Научная электронная библиотека

Монографии, изданные в издательстве Российской Академии Естествознания

Методы построения активных фильтров подавления импульсных помех в сетях электропитания промысловых судов

Горева Т. С., Портнягин Н. Н.,

ВВЕДЕНИЕ

Применение электрооборудования на судах современного флота позволяет повысить эффективность работы различных систем и механизмов, способствует повышению производительности труда судовых экипажей, дает значительный экономический эффект, сокращает затраты энергии и материалов [12,13].

Современное техническое состояние рыбопромыслового флота России характеризуется несколькими особенностями, которые порождены проблемами конкуренции и усилением требований к технологии добычи и обработкиморепродуктов и ранее не проявлялись в такой значительной мере.

Прежде всего, это расширение спектра судового электрооборудования (СЭ)в сторону мощных электронных устройств, зачастую эти устройства являются продукцией зарубежных компаний и включены в состав судового электрооборудования во время переоснащения, ремонта и модернизаций промысловых судов.

Наиболее распространенными являются устройства, содержащие аналоговые и цифровые компоненты, комбинационные схемы и элементы с памятью: они применяются практически во всех типах СЭ, где требуется реализовать специальные характеристики, обеспечить плавность и точность регулирования, повысить производительность и мощность судовых электроэнергетических систем [1,13].

Возросшие возможности мощной полупроводниковой техники, появление мощных JBT-транзисторов, способных управлять токами в сотни ампер и выдерживать напряжения до 1500 вольт, а также мощных тиристоров и семисторов, фотосемисторов и других силовых электронных приборов, использующихся в разработках современных компаний, поставляющих аппаратуру для промысловых судов, делают актуальным рассмотрение вопросов электромагнитной совместимости [12].

Усложнение составасудового электрооборудования, рост его количества и широкое внедрение комплексных средств автоматизации на судах, как правило, приводит к увеличению интенсивности отказов. Вследствие этого простои судов, вызванные ремонтом оборудования, и связанные с ними убытки существенно возрастают.

В настоящее время совокупные затраты на техническое обслуживание судов за амортизационный срок службы в два-три раза превышают их строительную стоимость. Расходы, связанные с ежегодным ремонтом судов, достигают половины сумм, расходуемых на строительство нового флота. Проблема повышения качества судовой электроэнергии и надежности системы электропитания выдвигается на одно из первых мест.

В этой ситуации задачи подавления помех отмощного судового электронного оборудованиявыступают на передний план, так как выход из строя мощных полупроводниковых приборов во время ведения промысла может приводить к значительным экономическим потерям, а в случае выхода из строя систем управления ответственными энергетическими процессами к потере безопасности мореплавания.

Необходимо также отметить, что в силу уменьшения количественного состава промысловых судов (примерно в 3 раза) обострилась проблема повышения качества настройки систем автоматики СЭС. Участились случаи выхода генераторов из синхронизма из-за деградации параметров электронной аппаратуры САРН и АРЧ и сбоев аппаратуры из-за наличия импульсных помех. Отсутствие эффективной системы регулирования запаса работоспособности аппаратуры приводит к неоправданным временным потерям на межрейсовых стоянках судов. Не уделяется достаточного внимания и отстройке динамических параметров электронных регуляторов, что оборачивается неминуемыми потерями топлива [13].

Далее будут рассмотрены алгоритмические основывейвлет-преобра­зования и возможности аппаратной реализации активных цифровых фильтров для подавления импульсных регулярных и нерегулярных помех в мощных электропитающих сетях.

Вейвлеты (от англ. wavelet), всплески - это математические функции, позволяющие анализировать различные частотные компоненты данных. Однако это частное определение - в общем случае анализ сигналов производится в плоскости вейвлет-коэффициентов (масштаб - время - уровень) (Scale-Time-Amplitude). Вейвлет-коэффициенты определяются интегральным преобразованием сигнала. Полученные вейвлет-спектрограммы принципиально отличаются от обычных спектров Фурье тем, что дают четкую привязку спектра различных особенностей сигналов ко времени.

В начале развития области употреблялся термин «волночка» -калька с английского. Английское слово «wavelet» означает в переводе «маленькая волна», или «волны, идущие друг за другом». И тот и другой перевод подходит к определению вейвлетов. Вейвлеты - это семейство функций, которые локальны во времени и по частоте («маленькие»), и в которых все функции получаются из одной посредством её сдвигов и растяжений по оси времени (так что они «идут друг за другом»). Санкт-Петербургская школа называет вейвлеты всплесками.

Разработка вейвлетов связана с несколькими отдельными нитями рассуждений, начавшимися с работ Хаара в начале двадцатого века. Весомый вклад в теорию вейвлетов внесли Гуппилауд, Гроссман и Морле, сформулировавшие то, что сейчас известно как НВП (1982), Жан Олаф-Стромберг с ранними работами по дискретным вейвлетам (1983), Добеши, разработавшая ортогональные вейвлеты с компактным носителем (1988), Малла, предложивший кратномасштабный метод (1989), Натали Делпрат, создавшая временно-частотную интерпретацию CWT (1991), Ньюланд, разработавший гармоническое вейвлет-преобразование и многие другие.

В конце 20-го века появляются инструментальные средства по вейвлетам в системах компьютерной математики Mathcad, MATLAB и Mathe­matica (см. их описание в книге Дьяконова В.П.). Вейвлеты стали широко применяться в технике обработки сигналов и изображений, в частности для компрессии их и очистки от шума. Были созданы интегральные микросхемы для вейвлет-обработки сигналов и изображений.

