Академический Документы
Профессиональный Документы
Культура Документы
\
|
V
Restaurativo Emergncia
Normal
Monitorao
Anlise de
Contingncias
Controle de
Emergncia
Controle
Restaurativo
Reprogramao
Preventiva
Aquisio de Dados
Configurador Estimador
Ao de Comando
Seguro Inseguro
2
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
3 Estimador de Estado Conceitos Bsicos
3.1 Consideraes e Objetivo
A rigor, o SEP A rigor, o SEP nunca nunca se encontra em se encontra em
Regime Permanente Regime Permanente O O ESTADO ESTADO variante no tempo variante no tempo
A condio de operao do SEP est sempre variando
Comportamento Dinmico Dinmico
Perturbaes
severas
no severas
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
LOCAL DE CONTROLE
SEP
C
O
M
P.
SUPERVISO
CONTROLE
Dados
Grande volume
Presena de Erros Erros
Ponto de Operao
Atual Atual
Dados em Tempo Real Tempo Real
(poucos segundos)
3 Estimador de Estado Conceitos Bsicos
3.1 Consideraes e Objetivo
Estado ??? Estado ???
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
Estimador de Estado
As informaes no devem ser utilizadas diretamente, cruas cruas,
sem que haja algum tipo de processamento.
Existe um aplicativo que processa as
informaes provenientes do sistema, com o objetivo de
produzir uma Estimativa CONFI Estimativa CONFI VEL E CONSISTENTE VEL E CONSISTENTE
do seu Ponto Atual de Opera do seu Ponto Atual de Opera o o. .
Utiliza a redundncia redundncia de informaes
3 Estimador de Estado Conceitos Bsicos
3.1 Consideraes e Objetivo
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
Estimador de Estado
Objetivo: obter a melhor estimativa do vetor de estado
em regime permanente, atravs de informaes
recolhidas do prprio SEP.
^ ^
X =
|
|
|
.
|
\
|
V
Fluxos
Injees
Correntes
Estimao a Intervalos
Regulares
(poucos segundos)
Atualizado
3 Estimador de Estado Conceitos Bsicos
3.1 Consideraes e Objetivo
3
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
SEP
SEP
BDM
Es
ti
ma
dor
BDE
^ ^
X =
|
|
|
.
|
\
|
V
Dados
3 Estimador de Estado Conceitos Bsicos
3.1 Consideraes e Objetivo
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
SEP
SEP
BDM
Es
ti
ma
dor
BDE
Quais?
Dados
^ ^
X =
|
|
|
.
|
\
|
V
\
|
3
. .M E
Cada medio ter associada a
ela um desvio padro
conhecido.
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado Processo de Estimao
4.3 Etapa Bsica 1: Modelo Matemtico Hipot Hipot tico tico
Valor da Medida
Fabricante
Frao de
Dispositivos
Mdia
Valor Esperado
Funo Densidade de Probabilidade
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
Valor da Medida
Mas, o estimador precisa do desvio padro do erro da medida e no dos as
informaes de cada dispositivo ERRO M ERRO M XIMO PROPAGADO XIMO PROPAGADO
Fabricante
Frao de
Dispositivos
Funo Densidade de Probabilidade
68 %
95 %
99,7 %
Quadro
4 Estimador de Estado Processo de Estimao
4.3 Etapa Bsica 1: Modelo Matemtico Hipot Hipot tico tico
10
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
Valor da Medida
Mas, o estimador precisa do desvio padro do erro
Cada medio
Funo Densidade de Probabilidade
68 %
95 %
99,7 %
4 Estimador de Estado Processo de Estimao
4.3 Etapa Bsica 1: Modelo Matemtico Hipot Hipot tico tico
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
Mas, o estimador precisa do desvio padro do erro
4 Estimador de Estado Processo de Estimao
4.3 Etapa Bsica 1: Modelo Matemtico Hipot Hipot tico tico
Valor Esperado = 69 kV
Medi Medi o o
Valor Esperado = 0 kV
Erro Ru Erro Ru do do
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
Varivel Aleatria Normalmente Distribuda
< < > peso > peso
Modelo
Ru Ru do do
Erro Ru Erro Ru do para cada do para cada
medida medida
Valor Esperado = 0
4 Estimador de Estado Processo de Estimao
4.3 Etapa Bsica 1: Modelo Matemtico Hipot Hipot tico tico
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
RUDO - Modelados como VARIVEIS ALEATRIAS
INDEPENDENTES NORMALMENTE DISTRIBUDAS COM VALOR
ESPERADO ZERO E MATRIZ DE COVARINCIA R
DIAGONAL CONHECIDA.
