1

UMA ABORDAGEM PRTICA SOBRE A ESTIMAO DE HARMNICOS VARIANTES NO

TEMPO UTILIZANDO ESTIMADORES RECURSIVOS
Otvio Ferreira Machado, Selnio Rocha Silva, Luis Antnio Aguirre
Universidade Federal de Minas Gerais - Departamento de Engenharia Eltrica
Avenida Antnio Carlos, 6627 Pampulha - Belo Horizonte Minas Gerais - Brasil
E-mails: otmachado@yahoo.com.br, selenios@cpdee.ufmg.br, aguirre@cpdee.ufmg.br
Abstract - This paper presents some practical issues of the application of linear recursive algorithms for tracking time varying
harmonics and interharmonics of noisy signals. The main contribution of this work is the analysis of the sample frequency effect
on the estimator tuning. The article is concluded presenting the estimator with the best performance tuned for a wide range of
operation.
Keywords - Harmonics, DFT, Least Squares, Forgetting Factor, Kalman Filter
Resumo Este trabalho tem por objetivo apresentar alguns aspectos prticos da aplicao de estimadores recursivos lineares
para o rastreamento de harmnicos e interharmnicos variantes no tempo de sinais contaminados por rudo branco. A principal
contribuio deste artigo anlise do efeito da freqncia de amostragem na sintonia dos estimadores. O trabalho concludo
com a apresentao do estimador com melhor performance sintonizado para uma ampla faixa de operao.
Palavras-chave Harmnicos, DFT, Mnimos Quadrados, Fator de Esquecimento, Filtro de Kalman.
1. Introduo
A deteco do contedo espectral dos sinais
de corrente e tenso parte fundamental dos
procedimentos de anlise da qualidade da energia
disponibilizada pelos sistemas eltricos, a qual deve
obedecer alguns limites estipulados por normas ([13],
[14], [15]).
O mtodo mais utilizado para a deteco de
componentes harmnicos em sinais discretos
Transformada Discreta de Fourier (DFT). Algumas
de suas deficincias, tais como a disperso do
espectro causada pela escolha inadequada do
intervalo de dados e a necessidade de estacionaridade
do sinal durante a janela de anlise ([1], [10]), tm
incentivado a busca por algoritmos com melhor
desempenho. As alternativas mais citadas pela
literatura so algoritmos recursivos, tais como as
Redes Neurais ([2]) e verses lineares e no-lineares
do Filtro de Kalman ([1], [3], [4], [7], [8], [9]).
Diversos aspectos prticos influenciam o
desempenho dos estimadores na estimao de
harmnicos. Dentre os principais, cita-se a escolha
do modelo, a sintonia do estimador, a relao sinal-
rudo, a freqncia de amostragem e a varincia
temporal dos coeficientes.
Neste trabalho apresentados os efeitos de
cada um desses aspectos no desempenho de
estimadores recursivos lineares. As comparaes
sero realizadas entre o estimador de mnimos
quadrados recursivo (MQR), o estimador MQR com
fator de esquecimento (MQR

) e o Filtro de Kalman
(KF). Espera-se, ao final do estudo, determinar o
algoritmo com melhor desempenho, bem como
especificar critrios para a sua sintonia.
2. Definio do problema
Seja x(k) um sinal discreto, descrito por uma
parcela determinstica, x
p
(k), representada pela soma
de termos senoidais, e uma parcela estocstica, e(k),
descrito conforme (1).

+ + =
+ =
i
i i 0 p
p
t k i k b t k i k a k a k x
k e k x k x
) sin( ) ( ) cos( ) ( ) ( ) (
) ( ) ( ) (

(1)
Deseja-se estimar, em cada instante k, os
coeficientes a
0
, ..., a
n
, b
1
, ..., b
n
a partir de um registro
de x(k) possivelmente contaminado por rudo.
Para isso, representa-se o problema como
x(k) =
k
T

k
+ (k), em que
k
T
o vetor de
regressores, que contm as informaes
determinsticas do modelo, e (k) o resduo no
instante k, que contm informaes no previstas
pelo vetor de regressores.
Postulando
k
T
conforme (2), o usurio
obter as estimativas dos coeficientes de x
p
(k) a partir
dos registros de x(k) no vetor de parmetros
k
.
[ ]
[ ] ) sin( ) sin( ) cos( t k n t k t k 1
b b a a
T
k
n 1 1 0
T
k

