UNIVERSIDAD TÉCNICA DE COTOPAXI

FACULTAD DE CIENCIAS DE LA

INGENIERÍA Y APLICADAS.

CARRERA DE: INGENIERÍA ELÉCTRICA

INTEGRANTES:

Anaguano Algenis

Lasluisa Diego.

Tobar Carlos.

Tonato Jessica

Vargas Henry

MATERIA:

OPERACIÓN DE SEP

CICLO:

OCTAVO “A”.

FECHA:

23 DE ENERO DEL 2018

TEMA:
ESTIMADOR DE ESTADO
Desarrollo de la Investigación

INTRODUCCIÓN

Las empresas eléctricas tomaron conciencia de que debían realizar un gran esfuerzo para
desarrollar nuevas técnicas en la operación de los sistemas de potencia que permitieran un
elevado nivel de seguridad en el servicio. Esto dio lugar a que los antiguos métodos y
herramientas de operación resultaran inadecuados.

Se comenzó a hablar de análisis de seguridad, índices de seguridad, mejora de la seguridad,

análisis de estabilidad, optimización y se empezaron a construir nuevos centros de control.
Hasta entonces, el control y la decisión de la operación se basaban en un sistema de
supervisión, que controlaba las posiciones de los interruptores en las subestaciones, y un
sistema separado, generalmente análogo al anterior, que controlaba de manera automática la
generación y el despacho económico.

Por lo tanto, los únicos datos que el operador tenía disponibles en tiempo real eran el estado
de los interruptores, la frecuencia del sistema y el conjunto de medidas de potencia necesarias
para el control de la generación.

Schweppe, con la estimación de estado, resolvió tanto el problema de los datos como el de
la resolución en tiempo real. Como él dijo, el estimador de estado es un purificador de datos",
utilizando una analogía con la purificación de la sangre en el cuerpo humano [13]. Pero es
algo más, el estimador de estado es un reparto de cargas en tiempo real. Con esto se
aseguraba la ejecución de las funciones de seguridad en los centros de control y el SCADA
era reemplazado por lo que hoy día se conoce como sistema de gestión de energía (EMS en
inglés).

MARCO TEÓRICO

Schweppe definió la estimación de estado como un algoritmo de procesamiento de

datos que convierte las medidas redundantes y otra información disponible en un estimado
del estado del sistema eléctrico [34]. Hoy en día, la estimación de estado es una parte
esencial en los sistemas de gestión de energía de todo el mundo. Más aún, son el corazón de
los modernos sistemas de gestión de energía y el rendimiento de otras aplicaciones, como
las de análisis de seguridad, despacho económico, etc., dependen en gran medida de la
exactitud de los datos que proporciona el estimador de estado.

Las fuentes de información necesarias para el estimador de estado son:

  Los valores de los parámetros de diseño (R, L, etc.).
 La información topológica o estructural (posición de interruptores, etc.).
 El modelo matemático del sistema.

Los distintos tipos de medida:

Tele medidas: Son las que se obtienen en tiempo real desde las re- motas de las subestaciones
a través del SCADA. Los datos típicos que se incluyen son:

 Las tensiones e inyecciones de activa y reactiva en los nudos.

 Los ujos de potencia activa y reactiva en las líneas.

Pseudomedidas: Son valores obtenidos basándose en los datos históricos existentes, por lo
que tienen menos precisión que si fuesen medidos; por ejemplo, la potencia generada en las
centrales o la demanda de las subestaciones.

Medidas virtuales: Son aquellas que no requieren ser medidas, como por ejemplo la
inyección cero en las subestaciones de transporte (nudos de tránsito).

La exactitud de las medidas no sólo dependerá del transformador de medida, sino también
de los transductores y convertidores y se tendrá en cuenta como error de las medidas un
único valor que sea conjunción de la suma acumulativa de los errores en los dispositivos que
intervienen en todo el proceso.

Los parámetros que definen la exactitud de la medida son:

Clase: Se entiende por clase el error máximo que dicho aparato de medida puede tener,
tomado en tanto por ciento, con respecto al valor de fondo de escala o señal nominal de
salida, en unas condiciones definidas por normas nacionales o internacionales. En la Figura
1.1 se representan los valores verdaderos con trazo continuo y los valores medidos con curva
discontinua.

