1. Introducción
El análisis de señales temporales para el cálculo de la impedancia eléctrica en sistemas eléctricos se ha obtenido llevando las señales del dominio del tiempo al dominio de la frecuencia, aplicando la Transformada Rápida de Fourier (FFT), sin embargo, quizás la FFT no sea la herramienta idónea para el análisis de éste tipo de señales, debido a que su estructura matemática está basada en el análisis de señales periódicas [1]-[3].
Una de las principales desventajas cuando se utilizan la Transformada de Fourier para el análisis de transitorios es el hecho de que se descompone una señal del dominio del tiempo de duración finita al dominio de la frecuencia en una suma de funciones exponenciales periódicas de duración infinita.
La transformada wavelet puede fácilmente superar este problema, ya que descompone una señal dada como una combinación de funciones no periódicas de duración finita que provienen de una función llamada wavelet madre [4],[5].
Por lo tanto, de acuerdo con las propiedades que presenta la transformada Wavelet puede ser una herramienta muy adecuada para el análisis de señales transitorias en especial para la obtención de la fase de la impedancia eléctrica, superando algunos de los inconvenientes presentados hasta el momento con los métodos clásicos de la transformada de Fourier para el procesamiento de señal, ofreciendo un rendimiento mejorado cuando se modela un sistema a partir de su respuesta transitoria, tal como se presenta en [6]-[10].
2. Transformada Wavelet y Fourier
A continuación, se hablará un poco de la teoría de cada método matemático utilizado para el análisis propuesto.
2.1. Transformada discreta de Fourier (DFT)
La función en el dominio de la frecuencia X(w) correspondiente a una señal discreta { xk } tal que , será definida por la suma infinita como se muestra en la Ec. (1) [11].
Donde X(w) representa una función periódica compleja en w. Con un periodo de muestreo T=1 y una frecuencia w=2nπ (Radianes por muestra) Al ser { xk } discreta.
X(w) resulta simétrica (ver ecuación (2)) en el intervalo - π ≤ w ≤ n. Por lo que para eficiencia computacional X(w) podría caracterizarse a partir únicamente del intervalo 0≤ w < π.
2.2. Transformada Wavelet continúa (CWT)
La CWT [12] fue desarrollada como una técnica alternativa a la STFT para superar el problema de resolución. El análisis wavelet se realiza de manera similar al análisis STFT, en el sentido que la señal es multiplicada por una función (wavelet) de manera similar a la función ventana en la STFT, y la transformada se calcula separadamente para distintos segmentos de la señal en el dominio del tiempo. Sin embargo, la ventaja que posee la CWT sobre la STFT radica en el hecho de que la ventana utilizada por la CWT es variable en función de la frecuencia. La CWT se define en la Ec. (3).
Donde indica el complejo conjugado de la wavelet madre, el parámetro " a " provee dilatación (o escalamiento) el cual varia de manera continua y el parámetro " τ " cumple la función de traslación.
La CWT da como resultado un conjunto de coeficientes que son función de la escala y el tiempo y que representan la similitud (correlación) de la señal con la wavelet escogida para el análisis. Una forma de observar el proceso realizado por la CWT es mediante los siguientes pasos:
Escoger una wavelet madre (Acorde con el caso de aplicación).
Dados dos valores iniciales de τ ya calcular el coeficiente C(τ, a) utilizando la Ec.(3), lo cual representa la correlación entre la wavelet y la sección de la señal bajo análisis.
Desplazar la wavelet en el sentido positivo del eje temporal y repetir el paso 2, hasta que se cubra la totalidad de la señal.
Escalar la wavelet y repetir los pasos 2 y 3.
De lo anterior cabe resaltar que tratándose de la CWT, los parámetros y varían de forma continua durante el proceso, pero al implementar el análisis de manera computacional los parámetros no varían de forma continua, sino que se escoge un paso lo suficientemente pequeño como para asumir dicha variación, con esto se logra una versión discretizada de la CWT.
De esta manera se puede extraer la fase de la impedancia, usando transformada wavelet, para esto se usa la Morlet Compleja [13],[14] ya que para poder hallar la fase necesitamos tener la parte real e imaginaria sino la fase daría cero, esta Morlet se muestra en la Ec. (4).
