09 OSEP Estimacion de Estado

Universidad Tcnica
Federico Santa Mara
ELI-349
Operacin de sistemas elctricos de potencia
Estimacin de estado en SEP

1er semestre de 2016
Dr. Ignacio A. Calle
Estimacin de estado Introduccin

La supervisin de los sistemas elctricos provee al operador con la informacin
sobre las condiciones de operacin, de modo que esta es una funcin muy
importante para que sea posible la operacin y control en tiempo real de los mismos.
La operacin efectiva del sistema necesitar de cantidades medidas y los valores de
estas mediciones a su vez sern transmitidos a los centros de control, involucrando
esquemas que permiten supervisar tensiones, corrientes, flujos de potencia y el
estado de los interruptores de circuitos en el sistema elctrico.
Adems, otra informacin importante como la frecuencia, unidades generadoras y
posicin del cambiador de derivacin en transformadores tambin puede ser
procesada por estos sistemas de telemedicin.
Toda esta informacin telemedida simultneamente, sera imposible de ser
procesada dentro de un marco de tiempo razonable por un operador, es por ello que
sistemas de computo son utilizados en los centros de control para procesar la
informacin y generar alarmas para prevenir a los operadores cuando una variable
est alcanzando o violando un lmite preestablecido.
ELI 349 - Operacin de sistemas elctricos de potencia
IAC/2016
Estimacin de estado Ejemplo

Estimacin de estado en un sistema DC
Considere el sistema de tres nodos de la figura, el cual cuenta con tres mediciones
de potencia con las que se desea calcular los ngulos de fase de las tensiones, as
como toda la carga y la generacin del sistema.
IAC/2016

1. Supongamos que usamos las mediciones M13 y M32, y adems supongamos que
dichas mediciones son perfectas, siendo los flujos de potencia medidos en las
respectivas lneas de transmisin:
M13 5 MW 0,05 pu
M 32 40 MW 0,40 pu
El flujo en las lneas 1-3 y 3-2 ser:
1
(q1 q3 ) M13 0,05 pu
x13
1
f32
(q3 q2 ) M 32 0,40 pu
x32
f13
Definiendo el ngulo de referencia como q3 = 0 rad., y resolviendo el sistema de

ecuaciones, se obtiene:
q1 0,02 rad.
q2 0,10 rad.
IAC/2016

2.
Ahora analicemos que ocurre si tenemos las mismas tres mediciones pero con
ligeros errores:
M12 62 MW 0,62 pu
M13 6 MW 0,06 pu
M 32 37 MW 0,37 pu
Si, nuevamente, utilizamos las mediciones en las lneas 1-3 y 3-2, obtendremos:
q1 0,024 rad.
q2 0,0925 rad.
q3 0 rad.
Con estos resultados se alcanzan los flujos predichos por M13 y M23, pero el
resultado para el flujo calculado en la lnea 1-2 (M12 = 58,25 MW) difiere del
valor medido.
Lo que necesitamos es un procedimiento que utilice la informacin disponible de
los tres medidores para producir la mejor estimacin de los ngulos reales, los
flujos de lnea, la carga y la generacin.
IAC/2016
Estimacin de estado Descripcin del problema

La funcin principal de un estimador de estado es minimizar los errores e
inconsistencias en la informacin obtenida por medio de la medicin de valores de
ciertas variables que caracterizan la operacin de un sistema.
Basndose en lo anterior, el propsito de un estimador de estado para sistemas
elctricos es combinar la informacin concerniente a la configuracin de la red
elctrica, mediciones en tiempo real y pseudomediciones, para estimar el estado
real de la operacin del sistema. En sistemas elctricos, tal estado es
completamente determinado por la magnitud de las tensiones nodales con sus
respectivos ngulos de fase.
La estimacin estadstica se refiere al procedimiento basado en el uso de muestras
que se utilizan para calcular el valor de uno o ms estados o parmetros
desconocidos en un sistema dado. Cuando las muestras (o mediciones) son
inexactas, la estimacin obtenida para el parmetro desconocido es tambin
inexacta. Esto conduce al problema de obtener una mejor estimacin de los
parmetros desconocidos, dadas las mediciones o muestras disponibles de un
sistema para el cual se desea conocer sus condiciones de operacin.
IAC/2016
Estimacin de estado Descripcin del problema

