1 Classificação de Problemas de Qualidade de Energia Utilizando a Transformada Wavelet Discreta L. F. R. B. Toledo, UTFPR, A.E. Lazzaretti, UTFPR, L. V. A. Campanelli, UTFPR, J. E. Rocha, UTFPR Resumo—Este artigo apresenta o desenvolvimento de um software voltado para a classificação de problemas de qualidade de energia elétrica através da densidade de energia dos coeficientes da transformada wavelet discreta. O software foi validado utilizando sinais obtidos através de um simulador de circuitos. Os eventos analisados serão os afundamentos e elevações de tensão e os chaveamentos de capacitores. Palavras-chaves—Qualidade da energia elétrica, transformada wavelet discreta, processamento de sinais. I. INTRODUÇÃO A Qualidade de Energia Elétrica, comumente conhecida como Qualidade de Energia (QE), está ganhando cada vez mais importância nos estudos de fornecimento e consumo de energia elétrica. Tem-se QE em um sistema, quando a forma de onda de tensão e corrente são puramente senoidais e ainda não há desvio de freqüência capaz de acarretar má operação de algum equipamento elétrico [1]. A análise do sinal de tensão e corrente, em busca de problemas de QE, foi, por muito tempo, feita utilizando-se a análise de Fourier. Esta análise apresenta diversas limitações [2]. Uma técnica que vem sendo utilizada com o intuito de superar essas limitações é a transformada wavelet [3]. A transformada wavelet leva um sinal do domínio do tempo para o domínio tempo x freqüência. Esta característica possibilita a localização temporal do evento, bem como sua classificação. Neste artigo, utiliza-se a versão discreta da transformada wavelet, conhecida como TWD. O software, cujo desenvolvimento é discutido neste artigo, classifica eventos de QE utilizando os coeficientes da TWD. A análise focará os eventos transitórios, especificamente: afundamentos e elevações de tensão e chaveamentos de capacitores. L. F. R. B. Toledo, Estudante de Engenharia Elétrica, Universidade Tecnológica Federal do Paraná ([email protected]). A. E. Lazzaretti, Estudante de Engenharia Elétrica, Universidade Tecnológica Federal do Paraná ([email protected]); L. V. A. Campanelli, Estudante de Engenharia Elétrica, Universidade Tecnológica Federal do Paraná ([email protected]); J. E. Rocha, Professor de Engenharia Elétrica, Universidade Tecnológica Federal do Paraná ([email protected]); II. TRANSFORMADA WAVELET Um dos problemas da transformada de Fourier é que esta transformada leva um sinal do domínio do tempo para o domínio da freqüência e, uma vez estando no domínio da freqüência, não se tem mais nenhuma informação sobre o domínio do tempo. Ou seja, a transformada de Fourier avalia a globalidade do sinal. Uma forma de solucionar esse problema é através da inserção de um elemento temporal no cálculo da transformada de Fourier. A essa nova transformada, dá-se o nome de transformada Janelada de Fourier (TJF). Mesmo com a inserção do elemento temporal, a localização de eventos através da TJF é limitada, pois a resolução da janela utilizada é a mesma para todo o espectro de freqüência. Assim, mesmo esta transformada não é adequada para resolver o problema. A solução está na transformada wavelet cuja principal característica é o ajuste do plano tempo x freqüência, de modo que as altas freqüências possuem baixa resolução temporal e as baixas freqüências, alta resolução temporal [2]. A transformada wavelet pode ser dividia em dois grupos: a transformada wavelet contínua (TWC) e a transformada wavelet discreta (TWD). Neste trabalho, faz-se uso da TWD. A TWD é dada pela seguinte equação: TWD(m, k ) = 1 a0m ∑ x ( n) Ψ ( n k − nb0 a0m ) a0m (1) Na equação 1, a é conhecido como fator de escala, b como fator de translação (ambos função de um parâmetro inteiro m) e k a amostra do sinal de entrada em questão. Quando a0 é dois e b0 um, tem-se a forma diádica da transformada wavelet. Esta característica torna a transformada wavelet discreta invariante no tempo. A transformada wavelet discreta pode ser calculada através de um banco de filtros como mostrado na Fig. 1. 