Donde a es el parámetro que permite a la madre Morlet-Modificada [15] tiene más oscilaciones haciendo que el ancho de banda de la onda sea más estrecho.
Se puede definir un procedimiento para hallar la fase de la impedancia:
Aplicando la Transformada Wavelet en su forma discreta [15],[17],[18] a los datos de las señales de voltaje y corriente, respectivamente, como se muestra en la Ec. (5) y (6).
Con la información de los datos en la frecuencia se pueden obtener como el cociente entre los coeficientes de CV y CI como se muestra en la Ec. (7).
La impedancia en la escala definida por "a" se puede obtener de la integración de la Ec. (7) a lo largo de todo el tiempo de la ventana del transitorio. Debido a su naturaleza compleja, la integración se realiza con un enfoque vectorial. Entonces la fase se puede obtener por medio de la Ec. (8)
Donde los operadores "Re" y "Im" son la parte real y la parte imaginaria de los coeficientes complejos, respectivamente. Para solucionar los problemas que presenta la función tangente inversa de inestabilidad numérica se usó la función "angle" proporcionada por MATLAB como solución.
3. Simulación y comparación entre Fourier y Wavelet
Para realizar el análisis IFRA (Análisis de la respuesta en frecuencia ante un impulso) que utiliza señales transitorias como entrada, se simuló una respuesta transitoria de un circuito RLC en el programa de transitorios ATP [19], el circuito simulado se presenta en detalle en [20] al igual que el procedimiento realizado mediante Wavelet.
El método desarrollado en simulación consistió en aplicar una señal controlada de bajo voltaje tipo impulso, de tal forma que todas las componentes frecuenciales se inyectan en el mismo instante de tiempo. Se registraron señales de voltaje v(t) y corriente i(t) de forma simultánea, se aplicó la transformada de Fourier (FFT) y la transformada wavelet continua (CWT) para determinar la amplitud de cada componente frecuencial. El circuito simulado en ATP se muestra en la Fig. 1.
Los valores de los elementos de las celdas simuladas se presentan en la Tabla 1, estos valores hacen referencia a una curva real del modelo de celdas propuesto en [21], para representar la respuesta en frecuencia real de un transformador mediante la técnica del modelado de celdas.
Ahora, para realizar el método SFRA (Análisis de la respuesta en frecuencia ante un barrido frecuencial) el cual utiliza una señal sinusoidal como entrada, se simuló en MATLAB usando la herramienta Simulink donde se puede obtener la impedancia de un circuito mediante la función "medición de la impedancia" (impedance measurement) con el fin de tener una señal referencia de la fase. Este procedimiento se realizó con el mismo circuito mostrado en la Fig. 1 y los mismos valores que presenta la Tabla 1, tal como se muestra en la Fig. 2.
Con esto se buscó un modo de validación para los resultados que se van a obtener con señales transitorias, ya que deben ser iguales porque son los mismos circuitos y la respuesta en frecuencia debe coincidir.
3.1. Análisis de sensibilidad al parámetro alfa (a)
Se realizó un análisis de sensibilidad al parámetro alfa (a) buscando que la Morlet compleja que muestra la Ec. (4) tenga más oscilaciones ya que así el ancho de banda es más estrecho y se puede obtener un análisis más fino, esto se hizo porque en los primeros resultados la curva (Fig. 3) no era lo suficientemente suave y exacta.
Los valores seleccionados y analizados de alfa a se muestran en la Tabla 2.
Con el primer análisis realizado se pudo notar que la respuesta, aunque presenta una similitud a la referencia no es del todo adecuada, por lo que se realizó el segundo análisis (Fig. 5) buscando mejorar la respuesta.
Con este segundo análisis se pudo mejorar la respuesta de la fase, los tres valores se ajustan pero el más indicado ya que está totalmente sobrepuesto sobre la curva referencia (SFRA MATLAB) es alfa con 0,02 ( a =0,02). De aquí en adelante usaremos este valor para todas las respuestas obtenidas, modificando así la Morlet Compleja descrita en la Ec. (4).