El desarrollo de la idea de estimacin de estado depender del criterio estadstico
seleccionado para resolver el problema. De los criterios que se han desarrollado y
utilizado en varias aplicaciones, tres son los ms favorecidos:
1.
El criterio de mxima probabilidad, donde el objetivo es maximizar la

probabilidad de que la estimacin de la variable de estado sea el valor real del
vector de variables de estado.
2.
El criterio de mnimos cuadrados, cuyo propsito es minimizar la suma de los

cuadrados de las diferencias entre las mediciones estimadas y las mediciones
actuales.
3.
El criterio de mnima varianza, cuyo fin es minimizar el valor esperado de la

suma de los cuadrados de las diferencias entre las componentes estimadas del
vector de variables de estado y las correspondientes componentes reales.
IAC/2016
Estimacin de estado Error en las mediciones

El criterio de mxima probabilidad asume que se conoce la funcin de densidad de
probabilidad (FDP) de los errores en las mediciones. La estimacin usando el
mtodo de mnimos cuadrados tambin requiere que la funcin de densidad de
probabilidad de los errores en la medicin se conozca, para lo cual, se asume que la
funcin de densidad de probabilidad del error en la medicin es una funcin de
distribucin normal (Gaussiana).
Tomando cuidadosamente muestras (o mediciones) de un sistema dado,

inevitablemente se involucra algn ruido en forma aleatoria dentro del proceso de
medicin, lo cual distorsiona en menor o mayor grado los resultados. Sin embargo,
repetidas mediciones de una misma cantidad bajo cuidadosas condiciones
controladas, revelan ciertas cantidades estadsticas desde las cuales el valor real
puede ser estimado.
Matemticamente:
z medida z real h
donde zmedida es el valor proporcionado por el aparato de medicin, zreal es el valor

real de la cantidad medida, y h es el error de la medicin.
IAC/2016
Estimacin de estado Error en las mediciones

El valor de h modela el error del aparato de medicin. Si el error en la medicin es
imparcial, la funcin de densidad de probabilidad de h usualmente se considera
como una distribucin normal:
h2
1
FDP(h )
exp 2
s 2
2s
donde FDP(h) describe el comportamiento de h, s es la desviacin estndar y s2 es
la varianza de h.
FDP(h )
3s
2s
prob(a h b)
FDP(h )
h2
1
exp 2
s 2
2s
0 a
b s
2s
3s
La FDP(h) est centrada en cero, lo que significa que el valor esperado del error en
la medicin es cero.
IAC/2016
Estimacin de estado Concepto de mxima probabilidad

Se estimar el valor de la tensin de la fuente xreal, utilizando como aparato de
medicin un ampermetro, el cual proporciona un error a la medicin con una
desviacin estndar conocida.
El ampermetro proporciona una lectura
z1medida z1real h1
Cuando el valor de h es cero, entonces se sabe que el valor de z1medida es igual a
z1real, es decir, se trata de una medicin perfecta. La FDP para z1medida ser:
medida
1
FDP( z
( z1medida z1real )2
1
)
exp
2s12
s1 2
IAC/2016
10

Si se asume que el valor de la resistencia r1 es conocida, puede transformarse en:
2
medida
1
1
r1
1
medida
FDP( z1
)
exp
2
2
s
s1 2
1
Volviendo a la definicin del estimador de mxima probabilidad, buscamos un xest

que maximice la probabilidad de que la medida observada realmente ocurra. La
probabilidad de obtener en la lectura z1medida, se determina en la forma:
medida
1
prob( z
z1medida dz1medida
) medida
z1
FDP( z1medida )dz1medida
Como dz1medida 0, entonces:
prob( z1medida ) FDP( z1medida )dz1medida
IAC/2016
11

