Soutenance mémoire
Traitement et transmission des données
Une partie importante du système est le traitement et la transmission des mesures prises par les capteurs de courant. Cette section explique brièvement le traitement mathématique relié aux mesures autant par le capteur de courant que par l’UCT, ainsi que la fréquence à laquelle les mesures sont enregistrées et transmises vers l’UCT.
Fréquence d’enregistrement et de transmission des données par les capteurs
Plusieurs scénarios possibles de prises de mesures ont été considérés avant le choix final. Plus de détails sur chacun de ces scénarios sont disponibles dans Levasseur (2013). Le scénario final qui a été retenu est de sous échantillonner le signal à une fréquence de 3,08 Hz afin d’avoir un compromis entre l’économie de la pile et la détection des variations dans le courant. Le capteur de courant effectue une transmission des mesures par radiofréquence dès que 18 échantillons sont recueillis. L’UCT effectue l’équation (1.1) sur les 18 échantillons reçus et enregistre la valeur obtenue. Puisque la fréquence d’échantillonnage est de 3,08 Hz et qu’une mesure est enregistrée à tous les 18 échantillons, une mesure de courant RMS est obtenue toutes les 5,844 secondes. Afin de maximiser la durée de vie de la batterie de chaque capteur, la norme 802.15.4 (IEEE STANDARDS ASSOCIATION, 2003) est utilisée due à sa faible consommation d’énergie lors de transmissions sans fil.
Mise en contexte de la problématique
Plusieurs facteurs viennent affecter la précision des mesures des HES dans ce système, les plus importants sont le gain inconnu de chaque capteur ainsi que la diaphonie présente entre les HES.
Problème de gain des capteurs
Puisque la sensibilité des HES dépend de leur proximité par rapport au fil, ceci vient affecter le gain du capteur. Ce gain produit une différence entre la mesure réelle du courant et la mesure fournie par le capteur. La relation entre la mesure réelle et la mesure enregistrée par le capteur est donc représentée comme une relation entrée-sortie variant d’un capteur à un autre. Cette relation peut être linéaire ou non linéaire (Wang, 2009).
Comme mentionné dans Wang (2009), il existe trois raisons principales pour lesquelles les données mesurées ne correspondent pas toujours aux données réelles. Ces trois raisons sont la faible qualité des capteurs, la manipulation des capteurs lors de l’installation et le vieillissement des composants à l’intérieur de ceux-ci. Dans le cas du présent système, la raison principale est que les HES ont une précision limitée de par leur nature, car ils dépendent de la position du capteur par rapport au fil.
Problème de diaphonie entre les capteurs
Le second problème majeur affectant le système étudié est la diaphonie. Étant donné qu’un HES mesure tous les champs magnétiques traversant sa plaque conductrice, et puisque les HES sont très près les uns des autres lorsqu’ils sont installés dans un panneau de disjoncteurs, chacun des HES va aussi mesurer une partie du courant passant dans les fils voisins. Le blindage magnétique installé sur le boîtier de chaque capteur de courant réduit l’effet des champs magnétiques externes, mais ne les annule pas complètement.
Objectifs du mémoire et caractéristiques recherchées de l’algorithme
Plusieurs objectifs doivent être atteints dans ce mémoire afin de répondre à la problématique expliquée à la section 1.6. Par la suite, les spécifications attendues de l’algorithme sont mentionnées. Les objectifs du mémoire sont :
• faire la conception d’un algorithme de calibration automatique des capteurs afin de réduire l’imprécision des mesures ainsi que l’effet de la diaphonie;
• valider cet algorithme avec des signaux simulés dans Matlab®;
• valider l’algorithme expérimentalement à l’aide de vraies mesures. Le premier objectif consiste à concevoir un algorithme qui est en mesure de trouver le vecteur de gains inconnus des capteurs α de l’équation (1.2) afin de réduire l’erreur entre les valeurs réelles des courants et les valeurs mesurées par les capteurs. L’algorithme doit aussi être apte à réduire le problème de diaphonie. L’erreur à atteindre doit être < 1 ARMS, ce qui correspond à environ 120W pour une alimentation de 120V RMS. Cette précision est suffisante, considérant que le système vise avant tout à donner un portrait de la consommation afin d’aider l’usager à améliorer ses habitudes de consommation énergétique. Ce niveau de précision est suffisant afin d’identifier ce qui consomme le plus dans une maison.
Le second objectif consiste à faire la validation de cet algorithme dans l’environnement logiciel Matlab®. La simulation de l’algorithme LMS afin de déterminer les gains des capteurs est effectuée au chapitre 3 tandis que la simulation de la combinaison de FastICA et LMS afin de s’attaquer au problème de diaphonie .
