Você está na página 1de 84

MARIANA CARNEIRO DOS SANTOS

MONITORAO EM TEMPO REAL DA GERAO


DISTRIBUDA EM SISTEMAS DE DISTRIBUIO

FLORIANPOLIS
2006

ii

UNIVERSIDADE FEDERAL DE SANTA CATARINA


PROGRAMA DE PS-GRADUAO
EM ENGENHARIA ELTRICA

MONITORAO EM TEMPO REAL DA GERAO


DISTRIBUDA EM SISTEMAS DE DISTRIBUIO

Dissertao submetida
Universidade Federal de Santa Catarina
como parte dos requisitos para a
obteno do grau de Mestre em Engenharia Eltrica

MARIANA CARNEIRO DOS SANTOS

Florianpolis, Julho de 2006

iii

MONITORAO EM TEMPO REAL DA GERAO


DISTRIBUDA EM SISTEMAS DE DISTRIBUIO
Mariana Carneiro dos Santos
Esta Dissertao foi julgada adequada para obteno do Ttulo de Mestre
em Engenharia Eltrica, rea de Concentrao em Sistemas de Energia Eltrica
e aprovada em sua forma final pelo Programa de Ps-Graduao em Engenharia
Eltrica da Universidade Federal de Santa Catarina.
___________________________________________
Prof. Antnio Jos Alves Simes Costa, Ph.D.
Orientador
___________________________________________
Prof. Nelson Sadowski, Dr.
Coordenador do Programa de Ps-Graduao em Engenharia Eltrica

Banca Examinadora:
___________________________________________
Prof. Antnio Jos Alves Simes Costa, Ph.D.
___________________________________________
Prof. Hans Helmut Zrn, Ph.D.
___________________________________________
Prof. Jorge Coelho, D.Sc.
___________________________________________
Prof. Elizete Maria Loureno, Dra.

iv

Aos meus queridos irmos


Liliane, Eduardo e Guilherme
por todas as nossas conquistas
e momentos alegres que passamos
e iremos passar juntos.

AGRADECIMENTOS
Ao Professor Antnio Simes Costa que, desde o perodo de minha graduao,
sempre me incentivou e que por meio de sua valiosa orientao me ofereceu condies
para concluir esta dissertao.
A todos os professores deste curso de Mestrado em Engenharia Eltrica, que me
proporcionaram o conhecimento necessrio para a concluso deste trabalho, em especial
aos professores Hans Helmut Zrn, Ildemar Decker e Roberto Salgado.
A todos os professores do departamento de Engenharia Eltrica desta Universidade,
que me ofereceram uma boa formao para que eu pudesse realizar este sonho.
minha me Olga, pelo amor e pela grande dedicao durante toda a sua vida para
me propiciar uma educao excelente, e tambm pela sua influncia positiva na escolha de
minha profisso.
Ao meu querido padrasto Eduardo, que sempre se preocupou com a minha
educao e me incentivou a seguir esta carreira.
Ao meu companheiro e amigo de todas as horas, Carlos Eduardo, por seu amor,
carinho e pacincia durante estes quase dois anos que estamos juntos.
Aos meus tios, Arnaldo e Denise, que durante toda a minha vida estiveram ao meu
lado prezando pela minha sade e educao.
A todos os meus familiares, em especial meus avs, Dulfe, Dulce e Hayde, meu
pai Jos Luiz e Patrcia, que sempre torceram pelo meu sucesso.
Ao Laboratrio de Sistemas de Potncia (LABSPOT), pelo apoio tcnico e infraestrutura.
minha grande amiga Raquel, com quem eu compartilhei grande parte desta
jornada.
A todos os amigos e colegas do LABSPOT, pelos diversos momentos em que
passamos juntos.
A todos os colegas da Tractebel Energia, em especial ao meu gerente Srgio
Roberto Maes, que sempre me deu apoio e flexibilidade para que eu pudesse concluir este
trabalho.
Ao CNPq, pelo incentivo financeiro no desenvolvimento de minha pesquisa,
durante o primeiro ano do curso de Mestrado em Engenharia Eltrica.

vi

Resumo da Dissertao apresentada UFSC como parte dos requisitos necessrios


para a obteno do grau de Mestre em Engenharia Eltrica.

MONITORAO EM TEMPO REAL DA GERAO


DISTRIBUDA EM SISTEMAS DE DISTRIBUIO
Mariana Carneiro dos Santos
Julho/2006
Orientador: Antnio Jos Alves Simes Costa, Ph.D.
rea de Concentrao: Sistemas de Potncia.
Palavras-chave: Gerao Distribuda, Estimao de Estados, Teste de Hipteses,
Sistemas de Distribuio.
Nmero de Pginas: 84.
Este trabalho introduz uma metodologia para monitorao em tempo real da
Gerao Distribuda em sistemas de distribuio, baseada no uso da ferramenta Estimao
de Estados, largamente aplicada a sistemas de transmisso e em testes estatsticos de
hipteses. O mtodo proposto permite identificar se os nveis de Gerao Distribuda em
pontos do sistema so consistentes com os valores esperados pelo operador. Caso isso no
se verifique, so fornecidas estimativas de potncia gerada nas fontes de gerao
distribuda a partir das medies efetuadas ao longo dos alimentadores.
Diferentemente do que ocorre nas aplicaes em sistemas de transmisso, a
redundncia de medidas disponveis para o estimador de estados em sistemas de
distribuio geralmente reduzida. Este trabalho indica como informaes adicionais sobre
variveis do sistema, denominadas pseudomedidas e informaes a priori sobre as
variveis a serem estimadas podem ser utilizadas em conjunto com o plano de medio de
tempo real para assegurar um bom desempenho do estimador.
Resultados de simulaes envolvendo um sistema de distribuio-teste do IEEE e
alimentadores reais de uma concessionria de distribuio atestam o bom desempenho da
metodologia proposta e so descritos e discutidos em detalhes nesta dissertao.

vii

Abstract of Dissertation presented to UFSC as a partial fulfillment of the


requirements for the degree of Master in Electrical Engineering.

REAL-TIME MONITORING OF DISTRIBUTED


GENERATION IN DISTRIBUTION SYSTEMS
Mariana Carneiro dos Santos
2006/July
Advisor: Antnio Jos Alves Simes Costa, Ph.D.
Area of Concentration: Power Systems.
Keywords: Distributed Generation, State Estimation, Hypothesis Testing,
Distribution Systems.
Number of Pages: 84.
This work introduces a methodology for real-time monitoring of Distributed
Generation in distribution networks based on tools derived from Power System State
Estimation and statistical hypothesis testing. By using the proposed method, the
distribution system operator is able to identify whether current distributed generation levels
are consistent with assumed or reported values. If inconsistencies are detected, the method
can provide estimates for the power outputs of the distributed generation sources by
processing the available measurements taken on the distribution feeders.
Unlike state estimation applications at the transmission level, however,
measurement redundancy for distribution networks is usually low. To make up for that,
this work shows how additional information on system quantities, known as pseudomeasurements, along with available a priori state information, can be used to supplement
the distribution system metering scheme in order to ensure good performance of the state
estimator.
Several simulations conducted with IEEE test feeders and a realistic Southern
Brazil utilitys distribution network are used to validate the performance of the proposed
method, as described in detail in this dissertation.

viii

Sumrio
Lista de Figuras ...................................................................................................................x
Lista de Tabelas ..................................................................................................................xi
1 Introduo .......................................................................................................................1
1.1 Introduo ..................................................................................................................1
1.2 Reviso Bibliogrfica.................................................................................................3
1.2.1 Gerao Distribuda.............................................................................................3
1.2.2 Estimao de Estados em Sistemas de Distribuio............................................4
1.2.3 Testes de Hipteses .............................................................................................5
1.3 Contribuies deste Trabalho.....................................................................................5
1.4 Estrutura da Dissertao.............................................................................................6
2 Alguns Aspectos da Gerao Distribuda .....................................................................8
2.1 Introduo ..................................................................................................................8
2.2 Impacto de Gerao Distribuda em Sistemas de Distribuio..................................8
2.3 Vantagens e Desafios da Gerao Distribuda .........................................................10
2.4 Algumas Tecnologias utilizadas como Fontes de GD .............................................11
2.5 Concluso.................................................................................................................12
3 Estimao de Estados para Sistemas de Distribuio ...............................................13
3.1 Introduo ................................................................................................................13
3.2 Uso de Pseudomedidas em Sistemas de Distribuio ..............................................14
3.3 Medidas de Corrente ................................................................................................14
3.4 Uso de Informaes a Priori.....................................................................................15
3.5 Estimao de Estados para Sistemas de Distribuio ..............................................17
3.5.1 Restries Estruturais ........................................................................................18
3.5.2 Restries Operacionais ....................................................................................18
3.5.3 Modelagem das Medidas em Tempo Real ........................................................19

ix

3.5.4 Formulao da Estimao de Estados Restrita..................................................20


3.6 Concluso.................................................................................................................24
4 Testes de Hipteses .......................................................................................................26
4.1 Introduo ................................................................................................................26
4.2 Multiplicadores de Lagrange Normalizados ............................................................27
4.3 Definio das Hipteses...........................................................................................30
4.4 Testes de Hipteses via Teorema de Bayes .............................................................33
4.5 Aspectos Computacionais ........................................................................................37
4.5.1 Clculo do determinante i ............................................................................37
4.5.2 Clculo do expoente ( z H x ) T i

( z H x ) ................................................40

4.5.3 Identificao de Hi para valores elevados do expoente de fmod (z | Hi ) ...........42


4.6 Algoritmo .................................................................................................................44
4.7 Concluso.................................................................................................................49
5 Simulaes e Resultados...............................................................................................50
5.1 Introduo ................................................................................................................50
5.2 Sistema IEEE: 34 Barras..........................................................................................51
5.2.1 Caso 1: Sistema com 4 fontes ativas de GD......................................................52
5.2.2 Caso 2: Sistema com 2 fontes ativas de GD......................................................55
5.2.3 Caso 3: Sistema sem fontes ativas de GD .........................................................57
5.3 Sistema Real: 47 Barras ...........................................................................................60
5.3.1 Caso 1: Sistema com 3 fontes ativas de GD......................................................62
5.3.2 Caso 2: Sistema com 2 fontes ativas de GD......................................................64
5.4 Concluso.................................................................................................................67
6 Concluses .....................................................................................................................68
6.1 Concluses Finais ....................................................................................................68
6.2 Sugestes para Futuros Trabalhos............................................................................70
7 Referncias Bibliogrficas............................................................................................71

Lista de Figuras
Figura 2.1: Exemplo dos fluxos em um alimentador radial...................................................9
Figura 2.2: Exemplo dos fluxos em um alimentador radial com uma fonte de GD ..............9
Figura 4.1: Fluxograma simplificado do algoritmo proposto ..............................................48
Figura 5.1: Diagrama do Sistema do IEEE de 34 barras .....................................................51
Figura 5.2: Fluxos com sentidos alterados devido injeo de GD (Caso 1) .....................54
Figura 5.3: Fluxo com sentido alterado devido injeo de GD (Caso 2)..........................57
Figura 5.4: Perfil de tenso para os trs casos estudados ....................................................60
Figura 5.5: Diagrama do Sistema Real de 47 barras............................................................61
Figura 5.6: Fluxos com sentidos alterados devido injeo de GD (Caso 1) .....................64

xi

Lista de Tabelas
Tabela 4.1: Termos da equao de densidade de probabilidade..........................................35
Tabela 5.1: Sistema 34 barras - Plano de Medio..............................................................52
Tabela 5.2: Sistema 34 barras - Perfil Verdadeiro de GD (Caso 1).....................................53
Tabela 5.3: Sistema 34 barras - Multiplicadores de Lagrange Normalizados (Caso 1) ......53
Tabela 5.4: Sistema 34 barras - Resultado Final do Estimador (Caso 1) ............................54
Tabela 5.5: Sistema 34 barras - Perfil Verdadeiro de GD (Caso 2).....................................55
Tabela 5.6: Sistema 34 barras - Multiplicadores de Lagrange Normalizados (Caso 2) ......55
Tabela 5.7: Sistema 34 barras - Resultado Final do Estimador (Caso 2) ............................56
Tabela 5.8: Sistema 34 barras - Perfil Verdadeiro de GD (Caso 3).....................................57
Tabela 5.9: Sistema 34 barras - Multiplicadores de Lagrange Normalizados (Caso 3) ......58
Tabela 5.10: Sistema 34 barras - Resultado Final do Estimador (Caso 3) ..........................58
Tabela 5.11: Sistema 34 barras - Comparao dos fluxos entre os trs casos estudados ....59
Tabela 5.12: Sistema 47 barras - Plano de Medio............................................................61
Tabela 5.13: Sistema 47 barras - Perfil Verdadeiro de GD (Caso 1)...................................62
Tabela 5.14: Sistema 47 barras - Multiplicadores de Lagrange Normalizados (Caso 1) ....63
Tabela 5.15: Sistema 47 barras - Resultado Final do Estimador (Caso 1) ..........................63
Tabela 5.16: Sistema 47 barras - Perfil Verdadeiro de GD (Caso 2)...................................64
Tabela 5.17: Sistema 47 barras - Multiplicadores de Lagrange Normalizados (Caso 2) ....65
Tabela 5.18: Sistema 47 barras - Valores de i para cada hiptese alternativa Hi (Caso 2) 66
Tabela 5.19: Sistema 47 barras - Resultado Final do Estimador (Caso 2) ..........................66

Captulo 1

1 Introduo
1.1

Introduo
A disseminao de fontes de Gerao Distribuda (GD) conectadas a redes de

subtransmisso e distribuio um fenmeno mundial, que j h alguns anos se faz


presente tambm no Brasil [1]. motivada pelo estmulo concedido pelos novos modelos
reestruturados dos setores eltricos s figuras do Produtor Independente e Auto-Produtor
de energia, bem como pelo fato de que as fontes de GD, dada a sua proximidade dos
centros de consumo, evitam os efeitos negativos da dependncia da gerao centralizada e
os altos custos da transmisso e expanso da rede eltrica.
Com o novo modelo competitivo do setor eltrico, auto-produtores se sentem
incentivados a suprir parcial ou totalmente sua carga, podendo vender o excesso de energia
gerada para as concessionrias. Alm disso, cada vez maior a participao de produtores
independentes no mercado de energia eltrica. Estas contribuies se configuram como
fontes de GD.
Na prtica, no incomum se verificar situaes em que o ciclo de operao das
fontes de GD definido pelos prprios agentes geradores, provocando novos desafios para
o operador do sistema de distribuio, encarregado de zelar pela segurana e confiabilidade
da operao. Surge portanto a necessidade de que este operador conte com o apoio de
ferramentas confiveis para monitorar a operao das fontes de GD no sistema sob sua
responsabilidade.
A proposta deste trabalho apresentar uma metodologia para monitorao em
tempo real da Gerao Distribuda em sistemas de distribuio, atravs do uso da

ferramenta Estimao de Estados, de uso corrente em sistemas de transmisso de energia


eltrica.
Atravs de um estimador de estados que processa medidas realizadas ao longo do
alimentador, possvel determinar os valores das tenses complexas (denominadas
variveis de estado) em todos os pontos de carga do sistema. Com isso, possvel
determinar todas as variveis necessrias para a anlise e monitorao da segurana do
sistema.
A utilizao desta ferramenta para sistemas de distribuio, entretanto, requer
algumas adaptaes, sobretudo para fazer frente baixa redundncia de medidas em
relao ao normalmente disponvel em redes de transmisso. Na prtica, grande parte dos
alimentadores no suficientemente monitorada para aplicaes em tempo real. Nas
condies de operao convencionais, este fato no chega a por em risco a segurana da
operao, dada configurao radial tpica dos alimentadores e o fato do fluxo de potncia
ser, em geral, unidirecional, isto , a potncia ativa flui desde a subestao at as cargas, ao
longo do alimentador. A insero de fontes de Gerao Distribuda, porm, cria condies
para alteraes no sentido dos fluxos, gerando novas situaes de risco para a operao do
sistema.
Neste trabalho, ser suposto que um nmero limitado de medidas realizadas sobre o
alimentador adquirido em tempo real e esto disponveis ao estimador de estados.
Adicionalmente, supe-se que outras informaes sobre a condio corrente de operao,
oriundas, por exemplo, de estudos de previso de carga, etc., podem ser caracterizadas
como pseudomedidas a serem igualmente disponibilizadas para processamento pelo
estimador [2], [3].
Os resultados fornecidos pelo estimador de estados dependem da consistncia das
informaes sobre as potncias geradas pelas fontes de GD. Na ausncia de um
conhecimento preciso sobre estas informaes, consideram-se neste trabalho as vrias
hipteses resultantes das combinaes das fontes de GD desconhecidas. Em seguida,
realizada uma anlise estatstica baseada em Testes de Hipteses para identificar qual das
hipteses melhor respaldada pelas medidas e pseudomedidas processadas pelo estimador.
Abordagens similares tm sido utilizadas em estudos de identificao de erros de
topologia em redes de transmisso via processamento do status de chaves e disjuntores [4]
e tambm na identificao de transaes bilaterais no-reveladas que podem afetar a rea
de controle de um Operador Independente do Sistema [5]. Em ambos os casos, a tcnica

baseada nos testes de hipteses apresenta resultados conclusivos e importantes para a


operao de sistemas eltricos de potncia.