Figura 1: Error general de clase.

Linealidad: Se entiende como error de linealidad el error relativo en tanto por ciento, con
respecto al valor de fondo de escala, que existe entre el verdadero valor y el valor obtenido con
el aparato de medida calibrado perfectamente para la señal de fondo de escala, es decir,
ajustado de manera que a la entrada nominal le correspondiese exactamente la salida nominal.
En la Figura 1.2 se representan los valores verdaderos con trazo continuo y los valores medidos
con curva discontinua

Figura 2: Error de linealidad.

Reproducibilidad o histéresis: Se entiende por error de reproducibilidad o bien de

histéresis, el error que puede darse por diferencia de los valores obtenibles en un convertidor
de medida a igualdad de condiciones ambientales, de temperatura, etc., pero repitiendo las
medidas en condiciones dinámicas diferentes, es decir, aumentando la medida en un
momento y disminuyéndola en otro momento (Figura 1.3).

Figura 3: Error de reproducibilidad.

Deriva térmica: Es el error que puede producirse por variación de la temperatura en el
medio ambiente en que se encuentra el instrumento de medida, con respecto a la medida que
tiene a una temperatura de referencia. Esta diferencia de valor que se toma también en tanto
por ciento con respecto al fondo de escala, puede ser de cero, es decir, de la salida que da el
aparato de medida para una entrada que por su ajuste debiera dar salida igual a cero, o bien
puede ser de plena escala, es decir, de la salida que da el aparato de medida para la entrada
nominal. Este error se suele dar en tanto por ciento por cada grado centígrado o bien en tanto
por ciento por cada diez grados centígrados.

Otras magnitudes: Otras magnitudes, tales como la frecuencia de red, tensión de

alimentación, impedancia de carga, pudieran tener algún pequeño efecto sobre el aparato de
medida y sobre su precisión, por lo que en algunos de ellos se suele expresar la influencia
de dichas magnitudes

Es necesario tener en cuenta que los tantos por ciento de error que se suelen dar por variación
de magnitudes corresponden a unos determinados márgenes de operación y no suelen ser
extrapolables a otros valores operacionales.

Siendo la clase el parámetro que más influye en la exactitud de la medida será éste el único
que se tendrá en cuenta. Las clases de precisión nominales de los transformadores de
intensidad son 0.1, 0.2, 0.5, 1, 3 y 5. En los transformadores de estas clases, los errores de
intensidad y fase, a la frecuencia nominal, no deberán sobrepasar los valores de la Tabla 1.1
cuando la carga secundaria esté comprendida entre el 25 y el 100 % de la carga de precisión.

A partir de los valores de la Tabla 1.1 y para cada clase de precisión, puede trazarse una
gráfica de líneas quebradas de errores límites tanto de relación (Figura 1.4) como de fase
(Figura 1.5) con los límites de error admisibles. Ambas guras son las correspondientes a la
clase 0.5. Las curvas de errores reales de un transformador deberán quedar comprendidas
entre las dos líneas quebradas de dichas guras.

Las Figuras 1.4 y 1.5 se pueden unificar en una sola (Figura 1.6) en la que los errores
admisibles para clase 0.5 son los comprendidos entre ambos paralelogramos.

Excepto la norma ANSI, todas las normas tienen, fundamentalmente, los mismos valores
que la CEI. La principal variante es que las normas UNE y VDE no admiten la clase 5.
También hay que tener en cuenta que la norma CEI y la mayor parte de las normas europeas
establecen que los errores indicados no deben sobrepasarse para una potencia comprendida
entre la nominal y su cuarta parte, con cos ϕ = 0.8, mientras que la norma ANSI solamente
exige el cumplimiento de la precisión para una potencia igual a la potencia nominal.
La clase de precisión de un transformador de tensión debe cumplirse en todas las tensiones
comprendidas entre el 80 y el 120 % de la tensión nominal y a todas las cargas comprendidas
entre el 25 y el 100 % de la precisión, bajo un factor de potencia de 0.8 en retraso. En la
Tabla 1.2 se muestran los límites del error de relación y desfase en función de la clase de
precisión. Estas exigencias de precisión coinciden para todas las normas.