Erro Ru Erro Ru do para cada do para cada
medida medida
Valor Esperado = 0
Densidade Normal
de Probabilidade
4 Estimador de Estado Processo de Estimao
4.3 Etapa Bsica 1: Modelo Matemtico Hipot Hipot tico tico
11
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
R R : matriz de : matriz de covarincia covarincia
: desvio padro : desvio padro
2 2
: : varincia varincia
E |V
z
| = 0 : valor esperado : valor esperado
dim dim (R) = m x m (R) = m x m
Erro Ru Erro Ru do para cada do para cada
medida medida
68 %
95 %
99,7 %
Vz (2)
Vz (1)
Vz (m)
Vz (3)
.
.
.
R =
(
(
(
(
(
(
(
(
2
2
2
2
1
.
.
.
m
12
11
10
1
=
Tal que
prximo
Considerando
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.4 Etapa Bsica 2: Estimao das Variveis de Estado
~
~
1 2
3
4
n: 8
m: 12
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
Z =
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
^
^
^
^
^
^
^
^
^
^
^
^
Z =
^
12
11
10
1
=
Dados de entrada
No conhecemos
Dependem justamente do
estado estimado
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.4 Etapa Bsica 2: Estimao das Variveis de Estado
Crit Crit rio dos M rio dos M nimos Quadrados Ponderados ( nimos Quadrados Ponderados (MQP MQP) )
J(x) = ( )
2
1
i
i
r
m
i
=
o vetor que minimiza a seguinte funo objetivo
r
i
= z
i
- h
i
(x)
^
X : vetor de estado estimado
^
valor medido
valor estimado
resduo
z
i
^
desvio padro
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.4 Etapa Bsica 2: Estimao das Variveis de Estado
J(x) = ( )
2
1
i
i
r
m
i
=
~
~
1 2
3
4
n: 8
m: 12
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
Z =
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
^
^
^
^
^
^
^
^
^
^
^
^
Z =
^
12
11
10
1
=
M M nimo de J( nimo de J(x x) )
J(x) =
z
1
z
1
^
1
z
2
z
2
^
2
+ + ....
z
16
z
16
^
16
^
2
2
2
13
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.4 Etapa Bsica 2: Estimao das Variveis de Estado
X, o vetor de estado estimado estado estimado, o vetor que minimiza minimiza J (x)
^
Logo,
J(x) =
z
1
z
1
^
1
z
2
z
2
^
2
+ + ....
z
16
z
16
^
16
^
2
2
2
Temos que encontrar este m Temos que encontrar este m nimo nimo
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.4 Etapa Bsica 2: Estimao das Variveis de Estado
Exemplo no Quadro
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.4 Etapa Bsica 2: Estimao das Variveis de Estado
Medidas que apresentam maior varincia maior varincia (menos
confiveis) tm menor influncia menor influncia em J(x), ou seja, as
medidas so ponderadas de acordo com sua exatido.
Forma Matricial:
1
~
R
X, o vetor de estado estimado estado estimado, o vetor que minimiza minimiza J (x)
^
Escalar
J(x) = ( )
2
1
i
i
r
m
i
=
^
J(x) = |z h (x) |
T
R
-1
|z h (x) |
^ ^ ^
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.4 Etapa Bsica 2: Estimao das Variveis de Estado
J(x) = ( )
2
1
i
i
r
m
i
=
M M nimo de J( nimo de J(x x) )
H
T
(x) R
-1
|z h (x) | = 0
^
0
) (
=
x x x
x J
^
dim dim (H) = m x m (H) = m x m
Apndice A Apndice A
0
) (
=
x x x
x h
^
14
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.4 Etapa Bsica 2: Estimao das Variveis de Estado
M M todo de todo de
Quase Newton Quase Newton
H
T
(x) R
-1
|z h (x) | = 0
^
Sistema de Equa Sistema de Equa es es
No Lineares No Lineares
x
k+1
= x
k
+ G
k
-1
H
T
(x
k
) R
-1
|z h (x
k
) |
^
Busca por 0
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.5 Anlise dos Resultados da Estimao
X, o vetor de estado rec estado rec m estimado m estimado, est , est ok ok ? ?
