Modeling of the impulsive noise in the power substation environment and its application to receiver design

Networks of Intelligent Electronic Devices (IEDs) can be deployed in existing substations by electricity providers, such as Hydro-Québec, in order to control and monitor power equipment remotely. Such applications are important tenets of the so-called Smart Grid. Wireless technologies can be used in these IED networks, however, the electromagnetic environment within substations is characterized by Radio Frequency (RF) noise that is significant enough to disturb existing wireless technologies. We study the RF environment of substations in the Industrial Scientific and Medical (ISM) band that contains most of wireless carrier frequencies: 780 MHz - 2.5 GHz. The main purpose of this thesis work is to design a wireless system that is robust against the substation RF noise. To reach such a goal, we must gather enough information about substation RF noise and we must design a noise model that can represent the substation environment; thereafter we are able to design a robust receiver that is adapted to substation noise. According to the literature and our previous experiments, substations RF noise is mainly composed of an AWGN background noise that is randomly "switched" to impulses with a damped oscillating waveform. One call this noise impulsive noise. In this thesis work, we have designed our own measurement setup to record sequences of impulsive noise samples in the ISM band of interest. The setup can measure substation impulsive noise, in wide band, with enough samples per time window and enough precision to perform a statistical study of the noise. During our measurement campaign, we have recorded around 120 noise sequences in different substations and for four ranges of equipment voltage, which are 25 kV, 230 kV, 315 kV and 735 kV. From the measurement campaign, we know all the characteristics of substation impulsive noise regarding the substation equipment voltage and we have provided representative parameters for the four voltage ranges and for several existing impulsive noise models. Substation impulsive noise is composed of correlated impulses, which requires models with memory in order to replicate a similar correlation. Among different models, we have configured a Partitioned Markov Chain (PMC) with 19 states (one state for the background noise and 18 states for the impulse); this Markov-Gaussian model is able to generate impulsive noise with correlated impulse samples. The correlation is observable on the impulse duration and the power spectrum of the impulses and our PMC model provides characteristics that are more similar to the characteristics of substation impulsive noise in comparison with other models in terms of time and frequency response, as well as PDFs. Although PMC represents reliably substation impulsive noise, the model remains complex in terms of parameter estimation due to a large number of Markov states. In order to simplify the model, we decrease the number of states to 7 by assigning one state to the background noise and 6 states to the impulse and we call this model PMC-6. We implement different noise models into a MAP receiver that uses the BCJR algorithm in the detector block to estimate the most probable transmitted symbol from a received sequence. We test the communication with a BPSK mapping and a LDPC code. In comparison with AWGN receivers and a MAP receiver using a two-state Markov chain, the PMC-6 model provides the most useful information for the MAP receiver to mitigate impulsive noise that is either generated by the PMC model or the impulsive noise from existing substations.Les réseaux de dispositifs électroniques intelligents (DEIs) peuvent être déployés par des fournisseurs d'électricité, tels qu'Hydro-Québec, dans des postes électriques existants afin de contrôler et de surveiller l'équipement de puissance à distance. De telles applications constituent une partie importante dans ce que l'on appelle le réseau électrique intelligent (Smart Grid). La technologie sans fil peut être utilisée dans de tels réseaux de DEI, cependant l'environnement électromagnétique à l'intérieur des postes est caractérisé par un bruit radio fréquence (RF) qui est suffisamment important pour perturber les communications sans fil actuelles. Afin de prendre en compte plusieurs technologies sans fil, nous étudions l'environnement RF des postes électriques dans la bande Industrielle Scientifique et Médicale (ISM), laquelle contient plusieurs fréquences porteuses : 780 MHz - 2.5 GHz. Le but principal de cette thèse est de concevoir un système sans fil qui soit robuste face au bruit RF des postes. Pour atteindre un tel objectif, nous devons rassembler suffisamment d'informations sur le bruit RF des postes et nous devons concevoir un modèle de bruit qui représente l'environnement des postes; par la suite, nous serons capables de concevoir un récepteur robuste qui soit adapté au bruit des postes électriques. Nous appelons ce bruit le bruit impulsif. Dans cette thèse, nous avons conçu notre propre montage de mesure pour enregistrer des séquences d'échantillons de bruit impulsif dans la bande ISM d'intérêt. Ce montage peut mesurer le bruit impulsif en poste électrique, en large bande, avec assez d'échantillons par fenêtre temporelle et assez de précision pour effectuer une analyse statistique du bruit. Pendant notre campagne de mesure, nous avons enregistré autour de 120 séquences de bruit dans différents postes et pour quatre niveaux de tension d'équipement : 25 kV, 230 kV, 315 kV et 735 kV. Grâce à cette campagne de mesure, nous connaissons les caractéristiques du bruit impulsif en poste électrique en fonction du niveau de tension de l'équipement. Nous avons de plus fournis des paramètres représentatifs pour les quatre niveaux de tensions et pour des modèles spécifiques de bruit impulsif. Le bruit impulsif en poste électrique est composé d'impulsions corrélées, ce qui nécessite des modèles avec mémoire afin de répliquer une corrélation similaire. Parmi différents modèles, nous avons configuré une chaine de Markov partitionnée (CMP) avec 19 états (un état pour le bruit de fond et 18 états pour les impulsions); ce modèle Markov-Gaussien est capable de générer un bruit impulsif avec des échantillons corrélés dans les impulsions. Cette corrélation peut être observée dans la durée d'impulsion et dans le spectre des impulsions; de plus, notre modèle CMP fournit des caractéristiques de bruit qui sont plus similaires aux caractéristiques de bruit mesuré en poste, en comparaison avec les autres modèles. Bien que le modèle CMP représente de façon fiable le bruit des postes, il reste complexe en termes d'estimation de paramètres à cause du nombre important d'états de Markov. Afin de simplifier ce modèle, nous diminuons le nombre d'états à 7 en assignant un état pour le bruit de fond et 6 états pour les impulsions. Nous appelons ce modèle CMP-6.Nous implémentons différents modèles de bruit dans un récepteur MAP qui utilise l'algorithme BCJR dans le décodeur afin d'estimer le symbole le plus probablement transmis à partir d'une séquence reçue. Nous testons la communication avec une modulation BPSK et un code LDPC. En comparaison avec les récepteurs AWGN et un récepteur MAP utilisant le modèle chaine de Markov à deux états, le modèle CMP-6 fournit plus d'informations utiles au récepteur pour atténuer le bruit impulsif, qu'il soit généré par le modèle CMP ou qu'il vienne d'un poste électrique