L
L
=
=
(2)
O sinal de teste x(t) utilizado para a validar
o rastreamento de harmnicos invariantes no tempo
apresentado em (3), onde (t) representa um rudo
branco de varincia . Para harmnicos variantes no
tempo, a validao realizada com os sinais de teste
x
w
(t) e x
v
(t), definidos conforme (4).
) ( sin cos
sin cos sin cos
sin cos sin cos ) (
t t 5 1 t 5 2
t 4 2 t 4 2 t 3 2 t 3 1
t 2 1 t 2 2 t 2 t 3 t x



+ + +
+ + +
+ + + =
(3)
{ }{ }
{ }{ }
{ }{ }
{ }{ }
{ }{ }
) , ( ) (
) . , ( ) (
) ( sin cos ) sin( .
sin cos ) sin( .
sin cos ) sin( .
sin cos ) sin( .
sin cos ) sin( . ) , (
Hz 10 f t x t x
Hz 5 2 f t x t x
t t 5 1 t 5 2 t 5 1 0 1
t 4 2 t 4 2 t 4 1 0 1
t 3 2 t 3 1 t 3 1 0 1
t 2 1 t 2 2 t 2 1 0 1
t 2 t 3 t 1 0 1 f t x
m f v
m f w
m
m
m
m
m m f
= =
= =
+ + + +
+ + + +
+ + +
+ + +
+ + + =





(4)

2
O teste de performance do estimador com
melhor desempenho ser realizado com o sinal x
u
(t).
Este sinal, conforme descrito por (5), apresenta
harmnicos e interharmnicos variantes no tempo de
baixa e alta freqncia, alm de ser contaminado por
rudo branco de varincia 0.01.
{ }{ }
{ } ( ) ( ) { }
{ } ( ) ( ) { }
{ } ( ) ( ) { }
{ } ( ) ( ) { }
s rad f 2 Hz 10 f
01 0 t
t t 25 35 0 t 25 1 t 5 2 0 1
t 2 23 5 1 t 2 23 7 0 t 4 2 0 1
t 75 7 05 0 t 75 7 1 0 t 3 2 0 1
t 3 5 35 0 t 3 5 2 0 t 2 2 0 1
t 1 t 1 t 2 0 1 t x
m m m
m
m
m
m
m u
/
. )) ( (
) ( sin . cos ) sin( .
. sin . . cos . ) sin( .
. sin . . cos . ) sin( .
. sin . . cos . ) sin( .
sin cos ) sin( . ) (







= =
=
+ + + +
+ + + +
+ + +
+ + +
+ + + =
(5)
3. Estimador recursivo de mnimos quadrados
O estimador recursivo de mnimos
quadrados (MQR) apresenta-se como soluo para
algumas deficincias apresentadas pela DFT. O sinal
estimado pelo MQR representado pela expresso
x(k) =
k
T

k
MQR
+ (k). As expresses para estimao
de
k
MQR
podem ser encontradas em [5], [11].
A fig. 1 mostra a estimativa obtida com o
MQR do coeficiente da parte senoidal do 5
harmnico (b
5
) do sinal x(t), para 0 0.1.
Se existirem componentes harmnicas do
sinal que no forem modeladas pelo estimador, elas
podero ser identificadas pela anlise dos resduos.
Nesse caso, a funo de autocorrelao (FAC)
apresentar uma caracterstica peridica, cujas
freqncias constituintes podem ser detectadas na
funo de densidade de potncia espectral (DPE).

