Você está na página 1de 86

Universidade Federal de Juiz de Fora

Setor de Tecnologia
Faculdade de Engenharia
Programa de Ps-Graduao em Engenharia Eltrica

Modelagem de Carga em
Sistemas de Energia Eltrica:
Modelo Matemtico e sua
Validao com Testes de Campo

Marcelo Silva Neves

Juiz de Fora, MG - Brasil


Agosto de 2008

MODELAGEM DE CARGA EM SISTEMAS DE ENERGIA ELTRICA: MODELO


MATEMTICO E SUA VALIDAO COM TESTES DE CAMPO

Marcelo Silva Neves

DISSERTAO SUBMETIDA AO CORPO DOCENTE DA COORDENAO DO


PROGRAMA

DE

PS-GRADUAO

EM

ENGENHARIA

ELTRICA

DA

UNIVERSIDADE FEDERAL DE JUIZ DE FORA COMO PARTE DOS REQUISITOS


NECESSRIOS PARA A OBTENO DO GRAU DE MESTRE EM ENGENHARIA
ELTRICA.

Aprovada por:

Prof. Jos Luiz Rezende Pereira, Ph.D. - Orientador UFJF

Prof. Roberto de Souza Salgado, Ph.D. UFSC

Prof. Edimar Jos de Oliveira, D.Sc. UFJF

JUIZ DE FORA, MG - BRASIL


AGOSTO DE 2008

NEVES, MARCELO SILVA


Modelagem de Carga em Sistemas de Energia Eltrica: Modelo Matemtico e sua Validao com Testes de
Campo [Juiz de Fora] 2008
xiii, 71 p. 29,7 cm (UFJF, M.Eng., Engenharia Eltrica, 2008)
Dissertao Universidade Federal de Juiz de Fora
1 Modelagem de Carga
2 Estimao de Estados
3 Mtodo de Pontos Interiores

ii

Aos meus pais e irmos.

iii

Agradecimentos
Ao professor Jos Luiz Rezende Pereira pela orientao, dedicao e incentivo, demonstrados ao longo destes anos de trabalho.
Aos amigos de mestrado Eduardo Martins Viana, Jferson de Souza Costa e Rafael Santos Rocha pela excelente convivncia, cooperao e incentivo durante a realizao do curso de
ps-graduao.
A todos os amigos da Faculdade de Engenharia que direta ou indiretamente contriburam
para a realizao deste trabalho.
Ao LABSPOT Laboratrio de Sistemas de Potncia da Faculdade de Engenharia da
UFJF, pelo suporte tcnico.
Ao CNPq pelo apoio financeiro para o desenvolvimento deste trabalho.
Em especial agradeo a todos os meus amigos e familiares que demonstraram compreenso e incentivo durante toda a realizao do curso de ps-graduao.

iv

Resumo da Dissertao apresentada UFJF como parte dos requisitos necessrios para a obteno do grau de Mestre em Engenharia Eltrica (M.Eng.)

MODELAGEM DE CARGA EM SISTEMAS DE ENERGIA ELTRICA: MODELO


MATEMTICO E SUA VALIDAO COM TESTES DE CAMPO

Marcelo Silva Neves

Agosto / 2008
Orientador: Jos Luiz Rezende Pereira, Ph.D.

Programa: Engenharia Eltrica

Neste trabalho proposta uma nova metodologia para a modelagem esttica de carga em
Sistemas Eltricos de Potncia. A ferramenta proposta visa estimao dos parmetros dos
modelos exponencial e polinomial (ZIP) relativos s potncias ativa e reativa da carga com as
variaes estticas de tenso. Estes parmetros so determinados a partir da anlise de um
conjunto de medies de potncias realizadas sob variaes foradas e sustentadas de tenso, em
um determinado ponto de interesse do sistema. A estimao dos parmetros que compem a
carga realizada utilizando-se o mtodo dos mnimos quadrados ponderados de estimao
esttica de estados onde os pesos das medidas so considerados unitrios. Adicionalmente a
metodologia primal-dual de pontos interiores utilizada para a incluso das restries de
canalizao impostas pelos modelos da carga.
Para verificar a eficcia da metodologia, so realizados estudos a partir de dados de
medio obtidos de uma subestao de propriedade da CEMIG, obtendo-se os parmetros dos
modelos polinomial e exponencial.

Abstract of Dissertation presented to UFJF as a partial fulfillment of the requirements for degree
of Master of Engineering (M.Eng.)

ELECTRIC POWER SYSTEMS LOAD MODELING: A MATH MODEL AND ITS


VALIDATION WITH CASE STUDIES

Marcelo Silva Neves

August / 2008
Supervisor: Jos Luiz Rezende Pereira, Ph.D.

Department: Electrical Engineering

In this work a new methodology for static load modeling in electric power systems is
proposed. The proposed tool aims to make the estimation of the exponential and polynomial
(ZIP) load parameters related to active and reactive power as a function of static voltage
variations. Those parameters are determined from the analysis of a set of active and reactive
power measurements under forced variations of voltages at a given interest point of the electric
power system. The load composition parameters are determined using the minimum weighted
least square static state estimation technique having unit values for the measurement weights.
Additionally, the primal-dual interior point technique was used to solve the problem in order to
consider the inclusion of equality and inequality constraints imposed by the load model
parameters.
In order to very the effectiveness of the proposed methodology, various sets of data
measurements were obtained from a substation of the property of CEMIG and the load
composition parameters were estimated for both the polynomial and exponential models.

vi

Sumrio
Captulo I....................................................................................................................................................... 1
Introduo..................................................................................................................................................... 1
I.1 Consideraes Iniciais....................................................................................................................... 1
I.2 Reviso Bibliogrfica......................................................................................................................... 2
I.2.1 Modelagem de Carga ................................................................................................................. 2
I.2.2 Estimao de Estados ............................................................................................................... 5
I.3 Motivao da Dissertao ................................................................................................................ 8
I.4 Objetivo da Dissertao ................................................................................................................... 9
I.5 Publicaes Decorrentes da Dissertao ....................................................................................... 9
I.6 Estrutura da Dissertao .................................................................................................................. 9
Captulo II................................................................................................................................................... 11
Modelagem de Carga ................................................................................................................................. 11
II.1 Introduo....................................................................................................................................... 11
II.2 Mtodos de Modelagem de Carga ............................................................................................... 12
II.3 Modelos de Carga .......................................................................................................................... 13
Captulo III ................................................................................................................................................. 16
Metodologia Proposta ...............................................................................................................................16
III.1 Introduo ..................................................................................................................................... 16
III.2 Formulao do Problema............................................................................................................ 17
III.2.1 Modelo ZIP ........................................................................................................................... 17
III.2.2 Modelo Exponencial ............................................................................................................ 21
III.3 Algoritmo de Soluo .................................................................................................................. 22
III.4 Consideraes Finais.................................................................................................................... 24
Captulo IV ................................................................................................................................................. 25
Resultados ................................................................................................................................................... 25
IV.1 Introduo ..................................................................................................................................... 25
IV.2 Modelos de Carga da Barra 2...................................................................................................... 26
IV.3 Modelos de Carga da Barra 3...................................................................................................... 37
IV.4 Consideraes Finais.................................................................................................................... 45
Captulo V ................................................................................................................................................... 47
Concluses e Trabalhos Futuros ............................................................................................................. 47
V.1 Concluses ...................................................................................................................................... 47
V.2 Trabalhos Futuros.......................................................................................................................... 48
Apndice A ................................................................................................................................................. 50
Estimao de Estados ...............................................................................................................................50
A.1 Introduo....................................................................................................................................... 50
A.2 Probabilidade Mxima................................................................................................................... 51
vii

A.2.1 Funo Densidade de Probabilidade Gaussiana (Normal) .............................................. 52


A.2.2 Funo de Probabilidade....................................................................................................... 53
A.3 Formulao do Problema de Estimao Esttica de Estados ................................................. 54
A.3.1 Modelo das Medidas .............................................................................................................. 55
A.3.2 Clculo do Vetor de Estados ................................................................................................ 57
A.4 Anlise de Observabilidade .......................................................................................................... 58
A.5 Deteco e Identificao de Erros Grosseiros .......................................................................... 59
Apndice B.................................................................................................................................................. 61
Metodologia Primal-Dual de Pontos Interiores .................................................................................... 61
B.1 Introduo ....................................................................................................................................... 61
B.2 Mtodo de Pontos Interiores........................................................................................................ 61
B.3 Formulao do Problema de FPO............................................................................................... 62
B.4 Resoluo do Problema................................................................................................................. 64
B.5 Atualizao das Variveis .............................................................................................................. 66
B.6 Atualizao do Parmetro Barreira e do Gap ............................................................................ 67
B.7 Algoritmo de Soluo do MPI ..................................................................................................... 68

viii

Lista de Figuras
Figura III.1 Etapas do processo de modelagem de carga................................................................. 23
Figura IV.1 Diagrama simplificado da SE Juiz de Fora 2................................................................. 25
Figura IV.2 Variaes impostas de tenso e potncia ativa (Barra 2 13:00h). ........................... 27
Figura IV.3 Comparao da curva real de potncia ativa com as curvas dos modelos ZIP e
exponencial (Barra 2 13:00h). .............................................................................................................. 28
Figura IV.4 Grfico de disperso. Curva real de potncia ativa e curvas dos modelos ZIP e
exponencial (Barra 2 13:00h). ............................................................................................................... 29
Figura IV.5 Variaes impostas de tenso e potncia reativa (Barra 2 13:00h). ........................ 30
Figura IV.6 Comparao da curva real de potncia reativa com as curvas dos modelos ZIP e
exponencial (Barra 2 13:00h). ............................................................................................................... 31
Figura IV.7 Grfico de disperso. Curva real de potncia reativa e curvas dos modelos ZIP e
exponencial (Barra 2 13:00h). ............................................................................................................... 32
Figura IV.8 Variaes impostas de tenso e potncia ativa (Barra 2 17:00h). ........................... 33
Figura IV.9 Comparao da curva real de potncia ativa com as curvas dos modelos ZIP e
exponencial (Barra 2 17:00h). ............................................................................................................... 34
Figura IV.10 Grfico de disperso. Curva real de potncia ativa e curvas dos modelos ZIP e
exponencial (Barra 2 17:00h). ............................................................................................................... 34
Figura IV.11 Variaes impostas de tenso e potncia reativa (Barra 2 17:00h)....................... 35
Figura IV.12 Comparao da curva real de potncia reativa com as curvas dos modelos ZIP e
exponencial (Barra 2 17:00h). ............................................................................................................... 36
Figura IV.13 Grfico de disperso. Curva real de potncia reativa e curvas dos modelos ZIP e
exponencial (Barra 2 17:00h). ............................................................................................................... 36
Figura IV.14 Variaes impostas de tenso e potncia ativa (Barra 3 13:00h). ......................... 37
Figura IV.15 Comparao da curva real de potncia ativa com as curvas dos modelos ZIP e
exponencial (Barra 3 13:00h). ............................................................................................................... 38
Figura IV.16 Grfico de disperso. Curva real de potncia ativa e curvas dos modelos ZIP e
exponencial (Barra 3 13:00h). ............................................................................................................... 39
Figura IV.17 Variaes impostas de tenso e potncia reativa (Barra 3 13:00h)....................... 39
Figura IV.18 Comparao da curva real de potncia reativa com as curvas dos modelos ZIP e
exponencial (Barra 3 13:00h). ............................................................................................................... 40
Figura IV.19 Grfico de disperso. Curva real de potncia reativa e curvas dos modelos ZIP e
exponencial (Barra 3 13:00h). ............................................................................................................... 41
Figura IV.20 Variaes impostas de tenso e potncia ativa (Barra 3 17:00h). ......................... 41
Figura IV.21 Comparao da curva real de potncia ativa com as curvas dos modelos ZIP e
exponencial (Barra 3 17:00h). ............................................................................................................... 42
Figura IV.22 Grfico de disperso. Curva real de potncia ativa e curvas dos modelos ZIP e
exponencial (Barra 3 17:00h). ............................................................................................................... 43
ix

Figura IV.23 Variaes impostas de tenso e potncia reativa (Barra 3 17:00h)....................... 43


Figura IV.24 Comparao da curva real de potncia reativa com as curvas dos modelos ZIP e
exponencial (Barra 3 17:00h). ............................................................................................................... 44
Figura IV.25 Grfico de disperso. Curva real de potncia reativa e curvas dos modelos ZIP e
exponencial (Barra 3 17:00h). ............................................................................................................... 45
Figura A.1 Funo densidade de probabilidade Normal padro..................................................... 52
Figura A.2 Etapas do processo de estimao de estados.................................................................. 55
Figura A.3 Observabilidade em um sistema eltrico interconectado.............................................. 59
Figura B.1 Simplex x MPI. .................................................................................................................... 62

Lista de Tabelas
Tabela II.1 Valores tpicos dos parmetros de componentes de carga modelo exponencial. . 14
Tabela IV.1 Modelo ZIP da carga ativa (Barra 2 13:00h). ............................................................ 27
Tabela IV.2 Modelo exponencial da carga ativa (Barra 2 13:00h). .............................................. 28
Tabela IV.3 Modelo ZIP da carga reativa (Barra 2 13:00h).......................................................... 30
Tabela IV.4 Modelo exponencial da carga reativa (Barra 2 13:00h). ........................................... 31
Tabela IV.5 Modelo ZIP da carga ativa (Barra 2 17:00h). ............................................................ 33
Tabela IV.6 Modelo exponencial da carga ativa (Barra 2 17:00h). .............................................. 33
Tabela IV.7 Modelo ZIP da carga reativa (Barra 2 17:00h).......................................................... 35
Tabela IV.8 Modelo exponencial da carga reativa (Barra 2 17:00h). ........................................... 35
Tabela IV.9 Modelo ZIP da carga ativa (Barra 3 13:00h). ............................................................ 38
Tabela IV.10 Modelo exponencial da carga ativa (Barra 3 13:00h). ............................................ 38
Tabela IV.11 Modelo ZIP da carga reativa (Barra 3 13:00h)........................................................ 40
Tabela IV.12 Modelo exponencial da carga reativa (Barra 3 13:00h). ......................................... 40
Tabela IV.13 Modelo ZIP da carga ativa (Barra 3 17:00h). .......................................................... 42
Tabela IV.14 Modelo exponencial da carga ativa (Barra 3 17:00h). ............................................ 42
Tabela IV.15 Modelo ZIP da carga reativa (Barra 3 17:00h)........................................................ 44
Tabela IV.16 Modelo exponencial da carga reativa (Barra 3 17:00h). ......................................... 44
Tabela IV.17 Parmetros do modelo ZIP para as diferentes barras e horrios. ........................... 46
Tabela IV.18 Parmetros do modelo exponencial para as diferentes barras e horrios. ............. 46

xi

Lista de Smbolos e Abreviaturas


P ,Q

fator de sensibilidade da potncia ativa/reativa do modelo exponencial;

aP , aQ

parcela da carga ativa/reativa modelada como potncia constante;

bP , bQ

parcela da carga ativa/reativa modelada como corrente constante;

cP , cQ

parcela da carga ativa/reativa modelada como impedncia constante;

vetor de estados;

vetor de medidas;

vetor dos valores estimados para as medidas;

vetor de erros das medidas;

vetor dos resduos;

rN

vetor dos resduos normalizados;

matriz de covarincia dos resduos;

E{.}

operador valor esperado;

nmero de medidas;

nmero de variveis de estados;

nb

nmero de barras;

vetor das funes no lineares que relacionam x e z ;

matriz Jacobiana;

matriz de ganho;

xii

matriz de covarincia de e ;

desvio padro;

COS

Centro de Operao do Sistema;

ONS

Operador Nacional do Sistema;

SCADA

Supervisory Control and Data Acquisition.

xiii

Captulo I

Introduo
I.1 Consideraes Iniciais
A crescente dependncia das sociedades modernas em relao s diversas formas de energia e em particular energia eltrica, juntamente com o crescimento em dimenso e complexidade dos sistemas eltricos, faz surgir problemas associados qualidade e segurana dos servios prestados pelas companhias de eletricidade. Estes problemas, somados s limitaes de ordem financeira e necessidade de uma utilizao tima dos recursos existentes, tm obrigado as
companhias de energia eltrica a terem elevado cuidado na tomada de deciso durante as etapas
de planejamento e operao dos sistemas eltricos [1].
Os sistemas de energia eltrica so projetados para atender a demanda de energia de forma contnua, respeitando padres de qualidade (limites de tenso e freqncia) e segurana, assim
como restries econmicas e ambientais [2].
Para planejar e operar um sistema de energia eltrica de maneira econmica e segura de
fundamental importncia definir-se um modelo adequado para cada elemento do sistema. A correta modelagem dos componentes possibilita a operao do sistema com menores margens de
erro, melhor representao das restries de operao e melhor explorao de seus recursos.
Ao longo do tempo vrios estudos e pesquisas foram realizados com o propsito de aprimorar os modelos dos componentes do sistema (linhas de transmisso/distribuio, transformadores, geradores etc.), porm desde o incio a carga apresentou-se como o componente de
mais difcil modelagem. Apesar de se conhecer como cada elemento da carga se comporta indivi-

Captulo I - Introduo
dualmente, no se tem uma idia precisa da sua composio final, devido grande diversidade de
equipamentos que a compem de forma aleatria.
Observa-se que tarefas de anlise pr e ps-operacionais tais como estudos de planejamento, anlises de contingncia, reconfiguraes operativas de redes, anlise de eventos e tantos
outros que em determinado momento envolvam a avaliao do estado e tendncias da rede, so
claramente afetados pela questo da modelagem de suas cargas.
Assim, uma modelagem esttica de carga mais realista impacta positivamente os resultados e as anlises inerentes aos estudos de carregamento e estabilidade de tenso associados aos
estudos de planejamento da expanso, reconfigurao de redes, contingncias, diagnsticos e
planejamentos operativos e tantos outros que envolvam programas de anlise de redes eltricas,
tornando-os igualmente mais realistas e confiveis [3].
Duas abordagens tm sido usadas para a modelagem de carga. A primeira delas baseada
no conhecimento dos componentes individuais e o modelo obtido atravs da combinao de
modelos dos diferentes componentes da carga. A segunda abordagem no requer o conhecimento das caractersticas fsicas da carga. Esta se baseia em medidas obtidas da resposta da carga
quando a mesma submetida a distrbios e o modelo estimado usando-se mtodos de identificao de sistemas [4].