2 Início Recebeu sinal ? Não Sim Ajustes Classificação Fig. 1. Banco de filtros. Resultados Estes filtros dividem o sinal em duas bandas. Esse passo é repetido diversas vezes como ilustrado pela Fig. 1. Estes filtros são obtidos a partir da função wavelet-mãe (passa-altas) e da função-escala (passa-baixas). O filtro passa-baixas e passa-altas estão relacionados pela seguinte expressão: h[ L − 1 − n] = (−1) l (n) n (2) Quando há uma relação como em (2) entre dois filtros, dizse que os filtros são espelhados em quadratura. A saída do filtro passa-altas é conhecida como “detalhes” da transformada wavelet e a saída do filtro passa-baixas como as “aproximações”. Para a utilização desse algoritmo no cálculo da transformada wavelet discreta, é necessário que o comprimento do sinal em análise seja uma potência de dois. O comprimento do sinal determina o número de níveis possíveis de serem calculados. Este número de níveis é justamente a potência de dois. III. ESTRUTURA DO SOFTWARE O software desenvolvido tem como objetivo servir de módulo de classificação para um dispositivo que analisa os sinais de tensão da rede elétrica. Este dispositivo pode ser, por exemplo, uma placa de aquisição integrada a um computador que esteja executando o software supracitado ou até mesmo os dados de saída de um simulador de circuitos. A estrutura do software é dividida em três etapas: a etapa de ajuste, a etapa de classificação e a etapa de demonstração de resultados, como mostra a Fig. 2. A seguir será detalhado cada uma dessas etapas. Fig. 2. Estrutura do sotware. B. Etapa de Classificação A etapa de classificação é responsável por determinar que tipo de evento é recebido. Ela utiliza um método baseado na distribuição de energia dos coeficientes da TWD, que será discutido adiante. Para tanto, nesta etapa, faz-se o cálculo da TWD para os nove níveis possíveis, já que cada evento recebido é constituído de 512 amostras. A escolha do número de amostras foi julgada suficiente para o cálculo de classificação. Essa classificação tem como objetivo distinguir o evento recebido entre: chaveamento de capacitor, afundamento de tensão e elevação de tensão. C. Etapa de Demonstração de Resultados Esta etapa disponibiliza para o usuário os resultados da análise, como mostra a Fig. 3. A. Etapa de ajuste Visando a utilização do software integrado a um dispositivo eletrônico, faz-se necessário o ajuste dos dados recebidos. Esse ajuste pode ser de nível de tensão (ajuste de offset) e de conversão de tipo de dado (inteiro para pontoflutuante). Esta conversão é importante, pois permite ao dispositivo eletrônico operar somente com números inteiros. Fig. 3. Apresentação final dos resultados do software. Na figura 3 está representada a análise de um chaveamento 3 de capacitor. No canto superior esquerdo, tem-se um menu com a possibilidade de alterar o filtro utilizado para o cálculo (wavelet-mãe). No lado desse menu, são apresentados os cálculos de valor eficaz de tensão, máximo e mínimo da senóide, ocorrência de evento (0 – sem evento e 1 – com evento), o instante do início do evento (número da amostra) e os valores de correlação utilizados na classificação. Na lista da esquerda, estão os eventos ocorridos com a respectiva data e hora de registro e o tipo de evento ocorrido (afundamento de tensão, chaveamento de capacitores