Trabalho 5: Estimador de Estados No Linear

Estimao de Estados 2017-1

Prof. Dr Joo Bosco London
Escola de Engenharia de So Carlos EESC - USP

Sebastin de Jess Manrique Machado

Maio de 2017

1 Identificao de Erro Grosseiro e Recuperao de Medida Em Circuito

Em Corrente Contnua

Vk Vm
Ikm = (1)
Rkm

Figura 1 Esquemtico do circuito CC para estimao de estados

sj.manriquem@gmail.com

1
 Tabela 1 Medidas disponveis para realizar o processo de estimao de estados

Medida Valor
I12 52
I21 49
I13 -15
I31 16
I23 -82
I32 80
V1 11
V2 6
V3 14

1.1 Modelo de Medio

Levando em considerao a equao (1) desenvolve-se o modelo de medio dado
pela equao (2).

medido Vk Vm
Ikm = + wIkm Vkmedido = Vk + wV k (2)
Rkm

Aplicando (2) obtm-se o modelo de medio expressado matricialmente de acordo

com (3).

I12 52 10 10 0 wI12
I 49 10 10 0 w
21 I21
I13 15 5 0 5 wI13

I31 16 5 0 V1 wI31
5



I23 = 82 = 0 10 10 V2 + wI23
(3)

I 80 0
32 10 10
V3
w
I32
V1 11 1 0 0 wV 1


V2 6 0 1 0 wV 2
V3 14 0 0 1 wV 3

Relembra-se que para obter a estimao das variveis de estado do modelo de

medio pelo mtodo dos mnimos quadrados ponderados, aplica-se a expresso em (4).

x = (HT WH)1 HT Wz (4)

onde a matriz W a matriz de covariana das medidas e H a matriz Jacobiana que

relaciona as medidas com as variveis de estado no modelo de medio.

1.2 Deteco de EG Considerando Matriz de ponderao

De acordo com o enunciado do problema, considera-se a matriz de ponderao de
covariana das medidas como uma matriz diagonal com os valores a seguir: WDiagonal =
[1, 10, 1, 1, 1, 1, 100, 100, 100]. Em outras palavras, a medida de corrente I21 est sendo

2
considerada como uma medida de melhor qualidade em relao s outras medies de
corrente.
Calcula-se a Matriz G de acordo com a expresso em (5)

1250 1100 50
(HT WH) = G 1100 1400 200 (5)

50 200 350

Aplicando a expresso (4), obtm-se os valores parciais expressados na equao

(6).

0.0040 0.0035 0.0026 3435
G1 = Cov(x) = 0.0035 0.0038 0.0027 (HT Wz) = 3360 (6)

0.0026 0.0027 0.0048 3175

As varveis de estado estimadas apresentam-se na equao (7).

V1

0.0040 0.0035 0.0026 3435 6.1868

V2 = 0.0035 0.0038 0.0027 3360 = 9.4551 (7)

V3 0.0026 0.0027 0.0048 3175 15.3581

Observa-se que os valores estimados das variveis de estado mudam consideravelmente

pelo fato de ter assinado uma maior ponderao medida portadora de erro grosseiro.
Neste ponto, procede-se ao clculo dos resduos (r), de acordo com (8); e da matriz
, segundo a expresso (9), a qual necessria para realizar a normalizao do vetor de
resduos.

r = z z = z Hxv (8)

= W1 HG1 HT (9)

Os resultados obtidos aplicando as duas equaes anteriores apresenta-se em (10)

e (11)

84.6828
16.3172

30.8568

29.8568


22.9692
r= (10)

20.9692

4.8132

3.4551

1.3581

diagonal = [0.9163, 0.0163, 0.9097, 0.9097, 0.6784, 0.6784, 0.0060, 0.0062, 0.0052] (11)

3
 O vetor de resduos obtido em (10) deve ser normalizado. A normalizao dos
resduos realiza-se utilizando a equao (12), assim obtm-se o vetor de erro normalizado
conforme a equao (13).