El procedimiento de mxima probabilidad entonces requiere que se maximice el
valor de prob(z1medida), que es funcin de x:
max prob( z1medida ) max FDP( z1medida )dz1medida

x
una transformacin conveniente puede usarse en este punto, al maximizar el

logaritmo natural de FDP:
max Ln FDP( z1medida )

x
z1medida r11 x
max Ln s1 2
x
2s12
Como el primer trmino es constante, ste no es optimizable. Adems, como el

segundo trmino tiene un coeficiente negativo, puede escribirse:
2
2
medida
medida
1
1
x
z
r1
r1
1
1
min
max Ln s1 2
2
2
x
x
2s1
2s1
IAC/2016
12

De donde el valor de x que minimiza la ecuacin se obtendr de:
2
medida
1
x
z1medida r11 x
d 1
r1
0
2
dx
2s1
r1s12
xest r1 z1medida
que es un resultado obvio.
IAC/2016
13

Veamos qu ocurre cuando en lugar de una medicin se tienen dos, como muestra
la figura:
En este anlisis, se supone que ambas resistencias, r1 y r2, , son conocidas. De

manera similar al caso anterior, cada lectura de medicin se modela como la suma
del valor real y su error.
z1medida z1real h1
z2medida z2real h2
IAC/2016
14

Suponiendo que los errores son independientes y con funciones de densidad de
probabilidad:
h12
1
FDP(h1 )
exp 2
s1 2
2s1
h22
1
FDP(h2 )
exp 2
s 2 2
2s 2
Escribiendo stas en funcin de z1medida y z2medida, tenemos:
( z1medida r11 x)2

1
FDP( z
)
exp
2
s
s1 2
1
( z2medida r12 x)2

1
medida
FDP( z2
)
exp
2s 22
s 2 2
medida
1
IAC/2016
15

Si se considera que los errores h1 y h2 son variables independientes, la probabilidad
de obtener z1medida y z2medida, puede escribirse como:
prob( z1medida , z2medida ) prob( z1medida )prob( z2medida )

FDP( z1medida )dz1medida FDP( z2medida )dz2medida
Maximizando esta funcin:
z medida 1 x
r1
1
medida
medida
max prob( z1
, z2
) min
x
x
2s12
z
2
2
r12 x
2s 2
medida
2
El mnimo se encuentra obteniendo la derivada e igualando a cero, esto es:
medida 1 x
d z1
r1
dx
2s12
z
2
2
r12 x z1medida r11 x
z2medida r12 x

2

2s 2
r1s12
r2s 22

medida
2
IAC/2016
16

Obtenindose:
xest
z1medida z2medida
rs 2 r s 2
2 2
1 1
1 1
r12s12 r22s 22
Si uno de los ampermetros es de calidad superior, entonces la varianza de ste

ser mucho ms pequea que la del otro ampermetro. Por ejemplo, si s12 << s22,
entonces la ecuacin para el valor estimado queda:
xest r1 z1medida
De lo anterior, se observa que la estimacin de parmetros desconocidos utilizando
el mtodo de mxima probabilidad recae en las mediciones de acuerdo a su calidad.
IAC/2016
17

Generalizando lo anterior, si se estima el valor de un solo parmetro x usando Nm
mediciones, se puede escribir la siguiente expresin:
Nm
min J x
x
zimedida fi x
i 1
s i2
donde
fi es la funcin usada para calcular el valor que est siendo medido por el i-simo
aparato de medicin;
si2 es la varianza para la i-sima medicin;
J(x) es la medicin residual;
Nm es el nmero de mediciones independientes;
zimedida es la i-sima medicin.
Si se desean estimar Ns estados desconocidos, usando Nm mediciones, se obtiene:
Nm
min J x1 , x2 ,..., xNs

x1 , x2 ,..., xNs
i 1
zimedida fi x1 , x2 ,..., xN
s
(1)
2
i
IAC/2016
18
Estimacin de estado Mtodo de mnimos cuadrados

