王剛

摘 要： 傳感網(wǎng)絡(luò)中外部信號干擾與傳感信號的同質(zhì)化日趨嚴重，設(shè)計可區(qū)分兩者信號的傳感網(wǎng)絡(luò)濾波器成為研究的熱點。設(shè)計一種高精度有源濾波器系統(tǒng)，該系統(tǒng)包括電源模塊、兩個DSP控制模塊、信號采集與調(diào)整模塊、驅(qū)動模塊和顯示模塊。分析并聯(lián)型有源濾波器的運行原理，采用CCS2.0設(shè)計傳感網(wǎng)絡(luò)中有源濾波器系統(tǒng)軟件，詳細描述了系統(tǒng)軟件開發(fā)模型，給出了濾波器中的部分C語言代碼。實驗結(jié)果表明，所設(shè)計濾波器在傳感網(wǎng)絡(luò)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(yīng)用性。

關(guān)鍵詞： 傳感網(wǎng)絡(luò)； 高精度濾波器； 有源濾波器； 軟件開發(fā)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(shù)和網(wǎng)絡(luò)通信技術(shù)的快速發(fā)展，使得不同種類設(shè)備不斷增加，導(dǎo)致電力傳感網(wǎng)絡(luò)中的諧波污染逐漸加深，增加了傳感網(wǎng)絡(luò)線路損耗，降低傳感網(wǎng)絡(luò)數(shù)據(jù)傳遞質(zhì)量。因此應(yīng)在傳感網(wǎng)絡(luò)中安裝高精度的濾波器，吸收傳感網(wǎng)絡(luò)中的諧波，降低傳感網(wǎng)絡(luò)電網(wǎng)中諧波的注入量[1?3]。因為無線傳感網(wǎng)絡(luò)中設(shè)備所處的環(huán)境較為復(fù)雜，電源供電具有一定的局限性，因此如何設(shè)計成本低、調(diào)諧效率高的濾波器成為研究的熱點[4?6]。

當前濾波器設(shè)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(chǎn)生的磁場強度進行調(diào)諧，調(diào)諧效率較低，并且存在失真效應(yīng)。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(xiàn)不同的補償功能，但是該濾波器濾波特性依賴于系統(tǒng)參數(shù)，無法實現(xiàn)諧波的動態(tài)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(yīng)用率低。文獻[10]提出一種介質(zhì)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(wǎng)絡(luò)中的濾波器系統(tǒng)的整體設(shè)計思路

傳感網(wǎng)絡(luò)中的濾波器系統(tǒng)需要對傳感網(wǎng)絡(luò)的電壓和電流信號進行收集和操作，并且運算相關(guān)的指令電流，輸出對應(yīng)的開關(guān)控制方案。本文設(shè)計的傳感網(wǎng)絡(luò)濾波系統(tǒng)結(jié)構(gòu)圖如圖1所示。分析圖1可以看出，傳感網(wǎng)絡(luò)濾波系統(tǒng)包括電源模塊、兩個DSP控制模塊、信號采集與調(diào)整模塊、驅(qū)動模塊和顯示模塊。

本文針對傳感網(wǎng)絡(luò)設(shè)計的有源濾波器系統(tǒng)分析過程復(fù)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(wǎng)絡(luò)中的大規(guī)模數(shù)據(jù)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(wǎng)絡(luò)數(shù)據(jù)、形成脈沖寬度調(diào)制信號、并實現(xiàn)故障的保護。將VC33當成輔助處理器，用于運算實時數(shù)據(jù)，采集畸變電流中的諧波以及無功分量，運算脈沖寬度調(diào)制指令。2812以及VC33使用雙口RAM完成數(shù)據(jù)通信，利用總線獲取控制板中的資源，并通過調(diào)理和采集模塊，實現(xiàn)傳感器信號的采集和處理。電源模塊則負責總體傳感網(wǎng)絡(luò)中有源濾波器系統(tǒng)的能量供應(yīng)。2812可產(chǎn)生脈沖寬度調(diào)制開關(guān)控制信號，經(jīng)光耦隔離后傳遞到驅(qū)動模塊中，實現(xiàn)逆變橋的有效調(diào)控。在試驗過程中可以通過按鍵顯示操作并觀察傳感網(wǎng)絡(luò)中諧波的濾波結(jié)果。

2 傳感網(wǎng)絡(luò)中并聯(lián)型有源濾波模塊設(shè)計

傳感網(wǎng)絡(luò)中的有源濾波器可分為并聯(lián)型和串聯(lián)型兩種類型，本文采用并聯(lián)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(wǎng)絡(luò)中的并聯(lián)型有源濾波器包括指令電流運算電路和補償電流發(fā)生電路兩個模塊，其中補償電流發(fā)生電路包括電流跟蹤控制電路、驅(qū)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(fā)生電路依據(jù)指令電流形成的補償電流指令信號，對逆變主電路進行調(diào)控，確保其形成補償電流，再將該補償電流輸入到傳感網(wǎng)絡(luò)中，進而過濾傳感網(wǎng)絡(luò)中的諧波以及無功電流，確保傳感網(wǎng)絡(luò)的穩(wěn)定。

