Professional Documents
Culture Documents
MARMARA ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
DANIŞMAN
Yrd.Doç.Dr. Adnan KAKİLLİ
İSTANBUL 2005
T.C.
MARMARA ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
DANIŞMAN
Yrd.Doç.Dr. Adnan KAKİLLİ
İSTANBUL 2005
T.C.
MARMARA ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
ONAY
I
II İÇİNDEKİLER
SAYFA
ÖNSÖZ ....................................................................................................I
İÇİNDEKİLER ......................................................................................II
ÖZET ..................................................................................................... IV
ABSTRACT ............................................................................................V
BÖLÜM I ...............................................................................................1
I.1. GİRİŞ .......................................................................................................1
I.2. AMAÇ ......................................................................................................2
BÖLÜM II ...............................................................................................3
ENERJİ İLETİM VE DAĞITIM SİSTEMLERİ .........................3
II
II.4.3. Bir Fazlı Kısa Devre .................................................................7
II.4.4. Yıldız Noktası Bir Z Empedansı Üzerinden Topraklanmış
Bir Şebekede Bir Toprak Kısa Devresi ..............................................................9
II.4.5. Yıldız Noktası Topraklaması .................................................10
BÖLÜM IV .............................................................................................57
III
DALGACIK DÖNÜŞÜMÜNÜN DAĞITIM SİSTEMLERİNE
BÖLÜM V . ........................................................................................... 69
DEĞERLENDİRME VE ÖNERİLER ........................................69
KAYNAKLAR ...................................................................................... 71
EKLER ..............................................................................................76
IV
III ÖZET
V
IV ABSTRACT
VI
YENİLİK BEYANI (CLAIM FOR ORIGINALITY)
V
VII
VI SEMBOL LİSTESİ
A : Amper
Hz : Hertz
IC : Kompanzasyon sisteminin çektiği toplam akım (A)
VIII
VII KISALTMA LİSTESİ
IX
VIII ŞEKİL LİSTESİ
SAYFA NO
Şekil II.1. Enerji İletim Sistemi ..............................................................................4
Şekil II.2. Üç Fazlı Simetrik Kısa Devrede Gerilimlerin
Değişimi................................................................................................. 6
Şekil II.3. İki Fazlı Çift Toprak Değmesi .............................................................. 7
Şekil II.4. İki Fazlı Kısa Devede Gerilimlerin Değişimi ........................................7
Şekil II.5. Yıldız Noktası Doğrudan Topraklanmış Bir Şebekede, Dirençsiz Bir
Faz-Toprak Kısa Devresinde Arızalı Fazda Gerilimin Değişimi ..........8
Şekil II.6. Yıldız Noktası Bir Z Empedansı Üzerinden Topraklanmış Bir
Şebekede, Dirençli Bir Toprak Kısa Devresinde Gerilimlerin Değişimi
............................................................................................................... 9
Şekil III.1. Dalgacık Dönüşümünün Uygulama Alanları ......................................17
Şekil III.2. Fourier Analizindeki Temel Fonksiyonların Yerleşimi
............................................................................................................. 19
Şekil III.3. Meyer Dalgacığı ..................................................................................22
Şekil III.4. 2π Peryotlu Fonksiyonun Grafiği ........................................................24
Şekil III.5. Fourier Dönüşümü ...............................................................................26
Şekil III.6. y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t) Sinyaline Ait Matlab
Grafiği ..................................................................................................28
Şekil III.7. y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t) Sinyalinin Fourier
Analizi ................................................................................................. 28
Şekil III.8. Ayrık Zamalı Fourier Döşümü ............................................................29
Şekil III.9. Pencerelenmiş Fourier Dönüşümü .......................................................30
Şekil III.10. Pencerelenmiş Fourier Dönüşümündeki Temel Fonksiyonların
Yerleşimi ..............................................................................................30
Şekil III.11. a) Pencereleme Fonksiyonlarının Grafikleri b) Pencereleme
Fonksiyonlarının AFD Grafikleri ........................................................31
Şekil III.12. Kısa Zaman Fourier Dönüşümü İle Sinyal Analizi .............................32
Şekil III.13. Dalgacık Dönüşümü ............................................................................33
Şekil III.14. Dalgacık Analizindeki Fonksiyonların Temel Yerleşimi ....................34
X
Şekil III.15. y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t) Sinyaline Ait
Dalgacık Dönüşümü ............................................................................35
Şekil III.16. Haar Dalgacığı ....................................................................................35
Şekil III.17. Fourier Dönüşümünden Elde Edilen Zaman– Frekans Diyagramı .....36
Şekil III.18. Dalgacık Dönüşümünden Elde Edilen Zaman–Frekans Diyagramı ...36
Şekil III.19. Zaman – Frekans Diyagramı ...............................................................37
Şekil III.20. Haar Ana Dalgacığı .............................................................................39
Şekil III.21. Haar Dalgacık Sinyali ..........................................................................39
Şekil III.22. Haar Dalgacığının SDD’de Analizi .....................................................39
Şekil III.23 Sürekli Dalgacık Dönüşümünde a Katsayılarının Sinyal Üzerindeki
Etkisi ....................................................................................................40
Şekil III.24. y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t) Sinyalinin Üç
Boyutlu Dalgacık Analizi ....................................................................41
Şekil III.25. S Sinyalinin Alçak (A) Ve Yüksek Dereceden (D) Süzgeç
Katsayıları.............................................................................................43
Şekil III.26. Dalgacık Ayrıştırma Ağacı (Mallat’ın Dalgacık Ağacı) .....................43
Şekil III.27. Saf Bir Sinüs İşaretinin Yaklaşım (A) Ve Detay (D) Katsayıları .......44
Şekil III.28. Mallat’ın Dalgacık Ağacının Örnek f Sinyaline Uygulanması ............46
Şekil III.29. Yüksek ve Alçak Geçiren Filtre Tasarımı ...........................................47
Şekil III.30. s = sin (20.*linspace (0,pi,1000)) + 0.5.*rand (1,1000) Sinyalinin
MATLAB Grafiği ................................................................................47
Şekil III.31. S Sinyalinin Filtre Edilmesi .................................................................47
Şekil III.32. Sinüs Sinyali İçin Dalgacık Ayrışımı ..................................................49
Şekil III.33. Sinüs Sinyali İçin Yaklaşım Ve Detay Grafikleri ................................49
Şekil III.34. a) Meyer Dalgacığı, b) Mexh Dalgacığı , c) Morlet Dalgacığı .........50
Şekil III.35. Coiflet Dalgacık Ailesi ........................................................................50
Şekil III.36. Daubechnies Dalgacık Ailesi ...............................................................50
Şekil III.37. Biortagonal Dalgacık Türleri ...............................................................51
Şekil IV.1. Örnek Sistemin ATP Modeli ...............................................................59
Şekil IV.2. ATP Modelinin Ayarlanması................................................................59
Şekil IV.3. Örnek Modele Ait ATP Plot Gerilim-Zaman Grafiği .........................61
Şekil IV.4. Örnek Modele Ait ATP Plot Akım-Zaman Grafiği ............................62
Şekil IV.5. Modellenen Garafiğe Ait Dalgacık Çözümlemesi (Ana Sinyal) ........62
Şekil IV.6. Örnek Modele Ait Sürekli Dalgacık Analizi ........................................63
XI
Şekil IV.7. Örnek Modelin Mexican Hat Sürekli Dalgacık Dönüşümü .................63
Şekil IV.8. Örnek Modele Ait Dalgacık Dönüşümü 1 ...........................................63
Şekil IV.9. Örnek Modele Ait Dalgacık Dönüşümü 2 ...........................................64
Şekil IV.10. Örnek Modele Ait Çizgisel Dalgacık Analizi ......................................64
Şekil IV.11. Örnek Modele Ait Morlet Sürekli Dalgacık Analizi ...........................64
Şekil IV.12. Örnek Sistem 2’ye Ait ATP Modeli ....................................................65
Şekil IV.13. Modelin Gerilim ve Empedans Değerleri ............................................65
Şekil IV.14. ATP Modelin BUS1A Noktasındaki Zaman-Gerilim Diyagramı ........66
Şekil IV.15. ATP Modelin X0016A Noktasındaki Zaman-Gerilim Diyagramı ......66
Şekil IV.16. ATP Modelin X0016A Noktasındaki Diyagramı ................................67
Şekil IV.17. ATP Modelin X0016A Sürekli Dalgacık Çözümlemesi ......................67
Şekil IV.18. ATP Modelin X0016A Noktasındaki Dalgacık Çözümlemesi ............67
Şekil IV.19. Modelin Dalgacık Çözümlemesi (Wavelet Toolbox) ..........................68
XII
IX BÖLÜM I
GİRİŞ VE AMAÇ
IX.1. GİRİŞ
1
IX.2. AMAÇ
2
BÖLÜM II
X
X.1. GİRİŞ
3
• Orta gerilimli şebekeler
• Yüksek gerilimli şebekeler
• Çok yüksek gerilimli şebekeler
Alçak gerilimler genel olarak 1000 V’a kadar olan şebekelerdir. Orta gerilimler,
1∼35 kV’luk gerilimler olup, yüksek gerilimler 35∼154 kV’a kadar olan gerilimler
olarak değerlendirilir. Çok yüksek gerilimler ise 154 kV’dan sonraki gerilimlerdir. Bu
gruplandırmalar Avrupa ve Amerika normlarına göre küçük değişmeler
göstermektedir [6].
Kısa devre; elektrik tesislerinde, faz iletkenleri arasında veya yıldız noktası
topraklanmış şebekelerde, faz iletkenleri ile toprak arasında, yalıtkanın delinmesi
veya iletken bir şekilde köprülenmesi sonucu meydana gelir. Böylece sistemde
empedansı küçük yeni bir devre oluştuğundan, sisteme bağlı bütün besleme
noktalarından kısa devre noktasına doğru büyük akımlar akar.
Kısa devre akımları ve bunların devam süreleri ne kadar büyük olursa, çeşitli
tesisat elemanlarının kısa devre akımları tarafından dinamik ve termik olarak
zorlanmaları da o kadar büyük olur. Bu nedenle sistemin kısa devre olan kısmı
mümkün olan en kısa zamanda sağlam kısımlardan ayrılmalıdır, yani seçilerek devre
dışı bırakılmalıdır. Buna seçici (selektif) koruma denir.
Kısa devre iç ve dış etkenlerle meydana gelebilir. Kısa devreye neden olan
başlıca iç etkenler, aşırı akımla yükleme sonucu yalıtkanın aşırı derecede ısınması ve
bozulması, aşırı gerilimlerle yalıtkanda meydana gelen delinme ve atlamalar,
yalıtkandaki yapım ve eskime hatalarıdır.
Başlıca dış etkenler ise, kablo ve yalıtılmış iletken ve yalıtkanların zedelenmesi,
hava hatları ve açıktaki elektrik tesislerine yıldırım düşmesi, hava hattı izolatörlerinin
kırılması, hava hatlarında kar, buz, rutubet ve sisin özellikle kirlenmiş olan
4
izolatörlerde meydana getirdiği izolasyon kaybı, hava hatlarına konan kuşların
topraklanmış kısımlarla gerilim altındaki kısımlar arasına veya fazlar arasına
değmeleri, tamirat esnasında güvenlik amacıyla hatlara bağlanan kısa devre ve
topraklama tellerinin veya kapatılan topraklama ayırıcılarının tesisat tekrar gerilim
altına konulurken unutulmaları ve yanlış manevralardır.
Toprak değmesi; transformatörün ikincil kısmında yıldız noktası izole yani
toprağa bağlanmamış şebekelerde herhangi bir fazın toprağa değmesi bir kısa devre
meydana getirmez. Bu yüzden bu arızaya faz-toprak kısa devresi değil, faz-toprak
değmesi adı verilir.
Simetrik Arızalar; Aynı anda üç fazın birden kısa devre olması hali olup şebeke
indirgeme yöntemi ile hesaplanır. Sistemi zorlayan en ağır arıza durumu budur. Fakat
bununla birlikte seyrek olarak ortaya çıkarlar. Hesaplama yöntemi oldukça basittir.
Arıza noktasından itibaren sistemin eşdeğer empedansı hesaplanarak çözüme ulaşılır.