Si las funciones fi son lineales, entonces se puede escribir:
fi x1 , x2 ,..., xNs fi x hi1 x1 hi 2 x2 ... hiNs xNs

Colocando todas las fi en un vector:
f1 x
f
x
2
H x
f x
f Nm x
donde
[H] es una matriz de Nm x Ns conteniendo los coeficientes de las funciones lineales fi;
Nm es el nmero de mediciones;
Ns es el nmero de variables a estimar.
IAC/2016
19

Introduciendo las mediciones dentro de un vector:
z medida
z1medida
medida
z
medida
zNm
Se puede escribir la ecuacin (1) de forma ms compacta como
min J x z medida f x R 1 z medida f x

x
T
(2)
donde [R] se conoce como la matriz de covariancia de errores en la medicin, la cual

contiene la desviacin estndar de cada una de las mediciones. Esta matriz tendr
solamente elementos diferentes de cero en la diagonal si las desviaciones estndar en las
mediciones son independientes entre si.
s12 0
0 s 22
0 0
s N2 m
IAC/2016
20

Para obtener la expresin general del mnimo en la ecuacin (2), se expande la
expresin y se sustituye f(x) por [H]x, obtenindose:
min J x z medida R 1 z medida xT H R 1 z medida

x
T
z medida R 1 H x xT H R 1 H x
T
El mnimo de J(x) se obtiene cuando J(x) / xi = 0, i =1, , Ns; lo cual es lo

mismo que decir que el gradiente de J(x), xJ(x), es exactamente cero.
J x 2 H R 1 z medida 2 H R 1 H x 0
T
dando como resultado

T
x H R 1 H
est
H T R1 z medida
Esta ecuacin es vlida cuando Ns < Nm, es decir, cuando el nmero de parmetros o
variables de estado que sern estimados es menor que el nmero de mediciones
hechas.
IAC/2016
21

Cuando Ns = Nm, el problema de estimacin se reduce a:
xest H z medida
1
Cuando Ns > Nm, por lo general implica que pueden ser hallados muchos valores
diferentes para xest, que cumplan fi (xest) igual a zimedida i =1, , Nm. El objetivo es
encontrar xest tal que la suma de los cuadrados de xiest es mnima:
Ns
min xi2 xT x
x
i 1
sujeta a fi (xest) = [H]x = zmedida. La solucin cerrada bajo estas condiciones es:
1
T
T
xest H H H z medida
IAC/2016
22

Caso
Descripcin
Solucin
Comentario
T
x H R 1 H
est
Ns < Nm
Ns = Nm
Ns > Nm
Sobredeterminado
Completamente
determinado
Subdeterminado
H T R1 z medida
xest H z medida
1
T
T
xest H H H z medida
xest es la estimacin de
mxima probabilidad de x
dadas las mediciones
zmedida
xest se ajustar
exactamente a las
mediciones zmedida, con
todo y sus errores.
xest es el vector de norma
mnima que adapte las
cantidades medidas a las
mediciones, exactamente.
La obtencin de la inversa de las ecuaciones anteriores, no siempre es posible. En

los dos primeros casos, la singularidad implica que se tiene un sistema
inobservable. En el caso subdeterminado, la singularidad implica que no existe
solucin nica al problema.
IAC/2016
23

Volvamos al ejemplo inicial:
Del desarrollo anterior se sabe que los estados q1 y q2 pueden ser estimados
minimizando el residuo J(q1, q2). Considrese que todas las mediciones tienen las
siguientes caractersticas:
Valor del medidor a plena escala: 100 MW
Precisin del medidor: 3 MW
IAC/2016
24

