01 Ee

UniversidadeFederal Fluminense
Escola de Engenharia
Departamento de Engenharia Elétrica
FUNDAMENTOS DA OPERAÇÃO DE
SISTEMAS DE POTÊNCIA
TEE-00139
Aula 01
Prof. Marcio Guimaraens
Operação em tempo real e planejamento da operação
UFF – TCE/TEE – TEE00139

Estimação de estado – Chapter 9 3rd Edition
 Função essencial da operação em tempo real
 Estima as condições atuais do sistema com base
em um conjunto de medidas
 Fornece informações para os demais estudos da
operação em tempo real
 Análise de segurança
 Controle automático da geração
 Despacho econômico

Estimação de estado
 Processo de estimação de um valor de uma variável
de estado de um dado sistema tendo por base um
conjunto de medidas e otimizando um dado critério
 Medidas
 Redundantes
 Portadoras de erros
 Critérios
 Estatísticos

 Variáveis de estado
 Informações que definem todo o estado do
sistema
 Magnitude e ângulo da tensão nas barras do
sistema
 Status de chaves e disjuntores, taps de
transformadores
 Configurador de rede  não será abordado
nesse curso

 Medidas
 Fluxos de potência ativa e reativa nas linhas
 Status de chaves e disjuntores
 Magnitude da corrente nas linhas e
 Magnitude das tensões nas barras
 Ângulo da tensão nas barras do sistema
 Sincronismo nas medições
 Phasor Measurement Unit (PMU)

 Natureza dos erros de medição
 Erros nos medidores
 Exemplo: Conexão invertida  negativo do
valor medido
 Falha no canal de comunicação
 Exemplo: Telemetria ou rede de comunicação
de uma determinada parte do sistema fora de
operação

 Funções do estimador de estado
 Filtrar erros de pequena magnitude
 Detectar medidas portadoras de erros grosseiros
 Identificar estas medidas.
 Estimar grandezas que não foram medidas em
função de perda dos canais de comunicação

 Exemplo ilustrativo – Fluxo DC
Barra 1 M12 Barra 2
65 [MW] 100 [MW]

60 [MW]
M13
40 [MW] M32
Reatâncias PU (Base 100 MVA)
X12 = 0.2
X13 = 0.4
35 [MW]
X23 = 0.25
5 [MW] Barra 3
Fluxo DC => Fluxo Pot. Ativa a Dq

 Somente duas das três medições disponíveis são necessárias
para o cálculo das variáveis de estado envolvidas
1
f13  q1  q3   M 13  5 MW   0, 05 pu
x13
1
f 32  q3  q 2   M 32  40  MW   0, 40 pu
x32
 Mij  medida de fluxo de potência ativa da barra i para a
barra j
 fij  fluxo de potência ativa calculado da barra i para a barra
j

 Considerando a barra 3 como referência angular, ou seja,
q3 = 0, têm-se o seguinte sistema de equações:
1  1
 x q1  q 3   0,05  q1  0,05
 13  0,4
 
 1 q  q   0, 40  1 q  0, 40
 x32 3 2  0, 25 2
q1  0,02  rad 

q 2  0,10  rad 

 A medida M12 não foi necessária, visto que os
medidores neste caso hipotético não apresentavam
erros de medição
 E se usarmos M12 e M32? E se usarmos M13 e M12?
 Percebeste que q1 E q2 são sempre calculados

corretamente?
 Mas e se assumirmos as incertezas inerentes a
medição, chegaremos aos mesmos resultados?

 Supondo que os 3 medidores apresentem pequenos erros de

medição:
M 12  62  MW   0,62 pu
M 13  6  MW   0,06 pu
M 32  37  MW   0,37 pu

 Considerando novamente somente os medidores M13 e M32 e
procedendo como anteriormente,
 1
 f13  x q1  q3   M 13  0,06 pu q1  0,024  rad 
 13
 
 f  1 q  q   M  0,37 pu q 2  0,0925  rad 
 32 x32 3 2 32
 Lembrando que a barra 3 é a referência angular, o sistema

apresenta o seguinte estado:

Barra 1 M12 Barra 2
64,25 [MW] 95,25 [MW]

58,25 [MW]
q 1  0.024 M13 q 2  0,0925

37 [MW] M32
Reatâncias PU (Base 100 MVA) Barra 3
X12 = 0.2
X13 = 0.4
31 [MW]
X23 = 0.25
6 [MW] q3 0
 f13 = M13
 f32 = M32
 f12  M12 ? Não era para ser 62MW?