Asimetrik arızalar; Bu kısa devrelerde çözüm simetrili bileşenler yöntemi
yardımıyla gerçekleştirilir. Simetrili bileşenler yönteminde modeller ve açılar farklı
olup 3 adet fazör dengeli 9 fazörün süperpozisyonu olarak ifade edilir [7-8].
Burada üç faz arasında dirençsiz bir kısa devre söz konusudur. Bu simetrik bir
kısa devredir ve bu durumda şebekenin yıldız noktasının toprağa bağlı olması veya
olmaması, ya da bir direnç veya reaktans üzerinden bağlı olması fark etmez.
Üç fazlı simetrik kısa devre pratikte nadiren, özellikle simetrik olmayan bir kısa
devrenin büyümesi sonucu meydana gelir. Fakat en ağır kısa devre halidir ve elektrik
tesisleri kısa devreye dayanımları bakımından en büyük kısa devre akımlarına, yani üç
fazlı simetrik kısa devre akımlarına göre boyutlandırılmalıdırlar. Aşağıda bu tip bir
kısa devrede gerilim ve akım durumları görülmektedir.
5
a)
b) c)
6
yarısı kadardır. URS ve UTR gerilimleri ise büyüklük bakımından sağlam bir faz
geriliminin 1,5 katı kadar olup normal değerlerinin 1,5 / 3 yani 0,866’sı kadarıdır
[8–9].
a)
7
Arıza noktasında R fazı toprakla tam temas halinde olduğundan, toprak
potansiyelindedir. Bu fazda gerilim besleme noktasından arıza noktasına lineer olarak
azalır. Sistemin yıldız noktası da doğrudan toprağa bağlı olduğundan, toprak
potansiyelinde kalır. Diğer fazların toprağa göre gerilimlerinde bir değişme olmaz.
Burada kısa devre akımı olan Ik akımını besleyen UR gerilimi ile Ik akımı arasında φk
kadar faz farkı vardır.
Bir faz iletkeni ve toprağın oluşturduğu devrenin empedansı pratik olarak aynı
yerde iki fazlı bir kısa devredeki devrenin empedansına eşittir.
Bu incelemede besleme sisteminin yıldız noktası ile toprak arasında bir direnç
veya reaktans olmadığı ve aynı şekilde arıza noktasında da geçiş direncinin sıfır
olduğu kabul edilmiştir. Gerçekte bu dirençlerin her ikisi de sıfır olamaz. Çünkü
besleme sisteminin yıldız noktası ile toprak arasına hiçbir direnç veya reaktans
bağlanmasa dahi, toprak elektrodunun toprağa geçiş direnci vardır. Arıza noktasında
kısa devrenin cinsine ve toprağın özelliğine göre bir geçiş direnci olur. Hatta bu
önemli değerler alabilir. Bu durumda arıza noktasında R fazın toprağa nazaran
gerilimi UR küçülmekle beraber, sıfır olmayıp, geçiş direncinin değerine göre belirli
bir değer alır [8–9].
Şekil II.5. Yıldız Noktası Doğrudan Topraklanmış Bir Şebekede, Dirençsiz Bir Faz-Toprak Kısa
Devresinde Arızalı Fazda Gerilimin Değişimi
8
X.4.4. Yıldız Noktası Bir Z Empedansı Üzerinden
Topraklanmış Bir Şebekede, Dirençli Bir Toprak Kısa
Devresi
Bu kısa devre türü daha önceki kısa devre türlerinden farklıdır.
Transformatörün yıldız noktası bir Z empedansı üzerinden topraklanmıştır. Burada
yıldız noktasıyla toprak arasındaki empedansta kısa devre akımının meydana getirdiği
gerilim düşümü dolayısıyla yıldız noktasının toprağa göre gerilimi bir UM değerine
yükselmiş ve arıza noktasında R fazının toprağa göre gerilimi de küçülmekle birlikte
tam sıfıra düşmemiştir.
Eğer alıcı tarafında da yıldız noktası doğrudan doğruya veya etkili olarak
topraklanmış ise bu hattaki kısa devre akımı tüketicinin bulunduğu uçtan da geçer. Bu
tür akımlar arzu edilmeyen açmalara sebep olurlar. Bu nedenle yıldız noktası etkili
olarak topraklı şebekelerde, bu topraklama sadece besleyici tarafta yapılır.
Tüketicinin bulunduğu kısımda transformatörün yıldız noktası izole yani toprağa
bağlanmamış olarak bırakılır.
a)
b)
Şekil II.6. Yıldız Noktası Bir Z Empedansı Üzerinden Topraklanmış Bir Şebekede, Dirençli Bir
Toprak Kısa Devresinde Gerilimlerin Değişimi
9
Yıldız noktası izole şebekelerde, bir fazlı kısa devre, ancak bir faz
iletkenindeki toprak değmesi esnasında yıldız noktası ile toprak arasında bir atlama
olursa meydana gelir [8-9].
X.5. KORUMA
10
gerilmler, mertebe bakımından sınırlandırılarak yalıtımın aşırı zorlanmamasını
sağlayabilir.
11
3-Rezonans Olayları: Eğer tesiste işletme araçları yüksek harmonikler
üretmezlerse ve normal koşullar altında titreşimsiz çalışırlarsa, rezonas olayları geniş
çapta önlenebilir.
Rezonas giderici şu önlemler alınabilir:
Örneğin redresör tesislerinde olduğu gibi, yüksek harmonikler varsa, bunlar
filtreler yardımı ile ortadan kaldırılabilir.
Hat kopması sonucunda oluşan rezonas olaylarının sebeb oldukları aşırı
gerilimleri önlemek için hattın koptuğu yer, iki taraftan beslenmeli, yani çift hat
kullanılmalı veya buklaj sistemi uygulanmalıdır.
Gerilim transformatörlerinin yüksek gerilim tarafında örneğin sigortanın erimesi
ile bir kutuplu kesilmesi sonucunda ferrorezonas olayı ve buna bağlı olarak aşırı
gerilimleri önlemek için gerilim transformatörlerinin bütün kutupları aynı zamanda
kesilmelidir. Aynı şekilde gerilim transformatörleri bir fazlı olarak sigortalarla
korunmalıdır aksi halde sigortaların erimesi rezonasa yola açabilir.
Topraklanmış gerilim taransformatörlerinin bağlı bulundukları baraların
titreşimleri, rezonas halinde gerilim taranformatörlerinin ek olarak aktif yüklenmeleri
ile söndürülebilir. Bunun için açık üçgen sargıya uygun bir yük direnci bağlanır.
Yıldız noktası doğrudan doğruya topraklanmış şebekelerde bu gibi rezonas olayları
oluşmaz.
Titreşimleri önlemek ve sargıların zorlanmasını azaltmak için, hat üzerine seri
bağlı bobinler, paralel dirençler veya subap parafadurlar ile köprülenebilirler.
İstenen ve istenmeyen bağlama olaylarında harmoniklerin dengeleme olayları ile
rezonasa gelmeleri söz konusu olursa, şebeke bölümlerinin karekteristiklerinde
değişiklik yapılarak rezonansa karşı önlem alınabilir [11].
12
Hat güzergahının belirlenmesinde ve istasyon yerinin seçiminde çok fazla
yıldırım düşen yerlereden sakınılır. Hatlar mimkün olduğu kadar arazide doğal
korunmadan yararlanılarak, örneğin dağ yamaçlarından veya vadilerden geçirilirler.
İşletme akım devrelerine yıldırım düşmesini önlemek için hatların ve özellikle
açık hava tesislerinin üzerine yeteri kadar sayıda koruma iletkeni çekilir. Bu sayede
yıldırım aşırı gerilimleri, hiç olmassa hat izolatörlerinin atlama gerilimi değerine
sınırlandırılır. Bundan başka toprak kısa devrelerinde işletme frekanslı hata akımları,
söz konusu toprak iletkenleri aracılığı ile birçok direk üzerinden toprağa geçerler.
Etkili bir koruma sağlamak için toprak iletkenleri, enerji nakil hatlarının üstünde
belirli bir yükseklikte çekilirler ve her direkte topraklanırlar.
Hava hattı tesislerinde toprak hattına, direğe veya madeni kısımlara bir yıldırım
düştüğünde, enerji nakil hattına geri atlamayı önlemek için her bir direk veya madeni
konstriksiyon topraklanmasının yayılma direnci çok düşük olmalı ve bunun üzerinden
geçen büyük yıldırım akımlarının oluşturduğu gerilm düşümü hava hattı yalıtımının
darbe dayanma geriliminden büyük olmalıdır. Eğer toprak direncinin çok büyük
olması sebebi ile herbir direk topraklamasında yeteri kadar düşük bir yayılma direnci
elde edilmesse, hava hattının üstünden geçirilen toprak hattına bağlı olmak üzere,
yeraltından ikinci bir toprak hattı çekilir.
Toprak hattı bulunan ağaç direkli hava hatlarında toprak hattına yıldırım
düşmesi halinde geri atlamaları önlemek için, ağacın darbe gerilimlerine karşı yalıtıcı
özelliğinden yararlanılır. Bu gibi hatlarda izolatörler toprak hattına bağlanmazlar.
Hattın yalıtım seviyesini yükseltmek için toprak hattının topraklama iletkenleri, direk
temeline kadar direğe temas etmeden belirli bir aralıkla indirilir. İstasyonun önünde
bir aşırı gerilime karşı koruma cihazı öngörülür.
Nominal gerilimi 100kV veya daha yüksek olan hava hatlarında, enerji nakil
hatları için yıldırım düşmesine karşı en etkili bir koruma, toprak hatları ile sağlanır.
Geri atlamaları önlemek için ayrıca her bir direk topraklamasının yayılma direncinin
yeteri kadar düşük olması gerekir.
Nominal gerilimi 60kV ve daha düşük olan hava hatlarında geri atlamaları
önlemek için direk topraklamalarında çoğu zaman yeteri kadar küçük darbe yayılma
direnci elde edilemez; bu yüzden yıldırıma karşı korumak için toprak hatlarının
çekilmesi pratik olarak hiç bir fayada sağlamaz [11].
13
X.6.3. Aşrı Gerilimlerin Etkilerine Karşı Yapısal
Önlemler
Her bir iletme aracının ve bunun bölümlerinin yalıtımı o şekilde
boyutlandırılmalıdır ki, bunların iç yalıtımı zorlanmamalı ve istasyonlarda kaçınılması
mümkün olmayan atlamalar, birinci derecede aşırı gerilime karşı koruma cihazları ile
önlenmelidir [11].
14
yalıtım kendiliğinden önce normal haline gelerek düzelir. Bu gibi hatlara en çok
şebekelerde faz iletkeni ile toprak arasında ark atlaması şeklinde rastlanır.
İkinci gurup yalıtım hatası, katı yalıtım maddelerinde oluşan atlamalar ve
delinmelerdir ki, bunun sonunda yalıtım artık kendiliğinden düzelmez. Bu yüzden bu
tip hatalar büyük zararlara yol açarlar.
Aşırı gerilimlere karşı korumak için alınan önlemler genel olarak şunlardır:
1- Generatörlerin aşırı gerilime karşı koruma röleleri ile donatılmaları (Yük
kalkması veya kapasitif yük sebebi ile oluşan gerilim yükselmelerine karşı
generatörler özel aşırı gerilim röleleri ile korunurlar).
2- Tesislerin veya tesis elemanlarının gerektiği şekilde yalıtılmaları (yalıtım
konusu bir koruma konusu olmaktan çok genel olarak yerine getirilmesi gereken
teknik bir zorunluluktur. Ancak bunun teknik şartlarının yerine getirilmesi kadar
ekonomik şartlarada uyması büyük önem taşır).
3-Yalıtım Koordinasyonu (Tesislerin tamamının yapılmasını ve düzenlenmesini
ilgilendiren bu konu endirek bir koruma tedbiridir).
4- Yıldız noktasının kompanzasyon bobini üzerinden topraklanması ve bir fazlı
kısa süreli açıp kapama (Bu koruma tedbiri, kendiliğinden düzelen yalıtım gurubunda
baş gösteren hatlarda; örneğin bir faz iletkeni ile toprak arasında aşırı gerilim sebebi
ile havada oluşan atlamada arkı söndürmeye yarayan direkt önlemdir).