Esto se interpreta como la media de que los medidores proporcionen una medicin
en el rango de 3 MW del valor medido para el 99% de las mediciones.
Matemticamente se dice que el error esta distribuido de acuerdo con una funcin
de distribucin normal de probabilidad con una desviacin estndar s.
Se asume que la precisin del medidor es igual a 3s, entonces la desviacin

estndar ser s = 1 MW = 0,01 pu.
IAC/2016
25

La frmula para la estimacin de estado es:
T
xest H R 1 H
H T R1 z medida
Para el sistema de tres nudos se tiene:
q1est
x est
q2
est
Para derivar la matriz H se requiere escribir las mediciones como una funcin de las
variables de estado q1 y q2. Estas funciones son dadas en por unidad como:
1
q1 q2 5q1 5q2
0,2
1
M13 f13
q1 q3 2,5q1
0,4
1
M 32 f32
q3 q2 4q2
0,25
M12 f12
IAC/2016
26

El ngulo de referencia es q3, por lo que se considera igual a cero. Por tanto:
5 5
H 2,5 0
0 4
La matriz de covariancia de las mediciones R, es:
s M2 12
0,0001
R
s M2 13
0,0001

s M 32
0,0001
Dado que los coeficientes de la matriz H estn en por unidad, por tanto los valores
de R y zest tambin deben estar en por unidad.
IAC/2016
27

El estimado de q1 y q2 se calcula como:
est
q1 5
est 5
q2
2,5
0
0,0001
0,0001
0,0001
2,5
0
0,0001
0,0001
0,0001
5
2,5
0
0,62
0,06
0,37
q1est 312500 250000 32500 0,028571

est 250000 410000 45800 0,094286

q2
IAC/2016
28

Con los valores estimados de los ngulos de fase se puede calcular los flujos en
cada lnea de transmisin y la generacin neta o demanda en cada nodo.
f12 50,028571 5(0,094286) 0,614

f13 2,50,028571 0,0714
f32 4(0,094286) 0,377
IAC/2016
29

Considrese ahora que el equipo de medicin M13 tiene mayor precisin con
respecto al resto de los equipos.
Valor del medidor a plena escala: 100 MW
Precisin del medidor: 0,3 MW s = 0,1 MW = 0,001 pu.
q1est 5
est 5
q2
2,5
0
0,0001
0,000001
0,0001
5
2,5
2,5
0
0,0001
0,000001
0,0001
0,62
0,06
0,37
q1est 0,024115
est 0,097003
q2
IAC/2016
30

Con los nuevos valores estimados de los ngulos de fase, se pueden calcular los
flujos en cada lnea de transmisin y la generacin neta o demanda en cada nodo.
f12 50,024115 5(0,097003) 0,605

f13 2,50,024115 0,06
f32 4(0,097003) 0,388
IAC/2016
31
Estimacin de estado SEP

El estado de un sistema elctrico es expresado por las magnitudes de tensin y
ngulo de fase de las tensiones nodales. Estos datos son procesados por el
estimador de estado, que consiste en un programa de ordenador que calcula las
magnitudes de tensin y sus respectivos ngulos de fase.
En una aplicacin tpica de un estimador de estado en tiempo real, muchas
cantidades de inters son medidas y enviadas a travs de canales de comunicacin
peridicamente cada pocos segundos a los centros de control de energa.
Flujos de potencia real y reactiva en elementos de transmisin.
Magnitudes y ngulos de tensiones nodales.
Inyeccin de potencia real y reactiva nodales.
Debido a varias consideraciones, no todas las cantidades de kV, MW, y Mvar son
medidas. El criterio para seleccionar el grupo de las cantidades a ser medidas
depende del tamao del sistema de potencia, el nivel de redundancia requerido, y
tambin el costo de los sistemas de telemedicin.
IAC/2016
32

