-
Notifications
You must be signed in to change notification settings - Fork 0
/
localizador.py
193 lines (140 loc) · 6.59 KB
/
localizador.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
import numpy as np
from loading_simulations import loading_variables
import scipy.interpolate as interpolate
import matplotlib.pyplot as plt
from fourier import fft
from scipy.optimize import curve_fit
# print(np.asarray(time).shape) Printa o shape só para salvar
##Constantes
#Cabo P-150
R = np.array([[0.000289873666666667, 5.88696666666666e-05, 5.88696666666666e-05],
[5.88696666666667e-05, 0.000289873666666667, 5.88696666666666e-05],
[5.88696666666667e-05, 5.88696666666666e-05, 0.000289873666666667]])
L = np.array([[2.57085278481072e-06, 1.82770795644935e-06, 1.82770795644935e-06],
[1.82770795644935e-06, 2.57085278481072e-06, 1.82770795644935e-06],
[1.82770795644935e-06, 1.82770795644935e-06, 2.57085278481072e-06]])
#Média dos Cabos
"""
R = np.array([[0.000699257333333333, 5.87893333333334e-05, 5.87893333333333e-05],
[5.87893333333333e-05, 0.000699257333333334, 5.87893333333333e-05],
[5.87893333333333e-05, 5.87893333333333e-05, 0.000699257333333333]])
L = np.array([[2.67788713662241e-06, 1.58358549440546e-06, 1.58358549440546e-06],
[1.58358549440546e-06, 2.67788713662241e-06, 1.58358549440546e-06],
[1.58358549440546e-06, 1.58358549440546e-06, 2.67788713662241e-06]])
"""
def calculo_derivadas(data, R, L):
#Inicializa vetores
dVdt = np.zeros((len(data['Va']), 3))
dV2dt = np.zeros((len(data['Va']), 3))
dIdt = np.zeros((len(data['Va']), 3))
# Passo de tempo
dt = data['time'][1] - data['time'][0]
#Calcula Derivadas
for i in range(1, len(data['Va']), 1):
# Primeira Derivada da Tensão
dVdt[i, 0] = (data['Va'][i] - data['Va'][i-1])/dt
dVdt[i, 1] = (data['Vb'][i] - data['Vb'][i-1])/dt
dVdt[i, 2] = (data['Vc'][i] - data['Vc'][i-1])/dt
# Segunda Derivada da Tensão
dV2dt[i, 0] = (dVdt[i, 0] - dVdt[i-1, 0])/dt
dV2dt[i, 1] = (dVdt[i, 1] - dVdt[i-1, 1])/dt
dV2dt[i, 2] = (dVdt[i, 2] - dVdt[i-1, 2])/dt
# Primeira Derivada da Corrente
dIdt[i, 0] = (data['Ia'][i] - data['Ia'][i-1])/dt
dIdt[i, 1] = (data['Ib'][i] - data['Ib'][i-1])/dt
dIdt[i, 2] = (data['Ic'][i] - data['Ic'][i-1])/dt
return dIdt
def calculo_queda_tensão(data, dIdt, R, L):
matriz_correntes = np.array([[data['Ia']], [data['Ib']], [data['Ic']]]).reshape(3, len(data['Va']))
H1 = ((R.dot(matriz_correntes)) + (L.dot(dIdt.T))).T
return H1
def indice_crossing_zero(H1, newtime):
registroP = []
registroN = []
ok = False
ciclo = 1/60/newtime[1] - newtime[0]
for i in range(2000002, 2050002, 1):
if (H1[i] < 0) and (H1[i + 1] > 0):
registroP.append(i)
ok = True
if (H1[i] > 0) and (H1[i + 1] < 0) and ok:
registroN.append(i)
return registroP, registroN
def pontos_otimizar(Vsub, registroP, registroN):
pontos = np.zeros((5, 2), dtype=np.int32)
pontos2 = np.zeros((5, 1), dtype=np.float32)
pontos[:, 0] = [registroP[0], registroN[0], registroP[1],registroN[1], registroP[2]]
pontos2[:, 0] = [Vsub[pontos[0, 0]], Vsub[pontos[1, 0]], Vsub[pontos[2, 0]], Vsub[pontos[3, 0]], Vsub[pontos[4, 0]]]
pontos[0, 1] = 1