5- Aşırı gerilime karşı koruma cihazlarının kullanılması (Yalıtım
koordinasyonunun bir uzantısı olan bu direkt koruma, uygun koruma araçlarının,
örneğin parafadurların ve benzeri cihazların kullanılması ile gerçekleştirilir).
Santrallerdeki, transformatör istasyonlarındaki ve bağlama tesislerindeki
cihazların ve kabloların yalıtım maddeleri kendilerini yenileyebilen cinsten
olmadıkları için, buradaki atlamalar ve delinmeler büyük zararlara ve enerji
kesilmelerine yol açar. Özellikle transformatörleri korumak amacı ile bu gibi yerlerde
aşırı gerilimlerin sınırlandırılması için özel koruma cihazlarının kullanılması gerekir.
Aşırı gerilime karşı koruma cihazları, bir tesiste yalıtım seviyesi en düşük olan
tesisi elemanıdır. Bir aşırı gerilim oluştuğunda, koruma cihazları sayesinde, bunun
tesisi elemanları ve tesisi bölümleri için tehlikeli olmayan bir değere düşürülmesi
gerekir. Tehlikeli olmayan gerilim değeri ise, en fazla muayene geriliminin en düşük
değeri mertebesindedir. Koruma cihazına ait sınır ne kadar düşükse, koruma da o
kadar etkili olur. Aşırı gerilime karşı korumanın ilk koşulu, koruma cihazının darbe
karekteristiğinin koruma cihazlarının darbe karakteristiği altında olmasıdır [11].
15
XI BÖLÜM III
DALGACIK KURAMI
XI.1. GİRİŞ
Sinyallerin hangi frekans bileşenlerini içerdiği ilk kez Fourier Dönüşümü (FD)
ile belirlenmiştir. Yani sinyalin Frekans-Genlik gösterimi Fourier dönüşümü ile elde
edilmiştir. Fakat Fourier dönüşümü ile elde edilen frekans düzlemi (domeni) bilgisi
çoğu sinyal işlme uygulamaları için yeterli değildir. Bu eksikliği gideren ilk
matematiksel dönüşüm, sinyalin zaman frekans gösteriminin elde edilmesini sağlayan
Kısa Zaman Fourier Dönüşümü (KZFD) olmuştur. Fakat KZFD’de beklentileri tam
olarak karşılayamamıştır. Çünkü alçak frekans bileşenleri için yüksek frekans
çözünürlüğüne gereksinim varken; yüksek frekans bileşenleri için yüksek zaman
çözünürlüğüne gereksinim vardır. Buna karşılık KZFD ile sadece sabit zaman-frekans
çözünürlüğü elde edilebilir [12].
KZFD’nin sinyallerinin zaman-frekans gösteriminin elde edilmesindeki bu
dezavantajın giderilmesi için; KZFD’ye karşılık değişken zaman-frekans
çözünürlüğünün elde edilebileceği Dalgacık dönüşümü (DD) geliştirilmiştir [14].
16
Şekil III.1. Dalgacık Dönüşümünün Uygulama Alanları
İşaret işleme, işarette bulunan bilgilerin elde edilmesi için kullanılan teknikleri
içerir [15]. İşaret işleme, sistem analiz ve sentezi için, sistemlerin işaretlerde yaptığı
değişimlerin bulunması veya işarette istenen değişiklikleri yerine getirecek bir
sistemin tasarlanması işidir [16]. Bir işaretin özellikleri zamanla değişmiyorsa bunlara
durağan işaretler denir. Durağan işaretleri incelemek için Fourier dönüşümü kullanılır.
Bu işaretler sinüs ve kosinüs dalgalarının lineer bileşimine ayrışırlar [17]. Fourier
analizi bir işareti frekans bileşenlerine ayrıştırır ve her bir bileşenin etkisini saptar
[15].
t sürekli bir değişken olmak üzere bir f(t) işareti için zamandaki frekans bileşeni
yöresel olarak incelenebilir. Fourier dönüşümü de işaretin frekans dağılımını verir.
Fakat zamanla ilgili hiç bir bilgi vermez. Eğer aralıklar arasında, işaretin frekans
17
bileşeni önemli ölçüde değişiyorsa, Fourier dönüşümüyle bu işaretin analiz edilmesi
halinde, bu dönüşüm bütün zaman eksenini kaplar ve örneğin yüksek frekans
bilgisinin kaybolması gibi işaretteki her tür yerel düzensizlikleri kaldırır. Bu nedenle
durağan olmayan işaretler ve gerçek zaman işaretlerinin incelenmesinde Fourier
dönüşümü tek başına yeterli değildir. Durağan olmayan işaretler için zaman-frekans
analiz metodu kullanılması işaretin zamana karşı ani frekans bileşenlerinin karekterize
edilebilmesini sağlar [17].
18
Şekil III.2. Fourier Analizindeki Temel Fonksiyonların Yerleşimi
19
temsil edilmiş fonksiyonlar kullanılabilir. Dalgacıklar sivri süreksizliklere sahip olan
veriyi yaklaşık olarak temsil etmek için oldukça uygunlardır.
Dalgacık analizinde amaç, “analiz eden dalgacık” veya “ana dalgacık” diye
isimlendirilen bir dalgacık örnek fonksiyonunu elde etmektir. Zaman analizi, örnek
dalgacığın daraltılmış, yüksek frekans versiyonu ile yapılır. Buna karşılık frekans
analizi ise, aynı dalgacığın genişletilmiş, düşük frekans versiyonu ile yapılır. Orijinal
işaret veya fonksiyon, dalgacık açılımı (dalgacık fonksiyonlarının doğrusal
bileşimlerindeki katsayıları kullanarak) cinsinden temsil edilebildiği için, veri
işlemleri yalnız karşı gelen dalgacık katsayılarını kullanarak yapılabilir. İlave olarak
eğer veriye uygun en iyi dalgacıklar seçilirse veya bir başlangıç değerinin altında
kalan katsayılar atılırsa, veri kısmen temsil edilmiş olur. Bu kısmi kodlama, veri
sıkıştırma alanında dalgacıkları mükemmel bir araç yapar.
Dalgacıkların kullanıldığı diğer uygulamalı alanlar astronomi, ses bilimi,
nükleer mühendisliği, alt-band kodlama, işaret ve görüntü işlemleri, nörofizyoloji,
müzik, manyetik rezonans görüntüleme, konuşmayı ayırtetme, optik, fraktallar,
türbülans, depremin önceden tahmini, radar, insan görüşü ve kısmi türevli diferansiyel
denklemleri çözme gibi teorik matematik uygulamalarıdır.
20
2π
1
ak =
π ∫ f ( x) cos(kx)dx
0
(III.3)
2π
1
bk =
π ∫ f ( x) sin(kx)dx
0
(III.4)
21
1985 yılında, Stephane Mallat sayısal işaret işleme konusundaki çalışmaları
sonucunda dalgacıkların gelişimine ek bir hız kazandırdı. İkinci derece ayna filtreleri,
piramit algoritmaları ve ortonormal dalgacık bazları arasında bazı ilişkiler olduğunu
keşfetti. Y. Meyer, bu sonuçların bir kısmından esinlenerek ilk tanıdık olmayan
dalgacıkları oluşturdu. Haar dalgacıklarının türevi sürekli olmadığı halde, Meyer
dalgacıklarının türevi süreklidir; ama buna rağmen Meyer dalgacıkları tam desteğe
sahip değildir.
İki yıl sonra, Ingrid Daubechies belki şimdiye kadarkilerin en düzenlisi olan,
dalgacık uygulamalarının kilometretaşı olmuş ve bugün hala olmaya devam eden
dalgacık ortonormal baz fonksiyonları kümesi oluşturmak için Mallat’ın çalışmasını
kullandı [13-20].
Sürekli alandan sayısal alana geçildiğinde bir baz fonksiyonunu açıklamak daha
basit olur.
Her iki boyutlu ( x, y ) vektörü (1,0 ) ve (0,1) vektörlerinin doğrusal bileşimi
şeklinde yazılabilir. Bu iki vektör, (x, y ) için baz vektörleridir. Çünkü (1,0)
vektörünün x ile çarpılması sonucu oluşan vektör (x,0) , (0,1) vektörünün y ile
çarpılması sonucu oluşan vektör (0, y ) ve toplam ( x, y ) vektörüdür.
22
En iyi baz vektörleri, vektörlerin birbirine dik veya başka bir deyişle ortogonal
olması gibi ekstra özelliğe sahiptir. (1,0 ) ve (0,1) bazları için bu değer sağlanır.
Sürekli alana geri dönerek ve bu kavramlarla baz fonksiyonları arasındaki
ilişkiye bakıldığında; (x, y ) vektörü yerine f(x) fonksiyonuna sahibiz. f(x)
fonksiyonunun bir müzik ezgisi, örneğin özel bir oktavda A notası olduğunu ele
alalım. Genliklerin ve frekansların bileşimlerini kullanıp, sinüs ve kosinüsleri
toplayarak A notasını oluşturabiliriz. Sinüs ve kosinüsler bu örnekte baz
fonksiyonlarıdır ve Fourier sentezinin elemanlarıdır. Seçilen sinüs ve kosinüsler için,
onların ortogonal olması gibi ek koşul koyabiliriz. İç çarpımları (skaler çarpımları)
sıfır olan uygun sinüs ve kosinüs fonksiyon terimlerinin bileşimini seçerek bu
yapılabilir. f(x) fonksiyonunu oluşturan ve ortogonal olan özel fonksiyonlar kümesi bu
problem için bizim ortogonal baz fonksiyonlarımızdır [20].
Bir baz fonksiyonu, farklı ölçek boyutları kullanmak suretiyle aynı fonksiyon
veya veri uzayını parçalara ayırarak ölçekte değişim sağlar. Örneğin 0’dan 1’e
kadarlık bölge üzerinde tanımlı bir işarete (sinyale) sahip olduğumuzu düşünelim.
İşareti, 0’dan 1
2 ’ye ve 1
2 ’den 1’e kadar uzanan iki adım fonksiyonu ile bölebiliriz.
Sonra orijinal işareti 0’dan 1
4 ’e, 1
4 ’ten 1
2 ’ye, 1
2 ’den 3
4 ’e ve 3
4 ’ten 1’e kadar
uzanan dört adım fonksiyonu kullanarak tekrar bölebiliriz. Ve bu şekilde devam
ederiz. Her temsilciler kümesi, orijinal işareti özel bir çözünürlük veya ölçek ile
kodlar [19].
23
haberleşme işaretlerinin analizi ve düzeltilmesinde yaygın olarak kullanıldı. Fourier
ve dalgacık analizi arasında çok güçlü bağlar vardır [20].
f(x), 2π periyotlu bir periyodik sinyal olmak üzere; Fourier serisi açılımı
kullanılarak bu sinyal denklem III.5’de verildiği gibi sinüs ve kosinüs terimlerinin
sonsuz toplamı halinde yazılabilir [20].
2π 2π 2π
1 1 1
2π ∫0 π ∫0 π ∫0
a0 = f ( x )dx , ak = f ( x ) cos(kx )dx , bk = f ( x ) sin( kx )dx olmak
∞
üzere; f ( x ) = a 0 + ∑ (a k cos kx + b k sin kx ) (III.5)
k =1
f ( x)
4 2 0 2 4
−1
x
π
24
∞
f ( x) = ∑ bn sin nx
n =1
π π 0
1 1 1
bn =
π ∫ f ( x) sin(nx)dx = π ∫ sin(nx)dx − π ∫π sin(nx)dx
−π 0 −
=
1
πn
[ π
(− cos nx) 0 + (cos nx)
0
−π
] = π [(− cos nπ + 1) + (1 − cos(−nπ ))]
1
1.2
= [1 − cos(−nπ )]
π
4 ⎛ sin x sin 3 x sin 5 x ⎞
f ( x) = ⎜ + + + ...... ⎟
π⎝ 1 3 5 ⎠
25
Şekil III.5. Fourier Dönüşümü
26
ölçütüdür. Bu dönüşümde baz fonksiyonları yani yapı blokları denklem III.9’de
verilen dönüşümün çekirdek fonksiyonundan oluşurlar.