I.2 Reviso Bibliogrfica


Visando ampliar as informaes e conhecimentos sobre o tema e metodologias utilizadas
nesta dissertao, foram consultadas vrias referncias cujos principais aspectos so apresentados
nos subitens a seguir.

I.2.1 Modelagem de Carga


A atual estrutura do setor eltrico brasileiro impe que a operao do sistema seja feita de
forma a melhor explorar os recursos existentes ao menor preo possvel. Dentro desta viso,
torna-se necessrio um profundo conhecimento da operao, dos ajustes e do desempenho de
cada elemento do sistema [4].
A representao de cargas por injees constantes de potncia ativa e reativa nem sempre
corresponde ao comportamento real do sistema. Em algumas aplicaes do clculo do fluxo de
carga, como o caso dos programas de anlise de estabilidade transitria, a modelagem das car-

Captulo I - Introduo
gas tem efeito direto sobre os resultados: a modelagem por potncia constante , em geral, mais
crtica que a modelagem por impedncia constante. Neste tipo de aplicao, freqentemente so
observados casos estveis classificados como instveis, simplesmente porque no foram consideradas as variaes das cargas com a magnitude das tenses [5].
Com o intuito de aprimorar a representao atual das cargas, foram desenvolvidos, em
[4], equipamentos de medio especficos para colher dados do comportamento da carga, e uma
ferramenta computacional que viabiliza a anlise desses dados e a modelagem esttica e dinmica
da carga. So utilizadas as formulaes matemticas dos modelos de carga esttico polinomial
(ZIP) e dinmico australiano (LINEAR). Foram monitorados e armazenados dados de eventos
ocorridos em diferentes ramais de carga de oito subestaes do sistema eltrico brasileiro. Estes
dados foram ento divididos em dois grupos, sendo o primeiro utilizado para obter os modelos
de carga e o segundo conjunto usado para verificar a resposta fornecida de cada modelo obtido.
O artigo conclui ser o modelo LINEAR o que apresentou desempenho mais prximo dos dados
de medio, no entanto, a utilizao deste modelo ainda no possvel em alguns programas de
anlise de redes. importante ressaltar que o artigo no deixa claro qual foi a ferramenta computacional desenvolvida para a obteno dos modelos da carga, apenas apresenta as formulaes
bsicas dos modelos ZIP e LINEAR.
A referncia [6] descreve uma seqncia de ensaios, manobras operativas e simulaes realizadas em subestaes distribuidoras da LIGHT com o objetivo de modelar a representao da
carga a ser considerada em estudos de estabilidade dinmica. Cada um dos ensaios em subestaes foi reproduzido em simulao dinmica no programa ANATEM para a obteno da modelagem ZIP + Motores de Induo. Para a participao dos motores de induo dentro da carga
total de cada classe de consumo, foi considerado um percentual que varia entre 50% e 70% da
carga total de cada subestao. O restante da carga foi modelado como impedncia constante
tanto para a parte ativa quanto para a parte reativa. O autor ressalta tambm o aumento da participao dos motores de induo na classe residencial.
A referncia [7] avalia o impacto de uma modelagem mais acurada para a representao
dos dispositivos lentos e discretos de controle de tenso e das cargas do tipo motor de induo
nos estudos de planejamento, operao e segurana de tenso. A modelagem proposta para a
representao dos motores de induo inclui a implementao do modelo destas cargas nos problemas de fluxo de potncia e fluxo de potncia continuado. O restante da carga representado
pelo modelo ZIP convencional. O artigo mostra que se a representao incompleta dos recursos
discretos de controle de tenso pode produzir resultados conservativos da margem de carregamento de um sistema, por outro lado, a no representao das cargas do tipo motor de induo
3

Captulo I - Introduo
provoca um impacto contrrio nesta margem, alm do risco de informaes distorcidas com relao interao entre os dispositivos de controle de tenso.
No trabalho [3] so descritos alguns conceitos inerentes ao processo de modelagem de
carga, tais como os conceitos de cargas estticas e dinmicas e suas representaes. Segue tambm as descries de duas metodologias comumente utilizadas, a Modelagem pelo Mtodo da
Composio de Cargas e a Modelagem pelo Mtodo da Medio Direta.
O primeiro mtodo parte de dados sobre o comportamento de diversos elementos de
carga ligados fonte da concessionria, chamados de componentes de carga. Para cada componente de carga levantado seu comportamento esttico retratado por uma expresso matemtica
do tipo polinomial ou exponencial. Assim, os componentes de carga so agregados, juntamente
com os elementos de sistema (redes e equipamentos associados), e atravs de programas computacionais especficos so ento calculados os parmetros estticos dos modelos de carga para alimentadores, barras ou sistemas inteiros.
O mtodo de medio direta utiliza procedimentos de medio e anlise de resultados de
campo, obtidos diretamente do sistema real. O mtodo resume-se na medio das potncias ativa
e reativa, mediante variaes de tenso impostas ao sistema em anlise. Um conjunto de dados de
medio registrado e analisado para a obteno dos parmetros do modelo de carga considerado. realizada uma comparao entre os dois mtodos destacando algumas vantagens e desvantagens de cada um.
O ponto mais crtico para o mtodo de medio direta o problema das flutuaes naturais da carga, presente de forma aleatria e incontrolvel. Mesmo em horrios de tenso relativamente estvel as variaes da carga podem ser de tal ordem que comprometam a obteno dos
parmetros da mesma. O trabalho prope gerar uma variao expressiva na tenso de forma a
garantir que o efeito na variao das potncias decorre predominantemente desta grande variao
de tenso, mitigando o impacto das flutuaes naturais da carga.
O trabalho tambm apresenta e discute os modelos matemticos do tipo exponencial e
polinomial de representao da carga, que so os mais utilizados nos estudos de fluxo de potncia. apresentado um processo de converso entre os modelos exponencial e polinomial, que
segundo o autor bastante til nos processos de adaptao dos dados de campo aos programas
de fluxo de carga. So analisados, de forma qualitativa, os impactos de diferentes modelos de
carga em estudos de contingncia e de estabilidade de tenso.
A referncia [8] descreve as melhorias realizadas na modelagem da carga do consumidor
industrial ALUMAR, implementadas nos programas ANAREDE e ANATEM, as quais so utili4

Captulo I - Introduo
zadas para representao da carga em estudos de fluxo de potncia, estabilidade, planejamento e
operao. A ALUMAR considerada um dos maiores complexos industriais de alumina e alumnio do mundo, atualmente com uma demanda de 825 MW, bem maior que a capital do Maranho
que consome aproximadamente 200 MW.
Uma das mudanas foi a representao com mais detalhes o sistema de transmisso entre
a SE So Lus II e a ALUMAR, que antes era representado como barra nica. Outra melhoria
consistiu em modelar parte da carga da indstria, anteriormente representada por potncia constante, como carga do tipo motor de induo devido grande presena de motores deste tipo com
potncias elevadas.

I.2.2 Estimao de Estados


Modernamente, a superviso e o controle dos sistemas de energia eltrica so feitos atravs de programas computacionais que requerem uma grande quantidade de dados, obtidos por
intermdio de vrios instrumentos de medio e telecomunicao distribudos em toda rede eltrica [2]. Um conjunto de dados ento coletado em intervalos cclicos de tempo e remetido ao
Centro de Operao do Sistema (COS). Mas o que fazer com esta enorme quantidade de dados?
Como process-los de forma adequada, rejeitando dados ruins ou substituindo aqueles perdidos e
considerar de forma coerente as diversas precises existentes dentro do mesmo conjunto de dados? A partir destas questes, surgiu a motivao para o desenvolvimento da funo Estimao
de Estados e por volta de 1970 Schweppe e um grupo de pesquisadores do MIT (Massachussets
Institute of Technology) apresentaram os primeiros trabalhos nesta rea.
Schweppe e Wilder [9] propuseram o Mtodo dos Mnimos Quadrados Ponderados
(MQP) para a estimao de estados em sistemas de energia eltrica. Para resolver este problema
de otimizao, Schweppe escolheu o Mtodo de Gauss-Newton, conhecido na literatura como o
Mtodo da Equao Normal, utilizando apenas dados estocsticos provenientes de telemedies
realizadas na rede.
O Mtodo dos Mnimos Quadrados Ponderados representa a principal formulao adotada nos programas de estimao de estados em uso prtico nos sistemas eltricos. A partir da
idia de Schweppe, inmeros trabalhos foram propostos, procurando aprimorar e adequar seu
mtodo s novas necessidades dos sistemas eltricos. A incorporao das restries de igualdade
no problema original de estimao de estados foi inicialmente apresentada por Aschmoneit [10],
abrindo campo para a publicao de outros trabalhos como [11] que prope um mtodo para
eliminao das restries de igualdade atravs da utilizao de uma matriz aumentada.
5

Captulo I - Introduo
Uma variante dos algoritmos MQP para estimao de estados, que recebeu destaque durante a dcada de 1970 e incio da dcada de 19080, pode ser encontrada em [12]. O algoritmo
propunha o desacoplamento rpido entre as potncias ativa e reativa no processo de estimao de
estados, assim como no fluxo de potncia.
Paralelo ao desenvolvimento de metodologias e algoritmos para a estimao de estados
propriamente dita, inmeros trabalhos foram propostos abordando cada um dos problemas envolvidos no processo de estimao de estados. Krumpholz, Clements e Davis [13] deram uma
contribuio importante para a resoluo do problema de observabilidade de um sistema de energia ao formularem as condies necessrias e suficientes para a observabilidade em termos da
topologia da rede. Monticelli [14] [15] introduziu os conceitos de observabilidade numrica, propondo um algoritmo para soluo de problemas de observabilidade e localizao de pontos de
medio. O problema de deteco e anlise de ms medies na estimao de estados foi inicialmente abordado por Schweppe em parceria com Merril [16] e Handschin [17] [18].
Uma abordagem diferenciada da proposta por Schweppe para a soluo do problema de
estimao de estados foi originalmente apresentada em [19], sendo a mesma baseada no mtodo
dos Valores Absolutos Ponderados dos Resduos (VAPR). Este mtodo apresentava um modelo
matemtico baseado na utilizao de programao linear. Em trabalhos posteriores [20] [21], desenvolveu-se a idia dos estimadores de estados baseados no emprego de programao linear.
Estes trabalhos procuraram destacar as vantagens dos estimadores VAPR na anlise e identificao de erros grosseiros e na capacidade de rejeio destes durante o processo de estimao de
estados.
No passado, a grande importncia dos subsistemas de produo e transmisso de energia
eltrica para atendimento ao constante aumento da carga, fez com que estas redes fossem estruturadas com alto grau de interligao, elevada presena de automao em linhas de transmisso e
subestaes e implantao de sistemas de aquisio de dados (SCADA) em redes de transmisso.
Estes fatores motivaram o surgimento de diversas ferramentas ligadas monitorao e anlise da
segurana, dentre elas o Estimador de Estados.
Com o passar do tempo os estimadores de estados, inicialmente propostos para utilizao
em sistemas de transmisso, foram naturalmente adaptados para aplicao em sistemas de distribuio de energia eltrica. No entanto, as redes de distribuio possuem grandes dimenses, usualmente em forma radial, esto diretamente ligadas s cargas que geralmente so desequilibradas,
e a diversos centros produtores de energia eltrica, em geral, no controlados pelo centro de controle da operao. Sua topologia em operao alterada com alguma freqncia, alm de outras

Captulo I - Introduo
caractersticas especficas geralmente no encontradas nos sistemas de transmisso. Desta forma,
os estimadores de estados para as redes de distribuio devem levar em considerao as peculiaridades existentes nestes sistemas.
Um algoritmo para anlise do fluxo de potncia e estimao de estados, considerando a
radialidade dos alimentadores de distribuio, descrito em [22]. O mtodo proposto considera a
formulao monofsica para a rede, modificando o mtodo de Newton para incluso da radialidade.
Baran e Kelley apresentaram o desenvolvimento de um mtodo trifsico de estimao de
estados para aumentar a exatido dos dados obtidos a partir de um procedimento de previso de
carga, que geralmente so utilizados para monitoramento em tempo real de alimentadores de
distribuio [23] [24]. O mtodo utiliza o tratamento dos mnimos quadrados ponderados, aplicado a uma formulao de anlise nodal trifsica. Os elementos da matriz Jacobiana so considerados invariveis com as iteraes, em decorrncia de linearizaes inseridas no modelo.
Atualmente tem-se verificado o crescente nmero de trabalhos voltados para o desenvolvimento de algoritmos hbridos para estimao de estados em redes de distribuio. Tais algoritmos caracterizam-se por combinar aproximaes tradicionais com tcnicas emergentes, inserindo
no modelo informaes qualitativas antes desprezadas. Dentre as tcnicas emergentes podemos
destacar a utilizao de conjuntos de natureza Fuzzy, das Redes Neurais Artificiais e dos Algoritmos Genticos.
A utilizao de algoritmos genticos no planejamento de sistemas de medio apresentada em [25]. A metodologia proposta se caracteriza pela obteno de uma distribuio de pontos
de medio considerando tipo, localizao e nmero de medidores, atravs do tratamento do
problema de otimizao pela tcnica de algoritmos genticos.
Lopes [1] apresenta um Estimador de Estados Fuzzy para utilizao em redes de distribuio e modelagem da rede externa em sistemas de transmisso. O Estimador de Estados Fuzzy
considera a tcnica de modelagem do estimador de estados baseado na soma dos valores absolutos ponderados dos resduos (VAPR), porm em um ambiente fuzzy. A teoria dos conjuntos de
natureza fuzzy permite que as informaes qualitativas ou imprecisas existentes nos dados disponveis para a estimao de estados sejam adequadamente modeladas e representadas como nmeros imprecisos, fuzzy, definidos para uma faixa de valores em um intervalo pr-definido.
Durante algum tempo, o problema de estimao de estados foi tratado de forma esttica,
isto , a dinmica ditada pela variao gradual da carga no era considerada, uma vez que qualquer informao recebida pelo estimador era processada sem que fossem consideradas outras
7

Captulo I - Introduo
informaes sobre o comportamento passado do sistema. Porm, devido ao fato das cargas e
geraes variarem gradualmente no tempo, o vetor de estados tambm varia. Este fato justifica o
uso de um algoritmo de natureza dinmica para estimar o vetor de estados, buscando assim tirar
proveito de uma representao adequada da evoluo do estado do sistema no tempo. Com base
nesta idia, foram introduzidos algoritmos para rastreamento do estado [26] [27], os quais utilizavam as estimativas do estado anterior como estimativa a priori do estado presente do sistema.
Porm, os estimadores rastreadores continuavam tendo uma caracterstica esttica, pois no eram
capazes de prever o estado sistema.
Ento foram propostos os estimadores dinmicos [28], em seguida denominados estimadores com capacidade de previso (FASE Forecasting-Aide State Estimators) [29] que, ao contrrio dos estticos e rastreadores, utilizavam o estado previsto no processo da estimao de estado atual do sistema. Este tipo de estimador possui como importante vantagem a capacidade de
prever o estado um passo frente, de grande valia para a construo de algoritmos para validao
dos dados processados.
Em [2] abordado o problema de deteco, identificao e substituio de medidas com
erros grosseiros sob condies de redundncia crtica atravs de estimadores com capacidade de
previso. Alm disso, so apresentadas estratgias para a preservao dos nveis de redundncia
desejados e tambm para a gerao de pseudomedidas de alta qualidade.