1.2

Reviso Bibliogrfica
Nesta seo ser realizada uma breve reviso bibliogrfica sobre trs temas que

esto diretamente relacionados a este trabalho: Gerao Distribuda, Estimao de Estados


em Sistemas de Distribuio e Testes de Hipteses.

1.2.1 Gerao Distribuda


A gerao distribuda j h alguns anos vem atraindo a ateno da indstria e do
meio acadmico. Em [1], so discutidos diversos problemas que a GD pode causar em
estudos realizados no sistema eltrico. Entre eles, pode-se citar a dificuldade de
modelagem local do sistema de distribuio, a interao sistmica em regime dinmico,
problemas operacionais, etc. Em [6], discutido o impacto que a insero de GD em
sistemas de distribuio pode causar na confiabilidade do sistema.
Em [7], apresentado um algoritmo capaz de identificar a combinao com menor
custo entre expanses em sistemas de transmisso, expanses em subestaes e localizao
tima de unidades de GD para satisfazer um aumento na carga. Mesmo considerando o
custo mais alto de combustvel, o fato de a GD estar mais prxima dos centros de carga
tende a fazer com que a infra-estrutura de sistemas de distribuio e transmisso no seja
to exigida.
Em [8], so apresentados os tipos mais comuns de gerao distribuda e as
interfaces de eletrnica de potncia associadas. Alm disso, discute-se o potencial da GD
visando o fornecimento de servios ancilares.
Alguns aspectos sobre a GD em sistemas de distribuio so abordados em [9] e
[10]. So eles: caractersticas operacionais, perspectivas de mercado e da gerao
distribuda, influncia da GD na operao e planejamento destes sistemas, aspectos
econmicos da insero de GD e alguns aspectos da regulao do mercado energtico.

1.2.2 Estimao de Estados em Sistemas de Distribuio


Para realizar a estimao de estados em sistemas de distribuio, algumas
adaptaes so necessrias com relao ao estimador utilizado nos sistemas de
transmisso. Isto porque em sistemas de distribuio algumas consideraes especficas
devem ser levadas em conta. Por exemplo:

Presena de cargas desbalanceadas;

Insuficincia de medidas em tempo real para a estimao;

Uso de medidas de corrente.

Em [2], [11], [12] e [13] so apresentados modelos de estimadores de estados


trifsicos. Atravs deles, as cargas desbalanceadas so consideradas, aumentando sua
preciso e, consequentemente, os resultados obtidos estaro mais prximos dos
verdadeiros. Por outro lado, outros trabalhos consideram que as cargas tenham sido
adequadamente distribudas por fase de modo que a hiptese de balanceamento pode ser
adotada [14], o que ser feito nesta dissertao.
Pelo nmero pequeno de medidas em tempo real localizadas ao longo do
alimentador, o uso de pseudomedidas, conforme citado em [2], [3] e [11], aumentam as
informaes sobre o sistema, possibilitando, assim a estimao de estados. Porm, mesmo
com a existncia de medidas e pseudomedidas, foi verificado em [11] e [15] que a
localizao das medidas e sua preciso podem afetar a confiabilidade dos resultados.
Alm das medidas comumente usadas em sistemas de transmisso (fluxo ativo e
reativo nas linhas, injeo de potncia ativa e reativa e magnitude de tenso nas barras),
tambm so muito utilizadas em sistemas de distribuio medidas de magnitude das
correntes nos ramos [2], [19]. Um grande problema das medidas de corrente o fato destas
no informarem a direo do fluxo. Em [16] apresentado um estimador de estados com
um plano de medio composto apenas de medidas de tenso e corrente que usa restries
de desigualdade para informar o sentido do fluxo ao estimador. Mesmo assim, o uso destas
medidas pode causar problemas matemticos e de observabilidade, conforme mostrado em
[17], [16], [18], [19] e [20].
Em [17], proposta uma formulao para incluso das medidas de corrente nos
ramos baseada no quadrado da magnitude da corrente. Atravs deste mtodo possvel
realizar a estimao de estados partindo de valores iniciais de corrente iguais ou diferentes

de zero. Isto possvel caso as medidas de corrente sejam redundantes no plano de


medio.
A insero de medidas de corrente no plano de medio tambm pode afetar a
identificao de erros grosseiros conforme mostrado em [18]. Em [19] e [20] so
apresentados mtodos de estimao de estados utilizando um algoritmo desacoplado rpido
e a estimao de estados generalizada, respectivamente. Ambos os mtodos enfocam o
desafio da insero de medidas de corrente no plano de medio.
A reviso da literatura na rea revela que o desempenho adequado do estimador
requer o uso de pseudomedidas com uma preciso aceitvel e o nmero maior possvel de
medidas em tempo real. A observabilidade do sistema no deve depender de medidas de
corrente. Portanto, neste trabalho, medidas de corrente sero utilizadas apenas para
aumentar o nvel de redundncia do plano de medio.

1.2.3 Testes de Hipteses


Tcnicas de identificao baseada nos testes estatsticos de hipteses tm sido
utilizadas em aplicaes a sistemas de transmisso. Em [5] e [21], esta metodologia foi
utilizada para identificao de transaes bilaterais no-reveladas em ambiente
desregulamentado.
Tambm em [4], [22], [23] e [24] os testes de hipteses foram utilizados, porm
para a identificao de erros de topologia em redes de transmisso (atravs do
processamento de status dos disjuntores).
Em ambas as aplicaes, os testes de hipteses apresentaram resultados importantes
e confiveis para a correta operao dos sistemas de transmisso.

1.3

Contribuies deste Trabalho


Conforme dito na Subseo 1.2.2, a aplicao de estimao de estados a sistemas de

distribuio requer algumas adaptaes para que o resultado obtido seja o mais prximo
possvel do ponto de operao real. No nvel de distribuio, verifica-se uma carncia
maior de informaes em tempo real a serem processadas pelo estimador de estados. Alm
disso, deve-se considerar o fato de que em sistemas de distribuio as resistncias das
linhas so bem mais significativas do que em sistemas de transmisso.

No que diz respeito aos testes de hipteses, igualmente necessrio adaptar os


procedimentos computacionais para clculo das probabilidades condicionais a posteriori
das diversas hipteses feitas sobre as barras com fontes ativas de GD. Isto necessrio
porque as caractersticas dos sistemas de distribuio criam dificuldades numricas para os
mtodos desenvolvidos visando a aplicao a sistemas de transmisso [4].
Considerando os aspectos discutidos acima, pode-se sumarizar as contribuies
desta dissertao conforme segue:

Adaptao do estimador de estados para permitir o processamento de medidas


de corrente e insero de taps em transformadores com resistncia no
desprezvel, cuja ocorrncia freqente em sistemas de distribuio;

Utilizao de informaes a priori sobre as variveis de estado para, juntamente


com pseudomedidas de injeo, melhorar as condies de observabilidade de
redes de distribuio;

Desenvolvimento de mtodos computacionais especficos para viabilizar a


aplicao da metodologia de testes de hipteses em conexo com o estimador
de estados para sistemas de distribuio. Em particular, prope-se um
procedimento que substitui o clculo explcito das probabilidades a posteriori,
que pode se mostrar invivel na presente aplicao, pela classificao das
hipteses alternativas, tornando possvel a tomada de deciso mesmo na
ausncia do valor numrico das referidas probabilidades.

1.4

Estrutura da Dissertao
No Captulo 2 ser discutido o impacto, benefcios e desafios da insero da GD em

sistemas de distribuio. Tambm sero citadas algumas tecnologias utilizadas como


fontes de GD.
No Captulo 3 sero discutidas algumas questes relevantes que devem ser
consideradas na aplicao da estimao de estados a sistemas de distribuio. So elas:

Uso de medidas em tempo real, incluindo medidas de corrente, ao longo do


alimentador;

Uso de pseudomedidas atravs de estudos de previso de carga para melhorar o


nmero de informaes disponveis;

Utilizao de conhecimento prvio dos estados do sistema (informaes a


priori) com o objetivo de melhorar a observabilidade;

Representao das barras de injeo nula, isto , barras que no possuem carga
e gerao (chamadas de barras de transferncia);

Representao da barra de referncia no estimador de estados

Representao das barras com fontes de GD.

Ainda no Captulo 3 ser apresentada a formulao do problema de estimao de


estados considerando todos os itens apresentados acima.
No Captulo 4, ser apresentado o mtodo dos multiplicadores de Lagrange
normalizados cujo objetivo identificar as barras que so suspeitas de erros de GD, isto ,
a condio verdadeira (por exemplo: fonte ativa de GD) diferente da inicial (por
exemplo: no est ativa na condio considerada). Em seguida, sero introduzidos os
conceitos de hiptese bsica e hipteses alternativas. Por fim, a formulao dos testes de
hipteses baseados em estatstica bayesiana ser implementada para o estimador. Tambm
descrito neste captulo o procedimento computacional proposto para contornar as
dificuldades com o clculo das probabilidades a posteriori das hipteses alternativas.
No Captulo 5, so apresentados diversos resultados de simulaes realizadas para
um sistema de distribuio do IEEE e para um alimentador tpico de uma concessionria de
energia do Sul do Brasil. Diferentes casos so considerados e seus respectivos resultados
discutidos.
Finalmente, o Captulo 6 apresenta as concluses finais e algumas sugestes para
trabalhos futuros.

Captulo 2

2 Alguns Aspectos da Gerao


Distribuda

2.1

Introduo
A crise energtica do incio desta dcada e as dificuldades de viabilizao de novos

aproveitamentos hidreltricos de grande porte impulsionaram a busca de alternativas para


diversificao das fontes de fornecimento de energia eltrica. Em conseqncia, e a
exemplo do que se verifica em outros pases do mundo, cresce no Pas o uso de Gerao
Distribuda (GD).
A insero destas fontes de GD em sistemas de distribuio e subtransmisso
mudam a configurao de seus alimentadores e consequentemente sua operao.
Neste captulo sero abordados alguns aspectos importantes da gerao distribuda
em sistemas de distribuio. Primeiramente, ser apresentado o conceito da gerao
distribuda e como ela pode interferir na operao de sistemas de distribuio. Logo em
seguida, alguns benefcios e dificuldades da insero de GD sero abordados. Por ltimo,
sero mostradas algumas tecnologias que podem ser utilizadas como fontes de GD.

2.2

Impacto de Gerao Distribuda em Sistemas de Distribuio


No passado, os alimentadores da rede de distribuio tinham apenas uma nica

fonte de energia: a subestao (SE). Neste caso, como sua configurao radial, os fluxos

de potncia em suas linhas tinham seus sentidos fixos tanto na operao normal quanto na
ocorrncia de faltas, conforme representado na Figura 2.1.

SE

Figura 2.1: Exemplo dos fluxos em um alimentador radial

O princpio bsico da GD acrescentar gerao de pequeno ou mdio porte,


baseada em diferentes tecnologias, em sistemas de distribuio e subtransmisso [1]. Desta
forma, os sentidos dos fluxos no podem ser pr-definidos, pois eles iro depender do
nmero de fontes de GD no alimentador, da sua localizao e da potncia gerada por elas.
Por exemplo, ao inserir uma fonte de GD no sistema representado pela Figura 2.1, uma
possvel representao dos fluxos poderia ser a mostrada na Figura 2.2.

GD

SE

Figura 2.2: Exemplo dos fluxos em um alimentador radial com uma fonte de GD

Essa indefinio quanto aos sentidos dos fluxos pode causar problemas na operao
destes sistemas caso o operador desconhea a presena destas fontes. Porm, elas tambm
causam impactos positivos no sistema, conforme ser visto na prxima seo.

10

2.3

Vantagens e Desafios da Gerao Distribuda


Um grande atrativo da GD est no atendimento de consumidores rurais que, quando

so atendidos pelas redes de distribuio, tendem a ter maiores problemas com a m


qualidade de energia que lhes fornecida. Alm disso, por estarem longe dos centros
urbanos, o custo de transmisso e distribuio (T&D) da energia at estes consumidores
muito alto. Com a GD, estes problemas seriam atenuados.
A GD est se tornando rapidamente atraente tambm para os consumidores urbanos
em zonas de grande densidade populacional. Isto ocorre porque a GD pode ser inserida
prxima aos centros de carga, diminuindo a dependncia de investimentos em infraestrutura dos sistemas de T&D.
Em ambos os casos, a insero de GD no sistema beneficia tanto as concessionrias
de energia quanto os consumidores finais. As principais vantagens da insero da GD nos
alimentadores de distribuio so [6]:

Diminuio da dependncia com os sistemas de T&D;

Tendncia de reduo das interrupes devido a problemas nos sistemas de


T&D;

Compensao de energia reativa para controle de tenso e reduo das perdas;

Processo de compra e instalao da GD de curto/mdio prazo;

Disponibilidade de fontes de GD em pequenas unidades.