Se demostr que mediante la aplicacin del criterio de mxima probabilidad a la
estimacin de estado, es posible definir un clculo de mnimos cuadrados para
mediciones provenientes de un sistema lineal, mediante la minimizacin de la suma
del residuo de las mediciones.
Nm
min J x
x
i 1
zimedida fi x
s i2
(3)
En el caso de un sistema lineal, las funciones fi (x) son lineales y se pueden resolver
al minimizar directamente J(x), pero en una red de CA las ecuaciones para el flujo de
potencia en una lnea de transmisin no son funciones lineales de la tensiones de
nodo (mdulo y ngulo de fase), por lo tanto las funciones fi (x) sern no lineales,
excepto para la medicin de la magnitud de tensin.
IAC/2016
33

Para las medidas de la potencia activa y reactiva en una lnea de transmisin, se
tendrn los siguientes trminos de J(x):
MW medidos VY V cos q V cos d d q

ij
i ij
i
ij
j
i
j
ij
2
s MW
ij
Mvar medidos VY V sin q V sin d d q

ij
i ij
i
ij
j
i
j
ij
2
s Mvar
ij
La medicin de la magnitud de tensin dara el siguiente trmino en J(x):
Vi
medidos
s V2
donde:
Vi es la magnitud de la tensin del nodo i;
di es el ngulo de la tensin del nodo i;
s2MW es la divisin estndar de la medicin en MW.
Funciones similares se pueden obtener para inyecciones de potencia en un nodo.

IAC/2016
34

Si no tenemos relaciones lineales entre las variables de estado y las ecuaciones de
los flujos de potencia en la red, la solucin de (3) ya no podr obtenerse por la
simple resolucin de un sistema de ecuaciones lineales, por lo que se necesitar un
mtodo iterativo para minimizar J(x).
Un tcnica utilizada en sistemas de potencia, es calcular el gradiente de J(x) y luego
forzarlo a ser cero usando el mtodo de Newton.
Como se dedujo previamente, el gradiente de J(x) es:
f1
J (x)
x
x
1
1
f1
J (x)
x J x x2 2 x2
J (x)
f1
x
xs
Ns
f 2
x1
f 2
x2
f 2
xNs
f Nm 1
x1 s12
f Nm
x2
f Nm
xN
s
s 22
z1 f1 x
f
x
2
2

f
x
Nm

1 Nm
s N2 m
IAC/2016
35

Poniendo las funciones fi (x) en forma de vector y calculando el Jacobiano de f(x),
obtenemos:
f1
x
1
f 2
f (x) x
1
x
f Nm
x
1
Donde su traspuesta es:
f1
x
1
f1
x2
f1
x
Ns
f1
x2
f 2
x2
f Nm
x2
f 2
x1
f 2
x2
f 2
xNs
f1
xNs
f 2
xNs H
f Nm
xNs
f Nm
x1
f Nm
x2
f Nm
xNs
IAC/2016
36

Adems:
s12
s 22
s N2 m
Entonces podemos reescribir el gradiente de J(x) como:
z1 f1 x
T
1 z2 f 2 x
x J x 2 H R
z Nm f Nm x
Para hacer el gradiente de J(x) igual a cero, aplicamos el mtodo de Newton,

obteniendo:
J x
x x
x J x
IAC/2016
37

El Jacobiano del gradiente de J(x) se calcula pensando [H] como una matriz
constante, entonces:
z1 f1 x
x J x
T
1 z2 f 2 x
2 H R
x
x
zNm f Nm x
2 H R
H
T
1
2 H R H
T
Luego, x tendr la forma:
z1 f1 x
1
T
1
T
1 z2 f 2 x
x 2 H R H 2 H R
zNm f Nm x
z1 f1 x
1
T
1
T
1 z2 f 2 x
H R H H R
f
x
Nm
Nm
IAC/2016
38

