
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Specialized Maintenance Center | - |
| Autor(es): dc.contributor | High Voltage Equipments - Hvex | - |
| Autor(es): dc.creator | Crivelaro, Matheus Goes | - |
| Autor(es): dc.creator | Rodrigues, Douglas | - |
| Autor(es): dc.creator | Gifalli, André | - |
| Autor(es): dc.creator | Papa, João Paulo | - |
| Autor(es): dc.creator | Gonzales, Carlos Guilherme | - |
| Autor(es): dc.creator | De Souza, André Nunes | - |
| Autor(es): dc.creator | Da Silva, Gustavo Vinícius | - |
| Autor(es): dc.creator | Neto, Erasmo Silveira | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:37:59Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:37:59Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2023-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/IWSSIP62407.2024.10634022 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/309543 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/309543 | - |
| Descrição: dc.description | Analyzing Partial Discharge (PD) signals is crucial to assessing the health of insulation in high-voltage systems. Nevertheless, noise often distorts these signals, hindering the ability to obtain precise information. This paper proposes a novel deep-learning approach using two denoising autoencoders (DAEs) to learn data representations and eliminate noise during reconstruction. By leveraging DAEs' capacity to capture essential features within the latent space, this method enhances the analysis of PD signals and yields more accurate results. This paper investigates the effectiveness of two deep-learning architectures for denoising partial discharge signals in high-voltage insulation systems. Experimental results carried out on a PD dataset demonstrated the efficiency of the Linear AE model in removing noise in sets A, B, and C suggesting that DAEs hold great promise in PD signal denoising. | - |
| Descrição: dc.description | São Paulo State University Department of Electrical Engineering | - |
| Descrição: dc.description | São Paulo State University Department of Computing | - |
| Descrição: dc.description | Isa Cteep Specialized Maintenance Center | - |
| Descrição: dc.description | High Voltage Equipments - Hvex Department of Electrical Engineering | - |
| Descrição: dc.description | São Paulo State University Department of Electrical Engineering | - |
| Descrição: dc.description | São Paulo State University Department of Computing | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | International Conference on Systems, Signals, and Image Processing | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | deep learning | - |
| Palavras-chave: dc.subject | denoising autoencoder | - |
| Palavras-chave: dc.subject | partial discharge signal | - |
| Título: dc.title | Denoising Autoencoder for Partial Discharge Identification in Instrument Transformers | - |
| Tipo de arquivo: dc.type | aula digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: