Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimacion de Estados U
Estimacion de Estados U
ISSN 0122-1701
55
MAURICIO GRANADA
Estudiante Maestra en Ingeniera
Elctrica U.T.P.
e-mail: magra@utp.edu.co
Grupo
de
Investigacin
en
Planeamiento de Sistemas Elctricos
Universidad Tecnolgica de Pereira
INTRODUCCIN
56
(3)
M
Z m = hm1 X 1 + hm 2 X 2 + ... + hmn X n + e m
Ntese que la cantidad de variables de estado puede
diferir de la cantidad de mediciones debido a que pueden
existir mediciones redundantes, lo cual es necesario en
caso de que una de las mediciones definitivamente no
sirva a causa del deterioro. El sistema anterior se puede
expresar en forma matricial
(4)
Z = [H ]X + e
e = Z HX = Z medida Z verdadera
(5)
Para diferenciar los datos estimados de los medidos, se
adopta la siguiente nomenclatura:
e = Z HX
e = Z Z = Z HX = HX + e HX
Z1 =
1
X 1 + e1 ; donde el termino 1 es el
r1 + r2
r1 + r2
e = e H ( X X )
(7)
Para minimizar (7), existen dos funciones objetivo muy
usadas en la literatura. El mtodo de los mnimos
cuadrados (WLS)
m
h1 =
donde
(8)
j =1
f = W j s j
(1)
(2)
h1 = h2 , e2 es el error de la medicin Z 2 y
f = W j e 2j
El mtodo de los valores absolutos (LAV)
Z 2 = h2 X 2 + e2
(6)
(9)
j =1
Donde
f = W j e 2j
j =1
f
x
W1 e1
= W e
1 1
2
M
W e
1 1
57
e
e
e1
+ W2 e 2 2 + ... + Wm em m
X 1
X 1
X 1
e1
e2
em =0
+ W2 e 2
+ ... + Wm e m
X 2
X 2
X 2
e1
e
e
+ W2 e 2 2 + ... + Wm e m m
X n
X n
X n
(10)
eij
X i ij==11,,22,..,,...,nm
e1
e
[Wii ]i =1, 2,...m 2 = 0
M
X&&
en
eij
X i
La derivada parcial
e1
e
e = ( I HG 1 H T W )e = 0
(12)
PDF (e) =
e2
exp 2
2
2
1
(11)
4.
2. Funcin
de PDF
densidad
e y de
probabilidad
la funcin
(e) esta totalmente
Si Figura
se conoce
(13)
0.05
0.025
0.01
0.005
0.05
0.025
0.01
0.005
3.84
5.02
6.64
7.88
11
19.68
21.92
24.73
26.76
5.99
7.38
9.21
10.6
12
21.03
23.34
26.22
28.3
7.82
9.35
11.35
12.84
13
22.36
24.74
27.69
29.82
31.32
9.49
11.14
13.28
14.86
14
23.69
26.12
29.14
11.07
12.83
15.09
16.75
15
25
27.49
30.58
32.8
12.59
14.45
16.81
18.55
16
26.3
28.85
32
34.27
14.07
16.01
18.48
20.28
17
27.59
30.19
33.41
35.72
15.51
17.54
20.09
21.96
18
28.87
31.53
34.81
37.16
16.92
19.02
21.67
23.59
19
30.14
32.85
36.19
38.58
10
18.31
20.48
23.21
25.19
20
31.41
34.17
37.57
40
Haciendo
j =1
5.
j =1
ESTIMACIN EN SISTEMAS AC
H XT R 1 Z h( X ) = 0
e en un intervalo
Donde
(14)
H XT
(16)
58
La Tolerancia es igual a
Confianza de 99 por ciento.
X k +1 = X ( 0 ) + G X( 0 ) H X( 0 ) R 1 e ( 0 )
6.
