MS ing. Claudiu – Ionel Nicola ing. Sebastian Popescu [311317]

SISTEM DE MONITORIZARE IN TIMP REAL A [anonimizat], FOLOSIND TRANSFORMATA WAVELET

Dr. ing. Marcel Nicola MS ing. Claudiu – Ionel Nicola ing. Sebastian Popescu

Dr.ing. Dumitru Sacerdotianu ing. [anonimizat].: 0351.402.424; e-mail: [anonimizat], [anonimizat], [anonimizat], [anonimizat], [anonimizat]

Summary: Power quality (PQ) is becoming prevalent and of critical importance for power industry. The fast expansion in use of power electronics devices led to a [anonimizat]-[anonimizat]. [anonimizat] a [anonimizat] a network of FPGA (Field Programmable Gate Array) [anonimizat]. [anonimizat].

Keywords: [anonimizat], [anonimizat].

1. [anonimizat], [anonimizat], [anonimizat], [anonimizat].

Calitatea energiei electrice presupune o alimentare continuă cu o tensiune de bună calitate. [anonimizat], o [anonimizat]-un sistem trifazat de tensiuni simetric [1-8].

Fenomenele perturbatoare care duc la o scădere a calității energiei electrice sunt:

– întreruperile de lungă durată;

– variațiile de frecventă;

– variațiile lente ale valorii efective a tensiunii;

– [anonimizat];

– [anonimizat];

– supratensiunile tranzitorii;

– armonicile și interarmonicile;

– dezechilibrele sistemului trifazat de tensiuni.

Calitatea energiei electrice se apreciază prin indicatori de calitate ai mărimilor electrice specifice (tensiunea și frecvența) și respectiv ai serviciului de furnizare a energiei electrice prin duratele de întrerupere a alimentării.

Indicatorii de calitate se stabilesc în punctele de delimitare între instalațiile electrice ale furnizorului și consumatorului constituind responsabilitatea:

a) furnizorului pentru: frecventă, [anonimizat], [anonimizat];

b) consumatorului pentru: [anonimizat], nesimetrii.

Sistemul de indicatori ai calității energiei electrice este alcătuit din:

– indicatorii formei semnalului de tensiune;

– caracteristicile variațiilor lente/rapide ale frecvenței;

– caracteristicile variațiilor lente/rapide ale valorii efective a tensiunii;

– caracteristicile de simetrie în sistemele trifazate.

Perturbațiile electromagnetice care influențează negativ calitatea energiei electrice se pot clasifica astfel:

a) după frecvență:

– [anonimizat] <1 MHz;

– de înaltă frecvență – semnale cu frecvență 1 MHz;

b) dupa modul de propagare:

– conduse prin conductoarele rețelei – curenți și diferențe de potențial;

– radiate (în aer) – câmp electric și câmp magnetic.

c) după durată:

– permanente sau întreținute – afectează în special circuitele analogice;

– tranzitorii (aleatoare și periodice) – afectează circuitele numerice.

Parametrii de calitate ai energiei electrice sunt afectați de perturbațiile de joasă frecvență conduse:

– fluctuațiile de frecvență și tensiune (flicker);

– golurile de tensiune și microîntreruperi;

– supratensiunile atmosferice, de comutație, etc.

Aceste perturbații care apar în funcționarea sistemelor energetice au o influență negativă asupra tuturor caracteristicile undei de tensiune: formă, frecvență, amplitudine, simetrie (în sistemele trifazate).

Transformarea Wavelet (WT) a fost utilizată în zona calității energie electrice pentru a efectua mai multe studii care vizează detectarea și localizarea perturbațiilor de tip sag, swell, întrerupere, etc. ale semnalelor nestaționare. Prin urmare, coeficienții WT pot fi studiați la nivele de descompunere foarte ridicate pentru a determina apariția evenimentelor de perturbare, precum și timpul de apariție a acestora. Datorită acestui fapt, tehnicile Transformata Wavelet Transform Discretă (DWT) au fost utilizate pe scară largă pentru a analiza evenimentele de perturbare ale sistemelor de alimentare. Wavelet-urile localizează informațiile în planul frecvență-timp; ele sunt în mod special potrivite pentru analiza semnalelor nestaționare, deoarece sunt capabile să analizeze multirezoluție [9-19].