Tabla 1: Errores máximos admitidos en la norma CEI para transformadores de

intensidad.

Clase de Error de relación en % Errores de fase para los

precisión para los valores de intensidad valores de la intensidad
expresados en % de la expresados en % de la
intensidad nominal intensidad nominal
±s1% ±δ1 (minutos)
10 20 50 100 120 10 20 100 120
0.1 0.25 0.2 - 0.1 0.1 10 8 5 5
0.2 0.5 0.35 - 0.2 0.2 20 15 10 10
0.5 1.0 0.75 - 0.5 0.5 60 45 30 30
1 2.0 1.5 - 1.0 1.0 120 90 60 60
3 - - 3 - 3 - - - -
5 - - 5 - 5 - - - -

Figura 4: Errores límites de relación para transformadores de intensidad de clase 0.5.

 Figura 5: Errores límites de fase para transformadores de intensidad de clase 0.5.

Figura 6: Errores límites para transformadores de intensidad de clase 0.5

Tabla 2: Límites del error de relación y del desfase para transformadores de tensión.

Clase Error de relación (su%) Desfase min. (δu)

0.1 ±0.1 ±5
0.2 ±0.2 ±10
0.5 ±0.5 ±20
1 ±1.0 ±40
3 ±3.0 No especificado
Utilización: El estimador de estado es, básicamente, una herramienta utilizada por los
centros de control de energía eléctrica para una construcción, en tiempo real, del modelo
eléctrico del sistema. Este modelo creado en tiempo real, debe ser confiable, sobre todo
en la operación de mercados de energía, donde cuestiones económicas entran en
conflicto, como son los límites de operación del sistema. La importancia dada a la
estimación del estado de los sistemas eléctricos ha creado la necesidad de nuevas
metodologías de análisis que mejoren la confiabilidad y precisión.

Con este trabajo, se pretende difundir el tema de la estimación de estado dentro de la

comunidad universitaria y profesionales de la región interesados en el tema, el cual puede
ser considerado dentro de muchas aplicaciones. Además, en la parte I se proporciona una
herramienta de estimación de estado basada en el método tradicional de mínimos
cuadrados que permite enfrentar el problema de optimización combinatorial de
estimación de estado con errores conformativos discutido en la parte II.

La estimación de estado realiza un análisis matemático del sistema basándose en datos

recolectados por medidores e información sobre los parámetros de los modelos de los
componentes de la red. Está recolección de información implica el análisis de
mediciones muy grandes en la corriente y tensión, modelamiento de redes externas y
detección errores en las mediciones de los parámetros que describen el estado de la red,
estos últimos se conocen con el nombre de errores grandes o groseros en los cuales, una
función debe detectar las mediciones erróneas y eliminarlas o substituirlas. Generalmente
estos errores son causados por perdida de comunicación con medidores o introducción de
ruido en la medida, por mala calibración o por defectos en los equipos.

Circuito DC.

El modelo puede obtenerse del siguiente circuito DC:

Figura 7: Circuito DC sencillo.

Z1=Av=Medición detectada por el amperímetro.

Z2=Vm= Medición detectada por el Voltímetro.

Las variables de estado a ser estimadas son el Voltaje y Corriente, esto es 𝑋1 = 𝐼 y 𝑋2 =

𝑉. Por lo tanto se pueden plantear las siguientes ecuaciones para los elementos 𝑍𝑚𝑒𝑑𝑖𝑑𝑜𝑠 :

1 1
𝑍1 = 𝑋1 + 𝑒1 ; donde el termino 𝑒s el responsable de relacionar los
𝑟1 + 𝑟2 𝑟1 + 𝑟2

1
Elementos activos dl sistema y 𝑒1 es el error de la medición 𝑍1 . Haciendo ℎ1 = la
𝑟1 +𝑟2

expresión anterior toma la forma:

𝑍1 = ℎ1 𝑋1 + 𝑒1 (1)

Aplicando la misma metodología para obtener la medición 𝑍2 se llega a:

𝑍2 = ℎ2 𝑋2 + 𝑒2 (2)

Donde ℎ1 = ℎ2 , 𝑒2 es el error de la medición 𝑍2 y 𝑋2 es la variable de estado

correspondiente al voltaje.