ou elevação de tensão). No gráfico central estão os quatro períodos do evento, logo abaixo os nove níveis da TWD e a sua distribuição de energia. Os gráficos dos níveis e de distribuição de energia ficam visíveis com o deslocamento da barra de rolagem da direita. Após o cálculo da distribuição de energia do sinal que chega ao software, calcula-se a diferença percentual desta distribuição com a distribuição de um sinal senoidal puro, obtido no simulador. Quando o sinal não apresenta problemas, esse erro é zero. Diferentemente, se no sinal existir algum problema, essa curva variará. As imagens da diferença percentual entre vários sinais com afundamento de tensão, chaveamento de capacitor e elevação de tensão, são mostradas nas Fig. 5, Fig. 6 e Fig. 7 respectivamente. IV. CLASSIFICAÇÃO DE EVENTOS A classificação consiste em determinar que tipo de problema há no sinal que foi recebido pelo software. Esta classificação é feita a partir da análise dos coeficientes dos nove níveis da transformada wavelet discreta. A metodologia dessa análise é mostrada em [4]. Cada nível da transformada wavelet corresponde a uma faixa de freqüência. Os limites dessas faixas dependem da freqüência de amostragem. O primeiro nível vai da metade da freqüência de amostragem até um quarto dela, o segundo de um quarto a um oitavo, e assim sucessivamente. Esta característica faz com que no sétimo nível, por exemplo, estejam os componentes referentes ao 60Hz. Pelo teorema de Perseval, sabe-se que existe uma conservação de energia entre o sinal original e o sinal transformado, como mostrado em (3). N 2 2 N J N j =1 n=1 ∑ f (n ) = ∑ a (n) + ∑ ∑ d (n) n =1 n =1 j 2 j Fig. 5. Diferença percentual característico de afundamento de tensão. (3) É possível assim, traçar uma curva da distribuição de energia entre os diversos níveis da transformada. Cada evento tem uma determinada distribuição característica, inclusive um sinal que não apresenta problema. A energia existente em cada nível da transformada corresponde à energia de toda a banda de freqüência existente no nível em questão, ao contrário do cálculo de energia através da transformada de Fourier. A Fig. 4 mostra a curva de distribuição de energia dos coeficientes wavelet de um sinal senoidal calculado utilizando a waveletmãe Daubechies 4. Fig. 6. Diferença percentual característico de chaveamento de capacitor. Fig. 7. Diferença percentual característico de elevação de tensão. É interessante notar que o comportamento dessas curvas, dentro de cada classe de problema apresenta o mesmo padrão de comportamento, ou seja, um afundamento de tensão que Fig. 4. Distribuição de energia da onda senoidal pura. 4 tem seu ângulo de ocorrência alterado, ainda tem uma curva de erro percentual semelhante. Como existe um padrão, é possível obter a curva de erro percentual médio de cada problema. Para tanto, fez-se a média da curva de erro percentual de afundamento de tensão, elevação de tensão e de chaveamento de capacitor. No caso do afundamento e da elevação de tensão foram variados os instantes de ocorrência dos eventos para um afundamento de 0.5 pu residual e elevação de 0.3 pu de tensão. No caso do chaveamento de capacitor, foi variado o instante de fechamento do circuito. Obteve-se assim, as curvas mostradas na Fig. 8. Fig. 8. Média das diferenças percentuais. O método escolhido para efetivamente se fazer a classificação é através da correlação. Para cada novo sinal a ser analisado, calcula-se a correlação do erro percentual da distribuição de energia desse sinal com a média do erro percentual da distribuição de energia mostradas na Fig. 8b, Fig. 8c e Fig. 8d. O cálculo da correlação está representado em (4). k = n −1 n ∑ n −1 x(k ). y (k ) − k =0 r= n −1 ∑ 2 ∑ y (k ) k =0 n −1 n −1 ∑ x(k ) − ∑ x(k ) . n.