Pour le dernier objectif, l’algorithme doit être validé expérimentalement afin de calibrer les mesures de vrais capteurs. La calibration des mesures expérimentales avec et sans diaphonie .
De plus, il est important que l’algorithme soit adaptatif et puisse corriger l’erreur en continu puisque le système de mesure de la consommation électrique restera en fonction pendant une longue période de temps.
L’algorithme développé doit être relativement simple, car il sera mis en œuvre dans un système embarqué (l’UCT) qui effectue déjà plusieurs tâches et ne doit pas être surchargé.
La convergence de l’algorithme n’a pas à être très rapide, car elle se fera au moment de l’installation du système et celui-ci sera en place pendant plusieurs années. Une convergence plus courte que 5 minutes est acceptable.
|
Table des matières
INTRODUCTION
CHAPITRE 1 DESCRIPTION DU SYSTÈME ET DE LA PROBLÉMATIQUE
1.1 Introduction
1.2 Survol du système mesurant la consommation énergétique résidentielle
1.3 Types de capteurs
1.3.1 Description du HES
1.3.2 Description du CT
1.4 Implémentation à l’intérieur de capteurs de courant
1.5 Traitement et transmission des données
1.5.1 Traitement des données effectué par les capteurs et l’UCT
1.5.2 Fréquence d’enregistrement et de transmission des données par les capteurs
1.6 Mise en contexte de la problématique
1.6.1 Problème de gain des capteurs
1.6.2 Problème de diaphonie entre les capteurs
1.7 Modélisation mathématique du système
1.8 Objectifs du mémoire et caractéristiques recherchées de l’algorithme
1.9 Solutions proposées
1.9.1 Solutions algorithme LMS
1.9.2 Solution FastICA combinée à l’algorithme LMS
1.10 Conclusion
CHAPITRE 2 REVUE DE LA LITTÉRATURE ET THÉORIE
2.1 Introduction
2.2 Revue de la littérature dans le domaine de la calibration de WSN
2.3 Théorie du LMS
2.3.1 Avantages et inconvénients de LMS
2.3.2 Algorithme du gradient
2.3.3 L’algorithme LMS
2.3.4 Choix de la grandeur du pas d’adaptation et convergence de LMS
2.4 Théorie de l’ICA
2.4.1 L’effet cocktail party
2.4.2 Modèle de base de l’ICA
2.4.3 Le blanchiment résout la moitié du problème d’ICA
2.4.4 Restrictions et ambiguïtés d’ICA
2.4.5 Indépendance, non-gaussianité et l’entropie négative
2.4.6 Avantages de l’algorithme FastICA
2.4.7 L’algorithme FastICA pour une composante
2.4.8 Estimation de plusieurs composantes indépendantes avec FastICA
2.5 Conclusion
CHAPITRE 3 SOLUTION UTILISANT L’ALGORITHME LMS POUR LA CALIBRATION DES CAPTEURS
3.1 Introduction
3.2 Retour sur la théorie de l’algorithme LMS
3.3 Résultats de simulation avec l’algorithme LMS
3.4 Résultats de simulation avec LMS sans diaphonie
3.4.1 Calibration de 3 capteurs avec LMS
3.4.2 Calibration de 30 capteurs avec LMS
3.5 Résultats de simulation avec LMS et diaphonie
3.5.1 Calibration de 3 capteurs avec LMS et diaphonie
3.6 Conclusion
CHAPITRE 4 SOLUTION UTILISANT L’ALGORITHME FASTICA POUR LA CALIBRATION DES CAPTEURS
4.1 Introduction
4.2 Modélisation du système en vue de l’utilisation de FastICA
4.3 Solutions proposées aux problèmes d’ambiguïté
4.4 Résultats de simulation avec l’algorithme FastICA
4.4.1 Calibration de 3 capteurs avec FastICA
4.4.2 Calibration de 30 capteurs avec FastICA
4.5 Conclusion
CHAPITRE 5 RÉSULTATS EXPÉRIMENTAUX
5.1 Introduction
5.2 Présentation du système pour les tests expérimentaux
5.2.1 Présentation des types d’installations
5.2.2 Précision des CTs et consommation des appareils
5.2.3 Tests pour mesurer le plancher de bruit des capteurs
5.3 Résultats des tests expérimentaux avec LMS
5.3.1 Résultats des tests avec l’installation 1 et LMS
5.3.2 Résultats des tests avec l’installation 2 et LMS
5.4 Résultats des tests expérimentaux avec FastICA
5.4.1 Résultats des tests avec l’installation 1 et FastICA
5.4.2 Résultats des tests avec l’installation 2 et FastICA
5.5 Conclusion
CONCLUSION
Télécharger le rapport complet
