegende Methoden, zur Lokalisierung von Einphasen-Erdschlüssen:

Künstliche Intelligenz (KI) ist eine vordringliche Technologie in der Entwicklung moderner Technologie. Sie stellt entsprechende theoretische Modelle durch die Simulation der Eigenschaften von Menschen, Tieren oder Pflanzen auf und löst Probleme mit "menschenähnlichem" Denken. Besonders für Stromnetze, die inhärent hochgradig nichtlineare Systeme sind, fallen sie in den Anwendungsbereich der KI. Darüber hinaus wird durch den Einsatz von Computern die Rechengeschwindigkeit erhöht, was die Lösung komplexer Systeme wie Stromnetze ermöglicht.
Experten-Datenbank: Aufbau einer Datenbank, die relevante Kenntnisse und Erfahrungen integriert.
Künstliches Neuronales Netz: Simuliert das Verhalten menschlicher Neuronen, um Probleme zu lösen und fungiert als hochgradig nichtlineares System.
Ameisenkolonie-Optimierung: Ein Algorithmus, der das biologische Verhalten von Ameisen beim Nahrungssuchen simuliert, um das Problem des Handlungsreisenden zu lösen.
Genetischer Algorithmus: Simuliert den biologischen Evolutionsprozess, um globale optimale oder suboptimale Lösungen zu erhalten.
Petri-Netz: Modelliert miteinander verbundene Komponenten in einem System und beschreibt Phänomene, bei denen die zugehörigen Komponenten in zeitlicher Reihenfolge ändern.
Rauhes Mengenlehre: Verwendet mehr Informationen als das System erfordert, um eine umfassende Beschreibung des Betriebsstatus des Systems sicherzustellen.
Die meisten intelligenten Algorithmen befinden sich noch in der theoretischen Phase, nur wenige wurden praktisch angewendet. Allerdings haben KI-Algorithmen ihre Überlegenheit im neuen Zeitalter gezeigt.