Porm, surgem alguns desafios impostos pela insero de GD no sistema de


distribuio que devem ser considerados para no prejudicar a confiabilidade e segurana
da operao dos alimentadores. Algumas delas so [6]:

O controle da regulao de tenso ter que considerar sobretenses e subtenses


ao longo do alimentador;

A comutao de GD pode levar ocorrncia de efeito flicker na tenso;

A GD pode ter um impacto substancial nas caractersticas de curto-circuito,


levando superao das capacidades nominais de equipamentos e
descoordenao dos esquemas de proteo;

O uso de GD monofsica ou trifsica pode agravar problemas associados com


desequilbrio de cargas e impedncias;

11

O controle no despacho da GD, muitas vezes, no existe;

A possvel sazonalidade nas fontes de GDs, principalmente aquelas oriundas de


sistemas de co-gerao, pode influenciar no seu despacho, dificultando sua
monitorao por parte do operador do sistema de distribuio.

Neste trabalho sero abordadas as dificuldades provocadas pela GD quanto


operao de sistemas de distribuio em tempo real. A ferramenta bsica proposta para
contorn-las a estimao de estados, largamente utilizada em sistemas de transmisso.
Atravs da estimao de estados e de testes estatsticos de hipteses, possvel identificar
e quantificar as fontes de GD ativas ao longo do alimentador e, com isso, aumentar a
confiabilidade e a segurana na operao em tempo real destes sistemas.

2.4

Algumas Tecnologias utilizadas como Fontes de GD


Com o avano tecnolgico na rea de gerao de energia e com a reduo do custo,

o uso de pequenos geradores que utilizam fontes alternativas de energia est viabilizando a
insero de fontes de GD no sistema de distribuio.
Devido sua pequena potncia, estas fontes podem ser facilmente conectadas aos
alimentadores de distribuio de baixa tenso. As principais fontes de gerao distribuda
so [1] e [8]:

Sistemas de energia elica: est se tornando muito popular devido reduo dos
custos e melhora na confiabilidade e desempenho dos equipamentos. O recurso
abundante e a capacidade nominal de gerao vem aumentando.

Clulas fotovoltaicas: uma das alternativas energticas mais promissoras


devido sua matria-prima, o sol, ser inesgotvel. Apesar de terem sua
capacidade inferior aos sistemas elicos, as clulas fotovoltaicas so passivas e
mais flexveis.

Microturbinas: de construo simples e com capacidade pequena de gerao


utilizam diversos tipos de combustvel como: gs natural, GLP/Propano, Diesel,
Biogs, etc.

Clulas combustveis: tm a vantagem de serem altamente eficientes e pouco


poluentes, porm o custo ainda muito alto.

12

Turbinas a gs: as novas tecnologias de turbinas a gs esto tornando estes


equipamentos economicamente atraentes quando comparados aos custos de
recondicionamento dos sistemas de distribuio e transmisso.

2.5

Concluso
Conforme visto neste captulo, a insero de gerao distribuda, apesar de seus

efeitos benficos, causa algumas dificuldades na operao dos alimentadores de sistemas


de distribuio. Estes problemas se tornam desafios para os engenheiros e para o meio
acadmico da rea de Sistemas de Potncia, que sempre buscam novas alternativas para
aprimorar as tcnicas utilizadas e, consequentemente, melhorar o desempenho dos sistemas
eltricos.
So tambm apresentadas algumas tecnologias utilizadas como fontes de gerao
distribuda e que esto se viabilizando economicamente graas aos avanos tecnolgicos
na rea. Com isso, espera-se um crescimento elevado da participao de GD em sistemas
de distribuio. Portanto, as concessionrias devem estar preparadas para enfrentar os
problemas operacionais que estas podem causar, para que a confiabilidade e a segurana do
sistema no sejam prejudicadas.
No prximo captulo ser abordada a tcnica de estimao de estados aplicada a
sistemas de distribuio, em conjunto com uma anlise estatstica baseada em testes de
hipteses, com o objetivo de identificar e quantificar os nveis de GD na rede. A utilizao
da metodologia proposta tem o objetivo de tornar a operao em tempo real de sistemas de
distribuio com a insero de GD mais segura e confivel.

13

Captulo 3

3 Estimao de Estados para Sistemas de


Distribuio

3.1

Introduo
A estimao de estados uma ferramenta muito utilizada em sistemas de

transmisso, para os quais planos de medio com redundncia suficiente geralmente


asseguram a obteno de resultados precisos e confiveis. Porm, como a Gerao
Distribuda est geralmente presente em sistemas de distribuio e subtransmisso, e nestes
sistemas a disponibilidade de informaes em tempo real escassa, preciso adaptar a
formulao tradicional (utilizada em sistemas de transmisso) para que se possa utilizar a
estimao de estados tambm em sistemas de distribuio.
A Seo 3.2 deste captulo ir abordar como o uso de pseudomedidas pode atenuar
significativamente o problema de falta de medidas em tempo real. Na Seo 3.3 sero
apresentadas algumas particularidades do uso de medidas de corrente em sistemas de
distribuio. Logo em seguida, na Seo 3.4, apresentada uma formulao para permitir o
uso de informaes iniciais (a priori) sobre os estados do sistema, isto , magnitudes de
tenso e ngulos em todas as barras no processo de estimao de estados. Com isso,
possvel melhorar a observabilidade do sistema, tornando a estimao vivel, mesmo com
um nmero mais reduzido de medidas.
Finalmente, na Seo 3.5 apresentada a formulao da estimao de estados como
um problema de otimizao restrito, utilizando o Mtodo da Matriz Aumentada (ou do

14

Tableau Esparso) e o Mtodo dos Mnimos Quadrados Ponderados. Ser mostrado tambm
como a Gerao Distribuda inserida na formulao, mediante restries de igualdade que
representam injees de potncia em ns da rede de distribuio.

3.2

Uso de Pseudomedidas em Sistemas de Distribuio


Na operao convencional de sistemas de distribuio h pouca informao em

tempo real disponvel para a monitorao. Geralmente, medidas de tenso e potncia


entregues ao alimentador e algumas medidas de corrente e fluxo ao longo do alimentador
so as nicas medidas em tempo real disponveis nos centros de operao de distribuio.
Sendo assim, o nmero de medidas pode ser muito pequeno para uma monitorao
em tempo real efetiva do sistema. Em muitas situaes o sistema pode ser no-observvel,
ou seja, no possvel estimar os estados com o nmero disponvel de medidas adquiridas
em tempo real. Para recuperar a observabilidade seria ento necessrio que novas medidas
realizadas ao longo do alimentador fossem includas no plano de medio.
Alternativamente possvel minimizar o nmero de telemedidas necessrias mediante o
uso de resultados de previso da carga em cada ponto do sistema de distribuio. Estas
informaes podem ser consideradas pseudomedidas de injeo de potncia em cada ponto
de carga do alimentador [2]. Como estas pseudomedidas no so obtidas em tempo real,
seu grau de incerteza, representado pela varincia, considerado maior que o das medidas
obtidas em tempo real.
Dependendo de como so geradas, porm, estas pseudomedidas podem no ser
suficientemente precisas para estudos em tempo real. Portanto, quanto maior o nmero de
medidas em tempo real disponveis, maior ser a confiabilidade e a preciso dos resultados
obtidos pelo estimador. No que diz respeito a medidas de corrente entretanto, a
contribuio para melhorar a observabilidade limitada e alguns cuidados devem ser
tomados ao inseri-las no plano de medio.

3.3

Medidas de Corrente
Na estimao de estados tradicionalmente utilizada em sistemas de transmisso, os

planos de medio so geralmente formados por medidas de injeo de potncia, fluxos

15

nas linhas e magnitudes de tenso. Em nveis de tenso mais baixos, como nos sistemas de
distribuio, tambm comum o uso de medidas de corrente.
Estas medidas, alm de terem um custo adicional pequeno, melhoram o plano de
medio e a confiabilidade do estimador. Porm, o seu uso pode causar alguns problemas
como:

Dificuldade de iniciar o processo iterativo utilizando condies iniciais do tipo


partida plana, pois para realizar o clculo das derivadas das correntes para a
montagem da matriz Jacobiana, o mdulo das correntes aparece no
denominador. Na condio de partida plana, este mdulo pode ser to pequeno a
ponto de prejudicar o clculo destas derivadas e, consequentemente, a resoluo
do problema;

Possibilidade de solues mltiplas.

Para resolver os problemas detectados na partida plana, faz-se uso da formulao do


quadrado da magnitude da corrente [17]. Atravs deste mtodo, o mdulo das correntes
no aparece mais como denominador no clculo de elementos da matriz Jacobiana. Na
implementao, os valores de corrente tanto estimados quanto medidos devem portanto ser
elevados ao quadrado.
Conforme dito anteriormente, a insero de medidas de corrente no plano de
medio pode causar o aparecimento de vrias solues para o estimador. Com isso, surge
um novo conceito para a observabilidade, pois a existncia de uma soluo no suficiente
para garantir que esta a soluo de interesse. Para que um sistema seja observvel, o
plano de medio proposto deve garantir ao estimador uma nica soluo [18].
Neste trabalho ser considerado que as medies de corrente sero inseridas com o
objetivo apenas de aumentar a redundncia, ou seja, a observabilidade do sistema dever
ser garantida atravs das demais medidas.
Outra forma adicional de se contornar problemas de observabilidade mediante o
conhecimento prvio sobre as variveis de estado do sistema. O uso destas informaes a
priori ser discutido na prxima seo.

3.4

Uso de Informaes a Priori


Conforme dito na seo anterior, sabe-se que a disponibilidade de telemedidas em

tempo real em sistemas de distribuio limitada. Alm disso, os alimentadores possuem a

16

caracterstica de serem radiais, um fator que contribui muito para o aumento do nmero de
medidas crticas, as quais so essenciais para a observabilidade [4], [24]. Por outro lado,
um nmero muito elevado de medidas crticas pode reduzir a confiabilidade dos resultados
da estimao e comprometer o processamento de erros grosseiros.
Percebe-se, portanto, que a observabilidade de sistemas de distribuio muito
sensvel e que ela fundamental para a estimao de estados. O uso de informaes a
priori no problema de estimao de estados tem ajudado muito a resolver problemas de
observabilidade do sistema em estudo. Estas informaes dizem respeito a um
conhecimento prvio dos estados do sistema que, no caso de sistemas de potncia, so as
magnitudes e ngulos das tenses em cada barra ao longo do alimentador.
Informaes a priori so modeladas como variveis aleatrias, cuja incerteza
representada atravs das respectivas varincias. Os valores das varincias podem ser
obtidos considerando-se que estas variveis possuem distribuio uniforme [25] dentro de
um determinado intervalo. Em um sistema eltrico de potncia operando em regime
permanente estvel pode-se supor que este intervalo [-/2 ; /2] para os ngulos e [0,90 ;
1,10] para as magnitudes de tenso nas barras. Desta forma, a funo densidade de
probabilidade das informaes a priori pode ser dada por [4], [25]:

0, x < a

f(x) =
, axb
b
a

0, x > b

(3.1)

Logo, os valores mdios das informaes a priori so dados por:

x=

1
(a + b )
2

(3.2)

Por sua vez, a varincia ou disperso calculada como [25]:

2 = E { x 2 } [ E { x} ] 2

(3.3)

17

onde E{x} o valor esperado ou expectncia de x. Aplicando-se (3.3) distribuio


uniforme, a varincia das informaes a priori pode ser finalmente escrita como:

(
b a )2
=
12

(3.4)

Na prxima seo ser mostrado como as informaes a priori so consideradas na


estimao de estados, formulada como um problema de otimizao restrita.

3.5

Estimao de Estados para Sistemas de Distribuio


A estimao de estados uma ferramenta utilizada para operao em tempo real

que possibilita a determinao das tenses complexas (variveis de estado) de todas as


barras do sistema em estudo a partir de um conjunto de medidas em tempo real, que podem
ser:

Medidas de tenso (magnitude);

Medidas de injeo de potncia (ativa e reativa);

Medidas de fluxo de potncia nas linhas (ativa e reativa);

Medidas de corrente (magnitude);

Recentemente, comearam a ser utilizadas medidas sincronizadas de ngulo de fase


das tenses nas barras, obtidas via GPS e unidades de medio fasorial (PMUs) [26].
Entretanto, este tipo de medida no ser considerado neste trabalho.
Os planos de medio para fins de estimao de estados utilizados neste trabalho
consistem de telemedidas de magnitude de tenso, fluxo de potncia e magnitude de
corrente, complementadas com pseudomedidas de injeo de potncia em pontos de
consumo do alimentador, de forma a garantir a observabilidade da rede de distribuio.
Alm destas medidas e das informaes a priori, necessrio representar algumas
caractersticas fundamentais do sistema, tanto para a estimao quanto para a correta
identificao das barras com gerao distribuda. So caractersticas do sistema: barras de
injeo nula, barra de referncia e barras onde h possibilidade de conexo de fontes de
GD. A representao destas barras no estimador feita atravs de restries estruturais e
operacionais, conforme mostrado a seguir.

18

3.5.1 Restries Estruturais


As restries estruturais que dizem respeito configurao fsica da rede so
utilizadas, por exemplo, para modelar as barras que possuem injees de potncia nulas,
chamadas tambm de barras de transferncia. Apesar destas no serem muito freqentes
em sistemas de distribuio, elas devem ser consideradas quando existirem. A informao
de que a barra i uma barra de transferncia modelada como:
pi = 0
qi = 0

(3.5)

sendo pi e qi, os valores de injeo de potncia ativa e reativa para a barra i,


respectivamente.
Da mesma forma, possvel tambm representar a barra de referncia como uma
restrio atravs da definio do valor de seu ngulo, da seguinte forma:

i = 0

(3.6)

onde i o ngulo da barra i.


As restries estruturais sero representadas genericamente neste trabalho por:

hs ( x ) = 0

(3.7)

onde x representa as variveis de estado do sistema (magnitude e ngulo das tenses nas
barras).

3.5.2 Restries Operacionais


Alm das restries estruturais, importante modelar tambm as restries
operacionais, que so aquelas cuja configurao pode se alterar de acordo com as
necessidades ditadas pelas condies de operao do sistema. No caso da modelagem de
ramos de impedncia nula, por exemplo, as restries operacionais representam o status de
chaves e disjuntores [24]. Este conceito pode tambm ser aplicado no caso da

19

representao das barras onde se sabe de antemo que existem fontes de GD a elas
conectadas, embora no se conhea se estas fontes esto ativas ou no. Tais barras sero
referidas como barras com potencial de gerao distribuda, e sua injeo de potncia
ativa modelada da seguinte forma:

pi

inj

pi

GD

+ pi = 0

(3.8)

onde:
inj
pi : potncia injetada (diferena entre gerao e carga) na barra i,

pi

GD

: potncia correspondente gerao distribuda da barra i,

pi : potncia da carga na barra i.

As restries operacionais que modelam as barras com potencial de gerao


distribuda sero representadas genericamente neste trabalho como:

ho ( x ) = 0

(3.9)

3.5.3 Modelagem das Medidas em Tempo Real


Designando o nmero de quantidades medidas provenientes do sistema de aquisio
de dados igual a m (medidas em tempo real e pseudomedidas), tem-se que este conjunto
de medidas e os erros de medio esto relacionados atravs de [5]:

z m = zo +

(3.10)

onde:
z m : vetor m x 1 das quantidades medidas;
zo : vetor m x 1 com os valores verdadeiros das quantidades medidas;

: vetor m x 1 aleatrio que corresponde aos erros de medio.


Sabendo-se que o vetor dos erros de medio apresenta distribuio normal com
mdia zero e que os erros de medio so no-correlacionados, a matriz de covarincia Rm
uma matriz diagonal cujos valores correspondem s varincias dos erros de medio.

