Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FALCO, DJALMA M.
LASPOT Laboratrio de Sistemas de Potncia, COPPE/UFRJ
Programa de Engenharia Eltrica, Caixa Postal 68504, CEP 21941-972, Ilha do Fundo, Rio de Janeiro, RJ
E-mails: falcao@nacad.ufrj.br
Abstract This work presents a methodology for the representation of qualitative information, with high uncertainty content, in the
problem of state estimation in electric power systems. The representation of the uncertainties is carried through using the concepts of
Fuzzy sets, modeled as Fuzzy pseudo-measurements. The Fuzzy pseudo-measurements are represented in the problem of state estimation as inequality constraints, using state estimators models based on Fuzzy programming. The main application of the methodology
is the calculation of the state vector in distribution feeders and modeling of external network in electricity transmission systems, characterized by a weak database in real time, and a great deal of qualitative information. Other advantages of state estimators models,
as robustness to a great variety of gross errors in analogical measures, or the gross errors in the modeling of the Fuzzy pseudomeasures, also are verified.
Keywords State Estimation, Fuzzy Programming, Pseudo-measurements, Gross Error, Power State Vector
Resumo Este trabalho prope uma metodologia para a representao de informaes qualitativas, de natureza imprecisa, no problema de estimao de estado em sistemas de energia eltrica. A representao da informao qualitativa realizada empregando os
conceitos de conjuntos Fuzzy, sendo modelada como pseudomedidas Fuzzy e tratadas no problema de estimao de estado como restries de desigualdade ao problema. Foram desenvolvidos modelos de estimadores de estado aplicando programao linear e quadrtica Fuzzy. A principal aplicao da metodologia o clculo do vetor de estado em redes de distribuio e a representao de redes
externas em sistemas de transmisso de energia eltrica, que so caracterizados por apresentarem ainda uma fraca base de dados disponibilizada em tempo real, e um elevado grau de informaes qualitativas. Outras vantagens dos modelos de estimadores desenvolvidos neste trabalho, como robustez a uma grande variedade de erros grosseiros em medidas analgicas ou a erros grosseiros na modelagem das pseudomedidas Fuzzy, tambm so verificados.
Palavras-chave Estimadores de Estado, Programao Fuzzy, Pseudomedidas, Erros Grosseiros, Vetor de Estados
Introduo
ISBN: 978-85-8001-069-5
de informaes qualitativas, caracterizadas pela experincia acumulada pelo pessoal tcnico ou por
resultados de estudos e pesquisas. Estas informaes
se bem aproveitadas e trabalhadas possibilitariam a
construo de modelos matemticos mais verdicos
para representao do estado de operao da rede
eltrica. Verifica-se para as redes de distribuio de
eletricidade e para os sistemas de transmisso interconectados e no telemetrados (redes de transmisso
externas), um quase total desconhecimento das condies de operao em tempo real, aliada a uma elevada disponibilidade de informaes qualitativas,
com elevado grau de impreciso sobre as suas condies. As redes de distribuio de eletricidade caracterizam-se, historicamente, por um baixo nvel de
monitoramento em tempo real, com insuficincia de
pontos de medio ao longo dos seus alimentadores.
As redes eltricas externas, em sistemas de transmisso de eletricidade, apresentam-se bem monitoradas em relao ao seu Centro de Operao do Sistema (COS), contudo no disponibilizam os valores
monitorados em tempo real para os COSs vizinhos.
A integrao de informaes qualitativas, de carter subjetivo, no uma singularidade nas ferra153
ISBN: 978-85-8001-069-5
1 2
nm
0
sujeito a
2 i =1
g ( x) = 0;
c( x) 0;
J ( x)
i
= 2
= H ' R z-1r = 0
x
i =1 i
Onde (hi ( x) x) a ith linha da matriz H.
A soluo de (4) usualmente obtida pelo mtodo de Gauss-Newton, que implementado pelo
algoritmo abaixo. G a Matriz Ganho do sistema.