^
Finalizada a etapa de estimao, procede-se
avaliao das estimativas obtidas.
Avaliao dos chamados
Resultados da Estima Resultados da Estima o o e
da funo objetivo J (x) J (x).
Base para os estudos estatsticos que
objetivam a detec detec o e identifica o e identifica o o de
erros grosseiros e/ou na configurao
Quadro
res res duos duos
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.6 Propriedades Estatsticas de J(x) e dos Resduos
K
k x J
x J
2
'
^
^
|
.
|
\
|
=
|
.
|
\
|
K x J x J 2 ) ( 2 "
^ ^
=
|
.
|
\
|
K = m - n
A J(x) original apresenta caractersticas de distribuio qui-quadrado normal.
Porm, duas funes dela derivadas derivadas apresentam uma distribuio extremamente
interessante e fcil de se extrair resultados
: desvio padro = 1 : desvio padro = 1
E |V
z
| = 0 : valor esperado : valor esperado
S S quando no h quando no h erro erro
grosseiro grosseiro
1 1 - - 1 1 - - 2 2 - - 3 3 2 2 3 3 0 0
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.6 Propriedades Estatsticas de J(x) e dos Resduos
Os resduos apresentam caractersticas de distribuio normal.
Porm, dois resduos derivados derivados apresentam uma distribuio extremamente
interessante e fcil de se extrair resultados
S S quando no h quando no h erro erro
grosseiro grosseiro
Resduos
Normalizados
Resduos
Ponderados
^
2 / 1
~
^
r D r
N
^
2 / 1
~
^
r R r
W
N ( N (0 0, ,I I) )
N ( N (0 0, , ) )
15
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.7 Etapa Bsica 3: Deteno de Erros Grosseiros e na Configurao
Objetivo: Objetivo:
Verificar se os resultados da estimao esto ou no influenciados
pela presena de erros grosseiros / configurao
Testes de Hip Testes de Hip teses teses
Em J (x) e em J (x) Em r
N,i
e em r
W,i
Aceitar a hiptese de no no
existncia existncia de erro se J (x)
< ou J (x) <
Aceitar a hiptese de
existncia existncia de erro se J
(x) > ou J (x) >
Aceitar a hiptese de no no
existncia existncia de erro se r
N,i
<
ou r
W,i
<
Aceitar a hiptese de
existncia existncia de erro se
r
N,i
> ou r
W,i
>
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.7 Etapa Bsica 4: Identificao de Erros Grosseiros e na Configurao
Objetivo: Objetivo:
Identificar quais medidas contm erros grosseiros e/ou qual parte da
rede no est correta
Crit Crit rios baseiam rios baseiam- -se nos res se nos res duos duos
Medida portadora de erro Medida portadora de erro
grosseiro possui valor grosseiro possui valor
elevado de res elevado de res duo duo
IMPORTANTE !
Nem todas as medidas que
apresentam resduos
elevados so portadoras de
erros grosseiro (filtragem /
propagao)
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.7 Etapa Bsica 4: Identificao de Erros Grosseiros e na Configurao
Busca dos Res Busca dos Res duos Ordenados duos Ordenados
- resduos so colocados em ordem decrescente (mdulo);
- elimina-se o efeito do erro da medida com maior resduo;
- faz-se outra estimao; se o erro persistir, elimina-se o da segunda medida e
assim sucessivamente.
Busca em Grupo dos Res Busca em Grupo dos Res duos Ordenados duos Ordenados
- resduos so colocados em ordem decrescente (mdulo)
- as medidas correspondentes aos primeiros maiores resduos so retiradas
simultaneamente. Em seguida, so recolocadas, uma aps a outra, at que o
erro seja detectado.
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
4 Estimador de Estado 2
a
Parte
4.8 Procedimentos para Remoo do Efeito dos Erros Grosseiros
Procedimentos Comuns: Procedimentos Comuns:
- Eliminao das medidas portadoras de erros (altera dimenso das matrizes;
perda de observabilidade);
- No extrair a medida e, sim, substitu-la por uma pseudo-medida;
- Alterar a varincia da medida.
16
Profa. Maria Helena Murta Vale
LRC UFMG - 2007
Estimador Estimador
FIM FIM