ri
riN =
p
, onde ii = ii (12)
ii

88.4660
127.8077

32.3522

31.3038

rN

27.8867
= (13)

25.4585

61.9567

43.9952

18.7580

Observa-se que de acordo com o mtodo dos resduos normalizados, a medida

correspondente a I21 a MEDIDA PORTADORA DE ERRO GROSSEIRO. Novamente o
mtodo, conseguiu identificar a medida portadora de erro grosseiro, porm importante
observar que ao aumentar a ponderao (indicador de qualidade da medida) da medida
portadora de erro grosseiro, obtiveram-se RESDUOS NORMALIZADOS MAIORES.

1.3 Recuperao da medida e Re-Estimao das Variveis de Estado

Uma vez que a medida I21 foi detectada como a medida portadora de erro grosseiro
atravs dos resduos normalizados na equao (13), ento deve-se eliminar seu efeito.
Inicialmente, no trabalho anterior, tinha se optado por eliminar a medida, ajustar o modelo
de medio no novo cenrio e recalcular as variveis de estado. Porm, existe uma outra
alternativa, a qual consiste em recalcular a medida portadora de erro grosseiro a fim de
obter uma pseudo-medida cujo vetor de resduo seja zero. Em outras palavras elimina-se o
efeito da medida portadora de erro grosseiro dentro do processo de estimao de estados.
Esta pseudo-medida obtida de acordo com a equao (14), onde i est associada matriz
de covariana das medidas W , e ri est associada matriz de covariana do resduo .
2
i

Zi1 = Zi0 ri0 (14)
ri

!2
0.1
Zi1 = 49A 16.3172A = 51.1081A (15)
0.0163

Sendo assim, a matriz G no muda pois esta no depende do vtor de medidas z.

No entanto, a segunda parte da equao de estimao das variveis de estado muda pois
depende das medidas, sendo obtidos os valores apresentados na equao (16).

0.0040 0.0035 0.0026 6575.8
G1 = Cov(x) = 0.0035 0.0038 0.0027 (HT Wz) = 6650.8 (16)

0.0026 0.0027 0.0048 3175

4
 As varveis de estado re-estimadas a partir do mtodo da recuperao de medidas
apresentam-se na equao (17). Constata-se que a o efeito da medida portadora de erro
grosseiro foi eliminado, pois o resultado obtido coincide com o resultado do trabalho
anterior, no qual a medida foi efetivamente eliminada do modelo. Este mtodo apresenta
como vantagem em relao ao anterior que a matriz G permanece igual.

V1

0.0040 0.0035 0.0026 6575.8 11.0378

V2 = 0.0035 0.0038 0.0027 6650.8 = 5.9270 (17)

V3 0.0026 0.0027 0.0048 3175 14.0351

1.4 A identificao da medida com E.G. possvel atravs do vetor de resduos?

Conforme a equao 10, verifica-se que a medida 2 correspondente a I12 no o
resduo maior, fato que se torna uma evidncia para afirmar que o vetor de resduos no
suficiente para detectar as medidas portadoras de E.G. Desde o ponto de vista estatstico,
o resduo aceitvel para cada medida vai depender da variana de cada medida, e portanto
necessrio normalizar o vetor de resduos para conseguir fazer uma comparao mais
adequada.

2 Estimao de estados no linear

O cdigo do programa implementado en Matlab para a resoluo dos exerccios
desta seo pode ser descarregado no seguinte link: <https://drive.google.com/file/d/
0B3GY-s1yzvVGZFBtNlJBS2ZvRjg/view?usp=sharing>.

2.1 Sistema Radial

Inicialmente o Estimador de Estados no linear utilizando o algoritmo de mnimos
quadrados ponderados ser empregado num sistema radial de trs barras e 4 linhas cujos
dados encontram-se nas Tabelas 2 e 3.