3.2. Simulación y validación
Se realizó el siguiente procedimiento para obtener las curvas de fase con Wavelet y Fourier:
Se utilizó ATP para la simulación de las señales temporales aplicando un pulso de tensión (Fig. 6) y la respuesta de corriente que se obtiene a partir del sistema RLC que se muestra en la Fig. 7.
Se obtuvo la respuesta en frecuencia directamente en Matlab del sistema de RLC en términos de su impedancia (fase). Esta respuesta se tomó como referencia (Fig. 8).
Por último se tomó los transitorios de voltaje y corriente, para obtener la respuesta de frecuencia del sistema de RLC a través de la transformada de Fourier (Fig. 9) y transformada Wavelet (Fig. 10), para así comparar cada una con la referencia obtenida.
Los dos resultados fueron satisfactorios, tanto para la transformada Wavelet como la Transformada de Fourier, mostrando que el procedimiento utilizado para el análisis de las simulaciones es adecuado, dando paso al análisis respectivo de variaciones de ventana de análisis (número de datos) y frecuencia de muestreo para poder determinar la potencialidad de cada herramienta.
3.3. Variación de la ventana de análisis
Con el fin de demostrar las ventajas de cada herramienta se realizó el mismo procedimiento mostrado anteriormente (paso 1 y paso 3) considerando simplemente el mismo ejemplo pero con una ventana de tiempo de 1,5ms en la que el número de muestras fue de 15.000 (la frecuencia de muestreo es de nuevo simulada a 10M muestras / s).
Con estas dos señales se puede obtener una curva (Fig. 13), donde se muestra la respuesta de la fase con cada herramienta matemática (Transformada Wavelet y Fourier), para así poder realizar una comparación de cuál método es más estable a la disminución del número de muestras.
El acortamiento de la ventana de tiempo se traduce en una pérdida de la información en las gamas alta y baja frecuencia. Fourier exhibe un impacto dramático en esos rangos, mientras que el método Wavelet ofrece un rendimiento mejorado, tal como se señala en la respuesta de la fase (Fig. 13). Adicionalmente, la Fig. 14 muestra un zoom de la Fig. 13.
Se puede apreciar como la respuesta con Fourier exhibe una forma oscilante, mientras que la respuesta con Wavelet ofrece una respuesta más precisa sin efectos de oscilación. Este efecto se puede notar incluso en el rango de frecuencia media, por encima de 40 kHz.
3.4. Variación de la frecuencia de muestreo
Por ultimo para seguir demostrando las ventajas de usar Wavelet o Fourier, seguimos realizando el procedimiento mostrado anteriormente y a seguir considerando el mismo ejemplo con una ventana de tiempo de 1,5ms (15.000 muestras), pero ahora se simuló con una frecuencia de muestreo de 2,5M muestras / s para así poder realizar una comparación de cuál método es más estable al cambio en la frecuencia de muestreo.
Vemos como Wavelet sigue siendo mucho más estable a comparación de Fourier en baja frecuencia, como en el caso anterior, la Fig. 16 muestra un zoom realizado a la Fig. 15.
Se puede apreciar cómo la respuesta con Fourier sigue mostrando una forma oscilante, mientras que la respuesta con Wavelet ofrece una respuesta más precisa, resultado que ya se había visualizado en la variación de ventana de análisis.
Conclusiones
El método desarrollado propone una mejora en el procesamiento de señales en frecuencia para la obtención de la fase de la impedancia eléctrica. Permitiendo superar la herramienta utilizada tradicionalmente como la transformada de Fourier ante el análisis de señales transitorias.
Para lograr buenos resultados se sugiere una adecuda elección de la wavelet madre (Morlet Compleja) que se ajuste al caso de estudio a analizar, lo que permite un correcto análisis de la fase de la impedancia
Se confirma el potencial de la transformada wavelet para el procesamiento de señales transitorias en comparación con la transformada de Fourier tanto en casos simulados. Sin embargo, el tiempo de cálculo es más grande en comparación con la transformada de Fourier lo que se vuelve critico al momento de implementar el método en tiempo real, siendo necesario reducir el tiempo de cálculo para potencializar la herramienta desarrollada.
Este trabajo es un gran aporte para el procesamiento y modelado matemático de señales transitorias usando transformada Wavelet para la obtención de la fase de la impedancia eléctrica no existente hasta el momento.