Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimación de Estado en Sistemas Eléctricos de Potencia - Parte1 PDF
Estimación de Estado en Sistemas Eléctricos de Potencia - Parte1 PDF
ISSN 0122-1701 55
RESUMEN
Este es el primero de dos artículos que examinan el desempeño del estimador MAURICIO GRANADA
de estado en sistemas de potencia. En la parte I, se desarrolla e implementa el Estudiante Maestría en Ingeniería
método convencional de mínimos cuadrados. Este es tomado como referencia Eléctrica U.T.P.
en la parte II, en donde se desarrolla una metodología de optimización e-mail: magra@utp.edu.co
combinatorial aplicada al problema de la identificación de medidas erróneas
con el fin de mejorar este procedimiento. Para este estudio se selecciona el Grupo de Investigación en
método de colonias de hormigas. El estimador de estado se encarga de Planeamiento de Sistemas Eléctricos
depurar la información que será usada como datos de entrada en otras Universidad Tecnológica de Pereira
aplicaciones como son; programas de despacho económico, análisis de
contingencias, acciones correctivas de generación y perdidas negras, entre
otras. A través de un ejemplo se presenta el procedimiento por medio del cual
se identifican medidas erróneas y que servirá 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.
eˆ = Z − HXˆ
donde ê y X̂ 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
Xˆ 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 términos y escribiendo en forma
matricial se obtiene:
eˆ1 Si Figura
se conoce e y de
2. Función σ probabilidad
la función de PDF (e) esta totalmente
densidad
e determinada. La función PDF (e) no puede ser integrada
∂eij
[Wii ]i =1, 2,...m ˆ2 = 0 (11)
directamente, por lo tanto, las áreas bajo la curva se han
∂X i ij==11,,22,..,,...,nm M
X&& tabulado como se muestra a continuación.
eˆn
k 0.05 0.025 0.01 0.005 k 0.05 0.025 0.01 0.005
ello se hace expansión 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 FORMACIÓN 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
∂δ ∂δ N ∂ V1 ∂ VN
2 N 2N
___
inyecciones Pi a la barrra
M M M M ___
∂PN ∂PN ∂PN ∂PN
∂δ L L
z 2 N +1 Q1
∂δ N ∂ V1 ∂ VN
2
∂Q1
M
∂Q1 ∂Q1 ∂Q1
∂δ 2
L L
M N inyecciones Q i a la barra
∂δ 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
∂δ 2 ∂δ N ∂ V1 ∂ VN
M M M M
z 3 N +1 M
∂Pij ∂Pij ∂Pij ∂Pij
L = p
L L L
Z = M
∂δ i ∂δ 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
L ∂Pji ∂Pji ∂Pji ∂Pji
B
___ ___
L L L flujos de linea Pji
∂δ i ∂δ j ∂ Vi ∂Vj
z 3 N + B +1 M
M M M M
P ji
M M M M
∂Qij ∂Qij ∂Qij ∂Qij
M B flujos de linea P ji
L
∂δ i ∂δ j
L L
∂ Vi ∂Vj
L
B flujos de linea Q ij z
3N + 2 B M
___
M M M M
___
M M M M
∂Q ji ∂Q ji ∂Q ji ∂Q ji
z
3 N + 2 B +1 M
L L L L
∂δ i ∂δ 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 formación de la matriz Jacobiana es ___
z 3 N + 3B +1 M
recomendable consolidar la información 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 función z 3 N + 4 B M
de cada una de las posibles medidas eléctricas del Tabla 3. Vector de mediciones en forma de bloques
sistema. La estructura aquí utilizada en cada iteración
tiene la apariencia mostrada en la tabla 2 y 3 [1].
Mediciones de Linea Varianza Mediciones
7. EJEMPLO DE APLICACIÓN 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 +
líneas, donde los datos de línea 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 línea (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 Línea Z = Mediciones; V = Varianzas.
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 ). M e dicione s V arianza de las
Los datos de barra de la tabla 5 muestran la información 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 operación 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 través de flujo de potencia tradicional. Adicionalmente 1.7 +
se muestra la información 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 ), así 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 iteración Se calcula la matriz de ganancias Gx de acuerdo a la
siguiendo el algoritmo de la figura 3, se organiza el expresión 12.
vector de mediciones en forma de bloques de acuerdo a
la tabla 3. Así 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
eˆ j
P42 0.005
num.mediciones
∑ = 3958
P43 1.04 Varianzas (11,11) 0.01
D atos de Línea La suma ponderada es lo
Q12 0.22 Varianzas (12,12) 0.001 σ
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 tabulación 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 estándar.
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=iteración=0
No
Si Si
Calcular:
Calcular:
Errores [e] [X̂ ]i
Jocabiana [Hx]
Ganancia [Gx] [Ĥx]
Estimación [Xi]
Convergencia =máx(abs( X i −1 − Xˆ i )) [Ĝ ]
i
covariante= R ′ = ( I − H X G X −1 H TX R −1 ) R