XIII ERIAC

DCIMO TERCER ENCUENTRO

REGIONAL IBEROAMERICANO DE CIGR
Puerto Iguaz
Argentina

24 al 28 de mayo de 2009

XIII/PI-C2 -17

Comit de Estudio C2 - Operacin y Control de Sistemas

TENDENCIAS EN LA SUPERVISIN EN TIEMPO REAL DE LA ESTABILIDAD DE

PEQUEA SEAL DE SISTEMAS DE POTENCIA
C.A. JUREZ*(1)(2)
D.G. COLOM(1)
Instituto de Energa Elctrica-Universidad Nacional de San Juan
Argentina
(2)
Becario del programa regional del DAAD (Servicio Alemn de
Intercambio Acadmico)

(1)

Resumen En este trabajo se presenta el anlisis de los mtodos empleados actualmente para la
supervisin y evaluacin en tiempo real de la estabilidad de pequea seal (EPS). Se realiza un estudio del
estado del arte identificando las caractersticas ms sobresalientes de los mtodos empleados para
determinar la presencia de oscilaciones electromecnicas de baja frecuencia en el sistema. Entre los que se
destacan los mtodos basados en el procesamiento de mediciones sincrofasoriales (PMU). Es por ello que se
propone en este trabajo un modelo para la simulacin del sistema elctrico y del sistema de adquisicin y
procesamiento de mediciones fasoriales implementado en el programa de anlisis de transitorios
electromagnticos (ATP). Se aplica el modelo al estudio de la estabilidad de pequea seal de un sistema de
dos reas, se obtienen las mediciones fasoriales de tensin y corriente, se las procesa y analiza con los
mtodos Prony y Multiprony con el objetivo de determinar los modos oscilatorios poco amortiguados, los
cuales son comparados con los obtenidos por un programa de estudio de transitorios electromecnicos. El
anlisis realizado permite identificar la influencia de la medicin PMU, del tipo de magnitud medida y de la
ventana de tiempo analizada en los valores de frecuencia y amortiguamiento calculados.
Palabras clave: Estabilidad de pequea seal Mediciones Sincrofasoriales PMU Prony Kalman
WAMS Transformada de Hilbert ATP
1

INTRODUCCIN

La desregularizacin del mercado, el envejecimiento y deficiencia de la expansin de la red de transmisin, y

las restricciones medioambientales junto a otras restricciones de operacin han llevado a los Sistemas
Elctricos de Potencia (SEPs) a operar cerca de sus lmites y a utilizar todos sus componentes ms
eficientemente [1]. Estas condiciones de estrs a las que se ve sometido el SEP pueden causar oscilaciones
con amplitudes con pobre amortiguacin o no amortiguadas capaces de conducir a la separacin del sistema
elctrico por actuacin de los sistemas de proteccin, con lo cual aumentan las probabilidades de efectuar
cortes de carga y de que el sistema evolucione hacia un colapso total [2]. Por lo tanto existe la necesidad de
poseer una herramienta de evaluacin, en tiempo real, de los modos oscilatorios crticos, de manera que el
operador tenga informacin suficiente para decidir acciones sobre el SEP cuando se presenten oscilaciones
que puedan ser perjudiciales para la estabilidad del sistema.
El presente trabajo est organizado de la siguiente manera: en la seccin 2 se estudian dos caminos
alternativos para evaluar en tiempo real la estabilidad de pequea seal del sistema de potencia, el primero se
basa en la simulacin del SEP y el segundo emplea mediciones PMU (Phasor Measurements Units) las
cuales actualmente se encuentran muy difundidas en importantes sistemas de potencia [12]. El sistema de
mediciones PMU genera mediciones fasoriales de tensin y corriente que utilizan la seal de GPS (Global
Positioning System) para sincronizar las muestras, lo que permite tener la misma referencia para todas las
*cjuarez@iee.unsj.edu.ar

mediciones a lo largo del SEP [7]. En la seccin 3 se presenta la estructura de los sistemas de medicin
sincrofasorial, las partes que lo conforman, sus caractersticas y aplicaciones. A partir de los fasores de
tensin y corriente obtenidos por medio de PMU se construye fcilmente las restantes variables elctricas
como potencia activa y reactiva de gran utilidad para el anlisis de oscilaciones de baja frecuencia (OBF). La
seccin 4 hace referencia a los mtodos empleados en la determinacin de los modos oscilatorios en base al
procesamiento de mediciones. Se analizan los mtodos de mayor difusin como el anlisis Prony y su
variante multiprony, y tambin propuestas ms novedosas basadas en la Transformada de Hilbert y en la
utilizacin de Filtro de Kalman. En la seccin 5 se propone un modelo para simular el sistema elctrico, la
generacin de la medicin PMU, su procesamiento para construir las variables elctricas y su anlisis para la
evaluacin de la estabilidad de pequea seal utilizando PMU. Finalmente la seccin 6 expone las
conclusiones de este trabajo.
2