∑ y(k ) − ∑ y(k ) 2 n. k =0 O esquemático da Fig. 9a representa o circuito de chaveamento de capacitor. Ele é composto por uma fonte V1 de entrada, representando um barramento infinito, com tensão senoidal de 127Vrms. O resistor R2 representa carga do circuito, enquanto R1 e L1 representam a impedância de entrada. Quando o capacitor C1 é chaveado por S1, ele impõe sobre a carga a forma de onda mostrada na Fig. 10b. O resistor R3 representa a resistência série do capacitor. O esquemático do circuito que causa o afundamento e elevação de tensão é mostrado na Fig. 9b. Como no caso anterior, V1 é a fonte de entrada e R2 a carga do circuito. Neste circuito, S1 inicia o evento que pode ser um afundamento ou uma elevação de tensão, dependendo do estado inicial da chave e dos valores dos resistores R1 e R3. Com a chave inicialmente fechada, regula-se a tensão para 127 Vrms sobre a carga e inicia-se um evento de elevação de tensão quando a chave é aberta (menor queda de tensão em R1). Já para a chave inicialmente aberta, pode-se gerar um afundamento de tensão quando essa for fechada (maior queda de tensão em R1). As formas de onda do afundamento de tensão e da elevação de tensão são mostradas nas Fig. 10a e Fig. 10c, respectivamente. n −1 x(k ). k =0 n −1 Fig. 9. Esquemático dos circuitos de simulação. 2 (4) 2 k =0 k =0 k =0 Em (4), n é o número de níveis (nove), x e y são vetores cuja correlação é calculada. Esta expressão pode ser entendida como o co-seno do ângulo entre dois vetores, ou seja, ela retorna um valor entre -1 e 1. Quanto maior a semelhança entre dois vetores, mais distante este valor será de zero [5]. Neste experimento, importa apenas a correlação direta, portanto, quanto mais próximo o valor for de um, mais semelhante serão os vetores. V. SIMULAÇÃO Para se validar o método de classificação, foi utilizado o simulador de circuitos ng-spice. Para cada problema estudado, foi confeccionado um circuito padrão. A partir desse circuito padrão, foram gerados 128 distúrbios que diferem entre si no instante de ocorrência do evento, como dito anteriormente. Os esquemáticos dos circuitos são apresentados na Fig. 9a e Fig. 9b. . Fig. 10. Formas de ondas obtidas. Uma vez cumprida a etapa de simulação, pode-se chegar as curvas de distribuição percentual de energia, como as das Fig. 5 5, Fig. 6 e Fig. 7, por fim, obtendo as médias mostradas nas Fig. 8b, Fig. 8c e Fig. 8d.. mostrados na tabela II. TABELA II RESULTADO DA CORRELAÇÃO. VI. RESULTADOS A tabela I sintetiza os resultados da classificação através da correlação de uma série de dados obtidos pelo esquema de simulação apresentado anteriormente. Tipo de evento Afundamento de tensão Elevação de tensão Chaveamento de capacitor TABELA I SÍNTESE DOS RESULTADOS OBTIDOS. Tipo de evento Afundamento de tensão Elevação de tensão Chaveamento de capacitor Simulações Acertos 128 100% 128 100% 128 82,8% O método se apresentou satisfatório na distinção de afundamento de tensão e de elevação de tensão, porém, como é evidenciado pela tabela I, ele apresenta alguns problemas para a distinção de chaveamento de capacitor. Em todos os casos de erro, ao invés de classificar o evento como chaveamento de capacitor, o algoritmo o classificou como elevação de tensão. Esse problema na classificação pode ser entendido através da análise da Fig. 11. Correlação -0,828675 0,823918 0,404936 Os outros casos em que há erro, o comportamento da curva de energia é o mesmo, resultando no mesmo erro para a correlação. VII. CONCLUSÃO Este artigo apresentou o desenvolvimento de um software classificador de problemas de QE. Está em desenvolvimento um dispositivo