20

Estes valores so geralmente expressos como uma funo do valor do fundo de escala dos
instrumentos de medio.
O vetor com os valores verdadeiros das quantidades medidas z o pode ser expresso
em termos do vetor de estados x como:

zo = hm ( x )

(3.11)

Desta forma, o modelo de medio expresso em (3.10) pode ser reescrito como:
zm = hm ( x ) +

E {} = 0

E { T } = Rm

(3.12)

onde:
E { .} : valor esperado;
R m : matriz de covarincia dos erros de medio (m x m);
hm ( x ) : vetor composto por m funes no-lineares do estado do sistema, resultantes

da aplicao das leis de Kirchhoff e Ohm.

3.5.4 Formulao da Estimao de Estados Restrita


A estimao de estados ser tratada como um problema de otimizao com
restries e ter como dados de entrada:

Parmetros e configurao da rede;

Conjunto de medidas em tempo real;

Pseudomedidas geradas atravs de um estudo de previso de carga;

Identificao das barras de injeo nula;

Identificao da barra de referncia;

Identificao das barras com potencial para gerao distribuda.

Desta forma, o problema de estimao de estados pode ser resolvido atravs da


minimizao da soma do quadrado dos resduos de estimao, ponderada pelo inverso das
varincias dos erros de medio, da seguinte forma [4]:

21

1 T 1
rm Rm rm
2
Sujeito a : rm = zm hm (x )
hs (x ) = 0
Minimizar

(3.13)

ho (x ) = 0

onde:
rm : vetor m x 1 de resduo das medidas e pseudomedidas;
R m : matriz m x m de covarincia dos erros de medio (matriz diagonal);
x : vetor n x 1 de estimativa dos estados;

z m : vetor m x 1 de medidas em tempo real e pseudomedidas;


hm (x ) : vetor m x 1 de funes no-lineares das medidas e pseudomedidas;
hs (x ) : vetor ns x 1 de funes no-lineares das restries estruturais;
ho (x ) : vetor no x 1 de funes no-lineares das restries operacionais;

m: nmero de quantidades medidas (telemedidas e pseudomedidas);


n: nmero das variveis de estados do sistema;
ns: nmero de restries estruturais;
no: nmero de restries operacionais.
Como os estados do sistema so representados pelos valores de magnitude e ngulo
das barras, tem-se que o nmero total de variveis de estado dado por:

n = 2 Nb

(3.14)

onde Nb o nmero de barras do sistema.


No problema descrito em (3.13), as informaes a priori no foram modeladas.
Estas informaes so inseridas na estimao de estados junto funo-objetivo do
problema de otimizao restrito com a seguinte forma:
1
(x x )T P 1(x x )
2

onde:
x : vetor n x 1 de estados verdadeiros;

x : vetor n x 1 de estimativas a priori para os estados;

(3.15)

22

P : matriz n x n de covarincia das informaes a priori sobre os estados.

Sendo assim, possvel reescrever (3.13) com a incluso das informaes a priori
como:
1 T 1
1
T
rm Rm rm + (x x ) P 1 (x x )
2
2
Sujeito a : rm = zm hm (x )
hs (x ) = 0

Minimizar

(3.16)

ho (x ) = 0

A soluo para o problema descrito por (3.16) obtida formando-se a funo


Lagrangeana:

L=

1 T 1
1
rm Rm rm + ( x x )T P 1 ( x x ) + m ( zm hm (x ) rm ) s hs (x ) o ho (x )
2
2

(3.17)

onde:

m : vetor m x 1 de multiplicadores de Lagrange para as medidas;


s : vetor ns x 1 de multiplicadores de Lagrange para as restries estruturais;
o : vetor no x 1 de multiplicadores de Lagrange para as restries operacionais.
Diferenciando a equao acima, tm-se as condies de primeira ordem necessrias
para a obteno de uma soluo tima, representadas pelo conjunto de equaes nolineares:

L
= Rm 1rm m = 0
rm
L
= P 1 ( x x ) H m T m H s T s H o T o = 0
x
L
= z m hm (x ) rm = 0
m
L
= hs (x ) = 0
s
L
= ho (x ) = 0
o

onde:

(3.18)

23

H m : matriz Jacobiana m x n do vetor hm (x ) , ou seja, H m =

hm (x )
;
x

H s : matriz Jacobiana ns x n do vetor hs (x ) , ou seja, H s =

hs (x )
;
x

H o : matriz Jacobiana no x n do vetor ho (x ) , ou seja, H o =

ho (x )
;
x

A partir da primeira equao no conjunto (3.18), tem-se:

rm = Rm m

(3.19)

Substituindo (3.19) nas demais equaes do conjunto (3.18), possvel eliminar rm


do problema, obtendo o seguinte conjunto de equaes:
P 1 ( x x ) H m m H s s H o o = 0
zm Rm m hm (x ) = 0
T

hs (x ) = 0
ho (x ) = 0

(3.20)

Linearizando o conjunto de equaes (3.20), tem-se:


P 1 ( x x (k ) x) H m m H s s H o o = 0
zm Rm m hm ( x (k ) ) H m x = 0
T

hs ( x (k ) ) H s x = 0
ho ( x (k ) ) H o x = 0

(3.21)

Assim, o conjunto de equaes (3.21) pode ser representado matricialmente por:


P 1

Hm
H
s
H o

Definindo-se:

H mT

H sT

Rm
0
0

0
0
0

H oT x P 1 ( x x (k ) )

0 m zm hm ( x (k ) )
=
0 s hs ( x (k ) )

0 o ho ( x (k ) )

(3.22)

24

H m
H = H s ;
H o

Rm
R = 0
0

zm
z = 0 ;
0

0 0
0 0 ;
0 0

m
= s ;
o

hm ( x (k ) )

h ( x (k ) ) = hs ( x (k ) )
ho ( x (k ) )

(3.23)

a equao matricial (3.22) pode ser reescrita como:

P 1

H T x P 1 ( x x (k ) )

=
R z h ( x (k ) )

(3.24)

Mediante (3.24), possvel determinar os estados do sistema atravs de um


processo iterativo cujas estimativas para os estados so atualizadas atravs de:

x (k +1) = x (k ) + x

(3.25)

Este processo iterativo prossegue at que as condies de otimalidade (3.18) sejam


atendidas, atingindo ento a convergncia.

3.6

Concluso
Neste captulo foi abordada a formulao da estimao de estados aplicada a

sistemas de distribuio que possuem determinados pontos de carga potencialmente


capazes de injetarem potncia no sistema via fontes de GD.
O resultado do estimador pode no corresponder realidade caso existam fontes de
GD cuja gerao seja inconsistente com o inicialmente considerado nas restries
operacionais. Isto ocorre quando o perfil de gerao da GD alterado sem prvio aviso ao
operador do sistema de distribuio, especialmente quando o operador tem dificuldade para
monitorar individualmente cada instalao de GD.

25

Supondo que as medidas so confiveis e que a estrutura da rede de distribuio


est corretamente representada, as principais incertezas do problema residem nos valores
pressupostos para as potncias geradas pelas fontes de GD. Lembrando que estas fontes de
GD so modeladas via restries operacionais no vetor ho, discrepncias significativas
entre geraes reais e as declaradas em ho se refletiro em valores elevados dos respectivos
multiplicadores de Lagrange. No prximo captulo ser descrito como os multiplicadores
de Lagrange podem ser explorados para determinar as fontes de GD suspeitas de estarem
erroneamente modeladas.
No caso geral, o conjunto de fontes de GD suspeitas conter um nmero maior de
elementos do que o conjunto de injees efetivamente errneas. Para identificar estas
ltimas, poder-se-ia pensar em relaxar uma a uma as restries operacionais
correspondentes a cada dado suspeito e voltar a resolver o problema de estimao de
estados. Se considerarmos a existncia de mltiplas barras onde h incerteza sobre o nvel
de GD, fica evidente que temos em mos um problema combinatrio cuja soluo por
tentativa-e-erro claramente ineficiente. Para contornar este problema, prope-se o uso de
testes estatsticos de hipteses. Este procedimento permite identificar as fontes de GD cuja
injeo inconsistente com as medidas, sem que seja necessrio executar a estimao de
estados mais do que uma vez. Esta abordagem ser descrita no prximo captulo.

26

Captulo 4

4 Testes de Hipteses

4.1

Introduo
Neste captulo ser apresentada a ferramenta estatstica de Testes de Hipteses que,

partindo dos valores dos Multiplicadores de Lagrange Normalizados, determina quais


restries operacionais so estatisticamente verdadeiras. As restries falsas sero
desativadas do problema de estimao de estados. Com isso, os Testes de Hipteses
eliminam a necessidade de re-estimao dos estados a cada nova configurao a ser
testada. Geralmente, os testes de hipteses so executados durante o processo iterativo de
estimao de estados.
Na Seo 4.2 ser mostrado como os Multiplicadores de Lagrange podem auxiliar
na seleo das restries operacionais suspeitas de serem falsas. Esta etapa funciona como
uma pr-filtragem e reduz a quantidade de restries testadas.
Logo em seguida, na Seo 4.3 sero apresentadas as definies das hipteses
bsica e alternativas. Sob a hiptese bsica, todas as restries operacionais so ativas, isto
, considera-se que os valores iniciais de GD so nulos. Por outro lado, as hipteses
alternativas sero aquelas que representam no mnimo uma restrio operacional inativa,
isto , pelo menos uma barra fonte ativa de GD. Desta forma, a partir dos testes de
hipteses possvel identificar quais barras esto injetando potncia no sistema.
Na Seo 4.4, tem-se a aplicao da ferramenta propriamente dita. Para
determinao de qual hiptese verdadeira, calcula-se o valor das probabilidades
condicionais de todas as hipteses previstas. A hiptese que obtiver maior valor de

27

probabilidade condicional associada ser a considerada verdadeira. Alguns aspectos


computacionais quanto ao clculo destas probabilidades sero tambm discutidos na Seo
4.5.

4.2

Multiplicadores de Lagrange Normalizados


Os multiplicadores de Lagrange normalizados sero inicialmente utilizados para a

seleo das restries de GD inconsistentes com as medidas, e so definidos como [24]:

i N =

(4.1)

Wii

onde:

i N : Multiplicador de Lagrange Normalizado para a restrio i;


i : Multiplicador de Lagrange para a restrio i, obtido da Equao (3.24);
W : Matriz de covarincia de .

Pode-se mostrar que, na ausncia de dados inconsistentes e supondo que os erros


nas medidas apresentam a distribuio normal, o multiplicador de Lagrange normalizado
iN uma varivel aleatria tambm Gaussiana, de mdia zero e varincia unitria [24]. Os
multiplicadores de Lagrange normalizados apresentam as mesmas propriedades para a
deteco e identificao de erros em restries que os resduos normalizados para o
processamento de erros grosseiros em medidas na estimao de estados convencional [24].
A matriz W utilizada em (4.1) obtida da inversa da matriz Tableau Esparso da
equao (3.24) [4], [31]:

x
=
C

C T P 1 ( x x (k ) )

W z h ( x (k ) )

(4.2)

onde:

C T P 1
=
W H

HT

(4.3)

28

e , C e W so parties da inversa da matriz coeficiente da equao (3.24) com dimenses


compatveis com as parties correspondentes da matriz original.
De (4.2), tem-se que o vetor dos multiplicadores de Lagrange podem ser escritos
como:

= C P 1 ( x x (k ) ) + W ( z h ( x (k ) ))

(4.4)

A equao (4.3) pode ser reescrita como:

C T P 1

W H

H T I 0
=

R 0 I

(4.5)

A partir de (4.5), tem-se:


C P 1 = W H

(4.6)

Substituindo (4.6) em (4.4), o vetor de multiplicadores de Lagrange pode ser dado


por:

= W H ( x x (k ) ) + W ( z h ( x (k ) ))
= W (z H x)

(4.7)

Da equao (3.24), monta-se o seguinte sistema de equaes:


P 1x + H T = P 1 ( x x (k ) )

H x + R = z h ( x (k ) )

(4.8)

Manipulando-se as equaes do sistema (4.8), tem-se uma segunda equao para o


vetor de multiplicadores de Lagrange:

( H P HT + R) = z H x

(4.9)

29

Comparando as equaes (4.7) e (4.9), tem-se, finalmente, que a matriz de


covarincia de , W dada por:
W = ( H P H T + R ) 1

(4.10)

O uso dos multiplicadores de Lagrange normalizados permite identificar


preliminarmente as restries operacionais suspeitas de serem errneas. Isto permite
diminuir o esforo computacional na identificao via testes de hipteses, pois estes tero
de ser aplicados apenas s restries suspeitas.
Sabendo-se que |oNmax| o mximo multiplicador de Lagrange normalizado
associado s restries operacionais, e considerando que no h erros grosseiros, o seguinte
critrio pode ser adotado para detectar a existncia de barras suspeitas de erros de
modelagem de GD [22]:

o N max > t

(4.11)

onde t um limiar pr-especificado. Utilizando o fato de que a probabilidade do valor de


uma varivel aleatria com distribuio normal unitria estar entre -3 e +3 de 99%
[25], um valor tpico para t 3,0.
Considerando que erros de modelagem existem, e que |oNi| o valor absoluto do
multiplicador de Lagrange normalizado para a barra i, possvel identificar se a barra i
suspeita atravs de:

o N i > t

(4.12)

Portanto, aplicando-se (4.12) a todas as barras, possvel identificar quais delas so


suspeitas de erros de modelagem de GD. Aps esta pr-seleo, os testes de hipteses
sero aplicados s possveis combinaes formadas pelas restries operacionais
selecionadas como suspeitas.

30

4.3

Definio das Hipteses


Atravs do nmero de barras suspeitas de gerao distribuda determinadas pelos

multiplicadores de Lagrange normalizados, o nmero total de combinaes possveis para


a realizao dos testes de hipteses ser:

N C = 2 NGDs

(4.13)

onde:

NC: o nmero total de combinaes (hipteses);


NGDs: o nmero de restries operacionais suspeitas.
Cada hiptese (bsica ou no) caracterizada por uma cadeia binria onde um valor
zero na posio i indica que a fonte de GD correspondente inativa, enquanto que o valor
1 na mesma posio significa fonte de GD ativa.
A hiptese bsica Ho consiste em se estabelecer que todas as restries operacionais
suspeitas esto ativas, ou seja, so consideradas verdadeiras. Neste trabalho, considerado
que o operador do sistema de distribuio parte do pressuposto de que as fontes de GD
suspeitas no esto injetando potncia no sistema. As fontes de GD ativas cuja gerao
do conhecimento do operador devem ser modeladas como medidas ou pseudomedidas ao
problema de otimizao, e portanto no faro parte do conjunto de restries operacionais.
Quando uma restrio operacional referente barra i considerada verdadeira, isto
significa que sua fonte de GD inativa; reciprocamente, uma restrio operacional julgada
falsa implica em que sua fonte de GD est ativa.
Considerando os aspectos discutidos acima, a hiptese bsica representada da
seguinte forma:
N GDs
644
7448
Ho = { 0 0 L 0 }

(4.14)

Para cada restrio operacional desativada, tem-se que a respectiva barra estar
injetando potncia no sistema, ou seja, seu status ser igual a 1. Desta forma, pode-se
dizer que cada hiptese ir conter a informao sobre o status de cada possvel fonte de
GD.