SUPERVISIN DE LA ESTABILIDAD DE PEQUEA SEAL EN TIEMPO REAL

Convencionalmente el estudio de la estabilidad de pequea seal se realiza fuera de lnea y utiliza modelos
del sistema de potencia para simular y analizar su comportamiento dinmico. Las caractersticas de la
dinmica del sistema de potencia estn definidas por los auto-valores de la matriz que representa
matemticamente el modelo lineal del SEP vlido en un pequeo rango alrededor de un estado de operacin
[2]. Pero el estado de operacin del SEP est sujeto a variaciones debido a la naturaleza aleatoria de eventos
durante su funcionamiento. Esto motiva la necesidad de la supervisin y evaluacin en tiempo real de las
OBF. En el centro de control se obtienen seales SCADA del SEP, la tasa de actualizacin de estas
mediciones se encuentra entre uno a varios segundos [4], mientras que los modos OBF se encuentran en un
rango frecuencias entre 0.1 y 0.75 Hz los inter-rea [2] y de 0.75 a 2 Hz los locales [2], es claro entonces,
que la tasa de actualizacin de las mediciones SCADA no es suficiente para observar las oscilaciones del
sistema de potencia. En este sentido, existen diferentes propuestas para evaluar en tiempo real las
oscilaciones, un primer enfoque utiliza modelos y herramientas computacionales inteligentes para la
simulacin del SEP, mientras que una alternativa ms atractiva por sus facilidades de aplicacin hace uso de
las mediciones sincrofasoriales.
2.1 Evaluacin por simulacin
El estudio clsico de la EPS requiere el modelo completo del SEP y altos tiempos de cmputo para grandes
Sistemas. Por esta razn es que Teeuwsen en su tesis doctoral [3], realiza una investigacin sobre el uso de
herramientas Computacionales Inteligentes (CI), como redes neuronales artificiales, algoritmos genticos,
rboles de decisin, etc., para una rpida evaluacin en lnea de la estabilidad oscilatoria del SEP. Propone
aplicar las herramientas CI para aprender el comportamiento dinmico del sistema y proveer resultados
aceptables con tiempos de clculo mucho ms bajos [3]. Selecciona como entrada a las herramientas CI
algunos datos del estimador de estado [3], y como salida de las CI se obtiene la frecuencia y
amortiguamiento de los modos [3]. Este enfoque requiere largas y tediosas rutinas de entrenamiento para el
aprendizaje de las herramientas CI contemplando las diferentes estaciones del ao [3]. La fiabilidad de los
resultados, con este enfoque, depende de los casos elegidos para el entrenamiento y obviamente de la calidad
del modelo del SEP. Es de notar que si existen cambios significativos en el SEP la herramienta CI debe ser
re-entrenada, lo que complica su aplicacin en un centro de control haciendo poco atractiva esta
metodologa.
2.2 Evaluacin basada en mediciones sincrofasoriales
Un enfoque ms novedoso y que est tomando fuerza actualmente, es la utilizacin de mediciones
sincrofasoriales obtenidas por equipos PMU (Phasor Measurements Units). El equipo PMU forma parte de
un sistema de medicin global (WAMS, Wide Area Measurements Systems) del sistema elctrico, donde en
determinados lugares geogrficos de la red se puede acceder a informacin total o parcial de las mediciones
sincrofasoriales del SEP. Las propuestas estn orientadas a calcular frecuencia y amortiguamiento de los
modos oscilatorios a partir estas mediciones sincrofasoriales realizadas en el SEP [1, 5, 6, 11, 15, 16]. Esta
metodologa tiene la ventaja de que no requiere simular el modelo del sistema de potencia para determinar
las OBF [5, 11, 17]. Existen diferentes mtodos utilizados en la bibliografa para el clculo de los modos, en
la seccin 4 se resumen las caractersticas de tres de estos mtodos.

