Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo—Nos últimos anos a transformada wavelet discreta A TWDR é uma variante da TWD que também pode
(TWD) vem sendo amplamente utilizada como ferramenta de ser empregada ao diagnóstico de distúrbios, apresentando
suporte ao diagnóstico de distúrbios em sistemas elétricos de algumas vantagens por ser uma transformada invariante aos
potência. Uma variante da TWD, denominada transformada
wavelet discreta redundante (TWDR), também pode ser em- deslocamentos circulares das amostras no tempo. Neste artigo
pregada ao diagnóstico de distúrbios, apresentando algumas apresenta-se a fundamentação teórica da TWD e da TWDR,
vantagens frente a versão tradicional da TWD. A fundamentação mostrando exemplos do cálculo de seus coeficientes por
teórica da TWD e da TWDR é apresentada neste artigo, bem meio do algoritmo piramidal. Os exemplos ilustram como
como exemplos de aplicação dessas transformadas ao diagnóstico os coeficientes wavelet podem ser utilizados na detecção e
de faltas e de distúrbios de qualidade da energia elétrica.
identificação dos instantes de ocorrência de distúrbios com
Palavras Chave—Transformada wavelet, diagnóstico de transitórios, tais como faltas, afundamentos de tensão e tran-
distúrbios. sitórios devido às manobras de chaveamento. O cálculo da
I. I NTRODUÇ ÃO energia dos coeficientes wavelet e sua utilização na detecção
e classificação de faltas também é ilustrado neste artigo.
A TWD supera algumas das limitações das transformadas Conforme o exposto, o sinal original pode ser decomposto
de Fourier pela análise multiresolução (AM), que permite em termos dos coeficientes wavelet nos diversos nı́veis de
a análise de um determinado sinal em diferentes nı́veis de resolução {1, 2, ..., J} e nos coeficientes de aproximação da
resolução de tempo e frequência, sendo apropriada à detecção escala J [17]. No entanto, o número de estágios da TWD
e localização de transitórios com componentes de baixa e alta (decomposições) é limitado pelo número de amostras do sinal
frequência, situação comum em sinais com faltas e alguns original (kt ), que por sua vez, deve ser uma potência de dois.
distúrbios de QEE em sistemas elétricos de potência [11], [12]. Desta forma, o número máximo de decomposições (Jmax )
O conceito básico das wavelets é derivado da transformada pode ser obtido da equação:
de Haar, proposta em 1910. Porém, apenas na década de kt = 2Jmax −1 . (5)
80 as wavelets foram matematicamente formuladas. O marco
decisivo na história das wavelets foi o trabalho de [13], no
A. Filtros Wavelet e Filtros Escala da TWD
qual foi proposta a transformada wavelet contı́nua (TWC).
A partir dessa pesquisa, a comunidade matemática iniciou o Os coeficientes h(l) dos filtros escala e g(l) dos filtros
refinamento matemático da teoria das wavelets, destacando-se wavelet da TWD satisfazem as seguintes propriedades [18]:
as contribuições de [14], que iniciou o conceito de TWD. L
X √ X L +∞
X
Baseado na AM, [15] propôs um algoritmo rápido e efi- h(l) = 2, h2 (l) = 1, h(l)h(l + 2n) = 0, (6)
ciente para o cálculo da TWD, interpretada como um banco l=1 l=1 l=−∞
0, 84 −0, 48 0 0 ... −0, 13 −0, 22
em que A1 e B1 são matrizes de ordem (kt /2) x kt , visto que
−0, 13
0
−0, 22
0
0, 84
−0, 13
−0, 48
−0, 22
...
...
0
0
0
0
c1 e d1 têm kt /2 elementos. Para a wavelet db4, A1 e B1 são B1 =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(18)
da forma [18]: .
0
.
0
.
0
.
0
.
...
.
0, 84
.
−0, 48
h(3) h(4) 0 0 ... 0 0 h(1) h(2)
h(1)
h(2) h(3) h(4) ... 0 0 0 0
Conforme (12) e (13), os coeficientes de aproximação e
0 0 h(1) h(2) ... 0 0 0 0
A1 =
. . . . . . . . .