31

As hipteses alternativas Hi so aquelas que possuem pelo menos um status de


barra suspeita diferente de Ho.
Para representar a configurao estabelecida por Hi, a partir de Ho, necessrio
desativar as restries operacionais de cada barra suspeita cujo status seja igual a 1 (com
GD) em Hi e 0 (GD nula) em Ho. Isto pode ser feito atravs de uma modificao na matriz
de covarincia correspondente s restries operacionais [4], que consiste em se elevar
consideravelmente a varincia de uma determinada restrio. Este artifcio implica em
atribuir uma incerteza muito grande restrio, o que equivale sua desativao. Sendo
assim, a nova matriz de covarincia ser dada por [4]:

Ri = R + Ri

(4.15)

m + ns
no
6
78 64447
4448
Ri = diag { 0,...,0 0,...,0, ,0,...,0, ,0,...}

(4.16)

onde:

e ainda:

: nmero elevado de valor positivo (104, por exemplo);


m : nmero de medidas;
n s : nmero de restries estruturais;
no : nmero de restries operacionais;

A matriz de modificao Ri tambm pode ser escrita como a multiplicao das


matrizes abaixo:

Ri = Ei Gi Ei T

(4.17)

Ei = ei 1 ... ei k

(4.18)

onde:

e ainda:
ei j : j-sima coluna da matriz identidade;
Gi : matriz diagonal k x k;

k: nmero de barras suspeitas cujo status em Hi difere de Ho.


Substituindo (4.17) em (4.15), pode-se reescrever a nova matriz de covarincia
como:

32

Ri = R + Ei Gi Ei

(4.19)

Desta forma, aps a identificao da hiptese verdadeira e a introduo das


conseqentes modificaes na matriz de covarincia, o processo iterativo de estimao de
estados continua at a convergncia, que ainda fornecer uma estimativa para as potncias
geradas cuja hiptese inicial estava incorreta.
Portanto, o novo sistema de equaes para a estimao dos estados modificados
ser dado por:
P 1

H T xi P 1 ( x x (k ) )
=

Ri i z h ( x (k ) )

(4.20)

Substituindo (4.19) em (4.20), tem-se:

P 1

xi P 1 ( x x (k ) )

=
T
R + Ei Gi Ei i z h ( x (k ) )
HT

(4.21)

A soluo do sistema (4.21) dada por:

xi P 1
=
i H

T
R + E i Gi E i
HT

P 1 ( x x (k ) )

(k )
z h ( x )

(4.22)

Aplicando o teorema de Sherman-Morrison-Woodbury [29] ao sistema (4.22),


obtm-se:

xi
=
i C

onde:

CT

W C

CT 0
M i 0 EiT
W Ei

) C

C T P 1 ( x x (k ) )

W z h ( x (k ) )

(4.23)

33

M i = Gi 1 + 0 EiT

C T 0

W Ei

M i = Gi 1 + EiTW Ei

(4.24)

Portanto, atravs de (4.2), o sistema (4.23) pode ser reescrito como:

xi x
=
i C

CT 0
M i EiT
W Ei

(4.25)

A equao (4.25) indica a soluo para o sistema modificado no caso de a hiptese


alternativa i for considerada verdadeira. A determinao da hiptese verdadeira realizada
atravs da aplicao do teorema de Bayes, conforme mostrado na prxima seo.

4.4

Testes de Hipteses via Teorema de Bayes


Atravs da ferramenta de testes de hipteses, possvel identificar qual hiptese

verdadeira (entre a bsica e as alternativas). Essencialmente, busca-se determinar qual das


hipteses melhor suportada pelas medidas disponveis ao estimador. Para isso, preciso
determinar a probabilidade condicional para cada hiptese em questo. A hiptese
verdadeira ser aquela com a maior probabilidade condicional.
Segundo o Teorema de Bayes, as probabilidades condicionais (a posteriori) para
cada hiptese Hi pode ser determinada como [25]:

(Hi | z ) =

f ( z | Hi ) (Hi )
N C 1

f (z | Hj ) (Hj )

(4.26)

j =0

onde:

(Hi | z ) : probabilidade condicional a posteriori de Hi;


(Hi ) : probabilidade a priori de Hi;
f ( z | Hi ) : funo densidade de probabilidade condicional de z, dado que Hi

verdadeiro;

34

z: vetor que contm os valores de medidas em tempo real, pseudomedidas e valores


nulos para as posies correspondentes s restries estruturais e operacionais, de acordo
com a equao abaixo:

z = [z m

0 0]

(4.27)

Para determinar o valor de cada probabilidade a posteriori, preciso calcular o


valor da funo densidade de probabilidade condicional f ( z | Hi

para cada hiptese Hi.

Para isso, considera-se que tanto as variveis de estado x quanto os erros de medio so
variveis aleatrias normalmente distribudas. Isto faz com que o vetor de medidas z
tambm seja uma varivel aleatria normalmente distribuda.
Diz-se que uma funo normalmente distribuda se sua funo densidade a
curva de Gauss. Desta forma, segundo [25], para o caso de apenas uma varivel y, tem-se
que a funo densidade de probabilidade dada por:

f (y) =

1
2

y
0 ,5

(4.28)

< y <

onde:

: mdia da varivel aleatria y;


2 : varincia da varivel aleatria y.
O expoente da equao (4.28) podem ser reescrito como [5]:
2

y
2 1
= ( y ) ( ) ( y )

Segundo [27], possvel escrever a equao (4.29) e o termo


(4.28) no formato multivarivel da seguinte forma:

(4.29)

1
2 2

da equao

35

Tabela 4.1: Termos da equao de densidade de probabilidade

Formato Monovarivel

Formato Multivarivel

( y ) ( 2 ) 1 ( y )

( y y )T 1 ( y y )

(2 )0 ,5 n

0 ,5

onde os termos no formato multivarivel so definidos como:


y : vetor de variveis aleatrias;
y : vetor contendo os valores mdios das variveis aleatrias;

: matriz de covarincia das variveis aleatrias;


: determinante da matriz .
Atravs da Tabela 4.1 e da equao (4.28) possvel reescrever a funo densidade
de probabilidade f y ( y ) :

0 ,5 n

f y ( y ) = (2 )

0 ,5

0 ,5 ( y y )T 1 ( y y )

(4.30)

Supe-se que os erros de medio tambm so variveis aleatrias normalmente


distribudas. Analogamente varivel y, pode-se escrever a funo densidade de
probabilidade para os erros de medio da seguinte forma:

f ( | Hi ) = (2 )0 ,5 m Ri

0 ,5

e 0 ,5

Ri 1

(4.31)

Sabendo-se que o vetor de medidas e restries z pode ser escrito como:

z = H x +

(4.32)

E {z z T } = H E {x x T } H T + E { T } = H P H T + R

(4.33)

ento [4]:

36

Desta forma, pode-se dizer que o vetor de medidas z tambm uma varivel
aleatria normalmente distribuda e, portanto, a funo densidade de probabilidade
f ( z | Hi ) ser dada por:

f ( z | Hi ) = (2 )0 ,5 K i

0 ,5

e 0 ,5 ( z H x )

i 1 ( z H x )

(4.34)

onde:

i : a matriz (m + n s + no ) x (m + n s + no ) de covarincia de z, dada a hiptese Hi;


K: o nmero de barras somado ao nmero de restries operacionais ativas,
correspondentes hiptese Hi.
De acordo com a equao (4.33), pode-se dizer que:

i = Ri + H P H T

(4.35)

Porm, observa-se em (4.26) que alm do clculo da funo densidade


probabilidade f ( z | Hi ) , necessrio determinar a probabilidade a priori de Hi, (Hi ) .
Considerando-se que todas as hipteses so equiprovveis e que a probabilidade referente
hiptese bsica Ho nula, tem-se que:

(Hi ) =

1
2

N GDs

(4.36)

Atravs das equaes (4.34) e (4.36), possvel determinar qual das hipteses
melhor suportada pelas medidas disponveis ao estimador e que, consequentemente, ser
considerada como verdadeira.
Na prxima seo sero apresentados alguns aspectos computacionais com o
objetivo de melhorar a eficincia do clculo da funo densidade de probabilidade
f ( z | Hi ) . Tambm ser mostrado como possvel determinar a hiptese verdadeira

mesmo quando o valor do expoente de f ( z | Hi ) muito elevado, o que tende a provocar


problemas numricos no clculo das probabilidades condicionais.

37

4.5

Aspectos Computacionais
Devido a possveis ocorrncias de problemas numricos no clculo da funo

densidade de probabilidade f ( z | Hi ) , algumas tcnicas computacionais especficas devem


ser aplicadas com o objetivo de viabilizar a obteno dos resultados desejados. Nesta
seo, trs aspectos sero analisados:

Clculo do determinante i ;

Clculo do expoente ( z H x ) T i ( z H x ) ;

Identificao da hiptese verdadeira mesmo face ocorrncia de valores muito

elevados do expoente ( z H x ) T i 1 ( z H x ) .
Mtodos computacionalmente eficientes para a determinao tanto do determinante

i quanto do expoente da funo densidade de probabilidade ( z H x ) T i 1 ( z H x )


j foram estudados em outros trabalhos, conforme mostrado em [4] e [5]. Porm, a
identificao da hiptese verdadeira, mesmo face ocorrncia de valores muito elevados
do expoente da funo densidade de probabilidade ( z H x ) T i 1 ( z H x ) , uma
contribuio deste trabalho. Cada um destes tpicos analisado em detalhes nas subsees
seguintes.

4.5.1 Clculo do determinante i

O esforo computacional em tempo real para obter o determinante i pode ser


elevado quando o nmero de hipteses for elevado. Para realizar este clculo de forma
mais eficiente, considere novamente a equao (4.35) [4]:

i = Ri + H P H T

(4.37)

Sabendo-se que Ri = R + Ei Gi Ei T (equao (4.19)), tem-se que a equao (4.37) pode ser
reescrita como:

i = R + Ei Gi Ei T + H P H T

(4.38)

38

Considerando:

o = R + H P H T

(4.39)

i = o + Ei Gi Ei T

(4.40)

i = o [ I + o 1 Ei Gi Ei T ]

(4.41)

tem-se:

ou:

onde:

I : matriz identidade de dimenso m x m.


Portanto, o determinante da matriz i ser dado por:

i = o I + o 1 Ei Gi Ei T

(4.42)

Utilizando a propriedade de determinante de produto de matrizes [28], tem-se que a


equao (4.42) pode ser reescrita como [4]:

i = o I k + Gi Ei T o 1 Ei

(4.43)

onde:

Ik : matriz identidade de dimenso k x k.


k: nmero de barras suspeitas cujo status em Hi difere de Ho.
Esta diminuio das dimenses do sistema de m para k conforme apresentado em
(4.42) e (4.43) reflete-se diretamente no esforo computacional exigido. Mesmo assim,
possvel tornar o clculo ainda mais eficiente. Para isso, considera-se uma nova funo
densidade de probabilidade dada por:

f mod ( z | Hi ) =

f ( z | Hi )

0 ,5

= (2 )

0 ,5 K

0 ,5
T

e 0 ,5 ( z H x )

i 1 ( z H x )

(4.44)

A equao da probabilidade condicional a posteriori (Hi | z ) (4.26), pode ser


reescrita como:

39

(Hi | z ) =

0 ,5

N C 1

f mod ( z | Hi ) (Hi )

0 ,5

f mod ( z | Hi ) (Hj )

(4.45)

j =0

Sabendo-se que o uma matriz que independe da hiptese considerada a


probabilidade condicional a posteriori (Hi | z ) ter como nova equao:

(Hi | z ) =

f mod
N C 1

( z | Hi ) (Hi )

f mod ( z | Hi ) (Hj )

(4.46)

j =0

Para o clculo da funo densidade de probabilidade modificada f mod ( z | Hi ) , segundo


(4.44), preciso determinar o valor de

i
. De (4.43), tem-se:
o

i
= I k + Gi Ei T o 1 Ei
o

(4.47)

Com este artifcio de substituir f ( z | Hi ) por f mod ( z | Hi ) na determinao da


probabilidade condicional a posteriori (Hi | z ) , evita-se o clculo explcito do
determinante o .
Ainda possvel definir:

Wmod = I k + Gi Ei o

Ei

(4.48)

Realizando a fatorao da matriz Wmod = LW DW U W , tem-se que, finalmente, a


razo de determinantes pode ser facilmente calculada da seguinte forma [4]:

40

i
= Wmod = LW DW U W = DW
o
k
i
= DW (i ,i )
o
i =1

(4.49)

Atravs de (4.49), o programa se torna mais eficiente no clculo das probabilidades


condicionais devido grande reduo de esforo computacional exigido.

4.5.2 Clculo do expoente ( z H x )T i 1 ( z H x )


Alm do determinante i , o expoente da funo densidade de probabilidade
1

f ( z | Hi ) , ( z H x ) T i ( z H x ) tambm pode afetar o desempenho computacional

nos clculos das probabilidades condicionais a posteriori. Sendo assim, necessrio


buscar uma metodologia mais eficiente para o clculo deste expoente. Por convenincia, a
equao (4.7) transcrita abaixo:

= W (z H x)

(4.50)

Das equaes (4.10) e (4.39), tem-se [4]:

W = ( o )

(4.51)

Substituindo (4.51) em (4.50), tem-se que o expoente da funo densidade de


probabilidade pode ser expresso em termos do vetor de multiplicadores de Lagrange da
seguinte forma:
1

( z H x ) T i ( z H x ) = ( z H x ) T i

(4.52)

onde i o vetor de multiplicadores de Lagrange modificado que representa a hiptese


alternativa i. Atravs de (4.25), tem-se que i pode ser escrito como:

41

x
i = (0 I )
C

CT
W

0
M i Ei T
E
i

(4.53)

Substituindo (4.53) em (4.52), tem-se que o expoente ser dado por:

x
( z H x )T i = 0 ( z H x ) T
C

CT
W


( z H x )T i = ( z H x ) T 0 ( z H x ) T
C

0
M i Ei T
E

C 0
M i Ei T

W Ei

(4.54)

Com o objetivo de simplificar o clculo do expoente, fatora-se a matriz do Tableau


Esparso, da seguinte forma:

P 1

HT
T
= LDL
Ri

(4.55)

de modo que a inversa da matriz Tableau ser dada por:

CT
T
1 1
=L D L
W

(4.56)

Considera-se ainda que:


0
0
1
z = L z H x

mod

(4.57)

0
1 0
E
=L
Ei
i mod

Substituindo
( z H x )T i

(4.57)

(4.56)

em

(4.54)

tem-se

( z H x ) pode finalmente ser calculado por [4]:

que

expoente

42

0
M i Ei T
( z H x ) T i = ( z H x ) T 0 z mod T D 1
E
i mod

Portanto, atravs de (4.58), o expoente ( z H x ) T i

(4.58)

( z H x ) pode ser

facilmente calculado. Este procedimento tem sido utilizado na identificao de transaes


bilaterais e na identificao de erros de topologia [3], [4], porm, alguns problemas
numricos devido a valores elevados deste expoente podem prejudicar a identificao da
hiptese verdadeira. Na prxima subseo apresentada uma contribuio deste trabalho,
que visa tentar contornar tais problemas.