En el caso de tener n variables de estado y m mediciones se puede configurar el siguiente

sistema:

𝑍1 = ℎ1 𝑋1 + ℎ12 𝑋1 + ℎ1𝑛 𝑋𝑛 + 𝑒1

𝑍2 = ℎ21 𝑋1 + ℎ22 𝑋2 + ℎ2𝑛 𝑋𝑛 + 𝑒2

.
.
.
𝑍𝑛 = ℎ𝑚1 𝑋1 + ℎ𝑚2 𝑋1 + ℎ𝑚𝑛 𝑋𝑛 + 𝑒𝑚 (3)

Nótese 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

𝑍 = [𝐻]𝑋 + 𝑒 (4)
 𝑒 = 𝑍 − 𝐻. 𝑋 = 𝑍𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑍𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 (5)

Para diferenciar los datos estimados de los medidos, se adopta la siguiente nomenclatura:

𝑒̂ = 𝑍 − 𝐻𝑋̂

Donde

𝑒̂ 𝑦 𝑋̂ denotan los estimativos de los errores y de las variables de estado respectivamente.

𝑒̂ = 𝑍 − 𝑍̂ = 𝑍 − 𝐻𝑋̂ = 𝐻𝑋 + 𝑒 − 𝐻𝑋̂ (6)

Finalmente se obtiene una expresión para el estimativo del error dada por:

𝑒̂ = 𝑒 − 𝐻(𝑋̂ −
𝑋) (7)

Para minimizar la ecuación, existen dos funciones objetivo muy usadas en la literatura.
El método de los mínimos cuadrados (WLS).
𝑚

𝑓 = ∑ 𝑊𝑗 𝑒𝑗 2 (8)
𝑗=1

El método de los valores absolutos (LAV)

𝑚

𝑓 = ∑ 𝑊𝑗 𝑠𝑗 (7)
𝑗=1

Donde Wj es un factor de ponderación que permite tratar más favorablemente aquellas

mediciones que se consideran más exactas. 𝑒𝑗 es el error y 𝑠𝑗 son los valores absolutos
de los errores.

Método De Los Mínimos Cuadrados.

𝑚

𝑓 = ∑ 𝑊𝑗 𝑒𝑗 2
𝑗=1

Usando el criterio de primera derivada igual a cero, se puede conocer si un punto es crítico
y posteriormente saber si éste es un mínimo local. Se conforma, entonces, la Matriz
Jacobiana.
 𝜕𝑒1 𝜕𝑒2 𝜕𝑒𝑚
𝑊1 𝑒1 + 𝑊2 𝑒2 + ⋯ + 𝑊𝑚 𝑒𝑚
𝜕𝑋1 𝜕𝑋1 𝜕𝑋1
𝜕𝑒1 𝜕𝑒2 𝜕𝑒𝑚
𝜕𝑓 𝑊1 𝑒1 + 𝑊2 𝑒2 + ⋯ + 𝑊𝑚 𝑒𝑚
| =2 𝜕𝑋2 𝜕𝑋2 𝜕𝑋2 = 0 (10)
𝜕𝑥 𝑋̂ ..
.
𝜕𝑒1 𝜕𝑒2 𝜕𝑒𝑚
𝑊1 𝑒1 + 𝑊2 𝑒2 + ⋯ + 𝑊𝑚 𝑒𝑚
[ 𝜕𝑋𝑛 𝜕𝑋𝑛 𝜕𝑋𝑛 ]

Separando algunos términos y escribiendo en forma matricial se obtiene:

𝑒̂1
𝜕𝑒𝑖𝑗 𝑒̂1
[ ] | [𝑊𝑖𝑖 ]𝑖=1,2,..,𝑚 .. = 0 (11)
𝜕𝑋𝑖 𝑖=1,2,..,𝑛 .
𝑗=1,2,..,𝑛
[𝑒̂𝑛 ]

𝜕𝑒𝑖𝑗
La derivada parcial [ ] permite obtener los coeficientes que conforman la matriz H
𝜕𝑋𝑖 𝑋̂

en forma transpuesta, por lo tanto:

𝑒̂1
𝑒̂1
𝐻𝑇 [𝑊𝑖𝑖 ]𝑖=1,2,..,𝑚 .. = 0
.
[𝑒̂𝑛 ]

Despejando 𝑒̂ y definiendo Ganancia =𝐺 = 𝐻 𝑇 𝑊𝐻 se llega a:

𝑒̂ = (𝐼 − 𝐻𝐺 −1 𝐻 𝑇 𝑊)𝑒 = 0 (12)

Esta es una solución directa para un sistema DC. En sistemas AC las ecuaciones de
medición no son lineales y por lo tanto se requieren soluciones iterativas.

