Nuvarande status för detektering av enfasjordfel
Låg noggrannhet i diagnos av enfasjordfel i icke-effektivt jordade system beror på flera faktorer: den varierande strukturen hos distributionsnät (som ring- och öppna konfigurationer), olika systemjordningslägen (inklusive ojordade, bågningskompensatorjordade och lågimpedansjordade system), den ökande årliga andelen kabelbaserade eller hybridöverföringsledningar, samt komplexa feltyper (som blixttråffar, trädfläktar, ledningsbrott och personliga elektriska stötar).
Klassificering av jordfel

Fel i elkraftnätet kan involvera metallisk jording, blixtavledning, trägrenjording, resistansjording och dålig isolationsjording. De kan också inkludera olika scenarion med bågjording, som kortgapspåslag, långgapspåslag och intermittenta bågar. Felsignalernas egenskaper vid olika jordförhållanden varierar i form och storlek.
Tekniker för hantering av jordfel
Svårigheter vid jordfel
Komplexitet av jordfegenskaper
Metoder för lokalisering av enfasjordfel
Det finns för närvarande tre kategorier, totalt 20 grundläggande metoder, för lokalisering av enfasjordfel:

Artificiell intelligens (AI) är en främsta teknologi inom modern teknikutveckling. Den etablerar motsvarande teoretiska modeller genom att simulera karaktärsdrag hos människor, djur eller växter, och löser problem med "människo-lika" tänkande. Särskilt för elkraftnät, som är inherenta starkt icke-linjära system, faller de inom AI:s tillämpningsområde. Dessutom förbättras driftshastigheten genom användning av datorberäkningar, vilket möjliggör lösning av komplexa system som elkraftnät.
Expertdatabas: Etablera en databas som integrerar relevant kunskap och erfarenhet.
Artificiellt neuralt nätverk: Simulerar mänskliga neurons funktion för att lösa problem, fungerar som ett starkt icke-linjärt system.
Myrstacksoptimering: En algoritm som simulerar myrornas biologiska beteende vid sökandet efter mat för att lösa resesäljareproblemet.
Genetisk algoritm: Simulerar biologisk evolutionsprocess för att erhålla globala optimala eller nära-optimala lösningar.
Petri-nät: Modellerar relaterade komponenter i ett system, beskriver fenomen där relaterade komponenter ändras i kronologisk ordning.
Rough Set-teori: Använder mer information än vad systemet kräver som indata för att säkerställa en omfattande beskrivning av systemets driftstatus.
De flesta intelligenta algoritmer befinner sig fortfarande i teoretisk fas, med endast några få praktiskt tillämpade. Men AI-algoritmer har visat sin överlägsenhet i det nya året.