傳感網絡中高精度濾波器設計

王剛

摘 要： 傳感網絡中外部信號干擾與傳感信號的同質化日趨嚴重，設計可區分兩者信號的傳感網絡濾波器成為研究的熱點。設計一種高精度有源濾波器系統，該系統包括電源模塊、兩個DSP控制模塊、信號采集與調整模塊、驅動模塊和顯示模塊。分析并聯型有源濾波器的運行原理，采用CCS2.0設計傳感網絡中有源濾波器系統軟件，詳細描述了系統軟件開發模型，給出了濾波器中的部分C語言代碼。實驗結果表明，所設計濾波器在傳感網絡電壓畸變及負載突變情況下，能夠較好地完成諧波抑制，具有較強的應用性。

關鍵詞： 傳感網絡； 高精度濾波器； 有源濾波器； 軟件開發模型

中圖分類號： TN710?34； TP391.4 文獻標識碼： A 文章編號： 1004?373X（2015）22?0065?04

0 引 言

隨著計算機技術和網絡通信技術的快速發展，使得不同種類設備不斷增加，導致電力傳感網絡中的諧波污染逐漸加深，增加了傳感網絡線路損耗，降低傳感網絡數據傳遞質量。因此應在傳感網絡中安裝高精度的濾波器，吸收傳感網絡中的諧波，降低傳感網絡電網中諧波的注入量[1?3]。因為無線傳感網絡中設備所處的環境較為復雜，電源供電具有一定的局限性，因此如何設計成本低、調諧效率高的濾波器成為研究的熱點[4?6]。

當前濾波器設計方法很多，但是都存在較多的問題。文獻[7]分析了腔體濾波器，該濾波器對電流波動產生的磁場強度進行調諧，調諧效率較低，并且存在失真效應。文獻[8]分析的無源濾波器通過電容器、電抗器和電阻器不同的組合形式實現不同的補償功能，但是該濾波器濾波特性依賴于系統參數，無法實現諧波的動態補償。文獻[9]提出一種晶體濾波器，該濾波器具有較高的濾波選擇性能，但是價格偏高，應用率低。文獻[10]提出一種介質濾波器，該濾波器能夠完成窄帶濾波，但是存在高次寄生通帶，并且具有較高的局限性。

1 傳感網絡中的濾波器系統的整體設計思路

傳感網絡中的濾波器系統需要對傳感網絡的電壓和電流信號進行收集和操作，并且運算相關的指令電流，輸出對應的開關控制方案。本文設計的傳感網絡濾波系統結構圖如圖1所示。分析圖1可以看出，傳感網絡濾波系統包括電源模塊、兩個DSP控制模塊、信號采集與調整模塊、驅動模塊和顯示模塊。

本文針對傳感網絡設計的有源濾波器系統分析過程復雜，需要利用TMS32OF2812（簡稱2812）和TMS32OVC33（簡稱VC33）兩塊DSP控制模塊對傳感網絡中的大規模數據進行分析和處理。兩個DSP同時運行，并將2812當成首要控制器，用于收集傳感網絡數據、形成脈沖寬度調制信號、并實現故障的保護。將VC33當成輔助處理器，用于運算實時數據，采集畸變電流中的諧波以及無功分量，運算脈沖寬度調制指令。2812以及VC33使用雙口RAM完成數據通信，利用總線獲取控制板中的資源，并通過調理和采集模塊，實現傳感器信號的采集和處理。電源模塊則負責總體傳感網絡中有源濾波器系統的能量供應。2812可產生脈沖寬度調制開關控制信號，經光耦隔離后傳遞到驅動模塊中，實現逆變橋的有效調控。在試驗過程中可以通過按鍵顯示操作并觀察傳感網絡中諧波的濾波結果。