I.3 Motivao da Dissertao


A tarefa de modelagem de cargas em um Sistema Eltrico de Potncia (SEP), no algo
simples ou trivial e h muito tempo tem recebido a ateno de especialistas de todo o mundo.
Todo esse interesse e dedicao ao problema decorrem do fato de que uma modelagem esttica
de carga mais realista impacta positivamente os resultados e as anlises inerentes aos estudos de
carregamento e estabilidade de tenso associados aos estudos de planejamento da expanso, reconfigurao de redes, contingncias, diagnsticos e planejamentos operativos e tantos outros
que envolvam programas de anlise de redes eltricas, tornando-os igualmente mais realistas e
confiveis.
Apesar de toda a ateno dedicada questo, a modelagem de carga ainda carece de aprofundamentos e de novas metodologias para melhor representar as cargas nos Sistemas Eltricos
de Potncia. Este fato tornou o tema promissor para pesquisa.

Captulo I - Introduo

I.4 Objetivo da Dissertao


O objetivo deste trabalho a elaborao de uma nova metodologia para a determinao
dos parmetros de sensibilidade das potncias ativa e reativa da carga com as variaes estticas
de tenso.
Para tanto, realiza-se a aquisio de um conjunto de medies de potncias ativa e reativa,
em um determinado ponto de interesse do sistema, sob variaes foradas e sustentadas de tenso, visando sua posterior anlise para a estimao dos parmetros dos modelos polinomial (ZIP)
e exponencial da carga. Considera-se que os erros das medidas possuem uma distribuio de probabilidade Gaussiana com parmetros desconhecidos. A funo densidade de probabilidade conjunta das medidas atingir seu valor mximo quando os parmetros da carga estiverem o mais
prximo possvel de seus valores reais. Assim, formulado um problema de otimizao para maximizar esta funo utilizando as tcnicas de estimao de estados e a metodologia primal-dual de
pontos interiores (MPI) para a incluso das restries de canalizao impostas pelos modelos da
carga.

I.5 Publicaes Decorrentes da Dissertao


[1] M. S. NEVES, J. L. R. PEREIRA, P. A. N. GARCIA, E. J. OLIVEIRA, Modelagem Esttica de Cargas a Partir da Estimao de Estados, resumo aprovado no XI SEPOPE
Simpsio de Especialistas em Planejamento da Operao e Expanso Eltrica, Belm,
PA, Maro, 2009.

I.6 Estrutura da Dissertao


Alm deste captulo esta dissertao contm mais quatro captulos e dois apndices. O
Captulo II discute a importncia de uma representao mais realista da carga nos sistemas eltricos. Alm disso, so apresentados dois mtodos de modelagem de carga e os principais modelos
estticos de carga utilizados em programas de fluxo de potncia.
O Captulo III apresenta a metodologia proposta para a modelagem de carga. So descritas as formulaes do problema para representao das cargas pelo modelo ZIP e pelo modelo
exponencial. apresentado um algoritmo simplificado para o processo de estimao dos parmetros do modelo de carga desejado e discutida a validade dos modelos obtidos.

Captulo I - Introduo
No Captulo IV so apresentados e discutidos os resultados obtidos mediante a aplicao
da metodologia proposta. Para tanto, so utilizados os dados reais de medio de tenso, potncia
ativa e potncia reativa de duas barras da subestao Juiz de Fora 2 que atende a regio central da
cidade de Juiz de Fora MG.
No Captulo V so apresentadas as principais concluses do trabalho e sugestes para desenvolvimentos futuros.
O Apndice A apresenta os principais aspectos da metodologia de estimao de estados
baseada no mtodo dos mnimos quadrados ponderados.
No Apndice B so apresentados os principais aspectos da metodologia primal-dual de
pontos interiores.

10

Captulo II

Modelagem de Carga
II.1 Introduo
A atual estrutura do setor eltrico brasileiro impe que a operao do sistema seja feita de
forma a melhor explorar os recursos existentes ao menor preo possvel. Dentro desta viso,
torna-se necessrio um profundo conhecimento da operao, dos ajustes e do desempenho de
cada elemento do sistema, tanto isoladamente quanto em conjunto, visto que as caractersticas de
um elemento isolado podem se alterar diante da operao em conjunto [4].
A correta representao dos elementos de um sistema de potncia sempre representou fator decisivo para a confiabilidade dos resultados de estudos estticos. Em qualquer estudo de
fluxo de potncia necessrio definir-se inicialmente um modelo adequado para cada componente do sistema eltrico.
Sabe-se que o comportamento real da carga tem uma estreita relao com sua tenso terminal e indiretamente impacta as tenses e controles do sistema. Certamente diferentes tipos e
modelos de carga impactam de forma diferenciada o sistema. Para uma anlise qualitativa destas
situaes, basta considerar o comportamento da tenso do sistema diante de dois modelos de
carga tipicamente utilizados: carga modelada como impedncia constante e carga do tipo potncia
constante.
Sendo a carga do sistema modelada como impedncia constante e havendo uma queda de
tenso no circuito, haver tambm uma diminuio da corrente nas linhas de transmisso/distribuio e uma conseqente reduo da queda de tenso nas mesmas. Esta reduo atuar contrariando o distrbio de tenso na carga. Assim, ser estabelecida uma tenso de conver-

Captulo II - Modelagem de Carga


gncia ou de estabilizao atenuada pelo prprio comportamento da carga, que desta forma ancora a tenso.
J no caso de carga do tipo potncia constante, uma queda de tenso no circuito provocar um aumento de corrente nas linhas de transmisso/distribuio, j que a demanda de potncia
praticamente no se altera. Conseqentemente aumentaro tambm as quedas de tenso nas linhas piorando ainda mais as quedas de tenso nas barras do sistema.
O modelo de carga de potncia constante tem sido utilizado nos estudos de otimizao
de sistemas de potncia dada a sua caracterstica conservadora. Certamente se o sistema vivel
para estas cargas, tambm ser vivel para qualquer outra, sendo o modelo de potncia constante
o pior caso. No entanto, tal situao conduz muitas vezes a resultados e anlises incorretos podendo acarretar em aumento de custos de investimentos e/ou despesas com o sistema.

II.2 Mtodos de Modelagem de Carga


Ao longo do tempo vrios estudos e pesquisas foram realizados com o propsito de aprimorar os modelos dos componentes do sistema, porm desde o incio a carga apresentou-se
como o componente de mais difcil modelagem do problema. Apesar de se conhecer como cada
elemento da carga se comporta individualmente, no se tem uma idia precisa da sua composio
final, devido grande diversidade de equipamentos que a compe de forma aleatria [4]. Para
melhor representar as cargas do sistema, duas abordagens tm sido utilizadas: o Mtodo da Composio de Cargas e o Mtodo da Medio Direta.
O Mtodo da Composio de Cargas baseado no conhecimento dos componentes de
carga. Um componente de carga rene cargas de caractersticas e respostas semelhantes diante de
variaes de tenso. Por exemplo, cargas de aquecimento, refrigerao etc., representam componentes de carga. Assim, cada componente de carga expresso por equaes matemticas, geralmente um modelo polinomial ou exponencial, detalhados no prximo item.
O prximo passo a agregao dos componentes em classes de carga que se resumem
em classes de comportamento de consumo similares como, por exemplo, as classes residencial,
comercial e industrial. Para cada classe e perodo de carga (Leve, Mdia e Pesada) so obtidos os
parmetros do modelo de carga desejado. Ento, em cada ponto de interesse do sistema faz-se a
composio das porcentagens de cada classe de carga juntamente com os demais elementos do
sistema (redes e equipamentos associados) de forma a obter-se os parmetros da carga neste ponto.

12

Captulo II - Modelagem de Carga


O mtodo tem como vantagem a possibilidade de ser aplicado/adaptado aos diferentes
sistemas e condies, j que dispensa levantamentos de campo. No entanto, tem a desvantagem
da necessidade de atualizao das caractersticas de novos componentes de carga disponveis no
mercado e toda a sua influncia dentro de cada classe. Alm disso, tem a necessidade de fazer
e/ou manter um conjunto de dados de consumo classificados adequadamente para definir de
forma correta os consumidores em suas classes.
J o Mtodo de Medio Direta baseia-se em medidas obtidas da resposta da carga quando a mesma submetida a variaes de tenso. O mtodo requer medies de potncia ativa e
potncia reativa mediante variaes sustentadas de tenso impostas carga. Tais variaes so
geralmente obtidas por meio de comutaes em dispositivos reguladores de tenso ou chaveamento de bancos de capacitores ligados em derivao. A partir destas medies procede-se a anlise das mesmas para a obteno dos parmetros do modelo de carga desejado.
Uma vantagem deste mtodo a possibilidade de obteno das caractersticas da carga diretamente do sistema real, atravs de simples variaes de tenso no mesmo e medies das
potncias ativa e reativa. Porm, o processo afetado pelas flutuaes naturais da carga, acarretando imprecises nos resultados. Alm disso, os dados particulares de um determinado sistema
somente serviro para sistemas semelhantes e em geral cada sistema, barra ou alimentador requer
seu levantamento particular.

II.3 Modelos de Carga


Um modelo de carga uma expresso que relaciona a potncia (ativa e reativa) consumida pela carga com a tenso (magnitude e freqncia) na mesma, ou seja:
P = g (V , f )

(II.1)

Q = h(V , f )

(II.2)

Em estudos estticos as variaes de freqncia so mnimas e os modelos resumem-se


em funes dependentes apenas das magnitudes das tenses. Dentro de tais estudos, os modelos
polinomial (ZIP) e exponencial so os mais amplamente utilizados e sero apresentados a seguir.
O modelo exponencial pode ser expresso pelas seguintes equaes:
P

V
P = P0
V0

13

(II.3)

Captulo II - Modelagem de Carga


Q

V
Q = Q0
V0

(II.4)

onde:
V0

tenso de referncia;

P0 , Q0

potncia ativa/reativa na tenso de referncia;

P ,Q

fator de sensibilidade da potncia ativa/reativa.

Podem-se observar trs casos particulares para o modelo exponencial:


P = Q = 2

carga de impedncia constante (denotada por Z);

P = Q = 1

carga de corrente constante (denotada por I);

P = Q = 0

carga de potncia constante (denotada por P).

A Tabela II.1, retirada da referncia [3], mostra valores tpicos de P e Q para alguns
aparelhos e equipamentos eltricos.
Tabela II.1 Valores tpicos dos parmetros de componentes de carga modelo exponencial.

Componente de carga

P (Potncia ativa) Q (Potncia reativa)

Resistncia para aquecimento ambiente


Bomba do sistema de aquecimento
Bomba de ar condicionado
Ar condicionado central
Ar condicionado para quartos
Aquecedor de gua
Refrigerador e freezer
Lava-louas
Mquina de lavar roupas
Mquina de secar roupas
Lmpada incandescente
Lmpada fluorescente convencional
Lmpada fluorescente compacta
Pequenos motores industriais
Grandes motores industriais
Bomba dgua para irrigao

2,00
0,20
0,20
0,20
0,20
2,00
0,80
1,80
0,08
2,00
1,54
2,07
0,95-1,03
0,10
0,06
1,40

0,00
2,50
2,50
2,20
2,50
0,00
2,50
3,50
1,60
3,30
0,00
3,21
0,31-0,46
0,60
0,50
1,40

Como pode ser observado na Tabela II.1, diferentes componentes de carga exibem diferentes caractersticas de tenso. Assim, uma alternativa de representao baseada na agregao

14

Captulo II - Modelagem de Carga


de componentes de carga que possuem expoentes iguais ou muito prximos. Quando estes expoentes so todos inteiros, a caracterstica da carga torna-se um polinmio em V . Um caso especial
o modelo ZIP, o qual formado por trs componentes: impedncia constante (Z), corrente
constante (I) e potncia constante (P). As caractersticas da potncia ativa e da potncia reativa
para o modelo ZIP so dadas, respectivamente, pelas seguintes expresses quadrticas:
2

V
V
P = P0 aP + bP + cP

V0
V0

(II.5)

V
V
Q = Q0 aQ + bQ + cQ

V0
V0

(II.6)

onde:
aP , aQ

parcela da carga ativa/reativa modelada como potncia constante;

bP , bQ

parcela da carga ativa/reativa modelada como corrente constante;

cP , cQ

parcela da carga ativa/reativa modelada como impedncia constante;

aP + bP + cP = 1 ;
aQ + bQ + cQ = 1 .

15

Captulo III

Metodologia Proposta
III.1 Introduo
Tendo em vista a importncia da modelagem de carga nos estudos de planejamento e na
operao dos sistemas eltricos, associada necessidade de aprofundamentos e de novas metodologias para melhor representar as cargas nestes sistemas, este captulo prope uma nova metodologia para o tratamento mais adequado dos dados de medio, visando uma modelagem esttica.
A anlise dos dados de medio feita utilizando-se as tcnicas de estimao de estados e
considerando-se que as medidas possuem uma distribuio de probabilidade Gaussiana com parmetros desconhecidos. O mtodo de estimao utilizado o mtodo dos mnimos quadrados
ponderados, conforme descrito no Apndice A. Este mtodo busca minimizar a soma ponderada
dos erros das medidas de potncia ativa e de potncia reativa, sujeito s restries de igualdade e
de canalizao impostas pelos modelos da carga. Tais restries so includas no problema utilizando-se a metodologia primal-dual de pontos interiores, descrita no Apndice B.
Para a representao das cargas so considerados os modelos polinomial e exponencial. O
mtodo proposto possibilita modelar mais adequadamente a carga estimando no s os parmetros do modelo desejado, mas estimando tambm o valor da potncia ( P0 , Q0 ) na tenso de referncia ( V0 ), obtendo assim o modelo completo da carga.

Captulo III - Metodologia Proposta

III.2 Formulao do Problema


A metodologia proposta utiliza um conjunto de dados de medio direta das caractersticas da carga nos pontos de interesse do sistema. A partir da aquisio de medidas de tenso, potncia ativa e potncia reativa procede-se a anlise deste conjunto de dados visando estimao
dos parmetros do modelo de carga desejado. Para tanto, considera-se que as medidas possuem
uma distribuio de probabilidade Gaussiana. A funo densidade de probabilidade conjunta
(f.d.p.c.) das medidas pode ser escrita em termos dos parmetros da carga e atingir seu valor
mximo quando os parmetros estiverem o mais prximo possvel de seus valores reais.
Conseqentemente, um problema de otimizao utilizado para maximizar esta f.d.p.c.
em funo dos parmetros da carga. Assim, para a determinao dos valores timos dos parmetros, aplica-se o logaritmo natural a esta f.d.p.c. de forma a simplificar o processo. Deste modo, o
problema de mximo se transforma em um problema de mnimo de uma funo objetivo. As
restries de igualdade e de canalizao impostas pelos modelos de carga so includas no problema que resolvido pela metodologia primal-dual de pontos interiores.
A seguir ser detalhado o processo de estimao dos parmetros para cada um dos modelos de carga considerados, sendo que a modelagem da carga feita de forma desacoplada entre as
suas partes ativa e reativa. Ao contrrio dos mtodos descritos na literatura que determinam os
valores das potncias P0 e Q0 atravs de mdia aritmtica, a metodologia proposta estima os
valores destas potncias juntamente com os parmetros da carga.

