Escolar Documentos
Profissional Documentos
Cultura Documentos
ISSN 0122-1701
25
ALGORITMO GENTICO MODIFICADO CHU-BEASLEY APLICADO A LA IDENTIFICACIN DE ERRORES EN LA ESTIMACIN DE ESTADO EN SISTEMAS ELCTRICOS
Error identification in power system state estimation using a modified chu-Beasley genetic algorithm
RESUMEN En este artculo se utiliza un algoritmo gentico modificado por Chu-Beasley para mejorar la estimacin del estado de un sistema elctrico de potencia. El algoritmo garantiza una poblacin diversa durante todo el proceso de convergencia. Esta poblacin, junto con una tcnica de estimacin clsica y combinada con la teora de punto de apalancamiento, permite obtener resultados de buena calidad. Los resultados reportados demuestran un mejor desempeo cuando estos son comparados con los obtenidos por un estimador de estado tradicional. PALABRAS CLAVES: Estimacin de estado, deteccin de errores iterativos y conformativos, optimizacin combinatorial, algoritmo gentico modificado Chu-Beasley. ABSTRACT A genetic algorithm modified by Chu-Beasley is used in this paper to improve a power system state estimation. The proposed algorithm guarantees a diversified population during the convergence time. The proposed technique is able to find a better solution when it is combined with classical estimation algorithms and the theory of leverage points. Numerical results show that a better estimation is achieved when they are compared with results obtained from a classical solution technique. KEYWORDS: State estimation, estimation of iterative errors. Chu-Beasley optimization algorithm, HUGO ANDRS RUIZ F. Ingeniero Electricista Profesor Catedrtico Facultad de Ingenieras Universidad Tecnolgica de Pereira hugor@ohm.utp.edu.co ELIANA MIRLEDY TORO O. Ingeniera Industrial, Ms.C. Profesor Catedrtico Facultad de Ingeniera Industrial Universidad Tecnolgica de Pereira elianam@utp.edu.co HAROLD SALAZAR ISAZA Ingeniero Electricista, Ph.D(C) Profesor Asistente Programa de Ingeniera Elctrica Universidad Tecnolgica de Pereira hsi@utp.edu.co
1. INTRODUCCIN Una gran cantidad de problemas que tienen inters en ciencia y tecnologa pueden modelarse como problemas de optimizacin Para resolver estos problemas, una alternativa consiste en disear algoritmos aproximados que encuentren soluciones de alta calidad en tiempos razonables. De entre todos los mtodos aproximados se destacan las metaheursticas por su eficiencia, efectividad y flexibilidad. Estos mtodos se han aplicado con xito a una gran variedad de problemas de optimizacin. Para el caso en estudio se aplicar el algoritmo gentico modificado de Chu-Beasley que es una tcnica de bsqueda basada en la teora de la evolucin de Darwin. Uno de estos problemas es el estimador de estado, el cual es un procedimiento matemtico que permite estimar el estado ms probable de operacin del sistema, por medio de datos recolectados de los medidores e informacin de los parmetros de los componentes de la red. Tiene por objetivo principal identificar y descartar las mediciones que presentan errores en su adquisicin. La informacin recolectada es utilizada por los centros de control de energa (CCE) para evaluar diferentes procedimientos
Fecha de Recepcin: 31 Mayo de 2007 Fecha de Aceptacin: 12 Julio de 2007
propios de la operacin del sistema elctrico de potencia (SEP), es decir, todo lo relacionado con la seguridad, control y operacin del sistema. En la estimacin de estado existen mediciones con presencia de errores iterativos y conformativos, los cuales alteran el funcionamiento adecuado de la metodologa clsica. Los errores iterativos afectan los residuos de otras medidas, generalmente las que se encuentran en su vecindad. La influencia de los errores iterativos puede ser negativa sobre las medidas no portadoras de errores. Los errores conformativos hacen que las medidas portadoras de error acten como mediciones sin presencia de error y provocan que los residuos normalizados tomen un valor alto en las medidas correctas que poseen correlacin con los valores errneos. El problema de identificacin de errores iterativos y conformativos ha sido tratado por diferentes autores. En la referencia [1] y [2], este problema es resuelto usando el mtodo Bsqueda Tab. En este artculo el problema de identificacin de errores iterativos y conformativos es resuelto usando una versin modificada del algoritmo gentico, denominado algoritmo de Chu-Beasley. El
26
algoritmo es verificado usando un sistema de prueba de la IEEE de 14 nodos, obteniendo resultados satisfactorios. Este articulo esta organizado de la siguiente manera. El problema de la estimacin de estado es presentado en la seccin 2. Seccin 3 explica el mtodo de solucin y el modelo matemtico, en la seccin 4 se presentan los resultados de la metodologa y en la seccin 5 se comentan las conclusiones y recomendaciones de acuerdo a los resultados obtenidos. 2. PROBLEMA DE ESTIMACIN DE ESTADO
( k +1)
(k )
, se obtiene en
(5)
En la estimacin de estado, se emplean diferentes procedimientos y pruebas estadsticas para el clculo de las variables de estado [3] y [4]. En el modelamiento de dicho problema, el error en las mediciones (e) se calcula como la diferencia entre la medicin especificada (z), tales como: potencia activa, potencia reactiva y magnitudes de voltaje, y la medicin calculada (h(x1,x2,,xn )), donde x representa las variables de estado del sistema, magnitud de voltaje (V) y ngulo de voltaje () descrito de la siguiente forma: e= error en la medicin. H= matriz Jacobiana que relaciona las mediciones y las variables de estado del sistema R= matriz de ponderaciones de las mediciones. G= matriz de ganancia.