4.5.3 Identificao de Hi para valores elevados do expoente de fmod (z | Hi )


Atravs de algumas simulaes realizadas foi detectado que o valor do expoente
( z H x )T i

( z H x ) em muitos casos torna-se demasiado elevado, inviabilizando a

obteno de valores significativos para a funo densidade de probabilidade modificada,


f mod ( z | Hi ) . Atravs de alguns artifcios matemticos foi possvel reescrever esta funo

de maneira que seja possvel identificar qual a maior probabilidade a posteriori sem
calcular o valor para cada hiptese alternativa.
Para isso, primeiramente foi considerada a equao (4.44):

f mod ( z | Hi ) = (2 )

0 ,5 K

0 ,5
T

e 0 ,5 ( z H x )

i 1 ( z H x )

(4.59)

Sabe-se que:

= e ln ( )

(4.60)

onde:

i
o

Substituindo (4.60) em (4.59), tem-se:

(4.61)

43

f mod ( z | Hi ) = (2 )

f mod ( z | Hi ) = (2 )

e 0 ,5 ln ( ) e 0 ,5 ( z H x )

0 ,5 K

0 ,5 K

i 1 ( z H x )

0 ,5 [ ln ( ) + ( z H x )T i 1 ( z H x ) ]

(4.62)

Para simplificar a notao, a equao (4.62) pode ser escrita como:


f mod ( z | Hi ) = e i

(4.63)

onde:

i = 0 ,5 [ ln ( ) + ( z H x ) T i 1 ( z H x ) ]
= (2 )

(4.64)

0 ,5 K

Substituindo (4.63) em (4.46), tem-se:

(Hi | z ) =

e i (Hi )
N C 1

(4.65)

(Hj )

j =0

Sabendo-se que as probabilidades a priori (Hi ) so equiprovveis, conforme mostrado


em (4.36), pode-se realizar algumas simplificaes em (4.65). Desta forma, tem-se:

(Hi | z ) =

e i
N C 1

(4.66)

j =0

O objetivo da aplicao deste mtodo identificar a hiptese com maior


probabilidade condicional a posteriori. Portanto,

e 2
e ( NC 1)
e 1
max (Hi | z ) = max N 1
; N 1
;L ; N 1
C
C
C
j
j

e
e
e j

j =0
j =0
j =0

(4.67)

44

Como o denominador

NC 1

igual para todos os termos, pode-se reescrever

j =0

(4.67) da seguinte forma:

max (Hi | z ) =

1
N C 1

max {e 1 ; e 2 ; L ; e

( N C 1)

(4.68)

j =0

Atravs de (4.68), possvel concluir que para identificao da hiptese alternativa


cujo valor da probabilidade condicional a posteriori mximo, pode ser obtido
comparando-se simplesmente os valores do expoente i . A hiptese com menor valor de

i ser aquela cuja probabilidade condicional a posteriori mxima. Portanto:

max (Hi | z ) =

e i
N C 1

(4.69)

j =0

onde i = min { 1 ; 2 ; L ; ( N

C 1)

}.

Atravs deste mtodo, possvel identificar quais das hipteses alternativas so


verdadeiras mesmo quando o valor do expoente da funo densidade de probabilidade for
elevado.
Na prxima seo ser apresentado o algoritmo completo para identificao da
gerao distribuda em sistemas de distribuio utilizando a estimao de estados e os
testes estatsticos de hipteses.

4.6

Algoritmo
O algoritmo completo para a estimao de estados e os testes de hipteses para

identificao da gerao distribuda em sistemas de distribuio est descrito nos passos a


seguir:

45

Passo 1 - Dados do sistema: os seguintes dados sobre o alimentador devem ser


disponibilizados ao programa:

condutncia, reatncia, susceptncia shunt de cada linha;

dados da topologia da rede obtidos atravs do configurador de redes;

possveis taps de transformadores de cada linha;

medidas em tempo real de corrente e fluxo ativo e reativo nas linhas;

medidas em tempo real de tenso e injeo de potncia nas barras;

pseudomedidas de injeo de potncia nas barras;

varincias das medidas em tempo real e pseudomedidas;

barras com potencial de terem GD;

barras com injeo de potncia nula;

barra de referncia;

limite inferior e superior da tenso para determinao das informaes a priori.

Passo 2 Inicializao: determinao do nmero mximo de iteraes, tolerncia


para convergncia, valor inicial para x (maior que a tolerncia) e valores iniciais para
tenses nas barras. Logo em seguida, iniciado o processo iterativo, com k = 1.
Passo 3 Teste de Convergncia: Verifica-se se x

menor que o valor de

tolerncia especificado. Em caso positivo, o programa apresenta o resultado final da


estimao de estados, juntamente com os valores de GD de cada barra que foi identificada.
Em caso contrrio, v ao Passo 4.
Passo 4 Estimativa Parcial dos Estados: primeiramente, os fluxos nas linhas so
calculados considerando os valores de tenso nas barras da atual iterao. Com estes
valores dos fluxos e com as medidas em tempo real e pseudomedidas fornecidas ao
estimador, possvel montar a matriz Tableau Esparsa e o vetor do lado direto do sistema
de equaes:

P 1

H T xi P 1 ( x x (k ) )

=
Ri i z h ( x (k ) )

(4.70)

46

Resolvendo-se o sistema acima, calcula-se o novo estado para o sistema:


x (k +1) = x (k ) + x

(4.71)

Passo 5 Teste de iterao: Caso k = 2, ir para Passo 6. Se no, faa k = k + 1 e


volte ao Passo 3.
Passo 6 Multiplicadores de Langrange Normalizados: Clculo dos multiplicadores
de Lagrange, atravs de:

i N =

(4.72)

Wii

sendo W = ( H P H T + R) 1 .

Passo 7 Teste de barras suspeitas: Caso o

max

> t , ento existe barra suspeita.

Desta forma, v para o Passo 8. Se no, faa k = k + 1 e volte ao Passo 3.


Passo 8 Testes de Hipteses: para cada hiptese alternativa Hi, a probabilidade
condicional calculada atravs de:

(Hi | z ) =

f mod
N C 1

( z | Hi ) (Hi )

(4.73)

f mod ( z | Hi ) (Hj )
j =0

onde:
0 ,5 K

f mod ( z | Hi ) = (2 )

0 ,5
T

e 0 ,5 ( z H x )

i 1 ( z H x )

(4.74)

Apenas no caso de problemas numricos no clculo de P(Hi | z ) , ser aplicada a


tcnica descrita em 4.5.3. A hiptese verdadeira identificada atravs do menor valor de

i , onde:

47

i = 0 ,5 [ ln ( ) + ( z H x ) T i 1 ( z H x ) ]

(4.75)

Com a identificao da hiptese verdadeira, pode-se seguir ao Passo 9.


Passo 9 Desativao das Restries Operacionais: Sabendo-se que a hiptese Hi
verdadeira, necessrio desativar as restries operacionais, segundo descrito em 4.3. Para
isso basta alterar os valores correspondentes na matriz de covarincia, ou seja,
Ri = R + Ri , onde:

m + ns
no
6
78 64447
4448
Ri = diag { 0,...,0 0,...,0, ,0,...,0, ,0,...}

(4.76)

Faa k = k + 1 e volte ao Passo 3.


Na Figura 4.1 a seguir, apresentado um fluxograma simplificado para melhorar a
visualizao do algoritmo proposto.

48

Parmetros e
Configurao
da Rede

Medidas em
Tempo Real e
Pseudomedidas

Informaes a
priori

Barras de Injeo
Nula e de Referncia

Barras com
Fontes de GD

Inicializao de variveis e
Incio do Processo Iterativo
k=1

Teste de
Convergncia

k=k+1

Convergiu ?

SIM

NO
Estimativa Parcial
dos Estados

NO

Resultado Final da
Estimao de Estados
juntamente com os valores
de GD

k=2?
SIM

Multiplicadores de Lagrange
Normalizados

NO

Existe barra
suspeita ?
SIM
Testes de
Hipteses

Desativao das Restries


Operacionais Falsas

Figura 4.1: Fluxograma simplificado do algoritmo proposto

FIM

49

4.7

Concluso
Neste captulo abordado o uso de Testes Estatsticos de Hipteses para

identificao de fontes ativas de GD em pontos de um alimentador de distribuio. Faz-se


uso do Teorema de Bayes para o clculo dos valores das probabilidades condicionais a
posteriori para cada hiptese alternativa. A hiptese com a maior probabilidade a
posteriori identificada como verdadeira. So discutidos tambm alguns aspectos
computacionais que visam a melhoria na eficincia do clculo destas probabilidades.
Alm da melhoria na eficincia computacional, apresentada uma nova
metodologia para tentar contornar alguns problemas numricos que podem acontecer
durante

clculo

das

probabilidades

condicionais

posteriori

prejudicando,

consequentemente, a identificao das barras com fontes ativas de GD. Esta metodologia
baseia-se na constatao de que no preciso calcular explicitamente o valor de cada
probabilidade condicional a posteriori para identificar quais delas a mxima e,
consequentemente qual hiptese verdadeira.
A partir da hiptese verdadeira, as restries operacionais do problema de
estimao de estados sero desativadas, o que implementado mediante o uso de valores
elevados para as respectivas varincias.
A ferramenta de testes de hipteses tem sido muito utilizada em outros estudos na
rea de sistemas potncia, como por exemplo na identificao de transaes bilaterais em
ambiente desregulamentado [5] e na identificao de erros de topologia [4]. Ambos os
casos foram aplicados a sistemas de transmisso e obtiveram resultados importantes e
confiveis.
No prximo captulo, sero apresentados dois casos de estudo: o primeiro utilizando
um alimentador de 34 barras do IEEE e o segundo utilizando um alimentador real de 47
barras fornecido por uma concessionria de energia do Sul do Brasil.

50

Captulo 5

5 Simulaes e Resultados

5.1

Introduo
Neste captulo, a metodologia proposta para identificao de GD em sistemas de

distribuio ser aplicada a dois alimentadores diferentes. O primeiro baseia-se em um


sistema do IEEE de 34 barras [30] enquanto que o segundo um alimentador real de uma
concessionria de distribuio do Sul do Brasil. Para ambos os sistemas, vrias condies
de GD sero testadas para validao do mtodo.
Para simulao das medidas em tempo real, utiliza-se primeiramente um programa
de fluxo de potncia e posteriormente um simulador de medidas cuja entrada so os
resultados do fluxo de potncia. Desta forma, so geradas as medidas em tempo real
necessrias para a estimao dos estados.
Injees de potncia foram tratadas como pseudomedidas e tambm foram extradas
do programa de fluxo de potncia, porm sua incerteza superior s medidas em tempo
real. Sendo assim, suas varincias foram consideradas maiores que as varincias das
demais medidas.
Nas prximas sees sero apresentados os resultados obtidos para cada sistema
utilizando o mtodo de identificao de GD em alimentadores de distribuio via
estimao de estados e testes estatsticos de hipteses.

51

5.2

Sistema IEEE: 34 Barras


As primeiras simulaes da metodologia proposta foram realizadas utilizando o

sistema-teste de 34 barras do IEEE [30] , cujo diagrama est mostrado na Figura 5.1 a
seguir.

Figura 5.1: Diagrama do Sistema do IEEE de 34 barras

Para este sistema foram consideradas 4 barras com possibilidade de terem Gerao
Distribuda (GD).
Com o objetivo de inserir um nmero pequeno de medidas, a seguinte metodologia
foi adotada para determinao do plano de medio deste sistema:

medidas de fluxo ativo e reativo: inseridas no alimentador principal (linhas


representadas em vermelho na Figura 5.1);

medida de tenso: inserida apenas na sada da subestao (SE);

medidas de corrente: inseridas aleatoriamente.

Desta forma, gerado o plano de medio representado na Tabela 5.1. Os valores


das medidas de corrente so elevadas ao quadrado para resolver problemas de
observabilidade e convergncia conforme proposto em [17].
Mesmo com todas as medidas mostradas na Tabela 5.1, exceto as medidas de
corrente, o sistema mostra-se no-observvel. O problema contornado com o acrscimo
de pseudomedidas de injeo de potncia ativa e reativa, obtidas, por exemplo, a partir de
estudos de previso de carga. importante observar que com as medidas de fluxo ativo e

52

reativo, a medida de tenso e as pseudomedidas de injeo o sistema j observvel.


Portanto, as medidas de corrente so utilizadas apenas para aumentar a redundncia do
plano de medio.
Tabela 5.1: Sistema 34 barras - Plano de Medio

Medida

Localizao (barras)

Tenso

Barra 01 (SE).

Fluxo Ativo e

01-02; 02-03; 03-04; 04-06; 06-07; 07-08; 08-09; 09-13; 13-15;

Reativo

15-16; 16-17; 17-19; 19-20; 20-23; 23-25; 25-30; 30-31; 31-34.

Corrente

02-03; 09-10; 16-17; 21-22; 28-27; 31-34.

Considera-se que pseudomedidas de injeo so utilizadas em todas as barras, com


exceo daquelas com GD. As varincias a elas atribudas so mais elevadas que as das
telemedidas, para refletir o maior grau de incerteza que se espera deste tipo de informao.
No que diz respeito s potncias geradas para as barras com GD, supe-se
inicialmente que o operador as considera todas nulas. Matematicamente, este dado
representado atravs das restries operacionais correspondentes, a serem satisfeitas pelo
estimador de estados.

5.2.1 Caso 1: Sistema com 4 fontes ativas de GD


Considera-se neste caso que a Gerao Distribuda, diferentemente do suposto pelo
operador, tem na verdade o perfil indicado na Tabela 5.2. (A coluna Status da Tabela 5.2
indica se a fonte de GD est ou no injetando potncia no sistema).
Como o estimador inicialmente no considera nenhuma fonte de GD ativa, a
hiptese bsica ser:
Ho = {0 0 0 0}
Nestas condies, os multiplicadores de Lagrange normalizados associados s restries
operacionais, calculados na segunda iterao do processo de estimao de estados, so os
mostrados na Tabela 5.3. A partir destes valores, da equao (4.11) e considerando t = 3.0,

53

conclui-se que todas as barras em teste (10, 18, 24 e 33) so suspeitas de estarem injetando
potncia no sistema, ao contrrio do que foi suposto inicialmente.
Tabela 5.2: Sistema 34 barras - Perfil Verdadeiro de GD (Caso 1)

GD

Barra

Potncia (kW)

Status

10

100,0

18

150,0

24

120,0

33

120,0

Tabela 5.3: Sistema 34 barras - Multiplicadores de Lagrange Normalizados (Caso 1)

GD

Barra

iN

10

-108,6

18

-177,4

24

-170,9

33

-130,5

A partir dos resultados da Tabela 5.3, so realizados os Testes de Hipteses, que


apontam apenas uma hiptese alternativa Hi com probabilidade condicional a posteriori
diferente de zero e, consequentemente igual a 1:
Hi = {1 1 1 1}
Com a hiptese verdadeira, possvel estimar os estados do sistema desativando as
restries operacionais correspondentes (no caso, todas), atravs de (4.19). Os resultados
finais de GD para cada barra esto mostrados na Tabela 5.4, que coincidem com os valores
reais, como esperado.
Calculando-se os fluxos a partir dos valores dos estados estimados, possvel
verificar que a presena de gerao nas barras pode inverter o sentido dos fluxos, que em

54

sistemas de distribuio sem GD usualmente apresentam sentidos pr-definidos (da


subestao para as cargas). Apenas a GD1 (barra 10) no alterou o sentido convencional
dos fluxos em sua proximidade. A Figura 5.2 mostra os fluxos que tiveram seu sentido
alterado com a injeo de GD no sistema.
Tabela 5.4: Sistema 34 barras - Resultado Final do Estimador (Caso 1)

GD

Barra

Potncia (kW)

Status

10

100,0

18

150,0

24

120,0

33

120,0

Figura 5.2: Fluxos com sentidos alterados devido injeo de GD (Caso 1)

Decises operativas incorretas podem ser tomadas caso o operador desconhea o


real sentido dos fluxos. Portanto, atravs desta metodologia, possvel operar o sistema
com mais segurana e confiabilidade.
Percebe-se neste exemplo que o resultado obtido pelo teste de hipteses coincide
com o obtido pelo clculo dos multiplicadores de Lagrange normalizados, o que no deve
ser confundido com uma regra geral. O Caso 2 a seguir mostra os resultados obtidos pela
metodologia proposta para um perfil de GD diferente do Caso 1.