Существует несколько подходов к определению вейвлета: через масштабный фильтр, масштабную функцию, и вейвлет-функцию. Вейвлеты могут быть ортогональными, полуортогональными, биортогональными. Вейвлетные функции могут быть симметричными, асимметричными и несимметричными, с компактной областью определения и не имеющие таковой, а также иметь различную степень гладкости.

Преобразование Фурье - операция, сопоставляющая функциивещественной переменной другую функцию вещественной переменной. Эта новая функция описывает коэффициенты («амплитуды») при разложении исходной функции на элементарные составляющие -гармонические колебания с разными частотами.

Преобразование Фурье используется во многих областях науки - в физике, теории чисел, комбинаторике, обработке сигналов, теории вероятностей, статистике, криптографии, акустике, океанологии, оптике, геометрии, и многих других. В обработке сигналов и связанных областях преобразование Фурье обычно рассматривается как декомпозиция сигнала на частоты и амплитуды, то есть, обратимый переход от временно́го пространства (time domain) в частотное пространство (frequency domain). Богатые возможности применения основываются на нескольких полезных свойствах преобразования:

• Преобразования являются линейными операторами и, с соответствующей нормализацией, также являются унитарными (свойство, известное как теорема Парсеваля или, в более общем случае как теорема Планшереля, или в наиболее общем как дуализм Понтрягина).
• Преобразования обратимы, причём обратное преобразование имеет практически такую же форму, как и прямое преобразование.
• Синусоидальные базисные функции (вернее, комплексные экспоненты) являются собственными функциямидифференцирования, что означает, что данное представление превращает линейные дифференциальные уравнения с постоянными коэффициентами в обычные алгебраические. (Например, в линейной стационарной системе частота-консервативная величина, поэтому поведение на каждой частоте может решаться независимо.)
• По теореме о свёртке, преобразование Фурье превращает сложную операцию свёртки в простое умножение, что означает, что они обеспечивают эффективный способ вычисления основанных на свёртке операций, таких как умножение многочленов и умножение больших чисел.
• Дискретная версия преобразования Фурье может быстро рассчитываться на компьютерах, используя алгоритм быстрого преобразования Фурье (БПФ, англ.FFT).

Данная работа посвящена вопросам многомасштабного анализа дискретных сигналов. Термин «сигнал» применяется для обозначения любого упорядоченного набора численно зафиксированной информации о каком-либо процессе, объекте, функции и т.п. Под «анализом» сигнала имеется в виду не только его чисто математическое преобразование, но и получение на основе этого преобразования выводов о специфике соответствующего процесса или объекта [2].

Одним из методов многомасштабного анализа является вейвлет-анализ (от англ. «wave» - волна). Он используется уже более десятка лет и хорошо зарекомендовал себя в таких областях как архивация данных, медицина и биология (анализ интервалов сердцебиений, ЭКГ, последовательностей ДНК), анализ наблюдательных данных (метеорология, акустика, сейсмо-
логия) [4].

Принципиально новым методом многомасштабного анализа является структурная индексация. Её суть заключается в выявлении структурных особенностей сигналов для последующего анализа этих особенностей.

Современное состояние электроэнергетических систем характеризуется активным внедрением различного электронного оборудования [1,6,7,8], применяемого в качестве нагрузок низковольтной электрической сети - компьютеры, телевизоры, электроплиты с питанием от ШИМ преобразователей и другое аналогичное оборудование. Современные электронные устройства различного назначения имеют, как правило, импульсные источники вторичного питания, характер воздействия которых, на синусоидальную форму питающих напряжений, недостаточно точно описывается обычным спектральным Фурье-анализом, который оперирует со спектрами сигналов, определенных единым образом для всего временного интервала анализа. Конечно, и в спектральной области Фурье наблюдаются паразитные гармонические составляющие, но в силу их широкополосности выделение каких-либо особенностей затруднено. Для выделения особенностей при импульсном характере нарушений (просечках) лучшие результаты в решении задач локализации нарушений формы синусоидальной кривой могут быть получены на основе вейвлет-преобразования, которое находит все большее применение в задачах цифровой обработки сигналов[2,9,10,11].

Данная работа посвящена решению задач, связанных с обработкой и анализом сложных сигналов, имеющих сложную внутреннюю структуру. Сигналы питающего напряжения содержат разномасштабные локальные особенности. Относительная величина и временная протяженность таких особенностей зависит от природы возмущения.

Естественным и наиболее эффективным способом представления таких сигналов является построение нелинейных адаптивных аппроксимирующих схем на основе экстраполирующих фильтров. Инструментом, позволяющим реализовать такую процедуру для сигналов с подобными особенностями, является вейвлет-преобразование. На основе вейвлет-преобра­зования в данной работе предложены методы обработки и анализа формы питающих электрических напряжений, которые базируются на следующих операциях:

1) выбор «наилучшего» аппроксимирующего базиса;

2) идентификация структурных компонентов сигнала;

3) локализация особенностей.

Новизна предлагаемых решений состоит в обосновании целесообразности применения вейвлет-разложения с целью определения локальных особенностей в сигнале питающего напряжения. Используя основы современной теории обработки сигналов, выстроенацепочка рассуждений от задач моделирования до эффективных вычислительных решений. Предложенные методы позволяют:

1) выделять изолированные особенности в структуре сложного сигнала;

2) классифицировать локальные особенности;

3) предотвращать сбои работы персональных компьютеров в режиме реального времени при выполнении ими управления различными внешними приборами: коммуникационным оборудованием или технологическими процессами;

4) контролировать качество электрической энергии в точках общего присоединения потребителей к системам электроснабжения;

5) контролировать качество энергии (а в случае необходимости и компенсации возмущений) на тяговых подстанциях 6-35 кВ.