 Considerando M12 e M32
Barra 1 M12 Barra 2
69,875 [MW] 99 [MW]

62 [MW]
q 1  0.0315 M13 q 2  0,0925

37 [MW] M32
X12 = 0.2
X13 = 0.4
29,125 [MW]
X23 = 0.25
7,875 [MW] q3  0
f13  M13 ? Não era para ser 6MW?

 Considerando M12 e M13
Barra 1 M12 Barra 2
69,875 [MW] 99 [MW]

62 [MW]
q  0.0315 M13 q2 q 2=-0,1

0,0925
q1=0,024
1
4037 [MW] M32

X12 = 0.2
X13 = 0.4
29,125 [MW]
X23 = 0.25
6 [MW]
7,875 q3  0
f13  M13 ? Não era para ser 37MW?

 No exemplo dado, apesar de estarem disponíveis três
medidas, são necessárias somente duas delas para o cálculo
das duas variáveis de estado (q1 e q2) que definem todo o
estado do sistema.
 Em outras palavras, utilizando estritamente as equações de
fluxo de potência, necessariamente alguma medida deve ser
desprezada.
 Medidas excedentes  medidas redundantes
 E o erro nos valores dos fluxos são desprezíveis?
 Como considerar todas as medidas na estimação do estado?

Teoria de estimação ou inferência estatística
 Estimação de uma dada grandeza a partir da análise de um

conjunto de amostras
 Cada amostra apresenta uma incerteza associada
 Como definir a “melhor” estimativa do valor da grandeza

com base em medições ou amostras?
 Que critérios utilizar?

 Distribuição do erro de medição
 Todas as medidas são portadoras de erro
z meas  z true  
 zmeas  medição realizada

 ztrue  valor verdadeiro da grandeza
   erro ou incerteza de medição

 Distribuição do erro de medição
 A distribuição da componente aleatória  define a modelagem
das incertezas nas medições
 Usualmente é considerada a distribuição normal
 0 
2
1 
fdp    e 2 2
 2
 fdp( )  função densidade de probabilidade de 
  ~ N(0,)
 Outras distribuições podem ser utilizadas, dando origem a
outros estimadores

 Critérios estatísticos para estimação
 Máxima verossimilhança
 Maximizar a probabilidade da estimativa x ser igual ao
valor verdadeiro e desconhecido do vetor de variáveis de
estado x
 Mínimos quadrados ponderados
 Minimização da soma ponderada do desvio quadrático
entre cada medida z e o respectivo valor estimado z
 Mínima variância
 Minimizar o valor esperado da soma dos desvios
quadráticos entre a estimativa de cada elemento do vetor de
estado x e o respectivo valor verdadeiro e desconhecido xi

 Supondo que todas as medidas são oriundas de uma distribuição
normal com média nula, ou seja, medidas não-tendenciosas, a
utilização de cada um dos 3 critérios anteriores dá origem ao
mesmo resultado
68,26% => 1 desvio

95,44% => 2 desvios
99,73% => 3 desvios

Método dos mínimos quadrados ponderados
 Formulação do problema
 
2
Nm z meas
 f i x1 , x2 , , xN s 
min J  x     i 
x
i 1  i2
t
x   x1 x2  xN s 
 fi(x)  função para obtenção da i-ésima medida a partir do

vetor de estados x
 i2  variância do i-ésimo medidor
 Nm  número de medidas independentes
 Ns  número de variáveis de estado a estimar