Figura 1 Estimativa obtida com o MQR estimativa do
coeficiente b5 do sinal x(t) contaminado por rudo branco
4. Estimador recursivo de mnimos quadrados
com fator de esquecimento
A capacidade de rejeio de rudo dos
estimadores est relacionada sua deficincia em
rastrear variaes temporais nos parmetros. Por
objetivar maximizar a robustez ao rudo, o
desempenho do MQR insatisfatrio para rastrear
harmnicos variantes no tempo.
O algoritmo MQR com fator de
esquecimento (MQR

) flexibiliza a estimao das

variaes paramtricas, pois atribui pesos menores s
observaes passadas ([5],[11]).

Figura 2 Estimativas obtidas com o MQR (0.95<< 1.00) dos
parmetros do sinal x(t) sobreposto a rudo branco (=0.1)

Figura 3 Mdia amostral do vetor de erros de estimativa do
parmetro b5 em funo de

Figura 4 Estimativa do 3 harmnico do sinal x(t) utilizando o
MQR com regressores at o 3 harmnico (0.95<< 1.00)
Na fig. 2, mostram-se as estimativas do
coeficiente b
5
do sinal x(t), para = 0.1 e valores de
situados entre 0. 95 e 1. 00. Na fig. 3, mostram-se
as mdias amostrais de 100 realizaes da norma do
vetor de erros de estimativa desse parmetro, para
= 0.1 e = 0.01.
Verifica-se que, para um mesmo valor de ,
o aumento no valor de provoca uma reduo no

3
desemepenho do estimador, e, para um mesmo valor
de , o aumento no valor de melhora o seu
desempenho.
No caso da estimao utilizando o MQR

,
no haver convergncia se apenas parte do espectro
harmnico for modelada pelos regressores.
Na fig. 4 mostram-se as estimativas obtidas
da parte cossenoidal do 3 harmnico do sinal x(t)
contaminado por rudo branco de varincia 0.1.
Foram includos regressores somente at o 3
harmnico. Observa-se que a estimativa passa a
oscilar em torno do valore real do parmetro e que,
quanto menor o fator , maior a amplitude da
oscilao.
A capacidade mxima de rastreamento do
MQR

analisada com base no processamento dos

sinais x
w
(t) e x
v
(t). A anlise realizada com os sinais
no contaminados por rudo, para que o nico fator
causador da disparidade entre o valor estimado e o
valor real seja a prpria limitao do estimador.
Nas figs. 5 e 6, so mostradas as estimativas
da parte cossenoidal dos harmnicos de 1, 3 e 5
ordem dos sinais x
w
(t) e x
v
(t). Observa-se que, para
sinais no contaminados por rudo, no h grandes
diferenas de desempenho para uma ampla faixa de
valores de , exceto quando unitrio.

Figura 5 Estimativa obtidas com o MQR da parte cossenoidal
do 1, 3 e 5 harmnicos do sinal xw(t) no contaminado por rudo

Figura 6 Estimativa obtidas com o MQR da parte cossenoidal
do 1, 3 e 5 harmnicos do sinal xv(t) no contaminado por rudo
Atravs da fig. 6, comprova-se que a
rastreabilidade de variaes paramtricas em torno de
10 Hz tem desempenho degradado, mesmo estando o
sinal descontaminado por rudo. Assim, utiliza-se
este como o limite de rastreabilidade do MQR

para
estimaes at o 5 harmnico. Para sinais com
harmnicos de ordens mais elevadas, o desempenho
do MQR

mantido quando a relao entre a ordem

harmnica e a freqncia de variao do parmetro
for mantida.
A influncia da contaminao do sinal por
rudo branco analisada na fig. 7, onde so
mostradas, em funo de , as mdias de 20
realizaes da norma-2 do vetor de erros de
estimativa da parte senoidal do harmnico de 3
ordem dos sinais x
w
(t) e x
v
(t), para diversos valores
de varincia do rudo.

Figura 7 Erro de mdio das estimativas obtidas com o MQR do
parmetro b7 dos sinais xw(t) e xv(t) em funo de (0.00<<0.10)
Com base nas figs. 5 a 7, descreve-se o
comportamento do ponto de mxima eficincia do
MQR

:
Para uma mesma freqncia de variao dos
parmetros, quanto menor a relao
sinal/rudo, maior ser o valor de
timo
;
Pra sinais contendo rudo com a mesma
varincia, quanto maior a taxa de variao
dos parmetros, menor o valor de
timo
;
Se dois parmetros de ordens harmnicas
diferentes possurem a mesma amplitude e a
mesma taxa de variao, ento, o valor de

timo
da menor ordem harmnica ser
menor.
5. Filtro de Kalman
A identificao das variveis de estado de
um sistema discreto e linear nos parmetros, descrito
por (6), pode ser realizada recursivamente utilizando
as equaes do KF ([5], [6], [11]).