Tabela 2 Medidas disponveis e seu desvio padro para a estimao de estados no sistema
radial
Tipo Barra i Barra j Valor [pu] Desv Padro
P12 1 2 0.819 0.00546
P21 2 1 -0.807 0.00538
P23 2 3 0.99 0.0066
P32 3 2 -0.942 0.00628
P2 2 2 0.183 0.00122
Q12 1 2 -0.011 0.000073
Q21 2 1 -0.012 0.00008
Q23 2 3 0.349 0.002327
Q32 3 2 -0.19 0.001267
Q2 2 2 0.338 0.002253
V1 1 1 1.06 0.007067
V3 3 3 0.945 0.0063

5
 Tabela 3 Parmetros das linhas de transmisso do sistema radial
Ni Nj R [pu] X [pu] Y/2 [pu]
1 2 0.0194 0.0592 0.0264
2 3 0.047 0.198 0.0219

O processo de iterao comea supondo um perfil plano de tenso,ou em outras

palavras, supondo um mdulo da tenso igual a 1 em p.u. e ngulo igual a zero. Pos-
teriormente calcula-se a matriz jacobiana para a iterao k (Hk ), cujas equaes esto
apresentadas na referncia (ABUR; EXPOSITO, 2004). importante mencionar que parte
desta matriz jacobiana coincide com a matriz tradicional do fluxo de potncia, porm como
tambm existem medidas de potncias atravs das linhas, bem como de tenso, ento estas
derivadas devem ser adicionadas. Adicionalmente, a matriz jacobiana tambm carateriza-se
por ser altamente esparsa, em outra palavras, a matriz contm uma poro importante de
posies nulas ou iguais a zero, caraterstica que aumenta com a dimenso do sistema de
potncia considerado
Posteriormente calcula-se a matriz de ganho Gk conforme a equao (18), onde
W corresponde matriz de covariana das mediadas a qual foi considerada diagonal e
foi construda de acordo com os valores do desvio padro de cada medida expressados na
Tabela 2.

Gk = Hk t WHk (18)

A matriz de ganho possui as seguintes propriedades:

Tanto numrica quanto estruturalmente uma matriz simtrica.

Embora uma matriz esparsa em geral, seu nvel de esparcidade menor em relao
matriz Jacobiana.

Tem uma relao com a observabilidade do sistema e seus eigenvalores so positivos

para sistemas totalmente observveis.

Aps a obteno da matriz de ganho possvel calcular o novo vetor de variveis

de estado de acordo com a equao (19).

xk+1 = xk + xk = xk + G1 T
k Hk W [z h(x)k ] (19)

O algoritmo continua iterando, refazendo os clculos do jacobiano e a matriz de

ganho. Como critrio de parada normalmente utiliza-se a funo objetivo (J(x)) ou a
comparao entre xk e xk1 (MONTICELLI, 1999).

6
 Desta maneira, aps 5 iteraes e considerando uma tolerncia de 0.001 as variveis
de estado obtidas apresentam-se na equao (20)

2

0.0435

3 0.2255
V1 = 1.0591

(20)
1.0441
V2
V1 0.9443

Com este resultado, o valor da funo objetivo foi J(x) = 0.1946. A comparao
entre as medidas utilizadas para a estimao de estados e as medidas estimadas atravs do
resduo apresenta-se na Tabela 4. Isto lembrando que a normalizao do vetor de resduos
realizada utilizando as equaes (9) e (12). De acordo com o mtodo de deteco de
erro grosseiro baseado atravs dos resduos normalizados, pode ser afirmado que no h
medidas portadoras de erro grosseiro.

Tabela 4 Comparao entre medidas de entrada e medidas estimadas pelo algoritmo de

mnimos quadrados ponderados para o sistema radial

Varivel Medida [p.u.] Med Estimada [p.u.] r 103 [p.u.] rn [p.u.]