K ( t , ω) = e − jωt (III.9)
Anlaşıldığı gibi Fourier dönüşümü zaman doneminde verilen sinyalin frekans
düzlemindeki belirtilişini tanımlar. Çünkü Fourier dönüşümü ile sinyalin içerdiği
frekans bileşenlerinin nispi genlikleri belirlenebilir. Genelde Fourier dönüşümü ile
elde edilen F(ω) fonksiyonu karmaşık değerli bir fonksiyondur. f̂ (ω) , f ( t ) ’in
sürekli genlik spektrumu ve Q(ω) ise f ( t ) ’in sürekli faz spektrumu olmak üzere f̂ (ω)
fonksiyonu Denklem III.10’da verildiği gibi ifade edilebilir. Pratikte bir sinyalin
frekans içeriğinin değerlendirilmesi için sinyalin genlik spektrumu genelde yeterli
olmaktadır.
27
Şekil III.6. y(t)=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t) Sinyaline Ait Matlab Grafiği
28
genişliği olmak üzere örnekleme frekansı fs ≥ 2fc olmalıdır. Nyguist frekansı ise bu
koşulun sınır frekansı olan 2fc’dir.
29
Pencerelenmiş Fourier dönüşümü (PFD) ile giriş işareti olan f (t ) bölümlere
ayrılır ve her bölüm frekans açısından ayrı ayrı analiz edilir. Eğer işaret keskin, sivri
uçlu değişimlere sahipse, uç noktalarda kesitler sıfıra yakınsayacak şekilde giriş verisi
pencerelenir. Bu pencereleme işlemi, ortasından ziyade aralığın uç noktalarına yakın
kısmına daha az önem veren bir ağırlık fonksiyonu aracılığı ile gerçekleştirilir.
Pencerenin etkisi, işareti zamanla sınırlamaktır [26].
30
Birkaç çeşit pencere fonksiyonu vardır. Bunlar; dikdörtgen pencereleme, üçgen
pencereleme, Hanning ve Hamming pencereleme fonksiyonlarıdır. Aşağıda bunlara
ait denklemler verilmiş ve bu denklemlere ait grafikler gösterilmiştir.
⎧ n N
⎪⎪ N / 2 , n = 0,K ,
2
Üçgen Pencere: wn = ⎨ (III.12)
⎪2 − n , N
+ 1,K , N − 1.
⎪⎩ N /2 2
2π n
Hanning Penceresi: wn = 0.5 − 0.5cos( ), n = 0,1,K , N − 1. (III.13)
N −1
2π n
Hamming Penceresi: wn = 0.54 − 0.46 cos( ), n = 0,1,K , N − 1 . (III.14)
N −1
Şekil III.11’de yukarıdaki pencereleme fonksiyonları ve grafiklerine ait olan
Ayrık Fourier (AFD) grafikleri verilmiştir.
a) b)
31
a)
b) c)
Şekil III.12 b’de KZFD’de daha düşük bir frekans çözünürlüğüne sahiptir.
Çünkü dar bir pencereleme kullanılmıştır (20 nokta). Her iki şekilde gürültü sinyali
içindeki doğrusal frekans akışını (sürekliliğini göstermektedir). Şekil III.12 b’deki
1000
grafik zaman ekseni boyunca yaklaşık = 100 veri noktası içeren daha iyi bir
10
geçici çözünürlüğe sahiptir. Oysaki Şekil III.12 c’deki grafik aynı zaman ekseni
1000
boyunca = 50 noktaya sahiptir. Geçici çözünürlük pencere genişliği ile
20
belirlenebilir. Karşılaştırmak için bütün FFT sinyalleri dikkate alındığında, yüksek
frekans bileşenleri daha düşük enerjiye sahip oduğundan frekansla birlikte spektrum
azalır. Buda bize daha düşük sinyal genliği izlenimi verir.
32
dönüşüm tekniğidir. Zamanın fonksiyonu olan bir işaretin dalgacık dönüşümü, frekans
ve zaman değişkenlerine bağlıdır. Dalgacıklar zaman -frekans analizi için iyi bir araç
sağlar.
Dalgacık kuramı, genel bir fonksiyonu farklı ölçekler ve pozisyonlarda sabit
bloklar halinde daha basit olarak temsil edebilmeyi sağlar. Bu yöntem bir kaç farklı
alanda kullanışlıdır. Örneğin altband kodlama tekniği, piramit şemaları gibi işaret ve
imaj işlemede, ses işlemede, veri sıkıştırmada ve matematiksel fizikte verimli
olmuştur.
Dalgacık dönüşümü, bir ψ(t) ana fonksiyonunun (ana dalgacık) ötelenme ve
yayılması ile oluşturulan baz fonksiyonlarına işaretin iz düşümünün alınması ile
bulunur. Baz fonksiyonları işareti tam ve doğru olarak ayrıştırabilmek için, yüksek
frekanslarda kısa süreli, düşük frekanslarda uzun sürelidir.
Dalgacık dönüşümü Kısa Zaman Fourier Dönüşümünden farklı olarak değişken
zaman frekans çözünürlük özelliğine sahiptir. Bu nedenle çok çözünürlüklü işaret
işleme aracı olarak kullanılır.
Dalgacık dönüşümü sürekli işaretlerden çok ayrık zamanlı işaretlerin
işlenmesinde kullanılır. Bu bakımdan bilgisayar uygulamaları açısından kolaylık
sağlar.
33
Şekil III.14. Dalgacık Analizindeki Fonksiyonların Temel Yerleşimi
Zaman (ms)
Şekil III.15. y(t)=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t) Sinyaline Ait Dalgacık Dönüşümü
34
XI.10. HAAR DALGACIKLARI
ψ ( a, b) = +1 (0 ≤ t ≤ 0.5)
ψ ( a, b) = −1 (0.5 ≤ t ≤ 1)
ψ ( a , b) = 0 (bunların dışında)
Yukarıda Haar dalgacığına ait denklem ve şekiller verilmiştir. t’nin 0 ile 0.5
arasındaki değerlerde +1 değerini aldığı 0.5 ile 1 arasındaki değerlerde ise -1 değerini
aldığı görülmektedir.
35
olarak elde edilir. Analizi yapılacak fonksiyon istenildiği gibi seçilebilir. Esasen bu
dönüşüm Fourier dönüşümünün genelleştirilmiş halidir. Fiziki olarak bu dönüşümde
değişken modüle edilmiş aralık bütün sinyal süresince kaydırılır, her yeni konum için
faz spektrumu araştırılır. Bu işlem süreci kısa ve uzun aralıklarla tekrar edilir. Aralıklı
Fourier analizinde Şekil III.17’de görüldüğü gibi sabit kare zaman–frekans
düzleminde seçilir.
36
Şekil III.19. Zaman – Frekans Diyagramı
∫ f (t )ψ s ,τ (t )dt
*
SDD(s,τ) = (III.15)
−∞
37
Dalgacık fonksiyonları bir ana dalgacıktan, ψ, ölçek ve kaydırma faktörleri
yardımıyla elde edilir. Matematiksel ifadesi aşağıda verilmiştir:
1 t −τ
ψs,τ (t) = ψ( ) (III.16)
s s
1
Bu faktörü enerjinin normalize oluşunu ifade eder.
s
Denklem III.16, denklem III.15’de yerine konursa, denklem III.17’deki ifade
elde edilir.
+∞
1 t −τ
SDD ( s, τ ) = ∫ f (t )ψ
*
( )dt (III.17)
s −∞
s
∫ψ s ,τ (t )dt = 0
−∞ (III.18)
ψs,τ (t) fonksiyonun meydena getirdiği alan sıfır olmalıdır.
Matematiksel yolla diğer bir yazılım biçimi de, f(t) ve dalgacık fonksiyonunun
iç çarpım şeklinde ifadesi denklem (III.19) de verilmişitr.
SDD( s,τ ) = f (t ),ψ s ,τ (t ) (III.19)
Denklem (III.12) göz önüne alındığında her zaman birimine göre sinyalin
frekans bileşenleri değişmektedir. Tau (τ) zaman aralığının konumuna göre
değerlendirilir ve bu aralık bütün sinyal boyunca kaydırılır ve böylece frekans
spektrumlarının zaman bağlı bilgileri elde edilmiş olur. Ölçke parametresi olan s in
ifadesi denklem (III.20) da verilmiştir, eşitlikte f frekansı ifade eder [13,14,17].
s=1/f (III.20)
Aşağıda haar dalgacığına ilişkin program satırları ve şekiller verilmiştir.
Programda öncelikle haar sinyali çizdirilmiş daha sonra aynı haar sinyali sürekli
dalgacık dönüşümü ile gösterilmiştir.
[phi,psi,t]=wavefun('db1',10,'plot');
t=linspace(0,1,1026);
s=square(8*pi*t); a=2:128;
subplot(4,1,1), plot(t*1026,psi), title('Haar Ana Dalgacik'),
axis([0 1026 -2 2]), grid
subplot(4,1,2), plot(t*1026,s), title('Sinyal'),
axis([0 1026 -2 2]), grid
subplot(4,1,3:4), C=cwt(s,a,'db1','plot');
38
Ölçek
Şekil III.20’de Haar ana dalgacığı verilmiştir. Yine haar sinyaline ait olan
Sürekli Dalgacık Dönüşümü (SDD) için çözümleme yapılmıştır. Yapılan
çözümlemede düşük frekanslı ve yüksek frekanslı bölgeler açıkça görülmektedir.
Aşağıda şekil III.23’de sürekli dalgacık dönüşümü için a=2, 4, 8 ve 16 ölçek
değerleri için sinyal analizi yapildiğinda a değeri artırıldığında sinyal üzerindeki
değişim görülmektedir [31].
39
Şekil III.23. Sürekli Dalgacık Dönüşümünde a Katsayılarının Sinyal Üzerindeki Etkisi
clear all,clc
w=2*pi*50;
Fs=2000;
deltaT=1/Fs;
t=0:deltaT:0.06;
y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t);
plot(t,y),grid,xlabel('zaman'),ylabel('genlik')
figure
% FFT alma işlemi
yw=abs(fft(y*2/length(y)));
bar(yw(1:length(y)/2)),grid
figure
% Dalgacık Tekniği
s=[1 2 3 4 5 6 7 8 12 16 20 24 28 32];
c=cwt(y,s,'dmey','3Dglbabs','3dplot');
40
Şekil III.24’de y(t)=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t) Sinyalinin üç
boyutlu sürekli dalgacık çözümlemesi yapılmıştır.
41
Ölçek vektörleri:
V11 = (α 1 , α 2 , α 3 , α 4 ,0,0,0,....)
V21 = (0,0,α 1 , α 2 , α 3 , α 4 ,0,0,0,....)
V31 = (0,0,0,0, α 1 , α 2 , α 3 , α 4 ,0,0,0,....)
.. (III.21)
..
V N1 = (0,0,0,....α 1 , α 2 , α 3 , α 4 )
−1
2
V N1 = (α 1 , α 2 ,0,0,0,....0,0, α 3 , α 4 )
2
Yukarıdaki denklemde;
1+ 3 3+ 3 3− 3 1− 3
α1 = ,α 2 = ,α 3 = ,α 4 = dir. Denklem III.21
4 2 4 2 4 2 4 2
genelleştirildiğinde Denklem (III.22) elde edilir.
Vm1 = α 1V20m −1 + α 2V20m + α 3V20m +1 + α 4V20m + 2 (III.22)
İkinci dereceden Daubechies (4) ölçekleme vektörü aşağıdaki gibi ifade edilir
[13].
Vm2 = α 1V21m −1 + α 2V21m + α 3V21m +1 + α 4V21m + 2 (III.23)
W N1 = ( β 1 , β 2 ,0,0,0,....0,0, β 3 , β 4 )
2
Yukarıdaki denklemde;
1− 3 3 −3 3+ 3 −1− 3
β1 = , β2 = , β3 = , β4 = dir. N ise örnek sayısıdır.
4 2 4 2 4 2 4 2
β ve α arasında şöyle bir ilişki vardır: β 1 = α 4 , β 2 = −α 3 , β 3 = α 2 ve β 4 = −α 1 .
Denklem III.24 genelleştirildiğinde Denklem III.25 elde edilir.
Wm1 = β 1V20m−1 + β 2V20m + β 3V20m +1 + β 4V20m + 2 (III.25)
42
İkinci dereceden Daubechies (4) dalgacık vektörü aşağıdaki gibi ifade edilir.