Sistemul propus prezentat în acest articol se bazează pe capabilitățile în timp real ale sistemului de operare LabVIEW Real-Time și pe un computer în timp real CompactRIO – National Instruments, care conține o rețea de porți logice reconfigurabile tip FPGA care oferă o mare flexibilitate, fiabilitate și viteza de execuție. DWT este folosit pentru a analiza calitatea energiei și pentru a detecta fenomenele tranzitorii caracteristice semnalelor cvasi-periodice. Sistemul conține un modul prefiltrare pentru îndepărtarea spike-urilor prin utilizarea unui modul tip Wavelet Denoising. Sistemul realizează stocarea intrărilor ca fișiere TDMS (Technical Data Management Streaming) și rapoarte automate de tip Word / Excel trimise automat prin e-mail la adrese predefinite, conține un server de tip OPC UA (Open Platform Communications Unified Architecture) pentru comunicarea cu un sistem de tip SCADA (Supervisory Control And Data Acquisition) ierarhic superior [20], efectuează introducerea selectivă a caracteristicilor parametrii într-o bază de date, conține un server Web pentru acces la Intranet/Internet, pentru vizualizarea datelor măsurate și pentru gestionarea sistemului de oriunde, aplicația este conectată la o platformă de tip Cloud.

2. TRANSFORMATA WAVELET

Teoria Wavelet este o metodă de descompunere a unei funcții (semnal) în diferite componente de frecvență și de studiu al fiecărei componente cu o rezoluție corespunzătoare cu scala sa de amplitudine. Un wavelet este o undă mică cu energia concentrată în timp și oferă un instrument de analiză a fenomenelor tranzitorii, nestaționare, care variază în timp, care apar în general în rețeaua sistemului de alimentare.

Wavelet-urile mamă sunt funcții oscilante cu o valoare finită de energie și valori medii de zero, adică unde este Wavelet-ul mamă.

Semnalul poate fi reprezentat în funcție de funcția wavelet și funcția de scalare ca:

(1)

Unde: cj reprezintă coeficientul nivelului de scalare; dj reprezintă coeficientul nivelului wavelet; reprezintă funcția de scalare; (t) reprezintă funcția wavelet; j reprezintă nivelul de descompunere al wavelet-ului și t este timpul.

În continuare se prezintă aplicarea WT pentru detectarea și analiza semnalelor digitale virtuale pentru sag, swell și impulsuri tranzitorii. Semnalele de tensiune sunt generate și procesate utilizând platformele de dezvoltare software LabVIEW și Matlab. Frecvența de eșantionare este de 12,8 kHz, cu 256 eșantioane pe ciclu pentru frecvența de alimentare de 50 Hz.

Benzile de frecvență ale coeficienților WT sunt prezentate în tabelul I.

Tabelul 1 – Benzile de frecveță ale coeficienților WT la diferite nivele.

Analiza WT a semnalelor folosind wavelet-ul Db5 pentru sag, swell și impulsul tranzitoriu și coeficienții detaliați la șapte niveluri (d1 la d7), coeficientul de aproximare la nivelul 7 (a7) sunt prezentate în Figurile 1, 2 și respectiv 3.

Analizând coeficientul d1, se remarcă faptul că atât pentru fenomenul sag, cât și pentru fenomenul de swell, punctele de început și de sfârșit sunt de 0,05 s (eșantionul 640), respectiv 0,15 s (eșantionul 1920).

În cazul impulsului tranzitoriu din Figura 3, acesta are loc în timp de 0,0059 s (eșantionul 76) și se termină în timp de 0,006 s (eșantionul 77).

Durata sa este de 0,1 milisecunde; acesta poate fi considerată spike (vezi Figura 4) și va fi rejectat prin utilizarea unui filtru WT a cărui diagramă bloc software este prezentată în Figura 5.