154
z1 h1 x
T 1
x G H Rz
h
x
nm nm
(5)
[G] = [H ]T [R]-z1 [H ]
(6)
sujeito a
zi = hi ( x) + ri , 1 i nm
Como a funo objetivo do tipo modular, linear por partes, o problema de estimao pode ser formulado como um problema de programao linear.
nm
(8)
min imizar c T [u + v ]
i =1
sujeito a
H ( x).x + U - V = r
di
U , V 0
di + pi
Bx
Bix
Onde: U, V so vetores auxiliares cujos componentes so as variveis de folga no negativas associadas aos resduos de medio, ui e vi .
cT = [ 1 , 1 , ..., 1 ] o vetor de pondeR1
R2
Rnm
1
se Bi x d i
Bi x d i
i x 1
se d i Bi x d i pi
pi
0
se Bi x d i pi
x 0
ISBN: 978-85-8001-069-5
i 1,, nm 1
sujeito a
( f1 - f 0 ) + cT x f1
(13)
pi + Bi x di + pi , i = 1,..., nm + 1
, x 0; 1
(12)
B i x d i , i = 1,..., nm + 1
x 0
max imize
sujeito a
f 1 ( x) = c T x
(15)
B i x d i + pi , i = 1,..., nm + 1
x 0
cT x f
0
G x
f1 f0
se
se
f1 cT x
(16)
f0 cT x f1
se cT x f0
155
c i [ui + vi ]
i =1
H ( x).x + U - V = r
sujeito a
F ( x).x z Fuzzy
~
U , V 0
H ( x). x + U - V = r
max imizar
sujeito a
(18)
nm
( f1 - f 0 ) + ciT [ui + vi ] f1
i =1
p F ( x).x z Fuzzy
0 1
U ,V 0
x 2
f 2
x 2
f nz
x 2
f nz
f nz
nz
Observa-se na equao (18) que a funo objetivo do problema de estimao de estado VAPR
nm
min imizar
sujeito a
f0 =
c Ti
i =1
[u i + vi ]
H ( x) . x + U - V = r
(21)
D( x) . x z 0
U , V 0
nm
min imizar
f 1 = c Ti [u i + v i ]
i =1
sujeito a
H ( x ) . x + U - V = r
D( x ) . x z1
U , V 0
z 0 = d - h( x)
z1 = d + p - h( x)
ISBN: 978-85-8001-069-5
(22)
R r
(27)
r = s = z - H (x)x
A minimizao de JL(x) pode ser obtida diretamente pelas condies de otimizao de KKT, ou,
alternativamente, por um algoritmo de Programao
Quadrtica PQ, como dado em Gill (Gill, 1998).
Esta ltima aproximao usada para introduzir as
restries Fuzzy no algoritmo de MPQ.
A minimizao de JL(x) encontrada pela soluo do problema de programao quadrtica abaixo:
(28)
1 T -1
min imizar z =
s R s
2
sujeito a
H ( x)x + s = z
A incorporao das restries Fuzzy ao problema de MQP de (28) dada por:
(29)
1 T -1
min imizar
sujeito a
z=
s R s
2
H ( x) x + s = z
F ( x)x z Fuzzy
~
(23)
(24)
156
f 1 = min imizar
sujeito a
1 T -1
s R s
2
H ( x)x + s = z
z=
(31)
D( x)x z1
s 0
(32)
sujeito a
H ( x )x + s = z
1 T -1
s R s f1
2
p F ( x )x z Fuzzy
( f1 - f 0 ) +
0 1;
s 0
4 Resultados Numricos
O conjunto de simulaes realizadas procurou
avaliar a eficcia e a robustez dos estimadores de
estados com restries Fuzzy no clculo do vetor de
estado, considerando a presena de erros grosseiros
em medidas analgicas e/ou pseudomedidas Fuzzy.
Testes foram realizados nos sistemas de 30 barras do
IEEE e em uma rede real de distribuio de 33 barramentos. Os resultados alcanados com os estimadores com restries Fuzzy so comparados com
aqueles fornecidos pelos estimadores de estado pelo
MQP, VAPR e pelo fluxo de potncia.
Os seguintes conjuntos de medidas e pseudomedidas foram processadas: injees e fluxos de potncia ativa e reativa nos barramentos e linhas de
transmisso, e magnitudes das tenses nas barras.