Wm2 = β 1V21m−1 + β 2V21m + β 3V21m +1 + β 4V21m+ 2 (III.26)
Daubechies (4) ters dalgacık dönüşümü aşağıdaki gibi yazılır:
S = A1 + D1 (III.27)
Denklem (III.27)’de S ayrık sinyal, A yaklaşım katsayıları (alçak geçiren süzgeç
katsayıları) ve D ise detay katsayıları (yüksek geçiren süzgeç katsayıları) olarak
adlandırılır. Ayrık sinyal alçak ve yüksek frekans elamanlarına belirli bir kural
uygulanarak ayrılmaktadır. Yüksek dereceden ölçeklendirme alçak frekans
bileşenlerine ve alçak dereceden ölçeklendirme yüksek frekans bileşenlerine denk
düşer.
Şekil III.25. S Sinyalinin Alçak (A) ve Yüksek Dereceden (D) Süzgeç Katsayıları
Yukarıdaki denklemde ayrık S sinyali alçak (A) ve yüksek (D) geçiren süzgeç
katsayılarının toplamı ile yeniden elde edilebilmektedir. Yukarıdaki algoritma ardışıl
olarak işletildiğinde aşağıdaki çizelge elde edilir. Bu çizelgede c harfi katsayıları ifade
etmektedir.
43
Şekil III.27. Saf Bir Sinüs İşaretinin Yaklaşım (A) Ve Detay (D) Katsayıları
Şekil III.27’de ana sinyal, Alçak geçiren süzgeç katsayıları (A), yüksek geçiren
süzgeç katsayıları (D) sıralanmıştır.
Birinci seviyeden yaklaşım katsayıları, A, aşağıdaki gibi hesaplanır.
A1 = ( F .V11 )V11 + ( F .V21 )V21 + .... + ( F .V N1 / 2 )V N1 / 2 (III.28)
Ortalama Değer f 2 m −1 + f m
: am = 2 , m =1, 2 , 3............. N (III.34)
Yaklaşım - A 2 2
44
Fark − Sinyali f 2 m −1 − f m
: dm = 2 , m = 1, 2 , 3 ............. N (III.35)
Detay − A 2 2
D bileşenlerine ayrılır.
f : 1 3 5 7 6 4 2 0
1. adım :
1+ 3 5+7 6+4 2+0
2 2 2 2
2 2 2 2
a1 : 2 2 6 2 5 2 2
1− 3 5−7 6−4 2−0
2 2 2 2
2 2 2 2
d1 : − 2 − 2 2 2
1+1
f 1 →(a1 , d1 ) (III.36)
a1 : 2 2 6 2 5 2 2
2 2 +6 2 5 2+ 2
2 2
2 2
a2 : 8 6
a1 : 2 2 6 2 5 2 2
2 2 −6 2 5 2− 2
2 2
2 2
d2 : -4 4
1+ 2
f1 → (a 2 ; d 2 ; d1 ) (III.37)
45
3. adım: ikinci dereceden Haar dönüşümü sonucunda elde edilen a 2 sinyalinden
aynı işlem yapılarak a3 ve d 3 bileşenleri elde edilmiştir.
a2 : 8 6
8+6
2
2
a3 : 7 2
a2 : 8 6
8−6
2
2
d3 : 2
1+3
f1 → (a3 ; d 3 ; d 2 ; d1 ) (III.38)
3 3(
f→ a d d d
2 1 ) (III.39)
46
a3 , d 3 , d 2 , d1 ise sırasıyla f sinyalinin sırasıyla 3. seviye yaklaşım, 3. seviye detay, 2.
s = sin(20.*linspace(0,pi,1000)) + 0.5.*rand(1,1000);
[cA,cD] = dwt(s,'db2');
[length(cA) length(cD)]
ans =501
a) b) c)
47
Genlik
Zaman (ms)
Şekil III.31. s Sinyalinin Filtre Edilmesi
Şekil III.31’de 1000 data’lı bir sinyal için ilk 500 datanın yüksek geçiren filtre
ile yapıldığı, sonraki 500 datanın ise alçak geçiren filtre ile yapıldığı görülmektedir.
Tasarım; s(t) = sin(20.*linspace(0,pi,1000)) + 0.5.*rand(1,1000); denklemine ait olan
sinyal için yapılmış ve MATLAB’da çözümlenmiştir. Yine Şekil III.32’de aşağıda
Matlab pogramı verilmiş olan örnek bir sinüs sinyali için dalgacık ayrışımı yapılmış
şekil III.33’de ise yaklaşım ve detay grafikleri verilmiştir.
load sumsin
x=sumsin;
[C,L] = wavedec(x,3,'db2');
figure(1)
subplot(2,1,1); plot(x); title('original signal');axis([0 1000
-5 5]);
subplot(2,1,2); plot(C); title('wavelet decomposition');axis([0
1000 -5 5]);
orient landscape;
print wavdemofig1.eps
cA3 = appcoef(C, L, 'db2', 3);
cD3 = detcoef(C, L, 3);
cD2 = detcoef(C, L, 2);
cD1 = detcoef(C, L, 1);
figure(2)
subplot(4,2,1); plot(cA3); title('cA3');axis([0 1000 -5 5]);
subplot(4,2,3); plot(cD3); title('cD3');axis([0 1000 -5 5]);
subplot(4,2,5); plot(cD2); title('cD2');axis([0 1000 -5 5]);
subplot(4,2,7); plot(cD1); title('cD1');axis([0 1000 -5 5]);
48
A3 = wrcoef('a', C, L, 'db2', 3);
D3 = wrcoef('d', C, L, 'db2', 3);
D2 = wrcoef('d', C, L, 'db2', 2);
D1 = wrcoef('d', C, L, 'db2', 1);
subplot(4,2,2); plot(A3); title('A3');axis([0 1000 -5 5]);
subplot(4,2,4); plot(D3); title('D3');axis([0 1000 -5 5]);
subplot(4,2,6); plot(D2); title('D2');axis([0 1000 -5 5]);
subplot(4,2,8); plot(D1); title('D1');axis([0 1000 -5 5]);
orient landscape;
Genlik
Zaman (ms)
Şekil III.32. Sinüs Sinyali İçin Dalgacık Ayrışımı
Genlik
Zaman (ms)
Şekil III.33. Sinüs Sinyali İçin Yaklaşım Ve Detay Grafikleri
49
Filtreme işlemlerinde Heisenberg belirsizlik ilkesinden faydalanılabilir. Bu
ilkeden Ek 1’de bahsedilmiştir.
Şekil III.34’de Meyer, Meksika Şapkası ve Morlet ana dalgacıkları şekil
III.35’de Coiflet dalgacık ailesi, Şekil III.36’da Daubechnies dalgacık ailesi, Şekil
III.37’de Biortagonal dalgacık ailesi gösterilmiştir [24].
a) b) c)
50
Şekil III.37. Biortagonal Dalgacık Türleri
Son yıllarda işaret işlemede yeni bir yöntem olarak dalgacık dönüşümü yer
almıştır. Dalgacık teorisi Haar (1909), Franklin (1928), Calderon ve Zygmund (1952)
gibi matematikçiler tarafından uzun yıllardan beri çalışılmasına karşın
mühendislikteki uygulamaları 1980’li yıllardan itibaren olmuştur. Bu Morlet’in (1982)
51
sismik işaretlerin analizinde dalgacıkları kullanmasıyla başlamıştır, daha sonra bunu
Grossman ve Morlet (1984), Daubechies (1988), Mallat (1988), Rioul ve Vetterli’nin
(1991) detaylı bir matematiksel analizi takip etmiştir.
Genişleyen ve daralan uzunlukta pencere fonksiyonları durağan veya durağan
olamayan bir işaretteki hem zaman hemde frekans (ölçek) bilgisini bir arada elde
etmeyi sağlayan dalgacık analizi, birçok mühendislik alanında kullanılmıştır. Dalgacık
dönüşümünün çoklu çözünürlük özelliği, çeşitli hatalar nedeniyle sistemde oluşan
geçici durumların analizi için uygundur. Bu çalışmada, matematiksel ifadeleri verilmiş
olan çok çözünürlü dalgacık analizinin enerji iletimindeki arıza tanısına ilişkin
çalışmalar ele alınacaktır.
Dalgacık dönüşümü elektrik güç sistemlerinde oluşan yüksek frekanslı geçici
durumların analizi için kullanılmaktadır. Güç sistemlerindeki uygulamalarda öncelikle
çok çözünürlü dalgacık analizi ile geçici durumlar içeren işaretlerin daha az sayıda
dalgacık katsayısıyla yeniden oluşturulması örnekleri verilerek güç sistemlerinde
kullanılabilirliği araştırılmakta ve güç kalitesini bozucu olayları sınıflandırılarak bu
katsayılar özellik çıkarımı amacıyla kullanılmaktadır. Bu uygulamalarla ilgili olarak
yapılan bazı çalışmalar aşağıda verilmiştir.
Güç sistemlerindeki geçici olayların analizinde dalgacıkların kullanılma
potasiyeli Galli [32] tarafından verilmiş olup güç sistemi iletim hattında açma-kapama
olayları sırasındaki gerilim dalga şeklini ve tek faz-toprak hatası durumundaki gerilim
dalga şeklini dalgacık analiziyle açımlayarak geçici durumların belirlenmesi ise
Robertson [33] tarafından yapılmıştır. Bir başka uygulama olarak Wilkinson ve Cox
[34] ark fırını akımına ayrık dalgacık dönüşümünü uygulayarak bu işareti 11 saniyede
dalgacık bileşenlerine ayrıştırdıktan sonra 2’den 6’ya kadar olan 5 dalgacık
seviyesinin, işaretin yeniden oluşturulmasında yeterli olduğunu göstermiştir. Ayrıca
türbin titreşimine de dalgacık analizini uyguladıktan sonra Fourier analiziyle
karşılaştırarak üstünlüğünü göstermiştir.
Güç sistemlerindeki kısa dönemli olayları modellemede de dalgacık analizi
yaklaşımı kullanılmıştır. Bu kısa dönemli olaylar; anahtarlama sırasındaki geçici
durumlar ve gerilimdeki değişimlerdir. Bu konudaki çalışmada da [35] daha az sayıda
dalgacık katsayısıyla bu geçici işaretlerin yeniden oluşturulması yapılarak durağan
olmayan güç sistemi bozucularını, tam olarak yeniden oluşturmada dalgacıkların nasıl
kullanıldığı gösterilmiştir.
52
Güç sistemlerindeki bozucu olayları sınıflamak amacıyla dalgacık tabanlı yapay
sinir ağı ( YSA ) uygulamaları da yapılmıştır [36]. Burada dalgacıklar yapay sinir
ağından önce bir ön işlemci olarak kullanılmıştır. Güç kalitesine yönelik olarak
sınıflandırılan işaretler; yüksek frekanslı kapasitör anahtarlaması, alçak frekanslı
kapasitör anahtarlaması, hatasız dalga şekli, itme şeklinde geçici durum, gerilimin
yükselmesi ve düşmesi ve gerilimin aniden sıfıra düşmesi durmundaki işaretlerdir. Bu
durumlara ilişkin dalga şekilleri dalgacık dönüşümüyle 5 saniyede frekans alt bantına
ayrıştırıldıktan sonra bu seviyeler yapay sinir ağının eğitiminde kullanılmıştır. Çok
sayıda YSA kullanılarak dalgacık tanım bölgesinde dalga şekli tanınması yapılmıştır.
Bozucunun tipi hakkındaki karar YSA ların çıkışlarını birleştirerek bir karar verme
algoritmasıyla gerçekleştirilmiştir.
Ayrıca gerilimdeki değişik durumları çok çözünürlü dalgacık analiziyle alt
bantlara ayırarak farklı seviyelerin enerjisinin değişimi yoluyla da hata sıfırlandırıması
yapılmıştır [37].
Güç sistemi bozucularını analiz etmede dalgacık analizi ve YSA kullanımını
içeren önemli bir çalışma Borras [38] tarafından gerçekleştirilmiştir. Bu çalışmada
bozucular otmatik olarak tesbit edilmiş, işaretler sıkıştıtrılmış ve sınıflandırılmıştır.
Güç sistemindeki bilgi, detay katsayılarından elde edilmiştir. Daha sonra giriş işaretini
sıkıştıran ve bozucuyu (ani gerilim kesilmesi ve değişik karakterdeki gerilim
değişimleri olmak üzere toplam 8 tip geçici durum) sınıflayan bir parelel işleme,
dalgacık ayrıştırılmasıyla yapılmıştır.