2 傳感網絡中并聯型有源濾波模塊設計

傳感網絡中的有源濾波器可分為并聯型和串聯型兩種類型，本文采用并聯型有源濾波器，其運行原理用圖2描述。

分析圖2可以看出，傳感網絡中的并聯型有源濾波器包括指令電流運算電路和補償電流發生電路兩個模塊，其中補償電流發生電路包括電流跟蹤控制電路、驅動電路以及主電路。指令電流運算電路可對被補償對象中的諧波和無功電流分量進行檢測。補償電流發生電路依據指令電流形成的補償電流指令信號，對逆變主電路進行調控，確保其形成補償電流，再將該補償電流輸入到傳感網絡中，進而過濾傳感網絡中的諧波以及無功電流，確保傳感網絡的穩定。

圖2所示的并聯型傳感網絡濾波器的工作原理是：通過傳感網絡中的電壓和電流傳感器，對待補償對象的電壓以及電流進行檢測，再通過指令電流運算電路獲取補償電流的指令信號，利用脈沖寬度調制控制信號單元將指令信號變換成脈沖寬度調制指令，最終確保逆變器輸出與負載中形成的諧波具有同等大小和相反方向的補償電流。

3 傳感網絡中的高精度有源濾波器軟件設計

3.1 軟件開發系統模型

本文采用CCS2.0（CodeComposerStudio）設計傳感網絡中有源濾波器系統的軟件。CCS集成了代碼產生和測試部件，提高了系統程序設計的效率。傳感網絡中有源濾波器軟件開發系統包括主程序和中斷服務子程序。而中斷處理程序是傳感網絡中有源濾波器軟件系統的關鍵部分，其由電流采樣中斷、故障信號中斷、采集單元中斷以及啟動信號中斷構成，如圖3所示。電流采樣模塊可對有源濾波器系統中兩種DSP控制板的控制信號進行響應，對從傳感網絡中獲取的電流進行分析，運算電流諧波，基于指令電流信號，產生調控變流器通斷的開關信號。

采集模塊主要是對電壓超零的中斷信號進行響應，獲取傳感網絡信號的基波頻率，對定時器值進行及時更新，并實時監督傳感網絡信號頻率的波動情況。采集模塊還可確保濾波器的運行頻率同傳感網絡電壓保持一致。當逆變器中超過設置的電壓、電流形成輸入信號時，故障信號中斷單元則即刻關斷變流器，確?？傮w有源濾波器系統的安全，并發出報警信號。啟動和停止信號中斷主要實現系統的運行和停止。

圖3 有源濾波器軟件開發系統模型

3.2 代碼設計

本文設計的濾波器系數由 Matlab 仿真得到。本文濾波器中的部分C語言代碼如下：

#include "DSP28_Parts.h"

#include

#include

#include

… … … … … … … …

… … … … … … … …

interrupt void GMINRE_DHG（void） //ADC

{

… … … … … … … …

… … … … … … … …

d_fgQmX1=vol； //PI 調節vol為偏差電壓

vol=24700 ? Dmmcon[4] ；

ip=（872137*vol ? 87552*d_fgQmX1）>>16

/compute the ip'，iq' ********************************/

… … … … … … … …

… … … … … … … …

d_fgQmX[2]=d_fgQmX[1]； //Q13

d_fgQmX[1]=d_fgQmX[0]；

d_fgQmX[0]=（（2*d_faIpX[0]+4*d_faIpX[1]+2*d_faIpX[2]）+24472*d_fgQmX[1]?13556*d_fgQmX[2]）>>14；

d_faIqY[2]=d_faIqY[1]； //Q13

d_faIqY[1]=d_faIqY[0]；

d_faIqY[0]=（（2*d_faIqX[0]+4*d_faIqX[1]+2*d_faIqX[2]）+24472*d_faIqY[1]?13556*d_ fgQmX[2]）>>13；

… … … … … … … … … … … …

… … … … … … … … … … … …

}

4 實驗分析

為了驗證本文方法的有效性，需要進行仿真實驗分析。實驗參數：傳感網絡電壓為AC 36 V/40 Hz（線電壓）由三相調壓器降壓獲取，直流側電壓為140 V，仿真實驗中傳感網絡的三相電源中都有15%的6次諧波和7%的8次諧波，構成非理想電壓源。負載在0.4 s情況下，三相橋負載電阻從10 Ω調整到6 Ω，傳感網絡負載發生突變。逆變器輸出電感1 mH，諧波源為直流側帶電阻負載的三相全控整流橋。實驗只進行了低電壓小電流的補償實驗，只補償了電源A相電流中的諧波和負序分量。