Semnalul filtrat este prezentat în Figura 6. în practică, un astfel de spike poate fi furnizat de elementele electronice de comutație (de exemplu, IGBT).

Fig. 1. DWT voltage sag – coeficienții detaliați

Fig. 2. DWT voltage swell – coeficienții detaliați

Fig. 3. DWT impuls tranzitoriu – coeficienții detaliați

Fig. 4. Impuls trazitoriu de tensiune – detaliu

Fig. 5. Diagrama software bloc a filtrării DWT a impulsului trazitoriu de tensiune

Fig. 6. Eliminarea impulsului trazitoriu de tensiune

3. DESCRIERE HARDWARE ȘI SOFTWARE

Arhitectura software generală a sistemului de monitorizare PQ este prezentată în Figura 7.

Module software ale sistemului de monitorizare PQ sunt următoarele:

– modulul de evoluție în timp și de achiziție de date realizează achiziția primară a datelor, iar interfața software a calculatorului gazdă este prezentată în Figura 8;

– modulul de filtrare și analiză Wavelet este modulul principal al sistemului și permite detectarea fenomenelor caracteristice ale PQ utilizând analiza Wavelet;

Fig. 7. Arhitectura software a sistemului de montorizare PQ

– modulul de citire și scriere OPC; acest modul va furniza o conexiune intrinsecă între datele obținute de la modulele de intrare și serverul OPC;

– modulul de citire și scriere MySQL; acest modul realizează interogarea bazei de date tip MySQL, unde în mod evident scrierea și citirea datelor sunt cele mai utilizate funcții;

– modulul de citire și scriere TDMS; acest modul va gestiona scrierea și citirea datelor în fișierele TDMS;

– modulele software de raportare automată și trimitere de e-mail realizează rapoartele automate cu coeficienții detaliați obținuți din analiza Wavelet;

– modulul software Cloud Connection realizează conexiunea cu platforma Cloud. Interfața bazei de date Cloud și diagrama bloc software pentru conectarea la platforma cloud și MySQL Server și sunt prezentate în Figurile 9 și 10.

CompactRIO este un sistem încorporat reconfigurabil care conține trei componente: un procesor pe care rulează un sistem de operare în timp real (RTOS), un FPGA și module I/O industriale interschimbabile.

CompactRIO-9030 de la National Instruments este un controler încorporat, ideal pentru aplicații avansate de control și monitorizare, cu caracteristici: CPU dual-core 1,33 GHz, DRAM 1 GB, stocare 4 GB, FPGA Kintex-7 70T, Controler CompactRIO cu 4 sloturi.

NI-9201 este un modul de intrare a tensiunii de la seria C cu următoarele caracteristici: Modul de intrare a tensiunii din seria C de 8 V, 500 kS / s, 12 biti.
Semnalele achiziționate provin din traductori de curent LEM LV 25-P și AT100B420L.

Structura arborescentă a proiectului global realizată în LabVIEW și diagrama bloc software a targetului Compact-RIO-9030 PFGA sunt prezentate în Figura 11.

Filtrarea inițială a semnalelor achiziționate constă în eliminarea impulsurilor tranzitorii mai mici de 0,1 milisecunde și se efectuează utilizând un filtru Butterworth de 10 kHz, implementat în FPGA, într-o buclă ciclică la 78 microsecunde.

Modul de transfer al datelor dintre FPGA și computerul gazdă se realizează prin intermediul transferului DMA (Direct Memory Access) de tip RT FIFO (Real Time First-In-First-Out memory buffers).

Fig. 8. Interfața software

Fig. 9. Interfața Cloud database

Fig. 10. Diagama software bloc de conectare la Cloud database și MySQL Server database

Fig. 11. Structura proiectului de monitorizare PQ și diagrama software bloc a Compact-RIO-9030 FPGA Target

4. EXPERIMET PRACTIC

Pentru testarea sistemului de monitorizare PQ a fost realizat un experiment practic într-un mediu de laborator a cărui componente sunt prezentate în Figura 12.