eletrônico capaz de pré-classificar eventos ocorridos na rede elétrica através da busca de picos nos coeficientes dos primeiros níveis da TWD. Este dispositivo eletrônico será integrado ao software de modo a criar um ambiente detector e classificador de problemas de QE. O método de classificação se mostrou satisfatório e apresentou um rendimento global de 94,3% para esses três casos simulados. Para efeito de comparação, está em desenvolvimento um módulo classificador utilizando redes neurais, que futuramente será integrado ao software, além da análise de oscilogramas reais e dados oriundos de uma fonte geradora de distúrbios, a fim de complementar essa comparação. Espera-se, com essa inclusão, aumentar o rendimento do dispositivo. VIII. REFERÊNCIAS Fig. 11. Imagem do problema de classificação. A Fig. 11 mostra um chaveamento suave de capacitor. Um chaveamento é dito suave quanto o instante de incidência do evento é próximo da passagem por zero da onda senoidal [6]. A distribuição de energia correspondente a este chaveamento é o terceiro gráfico da coluna da direita. Através da análise dessa distribuição de energia, juntamente com as das Fig. 6 e Fig. 7, fica evidente, que a distribuição de energia de um chaveamento suave de capacitor se assemelha a distribuição de energia de uma elevação de tensão. Esta peculiaridade pode ser comprovada pelo cálculo da correlação, que neste caso apresentou os resultados [1] R. C. Dugan, M. F. Mcgranaghan, H. W. Beaty, Electrical power systems quality. New York, McGraw-Hill, 1996 [2] C. H. Kim, R. Aggarwal, “Wavelet transforms in power systems-Part 1,”IEEE Power Engineering Journal. Vol. 14, issue 2, 2000, pp.81-87. [3] O. Delmont Filho, “Utilização da transformada wavelet para caracterização de distúrbios na qualidade de energia elétrica,” 103p. Dissertação (Mestrado em Engenharia Elétrica). Escola de Engenharia de São Carlos, USP, 2003. [4] C. Penna, J. W. Resende, “Detecção, localização e identificação de distúrbios de qualidade de energia através da transformada wavelet,”XV SENDI, Brasil, 2002. [5] B. Costa, Figueiredo Werzler, Álgebra Linear, Harbra Editora, 1986. [6] S. Mallat, A wavelet tour of signal processing, San Diego: Academic Press, 1999. 6 IX. BIOGRAFIAS Luiz Felipe Ribeiro Barrozo Toledo nasceu em São Paulo, São Paulo, em 15 de dezembro de 1983. É estudante de graduação de Engenharia Elétrica na Universidade Tecnológica Federal do Paraná. Suas áreas de interesse são: sistemas de energia, qualidade da energia elétrica, processamento de sinais e computação aplicada. André Eugênio Lazzaretti nasceu em Pato Branco, Paraná, em 13 de fevereiro de 1985. É estudante de graduação de Engenharia Elétrica na Universidade Tecnológica Federal do Paraná. Suas áreas de interesse são: sistemas de energia, qualidade da energia elétrica, processamento de sinais e proteção de sistemas. Leonardo Vinícius de Almeida Campanelli nasceu em São Paulo, São Paulo, em 13 de maio de 1984. É estudante de graduação de Engenharia Elétrica na Universidade Tecnológica Federal do Paraná. Suas áreas de interesse são: sistemas de energia e qualidade da energia elétrica. Joaquim Eloir Rocha nasceu em Curitiba, Paraná, em 13 de julho de 1961. Possui graduação em Engenharia Elétrica pela Universidade Federal do Paraná (1984), mestrado em Engenharia Elétrica pela Universidade Federal de Santa Catarina (1987) e doutorado em Engenharia Elétrica pela Universidade de São Paulo (1997). Atualmente, é professor associado da Universidade Tecnológica Federal do Paraná. Sua área de interesse é sistemas de energia, atuando principalmente nos seguintes temas: qualidade da energia elétrica, acionamento elétrico e eletrônica de potência.