 Formulação matricial
 Se as funções fi(x) forem lineares, existe uma solução fechada
para o problema de minimização de J(x)
 
f i x1 , x2 ,, xN s  fi  x   hi1 x1  hi 2 x2    hiN s xNs
 f1  x    h11 h12  h1N s   x1 

  h  
 f 2  x    21 h22  h2 N s  x2
  Hx
f  x  
          
    
 f Nm  x    hNm 1 hN m 2  hN m N s   xN s 

 Colocando as medições em um vetor zmeas, J(x) passa a ser
dado por:
t
  z 
meas meas meas meas
z 1 z 2  z Nm
t
min J  x    z  f  x    R   z  f  x  
meas 1 meas
x
 12 0  0 
 
0  2
 0 
R 2
     
 
 0 0   N2 m 

 R  matriz de covariância dos erros de medição
 Expandindo a expressão e aplicando as condições de
otimalidade, ou seja,
J  x   0
 Pode ser obtida a expressão para o estimador de mínimos

quadrados ponderados xest
 
1
  H   R   H   H t   R 1  z meas
est t 1
x   

 
1
  H   R   H   H t   R 1  z meas
est t 1
x   
 A expressão acima é aplicada quando Nm > Ns
 Sistema sobredeterminado
 Para Nm = Ns  sistema completamente determinado
  H  z
est 1 meas
x
 Para Nm < Ns  sistema indeterminado

 Infinitas soluções
 Inserção de pseudo-medidas
 Exemplo
Barra 1 M12 Barra 2
68 [MW] 99 [MW]
62 [MW]
M13
37 [MW] M32
X12 = 0.2
X13 = 0.4
31 [MW]
X23 = 0.25
6 [MW] Barra 3

 Exemplo
 Característica dos medidores
 Escala  100 [MW]
 Acurácia   3 [MW]
 Em 99% das vezes que o medidor for utilizado, a
diferença entre o valor medido e o valor verdadeiro será
da ordem de 3 [MW]
 Supondo distribuição normal,
3 MW   3 i   i  1 MW 
1 MW 
i   0,01 pu
100  MW 
 Exemplo
 Número de medidas  Nm = 3
 Número de variáveis de estado  Ns = 2
 Sistema sobredeterminado
 
1
  H   R   H   H t   R 1  z meas
est t 1
x   
 Variáveis de estado
est q1 
x  
q 2 

 Exemplo
 Determinação da matriz H
 1 1
M
 12  f12   1 2
q  q  q1  q 2   5q1  5q 2
 x12 0, 2
 5 5 
 1 1
 M 13  f13  q1  q3   q1  0   2,5q1  0q 2  H   2,5 0 
 x13 0, 4
 0 4 
 1 1
 M 32  f32  q3  q 2    0  q 2   0q1  4q 2
 x32 0, 25

 Exemplo
 Determinação da matriz de covariância dos erros R
 M2 12 0 0  0,0001 0 0 
  
R 0  M2 0  0 0,0001 0 
13  
 0 0 
 M2 32   0 0 0,0001

 Como as funções fi(x) apresentam relações em pu, a matriz de

covariância R também deve ser expressa em pu

 Exemplo
 Definição do vetor de medições zmeas, também em pu
0,62 
 0,06 
meas
z
 
0,37 
 Portanto
   0,028571 
1
  H   R   H  H  R  z
est t 1 t 1 meas
x      rad
 0,094286 


   0,028571 
1
  H   R   H  H  R  z
est t 1 t 1 meas
x      rad
 0,094286 

 Exemplo
Barra 1 M12 Barra 2
68,5 [MW] 99,1 [MW]

61,4 [MW]
q 1  0.028571 M13 q 2  0,094286

37,7 [MW] M32
X12 = 0.2
X13 = 0.4
30,6 [MW]
X23 = 0.25
7,1 [MW] q3  0

 Exemplo 2
Barra 1 M12 Barra 2
68 [MW] 99 [MW]
62 [MW]
M13
37 [MW] M32
X12 = 0.2
X13 = 0.4
31 [MW]
X23 = 0.25
6 [MW] Barra 3

 Exemplo
 Característica dos medidores M12 e M32
da ordem de 3 [MW]
3 MW   3 i   i  1 MW 
1 MW 
i   0,01 pu
100  MW 
 Exemplo
 E se o medidor M13 for de qualidade superior?
 Acurácia   0,3 [MW]
0,3 MW   3 M13   M13  0,1 MW 