+ =
+ + =

k k k k
k k k 1 k k k
H z
w u B


(6)
As matrizes , B e H representam a parte
determinstica do modelo. As variveis w
k
e
k
so
denominadas rudo de processo e rudo de medio, e
representam a sua parte estocstica. A observao do

4
sistema em cada instante k, z
k
, obtida a partir do
vetor de estados
k
e das parcekas determinstica e
estocstica do modelo.
Representando-se o sinal (1) no formato do
sistema de equaes (6) permite-se que o seu
contudo harmnico seja estimado pelas equaes do
KF. Se as matrizes forem preenchidas conforme (7),
os parmetros de x
p
(k) podem ser lidos no vetor
k
a
partir dos registros z
k
.
[ ]
[ ] ) sin( ... ) sin( ) cos(
,
t k n t k t k 1 H
b b a a
0 B I
k
T
k n 1 1 0 k
k k

=
=
= =
L
(7)
Os parmetros de sintonia Q e R
representam as matrizes de covarincia dos rudos de
processo e medio, respectivamente. A sintonia
deve ser adequadamente escolhida de acordo com a
preciso da representao da dinmica do processo
pelas matrizes , B e H. Quanto maior for o rudo de
processo, menor ser a confiabilidade da medio, e
menor ser o peso da inovao. Quanto maior for
rudo de medio, maior ser a disperso do estado
estimado e, conseqentemente, menor ser a
confiabilidade da estimao e maior ser o peso da
inovao.
A busca de valores de Q e R que
maximizem o desempenho do KF pode ser
simplificada, pois esses parmetros causam efeitos
opostos na estimao. Prova-se que a multiplicao
deles por uma constante no afeta o resultado da
estimao. Portanto, a sintonia pode ser realizada
apenas utilizando a relao m = R/q, onde Q = qI
([7]).
Na fig. 8, so mostrados os erros de
estimativa do parmetro referente parte senoidal do
harmnico de 5 ordem do sinal x(t), em funo de m,
para 100 realizaes de rudo branco de varincia
(indicada na legenda). Na comparao com a fig. 3,
verifica-se que o comportamento do KF se aproxima
do MQR medida que m, isto , observa-se um
aumento da sua capacidade de rejeio ao rudo e o
desempenho no ponto de mxima rejeio tende ao
desempenho do MQR.

Figura 8 Anlise dos erros das estimativas obtidas pelo KF do
parmetro b5 do sinal x(t) em funo de m (0.01<<0.1)
A identificao de harmnicos utilizando o
KF tambm sofre problemas de convergncia quando
a modelagem do espectro harmnico do sinal
incompleta. A amplitude das oscilaes aumenta com
a diminuio do valor de m, e s h convergncia no
limite em que o KF quando m.
Em funo do aumento da complexidade da
modelagem do sistema, com a utilizao do KF
espera-se aumentar a capacidade de rastrear sinais
com harmnicos variantes no tempo. A identificao
de sinais com essa caracterstica tem melhor
desempenho para valores menores de m, mas
acompanhada da reduo da capacidade de rejeio a
rudos.
Analisa-se o desempenho do KF atravs da
estimao dos harmnicos dos sinais x
v
(t) e x
w
(t) no
contaminados por rudo, conforme figs. 9 e 10. Os
parmetros estimados so os mesmos apresentados
para o MQR

. Apesar do resultado um pouco melhor

em relao ao MQR

, tambm verificada uma

deteriorao no rastreamento de variaes superiores
a 10 Hz.