P12 0.819 0.8188 0.1871 0.0402
P21 -0.807 -0.8072 0.2232 0.0486
P23 0.99 0.9902 -0.1518 -0.0255
P32 -0.942 -0.9419 -0.1297 -0.0229
P2 0.183 0.1829 0.0715 0.2141
Q12 -0.011 -0.011 0.0028 0.2849
Q21 -0.012 -0.012 0.0028 0.2186
Q23 0.349 0.3498 -0.8015 -0.3962
Q32 -0.19 -0.1898 -0.2106 -0.2588
Q2 0.338 0.3378 0.2013 0.1042
V1 1.06 1.0591 0.8989 0.1302
V3 0.945 0.9442 0.7516 0.123

2.2 Sistema Malhado

A estimao de estados tambm foi aplicada no sistema malhado de trs barras e
trs linhas apresentado na Figura 2. Os dados e as medidas disponveis neste sistema para
a estimao de estados apresentam-se na tabela 5 e 6.
De forma similar ao sistema radial, assumiu-se um perfil plano de tenso e calculou-
se a matriz jacobiana. Sendo assim, na primeira iterao a matriz jacobiana obtida
apresenta-se a Tabela 7.
Conforme a equao (18) calculou-se a matriz de ganho para a primeira iterao
sento obtidos os valores apresentados na Tabela 8.
O processo iterativo continuou, e aps 7 iteraes, o valor da funo objetivo a
minimizar atingiu J(x) = 0.1468, momento no qual o critrio de parada (tolerncia de
0.001) foi atendido e as variveis de estado obtidas apresenta-se na equao (21).

7
Tabela 5 Medidas disponveis e seu desvio padro para a estimao de estados no sistema
malhado
Medidas Desvio Padro Valores em p.u.
P12 0.010471 1.5706
P21 0.010184 -1.5276
P13 0.005035 0.7553
P31 0.004851 -0.7277
P23 0.002766 0.4149
P32 0.002706 -0.4059
Q12 0.001355 -0.2033
Q21 0.001841 0.2762
Q13 0.000259 0.0388
Q31 0.000147 0.0219
Q23 0.000079 0.0118
Q32 0.000141 -0.0211
P1 0.015507 2.326
Q1 0.001097 -0.1645
V1 0.007067 1.06
V3 0.0068 1.02

Tabela 6 Parmetros das linhas de transmisso do sistema malhado

Ni Nj g [p.u.] b [p.u.] bshunt [p.u.]
1 2 4.99913 -15.263 0.0264
1 3 1.0258 -4.2349 0.0246
2 3 1.7011 -5.1939 0.0173

Tabela 7 Matriz Jacobiana da primeira iterao

2 3 V1 V2 V3
P12 -15.263 0 4.9991 -4.9991 0
P21 15.263 0 -4.9991 4.9991 0
P13 0 -4.2349 1.0258 0 -1.0258
P31 0 4.2349 -1.0258 0 1.0258
P23 5.1939 -5.1939 0 1.7011 -1.7011
P32 -5.1939 5.1939 0 -1.7011 1.7011
P1 -15.263 -4.2349 6.0249 -4.9991 -1.0258
Q12 4.9991 0 15.2102 -15.263 0
Q21 -4.9991 0 -15.263 15.2102 0
Q13 0 1.0258 4.1857 0 -4.2349
Q31 0 -1.0258 -4.2349 0 4.1857
Q23 -1.7011 1.7011 0 5.1593 -5.1939
Q32 1.7011 -1.7011 0 -5.1939 5.1593
Q1 4.9991 1.0258 19.3959 -15.263 -4.2349
V1 0 0 1 0 0
V3 0 0 0 0 1

8
 Figura 2 Modelo barra-ramo do SEP a ser considerado

Tabela 8 Matriz de ganho G9 da primeira iterao

-0.6119 0.6832 0.2811 1.8354 -2.1215

0.1427 0.2811 1.5992 -0.4415 -1.1529
-1.974 1.8354 -0.4415 6.0121 -5.5886
1.8373 -2.1215 -1.1529 -5.5886 6.7553

2

0.0869

3 0.1530
V1 = 1.0605

(21)
1.0455
V2
V3 1.0200

A comparao entre as medidas utilizadas para a estimao de estados e as medidas

estimadas atravs do resduo apresenta-se na Tabela 9. Isto lembrando que a normalizao
do vetor de resduos realizada utilizando as equaes (9) e (12). De acordo com o mtodo
de deteco de erro grosseiro baseado nos resduos normalizados, pode se afirmar que no
h medidas portadoras de erro grosseiro neste caso.