Çok çözünürlü dalgacık analizi nükleer güç santrali işaretlerine de
uygulanmıştır. Bu uygulamaları ayrıntılı bir biçimde verip frekans uyumluluğu
(koherens) ile birleştiren bir çalışma Şeker, Türkcan ve diğerleri [39] tarafından
yapılmıştır.
Çok çözünürlü dalgacık analizinin elekrik motorları arıza tanısında kullanımıyla
ilgili yapılan çalışmalar ise aşağıdaki gibi özetlenebilir. Burada motor arızaları
elektriksel (akım işaretleri) ve mekanik olarak (rulmanlar, dişliler v.s. ) iki ayrı tipte
ele alınmıştır.
Dowling [40], dalgacık dönüşümü gibi durağan olmayan işaret işleme
tekniklerinin makina durum izleme ve hata tanısında kullanılma potansiyelinin
olduğunu göstermiştir.
Motorun yol alma sırasındaki akım işaretine uygulanan zaman- frekans analizi
tekniği vasıtasıyla sağlıklı ve bozuk makinanın ayırt edilebilme özelliği ise Burnett ve
53
diğerleri [41] tarafından verilmiştir. Ayrıca Burnett ve Watson [42] kalkıştaki akımın
anlizinin motor sağlığı hakkında bilgi verdiğini ve rotor hatalarını motoru tam yükte
işletme gereği olmadan da tanıyabileceğini göstermiştir. Kalkış sırasında motor
hızlandığı için kayma değeri sabit değildir. Bu yüzden hata frekansı bileşenleri
durağan değildir. Kırık rotor çubuklarının ürettiği hata frekans bileşenleri şebeke
frekansı etrafındaki alt yan bantlardır. Şebeke frekansı etrafında soldaki yan bant
frekanslarını izlemenin hata tanılama amacı için yeterli bilgiyi verdiği gösterilmiştir.
Rotor kafesinde 10 adet kırık rotor çubuğu bulunan boşta çalışan motorun kalkıştaki
akım işaretinin zaman- frekans gösterimi dalgacık ayrıştırması tekniği ile elde
edilmiştir. Motor sürekli durumdaki hızına erişirken durağan olmayan hata bileşenleri
izlenerek başlamakta olan kırık rotor çubuğu tesbit edilmiştir.
Daha ayrıntılı bir çalışma olarak, stator sargı hatalarını belirlemek amacıyla,
dalgacık dönüşümü hata indisini hesaplamak için kullanılmıştır [43]. Bu indis belirli
bir seviyedeki işarette bulunan enerji miktarı olarak ifade edilebilir. Hata indisini
kullanarak vektör kontrollü asenkron motorun ölçülen işaretlerinin (akım ve gerilim)
enerji dağılımı yolu ile motorun sağlığı belirlenmiştir. Bu çalışmada vektör kontrollu
asenkron motorun modeli üzerinde bilgisayar simülasyonu ile çeşitli stator hataları bir
fazdaki stator endüktansının farklı olanlarda değiştirilmesiyle oluşturulmuştur.
Wank ve diğerleri [44] ise darbe genişlik modülasyonuyla kontrol edilen
asenkron motorda yalıtım hatasını tesbit etmek için dalgacık dönüşümünü
uygulamıştır. Darbe genişlik modülasyonlu sürücüler yüksek frekans bileşenli dalga
şekilleri üretir. Bu anlamda yüksek frekans bileşenleri, yalıtım sağlığını yansıtan ani
değişiklikleri izlemede kullanılmıştır.
Asenkron motorda mekanik hataları simülasyonla oluşturarak stator akımından
hata özelliğinin çıkartılması Ye ve Wu [45] tarafından gerçekleştirilmiştir. Bu
çalışmada kırık rotor çubuklu üç fazlı asenkron motor modelleri sargı fonksiyonu
yöntemiyle geliştirilmiştir.
Normal ve bozuk durumdaki asenkron motorun kalkışitaki stator akımının
dalgacık paket ayrıştırmasına dayanan özellik çıkarımı için yeni özellik katsayıları
önerilmiştir ve farklı yüklerde farklı hata durumları için bu yeni özellik katsayılarının
normal durumdakinden belirli genişlik ve düğümlerde belirgin farklılıkları yansıttığı
gösterilmiştir. Bu çalışma asenkron motorda mekanik hataları çevrim-içi tanılamak
amacıyla dalgacık paket ayrıştırması ve YSA kullanımıyla da genişletilmiştir [46].
Burada özellik katsayıları, detay katsayılarının etkin değeri kullanılarak
54
tanımlanmıştır. Hava aralığı eksensel bozukluğu için de özellik katsayıları vektörü
oluşturulmuştur.
Motor korumasına yönelik olarak da rotor çubuklarındaki kırılmaları
tanılayabilmek amacıyla statör akımının, Gauss dalgacığı kullanılarak dalgacık analizi
yapılmış ve spektrumdaki yan bantlar ile kırık rotor çubukları belirlenmiştir [47].
Ayrıca üç fazlı asenkron motorda kırık rotor çubuklarına ilişkin hata tanısı
akımın türevine çok çözünürlü dalgacık analizi uygulanarak da yapılmıştır [48]. Bu
yöntemle farklı sayıda (1,2 ve 3) kırık motor çubuğu ve normal durum için dalgacık
analizi yapılarak dalgacık katsayıları hesaplanmış ve en yüksek frekans alt bantında
kırık rotor çubuğu sayısına göre bir artış gözlenmiştir. Abbaszadeh ve arkadaşları [49]
ise kırık rotor çubuğu hata tespitini, stator akım işaretlerini dalgacık katsayılarına
ayrıştırarak yapmıştır. Deneysel sonuçlar saglam, rotorunda 2, 3, 4, 5 adet kırık rotor
çubuğu olan makinalar için verilmiştir. Hatalı durumda sağlam durumdaki dalgacık
katsayılarındaki sapma rotor kafesindeki kırık çubukların sayısını gösterir. Burada
işaret alt bantlara ayrıldıktan sonra farklı seviyelerdeki enerjinin değişimi yoluyla
kırık rotor çubuğu hata tanısı yapılmıştır.
Elektrik motorlarındaki mekanik hatalara yönelik arıza çalışmaları ise özellikle
rulman arızaları üzerine yoğunlaşmıştır. Bilyeli rulmanlarda yorulmadan dolayı oluşan
temas yüzeyindeki çatlamaları belirlemek için ayrık dalgacık dönüşümü titreşim
işaretlerine uygulanarak, çok çözünürlü dalgacık analiziyle ayrıştırılan titreşim
işaretlerinin dalgacık katsayılarındaki değişim ile hata tanısı Mori [50] tarafından
verilmiştir.
Li ve Ma [51] ise rulman bilyelerinin bir hatayı geçişi sırasında oluşturduğu
tekrarlı periyodik itmelerin analizi için dalgacık dönüşümünü kullanmıştır. Sağlam
rulman, dış bileziği hatalı rulman ve bilye hatalı rulmanı olan doğru akım motorunun
titreşim işaretlerinin dalgacık analizi yapılarak bu hataların tanısı yapılmış ve dalgacık
dönüşümünün yararı Kısa zaman Fourier dönüşümüyle karşılaştırılmıştır.
Staszewski [52], dış bileziği hatalı olan bilyeli rulman titreşim verisine dalgacık
analizini uygulamış ve düşük frekans bölgesindeki spektrum ile fouruer analizinden
elde edilen spektrumu karşılaştırmıştır. Sonuçta dalgacık tabanlı spektrumun yalnızca
dış bilezik hatasını göstermesi değil ayrıca mil dengesizlik hatasını da gösterdiği
belirlenmiştir. Rulman hataları için farklı seviyelerde dalgacık katsayılarının
varyansının değişimi gösterilmiştir. Ayrıca dişli titreşiminin dalgacık ayrıştırması
55
yapılmıştır. Dalgacık tabanlı sıkıştırma hatalı örüntüyü tanılama amacıyla
kullanılmıştır.
Paya ve arkadaşları [53] da elektrik motorlarında dişli ve rulman hata tanısında
dalgacık analizini kullanmıştır. Bu hataların önce tek tek analizi, sonra birden fazla
hatanın bir arada olması durumundaki analizi yapılmıştır. Burada zaman tanım
bölgesindeki titreşim işaretleri dalgacık dönüşümüyle ön işlemden geçirildikten sonra
YSA’nın hata tesbiti ve hatanın tipini tanımlamak amacıyla uygulanmıştır. Başkabir
çalışmada ise dişlilerdeki hata tanısı dalgacık dönüşümü ve YSA tabanlı bir algoritma
ile yapılmıştır [54]. Bu çalışmada dişlilerdeki hataları sınıflandırmak için titreşim
işaretine çok çözünürlü dalgacık analizi uygulanarak en iyi dalgacık seviyesi dalgacık
katsayılarının etkin değerini hesaplanarak belirlenmiştir. Farklı seviyelerin hangi tip
dişli hatalarını belirlemede uygun olduğu, hatasız işarete bakılarak belirlenmiştir.
Açısal olarak dişli dönüşü, dalgacık seviyesi ve etkin değer olarak dalgacık genlikleri
üç boyutlu olarak çizilmiştir. Bu, YSA ile birleştirilerek özellik çıkarımı amaçlı
kullanılmıştır.
Eren ve Devaney [55] ise asenkron motorun kalkıştaki akımını dalgacık
dönüşümü yoluyla analiz ederek rulman hatalarını belirlemiştir. Burada, rulmandaki
hata öncesi ve hata sonrası koşullarındaki frekans alt bantları, motor çalışmaya
başlarken rulman / makina rezonans frekanslarının etkisini tanımlamak için
karşılaştırılmıştır. Rulman hatası dış bilezik üzerine delik açılarak oluşturulmuştur.
Verinin eşit uzunluktaki farklı bölümleri için dalgacık seviyelerine ayrıştırılan
işaretlerin etkin değerleri hesaplanarak başlamakta olan rulman hatası belirlenmiştir.
Ayrıca birçok çalışmada çok çözünürlü dalgacık analizi, asenkron motor arıza
tanısında rulman arızasının özelliğini çıkartmak amacıyla kullanılmıştır. Bu analiz
sonucu rulman arızasını gösteren en baskın frekans bantları belirlenmiştir. Ayrıca
dalgacık analizinin motor akım işaretlerine uygulanmasıyla motor dengesizliği
durumundaki arıza frekansını belirlemede dalgacık analizinin kuvvetlendirme yaptığı
belirlenmiştir.
56
XII BÖLÜM IV
XII.1. GİRİŞ
57
XII.2. ÖRNEK SİSTEM 1
Şekil IV.1’deki devre ideal şartlarda 120 Volt 60Hz tek fazlı gerilim
kaynağından beslenen 200 Watt gücünde 0.85 geri güç faktörüne sahiptir.0.50
ohm’luk direnç ve 1mH’lik indüktansa sahiptir. Devre bir anahtarla kondansatöre
bağlanarak güç faktörü 0.95 (geri) değerine getirilmiştir [56]. Bu devreye ait ATP
devre şemasını Bilgisayar benzeşimi ile modellenerek kaynak akım ve geriliminin,
kapasitör akım ve gerilim grafikleri incelenmiştir.
1 1
Q=P − 1 = 200 − 1 = 123.9VAr .
2
pf 0.85 2
P 200
S= ∠ cos −1 (pf ) = ∠ cos −1 (0.85) = 235∠31.8 o VA.
pf 0.85
~~ ~ S * 235∠ − 31.8 o
S = VI * , I = ~ * = = 1.958∠ − 31.8 o A
V 120∠0 o
P 200
I 2 rms R = P , R = 2
= = 52.2Ω ve
I rms 1.9582
Q 123.9 X 32.3
I 2 rms X = Q , X = = = 32.3Ω, L = = = 85.7mH
2
I rms 1.958 2
ω 2π (60)
değerlerini alır.
Güç faktörü düzenlendiğinde aşağıda hesaplanan kondansatör değeri bulunmuş
olunur.
1 1
Q=P − 1 = 200 − 1 = 65.7VAr .