La ecuacin anterior se aplica para resolver el problema de estimacin de estado en
redes de CA. En la figura se muestra el algoritmo de solucin para este problema,
donde se observa que el proceso iterativo es similar al usado por el mtodo de
Newton en la solucin de flujos de potencia.
INICIO
Formar Y BUS (empaquetada)
Leer Mediciones z i , para i 1, . . . , N m
Resolver:
H R H x H R z f x
T
Resolver z i f i x , para i 1, . . . , N m
Formar la matriz Jacobiana:
H
(empaquetada)
Calcular: H R
f i x
(utilizando disp ersidad)

Calcular: max xi , para i 1, . . . , N s
max
SI
TERMINAR
NO
Calcular: H R H
T
Actualizar x : xk+1 xk x
IAC/2016
39
Estimacin de estado Mediciones errneas

La habilidad para detectar e identificar mediciones errneas es muy valorada por los
operadores de sistemas de operacin. Los transductores, el medidor o la
transmisin pueden no funcionar correctamente as que simplemente las mediciones
son errneas.
El residuo J(x) se utiliza para detectar mediciones errneas, ya que un J(x) pequeo
implica ausencia de mediciones errneas. Por el contrario, la presencia de
mediciones errneas provocan que el valor del residuo sea mayor de los esperado.
Qu magnitud del residuo J(x) indica la presencia de mediciones errneas?
Debido a que el error en las mediciones son valores aleatorios, el valor de J(x) es
tambin aleatorio. Si se asume que todos estos errores son descritos por sus
respectivas funciones de densidad de probabilidad normal, entonces se puede
demostrar que J(x) tiene una funcin de densidad de probabilidad llamada
distribucin de Pearson, conocida como distribucin Chi-cuadrado, la cual se
identifica como c2K,a. El parmetro K es conocido como los grados de libertad de la
distribucin Chi-cuadrado, y a es el nivel de significancia, o la probabilidad con la
cual J(x) excede a c2K,a. El parmetro K se define como:
K Nm Ns
IAC/2016
40

En la figura se muestra la grfica de distribucin Chi-cuadrado para un valor
pequeo de K, en la cual se observa que no es simtricamente distribuida. El rea
bajo la curva a la derecha de c2K,a en esta figura, es igual a a, y el rea restante, (1 a), es la probabilidad con que J(x) con K grados de libertad debe ser menor que
c2K,a.
prob J x c K2 ,a 1 a
Basndose en esta ecuacin, el valor con el cual J(x) es menor que c2K,a, puede ser
determinado usando valores tabulados de c2K,a.
IAC/2016
41

Por ejemplo, para un nivel de significancia a = 0,01 y con K = 2, el valor con el cual
J(x) es menor que c2K,a, con probabilidad (1 0,01) o 99 %, es cuando c2K,a = 9,21.
De esta manera, la distribucin Chi-cuadrado proporciona una prueba para la
deteccin de mediciones errneas.
IAC/2016
42
Estimacin de estado Procedimiento de deteccin

En la deteccin de mediciones errneas se puede llevar a cabo un procedimiento de
prueba, en el cual se incluyan los aspectos estadsticos aqu mencionados. Este tipo
de prueba es conocido formalmente como Prueba de Hiptesis, la cual puede
resumirse en los siguientes pasos:
1. Usando el vector de mediciones zmedida para un sistema determinado, estimar xest,
aplicando la tcnica de mnimos cuadrados;

2. Evaluar
Nm
J x
i 1
zimedida fi x
s i2
3. Para un apropiado nmero de grados de libertad K = Nm Ns, y un determinado grado
de confianza, determinar J(x) < c2K,a de acuerdo a la tabla de valores de la distribucin

Chi-cuadrado. Si J(x) < c2K,a, entonces se concluye que la estimacin es aceptable.
4. Si J(x) > c2K,a, entonces por medio de J(xi) se determinan los datos (mediciones) que
son errneos y se eliminan. A continuacin se evala nuevamente la estimacin de

estado. Si el nuevo valor de J(x) es menor que c2K,a, entonces se concluye que los
datos omitidos han sido suficientes para obtener una buena estimacin de estado.
IAC/2016
43
Estimacin de estado Mediciones y pseudomediciones