SISTEMAS DE MEDICIN SINCROFASORIAL

La distribucin de los fasores de tensin y corriente a travs de la red es una de las informaciones ms
importantes que dispone el operador para conocer el margen de operacin estable [1]. El conocimiento real
y directo, en tiempo real, no simplemente estimado, de los fasores, mejorara la capacidad de respuesta de los
operadores y permitira el desarrollo de sistemas de previsin de inestabilidades y de respuesta automtica
ms rpidos y eficaces [6]. Es por ello que los especialistas proponen la implementacin de nuevas
herramientas de monitoreo, control y proteccin en tiempo real utilizando tecnologas WAMS [1].
3.1 Descripcin y arquitectura
El Wide Area Measurement System (WAMS) es un sistema de mediciones distribuidas en el SEP que
involucra principalmente mediciones sincrofasoriales (PMUs), algoritmos avanzados de procesamiento
digital de seales y una infraestructura capaz de proporcionar informacin dinmica del sistema. En general
esta tecnologa incluye aplicaciones de supervisin y control de la operacin del SEP en tiempo real [5, 8,
11, 15, 16, 17]. Estos sistemas de medicin tambin se conocen como Sistemas de Medicin Fasorial
Sincronizados (SPMS, Synchronous Phasor Measurements Systems). Los sistemas WAMS o SPMS como se
observa en la Fig. 1 estn constituidos principalmente por equipos de medicin (PMU), concentradores de
datos (PDC) y medios de comunicacin.
Unidades de Medicin Fasorial. (Phasor Measurements Units, PMU)
Se define al sincrofasor, como un fasor calculado a partir de datos muestreados que utilizan una seal
estndar de tiempo como referencia para el proceso de muestreo [7]. Las PMU utilizan como referencia de
tiempo la seal del sistema satelital GPS (Global Positioning System) [7], las formas de onda (tensin y
corriente) medidas por las PMU son caracterizadas por dos parmetros: amplitud y ngulo de fase relativo
[9].En la actualidad los rels de proteccin y otros medidores tambin proveen mediciones fasoriales
sincronizadas [8].
En la fig. 1 se muestra con un diagrama de bloques la arquitectura de un dispositivo PMU [9] compuesto por
un filtro anti-aliasing o filtro de solapamiento usado para filtrar las seales con frecuencias superiores a la
tasa de Nyquist. El receptor GPS provee una seal de 1 pulso-por-segundo (PPS) y una etiqueta o marca de
tiempo que descripta en [7]. La seal PPS se divide, usualmente con un oscilador de sincronizacin de fase,
en una secuencia de pulsos de ms alta frecuencia, que es utilizada por el convertidor A/D para el muestreo
de las seales analgicas [7]. El microprocesador se encarga de realizar el clculo de los fasores con algn
algoritmo recursivo de la transformada discreta de Fourier (DFT) [9]. A partir de las seales medidas en las
tres fases se procede a obtener los fasores de secuencia positiva de la tensin y corriente [9]. El
microprocesador le agrega una marca o etiqueta de tiempo al fasor y adems le da un formato definido por la
norma IEEE 1344 [7], para luego transmitirlo al concentrador de datos (PDC, Phasor Data Concentrator). La
PMU genera salidas en submltiplos de la frecuencia nominal del sistema de potencia [10], tasas tpicas son
10 o 25 fasores por segundo para 50Hz [10]. La seal GPS tiene una exactitud menor a 1s incluido el error
de fuente de sincronizacin y el error del equipo receptor, esto corresponde a una exactitud angular de 0.022
para un SEP de 60Hz y 0.018 para un SEP de 50Hz [7].

Fig. 1. Esquema de un sistema WAM o SPMS [1] y esquema de PMU [9]