55

5.2.2 Caso 2: Sistema com 2 fontes ativas de GD


Supe-se agora que o novo perfil de GD seja o mostrado na Tabela 5.5.
Tabela 5.5: Sistema 34 barras - Perfil Verdadeiro de GD (Caso 2)

GD

Barra

Potncia (kW)

Status

10

100,0

18

150,0

24

0,0

33

0,0

Para este caso, considera-se que as barras 24 e 33 tm condies de injetar potncia


no sistema, porm na condio analisada no o esto fazendo.
Assim como no caso 1, o estimador desconhece a existncia de fontes de GD ativas.
Desta forma, a hiptese bsica corresponde a:
Ho = {0 0 0 0}
Considerando as mesmas condies do Caso 1 e os valores dos multiplicadores de
Lagrange mostrados na Tabela 5.6, conclui-se que todas as barras em teste (10, 18, 24 e
33) so suspeitas de estarem injetando potncia no sistema (barras com fontes de GD
ativas).
Tabela 5.6: Sistema 34 barras - Multiplicadores de Lagrange Normalizados (Caso 2)

GD

Barra

iN

10

-96,5

18

-110,6

24

-92,6

33

-22,4

56

Nota-se que as GDs das barras 24 e 33, mesmo sendo iguais zero, so includas no
conjunto de suspeitas, pois os multiplicadores de Lagrange normalizados correspondentes
ultrapassam o limite superior de t = 3,0.
Como no caso anterior, a execuo do teste de hipteses revela uma nica hiptese
alternativa Hi com probabilidade diferente de zero, que a hiptese:
Hi = {1 1 0 0}
Desativando as restries operacionais referentes s barras 10 e 18 e mantendo a
restrio relativa s barras 24 e 33, possvel estimar os estados do sistema de distribuio,
resultando nas potncias geradas indicadas na Tabela 5.7, que novamente mostram-se
compatveis com o perfil verdadeiro.
Tabela 5.7: Sistema 34 barras - Resultado Final do Estimador (Caso 2)

GD

Barra

Potncia (kW)

Status

10

100,0

18

150,0

24

0,0

33

0,0

Diferentemente do caso 1, o resultado do teste de hipteses no coincide com o


obtido atravs do clculo dos multiplicadores de Lagrange normalizados pois na ocorrncia
de erros mltiplos no se pode garantir que os maiores valores de iN estejam associados s
restries errneas [24]. Este fato refora a importncia do teste de hipteses durante o
processo de estimao de estados para uma correta identificao de GD no sistema.
Sem a injeo de potncia nas barras 24 e 33, apenas uma linha ter seu sentido
diferente do convencionalmente utilizado em sistemas de distribuio (Figura 5.3). Mesmo
isso ocorrendo para apenas uma linha, a segurana do sistema pode ser afetada caso o
operador desconhea a presena da gerao distribuda nas barras 10 e 18.
importante observar tambm que, apesar da GD1 (barra 10) no influenciar no
sentido dos fluxos, ela altera os valores dos fluxos em sua redondeza. Este aspecto ser

57

melhor discutido no prximo caso, onde nenhuma fonte de GD estar verdadeiramente


ativa, isto , todas as injees das fontes de GD so nulas.

Figura 5.3: Fluxo com sentido alterado devido injeo de GD (Caso 2)

5.2.3 Caso 3: Sistema sem fontes ativas de GD


Considerando agora que o novo perfil de GD seja o mostrado na Tabela 5.8.
Tabela 5.8: Sistema 34 barras - Perfil Verdadeiro de GD (Caso 3)

GD

Barra

Potncia (kW)

Status

10

0,0

18

0,0

24

0,0

33

0,0

Analogamente aos casos anteriores, a hiptese bsica ser dada por:


Ho = {0 0 0 0}
Os multiplicadores de Lagrange calculados so mostrados na Tabela 5.9. Nota-se
que em nenhuma barra o limite superior para os multiplicadores de Lagrange normalizados
ultrapassado (t = 3,0). Sendo assim, a hiptese bsica considerada como verdadeira e

58

as iteraes do estimador prosseguem sem a necessidade do clculo das probabilidades


condicionais a posteriori.
Tabela 5.9: Sistema 34 barras - Multiplicadores de Lagrange Normalizados (Caso 3)

GD

Barra

iN

10

1,67

18

-0,70

24

-0,61

33

-0,12

O resultado final das injees nas barras com possibilidade de serem fontes de GD
aps a estimao de estados est mostrado na Tabela 5.10.
Tabela 5.10: Sistema 34 barras - Resultado Final do Estimador (Caso 3)

GD

Barra

Potncia (kW)

Status

10

0,0

18

0,0

24

0,0

33

0,0

Neste caso, todos os fluxos nas linhas tem seu sentido convencional. Verifica-se
que apesar da injeo na barra 10 nos casos 1 e 2 no inverter o sentido dos fluxos em sua
redondeza, gerou uma alterao direta no valor do fluxo nas linhas anteriores barra 10.
Na Tabela 5.11 os fluxos at a barra 10 so mostrados para cada caso.
importante notar que o Caso 1 foi aquele que menos exigiu injeo de potncia da
subestao, j que este era o caso com maior valor de injeo por fontes de GD (490kW)
seguido do caso 2 (250kW). Portanto, os valores dos fluxos nas linhas 1 a 8 sofrem
influncia das 4 GDs para o Caso 1 e das 2 GDs para o Caso 2.
J o fluxo da linha 9, influenciado apenas pela GD1 localizada na barra 10. Como
em ambos os casos 1 e 2 esta gerao est ativa, o valor de fluxo no difere. Porm, como

59

seria de se esperar, isto j no acontece quando no h injeo de potncia na barra 10.


Nota-se uma diferena considervel entre os fluxos quando comparado o caso 3 com os
casos 1 e 2. Em concluso, observa-se que injees de potncia em barras no sistema de
distribuio, quando no devidamente monitoradas podem afetar fortemente os fluxos no
alimentador e seus ramais e o desconhecimento de seus valores pode comprometer a
segurana e confiabilidade da operao. Tambm importante ressaltar que a incluso da
GD em alimentadores de distribuio contribui para descongestionar os ramos da rede de
distribuio.
Tabela 5.11: Sistema 34 barras - Comparao dos fluxos entre os trs casos estudados

Barra

Barra

Inicial

Final

Linha

Fluxo nas linhas (kW)


Caso 1

Caso 2

Caso 3

277,5

533,6

803,4

261,7

517,6

787,0

246,0

501,7

770,8

7,90

7,90

7,90

228,7

481,3

744,8

227,2

476,2

733,6

225,9

472,3

724,7

225,9

472,3

724,7

10

70,5

70,6

170,7

Alm dos fluxos de potncia nos ramos, tambm importante analisar o


comportamento da tenso para os casos em estudo. O perfil de tenso para os trs casos
est mostrado no grfico da Figura 5.4. Percebe-se atravs deste grfico que com a
insero da GD no sistema a tenso em pontos da rede pode se tornar elevada, dependendo
do sistema e dos taps dos transformadores utilizados ao longo do alimentador. Este fato
refora a idia que, em sistemas de distribuio com fontes de GD, a ocorrncia de

60

sobretenses ao longo do alimentador deve merecer tanta ateno quanto as subtenses,


para garantir a qualidade da energia entregue aos consumidores finais.
Na prxima seo, sero realizadas simulaes utilizando a metodologia proposta
para um alimentador real de distribuio de uma concessionria do Sul do Brasil.

1,04

Caso 1

Caso 2

Caso 3

1,03

1,02

Tenso (pu)

1,01

1,00

0,99

0,98

0,97

0,96
1

3 4

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

Barras

Figura 5.4: Perfil de tenso para os trs casos estudados

5.3

Sistema Real: 47 Barras


Seja o sistema real de uma concessionria de energia do sul do Brasil o mostrado na

Figura 5.5. Das 47 barras, apenas 3 tem a capacidade de serem fontes de GD. So elas: 12,
26 e 46. Pelo diagrama do sistema apresentado na Figura 5.5, percebe-se que neste sistema
no ntida a identificao de um alimentador principal como o caso do sistema do IEEE
de 34 barras estudado no item 5.2.
A metodologia utilizada para a insero de telemedidas em tempo real ao longo do
alimentador obedece os seguintes critrios:

61

medidas de fluxo ativo e reativo: so inseridas primeiramente medidas de fluxo


em todas as linhas onde ocorre derivao do alimentador (09-10; 09-28; 11-12;
11-15; 39-40 e 39-41). Em seguida so inseridas medidas de fluxo a cada 3
trechos de alimentador (ver Figura 5.5).

medida de tenso: inserida apenas na sada da subestao (SE);

medidas de corrente: inseridas aleatoriamente.

O plano de medio resultante da aplicao destes critrios ao sistema-teste dado


na Tabela 5.12.

Figura 5.5: Diagrama do Sistema Real de 47 barras


Tabela 5.12: Sistema 47 barras - Plano de Medio

Medida

Localizao (barras)

Tenso

Barra 01 (SE).

Fluxo Ativo e

01-02; 04-05; 07-08; 09-10; 09-28; 11-12; 11-15; 13-14; 17-18; 20-21;

Reativo

23-24; 26-27; 30-31; 33-34; 36-37; 39-40; 39-41; 43-44; 46-47.

Corrente

01-02; 06-07; 10-11; 13-14; 19-20; 28-29; 34-35; 38-39; 42-43; 45-46.

Da mesma forma que no sistema de 34 barras, os valores das medidas de corrente


so elevadas ao quadrado para resolver problemas de observabilidade e convergncia [17].

62

Apenas com o plano de medio mostrado na Tabela 5.12 (porm sem levar em
conta as medidas de corrente) no possvel estimar os estados do sistema, pois este ainda
no-observvel. Desta forma, pseudomedidas de injeo de potncia foram inseridas
(com varincias maiores devido ao maior nvel de incerteza relacionadas a elas), com
exceo das barras onde h gerao distribuda (GD). Analogamente ao sistema de 34
barras, a insero das pseudomedidas no plano de medio torna as medidas de corrente
redundantes, de modo que estas ltimas no influenciam a observabilidade do sistema.
Nestas condies, sero estudados dois casos distintos para a identificao de GD
para este sistema.

5.3.1 Caso 1: Sistema com 3 fontes ativas de GD


Para este primeiro caso, sups-se que todas as trs barras possuem GD de acordo
com a Tabela 5.13. Novamente, a coluna Status desta tabela indica se a barra est ou no
injetando potncia no sistema.
Tabela 5.13: Sistema 47 barras - Perfil Verdadeiro de GD (Caso 1)

GD

Barra

Potncia (kW)

Status

12

150,0

26

200,0

46

300,0

Porm, o estimador inicialmente no considera nenhuma GD no sistema. Isto indica


que a hiptese bsica ser:
Ho = {0 0 0}
Para aplicar os testes de hipteses, primeiramente necessrio determinar os
multiplicadores de Lagrange normalizados (Tabela 5.14). Atravs destes valores, obtidos
da equao (4.11) e considerando t = 3.0, conclui-se que todas as barras consideradas (12,
26 e 46) so suspeitas de apresentarem injees de potncia incompatveis com os valores
inicialmente supostos.

63

Tabela 5.14: Sistema 47 barras - Multiplicadores de Lagrange Normalizados (Caso 1)

GD

Barra

iN

12

-46,0

26

-117,2

46

-127,9

A partir dos resultados dos multiplicadores de Lagrange normalizados, realizado o


Teste de Hipteses. Para este sistema, verifica-se a ocorrncia dos problemas numricos
relatados na Subseo 4.5.3, que inviabilizam a obteno de valores significativos para as
funes densidade de probabilidade, e consequentemente o clculo dos valores das
probabilidades condicionais. Contudo, a aplicao da metodologia abordada na Subseo
4.5.3 permite contornar tais problemas e fornece meios para determinar a hiptese
alternativa verdadeira, que :
Hi = {1 1 1}
Com a hiptese verdadeira, possvel re-estimar os estados do sistema desativando
todas as restries operacionais correspondentes (j que o resultado do testes de hipteses
indica como correta a hiptese em que as barras 12, 26 e 46 tm fontes ativas de GD). Os
resultados finais de GD para cada barra esto mostrados na Tabela 5.15.
Tabela 5.15: Sistema 47 barras - Resultado Final do Estimador (Caso 1)

GD

Barra

Potncia (kW)

Status

12

150,7

26

200,2

46

299,9

Da mesma forma como no sistema de 34 barras, a injeo de GD no sistema alm


de afetar o valor dos fluxos, afeta tambm seu sentido. Conforme mostrado na Figura 5.6,
percebe-se que apenas as GDs 2 e 3 influenciam na inverso dos sentidos dos fluxos.

64

Mesmo assim, evidente que no s o sentido do fluxo importante para a operao do


sistema, mas tambm seus valores. Estes so diretamente afetados quando barras de GD
so inseridas no sistema.

Figura 5.6: Fluxos com sentidos alterados devido injeo de GD (Caso 1)

No prximo caso, ser simulada uma situao onde uma das barras com potencial
de injetar potncia no sistema no o est fazendo.

5.3.2 Caso 2: Sistema com 2 fontes ativas de GD


Neste caso, foi suposto que no h fonte de GD ativa conectada barra 12. Sendo
assim, o novo perfil verdadeiro de GD no sistema o apresentado na Tabela 5.16.
Tabela 5.16: Sistema 47 barras - Perfil Verdadeiro de GD (Caso 2)

GD

Barra

Potncia (kW)

Status

12

0,0

26

200,0

46

300,0

Novamente, o estimador inicialmente no considera nenhuma GD no sistema, o que


indica que a hiptese bsica ser:

65

Ho = {0 0 0}
Com os multiplicadores de Lagrange normalizados apresentados na Tabela 5.17,
utilizando-se a equao (4.11) e considerando t = 3.0, conclui-se que as trs barras so
suspeitas de terem fontes de GD ativas a elas conectadas ao contrrio do que foi suposto
inicialmente.
Tabela 5.17: Sistema 47 barras - Multiplicadores de Lagrange Normalizados (Caso 2)

GD

Barra

iN

12

-19,5

26

-116,3

46

-127,9

Da mesma forma como no caso 1, na realizao dos testes de hipteses a partir dos
resultados dos multiplicadores de Lagrange normalizados, verificam-se problemas
numricos no clculo das funes densidade de probabilidade para as hipteses
alternativas, o que impossibilita o clculo das probabilidades condicionais a posteriori.
Adotando-se o mtodo desenvolvido na Subseo 4.5.3, possvel determinar a hiptese
alternativa verdadeira como:
Hi = {1 1 1}
Este resultado obtido a partir da equao (4.69) e da concluso associada, segundo
o qual a hiptese alternativa verdadeira determinada atravs do menor valor de i , que,
de acordo com (4.64), dado por:

i = 0 ,5 [ln( ) + ( z H x ) T i 1 ( z H x )]

(5.1)

Os valores de i para todas as hipteses alternativas Hi so os mostrados na


Tabela 5.18.

