Wavelet denoising of partial discharge signals and their pattern classification using artificial neural networks and support vector machines

Abstract

Este artículo presenta dos enfoques de reconocimiento de patrones usando huellas dactilares de descargas parciales como características de entrada para llevar a cabo la clasificación de patrones de DP. Un perceptrón multicapa (MLP) basado en el algoritmo de propagación hacia atrás y una máquina de soporte vectorial fueron entrenados para reconocer tres tipos de patrones de DP. Los resultados experimentales demostraron que los algoritmos pueden arrojar altas tasas de reconocimiento. De otra parte, la trasformada wavelet discreta (DWT) fue utilizada para eliminar el nivel de ruido presente en las DP como una etapa previa al proceso de clasificación. Diferentes wavelets madre fueron probadas a diferentes niveles de descomposición con el objeto de encontrar parámetros wavelet apropiados para obtener una mejor relación señal-ruido (SNR) y menos distorsión después del proceso de filtrado.