3

 Concentrador de Datos
El PDC (Phasor Data Concentrator) es el dispositivo que se encarga de recibir y correlacionar por medio de
las etiquetas de tiempo los datos fasoriales de las PMU y de otros PDC (SuperPDC) para crear un conjunto
de datos fasoriales de todo el sistema [1]. A continuacin, pone estos datos a disposicin de otras
aplicaciones y mantiene un registro interno que guarda todo el conjunto de datos si se detecta una
perturbacin en alguna PMU [1].
Medios de comunicacin
El canal fsico de comunicacin tiene requerimientos que dependen de la aplicacin y magnitud del flujo de
datos, los requisitos a tener en cuenta para su eleccin son: ancho de banda, nivel de disponibilidad del
sistema y de los datos (es decir cuntos paquetes de datos perdidos es tolerable), distribucin de los datos
entre usuarios, tipo de aplicacin [10].
3.2 Aplicaciones de las PMU
La implantacin y uso de mediciones fasoriales sincronizadas, que proveen valores complejos de tensin y
corriente, tiene ventajas sobre la forma de medicin convencional que slo mide magnitudes [1], como el
tradicional SCADA, con el cual el ngulo de los voltajes de la red se debe calcular con algoritmos de
estimacin de estado. En cambio las mediciones sincrofasoriales proveen informacin ms directa y precisa
sin recurrir a clculos que dependen de los parmetros de la red [9]. Comparada con el sistema SCADA la
tasa de actualizacin de datos es ms alta, del orden de fracciones de segundo [7], los datos estn
sincronizados en el tiempo [7] y pueden informar sobre el comportamiento dinmico del SEP [10]. La mayor
desventaja que presentan es el requerimiento de un sistema de comunicacin moderno. Pases como EEUU,
Canad, Mxico, Brasil, Francia, China, Espaa, Italia, Suiza, como se resume en [6, 12], han implementado
en sus SEPs aplicaciones de monitoreo, control y proteccin utilizando WAMS, por ejemplo, estimacin de
estado, monitoreo de niveles trmicos de lneas, anlisis de estabilidad de tensin, monitoreo de oscilaciones
de potencia entre interconexiones, validacin de software de simulacin, identificacin de parmetros y
modelos, entre otras [9, 12]. En [5, 11, 13] proponen la aplicacin de mediciones WAMS para la supervisin
y evaluacin de los modos oscilatorios presentes en el SEP, mientras que en los trabajos [11, 14, 15] se
emplea la informacin provista por los sistemas WAMS para mejorar la EPS, uno de los enfoques consiste
en utilizar mediciones PMU como entrada a controladores auxiliares de dispositivos PSS [14, 15], de
dispositivos FACTS [11] y de HVDC [16]. Estos controladores auxiliares se implementan en esquemas de
control centralizado, desde el centro de control o de forma local, en ambos enfoques el uso de mediciones
PMU mejora la observabilidad de los modos presentes en el SEP.
4

EVALUACIN DE EPS EN TIEMPO REAL BASADA EN MEDICIONES PMU

La evaluacin de la estabilidad de pequea seal consiste en la estimacin y anlisis de la frecuencia y del

amortiguamiento de los modos oscilatorios del SEP. Como se ha dicho anteriormente las PMU poseen una
tasa de actualizacin de fasores, de 10 a 60 fasores por segundo [10], que permite el clculo directo de la
frecuencia y amortiguamiento de los modos sin necesidad de utilizar el modelo del sistema de potencia,
evitando la simulacin y disminuyendo el tiempo computo. Entre los mtodos estudiados en la bibliografa
se destaca el uso del mtodo Prony [16, 17] siendo uno de los ms aceptados y difundidos, y por tanto objeto
de estudio en este trabajo. Tambin se analizan las metodologas basadas en el algoritmo del Filtro de
Kalman [21, 22] y en la transformada de Hilbert [24].
4.1 Mtodo Prony
El anlisis Prony es una tcnica que utiliza la informacin en el dominio del tiempo para determinar la
informacin de los modos presentes en la seal: frecuencia, amortiguamiento, fase y amplitud [17]. Se asume
que la seal puede ser representada por el modelo de (1)
p

x (n) = Ai .e ji .e( i + j 2 fi ) n

(1)

i =1

El mtodo Prony, cuya formulacin matemtica se presenta en [18], construye un modelo autorregresivo
lineal discreto para ajustar los datos a una ecuacin lineal en el dominio del tiempo. Se calculan las races de
la ecuacin caracterstica del modelo lineal obtenido y a continuacin se determina la amplitud y la fase de
cada uno de los modos presentes en la seal. El anlisis Prony es hoy en da el mtodo de mayor difusin
para el anlisis de las mediciones [11, 15, 17], debido a su eficiencia en la estimacin de las componentes de
4