Figura 9 Estimativa obtidas com o KF da parte cossenoidal do
1, 3 e 5 harmnicos do sinal xw(t) ( = 0, 50 m 5000)

Figura 10 Estimativa obtidas com o KF da parte cossenoidal do
1, 3 e 5 harmnicos do sinal xv(t) ( = 0, 50 m 5000)
A identificao de sinais ruidosos com
harmnicos variantes no tempo completa o estudo de
sintonia do KF. Na fig. 11, so mostrados os erros
mdios das estimativas obtidas com o KF do
parmetro referente parte senoidal do 3 harmnico
desses sinais, para de 20 realizaes de rudo branco,

5
em funo do parmetro de sintonia m e da varincia
do rudo.
Para uma mesma taxa de variao do
parmetro, quanto menor a varincia do rudo, menor
o valor do ponto timo de sintonia do KF (m
timo
).
Para uma mesma varincia do rudo, quanto menor a
taxa de variao do parmetro, maior o valor de
m
timo
.

Figura 11 Erro de mdio das estimativas obtidas com o KF do
parmetro b7 dos sinais xw(t) e xv(t) em funo de (0.00<<0.10)
6. Freqncia de amostragem
Por no considerar informaes do tempo
contnuo, os desempenhos das estimaes utilizando
o MQR

e o KF so significativamente afetados pela

freqncia de amostragem (f
s
).
A sintonia desses estimadores garante o
desempenho especificado para um nico valor de f
s
.
Portanto, necessrio realizar uma converso no
parmetro de sintonia, caso o sinal em anlise seja
amostrado com outra freqncia.
Para o MQR

, quanto maior o nmero de

observaes por ciclo, menor ser o peso atribudo
primeira amostra do ciclo. Assim, o aumento da
freqncia de amostragem provoca efeitos idnticos
reduo do fator .
A equao de converso do MQR

obtida
a partir da considerao de que os valores observados
em um mesmo instante de tempo devem possuir os
mesmos pesos, independentemente do valor de f
s
.
Como os pesos so exponencialmente decrescentes,
obtm-se a equao exponencial (8).
2 s
1 s
f
f
1 2
,
,
= (8)
Para o KF, a equao de converso do
parmetro de sintonia para outra freqncia de
amostragem no facilmente deduzida como no caso
do MQR

, cujo parmetro possui significao fsica

muito bem definida. O parmetro m representa a
relao entre duas grandezas estatsticas que
modelam o comportamento dos rudos de processo e
medio, servindo como indicao qualitativa do
grau de confiabilidade dos dados observados. A
equao de converso (9) foi obtida
experimentalmente. Verifica-se que a a influncia da
freqncia de amostragem no KF
significativamente menos acentuada que no MQR

.
2
1 s
2 s
1 2
f
f
m m
|
|

\
|
=
,
,
(9)
7. Resultados
A eficcia do KF pode ser comprovada na
fig. 12, onde os harmnicos e interharmnicos
variantes no do sinal x
u
(t) - descrito por (5) -,
amostrado a 50 kHz, so estimados e filtrados por
um filtro tipo autoregressivo de 1 ordem, com
freqncia de corte de 100 Hz. O parmetro m,
sintonizado no valor de 500 para a freqncia de
amostragem de 6 kHz, foi transformado para a base
de 50 kHz, conforme (9).
8. Concluses
Neste trabalho, foram comparadas as
performances no rastreamento de harmnicos
variantes no tempo de estimadores recursivos
largamente utilizados em identificao de sistemas: o
estimador de Mnimos Quadrados, o estimador de
Mnimos Quadrados com fator de esquecimento e o
Filtro de Kalman. O comportamento dos estimadores
foi analisado para diversas contigncias, como a
presena de rudo branco nos sinais estimados, a
variao da freqncia de amostragem e a taxa de
variao dos parmetros.
Alguns aspectos so inerentes ao processo
de estimao de harmnicos, sendo independentes do
estimador aplicado. Dentre eles, cita-se:
A maior facilidade observada na estimao
no rastreamento de harmnicos de ordens
mais elevadas explicada pela menor
relao entre a freqncia de variao do
parmetro e a freqncia do prprio
harmnico. Portanto, limites de
rastreabilidade do estimador podem ser
especificados em funo da ordem
harmnica;
Harmnicos com amplitudes menores tm
pior desempenho de estimao;
A estimao de parmetros com variaes
lentas tm melhor desempenho.
Os resultados obtidos mostram que o KF
mais adequado para identificar o o contedo
harmnico de um sinal ao longo do tempo que o
MQR

