Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dialnet ESTIMACIONDEESTADOENSISTEMASELECTRICOSDEPOTENCIAPA 4846301 PDF
Dialnet ESTIMACIONDEESTADOENSISTEMASELECTRICOSDEPOTENCIAPA 4846301 PDF
ISSN 0122-1701 55
RESUMEN
Este es el primero de dos artculos que examinan el desempeo del estimador MAURICIO GRANADA
de estado en sistemas de potencia. En la parte I, se desarrolla e implementa el Estudiante Maestra en Ingeniera
mtodo convencional de mnimos cuadrados. Este es tomado como referencia Elctrica U.T.P.
en la parte II, en donde se desarrolla una metodologa de optimizacin e-mail: magra@utp.edu.co
combinatorial aplicada al problema de la identificacin de medidas errneas
con el fin de mejorar este procedimiento. Para este estudio se selecciona el Grupo de Investigacin en
mtodo de colonias de hormigas. El estimador de estado se encarga de Planeamiento de Sistemas Elctricos
depurar la informacin que ser usada como datos de entrada en otras Universidad Tecnolgica de Pereira
aplicaciones como son; programas de despacho econmico, anlisis de
contingencias, acciones correctivas de generacin y perdidas negras, entre
otras. A travs de un ejemplo se presenta el procedimiento por medio del cual
se identifican medidas errneas y que servir para fines comparativos en la
parte II.
ABSTRACT
This is the first of two articles that examine the state estimator performance in
power systems. In part I the conventional method of least squares is
developed. In part II, this method is taken as a reference, where a
combinatorial optimization methodology is applied to the problem of the
identification of erroneous measurments, to improve the least squares
procedure. For this study, the ant colonies method is selected. The state
estimator purifies the information that will be used as input in other
applications, such as economic dispatch programs, contingency analysis
programs, generation corrrection and black losses programs, among others.
An example is presented in detail, to be used for comparison in part II.
e = Z HX
donde e y X denotan los estimativos de los errores y
Figura 1. Circuito DC sencillo de las variables de estado respectivamente.
e1 e e
W1 e1 + W2 e 2 2 + ... + Wm em m
X 1 X 1 X 1
f em =0 (10)
= W e e1
+ W2 e 2
e2
+ ... + Wm e m
x 1 1
X 2 X 2 X 2 X 2
M
W e e1 e e
+ W2 e 2 2 + ... + Wm e m m
1 1 X n X n X n
Separando algunos trminos y escribiendo en forma
matricial se obtiene:
e1 Si Figura
se conoce e y de
2. Funcin probabilidad
la funcin de PDF (e) esta totalmente
densidad
e determinada. La funcin PDF (e) no puede ser integrada
eij
[Wii ]i =1, 2,...m 2 = 0 (11)
directamente, por lo tanto, las reas bajo la curva se han
X i ij==11,,22,..,,...,nm M
X&& tabulado como se muestra a continuacin.
en
k 0.05 0.025 0.01 0.005 k 0.05 0.025 0.01 0.005
ello se hace expansin en series de Taylor alrededor de La Tolerancia es igual a 0.001 y el intervalo de
un punto inicial [1]. Confianza de 99 por ciento.
1 T
X k +1 = X ( 0 ) + G X( 0 ) H X( 0 ) R 1 e ( 0 ) (17)
z1 V1
M M
6. ESTRUCTURA Y FORMACIN DE HX N magnitudes de Voltaje
z N VN
0
1
___ ___
0 1 N magnitudes de Voltaje Vi z N +1 P
O O
1
M
0 1 M N inyecciones Pi a la barra
P1 L
P1 P1
L
P1 z P
N
N V1 VN
2 N 2N
___
inyecciones Pi a la barrra
M M M M ___
PN PN PN PN
L L
z 2 N +1 Q1
N V1 VN
2
Q1
M
Q1 Q1 Q1
2
L L
M N inyecciones Q i a la barra
N V1 VN
M N inyecciones Q i a la barrra
Q N
M M M
Q N Q N Q N Q N
z3N
____ ___
L L
2 N V1 VN
M M M M
z 3 N +1 M
Pij Pij Pij Pij
L = p
L L L
Z = M
i j Vi Vj B flujos de linea Pij
B flujos de linea Pij
ij
M M M M
M M M M z 3N + B M
z 3 N + B +1 M
M M M M
P ji
M M M M
Q ji Q ji Q ji Q ji
z
3 N + 2 B +1 M
L L L L
i j B flujos de linea Q ji
Q ij
Vi Vj
M B flujos de linea Q ij
M M M M
Tabla 2. Matriz H en forma de bloques z 3 N + 3B M
___
Para la formacin de la matriz Jacobiana es ___
z 3 N + 3B +1 M
recomendable consolidar la informacin de forma M
estructurada. Para esto se hace un agrupamiento de los Q ji B flujos de linea Q ji
datos recolectados (mediciones) y calculados en funcin z 3 N + 4 B M
de cada una de las posibles medidas elctricas del Tabla 3. Vector de mediciones en forma de bloques
sistema. La estructura aqu utilizada en cada iteracin
tiene la apariencia mostrada en la tabla 2 y 3 [1].