e 1 = z 1 h1 ( x 1 , x 2 , , x n ) e n = z n h n ( x1 , x 2 , , x n )
Despus de que han sido estimadas las variables de estado del sistema en (4) , se requiere tener certeza acerca de la validez de los resultados obtenidos. Esto se logra a travs de pruebas estadsticas. Los errores estimados presentan una distribucin gaussiana, la teora estadstica demuestra que la funcin ) mostrada en (2) es representada por la f (x de grados de libertad k = ( nm 2 n 1) , equivale al grado de confianza, nm es igual a el nmero de mediciones y n es el nmero de variables de estado del sistema . Se aplica de la forma f ( x ) k2, , es decir, si la suma de todos los errores es mayor que el valor que arroja la prueba chi-cuadrado, indica presencia de datos anormales dentro de las mediciones. Con el fin de identificar la medida errada con mayor incidencia en el error global, detectado anteriormente, se lleva a cabo una segunda prueba estadstica. Para esta prueba se calculan los residuos normalizados rN para c/u de las mediciones, representadas por una distribucin de probabilidad t-student [5] con k grados de libertad. Esta prueba tiene la forma max rN tk , . ., lo cual indica que si el mximo residuo normalizado es mayor que el resultado del estadstico t, con k grados de libertad y un nivel de confianza alfa, identifica la medicin errnea. 2.2 CRITERIOS DE OBSERVABILIDAD PUNTOS DE APALANCAMIENTO Y distribucin chi-cuadrada [5] k2, donde k es el nmero
(1)
ej 2
( z1 h1( x1, , xn )) 2
2 1
+ +
( zn hn ( x1, , xn)) 2
(2)
n2
donde i representa el factor de ponderacin de la medicin i . Con el fin de minimizar el error, se deriva la ecuacin (2) respecto a las variables de estado e igualando a cero se obtiene:
(3)
Un concepto importante en el estimador de estado son las tcnicas de observabilidad [6], las cuales permiten determinar si con las mediciones existentes es posible calcular las variables de estado del sistema. Los puntos de apalancamiento son mediciones que influyen en los resultados del estimador de estado, modificando los valores estimados. Los puntos de apalancamiento evitan visualizar la presencia de datos
Para resolver (3) se requiere linealizar las ecuaciones alrededor de un punto de operacin ( x , , x ) usando expansin en series de Taylor. Despus de hacer el desarrollo del modelo descrito anteriormente y teniendo
(0) (0)
27
errneos en la iteracin, al presentar interaccin con otros datos. Este efecto de enmascaramiento produce residuos normalizados pequeos asociados con los datos errneos, lo cual hace que no sean detectables [2]. 2.3. MODELO MATEMTICO La funcin objetivo o funcin de evaluacin proporciona informacin acerca de la calidad de la configuracin que ha sido propuesta. Esta informacin permite establecer una comparacin entre configuraciones. La funcin objetivo utilizada para esta aplicacin est representada por la siguiente ecuacin:
poblacin se reemplaza sistemticamente un nico descendiente. Esta estrategia tiene como ventaja encontrar soluciones de alta calidad y garantizar diversidad en la poblacin a lo largo de las generaciones. 3.1 CODIFICACIN El algoritmo gentico permite implementar la codificacin con variables binarias, enteras o reales, esto depende de la naturaleza de las variables. En este caso especfico se adopt la codificacin binaria ya que representa satisfactoriamente el estado de las variables. En trminos del algoritmo gentico un cromosoma es un elemento de la poblacin que representa una posible solucin del problema. Los posibles estados de un medidor i se definen por una variable binaria que toma los siguientes valores:
(6)
nbad Nmero de mediciones consideradas errneas. Suma ponderada de los errores al cuadrado. f(x)
En la formulacin (6) se penaliza la funcin objetivo en caso de que la restriccin representada por el ndice sea violada, es decir, si la configuracin indica f(x) presencia de errores grandes. Adems, la restriccin de observabilidad se verifica aplicando la teora de puntos de apalancamiento. 3. MTODO DE SOLUCIN La deteccin de errores como problema combinatorio fue propuesta en [7] para el tratamiento de errores mltiples, iterativos y conformativos basado en la teora de decisin. En la estimacin de estado se presentan dificultades en la deteccin de medidas errneas debido a que la metodologa clsica interpreta algunas mediciones incorrectas como correctas, lo cual ocurre debido a la correlacin que se presenta entre ellas. Por esta razn se proponen metodologas de tipo combinatorial, tales como el algoritmo gentico de Chu-Beasley, a fin de modelar el problema de estimacin de estado como un problema de optimizacin. Este problema combinatorio permite establecer una serie de soluciones donde cada una representa una alternativa que puede contener mediciones correctas o combinaciones de correctas e incorrectas. El algoritmo Chu-Beasley es una versin modificada del algoritmo gentico bsico, la principal caracterstica consiste en mantener diversidad entre los cromosomas que conforman la poblacin durante todo el proceso. En cada generacin es reemplazado un solo cromosoma (alternativa) en la poblacin, siempre y cuando, cumpla con las condiciones de optimalidad y/o factibilidad establecidas. Dicho mecanismo busca que en cada ciclo generacional, la calidad de la solucin sea mejorada por optimalidad y/o factibilidad. Durante el proceso en la