▪UniversidadeFederal Fluminense

▪Escola de Engenharia
▪Departamento de Engenharia Elétrica

FUNDAMENTOS DA OPERAÇÃO DE
SISTEMAS DE POTÊNCIA

TEE00139
Aula 04
Prof. Marcio Guimaraens / Vitor Hugo Ferreira
Operação em tempo real e planejamento da operação
Modelo do Supervisório:
sistema - fluxos
elétrico - tensões
- alarmes
Status de - medidas
chaves/ portadoras de
disjuntores Atualização do modelo da rede erros
Configurador grosseiros
Remotas Telemetria de rede Estimador
em SE’s (SCADA) de Estado

Medidas analógicas Previsão de

Sinais carga para
para as curto prazo
unidades Gerações de potência ativa
geradoras
Controle Programação
automático da geração
de geração

Níveis de geração,
posição de tap, Despacho
corte de carga econômico

Fluxo de
Fluxo de potência
potência ótimo ótimo
considerando
contingências Possíveis violações de limites
Análise de (fluxos, níveis de tensão) Seleção de
contingências contingências

Violações de limites Alarmes

UFF – TCE/TEE – TEE00139

Estimação de estado
▪ Funções do estimador de estado
▪ Filtrar erros de pequena magnitude
▪ Detectar medidas portadoras de erros grosseiros
▪ Estimar grandezas que não foram medidas em função de
perda dos canais de comunicação
▪ Método dos mínimos quadrados ponderados

( )
2
Nm z
meas
− fi x1 , x2 , , xN s 
min J ( x ) =  i 
x
i =1  i2
t
x =  x1 x2 xN s 

UFF – TCE/TEE – TEE00139

Processamento de erros grosseiros
▪ Medidas portadoras de erros grosseiros
▪ Medidas com grau de imprecisão muito maior do que o
suposto no modelo de medição
z meas = z true + 

UFF – TCE/TEE – TEE00139

Processamento de erros grosseiros
▪ Algoritmo para detecção de erros grosseiros
1. Estime as variáveis de estado e obtenha J(x)
2. Especifique o nível de significância 0 (IC/2) do teste
3. Determine o nível K considerando uma distribuição
2(Nm – Ns) e o nível de significância 0
4. Se J(x) > K, existem medidas portadoras de erros
grosseiros no conjunto atual de medidas
5. Se J(x) < K, não podemos rejeitar a hipótese de ausência
de medidas portadoras de erros grosseiros no conjunto
de medidas

UFF – TCE/TEE – TEE00139

Processamento de erros grosseiros
▪ Identificação de erros grosseiros
▪ Método da combinação de resíduos normalizados
1. Estime as variáveis de estado e obtenha J(x)
2. Verifique a existência de medidas portadoras de erros
grosseiros por meio da análise de J(x). Não existindo
medidas espúrias, encerre o algoritmo.
3. Calcule os resíduos normalizados rinorm
4. Elimine ou substitua a medida com maior resíduo
normalizado e retorne ao passo 1. (mas posso fazer
com qualquer medida?

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Um sistema de potência é observável, no sentido de
estimação estática de estados, com respeito a um dado
conjunto de Nm medidas se as variáveis de estado do sistema
(magnitude e ângulo da tensão nas barras) podem ser
determinadas através do processamento de todas as medidas
por um modelo de estimação de estados
▪ Nm → número de medidas, incluindo injeções e fluxos de
potência ativa e reativa, magnitudes e ângulos de tensão
nas barras, correntes nas linhas, etc...
▪ Excluídos status de disjuntores, chaves, posição de tap
▪ Configurador de rede

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
Barra 1 M12 = 55 [MW] Barra 2
▪ Exemplo 1:

Reatâncias PU (Base 100 MVA)

X12 = 0.2
X13 = 0.4
X23 = 0.25

Barra 3

1
f12 = (1 −  2 ) = M 12 = 55 MW  = 0,55 pu
x12
1
(1 −  2 ) = 0,55  1 −  2 = 0,11
0, 2
UFF – TCE/TEE – TEE00139
Observabilidade de redes elétricas
▪ Exemplo 1:
▪ Uma equação para duas incógnitas → infinitas soluções
▪ Não é possível estimar o estado do sistema
▪ Aplicando o método dos mínimos quadrados ponderados,
supondo que o medidor apresente  = 10-2:

 
−1
=  H   R   H   H   R  z
est t −1 t −1 meas
x
1 1
f12 = (1 −  2 ) = (1 −  2 ) = 51 − 5 2
x12 0, 2
H = 5 −5; R = 10−4 ; z = 0,55
meas