la dinmica del sistema [20]. Se debe tener la precaucin de que el efecto de las no linealidades presentes en
el SEP no invalide la hiptesis de linealidad del anlisis Prony. El anlisis Prony utiliza una sola entrada, una
de las seales medidas, para la identificacin de mltiples salidas (SIMO, Single Input-Multiple Output), los
numerosos modos presentes en la seal.
4.2 Multi Prony
Cuando se analizan seales individuales en forma independiente a menudo se obtienen como resultado
estimaciones contrapuestas debido a los efectos del ruido. Trudnowski et al [19] proponen una simple
extensin del anlisis Prony que analiza mltiples seales simultneamente para obtener una serie de
estimaciones. Este enfoque pretende proporcionar una mejora significativa en la exactitud de la estimacin
de los modos. Quintero en sus tesis doctoral [11] utiliza Multi-prony para la evaluacin de los modos en
lnea. La metodologa consiste en un anlisis Prony fuera de lnea que determina las seales que ofrecen
mejor observabilidad de los modos presentes en el SEP [11], luego agrupa las seales para lograr que con
pocas seales se puedan observar todos los modos crticos. Para la implementacin del anlisis Prony en
lnea Quintero formula criterios de validacin de la estimacin del amortiguamiento: a) si la variacin neta
de la estimacin de dos subgrupos distintos de seales es inferior a un umbral 1, y b) si la variacin neta de
la estimacin promedio de ventanas de tiempo consecutivas es menor a un umbral predefinido 2.
4.3 Tcnicas de Filtrado de Kalman
El Filtro de Kalman es un estimador ptimo recursivo y se utiliza para calcular el modelo lineal ptimo que
estima el estado de un sistema dinmico desconocido en el dominio del tiempo discreto [21]. Esta tcnica es
conveniente para el procesamiento digital en lnea por ejemplo datos con mucho ruido que se procesan
recursivamente [23]. Por su capacidad para manipular mediciones que cambian en el tiempo es extensamente utilizado en la estimacin de sistemas dinmicos [23]. En [21] se implementa el filtro adaptativo de
Kalman para determinar la frecuencia y amortiguamiento, el enfoque asume un modelo lineal en el dominio
del tiempo discreto con parmetros desconocidos a. La finalidad es estimar los valores de a que minimizan la
funcin objetivo J, dada por la diferencia al cuadrado del valor pronosticado por Kalman menos el valor real
medido (por la PMU). Una vez obtenido el modelo en el dominio del tiempo-discreto, se transforma al
dominio del tiempo-continuo y se calculan los auto-valores que definen el amortiguamiento y frecuencia de
los modos dominantes. Segn Korba [21], el filtro adaptativo de Kalman es la herramienta ms adecuada
resolver recursivamente el problema de optimizacin J y calcular los valores a del modelo lineal por las
siguientes razones: se ha dado el mnimo error de pronstico, con un menor tiempo de estimacin medido en
cantidad de iteraciones hasta la convergencia, e incluso es menos sensible a la variacin de los parmetros
del filtro en comparacin con la mayora de otros mtodos empleados, caracterstica que facilita su
sintonizacin [21]. ABB ha desarrollado una herramienta de monitoreo de oscilaciones en el sistema de
potencia, que utiliza este enfoque para la evaluacin en tiempo real de los modos, el software calcula la
frecuencia, amplitud y amortiguamiento del modo ms crtico [22].
4.4 Transformada de Hilbert
La aplicacin del algoritmo Prony se realiza bajo la hiptesis de que el sistema est en estado estacionario y
puede ser linealizado. Pero luego de un disturbio, el sistema est en un estado transitorio bajo la influencia de
numerosas no-linealidades [24], lo que se ve reflejado en las mediciones PMU. Messina et al [13] consideran
este hecho, y proponen la utilizacin de la transformada de Hilbert para la evaluacin de los modos. El
anlisis espectral de Hilbert (HSA) es usado para caracterizar la evolucin en el tiempo de los modos
oscilatorios no-estacionarios del SEP despus de una gran perturbacin. Con las muestras o mediciones se
obtiene la transformada de Hilbert, a estos resultados se aplica el mtodo de descomposicin emprica de
modos (EMD), finalmente la seal es descompuesta en un nmero de componentes de funciones intrnsecas
de modos (IMF) con amplitud y frecuencia variables en el tiempo. La ventaja de utilizar la transformada de
Hilbert y la descomposicin modal emprica es que permite la identificacin de modos en condicin no
estacionaria [24]. Los estudios realizados demuestran que los resultados son comparables a los obtenidos con
el mtodo Prony cuando el sistema se encuentra en un estado estacionario de operacin y adems permite
seguir la evolucin dinmica de los modos crticos durante la etapa transitoria. La desventaja que se le ve a
este mtodo es la precisin que tiene para distinguir dos modos con frecuencias cercanas y de amplitud
comparable [24].