III.2.1 Modelo ZIP


Para a potncia ativa formulado o seguinte problema de otimizao no linear para a estimao dos parmetros do modelo ZIP:
m

Min

J ( x) =

(P

med

i =1

S .a

Pi ( x ) )

i2

= P med P ( x ) R 1 P med P ( x )
T

(III.1)

aP + bP + cP = 1
0 aP 1
0 bP 1
0 cP 1

17

Captulo III - Metodologia Proposta


onde:
x = [ aP

bP

cP

P0 ]

V
V

P ( x ) = P0 aP + bP + cP

V0
V0

J ( x)

funo objetivo;

nmero de medidas de potncia ativa;

Pi med

i-sima medida de potncia ativa;

desvio padro da i-sima medida;

matriz covarincia dos erros das medidas;

aP , bP , cP

parmetros do modelo ZIP;

P0

potncia ativa na tenso de referncia ( V0 ).

(III.2)

(III.3)

Nesta dissertao, adotou-se como tcnica de soluo do problema de otimizao (III.1) a


metodologia primal-dual de pontos interiores. O Apndice B apresenta uma descrio detalhada
deste mtodo de soluo. Assim, de acordo com esta metodologia pode-se escrever a seguinte
funo lagrangeana:
3

L = J ( x ) ln ( sli ) ln ( sui ) ( aP + bP + cP 1)
i =1

i =1

( p sl l ) u ( p + su u )

onde:

p = [ aP

parmetro barreira;
cP ]

bP

parmetros do modelo ZIP;

l = [ 0 0 0]

limite inferior dos parmetros do modelo ZIP;

u = [1 1 1]

limite superior dos parmetros do modelo ZIP.

18

(III.4)

Captulo III - Metodologia Proposta


A partir da funo lagrangeana, montado o sistema de equaes (III.5) a ser resolvido
pelo mtodo de Newton-Raphson.

[G ][ x

] = [ g ]
T

(III.5)

onde:

G=

2
L
a
P

2 L

aP
2 L

bP
2 L

cP

2 L
P0

2 L
2

Gm

2 L
bP

2 L
cP

2 L
P0

(III.6)

2 L
2 L
2L
=
=
= 1
aP bP cP

(III.7)

2 L
2 L
=
=0
P0 2

(III.8)

laP uaP

sl
a
P suaP

Gm = H T R 1 H +

lb

slbP

ub

subP

lc

slcP

uc

sucP

(III.9)

gm
g = L

(III.10)

L
= 1 aP bP cP

(III.11)

19

Captulo III - Metodologia Proposta

g m = H T R 1 P med

+ sl su
aP
aP

+
slbP subP
P ( x ) +

slcP sucP

(III.12)

P1 ( x )

P0
P2 ( x )

P0

Pm ( x )

P0

(III.13)

H a matriz Jacobiana das medidas dada por:

P1 ( x )

aP
P2 ( x )

H = aP
#

Pm ( x )

aP

P0

P
H = 0

P0

P1 ( x )
bP

P1 ( x )
cP

P2 ( x )
bP

P2 ( x )
cP

Pm ( x )
bP

Pm ( x )
cP

V
P0 1
V0

V
P0 1
V0

V
P0 2
V0

V
P0 2
V0

V
P0 m
V0

V
P0 m
V0

2
V1
V1
aP + bP + cP
V0
V0
2
V2
V2
aP + bP + cP
V0
V0

V
V
aP + bP m + cP m
V0
V0

(III.14)

O desvio padro i de uma medida i calculado para refletir a preciso esperada do


correspondente medidor usado. Como a aquisio de todas as medidas obtida com o mesmo
equipamento, estas possuem valores iguais de desvio padro. Para simplificar os clculos, optouse nesta dissertao por usar o valor unitrio para o desvio padro. Assim, i = 1 para todo

i = 1" m . Logo, a matriz de covarincia dos erros das medidas dada por:
1

R=

1 m x m

20

(III.15)

Captulo III - Metodologia Proposta


Resolvido o sistema de equaes (III.5) parte-se para a atualizao das variveis de estado
de acordo com a metodologia primal-dual de pontos interiores.
No caso da carga reativa, procede-se a mesma formulao apresentada para a carga ativa.

III.2.2 Modelo Exponencial


Da mesma forma que foi feito para o modelo ZIP, formulado o seguinte problema de
otimizao no linear para a estimao dos parmetros do modelo exponencial:
m

Min

J ( x) =

(P

med

Pi ( x ) )

i =1

2
i

= P med P ( x ) R 1 P med P ( x )
T

(III.16)

S .a

P 0

onde:
P

V
Pi ( x ) = P0
V0

(III.17)

parmetro do modelo exponencial para a potncia ativa.

A funo lagrangeana dada por:

L = J ( x ) ln ( sl )

(III.18)

A partir da funo lagrangeana, montado o sistema de equaes (III.19), a ser resolvido


pelo mtodo de Newton-Raphson.

[G ][ P

P0 ] = [ g ]
T

(III.19)

onde:
l P

G = H R H + sl P

g = H R P
T

med


P ( x ) + sl P
0

21

(III.20)

(III.21)

Captulo III - Metodologia Proposta


A matriz Jacobiana ( H ) dada por:
P1 ( x )

P
P2 ( x )

H = P
#

Pm ( x )

P1 ( x )

P0
P2 ( x )

P0

Pm ( x )

P0

V P V P
P0 1 ln 1
V0
V0

P
P
V2
V2
P
ln
H = 0 V0
V0

Vm P Vm P
P0 ln
V0
V0

P
V1

V0
P
V2

V0

P
Vm

V0

(III.22)

(III.23)

Assim como no modelo ZIP, a matriz de covarincia dos erros das medidas ( R ) dada
pela equao (III.15).
Resolvido o sistema de equaes (III.19) parte-se para a atualizao das variveis de estado de acordo com a metodologia primal-dual de pontos interiores.
No caso da carga reativa, procede-se a mesma formulao apresentada para a carga ativa

III.3 Algoritmo de Soluo


A modelagem da carga feita de forma desacoplada entre as suas partes ativa e reativa.
Portanto, inicialmente modela-se a parcela ativa da carga conforme descrito a seguir. Posteriormente parte-se para o tratamento da carga reativa do mesmo modo que feito para a carga ativa.
A Figura III.1 ilustra as etapas que envolvem o processo de modelagem de carga.

22

Captulo III - Metodologia Proposta


Realizao de ensaios para aquisio de medidas

K=0

Tratamento dos dados


da carga ativa
Inicializao das variveis
primais e duais

Montagem e resoluo do
sistema de equaes e
atualizao das variveis
No

Convergncia obtida?

Tratamento
dos dados da
carga reativa

Sim
Prxima carga a
ser modelada

K=K+1

K=2?

No

Sim
No

Todas as cargas modeladas?


Sim
Fim

Figura III.1 Etapas do processo de modelagem de carga.

23

Captulo III - Metodologia Proposta

III.4 Consideraes Finais


O mtodo proposto requer a aquisio de um conjunto de medies de tenso, potncia
ativa e potncia reativa em pontos de interesse da rede (barra, alimentador etc.) para posterior
anlise e determinao do modelo da carga. Contudo, normalmente o processo fica prejudicado
pelas flutuaes naturais da carga, presentes de forma aleatria e incontrolvel. Mesmo em horrios com carga e tenso relativamente estveis, os pequenos montantes de carga que se agregam
ou desagregam a cada instante podem atingir valores considerveis, acarretando incertezas nos
resultados almejados. Assim, para minimizar esta influncia negativa das variaes naturais da
carga, adotou-se o mtodo proposto em [3].
Em [3] proposta uma aplicao programada de variao de tenso atravs de comutadores de tenso (OLTC On Load Tap Changer), gerando patamares de potncia ativa e potncia
reativa, de tal forma e amplitude que as flutuaes naturais da carga e seus conseqentes impactos
negativos nos parmetros sejam satisfatoriamente mitigados. Para garantir que o efeito na variao das potncias decorre predominantemente da variao de tenso, imposta ao sistema, adotouse uma variao total de tenso, entre os patamares, da ordem de 6% a 10%.
Outro ponto importante a ser considerado a variao da carga ao longo do dia, entre os
dias de semana e fim de semana ou mesmo entre as estaes do ano. No decorrer do dia comum verificar que a carga varia desde um patamar conhecido por Carga Leve, passando pelos
intervalos de Carga Mdia at o pequeno perodo da Carga Pesada, quando a carga assume seu
maior valor ou atinge sua Ponta como comumente conhecido. Assim, para uma melhor representao da carga devem-se levar em considerao as caractersticas particulares de cada sistema
de forma a escolher adequadamente um conjunto de horrios representativos da carga. Em cada
faixa horria considerada devem ser realizados os ensaios para aquisio de medidas e subseqente anlise das mesmas obtendo-se o modelo vigente naquele momento.
Os parmetros obtidos para um determinado sistema somente serviro para sistemas semelhantes. Cada sistema, barra ou alimentador requer seu levantamento particular para estimao
dos parmetros da carga.

24

Captulo IV

Resultados
IV.1 Introduo
Para a validao da metodologia proposta foram realizados estudos de casos em duas barras da subestao de distribuio Juiz de Fora 2 (pertencente CEMIG) que atende a regio central da cidade de Juiz de Fora MG. Um diagrama simplificado da subestao mostrado na
Figura IV.1, destacando-se as barras em estudo (barras em vermelho).
Juiz de For a 1

Juiz de For a 4

138 kV

3K4

2K4

T4
23 kV
14H4

T3
23 kV

15H4

18H4

T2
23 kV

17H4

16H4

13H4

12H4

11H4

9H4

8H4

5H4

4H4

Figura IV.1 Diagrama simplificado da SE Juiz de Fora 2.

Das barras de 23 kV instaladas na subestao Juiz de Fora 2 partem alimentadores tipicamente residenciais, comerciais e mistos (envolvendo tambm pequenas cargas industriais). No
geral as barras contm cargas mistas, algumas com certa predominncia de classe. As barras, que
sero denominadas barras 2, 3 e 4 so atendidas pelos transformadores T2, T3 e T4, respectivamente. As barras 2 e 3 possuem caractersticas de carga mista com predominncia da classe residencial e a barra 4 tem predominncia da classe comercial.

Captulo IV - Resultados

IV.2 Modelos de Carga da Barra 2


O processo de aquisio de dados para modelagem das cargas das barras 2 e 3 foi realizado no dia 03 de Maro de 2008 (Domingo) por volta dos horrios de 13:00h e 17:00h, atravs de
variao de tenso imposta pelos transformadores T2 e T3, respectivamente, e medio de tenso, potncia ativa e potncia reativa em tais barras. Para uma validao da metodologia proposta,
foram criados vrios patamares de carga, dentro de um intervalo de no mximo uma hora, para
cada barra e cada horrio considerado. A criao de vrios patamares teve por objetivo a estimao de trs modelos ZIP para a carga em cada um dos horrios. Para a estimao de um modelo
de carga precisa-se de dados (tenso e potncias ativa e reativa) de dois patamares. Logo, estimase um modelo ZIP utilizando-se os dois patamares iniciais, um segundo modelo ZIP com os patamares intermedirios e um terceiro modelo ZIP com os dois ltimos patamares de carga. Como
a aquisio de dados feita em um pequeno intervalo tempo e considerando-se que no h
uma grande variao da carga durante este intervalo, espera-se que os trs modelos ZIP estimados sejam semelhantes, no havendo grande variao entre seus respectivos parmetros. O mesmo feito para o modelo exponencial.
A Figura IV.2 mostra as curvas de tenso e potncia ativa na barra 2 (horrio das 13:00h),
sendo que as medies foram registradas a cada um segundo. A escala horizontal exibe o horrio
de cada medio. A escala vertical esquerda mostra os valores de tenso e a da direita exibe os
valores de potncia ativa. Pode-se observar que existe uma descontinuidade nas curvas da Figura
IV.2. Esta descontinuidade deve-se falta de medidas no intervalo que vai das 13:03h s 13:39h,
provavelmente por falha no sistema de aquisio de dados. Tal descontinuidade ocorre em algumas outras curvas, mostradas neste captulo, mas no afetam de forma alguma o processo de
modelagem das cargas.

26

25,5

4,80

24,5

4,55

23,5

4,30

22,5

4,05

21,5
12:51

12:55

12:59

13:03

13:42

Potncia Ativa (MW)

Tenso (kV)

Captulo IV - Resultados

3,80
13:50

13:46

Horrio

Tenso

Potncia Ativa

Figura IV.2 Variaes impostas de tenso e potncia ativa (Barra 2 13:00h).

A Tabela IV.1 mostra os parmetros de trs modelos ZIP para a carga ativa da barra 2 estimados a partir das curvas da Figura IV.2. A primeira e a segunda coluna da Tabela IV.1 mostram os dois patamares de carga (identificados/numerados na Figura IV.2) utilizados para a determinao de cada modelo ZIP. Em cada patamar so selecionados 10 pares de medidas de tenso e potncia ativa, totalizando 20 pares de medidas para estimao de cada modelo ZIP. Considerando-se que a carga no tem uma grande variao durante o perodo de realizao dos ensaios,
espera-se que os trs modelos ZIP obtidos sejam semelhantes. Desta forma, adotou-se como
modelo final da carga a mdia dos trs modelos estimados, como mostra a ltima linha da Tabela
IV.1.
Tabela IV.1 Modelo ZIP da carga ativa (Barra 2 13:00h).

Patamares Utilizados
1 Patamar 2 Patamar
1
3
4

2
4
5
Mdia

Parmetros da Carga Ativa

aP ( % )

bP ( % )

cP ( % )

P0 ( MW )

37
30
33
33

22
18
19
20

41
52
48
47

4,32
4,11
4,13
4,19

Para esta mesma barra, foram efetuados os mesmos procedimentos para a modelagem da
carga ativa utilizando-se agora o modelo exponencial. A Tabela IV.2, traz os resultados destas
simulaes. Da mesma forma que foi feito para o modelo ZIP, foi considerada a mdia dos trs
modelos obtidos, como um modelo exponencial final.

27

Captulo IV - Resultados
Tabela IV.2 Modelo exponencial da carga ativa (Barra 2 13:00h).

Patamares Utilizados

Parmetros da Carga Ativa

P0 ( MW )

1,48
1,30
1,43
1,40

4,39
4,14
4,12
4,22

1 Patamar 2 Patamar
1
3
4

2
4
5
Mdia

Visando comparar a curva real de potncia ativa com os modelos obtidos (ZIP e exponencial), foram plotadas as curvas da Figura IV.3 e da Figura IV.4, mostradas a seguir. A Figura
IV.3 exibe a curva real da carga ativa (valores medidos; curva vermelha) e as curvas dos modelos
ZIP (curva azul) e exponencial (curva verde). A Figura IV.4 apresenta grfico de disperso destas
curvas.

Potncia Ativa (MW)

4,80

4,55

4,30

4,05

3,80
12:51

12:55

12:59

13:03

13:42

13:46

13:50

Horrio
Pmed

Pzip

Pexp

Figura IV.3 Comparao da curva real de potncia ativa com as curvas dos modelos ZIP e exponencial (Barra 2 13:00h).

28

Captulo IV - Resultados

Potncia Ativa (MW)

4,80

4,55

4,30

4,05

3,80
21,5

22,0

22,5

23,0

23,5

24,0

24,5

25,0

25,5

Tenso (kV)
Pmed

Pzip

Pexp

Figura IV.4 Grfico de disperso. Curva real de potncia ativa e curvas dos modelos ZIP e exponencial (Barra 2 13:00h).

Como pode ser observado na Figura IV.3 e na Figura IV.4, ambos os modelos (ZIP e exponencial) representaram a carga ativa de forma satisfatria. Tanto a curva do modelo ZIP como
a curva do modelo exponencial encontram-se prximas da curva de carga real.
Para modelar a carga reativa foram efetuados os mesmos procedimentos, assim como foi
feito para a carga ativa. A Figura IV.5 mostra as curvas de tenso e potncia reativa na barra 2
(horrio das 13:00h), sendo que as medies foram registradas a cada um segundo. A escala horizontal exibe o horrio da medio. A escala vertical esquerda mostra os valores de tenso e a da
direita exibe os valores de potncia reativa.

29

25,5

2,80

24,5

2,20

23,5

1,60

22,5

1,00

21,5

Potncia Reativa (MVAr)

Tenso (kV)

Captulo IV - Resultados

0,40

12:51

12:55

12:59

13:03

13:42

13:46

13:50

Horrio
Tenso

Potncia Reativa

Figura IV.5 Variaes impostas de tenso e potncia reativa (Barra 2 13:00h).