, pois apresenta desempenho timo semelhante

e menor sensibilidade ao parmetro de sintonia. A
sintonia do parmetro m no valor de 500, para a
freqncia de amostragem 6 kHz, garante um
desempenho satisfatrio para estimaes de
parmetros com variaes de 0 a 10 Hz. Caso o sinal
seja amostrado com outra freqncia, deve-se

6
realizar a converso segundo (9) para que o
desempenho do estimador seja mantido.
As oscilaes de alta freqncia causadas
pelo rudo branco sugerem a adio de um filtro
passa-baixas nos sinais temporais dos harmnicos
identificados. Para que no haja atenuao das
variaes temporais dos harmnicos, a freqncia de
corte do filtro deve ser suficientemente maior que a
maior ordem inserida na matriz de regressores.

Figura 12 Estimao e filtragem dos harmnicos e interharmnicos do sinal xu(t) contaminado por rudo branco ( = 0.01)
7. Referncias
[1] Girgis, A. A., Chang, W. B., Makram, E. B., A
digital recursive measurement scheme for on-line
tracking of power system harmonics, IEEE, Vol. 6,
No. 3, July, 1991;
[2] Dash, P. K., Swain, D. P., Routray, A., Liew, A.
C., Harmonic estimation in a power system using
adaptative perceptrons, IEE Proceedings on
Generation, Transmission and Distribution, Vol. 143,
No. 6, November, 1996;
[3] Kennedy, K., Lightbody, G., Yacamini, R.,
Power System Harmonic Analysis using the
Kalman filter, IEEE Power Engineering Society
General Meeting, Vol. 2, 2003;
[4] Girgis, A. A., Hwang, T. L. D., Optimal
estimation of voltage phasors and frequency
deviation using linear and non-linear Kalman
filtering: theory and limitations, IEEE Transactions
on Power Apparatus and Systems, vol. PAS-103,
1984;
[5] Aguirre, L. A., Introduo identificao de
sistemas Tcnicas lineares e no-lineares aplicadas
a sistemas reais, editora UFMG, 2 edio, 2004;
[6] Penny, W. D., Roberts, S. J., Dynamic Linear
Models, Recursive Least Squares and Steepest
Descent Learning, Technical Report, 1998;
[7] Bittanti, S., Savaresi S. M., On the
parametrization and design of an extended Kalman
filter frequency tracker, IEEE transactions on
automatic control, vol. 45, no. 9, 2000;
[8] Bittanti, S., Savaresi S. M., Frequency tracking
via extended kalman filter: parameter design,
Proceedings of the American Control Conference,
2000;
[9] Yu, K. K. C., Watson, N. R., Arrillaga, J., An
Adaptive Kalman Filter for Dynamic Harmonic State
Estimation and Harmonic Injection Tracking, IEEE
Transactions on power delivery, vol. 20, n 2, 2005;
[10] Oppenheim, A. V, Schafer, R. W, Discrete-
time signal processing, 2
a
edio, Prentice Hall,
1989;
[11] Coelho, A. A. R., Coelho, L. S. C., Coelho
Identificao de Sistemas Dinmicos Lineares,
editora UFSC, 2004;
[12] Ljung, L. System Identification - Theory for
User, Prentice-Hall, 2 edio, 1999;
[13] Electromagnetic compatibility (EMC) - Part 3:
Limits Section 6: Assessment of emission limits for
distorting loads in MV and HV power systems, IEC
61000-3-6, Outubro, 1996;
[14] IEEE Recommended Practices and
Requirements for Harmonic Control in Electrical
Power Systems, IEEE Std 519-1992, Junho, 1992;
[15] Arrilaga, J., Power System Harmonics, John
Wiley & Sons, 3 edition, 2003.