EVALUACIN DE OSCILACIONES EN EL SISTEMA DE POTENCIA

5.1 Modelo del sistema elctrico para la adquisicin y procesamiento de mediciones PMU
Con el objetivo de analizar el comportamiento de los mtodos para estimar los modos oscilatorios en su
aplicacin con mediciones PMU se propone en este trabajo un modelo para la simulacin del sistema
elctrico y del sistema de adquisicin y procesamiento de mediciones fasoriales implementado en el
programa de anlisis de transitorios electromagnticos (Alternative Transient Program, ATP).
Se utiliza el modelo del generador sncrono del ATP y con las herramientas TACS se modelan los sistemas
de control de excitacin de cada uno de los generadores.
A partir de la simulacin del sistema modelado en el ATP se obtienen las mediciones en el tiempo de tensin
y corriente de las tres fases. Estas mediciones son procesadas por el dispositivo PMU modelado por el
diagrama de bloques de la Fig. 1, para obtener los valores fasoriales de tensin y corriente de secuencia
positiva. Finalmente se aplican los mtodos de anlisis de modos oscilatorios a las mediciones fasoriales y a
las seales representativas de otras magnitudes elctricas de inters generadas a partir de las mediciones
fasoriales. En la Fig. 2 se muestra un diagrama de bloque con la metodologa propuesta para realizar el
anlisis modal a mediciones PMU.

Fig. 2 Metodologa propuesta para el anlisis modal de mediciones PMU

5.2 Aplicacin de la metodologa de anlisis modal de mediciones PMU
Se aplica el modelo al anlisis modal basado en mediciones PMU del sistema de caracterstica radial con dos
reas interconectadas por dos lneas largas y cuatro centrales de generacin distribuidas en ambas reas, Fig.
3. Este sistema ha sido ampliamente utilizado en estudios de EPS [24].
Se realiza la simulacin en ambiente ATP y se registran los valores de tensin y corriente en el tiempo de las
tres fases, con una frecuencia de muestreo es 1000 muestras/segundo. Se calculan los fasores, se los procesa
y analiza con los mtodos Prony y Multiprony [26] con el objetivo de determinar los modos oscilatorios poco
amortiguados. En la Fig. 4 se muestra la seal de tensin obtenida de la simulacin con el ATP, la
reconstruccin del valor RMS de la tensin a partir de los fasores y el resultado del anlisis Prony, fi y i.,
frecuencia y amortiguamiento de los modos poco amortiguados.
Con el objetivo de verificar los resultados obtenidos al aplicar el anlisis modal a mediciones PMU se
modela el sistema elctrico de la Fig.3 las funciones del programa PST (Power Systems Toolbox) que
calcula transitorios electromecnicos y es utilizado para el estudio por simulacin de EPS [25]. Se emplea el
modelo subtransitorio del generador y un sistema de control de excitacin simple en cada generador. Se
linealiza el modelo del sistema alrededor de un punto de operacin definido por un clculo de flujo de carga
para obtener la matriz de estado del modelo y as calcular los auto-valores que representan los modos OBF.
G1

10

20

101

C3
2

G2
Area 1

13

C101
L3

120

110

11

G3

C13
L13

12

G4
Area 2

Fig. 3 Diagrama unifilar del sistema de potencia en estudio

i , fi

v(t) de simulacin con

ATP

Procesamiento v(t) para obtener fasor

V y seal RMS

Resultados anlisis
Prony

Fig. 4. Mediciones obtenidas a travs del ATP

6

En la Tabla I se han volcado la frecuencia y el amortiguamiento relativo correspondiente a los modos interrea y locales poco amortiguados calculados con funciones del PST [25].
TABLA II. RESULTADOS ANALISIS PRONY (VENTANA 5s)
TABLA III. RESULTADOS ANALISIS
PRONY (VENTANA 10S)
ATP
Amortiguamient
Frecuencia (Hz)
o
CORRIENTE
0.547
-5.45%
GEN2 TENSION
0.547
-5.47%
POTENCIA
0.546
-5.19%
TABLA
I. CARACTERSTICAS
DE LOS
CORRIENTE
0.547
-5.40%
GEN4MODOS
DE LA
FIG. 3.
TENSION DEL SISTEMA
0.546
-5.51%
POTENCIA (Hz) Amortiguamiento
- Tipo
Modo Frecuencia
1
2
3

0.526
0.991
1.029

-4.44%
7.05%
6.78%

CORRIENTE
GEN2 TENSION
POTENCIA
CORRIENTE
GEN4 TENSION
POTENCIA

ATP
Simulacin PST
Frecuencia
Amortiguamiento Frecuencia (Hz) Amortiguamiento
(Hz)
0.544
-5.32%
0.526
-4.43%
0.517
3.91%
0.526
-4.46%
0.544
-5.08%
0.526
-4.44%
0.546
-5.43%
0.532
-5.71%
0.544
-5.40%
0.525
-4.43%
0.545
-5.44%
0.525
-5.27%