ESTRUCTURA Y FORMACIN DE
P1
2
M
PN
2
Q1
2
M
Q N
2
1
0
1
O
L
L
L
M
Pij
M
Pij
i
M
M
Pji
j
M
M
Pji
i
M
j
M
M
Qij
M
Qij
i
M
M
Q ji
j
M
M
Q ji
i
M
j
M
O
0
P1
N
M
PN
N
Q1
N
M
Q N
N
P1
V1
M
PN
V1
Q1
V1
M
Q N
V1
1
P1
VN
M
PN
VN
Q1
VN
M
Q N
VN
L
L
L
M
Pij
M
Pij
Vi
M
M
Pji
Vj
M
M
Pji
Vi
M
Vj
M
M
Qij
M
Qij
Vi
M
M
Q ji
Vj
M
M
Q ji
Vi
M
Vj
M
(17)
V1
z1
M
M
VN
z N
___
___
P
z N +1
1
M
M
P
z
N
2N
___
___
z 2 N +1 Q1
M
M
Q N
z3N
____ ___
z 3 N +1 M
= p
Z = M
ij
z 3N + B M
___
___
z 3 N + B +1 M
P ji
M
z
3N + 2 B M
___
___
z
3 N + 2 B +1 M
Q ij
M
z 3 N + 3B M
___
___
z 3 N + 3B +1 M
M
Q ji
z 3 N + 4 B M
HX
magnitudes de Voltaje Vi
inyecciones Pi a la barrra
inyecciones Q i a la barrra
flujos de linea Q ij
flujos de linea Q ji
0.001 y el intervalo de
N magnitudes de Voltaje
N inyecciones Pi a la barra
N inyecciones Q i a la barra
B flujos de linea P ji
B flujos de linea Q ij
B flujos de linea Q ji
Mediciones de Linea
7.
EJEMPLO DE APLICACIN
r+jx
0.01008 +
0.0504i
0.00744 +
0.0372i
0.00744 +
0.0372i
0.01272 +
0.0636i
1 2
1 3
2 4
3 4
Varianza Mediciones
y/2
ZPij
ZPji
ZQij
ZQji
VPij
VPji
VQji
VPji
0.05125
0.38
0.384
0.22
0.31
0.01
0.02
0.001
0.05
0.03875
0.98
0.97
0.61
0.64
0.01
0.01
0.02
0.02
0.03875
1.31
1.33
0.74
0.73
0.02
0.005
0.005
0.02
0.0636
1.03
1.04
0.6
0.57
0.001
0.01
0.002
0.001
M e dicione s
de Bar ra
N
P g + jQ g
0 +0 i
P d + jQ d
0 .5 +
0 .3 0 9 9 i
0 +0 i
1.7 +
1.0 53 5i
2 +
1.2 3 9 4 i
3 .18 +0 i
0 .8 +
0 .4 9 58 i
0 +0 i
V arianza de las
m e dicione s
V o lt
T ip o
B a rra
A ng
ZV
ZP
ZQ
V v o lt
VP
VQ
1.2
0 .6 0 5
0 .0 0 1
0 .0 0 2
0 .0 0 3
0 .0 0 2
0 .0 0 3
0 .0 0 1
0 .9 2
0 .0 0 3
0 .0 0 1
0 .0 0 2
1.0 2
0 .0 0 2
0 .0 0 2
0 .0 0 3
59
D atos de Lnea
V ARIANZAS
0.23
-0.003
-0.154
0.0743
0.0299
0.0011
-0.051
Matriz de Varianzas
-0.003
0.1199
-0.092
0.0509
0.0267
-0.004
-0.024
V3
0.92
Varianzas (1,1)
0.003
P1
1.2
Varianzas (2,2)
0.002
Q1
0.605
Varianzas (3,3)
0.003
-0.154
-0.092
0.2301
-0.006
-0.0736
-0.034
0.0811
0.0743
0.0509
-0.006
1.9571
-0.32
-0.479
0.0551
0.0299
0.0267
-0.074
-0.32
0.8164
0.4581
-0.543
-0.004
-0.034
-0.479
0.4581
0.6402
-0.344
-0.024
0.0811
0.0551 -0.5429
-0.344
1.0714
P12
0.38
Varianzas (4,4)
P23
0.98
Varianzas (5,5)
0.01
0.0011
P24
1.31
Varianzas (6,6)
0.02
-0.051
P34
1.03
Varianzas (7,7)
0.001
P21
0.384
Varianzas (8,8)
0.02
P32
0.97
Varianzas (9,9)
0.01
P42
1.33
Varianzas (10,10)
0.005
P43
1.04
Varianzas (11,11)
0.01
Q12 0.22
Q23 0.61
Varianzas (12,12)
0.001
Varianzas (13,13)
0.02
Q24 0.74
Q34 0.6
Varianzas (14,14)
0.005
Varianzas (15,15)
0.002
Q21 0.31
Q32 0.64
Varianzas (16,16)
0.005
Varianzas (17,17)
0.02
Q42 0.73
Q43 0.57
Varianzas (18,18)
Varianzas (19,19)
0.02
0.001
0.01
num.mediciones
La suma ponderada es
j =1
e j
COVARIANTE
e aplicando la expresin 5 y
.