Semnalele de curent și de tensiune sunt preluate din sarcina alimentată de la rețeaua principală de alimentare printr-un UPS (Uninterruptible Power Supply), prelucrat de tipul traductoarelor achiziționate printr-un sistem Compact-RIO-9030 cu FPGA într-un sistem cu capacități în timp real LabVIEW .

Începând cu rezultatele din [21-22] în care sunt prezentate unele probleme care apar în rețea atunci când se alimentează un consumator de la un UPS, în acest experiment practic, se analizează cu mijloacele transformării Wavelet, fenomenul de cuplare și decuplare de la un UPS (Vezi Figura 13).

Analiza WT a semnalului de curent de tip sag cu armonici folosind wavelet-ul Db10 și coeficienții detaliați la nouă niveluri (d1 la d9) și coeficientul de aproximare la nivelul nouă (a9) sunt prezentate în Figura 14.

Fig. 12 Experimentul practic

Fig. 13. Semnalul de current achiziționat: a) la comtația dintre rețeaua de alimentare și UPS; b) detaliu la începutul procesului de comutație; c) detaliu la sfârșitul procesului de comutație

Fig. 14. DWT pentru semnalul de curent sag cu armonici – coeficienții detaliați

5. CONCLUZII

Acest articol prezintă implementarea unui sistem de analiză PQ, bazat pe module LabVIEW Real-Time și reconfigurabile FPGA utilizând Wavelet Transform.

Sistemul de monitorizare PQ a fost testat cu semnale simulate, dar chiar și într-un experiment practic. Cercetările viitoare se vor referi la clasificările automate ale evenimentelor PQ și la optimizarea software-ului.

MULȚUMIRI

Lucrarea a fost elaborată cu fonduri de la Ministerul Cercetării și Inovării ca parte a Programului NUCLEU: PN 18 25 02 03.

BIBLIOGRAFIE

M. H. Sazli, İ. Koșalay and G. Erdenesaikhan, “A brief review of power quality issues in smart grid and a simple user friendly software," 2018 6th International Istanbul Smart Grids and Cities Congress and Fair (ICSG), Istanbul, Turkey, 2018, pp. 54-58.

M. Youhannaei, H. Mokhtari, M. E. Honarmand, J. Talebi and A. Sharifi, “Power quality observation algorithm to power distribution network,” in CIRED – Open Access Proceedings Journal, vol. 2017, no. 1, pp. 823-827, October 2017.

L. Luo, S. Chen, Y. Yang, S. Yuan, H. Luo and Y. Hu, “Design and application of power quality monitoring system for the smart substation based on IEC 61850,” in CIRED – Open Access Proceedings Journal, vol. 2017, no. 1, pp. 577-580, October 2017.

S. Rönnberg, M. Bollen and J. Nömm, “Power quality measurements in a single-house microgrid,” in CIRED – Open Access Proceedings Journal, vol. 2017, no. 1, pp. 818-822, October 2017.

S. Das, A. K. Pradhan, A. Kedia, S. Dalai, B. Chatterjee and S. Chakravorti, “Diagnosis of Power Quality Events Based on Detrended Fluctuation Analysis,” in IEEE Transactions on Industrial Electronics, vol. 65, no. 9, pp. 7322-7331, September 2018.

B. Biswal, M. Biswal, S. Mishra and R. Jalaja, “Automatic Classification of Power Quality Events Using Balanced Neural Tree,” in IEEE Transactions on Industrial Electronics, vol. 61, no. 1, pp. 521-530, January 2014.

M. Valtierra-Rodriguez, R. de Jesus Romero-Troncoso, R. A. Osornio-Rios and A. Garcia-Perez, “Detection and Classification of Single and Combined Power Quality Disturbances Using Neural Networks,” in IEEE Transactions on Industrial Electronics, vol. 61, no. 5, pp. 2473-2482, May 2014.

C. Nicola et al., “Quality analysis of electric energy using an interface developed in LabVIEW environment,” 2016 International Conference on Applied and Theoretical Electricity (ICATE), Craiova, Romania, 2016, pp. 1-6.