A Tabela IV.3 mostra os parmetros de trs modelos ZIP para a carga reativa da barra 2
estimados a partir das curvas da Figura IV.5. A primeira e a segunda coluna da Tabela IV.3 mostram os dois patamares de carga (identificados/numerados na Figura IV.5) utilizados para a determinao de cada modelo ZIP. Em cada patamar so selecionados 10 pares de medidas de tenso e potncia reativa, totalizando 20 pares de medidas para estimao de cada modelo ZIP. Considerando que a carga no tem uma grande variao durante o perodo de realizao dos ensaios,
espera-se que os trs modelos ZIP obtidos sejam semelhantes. Desta forma, optou-se por utilizar
apenas um modelo de carga reativa, para o horrio das 13:00h, como sendo a mdia dos trs modelos estimados, assim como mostrado da ltima linha da Tabela IV.3.
Tabela IV.3 Modelo ZIP da carga reativa (Barra 2 13:00h).

Patamares Utilizados
1 Patamar 2 Patamar
1
3
4

2
4
5
Mdia

Parmetros da Carga Reativa

aQ ( % )

bQ ( % )

cQ ( % )

Q0 ( MVAr )

0
0
0
0

0
0
0
0

100
100
100
100

1,64
1,22
1,19
1,35

Como pode ser observado na Figura IV.5, a carga reativa sofre grandes alteraes quando
so impostas as variaes de tenso na barra. Esta grande variao da carga reativa certamente
levaria a um modelo 100% impedncia constante dentro do modelo ZIP, como o caso dos modelos obtidos (Tabela IV.3). No entanto, dentro do modelo ZIP a maior variao da carga est
limitada ao quadrado da tenso (modelo impedncia constante). Como todos os trs modelos
ZIP obtidos foram modelos impedncia constante, esta carga poderia ser mais bem representada
30

Captulo IV - Resultados
por outro modelo, como por exemplo, o modelo exponencial. Deste modo, foram efetuados os
mesmos procedimentos para a modelagem da carga reativa utilizando-se agora o modelo exponencial. A Tabela IV.4 traz os resultados destas simulaes. Neste caso tambm optou-se por
utilizar apenas um modelo exponencial para a carga reativa (horrios das 13:00h), como sendo a
mdia dos trs modelos estimados, assim como mostrado na ltima linha da Tabela IV.4
Tabela IV.4 Modelo exponencial da carga reativa (Barra 2 13:00h).

Patamares Utilizados

Parmetros da Carga Reativa


Q
Q0 ( MVAr )
1 Patamar 2 Patamar
1
3
4

2
4
5

14,07
12,96
11,62
12,88

Mdia

1,07
1,07
1,14
1,09

No caso do modelo ZIP obteve-se um modelo de carga 100% impedncia constante


(proporcional a V 2 ), bem diferente do modelo exponencial onde a carga reativa proporcional a
V 12,88 . Para comparar estes dois modelos entre si e tambm com a curva real da carga reativa,

foram plotadas as curvas da Figura IV.6, mostrada a seguir.

Potncia Reativa (MVAr)

2,80

2,20

1,60

1,00

0,40
12:51

12:55

12:59

13:03

13:42

13:46

13:50

Horrio
Qmed

Qzip

Qexp

Figura IV.6 Comparao da curva real de potncia reativa com as curvas dos modelos ZIP e exponencial (Barra 2 13:00h).

Pelas curvas da Figura IV.6 pode-se observar que o modelo ZIP no capaz de representar satisfatoriamente a carga reativa desta barra, ao contrrio do modelo exponencial que segue
relativamente bem a curva real da carga reativa. Isto no implica que o modelo ZIP nunca possa
ser utilizado para representar a carga reativa de um sistema, mas em certos casos onde existam

31

Captulo IV - Resultados
grandes variaes de potncia reativa (como o caso deste sistema) o modelo exponencial mais
adequado para a representao da mesma. Estes resultados mostram que os estudos de fluxo de
potncia onde utilizado o modelo ZIP ou o modelo de potncia constante (pior caso) levaro
a anlises incorretas podendo acarretar em aumento de custos de investimentos e/ou despesas
com o sistema.
A Figura IV.7 mostra o grfico de disperso da potncia reativa medida (curva vermelha)
e dos modelos ZIP (curva azul) e exponencial (curva verde). Este grfico mostra que o modelo
ZIP s capaz de representar a carga reativa para pequenas variaes de tenso. J o modelo
exponencial consegue representar a carga, de forma satisfatria, para todo o intervalo de tenso
dos ensaios.

Potncia Reativa (MVAr)

2,80

2,20

1,60

1,00

0,40
21,5

22,0

22,5

23,0

23,5

24,0

24,5

25,0

25,5

Tenso (kV)
Qmed

Qzip

Qexp

Figura IV.7 Grfico de disperso. Curva real de potncia reativa e curvas dos modelos ZIP e exponencial (Barra 2 13:00h).

Para esta mesma barra foram realizados ensaios para aquisio de dados (tenso e potncias ativa e reativa) e modelagem da carga no mesmo dia e por volta das 17:00h. Como os dois
horrios dos ensaios (13:00h e 17:00h) so horrios de carga mdia espera-se que os modelos de
carga sejam semelhantes. A Figura IV.8 mostra as curvas de tenso e potncia ativa na barra 2
para o horrio das 17:00h. Neste caso no h descontinuidade nas curvas de carga.

32

Captulo IV - Resultados

24,5

Tenso (kV)

24,0

4,88

23,5
4,72
23,0
4,56

22,5
22,0
16:51

16:52

16:54

16:56

16:57

Potncia Ativa (MW)

5,04

4,40
17:01

16:59

Horrio
Tenso

Potncia Ativa

Figura IV.8 Variaes impostas de tenso e potncia ativa (Barra 2 17:00h).

A Tabela IV.5 mostra os parmetros de trs modelos ZIP para a carga ativa da barra 2
(horrio das 17:00h) estimados a partir das curvas da Figura IV.8.
Tabela IV.5 Modelo ZIP da carga ativa (Barra 2 17:00h).

Patamares Utilizados
1 Patamar 2 Patamar
1
2
3

Parmetros da Carga Ativa

aP ( % )

bP ( % )

cP ( % )

P0 ( MW )

31
30
38
33

19
20
21
20

50
50
41
47

4,70
4,71
4,74
4,72

2
3
4
Mdia

Do mesmo modo, a Tabela IV.6 mostra os parmetros de trs modelos exponenciais para
a carga ativa da barra 2 (horrio das 17:00h) estimados a partir das curvas da Figura IV.8.
Tabela IV.6 Modelo exponencial da carga ativa (Barra 2 17:00h).

Patamares Utilizados

Parmetros da Carga Ativa

1 Patamar 2 Patamar
1
2
3

2
3
4
Mdia

P0 ( MW )

1,29
1,33
1,46
1,36

4,68
4,72
4,75
4,72

Para comparar os modelos obtidos (ZIP e exponencial) entre si e tambm com a curva
real da carga ativa, foram traadas as curvas da Figura IV.9 e o grfico de disperso da Figura
IV.10, mostrados a seguir.

33

Captulo IV - Resultados

Potncia Ativa (MW)

5,04

4,88

4,72

4,56

4,40
16:51

16:52

16:54

16:56

16:57

16:59

17:01

Horrio
Pmed

Pzip

Pexp

Figura IV.9 Comparao da curva real de potncia ativa com as curvas dos modelos ZIP e exponencial (Barra 2 17:00h).

Potncia Ativa (MW)

5,04

4,88

4,72

4,56

4,40
22,0

22,3

22,5

22,8

23,0

23,3

23,5

23,8

24,0

24,3

24,5

Tenso (kV)
Pmed

Pzip

Pexp

Figura IV.10 Grfico de disperso. Curva real de potncia ativa e curvas dos modelos ZIP e exponencial (Barra 2 17:00h).

A seguir so apresentadas as curvas de tenso e potncia reativa (Figura IV.11) na barra 2


para o horrio das 17:00h.

34

24,5

2,00

24,0

1,72

23,5

1,44

23,0

1,16

22,5

0,88

22,0

Potncia reativa (MVAr)

Tenso (kV)

Captulo IV - Resultados

0,60

16:51

16:52

16:54

16:56

16:57

16:59

17:01

Horrio
Tenso

Potncia Reativa

Figura IV.11 Variaes impostas de tenso e potncia reativa (Barra 2 17:00h).

A Tabela IV.7 mostra os parmetros de trs modelos ZIP para a carga reativa da barra 2
(horrio das 17:00h) estimados a partir das curvas da Figura IV.11.
Tabela IV.7 Modelo ZIP da carga reativa (Barra 2 17:00h).

Patamares Utilizados
1 Patamar 2 Patamar
1
2
3

Parmetros da Carga Reativa

aQ ( % )

bQ ( % )

cQ ( % )

Q0 ( MVAr )

0
0
0
0

0
0
0
0

100
100
100
100

1,15
1,32
1,35
1,27

2
3
4
Mdia

Do mesmo modo, a Tabela IV.8 mostra os parmetros de trs modelos exponenciais para
a carga reativa da barra 2 (horrio das 17:00h) estimados a partir das curvas da Figura IV.11.
Tabela IV.8 Modelo exponencial da carga reativa (Barra 2 17:00h).

Patamares Utilizados

Parmetros da Carga Reativa


Q
Q0 ( MVAr )
1 Patamar 2 Patamar
1
2
3

2
3
4

12,64
15,20
13,18
13,67

Mdia

1,12
1,15
1,22
1,16

Para comparar os modelos obtidos entre si e tambm com a curva real da carga reativa,
foram traadas as curvas da Figura IV.12 e o grfico de disperso da Figura IV.13, mostrados a
seguir.

35

Captulo IV - Resultados

2,28

Potncia Reativa (MVAr)

2,00
1,72
1,44
1,16
0,88
0,60
16:51

16:52

16:54

16:56

16:57

16:59

17:01

Horrio
Qmed

Qzip

Qexp

Figura IV.12 Comparao da curva real de potncia reativa com as curvas dos modelos ZIP e exponencial (Barra 2 17:00h).

2,28

Potncia Reativa (MVAr)

2,00
1,72
1,44
1,16
0,88
0,60
22,0

22,5

23,0

23,5

24,0

24,5

Tenso (kV)
Qmed

Qzip

Qexp

Figura IV.13 Grfico de disperso. Curva real de potncia reativa e curvas dos modelos ZIP e exponencial (Barra 2 17:00h).

Neste caso o modelo ZIP no foi capaz de representar bem a carga reativa, ficando a
mesma mais bem representada pelo modelo exponencial. J a potncia ativa foi bem representada
por ambos os modelos. Como era esperado, tanto para a carga ativa como para a carga reativa,
foram obtidos modelos bastante semelhantes em ambos os horrios dos ensaios (13:00h e 17:00h
horrios de carga mdia), como pode ser observado nas tabelas e nos grficos de disperso,
demonstrando a consistncia do mtodo proposto.

36

Captulo IV - Resultados

IV.3 Modelos de Carga da Barra 3


Outra forma de analisar a validade dos resultados obtidos foi feita com a modelagem da
carga da barra 3, tambm por volta dos horrios de 13:00h e 17:00h. Como as barras 2 e 3 possuem as mesmas caractersticas de carga mista com predominncia de classe residencial e os horrios de realizao dos ensaios so horrios de carga mdia, espera-se que os modelos obtidos para
ambas as barras e horrios sejam semelhantes.
A Figura IV.14 mostra as curvas de tenso e potncia ativa na barra 3 (horrio das
13:00h), sendo que as medies foram registradas a cada um segundo. Neste caso tambm h
uma pequena descontinuidade nas curvas de carga Esta descontinuidade deve-se falta de medidas no intervalo que vai das 13:39h s 13:51h. Tal descontinuidade ocorre nas prximas curvas

24,5

9,40

24,0

9,12

23,5

8,84

23,0

8,56

22,5

8,28

22,0
13:27

13:30

13:33

13:37

13:52

13:56

13:59

Potncia Ativa (MW)

Tenso (kV)

mostradas neste captulo, mas no afetam de forma alguma a modelagem das cargas.

8,00
14:02

Horrio
Tenso

Potncia Ativa

Figura IV.14 Variaes impostas de tenso e potncia ativa (Barra 3 13:00h).

A Tabela IV.9 mostra os parmetros de trs modelos ZIP para a carga ativa da barra 3 estimados a partir das curvas da Figura IV.14. Os procedimentos utilizados para a modelagem da
carga da barra 3 so exatamente os mesmos utilizados para modelar a carga da barra 2.

37

Captulo IV - Resultados
Tabela IV.9 Modelo ZIP da carga ativa (Barra 3 13:00h).

Patamares Utilizados
1 Patamar 2 Patamar
1
2
4

Parmetros da Carga Ativa

aP ( % )

bP ( % )

cP ( % )

P0 ( MW )

33
34
31
33

19
20
19
19

48
46
50
48

8,58
8,59
8,40
8,52

2
3
5
Mdia

Os parmetros do modelo exponencial so apresentados na Tabela IV.10, mostrada a seguir.


Tabela IV.10 Modelo exponencial da carga ativa (Barra 3 13:00h).

Patamares Utilizados

Parmetros da Carga Ativa

P0 ( MW )

1,40
1,42
1,41
1,41

8,65
8,66
8,46
8,59

1 Patamar 2 Patamar
1
2
4

2
3
5
Mdia

A seguir so apresentadas as curvas dos modelos ZIP e exponencial e a curva real da carga ativa, plotadas em um mesmo grfico (Figura IV.15).

9,40

Potncia Ativa (MW)

9,12

8,84
8,56

8,28
8,00
13:27

13:30

13:33

13:37

13:52

13:56

13:59

14:02

Horrio
Pmed

Pzip

Pexp

Figura IV.15 Comparao da curva real de potncia ativa com as curvas dos modelos ZIP e exponencial (Barra 3 13:00h).

O grfico de disperso mostrado na Figura IV.16.

38

Captulo IV - Resultados

9,40

Potncia Ativa (MW)

9,12

8,84
8,56

8,28
8,00
22,0

22,3

22,5

22,8

23,0

23,3

23,5

23,8

24,0

24,3

24,5

Tenso (kV)
Pmed

Pzip

Pexp

Figura IV.16 Grfico de disperso. Curva real de potncia ativa e curvas dos modelos ZIP e exponencial (Barra 3 13:00h).

A Figura IV.17 mostra as curvas de tenso e de potncia reativa na barra 3 (horrio das

24,5

3,80

24,0

3,28

23,5

2,76

23,0

2,24

22,5

1,72

22,0
13:27

13:30

13:33

13:37

13:52

13:56

13:59

Potncia Reativa (MVAr)

Tenso (kV)

13:00h).

1,20
14:02

Horrio
Tenso

Potncia Reativa

Figura IV.17 Variaes impostas de tenso e potncia reativa (Barra 3 13:00h).

A Tabela IV.11 mostra os parmetros de trs modelos ZIP para a carga reativa na barra 3
estimados a partir das curvas da Figura IV.17.

39

Captulo IV - Resultados
Tabela IV.11 Modelo ZIP da carga reativa (Barra 3 13:00h).

Patamares Utilizados
1 Patamar 2 Patamar
1
2
4

Parmetros da Carga Reativa

aQ ( % )

bQ ( % )

cQ ( % )

Q0 ( MVAr )

0
0
0
0

0
0
0
0

100
100
100
100

2,60
2,59
2,36
2,52

2
3
5
Mdia

Do mesmo modo, a Tabela IV.12 mostra os parmetros de trs modelos exponenciais


para a carga reativa da barra 3.
Tabela IV.12 Modelo exponencial da carga reativa (Barra 3 13:00h).

Patamares Utilizados

Parmetros da Carga Reativa


Q
Q0 ( MVAr )
1 Patamar 2 Patamar
1
2
4

2
3
5

11,71
11,84
11,58
11,71

Mdia

2,15
2,14
2,05
2,11

A Figura IV.18, a seguir, mostra uma comparao entre a curva real de carga reativa e as
curvas dos modelos ZIP e exponencial e a Figura IV.19 apresenta o grfico de disperso destas
curvas.

4,32

Potncia Reativa (MVAr)

3,80
3,28
2,76
2,24
1,72
1,20
13:27

13:30

13:33

13:37

13:52

13:56

13:59

14:02

Horrio
Qmed

Qzip

Qexp

Figura IV.18 Comparao da curva real de potncia reativa com as curvas dos modelos ZIP e exponencial (Barra 3 13:00h).

40

Captulo IV - Resultados

4,32

Potncia Reativa (MVAr)

3,80
3,28
2,76
2,24
1,72
1,20
22,0

22,3

22,5

22,8

23,0

23,3

23,5

23,8

24,0

24,3

24,5

Tenso (kV)
Qmed

Qzip

Qexp

Figura IV.19 Grfico de disperso. Curva real de potncia reativa e curvas dos modelos ZIP e exponencial (Barra 3 13:00h).