Mediciones de Linea Varianza Mediciones
7. EJEMPLO DE APLICACIN i j r+jx y/2 ZPij ZPji ZQij ZQji VPij VPji VQji VPji
0.01008 +
1 2 0.0504i 0.05125 0.38 0.384 0.22 0.31 0.01 0.02 0.001 0.05
Se toma como ejemplo, el sistema de 4 nodos planteado 0.00744 +
en [1]. El sistema se conforma por 4 barras y cuatro 1 3 0.0372i 0.03875 0.98 0.97 0.61 0.64 0.01 0.01 0.02 0.02
0.00744 +
lneas, donde los datos de lnea se muestran en la tabla 4 2 4 0.0372i 0.03875 1.31 1.33 0.74 0.73 0.02 0.005 0.005 0.02
y se conforman por las impedancias serie en por unidad 0.01272 +
0.0636i
(r+jx), las susceptancias de carga de la lnea (y/2), las 3 4 0.0636 1.03 1.04 0.6 0.57 0.001 0.01 0.002 0.001
Tabla 4. Datos de Lnea Z = Mediciones; V = Varianzas.
mediciones de potencia activa y reactiva de la barra i a
la barra j y viceversa (mediciones Z ) as como
tambin la varianza de cada medicin (mediciones V ). M e dicione s V arianza de las
Los datos de barra de la tabla 5 muestran la informacin de Bar ra m e dicione s
T ip o
correspondiente a la potencia activa, reactiva y al voltaje N P g + jQ g P d + jQ d V o lt B a rra A ng ZV ZP ZQ V v o lt VP VQ
en cada barra necesarias para hallar el punto de operacin 0 .5 +
0 .3 0 9 9 i
1 0 +0 i 1 1 0 0 1.2 0 .6 0 5 0 .0 0 1 0 .0 0 2 0 .0 0 3
a travs de flujo de potencia tradicional. Adicionalmente 1.7 +
se muestra la informacin correspondiente a las 2 0 +0 i 1.0 53 5i 1 2 0 0 0 0 0 .0 0 2 0 .0 0 3 0 .0 0 1
2 +
mediciones de P, Q y V (mediciones Z ), as como 3 0 +0 i 1.2 3 9 4 i 1 2 0 0 .9 2 0 0 0 .0 0 3 0 .0 0 1 0 .0 0 2
Para obtener los resultados de la primera iteracin Se calcula la matriz de ganancias Gx de acuerdo a la
siguiendo el algoritmo de la figura 3, se organiza el expresin 12.
vector de mediciones en forma de bloques de acuerdo a
la tabla 3. As como la matriz dispersa de varianzas. 1.0e+007 *
M EDICIONES V ARIANZAS 0.23 -0.003 -0.154 0.0743 0.0299 0.0011 -0.051
Vector Z 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
-0.154 -0.092 0.2301 -0.006 -0.0736 -0.034 0.0811
D atos de barra P1 1.2 Varianzas (2,2) 0.002
0.0743 0.0509 -0.006 1.9571 -0.32 -0.479 0.0551
Q1 0.605 Varianzas (3,3) 0.003
P12 0.38 Varianzas (4,4) 0.01
0.0299 0.0267 -0.074 -0.32 0.8164 0.4581 -0.543
P23 0.98 Varianzas (5,5) 0.01 0.0011 -0.004 -0.034 -0.479 0.4581 0.6402 -0.344
P24 1.31 Varianzas (6,6) 0.02 -0.051 -0.024 0.0811 0.0551 -0.5429 -0.344 1.0714
P34 1.03 Varianzas (7,7) 0.001
P21 0.384 Varianzas (8,8) 0.02 Tabla 9. Matriz de Ganancias Gx
P32 0.97 Varianzas (9,9) 0.01
1.33 Varianzas (10,10) 2
e j
P42 0.005
num.mediciones
= 3958
P43 1.04 Varianzas (11,11) 0.01
D atos de Lnea La suma ponderada es lo
Q12 0.22 Varianzas (12,12) 0.001
Q23 0.61 Varianzas (13,13) 0.02 j =1 j
Q24 0.74 Varianzas (14,14) 0.005 cual es mayor al valor 26,22 obtenido de la tabulacin de
Q34 0.6 Varianzas (15,15) 0.002
la tabla 1, por lo tanto, debe calcularse la covariante y el
Q21 0.31 Varianzas (16,16) 0.005
Q32 0.64 Varianzas (17,17) 0.02
error estndar.
Q42 0.73 Varianzas (18,18) 0.02 COVARIANTE ERR. ESTANDAR
Q43 0.57 Varianzas (19,19) 0.001 0.003 -1.6078
Convergencia = tolerancia+1
i=iteracin=0
No
Si Si
Calcular:
Calcular:
Errores [e] [X ]i
Jocabiana [Hx]
Ganancia [Gx] [H x]
Estimacin [Xi]
Convergencia =mx(abs( X i 1 X i )) [G ]
i
covariante= R = ( I H X G X 1 H TX R 1 ) R