實驗分析了采用本文濾波器前后傳感網絡電壓畸變和負載突變情況下的傳感網絡A相電流波形，進而驗證本文濾波器對傳感網絡濾波器負載的諧波無功電流進行補償的效果優劣。未采用濾波器前，傳感網絡電流的波形和頻譜分析結果如圖4所示，實驗只分析了A相電流波形。

投入本文設計的濾波器后，傳感網絡電流波形用圖5描述。分析圖5可得，傳感網絡負載突變后，通過1個工頻周期的調控，傳感網絡恢復平穩。采用本文濾波器補償前的傳感網絡電流中存在較多的2，4，6，8，10，12，14次諧波，電流總畸變率為14.88%。而采用本文濾波器補償后的傳感網絡電流波形對稱并同正弦波一致，同時可觀察到傳感網絡電流中的2，4，6，8，10，12，14次諧波顯著降低，傳感網絡電流總畸變率為4.23%，說明本文設計的濾波器有效抑制了傳感網絡中的諧波。也就是在傳感網絡電壓存在畸變并且網絡負載突變情況下，傳感網絡濾波器仍可對負載的諧波無功電流進行高效補償。

分析上述實驗結果可得，本文設計的濾波器在傳感網絡電壓畸變及負載突變情況下，能夠較好地完成諧波抑制，具有較強的應用性。

5 結 語

本文面向傳感網絡，面向傳感網絡，設計了一種高精度有源濾波器系統。該系統包括電源模塊、兩個DSP控制模塊、信號采集與調整模塊、驅動模塊和顯示模塊。分析了并聯型有源濾波器的運行原理，采用CCS2.0設計傳感網絡中有源濾波器系統軟件，詳細描述了系統軟件開發模型，給出了濾波器中的部分C語言代碼。實驗結果說明，所設計濾波器在傳感網絡電壓畸變及負載突變情況下，能夠較好地完成諧波抑制，具有較強的應用性。

參考文獻

[1] 方力恒.淺談電源諧波產生的危害與治理[J].技術交流，2013，10（4）：82?83.

[2] 周霞，屈百達.不確定離散網絡控制系統的H∞魯棒控制[J].科學技術與工程，2013，13（25）：7401?7407.

[3] 田中大，高憲文，李琨.網絡控制系統的自適應預測控制[J].應用科學學報，2013，31（3）：303?308.

[4] 王欣，康宇，尚偉科.一類基于雙通道網絡的離散Markov跳躍系統的魯棒H∞控制[J].中國科學技術大學學報，2013，43（4）： 278?286.

[5] FATHI V， MONTAZER G A. An improvement in RBF learning algorithm based on PSO for real time applications [J]. Neurocomputing， 2013， 111： 169?176.

[6] ZAYANDEHROODI H， MOHAMED A， FARHOODNEA M， et al. New training strategies for RBF neural networks to determine fault location in a distribution network with DG units [C]// Proceedings of 2013 IEEE the 7th International Power Engineering and Optimization Conference. Langkawi： IEEE， 2013： 450?454.

[7] CHAOWANAWATEE K， HEEDNACRAM A. Improved cuckoo search in RBF neural network with Gaussian distribution [C]// Proceedings of 2013 IEEE the 8th International Conference on Advances in Computer Science. Phuket： IEEE， 2013： 379?386.

[8] LIU Z， ZHANG H. Optimal design of RBF NN based on QPSO algorithm [J]. Journal of Central South University （Science and Technology）， 2013， 44（1）： 27?30.

[9] CHAI W， QIAO J. Non?linear system identification and fault detection method using RBF neural networks with set membership estimation [J]. International Journal of Modelling， Identification and Control， 2013， 20（2）： 114?120.

[10] LUO S H. Adaptive RBF network control for uncertain system of dual arm robot [C]// Proceedings of 2013 IEEE the 2nd International Conference on Mechanical Engineering， Materials and Energy. Dalian， China： IEEE， 2013： 37?40.