Die Fehlerortung in Verteilungssystemen ist ein kritisches Thema, um die Verfügbarkeit der Stromversorgung zu erhöhen, indem die Zeit der Unterbrechung für Wartungsarbeiten in Stromversorgungsunternehmen reduziert wird. In dieser Arbeit wird ein Schätzer für die Fehlerortung in Stromverteilungssystemen mit Hilfe eines künstlichen neuronalen Netzes für Fehler zwischen Leitung und Erde, zwischen Leitung und Leitung und Erde sowie zwischen drei Phasen und Erde im Verteilungssystem entwickelt. Um diesen Schätzer zu entwickeln, wird ein ländlicher radialer Stromverteilungsabzweig in Äthiopien, Oromia, Assela Unterstation Gumguma Line Feeder als Testabzweig verwendet. Dieser Abzweig wird mit der ETAP-Software simuliert, um Daten für verschiedene Fehlerzustände mit unterschiedlichen Fehlerwiderständen und Belastungsbedingungen zu erzeugen, d.h. die Spannung und den Strom der Fehlerphase. Es hat sich gezeigt, dass künstliche neuronale Netze eine der alternativen Optionen für den Entwurf von Fehlerschätzern für Verteilernetze sind, für die ausreichend Verteilernetzdaten mit einem geringen Fehlerlokalisierungsabstand vom Umspannwerk verfügbar sind. Dies hat Vorteile bei der Unterstützung von Wartungsplänen, spart Aufwand bei der Fehlerortung und bringt wirtschaftliche Vorteile durch die Reduzierung der Unterbrechungszeit.