2
pf 0.95 2
58
V 2 rms 2 2
1 1 1
Q= , X = V rms = 120 = 247Ω , X = ,C= = = 10.74 µF
X Q 58.2 ωC ωX 2π (60)( 247)
a) b)
59
ATP ile devre çözümünün program satırları aşağıda verilmiştir. Yapılan
benzeşim sonunda aşağıdaki grafikler elde edilmiş ve dalgacık çözümlemesi
yapılmıştır.
60
STARTER>XX0001(Type 4)
STARTER>XX0001(Type 4) STARTER>XX0007(Type 4) STARTER>XX0012(Type 4)
300
200
100
Voltage (V)
-100
-200
70 80 90 100
Time (ms)
Electrotek Concepts® TOP, The Output Processor®
a)
b)
61
STARTER>XX0001-XX0002(Type 8)
STARTER>XX0001-XX0002(Type 8) STARTER>XX0003-XX0007(Type 8)
STARTER>XX0009-XX0011(Type 8)
20
15
10
Magnitude (Mag)
-5
-10
70 80 90 100
Time (ms)
Electrotek Concepts® TOP, The Output Processor®
Yük akımı kırmızı renkle, kaynak akımı siyah renkle kapasitör akımı ise mavi
renkle gösterilmiştir. Kaynak ve yük akımı kondansatör anahtarlanmadan önce eşittir.
Daha sonra yük akımı değişmemiş ancak çok az miktarda azalmış ve ilerlemiştir.
Kondansatör akımı yaklaşık olarak yük akımından 120 derece ileridedir. Bu ilerilik
durumu Şekil IV.3 b’de açıkça görülmektedir.
62
Matlab’da analiz edilmiştir. Modellenen devreya ait diğer grafikler EK 6’da
verilmiştir.
63
olmamaktadır. Dalgacık analizin en önemli özelliği, bu tür sistemlerde arızanın
olduğu anlarda değişimin belirlenmesidir ve bu arızanın belirlenmesi açısından çok
önemlidir.
Şekil IV.10’da yine modelde arızanın oluştuğu an kalın bir çizgi ile
görülümektedir. Şekil IV.11 de ise Örnek modele ait sürekli Morlet dalgacığı analizi
yapılmıştır.
64
XII.3. ÖRNEK SİSTEM 2
Şekil IV.12’deki devre ideal şartlarda 624463,8 Volt 60Hz üç fazlı gerilim
kaynağından beslenecek şekilde modellenmiştir [56, 57]. Devrede bir iletim hattı
oluşturulmuş hattın değerleri şekil IV.13.b’de gösterilmiştir. Devre şekil IV.12 a’da
görüldüğü gibi gerilim kaynağı, kesici, bara ve toprak ayırıcısından oluşacak şekilde
modellenmiştir. Bu devreye ait ATP devre şemasını Bilgisayar benzeşimi ile
modellenerek kaynak akım ve gerilim grafikleri incelenmiştir.
a) b)
Şekil IV.12. a) Örnek Sistem 2’ye Ait ATP Modeli, b) Sistemin Programı
a) b)
65
Şekil IV.14. ATP Modelin BUS1A Noktasındaki Zaman-Gerilim Diyagramı
66
Gerilim(V)
Şekil IV.16. ATP Modelin X0016A Noktasındaki Diyagramı
67
Gerilim(V)
68
XIII BÖLÜM V
DEĞERLENDİRME VE ÖNERİLER
69
başarılı olmuştur. Gerçek zaman testleri daha büyük güçlü ve oldukça simetrik yapıda
bir generatörlerle yapılabilseydi daha da ayırt edici sonuçlar görülebilirdi.
Tezde önerilen koruma algoritması yazılımı kayan pencere şeklinde tam bir
periyotta alınmış ve dalgacık analizinin yanı sıra sürekli dalgacık analiziyle de
incelenmiştir.
Önerilen algoritma sınırsız süreli, sürekli olarak veri toplayabilmekte ve
bunları çok kısa bir süre içerisinde işleyebilmektedir. Bu çalışmaya paralel olarak
gerçek zamanda sürekli arıza testi yapan sistemde, belirli bir zaman aralığı içerisinde
farklı sürelerde aynı tip arıza meydana getirilerek, eklenen bir zamanlayıcı tümlev
alan devre yardımıyla arızanın büyüklüğüne ve etki süresine bağlı ve geri dönüşümlü
olarak gerçeğe en yakın bir koruma sistemi testi gerçeklenebilmiş olur. Benzer bir
düşünce ile sayısal koruma algoritması yine dalgacık tabanlı olan, gerçek zamanda bir
enerji sistemi modellemesi tasarlanabilir. Bu modellemede, generatör, transformatör,
iletim hattı ve değişik türde yükler yer alabilir. Sistem elemanlarında arıza
oluşturarak, arızanın kendisi ve donanımı oluşturan diğer yapılar üzerindeki etkisi
incelenebilir. Toplam sisteme yönelik dalgacık tabanlı bir sayısal koruma algoritması
tasarlanabilinir.
70
XIV KAYNAKLAR
71
[13] Kocaman, Ç.: “Dalgacık Tabanlı Transformatör Koruma Algoritması”,
Yüksek Lisans Tezi, On Dokuz Mayıs Üniversitesi Fen Bilimleri Enstitüsü,
Samsun,Türkiye, (2003).
[14] Arısoy, E.: ”Dalgacık Tabanlı Senkron Generatör Koruma Algoritması”, On
Dokuz Mayıs Üniversitesi, Fen Bilimleri Enstitüsü, Samsun, Türkiye, (2003).
[15] Meyer,Y.: “Wavelets Algorithms and Application”, Siam, Philadelphia,
U.S.A., (1993).
[16] Ertürk, S.: “Sayısal İşaret İşleme”, Birsen Yayınevi, İstanbul, Türkiye, (2004).
[17] Ayaz,E.: “Dalgacıklar ve Elektrik Mühendisliğindeki Uygulamaları”, İ.T.Ü.,
Fen Bilimleri Enstütüsü, İstanbul, Türkiye, (1997).
[18] Daubechies, I.: “Ten Lectures on Wavelets”, Siam, Pennsylvania, A.B.D.,
(1992).
[19] http://engineering.rowan.edu/~polikar/WAVELETS/WTtutorial.html, Polikar,
R., Fundamental Concepts & An Overview of the Wavelet Theory, (Erişim
Tarihi : Şubat (2005).
[20] Louis, A.K.; Maaβ, P.; Rieder, A.: “ Wavelets, Theory and Applications”,
John Wiley & Sons, Chichester, (1997).
[21] Graps, A: “IEEE Computational Science and Engineering, Summer”, Vol: 2,
Num:2, (1995).
[22] Eralp, F.Y.; “Mühendisler İçin Fourier Yöntemi İle Dalga Analizi”, Nur Ofset
Matbaası, İstanbul, Türkiye, (1985).
[23] İzmirlioğlu, I.; “Fourier Serileri Ve Laplace Dönüşümleri”, Marmara
Üniversitesi Matbaa Eğitimi Bölümü, İstanbul, Türkiye, (1990).
[24] Misiti, M.; Misiti, Y.; Oppenheim, G.: “Wavelet Toolbox For Use With
Matlab User’s Guide, 2nd ed.”, The MathWork Inc., (2000) 1.1-1.38.
[25] Kaplan, I.: “Applying the Haar Wavelet Transform to Time Series
Information”, http://www.bearcave.com/misl/misl_tech/wavelets/haar.html,
(Erişim Tarihi: Şubat 2005).
[26] Kayran, A.H.; Ekşioğlu, E.: “Sayısal İşaret İşleme”, Birsen Yayınevi, İstanbul,
Türkiye, (2004).
[27] Vıdakovic, B.; Müller, P.: “Wavelets For Kids”, Duke University,
(1999) 1-19.
[28] Ingle, V.K.; Proakis, J. G.: “Digital Signal Processing Using Matlab V.4”,
PWS Publishing Com., U.S.A., (1997).
72
[29] Valens, C.: “A Really Friendly Guide to Wavelets”, (1999) 1-18.
[30] Rao, R. M.; Bopardikar, A. S.: “Wavelets Transforms Introduction to Theory
and Applications”, Addison Wesley Longman, Massachusetts, (1998) 1-94.
[31] Chamberlain, N.,F.: “Introduction to Wavelets v1.7” , South Dakota School of
Mines and Technology , (2002).
[32] Galli, A.W.; Heydt, G.T.; Riberio, P.F.: “Exploring the Power Wavelet
Analysis”, IEEE Computer Application in Power, October,37-41, (1996).
[33] Robertson, DC.; Camps, O.I.; Riberio, P.F.: “Wavelet and Electromagnetic
Power Systems Transients”, IEEE Transactions on Power Delivery, 11, No:2,
(1996) 1050-1058.
[34] Wilkinson, W.A.; Cox, M.D.: “Discrete Wavelet Analysis of Power System
Transients”, IEEE Transactions on Power Systems, 11, No:4, (1996), 2038-
2044.
[35] Pillay, P.; Bhattacharjee, A.: “Application of Wavelets to Model Short-Term
Power System Disturbances”, IEEE Transactions on Power Systems, 11, No:4,
(1996) 2031-2037.
[36] Santoso, S.; Powers, E.J.; Hofman, P.; ”Power Quality Assesment Via Wavelet
transform Analysis”, IEEE Transactions on Power Delivery, 11, No:2, (1996)
924-930.
[37] Gaunda, A.M.; Salama, M.M.A; Sultan, M.R.; Chikkani, A.Y.: “Application
of Multiresolution Signal decomposition for Monitoring Short Duration
Variations in Dşstribution Systems”, IEEE Transactions on Power Delivery,
15, No:2, (2000) 478-485.
[38] Borras, D.; Castilla, M.; Moreno, N.; Montano, J.C.; “ Wavelet and Neural
Structure: A New Tool for Diagnostic of Power Systems Disturbances, IEEE
Transactions on Industry Applications”, 37, No:1, (2001) 184-190.
[39] Şeker, S.; Türkcan, E.; Upadhyaya, B.; Erbay, A.S.: “Application of Wavelet
Transform for Nuclear Power Plant Signal Analysis”, MARCOS, (1998).
[40] Dowling, M.J.: “Application of Nonstationary Analysis”, IEEE International
Conference on Acoustics, Speech and Signal Processing, 1 , (1993) 1-59-162.
[41] Burnett, R.; Watson, J.F.; Elder, S.: “The Application of Modern Signal
Processing techniques to Rotor fault detection and Location within Three
Phase Induction Motors”, IEEE Instrumentation and measurement Technology
Conference, (1995) 426-431.
73
[42] Burnett, R.; Watson, J.F.: “The Current Analysis Program-A Software Tool for
Rotor Fault Detection in Three Phaze Induction Motors, Electrical Machines
and Drives ”, 11-13 September Confernce Publication, No:412, (1995) 156-
160.
[43] Chen, Chao- Ming; Loparo, K.A.: “Electric fault Detection for Vector
Controlled Induction Motors using the Discrete Wavelet Transform”,
Proceeding of the Americen Control Conference, 6, (1998) 3297-3301.
[44] Wang, J.; Melnerly, S.; Haskew, T.; “Insulation Fault detection in a PWM
Controlled Induction Motors-Experimental Design and Preliminary Results”,
Proceeding of the Ninth Internetional Conference on Harmonics and Quality
of Power, 2, (2000) 487-492.
[45] Zhongming, Y.; Wu, B.: “Induction Motor Mechanical Fault Simulation and
Stator Current Signature Analysis”, International Conference on Power System
TechNology, PowerCon., 2, (2000) 789-794.
[46] Zhongming, Y.; Wu, B.; Zargari, N.: “Online Mechanical Fault Diagnosis of
Induction Motor by Wavelet Artificial Neural Network using Stator Current”,
26th Annual Conference of the IEEE, Industrial Electronic Society, 2, (2000)
1183-1188.
[47] Zhang, X.H., Cao, Y.N., Li, Y.L., “A New project for Motor Fault Detection
and Protection”, Develepments in Power System Protection, IEEE Conference
Publication, No:479, (2001) 145-148.
[48] Zhitong, C.; Hongping, C.; Guoguang, H.; Ritchie, E.:” Rotor Fault Diagnosis
of Induction Motor Based on Wavelet Reconstruction ”, ICEMS, 1, (2001)
374-377.
