Робусна обрада сигнала у електроенергетским системима

Abstract

Обрада сигнала у електроенергетским системима, а посебно робусни приступ у овом сегменту, представља значајну и актуелну тему јер у оквиру данашњих електроенергетских система имплементација савремених техничких решења захтева и условљава све мање присуство људског фактора како би се постигао максималан квалитет у производњи, преносу и дистрибуцији електричне енергије и како би се минимизирали ризици од кварова и хаварија не елементима и постројењима система. Да би се обезбедила највећа расположивост у свим сегментима електроенергетског система, која у значајној мери зависи не само од примењених управљачко рачунарских система него суштински и од употребљене опреме у пољу (примарна опрема у електроенергетским објектима, сензори, актуатори) потребно је располагати и са унапређеним системима за рану детекцију и превенцију нежељених режима и отказа кључне примарне опреме да би се предупредила тежа хаваријска стања и како би се благовремено реаговало на реалне поремећаје у систему и да би се на тај начин спречили већи застоји у раду свих подсистема електроенергетског система. У основи побројаних захтева и примењених методологија и решења је квалитетна обрада великог броја величина и сигнала, како електричних тако и неелектричних, који егзистирају у електранама, преносној електроенергетској мрежи и у електродистрибутивном сектору а за најразличитије сегменте примене: мерења, управљања, дијагностике стања примарне опреме, заштите, али и за велики број системских апликација које раде у online (у реалном времену) или off-line моду. Дисертација је показала да робусна методологија обраде сигнала у савременим електроенергетским системима представља оптимално, адекватно и технички прихватљиво решење чијом се применом ефикасно отклањају ограничења и недостаци класичне методологије обраде сигнала у временском домену, у контексту имуности на присуство лоших мерења манифестованим кроз импулсни шум и outlier-е, чији се број у данашње време рапидно повећава, која су редовна појава у пракси и експлоатацији високонапонских електроенергетских објеката. Класичне методологије обраде сигнала у електроенергетским системима у временском домену, доминантно до сада примењиване у инжењерској пракси, засноване су на нормалној расподели шума мерења што их чини неефикасним и практично неприменљивим у случајевима присуства импулсних поремећаја и outlier-а. У дисертацији развијени адаптивни рекурзивни М- робусни алгоритам поменута ограничења класичних методологија решава полазећи од чињенице да шум мерења практично подлеже контаминираној нормалној расподели, односно нормалној расподели са отежалим крајевима која у свом централном делу одговара Гаусовој расподели а на крајевима подлеже Лапласовој расподели. Сходно томе предложени адаптивни рекурзивни М-робусни алгоритам је изведен из принципа максималне веродостојности којим је ефикасна естимација, односно идентификација, непознатих параметара сигнала реализована максимизирањем условне функције густине вероватноће мерења. Робусност предложеног решења је базирана на адекватно изабраној функцији утицаја која се процењује на погодно одабраним секвенцама мерења и којом се класификују и сузбијају компоненте лоших мерења. Субоптималност предложеног решења је базирана на усвајању одређене класе расподеле из које стохастички процес шума мерења може потицати...

Signal processing in electrical power system, especially the robust signal processing in this segment, presents significant and state-of-the-art topic since implementation of modern technical solutions in power systems requires less and less human involvement in order to achieve maximum quality in the power generation, transmission and distribution and to minimize the risk of faults and damage of power system elements and power substations. In order to achieve maximum availability in all segments of power system, which depends not only on the applied control systems but on the applied equipment (primary equipment in power systems, sensors, actuators) as well, it is necessary to have improved systems for the early detection and prevention of undesired regimes and main primary equipment failure in order to prevent difficult breakdowns and to react on time on real system disturbance, and all in order to prevent higher interrupts in operation of all power system subsystems. The essence of mentioned requirements and applied methodologies and solutions is high quality huge scale signal processing of values and signals, both electric and non-electric, which exist in power plants, transmission and distribution systems. High quality signal processing has various segments of application: measuring, control, primary equipment diagnostic, protection and for various system applications which works in on-line as well as in off-line mode. The dissertation has shown that robust methodology of signal processing in state-of-the-art power systems presents optimal, adequate and technically acceptable solution. Limitations and disadvantages of classical methodology of signal processing in time domain, in the context of immunity to the presence of bad measurements that are manifested through the impulse noise and outliers, are efficiently eliminated with this robust methodology. It is important to notice that the presence of impulse noise and outliers is constantly growing, and its occurrence is very common in today’s practice and exploitation of high voltage electrical power systems. Classical signal processing methodologies in electrical power systems in the time domain, which are mostly applied in the engineering practice, are based on normal distribution of measuring noise. This makes them non-efficient and practically non-applicable when impulse noise and outliers occur. Adaptive recursive M-robust algorithm presented in the dissertation resolves early mentioned limitations by acknowledging a fact that measuring noise represents contaminated normal distribution – normal distribution with weighted ends, which can be modeled by Gaussian distribution in the middle and Laplace distribution at its ends. Based on this fact, described adaptive recursive M-robust algorithm is derived from principle of maximal likelihood and provides efficient estimation and identification of unknown signal parameters by maximizing conditioned measurement probability density function. The robustness of the proposed solution is based on adequately chosen influence function which is evaluated with suitable selected sequences of measurements and which classify and restrain components of bad measurements. Sub-optimization of proposed solution is based on the assumption of certain classes of distribution from which stochastic process of measuring noise could be derived...