As curvas de tenso e potncia ativa na barra 3 (horrio das 17:00h) so mostradas na

24,5

11,40

24,0

11,08

23,5

10,76

23,0

10,44

22,5

10,12

22,0
17:03

17:06

17:09

17:12

17:28

17:31

17:34

Potncia Ativa (MW)

Tenso (kV)

Figura IV.20, a seguir:

9,80
17:38

Horrio
Tenso

Potncia Ativa

Figura IV.20 Variaes impostas de tenso e potncia ativa (Barra 3 17:00h).

A Tabela IV.13 apresenta os parmetros de trs modelos ZIP, estimados a partir das curvas da Figura IV.20, assim como a mdia destes parmetros.

41

Captulo IV - Resultados
Tabela IV.13 Modelo ZIP da carga ativa (Barra 3 17:00h).

Patamares Utilizados
1 Patamar 2 Patamar
1
3
4

Parmetros da Carga Ativa

aP ( % )

bP ( % )

cP ( % )

P0 ( MW )

30
45
39
38

17
24
21
21

53
31
40
41

10,22
10,89
10,83
10,65

2
4
5
Mdia

Para o modelo exponencial so apresentados os parmetros do mesmo na Tabela IV.14, a


seguir.
Tabela IV.14 Modelo exponencial da carga ativa (Barra 3 17:00h).

Patamares Utilizados

Parmetros da Carga Ativa

1 Patamar 2 Patamar
1
3
4

2
4
5
Mdia

P0 ( MW )

1,29
1,40
1,50
1,40

10,32
10,94
10,84
10,70

A Figura IV.21, a seguir, mostra uma comparao entre a curva real da carga ativa e as
curvas dos modelos ZIP e exponencial e a Figura IV.22 apresenta o grfico de disperso destas
curvas.

11,40

Potncia Ativa (MW)

11,08

10,76
10,44

10,12
9,80
17:03

17:06

17:09

17:12

17:28

17:31

17:34

17:38

Horrio
Pmed

Pzip

Pexp

Figura IV.21 Comparao da curva real de potncia ativa com as curvas dos modelos ZIP e exponencial (Barra 3 17:00h).

42

Captulo IV - Resultados

11,40

Potncia Ativa (MW)

11,08

10,76
10,44

10,12
9,80
22,0

22,3

22,5

22,8

23,0

23,3

23,5

23,8

24,0

24,3

24,5

Tenso (kV)
Pmed

Pzip

Pexp

Figura IV.22 Grfico de disperso. Curva real de potncia ativa e curvas dos modelos ZIP e exponencial (Barra 3 17:00h).

Como pode ser observado no grfico de disperso da Figura IV.22, h uma flutuao de
carga ativa. Para os mesmos valores de tenso existem valores muito distintos de potncia ativa
(existem duas tendncias para a curva de potncia ativa), o que leva a modelos um pouco diferentes, como pode ser observado na Tabela IV.13 e na Tabela IV.14. Apesar disso, a mdia dos parmetros destes modelos encontra-se bem prxima dos modelos da barra 2 e dos modelos da
barra 3 s 13:00h, como era esperado.

24,5

3,20

24,0

2,84

23,5

2,48

23,0

2,12

22,5

1,76

22,0
17:03

17:06

17:09

17:12

17:28

17:31

17:34

Horrio
Tenso

Potncia Reativa

Figura IV.23 Variaes impostas de tenso e potncia reativa (Barra 3 17:00h).

43

1,40
17:38

Potncia Reativa (MVAr)

Tenso (kV)

A Figura IV.23 mostra as curvas de tenso e potncia reativa na barra 3 s 17:00h.

Captulo IV - Resultados
A Tabela IV.15 apresenta os parmetros dos trs modelos ZIP para a carga reativa da
barra 3 estimados a partir da Figura IV.23.
Tabela IV.15 Modelo ZIP da carga reativa (Barra 3 17:00h).

Patamares Utilizados
1 Patamar 2 Patamar
1
3
4

Parmetros da Carga Reativa

aQ ( % )

bQ ( % )

cQ ( % )

Q0 ( MVAr )

0
0
0
0

0
0
0
0

100
100
100
100

2,39
2,22
2,12
2,24

2
4
5
Mdia

Da mesma forma, a Tabela IV.16 mostra os parmetros do modelo exponencial.


Tabela IV.16 Modelo exponencial da carga reativa (Barra 3 17:00h).

Patamares Utilizados

Parmetros da Carga Reativa


Q
Q0 ( MVAr )
1 Patamar 2 Patamar
1
3
4

2
4
5

11,99
9,67
11,01
10,89

Mdia

2,05
2,02
1,98
2,02

A seguir apresentada uma comparao entre a curva real da carga reativa com as curvas
dos modelos ZIP e exponencial (Figura IV.24) e o grfico de disperso destas curvas (Figura
IV.25).

Potncia Reativa (MVAr)

3,40
2,96
2,52

2,08

1,64
1,20
17:03

17:06

17:09

17:12

17:28

17:31

17:34

17:38

Horrio
Qmed

Qzip

Qexp

Figura IV.24 Comparao da curva real de potncia reativa com as curvas dos modelos ZIP e exponencial (Barra 3 17:00h).

44

Captulo IV - Resultados

Potncia Reativa (MVAr)

3,40

2,96

2,52
2,08

1,64

1,20
22,0

22,3

22,5

22,8

23,0

23,3

23,5

23,8

24,0

24,3

24,5

Tenso (kV)
Qmed

Qzip

Qexp

Figura IV.25 Grfico de disperso. Curva real de potncia reativa e curvas dos modelos ZIP e exponencial (Barra 3 17:00h).

IV.4 Consideraes Finais


Para a validao da metodologia proposta, foram realizados trs testes:

Estimao de trs modelos ZIP e trs modelos exponenciais para a mesma carga dentro de um intervalo de no mximo uma hora. Como a variao da carga pequena durante este intervalo, os modelos devem ser semelhantes;

Determinao dos modelos de carga, para a mesma barra, em dois horrios de carga
mdia. Sendo a aquisio de dados feita em horrios de carga mdia, esperam-se modelos de carga parecidos;

Modelagem da carga de duas barras com as mesmas caractersticas de carga e em


mesmo dia e horrio. Neste caso os modelos tambm devem ser semelhantes.
Como pde ser observado durante a apresentao dos resultados, em cada intervalo de
medio foram estimados trs modelos ZIP semelhantes e trs modelos exponenciais tambm
semelhantes, com exceo da carga ativa da barra 3 17:00h. Este ltimo caso se deve s grandes
flutuaes de potncia ativa durante o perodo de realizao dos ensaios. Para os mesmos valores
de tenso existem valores muitos distintos de potncia ativa, o que leva a modelos diferentes.
A Tabela IV.17 e a Tabela IV.18 mostram, respectivamente, os parmetros dos modelos
ZIP e exponencial para as diferentes barras e horrios.

45

Captulo IV - Resultados
Tabela IV.17 Parmetros do modelo ZIP para as diferentes barras e horrios.

Barra
2
3

Horrio aP ( % )
13:00h
17:00h
13:00h
17:00h

33
33
33
38

bP ( % )

cP ( % )

aQ ( % )

bQ ( % )

cQ ( % )

20
20
19
21

47
47
48
41

0
0
0
0

0
0
0
0

100
100
100
100

Tabela IV.18 Parmetros do modelo exponencial para as diferentes barras e horrios.

Barra
2
3

Horrio

13:00h
17:00h
13:00h
17:00h

1,40
1,36
1,41
1,40

12,88
13,67
11,71
10,89

Como mostram as tabelas acima, tanto para o modelo ZIP como para o modelo exponencial, foram obtidos modelos de carga muito semelhantes para os dois horrios de carga mdia
onde foram realizados os ensaios, assim como para ambas as barras que possuem as mesmas caractersticas de carga, evidenciando a validade da metodologia proposta. Alm disso, as curvas
dos modelos ZIP e exponencial encontram-se bem prximas s curvas reais de carga. Vale ressaltar que no caso da carga reativa o modelo ZIP no foi capaz de represent-la satisfatoriamente,
no entanto esta carga foi bem representada pelo modelo exponencial, sendo que a curva deste
modelo encontra-se muito prxima da curva real de carga reativa para todos os casos estudados.

46

Captulo V

Concluses e Trabalhos Futuros


V.1 Concluses
Esta dissertao apresentou uma nova proposta para o tratamento dos dados de medies
realizadas em pontos de interesse da rede eltrica visando uma modelagem esttica das cargas do
sistema. Para a representao das cargas foram escolhidos dois modelos amplamente utilizados
em programas de fluxo de potncia, o modelo polinomial (ZIP) e o modelo exponencial.
Apesar da carga variar ao longo do dia, entre os perodos de carga leve, carga mdia e carga pesada, em determinados intervalos de tempo esta variao no to expressiva. Deste modo,
foram estimados trs modelos ZIP e trs modelos exponenciais para a carga do sistema em um
intervalo de tempo onde no h grande variao da carga. Como a carga no varia muito durante
o perodo de realizao das medies, esperava-se que os trs modelos ZIP fossem semelhantes,
assim como os trs modelos exponenciais. Tal fato foi confirmado em todos os casos estudados,
com exceo de um dos casos onde ocorrem fortes flutuaes da carga, como pode ser confirmado no grfico de disperso. Para os mesmos valores de tenso foram registrados valores muito
distintos de potncia ativa medida, indicando que houve uma entrada/sada de carga durante o
perodo de testes. Em casos como este, aconselha-se a repetio dos ensaios para aquisio de um
novo conjunto de dados. Como foram estimados trs modelos ZIP para cada carga e como no
h grandes variaes entre os parmetros destes modelos, decidiu-se representar a carga por um
nico modelo ZIP, sendo seus parmetros iguais s mdias dos parmetros dos trs modelos ZIP
estimados. O mesmo foi feito para o modelo exponencial.

Captulo V - Concluses e Trabalhos Futuros


Outros dois mtodos utilizados para validar os resultados obtidos foram a modelagem de
carga de uma mesma barra em dois horrios de carga mdia e a modelagem de carga de duas barras de caractersticas semelhantes, em um mesmo dia e horrio. Tambm nestes casos foram obtidos modelos semelhantes, como era esperado, demonstrado a eficcia da metodologia proposta.
No caso da potncia reativa foi verificada uma grande diferena entre a curva do modelo
ZIP e a curva real de carga. Contudo, isto se deve ao fato da carga reativa deste sistema sofrer
variaes muito grandes quando so impostas as variaes de tenso e o modelo ZIP ser capaz
de representar cargas com variaes mximas proporcionais ao quadrado da tenso (modelo impedncia constante). No entanto, a carga reativa deste sistema ficou bem representada pelo modelo exponencial, para o qual foram encontradas curvas muito prximas das curvas reais de carga
reativa.
Para uma boa modelagem de carga necessrio escolher adequadamente um conjunto de
horrios representativos da carga, nos quais sero realizados os ensaios para aquisio de medidas. Durante cada intervalo de medio no devem ocorrer grandes entradas/sadas de carga, o
que pode ser bem visualizado em um grfico de disperso. Para os mesmos valores de tenso no
deve haver valores muito distintos de potncia. Caso sejam verificadas variaes muito grandes
de carga, deve-se retomar o processo de aquisio de dados ou reavaliar o perodo de representao da carga. As interferncias negativas das flutuaes naturais de carga (pequenas entradas/sadas de carga) podem ser mitigadas atravs da criao dos patamares impondo variaes
sustentadas de tenso. Quanto maior a diferena de tenso entre os patamares, menor ser a interferncia das flutuaes da carga.

V.2 Trabalhos Futuros


Seguindo a linha de pesquisa desenvolvida nesta dissertao e tendo em vista os resultados obtidos, ficam algumas sugestes para trabalhos futuros:

Estudos de casos em mais classes de consumidores como, por exemplo, as classes in


dustrial e comercial, no abordadas neste trabalho;

Determinao dos modelos estticos e dinmicos de carga com a agregao dos modelos de motores de induo;

Determinao de modelos polinomiais de ordem superior ao modelo ZIP;

48

Captulo V - Concluses e Trabalhos Futuros

Realizao de medies com maiores variaes de tenso, dentro dos limites permitidos pela ANEEL.

49

Apndice A

Estimao de Estados
A.1 Introduo
O processo de estimao de estados atualmente considerado como um elemento fundamental dos modernos centros de controle dos sistemas de energia eltrica. Pode-se definir o
Estimador de Estados como um programa de clculo, executado em tempo real, cujo objetivo
fornecer uma base de dados completa, coerente e confivel, que descreva o estado eltrico do
sistema naquele momento e compense uma possvel presena de erros grosseiros nos dados (valores de medies e status da rede) ou mesmo a ausncia de dados. Para satisfazer este objetivo, o
estimador processa um conjunto redundante de medidas obtidas por aparelhos de medio e
outras informaes recolhidas da rede num dado instante, como topologia da rede e estados de
chaves e disjuntores, aplicando um modelo matemtico de clculo para a obteno da estimativa
do respectivo vetor de estados do sistema (vetor dos ngulos de fase e mdulos das tenses nos
diferentes barramentos do sistema) [1].
As informaes repassadas ao estimador de estados podem ser caracterizadas pela configurao vigente da rede, medidas de fluxos de potncia ativa e reativa nas linhas de transmisso/distribuio, injees de potncia ativa e reativa nas barras, mdulo das tenses nas barras,
magnitudes de correntes em linhas, dentre outras. Medies simultneas em diferentes partes do
sistema so praticamente impossveis, conseqentemente, certo intervalo de tempo entre medies comumente tolerado. Esta tolerncia justificada pela variao lenta das condies operacionais dos sistemas de potncia em condies normais.

Apndice A - Estimao de Estados


O processo de estimao de estados revela-se complexo, uma vez que muitas fontes de
erros ou imprecises podem estar presentes nas informaes repassadas ao estimador de estados,
tais como erros inerentes ao processo de medio, erros na configurao da rede, medies realizadas durante fenmenos transitrios, etc. O estimador de estados atua como um filtro para suavizar erros estatisticamente pequenos, inerentes medio, bem como, suprir erros grosseiros
eventuais, causados por funcionamento inadequado do sistema de aquisio de dados.
Atualmente, a estimao de estados pode ser dividida em duas metodologias. A estimao
de estados esttica constitui a metodologia mais amplamente estudada, considerando o vetor de
estados invariante no tempo, desprezando assim a evoluo temporal do estado e informaes
sobre o comportamento do sistema em instantes anteriores. A estimao dinmica consiste em
estabelecer um modelo dinmico para descrever o comportamento do estado do sistema. O filtro
de Kalman tem sido a tcnica mais utilizada para tal finalidade. Neste apndice ser tratada apenas a estimao de estados esttica.

A.2 Probabilidade Mxima


O objetivo da estimao de estados determinar o estado mais provvel do sistema baseado em medies realizadas no mesmo. Isto pode ser conseguido atravs da estimao da probabilidade mxima, um mtodo amplamente utilizado em estatstica. Considera-se que os erros das
medidas possuem uma distribuio de probabilidade conhecida com parmetros desconhecidos.
A funo densidade de probabilidade conjunta de todas as medidas pode ser escrita em termos
destes parmetros desconhecidos e atingir seu valor mximo quando os parmetros chegarem o
mais prximo possvel dos valores reais [30].
Conseqentemente, um problema de otimizao pode ser utilizado para maximizar esta
funo de probabilidade em funo dos parmetros desconhecidos. A soluo dar a estimativa
da mxima probabilidade para os parmetros de interesse. Geralmente considera-se que os erros
das medidas possuem uma distribuio Gaussiana, sendo os parmetros desta distribuio a mdia ( ) e varincia ( 2 ).

51

Apndice A - Estimao de Estados

A.2.1 Funo Densidade de Probabilidade Gaussiana (Normal)


A funo densidade de probabilidade Gaussiana (Normal) para uma varivel aleatria z
definida como:
1 z


1
f ( z) =
e 2
2

(A.1)

onde:
z

varivel aleatria;

mdia ou valor esperado de z ;

desvio padro de z .

A forma da funo f ( z ) depender dos valores da mdia e do desvio padro. A Figura


A.1 mostra uma funo densidade de probabilidade Gaussiana padro, a qual possui mdia zero e
desvio padro igual a um.