,
(14) wavelet na primeira escala são calculados da seguinte forma:
. . . . . . . . .
. . . . . . . . . 0, 00
1, 19
0 0 0 0 ... h(1) h(2) h(3) h(4)
0, 31 0, 29
0, 59 1, 04
g(3) g(4) 0 0 ... 0 0 g(1) g(2)
0, 81 1, 40
g(1) g(2) g(3) g(4) ... 0 0 0 0
0, 95 1, 23
0 0 g(1) g(2) ... 0 0 0 0
. 0, 58
B1 = . (15)
. . . . . . . . . c1 = A1 . = −0, 29 , (19)
. . . . . . . . .
. . . . . . . . . . −1, 04
0 0 0 0 ... g(1) g(2) g(3) g(4) 0, 01 −1, 40
0, 41 −1, 12
0, 70 −1, 32
As matrizes A1 e B1 são formadas a partir de deslocamentos 0, 89 −0, 22
0, 96 0, 86
circulares dos elementos da sua primeira linha. Aplicando-
0, 00 −0, 48
se dois deslocamentos de uma linha para outra garante o
0, 31
0, 03
0, 59 0, 06
processo de subamostragem por dois das amostras do sinal x.
0, 81
0, 06
0, 95 0, 04
Os elementos não ocupados pelos coeficientes do filtro escala
.
0, 00
d1 = B1 . = −0, 03 . (20)
ou wavelet assumem valor nulo.
.
−0, 06
0, 01 −0, 06
De acordo com (13) e (15), o valor do primeiro coeficiente
0, 41
0, 35
0, 70 −0, 09
wavelet (d1 (1)=g(3)x(1)+g(4)x(2)+g(1)x(kt -1)+g(2)x(kt )) 0, 89 0, 07
0, 96 0, 07
depende das duas amostras iniciais e finais. O trecho do sinal
original x formado pelas duas últimas amostras seguidas pelas Na Fig. 1(a) apresentam-se as versões contı́nua x(t) e
duas primeiras amostras pode apresentar uma descontinuidade. discreta x(k) do sinal original, destacando-se o instante
Neste caso, a amplitude do primeiro coeficiente wavelet poderá de ocorrência da componente com decaimento exponencial,
ser desproporcional, quando comparada com a amplitude dos na vigésima amostra do sinal discreto. Os coeficientes de
coeficientes wavelet subsequentes. Esse fenômeno é conhecido aproximação e wavelet, da primeira escala, obtidos de (19)
como efeito de borda, presente também no primeiro coe- e (20) são ilustrados nas Figs. 1(b) e 1(c), respectiva-
ficiente de aproximação c1 (1). Dependendo do número de mente. Para uma melhor interpretação dos resultados obti-
coeficientes dos filtros escala e wavelet, mais de um coeficiente dos após utilização da TWD, as amostras dos coeficientes
de aproximação e wavelet podem ser influenciados pelo efeito de aproximação são representadas por interpolações lineares,
de borda. enquanto as amostras referentes aos coeficientes wavelet são
Para exemplificar o uso da TWD, considere um sinal representadas por impulsos.
t−to
x(t)=sen(2πf t) - 0,8e− 2 u(t − to ), composto por uma Os efeitos de borda são observados na primeira amostra dos
senoide de frequência fundamental f =60 Hz, somada a uma coeficientes de aproximação e wavelet da Fig. 1, conforme o
componente DC com decaimento exponencial no instante t=t0 , processo de formação das matrizes A1 e B1 .
sendo u(.) uma função degrau. O sinal é discretizado a partir
de t=0 s, a uma taxa de amostragem de fs =1200 amostras/s.