Estadísticas Errores Y Estimados

La función de probabilidad de densidad define la campana que permite encontrar la

probabilidad de que e ocurra en un intervalo [𝑎 … 𝑏] y está dada por la expresión:

1 −𝑒 2
𝑃𝐷𝐹 (𝑒) = 𝑒𝑥𝑝 ( ) (13)
𝜎√2𝜋 2𝜎 2
Donde 𝜎 se define como la desviación estándar y 𝜎 2 como la varianza de un número
aleatorio.

Por lo tanto la probabilidad que ocurra 𝑒 en un intervalo [𝑎 … 𝑏], como se puede observar
en la siguiente figura esta dad por:

𝑏
𝑃𝑟 (𝑎 < 𝑒 < 𝑏) = ∫ 𝑃𝐷𝐹(𝑒) (14)
𝑎

Figura 8: Función de probabilidad de densidad.

Determinada. La función PDF (e) no puede ser integrada directamente, por lo tanto, las
áreas bajo la curva se han tabulado como se muestra a continuación.

Tabla 3: Tabulación de áreas bajo la curva para la PDF

k 0.05 0.025 0.01 0.005 k 0.05 0.025 0.01 0.005

1 3.84 5.02 6.64 7.88 11 19.68 21.92 24.73 26.76

2 5.99 7.38 9.21 10.6 12 21.03 23.34 26.22 28.3

3 7.82 9.35 11.35 12.84 13 22.36 24.74 27.69 29.82

4 9.49 11.14 13.28 14.86 14 23.69 26.12 29.14 31.32

5 11.07 12.83 15.09 16.75 15 25 27.49 30.58 32.8

6 12.59 14.45 16.81 18.55 16 26.3 28.85 32 34.27

7 14.07 16.01 18.48 20.28 17 27.59 30.19 33.41 35.72

8 15.51 17.54 20.09 21.96 18 28.87 31.53 34.81 37.16

9 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
El factor W es mayor a medida que las mediciones son más exactas. Mientras que la

varianza al ser mayor hace que la campana sea más cerrada. Lo anterior evidencia una

relación recíproca entre estos dos ponderados.

1
𝑊= (15)
𝜎2

1
Haciendo = 𝑅 −1 y utilizando la definición de Ganancia de la expresión anterior, la
𝜎2

función objetivo queda

𝑚 𝑚
2
𝑒𝑗 2
𝑓 = ∑ 𝑊𝑗 𝑒𝑗 =𝑓=∑ 2
𝜎 𝑗
𝑗=1 𝑗=1

Estimación En Sistemas AC

Cambiar el sistema de la expresión (11) para obtener el modelo AC es relativamente

fácil, basta con tener en cuenta que la matriz Jacobiana [H] obtenida en (10) queda en

función de las variables de estado [3], esto es:

𝐻𝑋𝑇 𝑅−1 [𝑍 − ℎ(𝑋̂)] = 0 (16)

Donde 𝐻𝑋𝑇 , es la matriz Jacobiana en función de las variables de estado ℎ(𝑋̂) es un arreglo

de funciones no lineales que expresan las cantidades medidas en términos de las variables

de estado. La expresión (16) debe ser linealizada a través de un método iterativo. Para

ello se hace expansión en series de Taylor alrededor de un punto inicial.

−1 𝑇
𝑋 𝑘+1 = 𝑋𝑘(0) + 𝐺 (0) 𝐻(0) 𝑒 0
Estructura y Formación De Hx

Tabla 4: Matriz H en forma de bloques

Para la formación de la matriz Jacobiana es recomendable consolidar la información de

forma estructurada. Para esto se hace un agrupamiento de los datos recolectados
(mediciones) y calculados en función de cada una de las posibles medidas eléctricas del
sistema. La estructura aquí utilizada en cada iteración tiene la apariencia mostrada en la
tabla 4 y 5.