0.4

0.35

0.3

f(z)

0.25

0.2

0.15

0.1

0.05

0
-4

-3

-2

-1

0
z

Figura A.1 Funo densidade de probabilidade Normal padro.

52

Apndice A - Estimao de Estados

A.2.2 Funo de Probabilidade


Considere a funo densidade de probabilidade conjunta representada pela probabilidade
de m medidas independentes, cada uma com a mesma funo densidade de probabilidade (f.d.p.)
Gaussiana. A f.d.p. conjunta pode ser simplesmente expressa pelo produto das f.d.p.s de cada
medida, assumindo serem as medidas independentes entre si. Assim:

f m ( z ) = f ( z1 ) f ( z2 )" f ( zm )

(A.2)

onde:

zi

i-sima medida;

zT

[ z1 , z2 ," , zm ] .

A funo f m ( z ) chamada de funo de probabilidade de z . O objetivo da estimao


da probabilidade mxima maximizar esta funo de probabilidade por variao dos parmetros
da funo de densidade, normalmente a mdia ( ) e o desvio padro ( ). Para determinar os
valores timos dos parmetros, geralmente aplica-se o logaritmo natural funo f m ( z ) , de
forma a simplificar o processo. A funo modificada chamada de funo de probabilidade logartmica ( ) e dada por:
m

= ln f m ( z ) = ln f ( zi )
i =1

m
1 m z i m
= i
ln 2 ln i
2 i =1 i
2
i =1

(A.3)

A estimao da probabilidade ir maximizar a funo acima para um conjunto de medidas


[ z1 , z2 ," , zm ] . Isto pode ser resolvido pela soluo do seguinte problema:

max

ln f m ( z )
(A.4)

ou
zi i

i
i =1
m

min

Onde i o valor esperado E ( zi ) da medida zi podendo ser expresso como hi ( x ) ,


uma funo no linear que relaciona o vetor de estados x medida i .

53

Apndice A - Estimao de Estados

A.3 Formulao do Problema de Estimao Esttica de


Estados
A estimao de estados realiza duas tarefas bsicas: filtragem dos rudos de medio e
avaliao da consistncia dos dados adquiridos. Alm das funes citadas, a estimao de estados
realiza tambm a anlise de observabilidade e a determinao da configurao da rede eltrica
[31].
A Figura A.2 ilustra as etapas que envolvem o processo de estimao de estados em Sistemas Eltricos de Potncia. A etapa inicial abrange a obteno dos valores das medidas e a determinao do modelo da rede. A rede modelada atravs da sua matriz de admitncias. Um algoritmo denominado configurador de rede responsvel pela determinao da conectividade da
rede a partir de informaes topolgicas. A seguir, realiza-se a anlise de observabilidade, que
determina se existem medidas suficientes em nmero e localizao, de forma a tornar a estimao
de estados possvel, considerando a rede como um todo. Se o sistema for considerado observvel, a estimao de estados pode prosseguir; caso contrrio, pseudomedidas devem ser adicionadas ao conjunto de medidas de entrada.
A etapa seguinte a estimao propriamente dita dos ngulos e magnitudes das tenses
nas barras. A partir destas grandezas, todas as outras grandezas do sistema podem ser determinadas. Em seguida, realizada a deteco de dados de entrada contaminados atravs da anlise dos
resduos da estimao. Se no for detectada a presena de medidas esprias, o processo de estimao chega ao fim; caso contrrio, a prxima etapa a identificao das medidas contaminadas,
que podem ser eliminadas ou substitudas por pseudomedidas a serem utilizadas como dados de
entrada no reincio do processo de estimao de estados [2].

54

Apndice A - Estimao de Estados


Aquisio de medidas

Dados topolgicos

Configurador da rede

Dados de entrada e modelo da rede

No
Pseudomedidas

Anlise de Observabilidade
O sistema observvel?
Sim
Algoritmo de clculo do
vetor de estado

No

Eliminao ou
substituio de
medidas esprias

Deteco de erros
grosseiros
Sim
Identificao de dados de
entrada contaminados

Fim
Figura A.2 Etapas do processo de estimao de estados.

A.3.1 Modelo das Medidas


Para a determinao do vetor de estados do sistema (ngulos de fase e mdulos das tenses nas barras), o estimador de estados processa um conjunto redundante de medidas que geralmente so:

Injees de potncia ativa e reativa em barras;


Fluxos de potncia ativa e reativa em linhas;
Mdulos das intensidades de correntes em circuitos;
55

Apndice A - Estimao de Estados

Mdulos das tenses nos barramentos.


Estas medidas podem ser expressas em funo das variveis de estado do sistema em coordenadas polares ou retangulares. Usando coordenadas polares em um sistema contendo nb
barras, o vetor de estados ter dimenso ( n = 2nb 1 ), sendo nb mdulos das tenses e ( nb 1 )
ngulos, j que uma das barras usada como referncia do sistema, sendo seu ngulo de fase conhecido. Considerando a barra 1 como referncia, o vetor de estados x de um sistema contendo

nb barras ter a seguinte forma:


xT = [ 2 3 " nb V1 V2 "Vnb ]

(A.5)

Considere um sistema com n estados e m medidas. De forma geral, o conjunto de medidas deste sistema pode ser modelado como:

z1 h1 ( x1 , x2 ," , xn ) e1
z h ( x , x ," , x ) e
n
2= 2 1 2
+ 2
#

#
#


zm hm ( x1 , x2 ," , xn ) em

(A.6)

z = h( x) + e

(A.7)

ou:

onde:
z

vetor das medidas com dimenso ( m x 1 );

vetor de estados, com dimenso ( n x 1 ), formado pelos ngulos de fase e


mdulos das tenses nas barras;

hi ( x)

funo no-linear que relaciona a medida i ao vetor de estados do sistema;

vetor de erros das medidas com dimenso ( m x 1 ). Pode ser interpretado como uma varivel aleatria com distribuio normal, valor esperado zero e matriz de covarincia R diagonal e dada por: R = E{e eT } ;

R = diag .( i2 ) , sendo E{.} o operador valor esperado e 2 a varincia da i-

sima medida.

56

Apndice A - Estimao de Estados

A.3.2 Clculo do Vetor de Estados


O Mtodo dos Mnimos Quadrados Ponderados (MQP), proposto por Schweppe em
1970, representa a formulao mais amplamente utilizada na literatura e nos programas de estimao de estados em uso prtico nos sistemas eltricos. O Estimador MQP ir minimizar a seguinte funo objetivo:

( zi hi ( x)) 2
J ( x) =
Rii
i =1
m

(A.8)

= [ z h( x)]T R 1[ z h( x)]
No ponto de mnimo da funo, a condio de otimalidade dever ser satisfeita. Isto pode
ser expresso em forma compacta como na equao (A.9).
g ( x) =

J ( x)
= H T ( x) R 1[ z h( x)] = 0
x

(A.9)

h( x)
onde: H ( x) =
x

Expandindo a funo no-linear g ( x ) em srie de Taylor e resolvendo por GaussNewton, tem-se:

x k +1 = x k [G ( x k )]1.g ( x k )
onde:

ndice da iterao;

xk

vetor de soluo da iterao k ;

G( xk ) =

g ( x k )
= H T ( x k ).R 1.H ( x k ) ;
x

g ( x k ) = H T ( x k ).R 1.[ z h( x k )] .

57

(A.10)

Apndice A - Estimao de Estados

A.4 Anlise de Observabilidade


O estimador de estados processa um conjunto de medidas de forma a obter uma estimativa do estado do sistema. Dada a topologia da rede, um conjunto de medidas e suas respectivas
distribuies geogrficas, a anlise de observabilidade ir determinar se tais informaes so suficientes o bastante para a realizao da estimao do estado do sistema. Se o conjunto de medidas
suficiente para a realizao da estimao de estados, a rede dita observvel. Usualmente, um
sistema designado para ser observvel para vrias condies de operao, entretanto este podese tornar no observvel devido s ocorrncias de modificaes no antecipadas na topologia da
rede ou devido s falhas em equipamentos de medio e telecomunicao.
Se um sistema for considerado no observvel como um todo, o mesmo poder apresentar subsistemas ou ilhas observveis, isto , aquelas cujos estados ainda so estimados com as
medidas disponveis [32]. Neste caso, cada ilha ter sua prpria referncia angular independente
das demais. A anlise de observabilidade da rede detecta tais casos e identifica todas as ilhas observveis existentes antes da execuo do estimador de estados.
A Figura A.3 mostra uma parte de um sistema eltrico interconectado, onde so delimitadas as reas observveis e no observveis do sistema. Em geral, a rea de controle relativa a um
determinado COS observvel para vrias condies de operao, embora este no seja sempre
o caso devido a ocorrncias no previstas. A estimao de estados pode ser realizada nas partes
no observveis atravs da adio de pseudomedidas baseadas em informaes qualitativas obtidas, por exemplo, em estudos de previso de carga ou a partir do caso base. Pseudomedidas so
valores definidos para certas medidas com o objetivo de tornar ou restaurar a observabilidade das
partes no observveis.

58

Apndice A - Estimao de Estados

A
B
A

A Parte observvel da rede de interesse;


B Parte no observvel da rede de interesse;
C Resto do sistema interconectado.

Figura A.3 Observabilidade em um sistema eltrico interconectado.

Para que o sistema seja observvel necessrio que a matriz de ganho G seja no singular. Como a matriz R no singular, isto implica que a matriz Jacobiana H deve ter posto completo, ou seja, posto igual a n . Assim, possvel estabelecer uma relao entre anlise de observabilidade e a matriz Jacobiana H e chegar-se definio de observabilidade algbrica [13]:
Um sistema de potncia definido como algebricamente observvel, com respeito a um
conjunto de medidas, se a matriz H tiver posto igual a n .

A.5 Deteco e Identificao de Erros Grosseiros


Uma das funes essenciais do estimador de estados avaliar a qualidade dos resultados
obtidos no processo de clculo do vetor de estados do sistema. Para tanto, realiza-se a anlise dos
resduos (diferena entre valor medido e o valor estimado) com o objetivo de detectar a presena
de erros estatisticamente elevados (erros grosseiros) nas medidas e, se possvel, identificar e eliminar ou substituir tais medidas esprias.
A deteco e o tratamento de erros grosseiros dependem do mtodo utilizado no processo de estimao de estados. No caso do estimador MQP, o mtodo mais amplamente utilizado
para validao dos resultados o Teste do Maior Resduo Normalizado.
O vetor de resduos ( r ) das medidas definido como a diferena entre o valor medido e
o correspondente valor estimado, dado por:

59

Apndice A - Estimao de Estados


r = z z

(A.11)

r = z h( x )

(A.12)

ou:

onde:
z = h( x )

vetor das estimativas das medidas;

estado estimado.

Assim como o vetor de incertezas ( e ), o vetor de resduos ( r ) tambm pode ser interpretado como uma varivel aleatria com distribuio normal, valor esperado zero e matriz de covarincia , dada por:
= R HG 1 H T

(A.13)

Na presena de apenas um erro grosseiro, a medida errnea aquela que apresenta o


maior resduo normalizado [18]. Isto justifica a utilizao do teste de resduos normalizados como
um mtodo de deteco e identificao de erros grosseiros.
O resduo normalizado ( ri N ) para uma medida i definido como:

ri N =

| ri |
ii

(A.14)

Calculado o vetor de resduos normalizados ( r N ), o mesmo submetido ao seguinte teste


de validao:
| ri N | >

(A.15)

onde o limite de deteco de um falso alarme. Resduos normalizados que violam o


limite estabelecido indicam a presena de erros grosseiros.
Aps a deteco da presena de erros grosseiros no conjunto de medidas realiza-se a identificao das medidas portadoras de erros, que em seguida podem ser eliminadas ou substitudas por pseudomedidas. Elimina-se ento a medida correspondente ao maior resduo normalizado e em seguida realiza-se nova estimao de estados com o vetor de medidas reduzido/modificado. Em seguida, repete-se todo o processo de deteco e eliminao de erros grosseiros, eliminando-se a medida que apresenta o maior resduo normalizado e assim sucessivamente at que o teste r N seja negativo.

60

Apndice B

Metodologia Primal-Dual de Pontos


Interiores
B.1 Introduo
Este apndice descreve os aspectos computacionais da metodologia primal-dual de pontos interiores [33] [34] [35] na resoluo de problemas de fluxo de potncia timo (FPO). A motivao desta aplicao deve-se ao bom desempenho mostrado pelos mtodos de pontos interiores em programao linear de grande porte, assim como em programao quadrtica e convexa.
O algoritmo implementado resolve o sistema de equaes resultante da formulao primal-dual
pelo mtodo de Newton-Raphson com critrios especficos de convergncia e ajuste do parmetro barreira.

B.2 Mtodo de Pontos Interiores


Na dcada de 80, Karmarkar [36] publicou um algoritmo de Mtodos Projetados para a
resoluo de problemas de programao linear. O algoritmo desenvolvido por Karmarkar significativamente diferente do tradicional mtodo SIMPLEX de George Dantzig. Enquanto o
SIMPLEX resolve um problema de programao linear comeando em um ponto extremo ao
longo da regio de soluo e salta para um outro ponto extremo melhor e pra, finalmente, em
um ponto extremo timo, o mtodo de Karmarkar raramente visita pontos extremos antes que
um ponto timo seja alcanado. Assim, o algoritmo de Karmarkar encontra solues viveis no

Apndice B - Metodologia Primal-Dual de Pontos Interiores


interior da regio de soluo, evitando desta forma a complexidade exponencial derivada dos
vrtices de soluo [37]. Devido ao procedimento de busca da soluo proposto por Karmarkar,
este mtodo foi chamado de Mtodo de Pontos Interiores (MPI).
A Figura B.1 mostra como os dois mtodos aproximam-se da soluo tima ( xot ). Neste
exemplo, o algoritmo de MPI requer aproximadamente o mesmo nmero de iteraes que o mtodo SIMPLEX.
Simplex
MPI

X3
X4
X1

X5

X2
X2

X3

X1
X4

Xot

Figura B.1 Simplex x MPI.

Existe hoje uma experincia acumulada que permite dizer que o mtodo de pontos interiores competitivo ao SIMPLEX em uma grande quantidade de problemas prticos de programao linear, principalmente em relao a problemas de grande porte. Desta forma, a abordagem do
MPI tem atrado a ateno de inmeros pesquisadores de diversas reas.

B.3 Formulao do Problema de FPO


Um problema de FPO pode ser formulado genericamente como:
Min
s.a

f ( x)
h( x) = 0

( )

l xu

( )

(B.1)

onde:
f ( x)

funo objetivo;

h( x )

restries referentes s equaes de balano de potncia e as restries funcionais;

62

Apndice B - Metodologia Primal-Dual de Pontos Interiores


l, u

limites inferiores e superiores sobre as variveis de controle, variveis de estado e folgas associadas s restries de canalizao.

Com a incluso de variveis de folga nas restries de canalizao, o sistema (B.1) resulta
no equivalente a:
Min
s.a

f ( x)
h( x ) = 0
x sl = l

( )
( l )

x + su = u

( u )

(B.2)

sl , su 0

Pode ser observado que as restries de desigualdade que aparecem so do tipo (0),
ou seja, as restries de desigualdade originais foram transformadas em variveis no negativas,
sendo tratadas atravs de penalizao interna. Desta forma, este tipo de restrio pode ser includo ao problema atravs de uma funo penalidade conhecida como barreira logartmica
( ln( s) ). Com a incluso da funo barreira logartmica, o problema original transformado
em uma seqncia de problemas parametrizados pelo parmetro barreira ( ) . Assim, o problema primal (B.2) escrito como:

Min

i =1

i =1

f ( x) ln( sli ) ln( sui )

s.a
h( x ) = 0

( )

x sl = l

( l )

x + su = u

( u )

(B.3)

onde:

nmero de variveis que possuem restries de canalizao.

Observe que para cada valor do parmetro barreira, tem-se um novo problema de otimizao. Resolver (B.3) equivalente a achar um ponto no interior da regio de soluo. O conjunto de pontos obtidos para cada valor de define a trajetria de convergncia no interior da regio vivel em relao s restries de canalizao.