V. Kumar, S. K. Gawre and T. Kumar, “Power Quality Analysis Using Wavelet Transform: A Review” in The International Journal of Innovative Research in Science, Engineering and Technology (IJIRSET), vol. 3, no. 3, pp. 130-136, March 2014.

F. Z. Dekhandji, “Detection of power quality disturbances using discrete wavelet transform,” 2017 5th International Conference on Electrical Engineering – Boumerdes (ICEE-B), Boumerdes, Algeria, 2017, pp. 1-5.

F. M. Arrabal-Campos, F. G. Montoya, R. Baños, J. Martínez-Lao and A. Alcayde, “Simulation of power quality disturbances through the wavelet transform,” 2018 18th International Conference on Harmonics and Quality of Power (ICHQP), Ljubljana, Slovenia, 2018, pp. 1-5.

B. Eristi, O. Yildirim, H. Eristi and Y. Demir, “A real-time power quality disturbance detection system based on the wavelet transform,” 2016 51st International Universities Power Engineering Conference (UPEC), Coimbra, Portugal, 2016, pp. 1-5.

F. Hafiz, S. Abecrombie, A. Eaton, C. Naik and A. Swain, “Power quality event identification using wavelet packet transform: A comprehensive investigation,” TENCON 2017 – 2017 IEEE Region 10 Conference, Penang, Malaysia, 2017, pp. 2978-2983.

M. A. S. Masoum, S. Jamali and N. Ghaffarzadeh, “Detection and classification of power quality disturbances using discrete wavelet transform and wavelet networks,” in IET Science, Measurement & Technology, vol. 4, no. 4, pp. 193-205, July 2010.

Ö. Yildirim, B. Eri̇ști̇, H. Eri̇ști̇, S. Ünal, Y. Erol and Y. Demi̇R, “An FPGA based power quality monitoring system,” 2015 23nd Signal Processing and Communications Applications Conference (SIU), Malatya, Turkey, 2015, pp. 1292-1295.

K. V. Parimala and K. C. R. Nisha, “FPGA based power quality monitoring using FFT method for single phase power metering,” 2016 International Conference on Emerging Technological Trends (ICETT), Kollam, India, 2016, pp. 1-6.

Y. Biletskiy, S. Nanacekivell, Liuchen Chang and Riming Shao, “An FPGA-based power quality monitoring and event identifier,” 2017 IEEE 8th International Symposium on Power Electronics for Distributed Generation Systems (PEDG), Florianopolis, Brazil, 2017, pp. 1-6.

G. Petrović, I. Šimić, J. A. Bosnić and P. Mostarac, “Power quality meter based on FPGA and LabVIEW,” 2017 11th International Conference on Measurement, Smolenice, Slovakia, 2017, pp. 151-154.

J. Esim, I. J. Oleagordia and S. Loureiro, “Research and Development of a Virtual Instrument for Measurement Analysis and Monitoring of the Power Quality,” in Journal of Fundamentals of Renewable Energy and Applications, vol. 5, no. 5, pp. 185-191, October 2015.

M. Nicola, C. I. Nicola, M. Duță and D. Sacerdoțianu, “SCADA Systems Architecture Based on OPC and Web Servers and Integration of Applications for Industrial Process Control,” in International Journal of Control Science and Engineering, vol. 8, no. 1, pp. 13-21, July 2018.

M. C. Nițu, C. Nicola, V. Voicu, S. Popescu and M. Nicola, “Analysis using virtual instrumentation of perturbations induced in the network to supply a consumer from a UPS,” 2016 International Conference on Applied and Theoretical Electricity (ICATE), Craiova, Romania, 2016, pp. 1-6.

C. Nicola, et al., “Causes and methods of eliminating the disturbances which occur in the network when supplying a consumer from an UPS using virtual instrumentation,” in International Journal of Engineering Technology and Scientific Innovation (IJETSI), vol. 2, no. 3, pp. 652-670, June 2017.