-1.6078
0.0004
61.7181
0.0027
14.1736
0.0066
4.5182
0.0089
10.562
0.0177
11.0486
90.1547
- 0 .0 8
e ( 1 1 ,1 1 )
0 .9 7 8 3
0.0001
e ( 2 ,2 )
1 .2
e ( 1 2 ,1 2 )
0 .2 7 1 2
0.0169
3.0474
e ( 3 ,3 )
0 .6 9 5
e ( 1 3 ,1 3 )
0 .6 4 8 7
0.009
10.0278
e ( 4 ,4 )
0 .3 8
e ( 1 4 ,1 4 )
1 .2 9 5 7
0.003
21.22
e ( 5 ,5 )
0 .9 8
e ( 1 5 ,1 5 )
0 .9 6 6
0.0091
10.1313
e ( 6 ,6 )
1 .4 1 3 4
e ( 1 6 ,1 6 )
0 .3 6 1 3
0.0001
23.0438
e ( 7 ,7 )
1 .0 9 0 5
e ( 1 7 ,1 7 )
0 .6 7 8 7
0.0157
6.1876
e ( 8 ,8 )
0 .3 8 4
e ( 1 8 ,1 8 )
0 .2 4 3
0.0008
56.8051
e ( 1 9 ,1 9 )
0 .3 2 7 8
0.0001
80.9757
0.0485
2.0542
lo
ERR. ESTANDAR
0.003
e ( 1 ,1 )
e ( 9 ,9 )
0 .9 7
e ( 1 0 ,1 0 ) 1 .2 2 4 5
= 3958
Gx
0.0188
4.0264
0.0189
-0.2542
0.0002
25.5955
44.926
-25.8478
8.9852
-3.8156
-5.1696
3.8156
-8.9852
44.746
-19.0781
-25.8478
-19.0781
-25.8478
26.9556
-3.8156
-5.1696
44.836
-26.3648
-3.8156
26.9556
-5.1696
40.864
-15.4209
-5.1696
24.5798
-3.0237
-26.3648
-15.4209
42.5149
-5.273
-3.0842
25.0714
19.0781
25.8478
8.9852
-11.4469
-15.5087
-44.836
26.3648
-11.4469
8.9852
-15.7155
-40.864
15.4209
-15.5087
8.1933
-9.1921
26.3648
15.4209
-42.5149
-15.6121
-9.1316
8.3571
3.8156
5.1696
134.4054
-19.0781
-25.8478
-8.9852
5.273
-19.0781
134.4304
-25.8478
-8.1933
3.0842
-25.8478
122.5145
-15.1185
124.9141
5.273
3.0842
-8.5243
-26.3648
-15.4209
-3.8156
-5.1696
44.836
-57.3369
-77.6459
-0.1045
8.9852
-5.273
-57.3119
44.836
-0.0775
-78.6564
8.1933
-3.0842
-77.6209
-0.0775
40.864
-46.0394
-5.273
-3.0842
8.5243
-0.1272
-78.1876
-45.7852
41.6813
Hx
CONCLUSIONES
60
BIBLIOGRAFA
[1] ALLEN J. WOOD, BRUCE F. , Power Generation
Operation and Control, Ed. Book News, Estados
Unidos 1996.
[2] JHON J. GRAINGER, WILLIAM D. STEVENSON
Jr., Anlisis de sistemas de Potencia , McGRAW-HILL,
Mxico 1998.
[3] EDUARDO ASADA, WALMIR DE FREITAS E
ARIOVALDO GARCIA, Identificacin de errores
iterativos y conformativos en estimacin de estado, XIV
Congreso brasilero de automtica.
[4] MONTICELLI, A. E GARCIA, A. (1983). Reliable
bad data processing for real-time state estimation, IEEE
Transactions on Power Apparatus
and Systems 102: 1126{1139.
AGRADECIMIENTOS
1
DATOS DE ENTRADA
Datos de Lnea, Datos de barra,
Mediciones, varianzas, Tolerancia e
intervalo de confianza
Convergencia = tolerancia+1
i=iteracin=0
Convergencia
> tolerancia
?
No
Si
Terminar
i=i+1
Calcular:
Errores [e]
Jocabiana [Hx]
Ganancia [Gx]
Estimacin [Xi]
Convergencia =mx(abs( X i 1 X i ))
Si
Existe error en la medicion
Calcular:
[X ]
[H x]
[G ]
i
covariante= R = ( I H X G X 1 H TX R 1 ) R
[e]
Suma Ponderada
Eliminar Zi correspondiente al
e 2
MXIMO