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Exemplo 1:
▪ Aplicando o método dos mínimos quadrados ponderados,
supondo que o medidor apresente  = 10-2:
−1
 5   5
=    10  5 −5   104   0,55
est 4
x
  −5   −5
−1
  2500 −2500    5 
x = 
est
    
10 4
  0,55
  −2500 2500    −5
 2500 −2500 
G= 
 −2500 2500 

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Exemplo 1:
▪ G não é inversível → singular
▪ Não é possível estimar xest considerando o dado
conjunto de medidas
−1
  2500 −2500    5 
x =        0,55

est 4
 10
  −2500 2500    −5
 2500 −2500 
G= 
 −2500 2500 

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Observabilidade algébrica
 z1meas − f1 ( x ) 
  −1  
−1
 x =  H   R   H   H   R  
t −1 t

 z Nmeas − f N ( x ) 
 m m 
G =  H   R   H 
t −1

▪ O cálculo de x na expressão acima só é possível se G for

inversível
▪ G possui inversa se for não-singular

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Observabilidade Simplificada
 z1meas − f1 ( x ) 
  −1  
−1
 x =  H   R   H   H   R  
t −1 t

 z Nmeas − f N ( x ) 
 m m 
G =  H   R   H 
t −1

▪ Artigo Julio Milton!

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Observabilidade algébrica (estudar)
▪ A matriz G é singular se e somente se seu determinante
for nulo
▪ Supondo que a matriz de covariância dos erros de
medição R seja diagonal (erros de medição não-
correlacionados), a matriz jacobiana H deve ter posto
completo
 f1 ( x ) x1 f1 ( x ) x2 f1 ( x ) xN s 
 
 f 2 ( x ) x1 f 2 ( x ) x2 f 2 ( x ) xN s 
H ( x) =  
 
f Nm ( x ) x1 f Nm ( x ) x2 f Nm ( x ) xN s 
UFF – TCE/TEE – TEE00139
Observabilidade de redes elétricas
▪ Observabilidade algébrica
▪ H deve ter posto completo → todas as suas Ns colunas são
linearmente independentes
▪ Nenhuma coluna de H pode ser escrita como uma
combinação linear das demais
▪ posto (H) = rank (H) = Ns
▪ Do conjunto de Nm medidas, pelo menos Ns devem ser
independentes para o sistema ser observável
▪ Um sistema é algebricamente observável com respeito a
um conjunto contendo Nm medidas se a matriz jacobiana
H tem posto completo, ou seja, posto (H) = Ns

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Classificação de medidas
▪ Medida crítica
▪ Aquela cuja eliminação do conjunto de medidas torna
o sistema não-observável
▪ Medidas críticas apresentam resíduo ri = 0
▪ Não existe redundância para este tipo de medida
▪ Coluna da matriz de covariância dos resíduos de
modelagem E associada a medida crítica é
identicamente nula

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Classificação de medidas
▪ Conjunto Crítico de k medidas
▪ Conjunto de k medidas redundantes cuja remoção
simultânea do conjunto de medidas torna o sistema
não-observável
▪ As respectivas k colunas da matriz de covariância dos
resíduos de modelagem E são linearmente
dependentes

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Análise de observabilidade
▪ Utilizada para alocação de medidores
▪ Avaliação da observabilidade atual do sistema com base
no conjunto de medidas recebidas do sistema SCADA
antes da rotina de estimação de estado
▪ Se o sistema se tornar não observável (ex: perda da
comunicação com uma parcela do sistema), o que fazer?

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Inserção de pseudo-medidas
▪ Quantidades que não foram efetivamente medidas, porém
estimadas com base no conhecimento sobre o sistema
▪ Exemplos:
▪ Valor estimado para a grandeza no último ciclo de
medidas
▪ Comunicação direta com operadores de
subestações
▪ Uso de valores históricos para a grandeza

UFF – TCE/TEE – TEE00139

Observabilidade de redes elétricas
▪ Inserção de pseudo-medidas
▪ Visto que são quantidades “estimadas” e não medidas, a
incerteza associada a estas grandezas deve ser maior
▪ Inserção no conjunto de medidas considerando um
medidor com precisão reduzida
▪ Deve ser inserida como uma medida independente,
retornando o sistema à condição de observabilidade

UFF – TCE/TEE – TEE00139

Procedimentos de Rede – Estimação de estado

▪ Leitura de Artigo Importante:

▪ M. B. Do Coutto Filho, J. C. S. Souza, F. M. F. Oliveira, M. Th.

Schilling, “Identifying Critical Measurements & Sets for Power

System State Estimation”, Proc. IEEE Porto Power Tech Conf.,

Porto, Portugal, paper 149, Sept. 2001.