TABLA IV. RESULTADOS ANALISIS MULTIPRONY

(GRUPOS DE SEALES POR GENERADOR) (VENTANA 5s)

Inter-rea
Local rea 1
Local rea 2

ATP
Frecuenci
Amortiguamiento
a (Hz)
GEN2

0.545

-5.52%

Simulacin PST
Frecuencia Amortiguamiento
(Hz)
(%)
0.496

4.27%

1.096

3.36%

GEN4
0.546
-5.52%
Se realiza el anlisis Prony a las seales de
0.543
-2.78%
magnitud de tensin, magnitud corriente y
la potencia activa de cada uno de los generadores obteniendo la frecuencia y amortiguamiento de los modos
presentes en el sistema de potencia. En las Tablas II y III se presentan los resultados del anlisis Prony [26]
para la metodologa propuesta basada en PMU y para la simulacin del sistema utilizando el programa PST.
Se han descartado los modos muy amortiguados, con amortiguamiento mayor al 15%, y los modos de muy
baja amplitud, menor a un dcimo de la mayor amplitud de los modos crticos. Se ha utilizado una ventana
de 5s, Tabla II, y otra de 10s, Tabla III. En laTabla IV se presentan los resultados del anlisis multiProny con
una ventana de 5 s.

En la Tabla II se observa que el modo inter-rea con amortiguamiento negativo es identificado con el anlisis
Prony realizado en base a mediciones PMU y con seales del PST. La comparacin de los valores de
frecuencia y amortiguamiento, Tabla II, muestra que el anlisis Prony basado en mediciones PMU entrega
resultados muy aproximados a los del anlisis Prony aplicado a seales de la simulacin con el PST y a los
autovalores calculados con la linealizacin del modelo del PST, Tabla I. Por lo que aplicar el anlisis Prony a
mediciones PMU conduce a resultados razonablemente aceptables. Se observa que el anlisis Prony
realizado a la magnitud de la tensin del generador 2, Tabla II, conduce a un amortiguamiento errneamente
positivo, resultado que es superado al aplicar el anlisis MultiProny al conjunto de las tres variables del
generador, Tabla IV. La importancia de la duracin de la ventana de tiempo en la que se aplica el anlisis
Prony queda en evidencia si se comparan los resultados de las Tablas II y III. Con una ventana de 10 s se
obtienen resultados no vlidos en la potencia del generador 4 en la cual no se identifica el modo inter-rea.
6 CONCLUSIONES
Se ha presentado un anlisis de la tendencia actual para el monitoreo en tiempo real de la EPS durante la
operacin del SEP. Se analizaron diferentes propuestas para estimar la presencia de modos oscilatorios no
amortiguados o poco amortiguados en el SEP. Las metodologas basadas en mediciones directas del SEP se
presentan como ms atractivas frente a las que requieren la simulacin del SEP mediante herramientas CI.
Los resultados de la aplicacin del mtodo Prony con mediciones PMU muestran que el mtodo es adecuado
para la evaluacin en tiempo real de las OBF. Sin embargo existen varios aspectos a definir para asegurar su
buen comportamiento: duracin de la ventana de tiempo de anlisis, seleccin de la variable o conjunto de
variables a utilizar para el clculo, y que el sistema opere en estado estacionario. Condicionamientos que
conducen a estudiar otros mtodos alternativos para identificar OBF a partir de mediciones PMU, como la
transformada de Hilbert que contempla la no-linealidad del sistema y el procesamiento en estado transitorio.
Todo esto muestra que la supervisin y evaluacin en tiempo real de la EPS es un tema an no resuelto en el
que es necesario seguir investigando.

7
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]

[16]

[17]

[18]
[19]
[20]

[21]

[22]
[23]
[24]
[25]

