Svenska Kraftnät (Svk) is responsible for ensuring that Sweden has a safe, sustainable, and cost-effective transmission system for electricity. In an effort to reduce costs, Svk has participated in a study where it has been determined that there are mostly costs for common facilities that stand out cost-wise. The goal of this master thesis is to identify and assess what factors influence maintenance costs for the substations in the Swedish national grid for electricity. Response feature modeling was applied on longitudinal data for the substations (N=53) for years 2017-2020 to obtain individual intercepts with a common slope for further analysis. The factors included in the global model were based on Pearson correlation analysis and consultation with experts. Further attempts to improve upon the global model were made based on a stepwise variable selection made by comparing AIC, a log-transformation of the response, and by applying expert knowledge to attain a subset of predictors. all the resulting models were significant (P<0.001) with the best model having an R2 of 0.8376. Predictions for a proposed substation was made for the first fifty years of lifespan. Predictors that were found significant in multiple models includes variables regarding substation size and age. Factors that were not significant in any model related to substation fence length and location amongst others. / Svenska kraftnät (Svk) är ansvariga för att försäkra att Sverige har ett säkert, hållbart och kostnadseffektivt transmissionsnät för elektricitet. I ett försök att minska kostnader deltog Svk i en studie där det fastslogs att det var främst kostnader för deras stamnnätsstationer som sticker ut kostnadsmässigt. Målet i den här uppsatsen är att identifiera och värdera faktorer som kan influera underhållskostnader för stamnätsstationerna i det Svenska stamnätet. Response feature modeling applicerades på longitudinell data (N=53) för åren 2017-2020. Individuella intercept skattades med en gemensam lutning för att användas vid vidare analys. Faktorerna som initialt inkluderades i den globala modellen var antingen inkluderade eller exkluderade genom en analys av Pearson korrelationer samt i rådfrågan med experter med sakkunskap. Vidare försök att förbättra den globala modellen gjordes genom att applicera en stegvis variable selection baserad på AIC. Samma process genomfördes efter en log-transformation av responsvariabeln. Slutligen skapades en ytterligare modell med en delmängd faktorer skapad av experter på Svk. Samtliga regressionsmodeller var signifikanta (P<0.001) där den bästa modellen med avseende på R2 hade värdet 0.8376. Skattningar av framtida kostnader för en föreslagen stations första femtio år av dess livsspann gjordes. Faktorer som var signifikanta (P<0.05) inkluderade variabler som beskrev stationsstorlek, ställverkstyp och stationsålder. Faktorer som inte var signifikanta i någon modell var bland annat faktorer med anknytning till geografiskt läge, staketlängd bland andra.