圖2所示的并聯(lián)型傳感網(wǎng)絡(luò)濾波器的工作原理是：通過傳感網(wǎng)絡(luò)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(diào)制控制信號單元將指令信號變換成脈沖寬度調(diào)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(wǎng)絡(luò)中的高精度有源濾波器軟件設(shè)計

3.1 軟件開發(fā)系統(tǒng)模型

本文采用CCS2.0（CodeComposerStudio）設(shè)計傳感網(wǎng)絡(luò)中有源濾波器系統(tǒng)的軟件。CCS集成了代碼產(chǎn)生和測試部件，提高了系統(tǒng)程序設(shè)計的效率。傳感網(wǎng)絡(luò)中有源濾波器軟件開發(fā)系統(tǒng)包括主程序和中斷服務(wù)子程序。而中斷處理程序是傳感網(wǎng)絡(luò)中有源濾波器軟件系統(tǒng)的關(guān)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(gòu)成，如圖3所示。電流采樣模塊可對有源濾波器系統(tǒng)中兩種DSP控制板的控制信號進行響應(yīng)，對從傳感網(wǎng)絡(luò)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(chǎn)生調(diào)控變流器通斷的開關(guān)信號。

采集模塊主要是對電壓超零的中斷信號進行響應(yīng)，獲取傳感網(wǎng)絡(luò)信號的基波頻率，對定時器值進行及時更新，并實時監(jiān)督傳感網(wǎng)絡(luò)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(wǎng)絡(luò)電壓保持一致。當逆變器中超過設(shè)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(guān)斷變流器，確?？傮w有源濾波器系統(tǒng)的安全，并發(fā)出報警信號。啟動和停止信號中斷主要實現(xiàn)系統(tǒng)的運行和停止。

圖3 有源濾波器軟件開發(fā)系統(tǒng)模型

3.2 代碼設(shè)計

本文設(shè)計的濾波器系數(shù)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(diào)節(jié)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(shù)：傳感網(wǎng)絡(luò)電壓為AC 36 V/40 Hz（線電壓）由三相調(diào)壓器降壓獲取，直流側(cè)電壓為140 V，仿真實驗中傳感網(wǎng)絡(luò)的三相電源中都有15%的6次諧波和7%的8次諧波，構(gòu)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(diào)整到6 Ω，傳感網(wǎng)絡(luò)負載發(fā)生突變。逆變器輸出電感1 mH，諧波源為直流側(cè)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(wǎng)絡(luò)電壓畸變和負載突變情況下的傳感網(wǎng)絡(luò)A相電流波形，進而驗證本文濾波器對傳感網(wǎng)絡(luò)濾波器負載的諧波無功電流進行補償?shù)男Ч麅?yōu)劣。未采用濾波器前，傳感網(wǎng)絡(luò)電流的波形和頻譜分析結(jié)果如圖4所示，實驗只分析了A相電流波形。

投入本文設(shè)計的濾波器后，傳感網(wǎng)絡(luò)電流波形用圖5描述。分析圖5可得，傳感網(wǎng)絡(luò)負載突變后，通過1個工頻周期的調(diào)控，傳感網(wǎng)絡(luò)恢復(fù)平穩(wěn)。采用本文濾波器補償前的傳感網(wǎng)絡(luò)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(wǎng)絡(luò)電流波形對稱并同正弦波一致，同時可觀察到傳感網(wǎng)絡(luò)電流中的2，4，6，8，10，12，14次諧波顯著降低，傳感網(wǎng)絡(luò)電流總畸變率為4.23%，說明本文設(shè)計的濾波器有效抑制了傳感網(wǎng)絡(luò)中的諧波。也就是在傳感網(wǎng)絡(luò)電壓存在畸變并且網(wǎng)絡(luò)負載突變情況下，傳感網(wǎng)絡(luò)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(jié)果可得，本文設(shè)計的濾波器在傳感網(wǎng)絡(luò)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(yīng)用性。

5 結(jié) 語

本文面向傳感網(wǎng)絡(luò)，面向傳感網(wǎng)絡(luò)，設(shè)計了一種高精度有源濾波器系統(tǒng)。該系統(tǒng)包括電源模塊、兩個DSP控制模塊、信號采集與調(diào)整模塊、驅(qū)動模塊和顯示模塊。分析了并聯(lián)型有源濾波器的運行原理，采用CCS2.0設(shè)計傳感網(wǎng)絡(luò)中有源濾波器系統(tǒng)軟件，詳細描述了系統(tǒng)軟件開發(fā)模型，給出了濾波器中的部分C語言代碼。實驗結(jié)果說明，所設(shè)計濾波器在傳感網(wǎng)絡(luò)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(yīng)用性。

參考文獻

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

[2] 周霞，屈百達.不確定離散網(wǎng)絡(luò)控制系統(tǒng)的H∞魯棒控制[J].科學(xué)技術(shù)與工程，2013，13（25）：7401?7407.

[3] 田中大，高憲文，李琨.網(wǎng)絡(luò)控制系統(tǒng)的自適應(yīng)預(yù)測控制[J].應(yīng)用科學(xué)學(xué)報，2013，31（3）：303?308.

[4] 王欣，康宇，尚偉科.一類基于雙通道網(wǎng)絡(luò)的離散Markov跳躍系統(tǒng)的魯棒H∞控制[J].中國科學(xué)技術(shù)大學(xué)學(xué)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.