A seguir, apresenta-se um trecho do sinal discreto, composto
por 26 amostras (aproximadamente 1+1/4 de ciclo), com a
componente DC iniciando na vigésima amostra:
0, 00 0, 00 0, 00
0, 31 0, 00 0, 31
0, 59 0, 00 0, 59
0, 81 0, 00 0, 81
0, 95 0, 00 0, 95
1, 00 0, 00 1, 00
0, 95 0, 00 0, 95
0, 81 0, 00 0, 81
0, 59 0, 00 0, 59
0, 31 0, 00 0, 31
0, 00 0, 00 0, 00
−0, 31 0, 00 −0, 31
−0, 59 0, 00 −0, 59
x = + = (16)
−0, 81 0, 00 −0, 81
−0, 95 0, 00 −0, 95
−1, 00 0, 00 −1, 00
−0, 95
0, 00
−0, 95
Fig. 1. Aplicação de um estágio da TWD: (a) sinal original (b) coeficientes
−0, 81
−0, 59
0, 00
0, 00
−0, 81
de aproximação; (c) coeficientes wavelet.
−0, 59
−0, 31 −0, 80 −1, 11
0, 00 −0, 49 −0, 49
0, 31 −0, 29 0, 01
0, 59 −0, 18 0, 41
0, 81
−0, 11
0, 70
O sinal original (sinal discreto) ilustrado na Fig. 1(a) é
0, 95 −0, 07 0, 89
1, 00 −0, 04 0, 96 essencialmente uma senóide, com frequência fundamental de
Com kt =26, considerando a db4, as matrizes A1 e B1 são: 60 Hz (baixa frequência). Nestas condições, os coeficientes de
0, 22 −0, 13 0 0 ... 0, 48 0, 84
aproximação da primeira escala, cujo espectro de frequência
0, 48
0
0, 84
0
0, 22
0, 48
−0, 13
0, 84
...
...
0
0
0
0
varia de DC a 300 Hz, apresentam forma similar ao sinal
A1 =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
,
(17)
original. Os coeficientes wavelet da primeira escala, cujo
.
0
.
0
.
0
.
0
.
...
.
0, 22
.
−0, 13 espectro de frequências varia de 300 a 600 Hz, são apropriados
4
à detecção e localização de mudanças abruptas e transitórios ocorrência da componente DC só foi identificado uma amostra
rápidos ocorridos ao longo do sinal original. De fato, conforme após sua ocorrência (após 0,83 ms ou 18o ).
ilustrado na Fig. 1(c), o coeficiente wavelet d1 (10) apre-
senta amplitude superior aos demais coeficientes, indicando
a ocorrência de uma perturbação em x(20). Este é o princı́pio
básico dos métodos de detecção de distúrbios transitórios e
dos métodos de localização dos instantes de ocorrência dos
distúrbios.
Devido ao processo de subamostragem por um fator de dois,
o k-ésimo coeficientes wavelet corresponde à amostra 2k do
sinal original. No entanto, o instante de tempo associado à
amostra 2k e ao coeficiente k é o mesmo. Fig. 3. Efeito da subamostragem na identificação de distorções: (a) sinal
Na Fig. 2(a) apresenta-se a corrente da fase A de um original; (b) coeficientes wavelet.
registros oscilográfico real de uma linha de transmissão com
transitórios devido à energização de um banco de capacitores,
cujos respectivos coeficientes wavelet da primeira escala, Em algumas aplicações, a versão em tempo real da TWD
calculados com a TWD e wavelet mãe db4 são apresentados pode ser utilizada para detecção de transitórios, praticamente
na Fig. 2(b). A detecção do distúrbio transitório, assim como no instante de ocorrência. Por exemplo, a detecção de ondas
a identificação precisa do seu instante de ocorrência podem viajantes para localização de faltas deve ser feita o mais rápido
ser facilmente realizadas por meio dos coeficientes wavelet. possı́vel. Neste caso, porém, o processo de subamostragem
por dois pode comprometer o uso da TWD. Como alternativa,
[18] descreve uma variante da TWD, denominada transfor-
mada wavelet discreta redundante (TWDR), cujas principais
diferenças são:
• Ao contrário da TWD, a TWDR não realiza a sub-
amostragem por dois nas amostras do sinal, daı́ o termo
redundante. Portanto, a TWDR é uma transformada que é
invariante aos deslocamentos circulares nas amostras do
sinal avaliado.
