In this paper, an alternative method which uses discrete wavelet transform (DWT) and probabilistic neural networks (PNN) is presented for classification of transmission line faults. DWT is used to extract distinctive features of fault transients. Detail coefficients of DWT feed the PNN. A comparison study with other classification methods such as Back Propagation Algorithm (BPA) and Bayes classifiers is also performed to confirm the feasibility of the proposed method. It has been shown that the proposed method classify all fault types with %99 accuracy rate.

Bu makalede, iletim hattı arızalarını sınıflandırmak için ayrık dalgacık dönüşümünü (ADD) ve olasılıksal sinir ağlarını (OSA) kullanan altenatif bir yöntem sunulmuştur. Arıza geçici durumlarının ayırt edici özelliklerini çıkarmak için ADD kullanılmıştır. ADD'nin detay katsayıları OSA'nın girişine uygulanmıştır. Önerilen yöntemin uygunluğunu doğrulamak için geri yayılım algoritması (GYA) ve Bayes sınıflandırıcıları gibi yöntemlerin sonuçları karşılaştırılmıştır. Önerilen yöntemin tüm arıza tiplerini %99'luk bir doğruluk oranıyla sınıflandırdığı görülmüştür.