2.3 Exerccio Slides

A continuao apresenta-se a estimao de estados de um sistema de dois barras e
uma linha que foi apresentado nos slides da aula. Os dados de entrada apresentam-se nas
Tabelas 6 e 11.
Depois de 4 iteraes, o critrio de parada foi atendido com a funo objetivo num
valor de J(x) = 0.0046, sendo obtidas as variveis de estado apresentadas na equao (22).

2

0.0477

V1 = 0.9881 (22)

V2 0.9551

9
Tabela 9 Comparao entre medidas de entrada e medidas estimadas pelo algoritmo de
mnimos quadrados ponderados para o sistema malhado

Varivel Medida [p.u.] Med Estimada [p.u.] r [p.u.] rn [p.u.]

P12 1.5706 1.5694 0.0012 0.1234
P21 -1.5276 -1.5264 -0.0012 -0.1226
P13 0.7553 0.7552 0.0001 0.0123
P31 -0.7277 -0.7276 -0.0001 -0.0156
P23 0.4149 0.4152 -0.0003 -0.1139
P32 -0.4059 -0.4061 0.0002 0.1031
P1 2.326 2.3247 0.0013 0.0926
Q12 -0.2033 -0.2033 0 -0.0066
Q21 0.2762 0.2759 0.0003 0.1645
Q13 0.0388 0.0388 0 -0.125
Q31 0.0219 0.0219 0 -0.3437
Q23 0.0118 0.0118 0 0.2906
Q32 -0.0211 -0.0211 0 0.361
Q1 -0.1645 -0.1645 0 -0.0347
V1 1.06 1.0605 -0.0005 -0.073
V3 1.02 1.02 0 0.0056

Tabela 10 Parmetros das linhas de transmisso do sistema dos slides da aula

Ni Nj R [p.u.] X [p.u.] bshunt [p.u.]
1 2 0.05 0.1 0.0264

Tabela 11 Medidas disponveis e seu desvio padro para a estimao de estados no

sistema dos slides da aula
Medidas Valores em p.u. Desvio Padro
P12 0.52 1
P21 -0.45 1
Q12 0.1 1
Q21 -0.05 1
V1 1 1
V2 0.95 1

10
 A comparao entre as medidas utilizadas para a estimao de estados e as medidas
estimadas atravs do resduo apresenta-se na Tabela 12. Isto lembrando que a normalizao
do vetor de resduos realizada utilizando as equaes (9) e (12). De acordo com o mtodo
de deteco de erro grosseiro baseado nos resduos normalizados, pode se afirmar que no
h medidas portadoras de erro grosseiro neste caso.

Tabela 12 Comparao entre medidas de entrada e medidas estimadas pelo algoritmo de

mnimos quadrados ponderados para o sistema dos Slides

Varivel Medida [p.u.] Med Estimada [p.u.] r [p.u.] rn [p.u.]

P12 0.52 0.4943 0.0257 0.0372
P21 -0.45 -0.4814 0.0314 0.0433
Q12 0.1 0.0639 0.0361 0.0517
Q21 -0.05 -0.0879 0.0379 0.0533
V1 1 0.9881 0.0119 0.0165
V2 0.95 0.9551 -0.0051 -0.0073

Referncias

ABUR, A.; EXPOSITO, A. Power system state estimation: theory and implementation.
New York: MARCEL DEKKER, INC., 2004. 336 p. ISBN 0824755707. Citado na pgina
6.

MONTICELLI, A. J. State estimation in Electric Power Systems. A generalized approach.

Campinas: Springer Science + Bussiness Media LCC, 1999. 405 p. ISBN 9781461372707.
Citado na pgina 6.

11