• A TWDR pode ser aplicada a qualquer número de
amostras, enquanto que a TWD requer que este número
Fig. 2. Corrente da fase A de um registro oscilográfico real com transitórios seja uma potência de dois.
devido à energização de um banco de capacitores: (a) sinal original; (b)
coeficientes wavelet.
A. Filtros Wavelet e Filtros Escala da TWDR
Os coeficientes eh(l) dos filtros escala e ge(l) dos filtros
Métodos de detecção e identificação dos instantes inicial e wavelet da TWDR são obtidos dos correspondentes filtros da
final de faltas por meio da análise dos coeficientes wavelet TWD como [18]:
das correntes foram propostos por [19] e [4], nos quais foi √
e
h(l) = h(l)/ 2, (21)
mostrado que os coeficientes com amplitude mais relevantes √
são relacionados aos transitórios ocorridos nos instantes inicial ge(l) = g(l)/ 2, (22)
e final da falta. Exemplos de aplicação da TWD à detecção
em que h(l) e g(l) são, respectivamente, os coeficientes dos
e localização dos instantes inicial e final de afundamentos
filtros escala e wavelet da TWD.
de tensão, com metodologia similar às referencias [19] e [4]
O número de coeficientes dos filtros escala e wavelet, assim
foram ilustrados por [3].
como seus respectivos valores dependem da wavelet mãe
utilizada. Por exemplo, os coeficientes dos filtros escala e
III. T RANSFORMADA WAVELET D ISCRETA R EDUNDANTE wavelet da wavelet mãe db4 são, respectivamente:
√ √ √ √
A TWD é uma transformada que varia com os deslocamen- e 1+ 3 e 3+ 3 e 3− 3 e 1− 3
h(1) = , h(2) = , h(3) = , h(4) = ,
tos circulares nas amostras do sinal original, devido à sub- 8 8 8 8
(23)
amostragem empregada. Como consequência, os coeficientes e(1) = e
g e(2) = −e
h(4), g e(3) = e
h(3), g e(4) = −e
h(2), g h(1). (24)
wavelet podem apresentar formas distintas, dependendo das
amostras utilizadas no cálculo dos coeficientes.
Na Fig. 3 apresentam-se novamente os sinais contı́nuo e B. Algoritmo Piramidal para Cálculo da TWDR
discreto ilustrados na Fig. 1(a), porém, com a primeira amostra c1 e wavelet de1 da primeira
Os coeficientes de aproximação e
do sinal discreto descartada e uma nova amostra adicionada ao escala do algoritmo piramidal da TWDR são calculados como:
término do sinal. O coeficiente d1 (10) é o primeiro coeficiente e1 x,
e
c1 = A (25)
influenciado pela componente DC, ocorrida em x(19). No
entanto, ao contrário do ilustrado na Fig. 1(c), o instante de de1 = B
e1 x, (26)
5
R EFER ÊNCIAS
[1] D. C. Robertson, O. I. Camps, and J. S. M. W. B. Gish, “Wavelets and
electromagnetic power system transients,” IEEE Transaction on Power
Delivery, vol. 11, no. 2, pp. 1050–1058, Apr 1996.
[2] M. Oleskovicz, D. V. Coury, A. A. F. M. Carneiro, E. F. Arruda,
O. D. Filho, and S. A. Souza, “Estudo comparativo de ferramentas
modernas de análise aplicadas à qualidade da energia elétrica,” Controle
e Automação, vol. 17, no. 3, pp. 331–341, Jul 2006.
[3] M. H. J. Bollen and I. Y.-H. Gu, Signal Processing of Power Quality
Disturbances. New York, USA: IEEE PRESS, 2006.
[4] F. B. Costa, K. M. Silva, K. M. C. Dantas, B. A. Souza, and N. S. D.
Brito, “A wavelet-based method for fault clearing time delimitation,”
Congresso Brasileiro de Automática, Out 2006.