This project, conducted at Ericsson AB, investigates the feasibility of implementing machine learning techniques in order to classify dump files for more effi cient trouble report routing. The project focuses on supervised machine learning methods and in particular Bayesian statistics. It shows that a program utilizing Bayesian methods can achieve well above random prediction accuracy. It is therefore concluded that machine learning methods may indeed become a viable alternative to human classification of trouble reports in the near future. / Detta examensarbete, utfört på Ericsson AB, ämnar att undersöka huruvida maskininlärningstekniker kan användas för att klassificera dumpfiler för mer effektiv problemidentifiering. Projektet fokuserar på övervakad inlärning och då speciellt Bayesiansk klassificering. Arbetet visar att ett program som utnyttjar Bayesiansk klassificering kan uppnå en noggrannhet väl över slumpen. Arbetet indikerar att maskininlärningstekniker mycket väl kan komma att bli användbara alternativ till mänsklig klassificering av dumpfiler i en nära framtid.

With the rapid development of power systems, locating and classifying faults is critical to the continuity and reliability of the transmission system. In this thesis, a traveling-wave based technique for fault location and classification on high voltage and extremely high-voltage transmission lines is proposed. The traveling-wave based protection has the advantage of fast response and not being affected by power swing and CTs saturation. In this thesis, the transient characteristics of single line to ground fault (which can be divided into solid fault and arcing fault) and lightning disturbance are extracted by using Clarke transformation and wavelet transformation. The differences among recorded traveling wave arrival times are used to calculate the fault location, and the wavelet energy at different frequency bands is utilized to distinguish between lightning and different kinds of fault. A criterion is proposed according to the energy ratio. The proposed scheme can identify different faults correctly and quickly. In addition, the influence of busbar capacitance, current transformer and coupling capacitor voltage transformer are considered. The simulation of a transmission system has been made in ATP/EMTP, and the calculations have been made in MATLAB. / Med den snabba utvecklingen av kraftsystem är lokalisering och klassificering av fel avgörande för kontinuiteten och tillförlitligheten hos överföringssystem. I denna avhandling föreslås en vågrörelse-baserad teknik för fellokalisering och klassificering av kraftledningar för högspänning och extremt hög spänning. Vågrörelsebaserat skydd har fördelen av snabb respons och att det inte påverkas av kraft fluktuationer och strömtransformsmättnad. I denna avhandling tas momentana egenskaperna av jord till ledningsfel (vilket kan delas in i stumt jordfel och ljusbågefel) och blixtstörning fram med hjälp av Clarke transformation och wavelet transformation. Skillnaderna mellan de uppmätta vågrörelsernas ankomsttider används för att beräkna fellokalisering och wavelet energin vid olika frekvensband, vilket används för att skilja mellan blixt och olika sorters fel. Ett kriterium föreslås enligt energiförhållandet. Det föreslagna systemet kan identifiera olika sorters fel korrekt och snabbt. Dessutom övervägs påverkan av strömskenans kapacitans, strömtransformator och kopplingskondensatorspänningsomvandlare. Simuleringen av transmissionssystem har gjorts med ATP/EMTP, och beräkningarna är gjorda med MATLAB.