Os valores das medidas foram obtidos a partir da
soluo exata de um problema de fluxo de potncia
para o caso base, com insero de um rudo aleatrio, normalmente distribudo. De acordo com Falco
(Falco, 1988) assume-se que o rudo de medio
tem mdia zero e desvio padro definido por:
1
(33)
P = (0.005F + 0.06 z )
3
T 0.002 z
(34)
157
O valor do erro mdio quadrtico (EMQ) e o valor do erro absoluto mximo (Max(EA)) para as
grandezas de interesse so dados na Tabela 2. Confirmando a Figura 4, os maiores erros foram verificados no estimador MQP, sendo estes bem superiores aos erros dos demais estimadores, que apresentaram estimativas satisfatrias e muito prximas.
Tabela 2: Erros de estimao para o sistema IEEE 30 barras.
A Figura 3 mostra o sistema IEEE 30 barras dividido em rede interna e externa e o plano de medies e pseudomedidas consideradas. A redundncia
do conjunto de medidas e pseudomedidas Fuzzy da
Figura 3 de 1.475. A baixa redundncia do sistema
procura avaliar os estimadores de estado em uma
situao crtica de observabilidade.
O ltimo problema de programao dos estimadores de estado considerando restries Fuzzy convergiu em quatro iteraes, com valor convergido da
funo objetivo igual a 1 (um), indicando que todas
as restries foram atendidas satisfatoriamente. Os
valores convergidos da funo objetivo dos estimadores MQP e VAPR foram, respectivamente, 98134
e 125.96, convergindo ambos em trs iteraes.
Figura 3. Diviso do sistema IEEE 30 barras em rede interna e rede
externa, com o plano de medio e pseudomedidas Fuzzy.
158
Valor com
Erro Grosseiro
P33-1 (MW)
4.01
-4.01
Q 33-1 (MVAr)
2.43
0.00
Porcentagem do
valor central C
25%
10%
20%
10%
22%
10%
15%
10%
15%
10%
10%
5%
10%
7%
Nesta simulao, considerou-se a adio de erros grosseiros nas medidas de fluxo de potncia ativa
e reativa entre as barras 33 e 1, caracterizando falha
no sistema de aquisio de medidas. Tal situao
tem o propsito de avaliar a robustez dos estimadores frente presena de erros grosseiros em medidas
analgicas. Na Tabela 4 so dados os valores exatos
das medidas e os valores corrompidos com o erro.
ISBN: 978-85-8001-069-5
159
5 Concluso
A principal contribuio deste trabalho a representao de informaes qualitativas imprecisas
em um problema de estimao de estado em sistemas
eltricos de potncia, utilizando os conceitos de conjuntos Fuzzy. Uma caracterstica fundamental da
metodologia proposta, decorrente do emprego da
tcnica de programao Fuzzy, a representao das
pseudomedidas Fuzzy por meio de restries de desigualdade, no ponderadas, que contorna o problema da definio do valor da ponderao das pseudomedidas, tradicionalmente verificado em estimadores de estado MQP e VAPR. Deve-se destacar
tambm que, quanto mais precisa for a informao
qualitativa disponvel, mais concisa com a realidade
ser a modelagem da pseudomedida Fuzzy, resultando em uma estimao de estado mais confivel.
importante ressaltar que o ponto fundamental deste
trabalho est na obteno de uma soluo aceitvel
para o estado estimado em redes eltricas em que a
priori impossvel de se estimar o estado a partir
do conjunto de informaes quantitativas disponveis, haja visto que o estado operacional destas redes
desconhecido e sem referncia de comparao.
Referncias Bibliogrficas
Abur, A. and Expsito, A. G. (2004). Power systems
state estimation: Theory and Implementation.
Marcel Dekker Inc., New York.
Falco, D. M. and Assis, S. M. (1988). Linear
Programming State Estimation: Error Analysis
and Gross Error Identification. IEEE
Transactions on Power System, Vol. 3, pp. 809815.
Gill, P. E., Murray, W. and Wright, M. H. (1981).
Practical Optimization, NY: Academic Press,
New York.
ISBN: 978-85-8001-069-5
160