En una operacin convencional de un sistema elctrico de potencia, es necesaria
una mayor supervisin del sistema en tiempo real para optimizar su operacin y
ofrecer una buena calidad del servicio a los consumidores. Sin embargo,
desafortunadamente, estas mediciones son limitadas y casi siempre insuficientes
para llevar a cabo un control en tiempo real, ya que no es posible medir cada
cantidad y enviarla al SCADA del centro del control.
Afortunadamente, se cuenta con datos histricos disponibles que pueden ser

utilizados para pronosticar la carga de los alimentadores y transformadores de
distribucin. Otra opcin es realizar un estudio de flujos de potencia que ser usado
para obtener una solucin aproximada y emplearla dentro del grupo de mediciones.
Estos datos son tratados como pseudomediciones. Los pesos asignados (desviacin
estndar) para las pseudomediciones, son mayores que los asignados para las
mediciones actuales.
IAC/2016
44
Estimacin de estado
Centro de operaciones del CDEC-SIC
IAC/2016
45

09 OSEP Estimacion de Estado

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

09 OSEP Estimacion de Estado

Hochgeladen von

Copyright:

Verfügbare Formate

Universidad Tcnica

Federico Santa Mara

Estimacin de estado en SEP

Estimacin de estado Introduccin

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Ejemplo

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Ejemplo

Definiendo el ngulo de referencia como q3 = 0 rad., y resolviendo el sistema de

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Ejemplo

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Descripcin del problema

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Descripcin del problema

El criterio de mxima probabilidad, donde el objetivo es maximizar la

El criterio de mnimos cuadrados, cuyo propsito es minimizar la suma de los

El criterio de mnima varianza, cuyo fin es minimizar el valor esperado de la

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Error en las mediciones

Tomando cuidadosamente muestras (o mediciones) de un sistema dado,

donde zmedida es el valor proporcionado por el aparato de medicin, zreal es el valor

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Error en las mediciones

Estimacin de estado Concepto de mxima probabilidad

El ampermetro proporciona una lectura

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Concepto de mxima probabilidad

Volviendo a la definicin del estimador de mxima probabilidad, buscamos un xest

FDP( z1medida )dz1medida

Como dz1medida 0, entonces:

prob( z1medida ) FDP( z1medida )dz1medida

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Concepto de mxima probabilidad

max prob( z1medida ) max FDP( z1medida )dz1medida

una transformacin conveniente puede usarse en este punto, al maximizar el

max Ln FDP( z1medida )

Como el primer trmino es constante, ste no es optimizable. Adems, como el

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Concepto de mxima probabilidad

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Concepto de mxima probabilidad

En este anlisis, se supone que ambas resistencias, r1 y r2, , son conocidas. De

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Concepto de mxima probabilidad

( z1medida r11 x)2

( z2medida r12 x)2

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Concepto de mxima probabilidad

prob( z1medida , z2medida ) prob( z1medida )prob( z2medida )

El mnimo se encuentra obteniendo la derivada e igualando a cero, esto es:

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Concepto de mxima probabilidad

Si uno de los ampermetros es de calidad superior, entonces la varianza de ste

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Concepto de mxima probabilidad

Si se desean estimar Ns estados desconocidos, usando Nm mediciones, se obtiene:

min J x1 , x2 ,..., xNs

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Mtodo de mnimos cuadrados

fi x1 , x2 ,..., xNs fi x hi1 x1 hi 2 x2 ... hiNs xNs

ELI 349 - Operacin de sistemas elctricos de potencia

Estimacin de estado Mtodo de mnimos cuadrados

Se puede escribir la ecuacin (1) de forma ms compacta como