REFERENCIAS
C. Martinez , J. Parashar, J. Dyer, and J. Coroas. Phasor Data Requirements for real time Wide-Area
Monitoring, Control and Protection Applications CERTS/EPG, Jan 2005.
Prabha Kundur, Power System Stability and Control, New York:McGrawHill, 1994, 1176 p
Simon P. Teeuwsen, Oscillatory Stability Assessment of Power Systems using Computational
Intelligence. Tesis Doctoral, Universitt Duisburg-Essen, Mrz 2005.
IEEE standard for SCADA and automation systems. IEEE Std C37.1-2007 (revision of IEEE Std
C37.1-1994), 2008. www.ieee.org
J. Hauer, D. Trudnowski, and J. DeSteese. A Perspective on WAMS Analysis Tools for Tracking of
Oscillatory Dynamics. IEEE Power Engineering Society General Meeting 2007, pp. 1-10, Jun. 2007
W. Sattinger, J. Bertsch, and P. Reinhardt. Operational Experience with Wide Area Monitoring
Systems. CIGR 2006 Session Paris, 2006. www.abb.com
IEEE Standard for Synchrophasors for Power Systems. IEEE Std C37.118-2005 (revision of IEEE
Std 1344-1995), 2005. www.ieee.org
E.O. Schweitzer and D.E. Whitehead, Real-Time Power System Control Using Synchrophasors,
61st Annual Conference for Protective Relay Engineers, pp. 78-88, Apr. 2008.
A.G. Phadke, Synchronized phasor measurements - a historical overview. In Transmission and
Distribution Conference and Exhibition 2002: Asia Pacific. IEEE/PES, vol.1, pp. 476-479, Oct. 2002.
Mark Adamiak, W. Premerlani, and B. Kasztenny. Synchrophasors: Definition, Measurement, and
Application GE Multilin Publications, pp 1-13, Mar. 2005. http://www.geindustrial.com
Jaime Quintero, A real-time wide-area control for mitigating small-signal instability in large electric
power systems. Tesis Doctoral, Washington State University, May. 2005.
Assessment of Applications and Benefits of Phasor Measurement Technology in Power Systems:
GE Power Syst. Eng., EPRI Final Rep., Apr. 1997 http://www.epriweb.com/public/TR-107903.pdf.
A.R. Messina, and V. Vittal. Nonlinear, non-stationary analysis of interarea oscillations via Hilbert
spectral analysis. IEEE Transactions on Power Systems, vol 21, Issue. 3, pp.1234-1241, Aug. 2006.
Y. Zhang and A. Bose. Design of Wide-Area Damping Controllers for Interarea Oscillations. IEEE
Transactions on Power Systems, vol. 23, Issue. 3, pp. 1136-1143, Aug. 2008.
D. Dotta, A. S. e Silva, and I. C. Decker. Power System Small-Signal Angular Stability Enhancement
using Synchronized Phasor Measurements. IEEE Power Engineering Society General Meeting, 2007.
pp. 1-8, Jun. 2007.
Guoping Liu, Jaime Quintero, and Vaithianathan Mani Venkatasubramanian. Oscillation monitoring
system based on wide area synchrophasors in power systems, 2007 iREP symposium Bulk Power
System Dynamics and Control - VII. Revitalizing Operational Reliability, pp. 1-13, Aug. 2007.
Jinyu Xiao, Xiaorong Xie, Yingduo Han, and Jingtao Wu. Dynamic tracking of low-frequency
oscillations with improved Prony method in wide-area measurement system. 2004. IEEE Power
Engineering Society General Meeting, Vol.1 pp.1104-1109, Jun. 2004.
D.J. Trudnowski, J.M. Johnson, and J.F. Hauer, SIMO system identification from measured
ringdowns, Proceedings of the 1998 American Control Conference. vol.5, pp. 2968-2972, Jun. 1998.
D.J. Trudnowski, J.M. Johnson, and J.F. Hauer. Making Prony analysis more accurate using multiple
signals. IEEE Transactions on Power Systems, Vol. 14, Issue. 1, pp. 226-231, Feb. 1999.
T.J. Browne, V. Vittal, G.T. Heydt, and A. R. Messina. A Comparative Assessment of Two
Techniques for Modal Identification From Power System Measurements. IEEE Transactions on
Power Systems, vol. 23, Issue 3, pp. 1408-1415. 2008
P. Korba, M. Larsson, and C. Rehtanz. Detection of oscillations in power systems using Kalman
filtering techniques. IEEE Conference on Control Applications, 2003. Proceedings of 2003, vol.1,
pp.183-188, Jun. 2003.
www.abb.com
E. Feilat and N. Younan, On-line adaptive assessment of the synchronizing and damping torque
coefficients using Kalman filtering, IEEE Proceedings Southeastcon '99, pp. 145-148. Mar. 1999.
G. Rogers, Power System Oscillations, Kluwers Power Electronic and Power Systems Series, Series
Editor: M.A. Pai, Canada. 2000.
Joe Chow, and G. Rogers, Power System Toolbox Version 3.0, Cherry Tree Scientific Software, 2008.
8

[26] BPA/PNNL Dynamic Systems Identification (DSI) Toolbox: Version 3.0.4, Battelle Memorial
Institute, 1998.