pontos[1, 1] = pontos[1, 0] - pontos[0, 0] + pontos[0, 1]
pontos[2, 1] = pontos[2, 0] - pontos[1, 0] + pontos[1, 1]
pontos[3, 1] = pontos[3, 0] - pontos[2, 0] + pontos[2, 1]
pontos[4, 1] = pontos[4, 0] - pontos[3, 0] + pontos[3, 1]
xdata = pontos[:, 1]
ydata = pontos2[:, 0]
return xdata, ydata
def classificador(data, fase):
if fase == 1:
Ifalta = data['Ia']
Vfalta = data['Va']
elif fase == 2:
Ifalta = data['Ib']
Vfalta = data['Vb']
else:
Ifalta = data['Ic']
Vfalta = data['Vc']
return Vfalta
def signal_recomp(data):
Va_modulo, Va_fase = fft(data['Va'], data['time'], 60, 128)
Vb_modulo, Vb_fase = fft(data['Vb'], data['time'], 60, 128)
Vc_modulo, Vc_fase = fft(data['Vc'], data['time'], 60, 128)
Ia_modulo, Ia_fase = fft(data['Ia'], data['time'], 60, 128)
Ib_modulo, Ib_fase = fft(data['Ib'], data['time'], 60, 128)
Ic_modulo, Ic_fase = fft(data['Ic'], data['time'], 60, 128)
Va1H = np.zeros((len(Ia_modulo), 1))
Vb1H = np.zeros((len(Ia_modulo), 1))
Vc1H = np.zeros((len(Ia_modulo), 1))
Ia1H = np.zeros((len(Ia_modulo), 1))
Ib1H = np.zeros((len(Ia_modulo), 1))
Ic1H = np.zeros((len(Ia_modulo), 1))
for i in range(0, len(Ia_modulo), 1):
Va1H[i] = Va_modulo[i] * np.sin(2 * np.pi * 60 * data['time'][i] + Va_fase[i]*(np.pi/180))
Vb1H[i] = Vb_modulo[i] * np.sin(2 * np.pi * 60 * data['time'][i] + Vb_fase[i]*(np.pi/180))
Vc1H[i] = Vc_modulo[i] * np.sin(2 * np.pi * 60 * data['time'][i] + Vc_fase[i]*(np.pi/180))
Ia1H[i] = Ia_modulo[i] * np.sin(2 * np.pi * 60 * data['time'][i] + Ia_fase[i]*(np.pi/180))
Ib1H[i] = Ib_modulo[i] * np.sin(2 * np.pi * 60 * data['time'][i] + Ib_fase[i]*(np.pi/180))
Ic1H[i] = Ic_modulo[i] * np.sin(2 * np.pi * 60 * data['time'][i] + Ic_fase[i]*(np.pi/180))
data_1h = {'Va': Va1H, 'Vb': Vb1H, 'Vc': Vc1H,
'Ia': Ia1H, 'Ib': Ib1H, 'Ic': Ic1H,
'time': data['time'][128:, 0]}
return data_1h
def interpolacao(data, Vfalta, H1):
Vfalta = Vfalta[:, 0]
H1 = H1[:, 0]
new_x = np.arange(data['time'][0], data['time'][len(data['time'])-1], 1E-6)
H1_interpolado = interpolate.interp1d(data['time'], H1, kind='cubic')(new_x)
Vfalta_interpolado = interpolate.interp1d(data['time'], Vfalta, kind='cubic')(new_x)
return H1_interpolado, Vfalta_interpolado, new_x
def distancia_estimada(data, Vfalta, H1):
distancia = np.zeros((len(Vfalta), 1))
for i in range(0, len(Vfalta), 1):
distancia[i] = Vfalta[i]/H1[i]
if distancia[i] > 14000 or distancia[i] < 0:
distancia[i] = 0
return distancia
def func2(xdata, a, b):
return a*np.sin(np.pi*(xdata-b/8333.46406))
if __name__ == '__main__':
data = loading_variables(r'D:\Mairon\Algoritimo Localizador de Falta\Simulacoes_Python\SI_FAIResistencia_N5261_S0_FA_T1')
data_1h = signal_recomp(data)
dIdt = calculo_derivadas(data_1h, R, L)
H1 = calculo_queda_tensão(data_1h, dIdt, R, L)
Vsubfalta = classificador(data_1h, 1)
H1, Vsubfalta, new_time = interpolacao(data_1h, Vsubfalta, H1)
plt.plot(H1)
plt.show()
indiceP, indiceN = indice_crossing_zero(H1, new_time)
xdata, ydata = pontos_otimizar(Vsubfalta, indiceP, indiceN)
popt, pcov = curve_fit(func2, xdata, ydata, bounds=([10335, 1407], [11000, 2000]), method='trf')
print(popt)
print(pcov)