66

Percebe-se que as hipteses alternativas Hi = {0 1 1} e Hi = {1 1 1} (em destaque


na tabela) possuem valores muito prximos entre si, onde o valor para i de Hi = {1 1 1}
0,07% menor que o de Hi = {0 1 1}. Sendo assim, possvel concluir que a identificao
da segunda hiptese em lugar da primeira devido a um problema numrico.
Tabela 5.18: Sistema 47 barras - Valores de i para cada hiptese alternativa Hi (Caso 2)

Hi

001

1,3463 105

010

1,3783 105

011

1,2184 105

100

1,5036 105

101

1,3447 105

110

1,3776 105

111

1,2176 105

Entretanto, levando-se em conta o resultado dos testes de hipteses que apontam a


hiptese Hi = {1 1 1} como verdadeira, os estados do sistema so re-estimados desativando
todas as restries operacionais correspondentes. Os resultados finais de GD para cada
barra esto mostrados na Tabela 5.19.

GD

Barra

Potncia (kW)

Status

12

0,8

26

200,2

46

300,0

Tabela 5.19: Sistema 47 barras - Resultado Final do Estimador (Caso 2)

Analisando a Tabela 5.19, percebe-se que apesar dos testes de hipteses indicarem
que existe injeo de potncia na barra 12, o valor estimado para a potncia gerada

67

correspondente muito baixo e pode ser ignorado. Sendo assim, para este sistema-teste em
estudo pode-se concluir que os testes de hipteses garantem o resultado correto mesmo
quando, devido a algum problema numrico, apontam como ativa uma fonte de GD que na
verdade encontra-se inativa.

5.4

Concluso
Neste captulo so apresentados os resultados de diversas simulaes utilizando

primeiramente um sistema-teste do IEEE de 34 barras e em seguida um sistema real de 47


barras de uma concessionria do Sul do Brasil.
Para ambos os sistemas, verifica-se que a insero de fontes de GD em algumas
barras do alimentador pode influenciar fortemente tanto os valores dos fluxos quanto seus
sentidos. Alm disso, a potncia injetada no alimentador pela subestao tambm
alterada. Desta forma, para operar o sistema de forma segura e confivel, importante que
o operador disponha de ferramentas que auxiliem na obteno do ponto de operao do
sistema.
Atravs de alguns casos simulados para cada sistema, a metodologia abordada
testada. Os resultados obtidos so satisfatrios e mostram a importncia desta ferramenta
na segurana e confiabilidade da operao de sistemas de distribuio.

68

Captulo 6

6 Concluses

6.1

Concluses Finais
Esta dissertao apresenta uma metodologia para a monitorao de gerao

distribuda em redes de distribuio, baseada no uso de tcnicas de Estimao de Estados


associadas a testes estatsticos de hipteses.
O estudo considera situaes tpicas em sistemas de distribuio, nos quais o
nmero de medidas no alimentador nem sempre so suficientes para tornar o sistema
observvel. Este problema contornado com o uso de pseudomedidas de injeo de
potncia oriundas de estudos de previso de carga e tambm mediante informaes a priori
consideradas para os estados da rede. Entretanto, importante ressaltar que quanto maior
for o nmero de medidas em tempo real disponveis para o estimador, melhor ser a
qualidade das estimativas para os estados e, conseqentemente mais confiveis sero os
resultados da metodologia proposta.
No incio do processo iterativo de estimao dos estados para sistemas de
distribuio, considera-se que o operador desconhea a existncia de gerao distribuda
em barras com este potencial. Consequentemente, as restries operacionais que modelam
tal hiptese so consideradas verdadeiras. Em iterao subsequente, so determinados os
multiplicadores de Lagrange normalizados associados a estas restries e, atravs deles,
possvel determinar as barras suspeitas de terem fontes ativas de GD. Testes de hipteses
baseados no Teorema de Bayes so ento executados sobre este conjunto de barras

69

suspeitas. A hiptese alternativa que tiver maior valor de probabilidade condicional a


posteriori ser considerada como verdadeira.
Com a hiptese verdadeira determinada, o processo iterativo de estimao de
estados retomado, aps a desativao das restries operacionais correspondentes s
barras que tiverem fontes ativas de GD identificadas. Aps a convergncia do estimador,
pode-se determinar os valores dos fluxos nas linhas e principalmente estimar as injees
nas barras com GD.
A metodologia proposta testada mediante simulaes realizadas para dois
alimentadores: o primeiro um alimentador-teste do IEEE de 34 barras e o segundo
baseado em um sistema de distribuio real de 47 barras de uma concessionria do Sul do
Brasil.
Os resultados obtidos para o sistema de 34 barras so muito satisfatrios. Em todos
os casos simulados, os testes de hipteses identificam corretamente as barras que so
fontes ativas de GD para que as restries operacionais correspondentes fossem
desativadas.
No caso do alimentador real de 47 barras, o mtodo tambm apresenta resultados
satisfatrios, apesar de ter se verificado, em alguns casos, maior dificuldade quanto
identificao da hiptese alternativa correta, atribuda ocorrncia de problemas
numricos. Mesmo assim, o estimador converge para o ponto de operao verdadeiro,
constatando-se ao final que a diferena entre as hipteses alternativas identificada e correta
resume-se a uma barra cujo nvel de potncia de GD praticamente desprezvel. Em
termos prticos, portanto, a soluo encontrada pelo mtodo coincide com a situao
simulada.
Em ambos os sistemas, fundamental ressaltar a importncia do conhecimento de
possveis fontes de GD no sistema, principalmente devido a alteraes que estas podem
causar nos sentidos dos fluxos. Este fato incomum em sistemas de distribuio
convencionais que no contm fontes de GD, j que neste caso a nica fonte de injeo de
potncia nos alimentadores a subestao. Por outro lado, a insero de fontes em outros
pontos do sistema cria incertezas para o operador quanto ao sentido dos fluxos nos
alimentadores.
A ferramenta de monitorao proposta indita no que concerne monitorao de
fontes de Gerao Distribuda e capaz de fornecer bons resultados mesmo considerando
as limitaes usuais de disponibilidade de dados em tempo real encontradas em sistemas

70

de distribuio. Conclui-se portanto que apresenta bom potencial para subsidiar a operao
de sistemas de distribuio na presena de mltiplas fontes de gerao distribuda.

6.2

Sugestes para Futuros Trabalhos


Seguem abaixo algumas sugestes para possveis trabalhos futuros na monitorao

de gerao distribuda em alimentadores de sistemas de distribuio:

Insero da metodologia de identificao de erros grosseiros em medidas em


tempo real atravs de um processo independente da identificao de GD. Este
processo visa identificar medidas esprias que podem influenciar fortemente os
resultados da estimao de estados e dos testes de hipteses descritos neste
trabalho;

Estudo da observabilidade do sistema na presena de medidas de tenso, fluxos


ativos e reativos, injeo de potncia ativa e reativa e medidas de corrente.
Verificao do impacto das medidas de corrente sobre a observabilidade do
sistema e proposio de procedimentos para projeto de planos de medio
compatveis com as restries prticas relativas monitorao de sistemas de
distribuio;

Melhoria nos mtodos computacionais de clculo das probabilidades


condicionais a posteriori, a fim de se evitar problemas numricos como os
detectados em algumas simulaes descritas neste trabalho;

Investigar a adoo de mtodos alternativos de identificao de fontes ativas de


GD baseados na interpretao geomtrica dos multiplicadores de Lagrange,
conforme recentemente proposto na literatura de estimao de estados [31].

71

7 Referncias Bibliogrficas
[1]

GOMES, P. et al. Gerao Distribuda: Vantagens, Problemas e Perspectivas. In:


SEMINRIO NACIONAL DE PRODUO E TRANSMISSO DE ENERGIA
ELTRICA (15. : Out. 1999 : Foz do Iguau, Paran). Anais. Paran, 1999.

[2]

BARAN, M. E.; KELLEY, A. W. State Estimation for Real-Time Monitoring of


Distribution Systems. IEEE Transactions on Power Systems, v. 9, n. 3, p. 1601-1609,
Aug. 1994.

[3]

BARAN, M. E. Challenges in State Estimation on Distribution Systems. In: POWER


ENGINEERING SOCIETY SUMMER MEETING (2001 : Jul. 2001 : Vancouver,
Canad), Proceedings. Canada, 2001. p. 429-433.

[4]

LOURENO, E. M. Anlise de Observabilidade e Identificao de Erros de


Topologia na Estimao de Estados Generalizada. Florianpolis, 2001. Tese
(Doutorado em Engenharia Eltrica) Centro Tecnolgico, Universidade Federal de
Santa Catarina.

[5]

AGUDELO, A. M. Identificao de Transaes No-Reveladas em Ambiente


Desregulamentado. Florianpolis, 2000, Dissertao (Mestrado em Engenharia
Eltrica) Centro Tecnolgico, Universidade Federal de Santa Catarina.

[6]

BROWN, E. R.; FREEMAN, L. A. A. Analyzing the Reliability Impact of


Distributed Generation. In: POWER ENGINEERING SOCIETY SUMMER
MEETING (2001 : Jul. 2001 : Vancouver, Canada), Proceedings. Canada, 2001. p.
1013-1018.

[7]

BROWN, E. R. et al. Siting Distributed Generation to Defer T&D Expansion. In:


TRANSMISSION AND DISTRIBUTION CONFERENCE AND EXPOSITION
(2001 : Out-Nov. 2001 : Atlanta, USA), Proceedings. USA, 2001. p. 622-627.

[8]

JOS, G. et al. The Potencial of Distributed Generation to Provide Ancilary


Services. In: POWER ENGINEERING SOCIETY SUMMER MEETING (2000 :
Jul. 2000 : Seattle, USA), Proceedings. USA, 2000. p. 1762-1767.

72

[9]

ACKERMANN, T. Distributed Power Generation in a Deregulated Market


Enviroment. Part 1: Electricity Market Regulations and their Impacts on Distributed
Power Generation.

[10] WRIGHT, A. J.; FORMBY, J. R. Overcoming Barriers to Scheduling Embedded


Generation to Suport Distribution Networks.
[11] LI, K. State Estimation for Power Distribution System and Measurement Impacts.
IEEE Transactions on Power Systems, v. 11, n. 2, p. 911-916, May 1996.
[12] HANSEN, C. W.; DEBS, A. S. Power System State Estimation using Three-Phase
Models. IEEE Transactions on Power Systems, v. 10, n. 2, p. 818-824, May 1995.
[13] MELIOPOULOS, A. P.; ZHANG, F. Multiphase Power Flow and State Estimation
for Power Distribution System. IEEE Transactions on Power Systems, v. 11, n. 2, p.
939-946, May 1996.
[14] WU, F. F.; NEYER, A. F. Asynchronous Distributed State Estimation for Power
Distribution Systems. Proc. of 10th Power System Computation Conference, p.439446, Aug. 1990.
[15] BARAN, M. E.; ZHU, J.; KELLEY, A. W. Meter Placement for Real-Time
Monitoring of Distribution Feeders. IEEE Transactions on Power Systems, v. 11, n.
1, p. 332-337, Feb. 1996.
[16] MUOZ, J. M. R.; EXPSITO, A. G. A Line-Current Measurement Based State
Estimator. IEEE Transactions on Power Systems, v. 7, n. 2, p. 513-519, May 1992.
[17] GEISLER, K. I. Ampere Magnitude Line Measurements for Power System State
Estimation. IEEE Transactions on Power Apparatus and Systems, v. PAS-103, n. 8,
p. 1962-1969, Aug. 1984.
[18] ABUR, A.; EXPSITO, A. G. Bad Data Identification when using Ampere
Measurements. IEEE Transactions on Power Systems, v. 12, n. 2, p. 831-836, May
1997.
[19] TENG, J.-H. Handling Current-Magnitude Measurement in Transmission and
Distribution System State Estimatior, IEE Proceedings Generation, Transmission
and Distribution, v. 147, n. 4, p. 202-206, Jul. 2000.
[20] JAN, A. de la V.; EXPSITO, A. G. Including Ampere Measurements in
Generalized State Estimators. IEEE Transactions on Power Systems, v. 20, n. 2, p.
603-610, May 2005.

73

[21] CLEMENTS, K. A.; SIMES COSTA, A. J. A.; AGUDELO, A. Identification of


Parallel Flows in Power Networks through State Estimation and Hypothesis Testing.
Electrical Power and Energy Systems, n. 28, p. 93-101, 2006.
[22] LOURENO, E. M.; SIMES COSTA, A. J. A.. Identificao de Erros de
Topologia via Multiplicadores de Lagrange Normalizados e Testes de Hipteses.
Revista Controle e Automao, v. 14, n. 2, p. 166-175, Abr., Maio, Jun. 2003.
[23] SIMES COSTA, A. J. A.; VIEIRA, F. Topology Error Identification through
Orthogonal Estimation Methods and Hypothesis Testing. In: IEEE POWER TECH
PROCEEDINGS (2001 : Set. 2001 : Porto, Portugal), Proceedings. Portugal, 2001.
[24] CLEMENTS, K. A.; SIMES COSTA, A. J. A.. Topology Error Identification
Using Normalized Lagrange Multipliers. IEEE Transactions on Power Systems, v.
13, n. 2, p. 347-353, 1997.
[25] PAPOULIS, A. Probability Random Variables and Stochastic Processes. 3. ed.
McGraw Hill, 1991.
[26] ZHAO, L.; ABUR, A. Multiarea State Estimation Using Synchronized Phasor
Measurements. IEEE Transactions on Power Systems, v. 20, n. 2, p.611-617, May
2005.
[27] JOHNSON, R. A.; WICHERN, D. W. Applied Multivariable Statistical Analysis.
Prentice Hall and Englewood Cliffs, 1982.
[28] CHEN, C. T. Linear System Theory and Desing. Holt, Rinehart and Winston, 1984.
[29] GOLUB, G. H., VAN LOAN, C. F. Matriz Computation. 3. ed. The John Hopkins
University Press, Baltimore, 1996.
[30] IEEE Distribution Planning Working Group Report. Radial Distribution Test
Feeders. IEEE Transactions on Power Systems, v. 6, n. 3, p. 975-985, Aug. 1991.
[31] LOURENO, E.M., SIMES COSTA A., CLEMENTS, K.A., A Topology Error
Identification Method Directly Based on Collinearity Tests, aceito para publicao
no IEEE Trans. on Power Systems, junho de 2006.