UFF – TCE/TEE – TEE00139

Estimação de estado com PMUs

INTRODUÇÃO

Pesquisas atuais utilizando UMFs na Estimação de Estado:

• Construção Otimizada de Planos de Medição - ULTRAPASSADO

• Conjunção de Medidas Convencionais e Fasoriais

❖ Grande parte das pesquisas com foco na precisão de estimativas
❖ Hibrido
❖ 2 Estágios
❖ Paralelo
❖ Poucos trabalhos voltados ao processamento de EGs

49
Estimação de estado com PMUs

ESTIMAÇÃO FINAL sem EGs

• Média Aritmética
xˆ (final) = ( xˆ ( sync) + xˆ ( conv) ) / 2

• Média Ponderada
xˆ (final) = w1 xˆ (sync) + w2 xˆ ( conv)
• Fusão

(G (sync) + G (conv) ) xˆ (final) = G (sync)xˆ (sync) + G (conv) xˆ ( conv)

50
Estimação de estado com PMUs
PROCESSAMENTO DE ERROS GROSSEIROS

Análise de Resíduos Normalizados Usual

^
z (i ) − z (i )
E = R − H ( H t R −1 H ) −1 H t
rN (i ) =
E (i, i ) Matriz de Covariância dos Resíduos

rN (i )   ➔ Medidas Suspeitas

51
 Estimação de estado com PMUs
PROCESSAMENTO DE ERROS GROSSEIROS

Atual – Análise de Resíduos Normalizados

Medida com Violação Resíduo Normalizado

Principal
Suspeita
M1 7,835
M10 6,985
M5 5,236
Real Fonte EG
M7 4,587
M4 3,981
M8 3,624
M3 3,357

52
Estimação de estado com PMUs

PROCESSAMENTO DE ERROS GROSSEIROS

Abordagem PHASE para EGs em Medidas Convencionais

Estimador Conv Estimador Sync

x̂ x̂ (sync)

z EE ẑ
z sync EE
(sync)
ẑsync
( sync)
rN rN sync

53
PROCESSAMENTO DE ERROS GROSSEIROS

Abordagem PHASE para EGs em Medidas Convencionais

Estimador Conv Estimador Sync

x̂ (conv) x̂ (sync)

zconv EE ẑ (conv) z sync EE

(sync)
ẑsync
conv

( sync)
rN (conv
conv ) rN sync

(sync)
rconv = z conv − ẑ (sync)
conv
(sync)
Vconv = Rconv + M conv
(sync)

= σV (sync)  
( sync) ( sync)
rN conv rconv
conv
54
Estimação de estado com PMUs
PROCESSAMENTO DE ERROS GROSSEIROS

Abordagem PHASE para EGs em Medidas Fasoriais

Estimador Conv Estimador Sync

x̂ (conv) x̂ (sync)

zconv EE ẑ (conv)
z sync (sync)
conv EE ẑsync

rN (conv
conv ) ( sync)
rN sync

( conv)
rsync = zsync − ẑsync
(conv) (conv)
Vsync = Rsync + Msync
(conv)

= σV (conv)  
( conv) ( conv)
rN sync rsync
sync
55
PROCESSAMENTO DE ERROS GROSSEIROS

Proposta – PHASE

56
Estimação de estado com PMUs
PROCESSAMENTO DE ERROS GROSSEIROS

Proposta – Abordagem PHASE

Violações do Limite
Diagnose
r N conv
( sync)
rN (conv
conv )

EG em medidas SCADA: erro em zconv

Sim Sim
dentro da área observável por UMFs

Sim Não EG em medidas de UMFs

Não Não sem EG

EG em medidas SCADA: erro em zconv

Não Sim
fora da area observável por UMFs

57
Estimação de estado com PMUs
PROCESSAMENTO DE ERROS GROSSEIROS

Proposta – Abordagem PHASE

Medida com Resíduo Resíduo

Violação Normalizado PHASE
Principal
Suspeito M1 7,835 M10
M10 6,985 M4
M5 5,236
Real Fonte
M7 4,587
M4 3,981
M8 3,624
M3 3,357

58
Estimação de estado com PMUs
PROCESSAMENTO DE ERROS GROSSEIROS

Abordagem FASE para Processamento de EGs

EE Convencional x̂ FASE
~
x̂ x
Banco Módulo ~
z EE ẑ z
de Previsor
rN Dados 

^ ~
z (i ) − z (i ) z (i ) − z (i )
rN (i ) =  N (i) =
E (i, i ) V (i, i)
59
Estimação de estado com PMUs

PROCESSAMENTO DE ERROS GROSSEIROS

Abordagem FASE para Processamento de EGs

EE Convencional x̂ FASE
~
x̂ x
Banco Módulo ~
z EE ẑ z
de Previsor
rN Dados 

^ ~
z (i ) − z (i ) z (i ) − z (i )
rN (i ) =  N (i) =
E (i, i ) V (i, i)
60