EJEMPLO DE APLICACIÓN
Se toma como ejemplo, un sistema de 4 nodos cuyos datos se presentan a continuación.
El sistema se conforma por 4 barras y cuatro líneas, donde los datos de línea se muestran
en la tabla 6 y se conforman por las impedancias serie en por unidad (r+jx), las
susceptancias de carga de la línea (y/2), las mediciones de potencia activa y reactiva de
la barra i a la barra j y viceversa (mediciones Z ) así como también la varianza de cada
medición (mediciones V ). Los datos de barra de la tabla 7 muestran la información
correspondiente a la potencia activa, reactiva y al voltaje en cada barra necesarias para
hallar el punto de operación a través de flujo de potencia tradicional. Adicionalmente se
muestra la información correspondiente a las mediciones de P, Q y V (mediciones Z ),
así como también la varianza de cada medición (mediciones V ).

Tabla 5. Vector de mediciones en tabla de bloques

Datos de la linea:

Tabla 6: Datos de Línea Z= Mediciones; V= Varianzas.

Datos de la barra:

Tabla 7: Datos de barra.

Para obtener los resultados de la primera iteración siguiendo el algoritmo de la figura 9,

se organiza el vector de mediciones en forma de bloques de acuerdo a la tabla 5. Así

como la matriz dispersa de varianzas.

 Tabla 8: Vector de mediciones Z y Matriz de varianzas

Se calcula el vector de error e aplicando la expresión 5 y se obtiene:

Tabla 9: Vector de errores e

La matriz Jacobiana se calcula de acuerdo a la tabla 4 y se encuentra que la forma de
dicha matriz es:

Tabla 10: Matriz Jacobiana Hx

Se calcula la matriz de ganancias Gx de acuerdo a la expresión 12.

1.0𝑒 + 007 ∗

Tabla 11. Matriz de Ganancias Gx

La suma ponderada es:

𝑛𝑢𝑚.𝑚𝑒𝑑𝑖𝑐𝑖𝑜𝑛𝑒𝑠
𝑒̂𝑗
∑ ( ) = 3958
𝜎𝑗
𝑗=1

Lo cual es mayor al valor 26,22 obtenido de la tabulación de la tabla 3, por lo tanto,

debe calcularse la covariante y el error estándar.

Tabla 12. Vectores de covariantes y errores

El error estándar más grande está asociado con la posición de la medición Z7 (P34) con
un valor de 90.1547. Por lo tanto, se elimina esta medición y se vuelve a ejecutar el
estimador de estado desde el conjunto de mediciones original, así como desde el punto de
operación inicial.

Diagrama de flujo del estimador de estado.

CONCLUSIONES.

 El estimador de estado en sistemas de potencia es de gran importancia en la

operación de mercados de energía, donde cuestiones económicas entran en
conflicto, como son los límites de operación del sistema.
 El estimador de estado invierte su mayor esfuerzo en el cálculo y construcción de
la matriz Jacobiana y la matriz de ganancia, las cuales son muy grandes y en el
caso de la segunda muy dispersa. Debido a la natura dispersa de la matriz de
ganancia, no se invierte explícitamente. En lugar de ello, se emplea ordenamiento
óptimo y la factorización LDU.
 Cuando se detectan mediciones erróneas, los estimados de estado no son
confiables. Lo que significa que datos erróneos considerables se tienen que filtrar
e identificar a través de pruebas estadísticas.

BIBLIOGRAFÍA
Granada , M. (2003). ESTIMACION DE ESTADO EN SISTEMAS ELECTRICOS DE POTENCIA.
INGENIERIA, 1-6.

Maria de los Angeles, J. (2016). Estimadores de Estado en Redes de distribucion . Universidad

de Sevilla (págs. 2-217). Sevilla: jpm.

Zarco Periñan, P. J., & Expósito Gómez, A. (1999). DEPARTAMENTO DE INGENIERIA ELECTRICA
UNIVERSIDAD DE SEVILLA. España: Danesco.