[49] Abbaszadeh, K.; Milimonfared, J.; Haji, M.; Toliyat, H.A.: “Broken Bar
Detection in Indiction Motor via Wavelet Transformation”, The 27th Annual
Conferencee of the IEEE Industrial electronics Society, 1, (2001) 95-99.
[50] Mori, K.et al.: “Prediction of Spalling on a Ball bearing by Applying the
Discrete Wavelet Transform to Vibration Signals”, Wear, 195, No:1-2 (1996)
162-168.
[51] Li, C.J.; Ma, J.:”Wavelet Decomposition of Vibrations for Detection Bearing-
Localized Defects”, NDT&E Internetional: Independet Nondestructive Testing
and Evaluation, 30, (1997) 143-149.
74
[52] Staszewski, W.J: “Structural and Mechanical Damage Detection Using
Wavellets”, the Shock and Vibration Digest, 30, No: 6, (1998) 457-472.
[53] Paya, B.A.; Esat, I.: “Artificial Neural Network Based Fault Diagnostics of
Rotating Machinery using Wavelet Transform as a Preprocessor”, Mechanic
Systems and Signal Processing, 11, No: 5, (1997) 751-765.
[54] Engin, Ş.; Gülez, K.; Badi, M.N.M.: “Advanced Signal Processing Techniques
for Fault Diagnostics”, A Review, Mathematical & Computational
Applications, 4, No: 2, (1999) 121-136.
[55] Eren, L.; Devaney, M.J.: “Motor Bearing Damage Detection vin Wavelet
Analysis of the Starting Current Transient”, IEEE Instrumentation and
Measurement Technology Conference, 3, (2001) 1797-1800.
[56] http://www.ece.utexas.edu/~grady/EE394J.FALL02.html, (Erişim Tarihi:
Haziran (2005).
[57] http://www.ece.mtu.edu/atp/ATPDraw/ATPDraw.html, (Erişim Tarihi:
Haziran (2005).
75
XV EKLER
76
EK 1
HARMONİK
Harmonikler, daha öncede belirtildiği gibi genel olarak nonlineer elemanlar ile
nonsinüsoidal kaynaklardan herhangi birisi veya bunların ikisinin sistemde
bulunmasından meydana gelirler. Sistemde bulunan bu elemanların etkisiyle akım ve
gerilim dalga biçimleri, periyodik olmakla birlikte temel sinüsoidal dalga ile frekans
ve genliği farklı diğer sinüsoidal dalgaların toplamından meydana gelmektedir. Temel
dalga dışındaki sinüsoidal dalgalara “harmonik” adı verilir. Harmonikli akım ve
gerilimin güç sistemlerinde bulunması sinüsoidal dalganın bozulması anlamına gelir.
Bozulan dalgalar nonsinüsoidal dalga olarak adlandırılır. Bu dalgalar, Fourier analizi
yardımıyla temel frekans ve diğer frekanslardaki bileşenler cinsinden ifade edilebilir.
Bu analiz ile nonsinüsoidal dalgalar, frekansları farklı sinüsoidal dalgaların toplamı
şeklinde matematiksel olarak yazılabilir. Bu sayede harmoniklerin analizi kolaylıkla
yapılabilir. Temel dalga, harmonikli dalgalar ve bunların bileşkesi olan toplam
dalgalar ile ilgili örnekler Şekil 1’ de gösterilmiştir.
(a) (b)
77
(c) (d)
(e)
Şekil 1:Temel Dalga İle 2., 3., 4., 5. Harmonikler Ve Bunların Bileşkesi Olan Toplam Dalgalar
(Yatay Eksen Zamanı, Düşey Eksen Genliği Göstermektedir)
78
EK 2
FOURİER ANALİZİ
x1 (t ) = cos(2π ⋅ 5 ⋅ t )
x 2 (t ) = cos(2π ⋅ 25 ⋅ t ) Genlik
x3 (t ) = cos(2π ⋅ 50 ⋅ t )
x1 (t ) F X 1 (ω )
x 2 (t ) F X 2 (ω )
x3 (t ) F X 3 (ω )
79
x 4 (t ) = cos(2π ⋅ 5 ⋅ t )
Genlik
+ cos(2π ⋅ 25 ⋅ t )
+ cos(2π ⋅ 50 ⋅ t )
⎧2 ⎫
⎪⎪ 5 , k = 0 ⎪⎪
bx ( k ) = ⎨ ⎬ olur.
⎪2 sin(k 2π ), k > 0⎪
⎪⎩ 5 ⎪⎭
J=1,5, 10, 25, 50 ve 100 için xj(t)’nin bir peryodunu çizdirilmiş olur.
80
b(1)=2/5;
b(2:101)=2*2*sin(k*2*pi/5)./(k*2*pi);
t=[-P/2:Delta:P/2];
x_J(1,:)=b(1)*cos(t*0*2*pi/P);
for J=2:101
x_J(J,:)=x_J(J-1,:)+b(J)*cos(t*(J-1)*2*pi/P);
end
subplot(2,3,1),plot(t,x_J(2,:));
subplot(2,3,2),plot(t,x_J(6,:));
subplot(2,3,3),plot(t,x_J(11,:));
subplot(2,3,4),plot(t,x_J(26,:));
subplot(2,3,5),plot(t,x_J(51,:));
subplot(2,3,6),plot(t,x_J(101,:));
Genlik
Zaman
Şekil 6: J=1, 5, 10, 25, 50 ve 100 için Fourier Grafiği
81
EK 3
DALGACIK ANALİZİ
% 02.06.2005 tarihinde dalgacık ve FFT
çalışmaları
clear all,clc
w=2*pi*50;
Fs=2000;
deltaT=1/Fs;
t=0:deltaT:0.06;
y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t);
plot(t,y),grid,xlabel('zaman'),ylabel('genlik')
figure
clear all,clc
w=2*pi*50;
Fs=2000;
deltaT=1/Fs;
t=0:deltaT:0.06;
y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t);
plot(t,y),grid,xlabel('zaman'),ylabel('genlik')
figure
% FFT alma işlemi
yw=abs(fft(y*2/length(y)));
bar(yw(1:length(y)/2)),grid
figure
% Dalgacık Tekniği
[ca,cd]=dwt(y,'db4');
subplot(2,1,1),plot(ca),grid
subplot(2,1,2),plot(cd),grid
Şekil 9: y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t) Denkleminin Dalgacık Analizi
82
clear all,clc
w=2*pi*50;
Fs=2000;
deltaT=1/Fs;
t=0:deltaT:0.06;
y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t);
plot(t,y),grid,xlabel('zaman'),ylabel('genlik')
figure
% FFT alma işlemi
yw=abs(fft(y*2/length(y)));
bar(yw(1:length(y)/2)),grid
figure
% Dalgacık Tekniği
s=[1 2 3 4 5 6 7 8 12 16 20 24 28 32];
c=cwt(y,s,'mexh','3Dglbabs','3dplot');
Şekil 9: y=0.5+sin(w*t)+0.2*sin(2*w*t)+0.1*sin(3*w*t) Denkleminin Mexh Analizi
83
>> a=0.1;
t=0:0.1:10;
f=exp(-a*t);
c1=cwt(f,a:5,'mexh','plot');
a=0.1;
t=0:0.1:10;
f=exp(-a*t);
c2=cwt(f,2:2:128,'mexh','plot');
a=0.11
t=0:0.1:10;
f=exp(-a*t);
c1=cwt(f,1:5,'mexh','plot');
c1=cwt(f,1:10,'mexh','plot');
84
a=0.11
t=0:0.1:10;
Katsayı
f=exp(-a*t);
c1=cwt(f,1:5,'mexh','plot');
c1=cwt(f,1:10,'mexh','plot');
figure
surf(c1);
Ölçek Zaman
clear;
>> t=0.001:0.001:1.024;
>> %impulse noise at time 200 and 800
>> noise=zeros(1,1024);
>> noise(200)=2*ones(1,1);
>> noise(800)=2*ones(1,1);
> z=sin(2*pi*100*t)+(2*pi*250*t)+2*noise;
>> s=[1 2 3 4 5 6 7 8 10 12 16 20 24 28 32];
>> c=cwt(z,s,'morl','3Dglbabs','3Dplot');
clear;
t=0.001:0.001:1.024;
%impulse noise at time 200 and 800
noise=zeros(1,1024);
noise(200)=2*ones(1,1);
noise(800)=2*ones(1,1);
z=sin(2*pi*100*t)+(2*pi*250*t)+2*noise;
s=[1 2 3 4 5 6 7 8 10 12 16 20 24 28 32];
c=cwt(z,s,'morl','3Dglbabs','3Dplot');
colormap('default');
Şekil 16: z=sin(2*pi*100*t)+(2*pi*250*t)+2*noise Denkleminin Morl ColormapSDA
85
EK 4
GERİLİM ÇÖKMESİ DALGACIK ANALİZİ
Şekilde Va, Vb, Vc gerilimlerine ait grafikler ATP/EMTP ile hazırlanmıştır.
Gerilimin kararsızlık anı Dalgacık analizi ile incelenmiştir.
86
Şekil 19: Gerilim Çökmesine Ait Dalgacık Analizi
Şekil 20: Gerilim Çökmesine Ait Dalgacık Analizi 5.Derece (Matlab Wavelet Toolbox)
87
Şekil 21: Gerilim Çökmesine Ait Dalgacık Analizi 5.Derece Va Diyagramı
Şekil 21: Gerilim Çökmesine Ait Ayrık ve Sürekli Dalgacık Analizi 5.Derece (Va)
88
EK 5
ARK FIRINI DENEYİNDE ÇEKİLEN AKIMIN DALGACIK ANALİZİ
89
Zaman (ms) Zaman (ms)
a) b)
Zaman (ms)
e)
Şekil 22:Ark Fırınına ait Ayrık Dalgacık Dönüşümü
90
Şekil 23:Ark Fırınına Ait Ayrık Dalgacık Dönüşümü (Wavelet Toolbox)
91
EK 6
ÖRNEK SİSTEM 1’E AİT ANALİZLER
a)
b)
c)
92
d)
e)
f)
Şekil 24: a, b, c, d, e, f noktalarına ait Zaman-Gerilim/Genlik Grafikleri
Şekil 24’de verilen noktalara ait olan zaman genlik ve zaman gerilim
diyagramları verilmiştir.
93
Şekil 25’de s noktalarına ait verilen sinyal d1, d2, d3, d4, d5 ve a5 parçalarına
ayrılmış ve s sinyalinin verilen sinyallerin toplamından meydana geldiği
gösterilmiştir. Grafikler MATLAB Wavelet Toolbox ile çizilmiştir.
Zaman (ms)
Şekil 25:Atp ile modellenen devrenin 5 Seviyedeki Dalgacık Çözümlemesi
94
Şekil 26’de verilen aynı s sinyali 9 alt seviyeye ayrılarak incelenmiştir. Burada 5
basamaktan oluşan ayrıma gore alt seviyelerdeki ayrıntılar daha net olarak
gözlemlenmektedir.
Zaman (ms)
Şekil 26:Atp/Emtp ile Modellenen Devrenin 9 Seviyedeki Dalgacık Çözümlemesi
95
Şekil 27: Modellenen Sinyalin Sürekli Dalgacık Çözümlemesi
96
EK 7
DAĞITIM SİSTEMİNE AİT DALGACIK ANALİZİ
Şekil 29’da verilen dağıtım sistemine ait olan modelin gerilm, empedans iletim
hattı değerleri Şekil 30’da gösterilmiştir.
a) b)
c) d)
Şekil 30: Dağıtım Sistemine Ait Modelin Empedans ve Hat Değerleri
97
a)
b)
c)
Şekil 31: Modellenen Sistemin Verilen Noltalardaki Zaman-Genlik Grafikleri
Şekil 28’de ATP/EMTP ile modellenen sisteme ait olan grafikler Şekil 31’de
gösterilmiştir.
98
Şekil 32’de Şekil 28’de ATP/EMTP ile modellenmiş olan sistem Top2000 V5
paket programına aktarılarak Şekil 31’deki grafikler elde edilmiş ardından Matlab
Wavelet Toolbox Paket programına aktarılmış ve burada Dalgacık çözümlemeleri
yapılmıştır. Şekil 32’de Dalgacık çözümlemesi yapılan sinyal 12 alt seviye ye
ayrılarak incelenmiştir.
99
XVI ÖZGEÇMİŞ