0,1 MW 
M   0,001 pu
13
100  MW 

 Exemplo
 Determinação da nova matriz de covariância dos erros R
 M2 12 0 0  1104 0 0 
   
R 0  M2 13
0  0 1 106 0 
 0 0  M2 32   0 0 1 104 

 Portanto ERRADO!
   0, 024115 
1
  H   R   H   H t   R 1  z meas  
est t 1
x     rad
 0,097003

 Exemplo
Barra 1 M12 Barra 2
66,58 [MW] 99,35 [MW]

60,55 [MW]
q 1  0.024115 M13 q 2  0,097003

38,8 [MW] M32
X12 = 0.2
X13 = 0.4
32,77 [MW]
X23 = 0.25
6,03 [MW] q3 0

 Exemplo 3
Barra 1 M12 Barra 2
68 [MW] 99 [MW]
62 [MW]
M13
37 [MW] M32
X12 = 0.2
X13 = 0.4
31 [MW]
X23 = 0.25
6 [MW]
5,5 Barra 3

 Exemplo
 Característica dos medidores M12 e M32
da ordem de 3 [MW]
3 MW   3 i   i  1 MW 
1 MW 
i   0,01 pu
100  MW 
 Exemplo
 E se o medidor M13 for de qualidade superior?
 Acurácia   0,3 [MW]
0,3 MW   3 M13   M13  0,1 MW 

0,1 MW 
M   0,001 pu
13
100  MW 

 Exemplo
 Determinação da nova matriz de covariância dos erros R
 M2 12 0 0  1104 0 0 
   
R 0  M2 13
0  0 1 106 0 
 0 0  M2 32   0 0 1 104 

 Portanto
   0, 024115 
1
x
est
  H   R   H 
t 1
 H t   R 1  z meas   0,0221  rad
  
 -0,0982
0,097003

Próximos capítulos
 Estimação de estado AC
 Métodos iterativos

01 Ee

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

01 Ee

Enviado por

Direitos autorais:

Formatos disponíveis

UniversidadeFederal Fluminense

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

65 [MW] 100 [MW]

Fluxo DC => Fluxo Pot. Ativa a Dq

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

 Percebeste que q1 E q2 são sempre calculados

UFF – TCE/TEE – TEE00139

 Supondo que os 3 medidores apresentem pequenos erros de

UFF – TCE/TEE – TEE00139

 Lembrando que a barra 3 é a referência angular, o sistema

UFF – TCE/TEE – TEE00139

64,25 [MW] 95,25 [MW]

q 1  0.024 M13 q 2  0,0925

UFF – TCE/TEE – TEE00139

69,875 [MW] 99 [MW]

q 1  0.0315 M13 q 2  0,0925

f13  M13 ? Não era para ser 6MW?

UFF – TCE/TEE – TEE00139

69,875 [MW] 99 [MW]

q  0.0315 M13 q2 q 2=-0,1

4037 [MW] M32

f13  M13 ? Não era para ser 37MW?

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

 Estimação de uma dada grandeza a partir da análise de um

 Cada amostra apresenta uma incerteza associada

 Como definir a “melhor” estimativa do valor da grandeza

UFF – TCE/TEE – TEE00139

 zmeas  medição realizada

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

68,26% => 1 desvio

UFF – TCE/TEE – TEE00139

 fi(x)  função para obtenção da i-ésima medida a partir do

UFF – TCE/TEE – TEE00139

 f1  x    h11 h12  h1N s   x1 

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

 Pode ser obtida a expressão para o estimador de mínimos

UFF – TCE/TEE – TEE00139

 Para Nm < Ns  sistema indeterminado

Barra 1 M12 Barra 2

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

 Como as funções fi(x) apresentam relações em pu, a matriz de

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

UFF – TCE/TEE – TEE00139

Barra 1 M12 Barra 2

68,5 [MW] 99,1 [MW]

q 1  0.028571 M13 q 2  0,094286

UFF – TCE/TEE – TEE00139