گسترش جوامع بشری و نیاز روز افزون به انرژی الکتریکی اهمیت ویژه ای به سیستم های قدرت بخشیده است و سبب شده تا مهندسین سیستم های قدرت همواره برای عملکرد صحیح این سیستم در تلاش باشند. یکی از عواملی که موجب ایجاد اختلال در عملکرد سیستم قدرت می شود رخ دادن خطاهای اتصال کوتاه است اما با حفاظت مناسب و بهره برداری صحیح می توان اثرات نامطلوب آن ها را کاهش داد. یکی از مباحث مطرح در حفاظت و بهره برداری از سیستم های قدرت دسته بندی خطاها است. دسته بندی خطاها یکی از نیازهای اصلی اکثر روش های مکان یابی خطا است. بعلاوه با حرکت کردن سیستم های قدرت به سوی هوشمند شدن، دانستن دسته خطایی که در سیستم رخ داده است برای اتخاذ تصمیمات بعدی و بهره برداری مناسب ضروری است. در این پایان نامه روش جدیدی برای دسته بندی خطاها ارائه شده است . در این روش از مقادیر فازوری جریان و ولتاژ و مولفه های متقارن آن ها استفاده شده است. در روش پیشنهادی با استفاده از مقادیر فازوری و مولفه های متقارن، یک معیار مناسب برای دسته بندی خطاها معرفی شده و برای انجام دسته بندی از شبکه های عصبی مصنوعی استفاده شده است. با بررسی مقادیر معیار معرفی شده در خطاهای مختلف به انتخاب شبکه عصبی مناسب پرداخته شده و شبکه های عصبی خود سازمان ده انتخاب گردیده اند. در پایان روش پیشنهادی بر روی یک سیستم قدرت نمونه تست شده است. نتایج این آزمایشات نشان می دهد که روش پیشنهادی خطاهای آزمایشی را به درستی دسته بندی کرده است. بعلاوه روش پیشنهادی از سرعت بالایی برای دسته بندی خطاها برخوردار است. به همین دلیل می-توان روش ارائه شده را به عنوان روش مناسبی برای دسته بندی خطاهای اتصال کوتاه در سیستم-های قدرت دانست.