Calibration automatique d'un réseau de capteurs sans fil à effet Hall mesurant la consommation énergétique résidentielle

摘要

Un réseau de capteurs sans fil mesurant la consommation énergétique résidentielle de chacun des disjoncteurs du panneau d’alimentation principal d’une résidence est un outil très pratique pour un usager, mais un tel système peut s’avérer dispendieux. Afin de réduire le coût de ce produit, un réseau de capteurs à effet Hall est proposé en alternative aux traditionnels transformateurs de courants. Un système utilisant plusieurs capteurs à effet Hall est beaucoup moins coûteux et est plus facile d’installation grâce à son potentiel de miniaturisation. Par contre, la précision des mesures des capteurs à effet Hall n’est pas la même que celle des transformateurs de courants puisque sa sensibilité dépend de la proximité de celui-ci au fil qu’il mesure, ce qui cause alors des incertitudes au niveau du gain du capteur.ududCe mémoire contribue à l’amélioration de la précision des mesures prises par les capteurs à effet Hall en proposant deux algorithmes numériques afin de faire la calibration des capteurs. Le premier algorithme est l’algorithme des moindres carrés (LMS) qui est simple et peut calibrer les capteurs sans présence de diaphonie tandis que le second est l’analyse en composantes indépendantes rapide (FastICA) qui est un algorithme plus complexe, mais en mesure d’atténuer le problème de diaphonie lorsqu’il est présent.ududSuite à la présentation du système et de la théorie liée aux algorithmes, les résultats des simulations et des expérimentations sont présentés pour les deux algorithmes. Pour les résultats de simulation avec LMS, l’erreur moyenne du courant mesuré par capteur pour 3 à 30 capteurs sans diaphonie et avec bruit est de 0,53 ARMS. Pour ce qui est de la combinaison de FastICA et LMS, l’erreur moyenne du courant mesuré avec diaphonie et avec bruit est de 0,55 ARMS pour 3 capteurs allant jusqu’à 0,83 ARMS pour 30 capteurs. Deux types d’installations sont testés pour les résultats expérimentaux. L’algorithme LMS pour les tests sans diaphonie est en mesure de réduire l’erreur moyenne par capteur pour 3 capteurs à 0,47 ARMS pour l’installation 1 (cafetière, fusil à air chaud et purificateur d’air) et à 0,49 ARMS pour l’installation 2 (cafetière, fusil à air chaud et plinthes contrôlées par un thermostat électronique). Puisque les mesures d’un des appareils utilisés pour l’installation 1 sont très bruitées, la combinaison de FastICA et LMS pour les tests avec diaphonie a seulement réduit l’erreur moyenne par capteur pour 3 capteurs à 3,16 ARMS. Par contre, l’erreur est réduite à 0,85 ARMS pour l’installation 2.