63

Apndice B - Metodologia Primal-Dual de Pontos Interiores


A condio de otimalidade do problema original (B.2) ser alcanada quando = 0 . Por
este motivo, durante o processo iterativo, deve ser imposto um decrscimo do parmetro barreira
( k +1 < k ) de tal forma que:

k 0 quando k +
Assim, quando = 0 , a funo objetivo do problema (B.3) torna-se a funo objetivo do
problema que se deseja resolver, ou seja, torna-se o problema. (B.1). Os processos adotados para
o decrescimento do parmetro barreira do origem a varias metodologias de pontos interiores.
Nesta dissertao, ser abordada a metodologia primal-dual de pontos interiores.
Com o objetivo de transformar um determinado problema de otimizao sujeito a apenas
restries de igualdade (B.3) em um problema de otimizao sem restries, utiliza-se a funo
lagrangeana. Esta funo originada atravs de uma combinao linear entre as restries do
problema (B.3), onde os coeficientes desta combinao so os multiplicadores de Lagrange
( , l e u ). Assim, a funo lagrangeana referente ao problema (B.3) pode ser escrita como:
n

i =1

i =1

L = f ( x) ln( sli ) ln( sui ) T .h( x ) l T .( x sl l ) u T .( x + su u )

(B.4)

B.4 Resoluo do Problema


Para atingir a otimalidade do problema (B.4) deve-se derivar a equao lagrangeana em
relao as suas variveis (primais e duais) e igualar a zero. Fazendo isto tem-se:

Sl e Su

(Lx )

f ( x) T h( x) 1T 2T = 0

(B.5)

(L )

h( x ) = 0

(B.6)

(L l )

x sl l = 0

(B.7)

(L u )

x + su u = 0

(B.8)

(Lsl )

e = Sl l

(B.9)

(Lsu )

e = Su u

(B.10)

matrizes diagonais cujos elementos diagonais so as componentes dos vetores sl e su respectivamente e eT = [1," ,1] .

64

Apndice B - Metodologia Primal-Dual de Pontos Interiores


Estas seis equaes vetoriais determinam a otimalidade do problema (B.3). Observe que
os critrios do sinal de l e u so deduzidos de (B.9) e (B.10), dada a positividade de

Sl , Su , . Aplicando-se o mtodo de Newton-Raphson ao sistema de equaes (B.5) a (B.10)


para a determinao de x, sl , su , , l e u tem-se:
( 2 f ( x ) 2 h( x ))x h( x ) l u = t

(B.11)

T h( x)x = h( x)

(B.12)

x sl = ( x sl l )

(B.13)

x + su = ( x + su u )

(B.14)

l sl Sl l = ( e Sl l )

(B.15)

u su Su u = ( e + Su u )

(B.16)

onde:

l e u

matrizes diagonais cujos elementos diagonais so as componentes dos vetores l e u respectivamente e, t = f ( x ) T h( x ) l u .

Considerando em (B.13) e (B.14) que os pontos so viveis, isto , que as variveis estejam dentro da regio de soluo, tem-se que:

sl x = 0

(B.17)

su + x = 0

(B.18)

Substituindo as equaes acima em (B.15) e (B.16), obtm-se:


l = + Sl1 ( e Sl 1 1x)

(B.19)

u = Su1 ( e Su u u x )

(B.20)

Substituindo as equaes (B.9) e (B.10) nas equaes (B.19) e (B.20) respectivamente,


tem-se:
l = + Sl1 ( l x )

(B.21)

u = Su1 ( u x )

(B.22)

65

Apndice B - Metodologia Primal-Dual de Pontos Interiores


Com estas substituies, as incgnitas do problema so x e . Substituindo as expresses de l e u em (B.11), tem-se:
( 2 f ( x ) T 2 h( x ) l + S11 l Su1 u )x h( x ) = Z

(B.23)

Z = (f ( x ) T h( x )) + ( Sl1e Su1e)

(B.24)

com:

Desta forma, o sistema a ser resolvido, dado pelas equaes (B.24) e (B.12), equivalente
a:

J T x Z
=

0 h( x)

(B.25)

com:
H = 2 f ( x ) T 2 h( x ) + Sl1 l Su1 u

(B.26)

J = h ( x )

(B.27)

Uma vez calculados x e , os vetores sl e su so obtidos a partir de (B.17) e (B.18)


e os vetores l e u so obtidos a partir de (B.21) e (B.22). Observe que H e Z representam
a Hessiana e o Jacobiano da funo lagrangeana associada ao problema somente com restries
de igualdade e mais um termo contendo informaes correspondentes ao termo barreira sendo:
( Sl1 l Su1 u ) em H e ( Sl1e Su1e) em Z .

B.5 Atualizao das Variveis


Diferentemente do fluxo de potncia convencional, os incrementos obtidos pela resoluo do sistema (B.25) no so incrementados diretamente em suas respectivas variveis. Assim,
calculado um passo de otimizao ( p ) para as variveis primais e um passo ( d ) para as variveis duais, dados pelas expresses:

sl
s
, min u ,1
| sl | s <0 | su |

(B.28)

, min u ,1
<0 | l | <0 | u |

(B.29)

p = min min
s <0

d = min min

66

Apndice B - Metodologia Primal-Dual de Pontos Interiores


Estes passos tm por objetivo no deixar que nenhuma varivel, primal ou dual, tenha um
valor de incremento ( ) que a faa violar suas restries de canalizao. Assim, calculados os
passos de otimizao, atualiza-se as variveis primais e duais do problema, determinando o prximo ponto da trajetria, onde utilizado um fator de reduo ( ) de passo para evitar singularidades na barreira logartmica, o valor utilizado na prtica para este fator de 0,99995.
Depois de resolvido o sistema (B.25), utiliza-se as expresses (B.17) e (B.18) para determinar os s e atravs de (B.21) e (B.22), obtm-se os . Ento, os novos valores de x, s, e
podem ser calculados por:

x k +1 = x k + p x

(B.30)

s k +1 = s k + p s

(B.31)

k +1 = k + d

(B.32)

k +1 = k + p

(B.33)

B.6 Atualizao do Parmetro Barreira e do Gap


Para o processo de otimizao convergir para uma resposta correta o parmetro que
multiplica a funo barreira logartmica deve tender a zero no decorrer das iteraes, logo ele
deve ser atualizado a cada iterao segundo as equaes abaixo:

gap = sl l su u

(B.34)

gap
... ( 0 < < 1)
2n

(B.35)

O valor do gap um parmetro de distncia das variveis em relao soluo tima


do problema. Assim, o valor da gap vai decrescendo durante o processo e mnimo quando a
soluo tima alcanada.
O parmetro tem como objetivo modificar a direo de busca e com isto, reduzir o
nmero de iterao do FPO. O valor timo de depende do sistema considerado e das condies iniciais do problema. Assim, nesta dissertao optou-se pela utilizao de um valor fixo

= 0,1 , uma vez que este valor muito utilizado na prtica [38].

67

Apndice B - Metodologia Primal-Dual de Pontos Interiores

B.7 Algoritmo de Soluo do MPI


O algoritmo de soluo resultante dos passos descritos anteriormente pode ser resumido
como:
1. Inicializao das variveis primais e duais.
2. Montagem da funo lagrangeana (B.4).
3. Clculo dos termos da matriz Hessiana (B.26) e (B.27) e dos termos do vetor independente (B.6) e (B.24).
4. Resoluo do sistema de equaes (B.25).
5. Clculo do passo primal (B.28) e dual (B.29).
6. Atualizao das variveis do problema (B.30) a (B.33).
7. Clculo do gap (B.34) e atualizao do parmetro barreira (B.35).
8. Teste de otimalidade:
Se ( 5.104 , gap 5.104 , p 1MW , q 1MW ) PARE
Seno VOLTE ao passo 2.
onde:
p

resduo do balano de potncia ativa em cada barra do sistema;

resduo do balano de potncia reativa em cada barra do sistema.

Se o valor do gap se torna maior que um valor mximo ( 1 108 ), o processo iterativo
deve ser interrompido, indicando que o problema provavelmente invivel ou mal condicionado.

68

Referncias Bibliogrficas
[1] T. T. LOPES, Estimador de Estado Fuzzy, Tese de Doutorado, COPPE UFRJ, Rio
de Janeiro, 2006.
[2] R. S. G. MATOS, Processamento de Erros Grosseiros na Estimao de Estado de Sistemas de Potncia em Condies Crticas de Redundncia, Dissertao de Mestrado,
UFF/CAA, Niteri, 2000.
[3] M. B. AMARAL, Modelagem Esttica de Carga por Meio de Medio Direta: Proposio de um Metodologia Sistematizada, seus Impactos e Benefcios, M.Sc., UFJF, Juiz de
Fora, MG, Setembro de 2004.
[4] P. GOMES, A. P. GUARINI, M. M. P. SOUZA, A. G. MASSAUD, C. FERREIRA, J.
M. E. VICENTE, P. P. C. MENDES, A. M. C. RIBEIRO, Modelagem de Carga para
Estudos Dinmicos, XIX Seminrio Nacional de Produo e Transmisso de Energia
Eltrica, Rio de Janeiro, RJ, Outubro de 2007.
[5] A. MONTICELLI, Fluxo de Carga em Redes de Energia Eltrica, 1 ed. So Paulo, SP,
Editora Edgard Blucher Ltda, 1983.
[6] C. E. V. PONTES, H. O. HENRIQUES, J. C. O. AIRES, W. B. M. CORRA, Definio da Modelagem da Carga da LIGHT e seu Impacto na Anlise de Grandes Perturbaes, XIX Seminrio Nacional de Produo e Transmisso de Energia Eltrica, Rio de
Janeiro, RJ, Outubro de 2007.
[7] L. C. A. FERREIRA, R. M. HENRIQUES, J. A. P. FILHO, N. MARTINS, D. M. FALCO, Influncia da Representao de Motores de Induo e de Dispositivos de Controle Automticos e Discretos em Estudos de Segurana de Tenso, IX Simpsio de Especialistas em Planejamento da Operao e Expanso Eltrica, Rio de Janeiro, RJ, Maio de
2004.

Referncias Bibliogrficas
[8] G. S. S. JUNIOR, V. L. PAUCAR, V. R. OLIVEIRA, Modelo da Carga do Consumidor
Industrial ALUMAR para Estudos de Estabilidade no Domnio do Tempo, XIX Seminrio Nacional de Produo e Transmisso de Energia Eltrica, Rio de Janeiro, RJ, Outubro de 2007.
[9] F. C. SCHWEPPE, J. WILDER, Power System Static State Estimation Part I: Exact
Model, IEEE Transactions on PAS, vol. PAS-89, pp. 120-135, January 1970.
[10] F. C. ASCHMONEIT, N. M. PETERSON, A. C. ADRIAN, State Estimation with
Equality Constraints, Proceedings of PICA, pp. 427-436, 1977.
[11] F. L. ALVARADO, W. F. TINNEY, State Estimation using Augmented Blocked Matrices, IEEE Transactions on Power Systems, vol. 5, No. 3 pp. 911-921, August 1990.
[12] A. GARCIA, A. MONTICELLI, P. ABREU, Fast Decoupled State Estimation and Bad
Data Processing, IEEE Transactions on PAS, vol. PAS-98, no. 05, pp. 1645-1651,
Setember/October 1979.
[13] G. R. KRUMPHOLZ, K. A. CLEMENTS, P. W. DAVIS, Power System Observability:
A Pratical Algorithm Using Network Topology, IEEE Trans. On PAS, vol. PAS-99, No.
4, p 1534-1542, Jul./Ago., 1980.
[14] A. MONTICELLI, F. F. WU, Network Observability: Identification of Observable Islands and Measurement Placement, Transactions on PAS, vol. PAS-104, no. 5, pp. 10351041, May 1985.
[15] A. MONTICELLI, F. F. WU, Network Observability: Theory, Transactions on PAS,
vol. PAS-104, no. 5, pp.1042-1048, May 1985.
[16] H. M. MERRIL, F. C. SCHWEPPE, Bad Data Suppression in Power System State Estimation, IEEE Transaction on PAS, vol. 90, pp. 2718-2725, November/December
1971.
[17] F. C. SCHWEPPE, E. J. HANDSCHIN, Static State Estimation in Electric Power Systems, Proceedings IEEE, vol. 62, pp. 972-982, July 1974.
[18] HANDSCHIN, E., SCHWEPPE, F. C., KOHLAS, J., FIECHTER, A., Bad Data
Analysis for Power System State Estimation, IEEE Trans. On PAS, vol PAS-94, N 2,
p. 329-337, Mar./Abr. 1975.

70

Referncias Bibliogrficas
[19] D. M. FALCO, P. A. COOPER, A. BRAMELLER, Power System State Estimation
and Bad Data Processing, IEEE Transactions on PAS, vol. PAS-101, no. 2, pp. 325-333,
1982.
[20] D. M. FALCO, An Efficient Power System Tracking State Estimator Using Linear
Programming, Proceeding of the IFCA Symposium on Planning and Operation of Electric Energy Systems, Rio de Janeiro, pp. 65-70, 1985.
[21] D. M. FALCO, S. M. ASSIS, Linear Programming State Estimation: Error Analysis
and Gross Error Identification, IEEE Transactions on Power Systems, vol. 3, pp. 809815, August 1988.
[22] F. ZHANG, C. S. CHENG, A Modified Newton Method for Radial Distribution System Power Flow Analysis, IEEE Transactions on Power Systems, vol. 12, no. 1, pp.
389-397, February 1997.
[23] M. E. BARAN, A. W. KELLEY, State Estimation for Real-Time Monitoring of Distribution Systems IEEE Transactions on Power Systems, vol. 9, no. 3, pp. 1601-1609, August 1994.
[24] M. E. BARAN, A. W. KELLEY, A Branch-Current-Based State Estimation Method for
Distribution Systems, IEEE Transactions on Power Systems, vol. 10, n0. 1, pp. 483-491,
February 1995.
[25] Y. M. PARK, Y. H. MOON, J. B. CHOO, T. W. KWON, Design of Reliable Measurement System for State Estimation, IEEE transactions on Power Systems, vol. 3, no. 3,
pp. 830-836, August 1988.
[26] D. M. FALCO, P. A. COOPER, A. BRAMELLER, Power System Tracking Static
State Estimation and Bad Data Processing, IEEE Trans. on PAS, vol. PAS-101, p. 325333, Fev. 1982.
[27] A. M. LEITE DA SILVA, M. B. DO COUTTO FILHO, J. M. C. CANTERA, Tracking, Dynamic and Hybrid Power System State Estimators, 9th PSCC Proc., p. 538-539,
Portugal, Set. 1987.
[28] A. M. LEITE DA SILVA, M. B. DO COUTTO FILHO, J. M. C. CANTERA, An Efficient Dynamic State Estimation Algorithm Including Bad Data Processing, IEEE Trans.
on PAS, vol. PWRS-2, p. 1050-1058, Nov. 1987.

71

Referncias Bibliogrficas
[29] M. B. DO COUTO FILHO, J.D. GLOVER, A. M. LEITE DA SILVA, State Estimators with Forecasting capability, 11th PSCC Proc., vol. 2, p. 689-695, Frana, Ago. 1993.
[30] A. ABUR, A. G. EXPSITO, Power System State Estimation, Marcel Dekker Inc.,
New York, 2004.
[31] A. BOSE, K. A. CLEMENTS, Real-time Modeling of Power Networks,. Proc. of
IEEE, vol. 75, p. 1607-1622, Dez. 1987.
[32] K. A. CLEMENTS, B. F. WOLLENBERG, An Algorithm for Observability Determination in Power System State Estimation, IEEE PES Summer Meeting, San Francisco,
California, Artigo A-75 447-3, 1975.
[33] M. J. LATORRE, Aplicao do Mtodo de Pontos Interiores Primal-Dual para a Resoluo do Problema de Fluxo de Potncia timo, Dissertao de Mestrado, COPPE UFRJ, Rio de Janeiro, 1995.
[34] S. GRANVILLE, Optimal Reactive Dispatch Through Interior Point Method,
IEEE/PES, N93, February 1993.
[35] S. GRANVILLE, M. C. A. LIMA, Application of Decomposition Techniques to Var
Planning: Methodological & Computational Aspects, IEEE/PES, N94, February 1994.
[36] N. KARMARKAR, New PolynomialTime Algorithm for Linear Programming, Combinatorica,Vol.4, pp.373-395, 1984.
[37] V. KLEE, G. MINTY, How Good is the Simplex Algorithm?, In: Sisha, editor, Inequalities III, Academia Press, New York, NY, 1972.
[38] E. D. CASTRONUOVO, Aplicao do Mtodo de Pontos Interiores no Fluxo de Potncia timo No Linear com Utilizao de Processamento de Alto Desempenho, Tese
de Doutorado - UFSC - Universidade Federal de Santa Catarina, Florianpolis, Brasil,
2001.

72

Você também pode gostar