Академический Документы
Профессиональный Документы
Культура Документы
ISSN 0122-1701 72
En este artculo se trata el problema de estimacin de en series de Taylor y linealizando alrededor de un punto
estado con presencia de errores de tipo iterativo y de operacin, se obtiene la siguiente expresin:
conformativo y se soluciona empleando la tcnica
Particule Swarm Optimization (PSO). Con el fin de x ( k +1) x ( k ) = (G ( k ) )( 1) ( H ( k ) )(t ) R ( 1) e( k ) (3)
verificar la metodologa de solucin propuesta se utiliza
el sistema de prueba el sistema IEEE de 14 nodos
obteniendo resultados de excelente calidad. A travs de esta ecuacin son actualizadas las variables
de estado del sistema durante un proceso iterativo.
2. PROBLEMA DE ESTIMACIN DE ESTADO
2.1 DETECCIN E IDENTIFICACIN DE DATOS
En la prctica es habitual la presencia de errores en las ERRNEOS
mediciones que llegan a un CCE. Generalmente, su
origen corresponde a problemas en la calibracin de los Una vez se han determinado las variables de estado del
medidores o defectos en su funcionamiento. No obstante, sistema, estos valores se someten a un proceso de validez
existen otros tipos de errores ms crticos que aparecen estadstica para detectar la presencia de datos anormales,
con el fin de identificar y eliminar del conjunto de
en el proceso de estimacin, como lo son, aquellos de
tipo iterativo y conformativo, los cuales se caracterizan mediciones la informacin errnea.
por su difcil deteccin al emplear la metodologa clsica
Para detectar la presencia de errores en los valores
de estimacin de estado, debido a que sus residuos
normalizados poseen un valor pequeo, mientras que estimados se aplica la prueba denominada chi-cuadrado:
mediciones vecinas sin presencia de error resultan con
valores residuales elevados, impidiendo de esta manera J ( x ) k2, (4)
una correcta identificacin.
Esta expresin indica que para tener unos resultados
Para verificar las variables de estado de un sistema confiables la suma de los errores ponderados no debe
elctrico en tiempo real, los CCE cuentan con una superar el valor de la prueba chi-cuadrado, con k grados
herramienta matemtica denomina estimador de estado, de libertad y nivel de confianza .
que permite a travs de informacin suministrada por
equipos de medida, establecer un juicio a priori sobre el
Si no se cumple la expresin (4) es necesario emplear
comportamiento del sistema y brinda una medida
otro procedimiento estadstico para saber con certeza cul
cuantitativa sobre la calidad de los valores estimados
es la medicin alterada. Esta prueba se conoce con el
antes de realizar una evaluacin de seguridad o se tomen
nombre de t-student y consiste en obtener el mximo
algunas acciones de control.
valor correspondiente a los residuos normalizados de las
mediciones y compararlo con el valor de la distribucin t-
En su modelamiento matemtico, los errores de las
student con k grados de libertad y nivel de confianza :
mediciones se asumen independientes y hacen parte de
una distribucin de probabilidad normal con media cero y
varianza . El error de una medicin puede expresarse
2 max rN tk , (5)
como la diferencia entre su valor real y su valor
calculado, de la siguiente forma: En caso de tener mltiples errores simultneos, las
pruebas se realizan sobre una medicin a la vez y
ei = zi hi ( x ) (1) contina hasta eliminarlas por completo.
____________________________
1. Las notas de pie de pgina debern estar en la pgina donde se citan. Letra Times New Roman de 8 puntos
Scientia et Technica Ao XIV, No 39, Septiembre de 2008. Universidad Tecnolgica de Pereira 74
analiza cada medicin por separado [8]. Al ser aplicada Esta tcnica presenta cierta similitud con los algoritmos
en sistemas de potencia de gran tamao y de alto nivel de genticos, ya que el proceso incluye una poblacin,
redundancia, su ejecucin toma un tiempo considerable. realizando una bsqueda ptima a travs de
actualizaciones de esta. A pesar de no poseer operadores
2.3 MODELO MATEMTICO de recombinacin y mutacin, cuenta con otros
operadores que permiten trasladarse a travs del espacio
La funcin objetivo o funcin de evaluacin proporciona de solucin y de esta manera detectar soluciones de muy
informacin acerca de la calidad de la configuracin que alta calidad, con la posibilidad que una de ellas
ha sido propuesta. Esta informacin permite establecer corresponda al ptimo global del problema.
una comparacin entre configuraciones. La funcin
objetivo utilizada para esta aplicacin est representada En PSO la exploracin del espacio de solucin se realiza
por la siguiente ecuacin: a travs de una poblacin de individuos conocidos como
partculas, donde cada uno de ellas representa una posible
fobj(x)=nbad + max {0;f(x)
} (6) solucin del problema. La ubicacin de cada partcula
sobre la regin de bsqueda est determinada mediante
su posicin, la cual, representa el valor que toman las
nbad Nmero de mediciones consideradas errneas. variables de decisin del problema.
Suma ponderada de los errores al cuadrado.
f(x)
Valor suministrado por la prueba chi-cuadrada. Cada partcula cambia de posicin de acuerdo a su
Factor de penalizacin. velocidad teniendo en cuenta la mejor solucin
encontrada por sta a lo largo del proceso (pbest) y a la
informacin del lder del cmulo (gbest). El operador
En la formulacin (6) se penaliza la funcin objetivo en pbest (individual best) compara la posicin actual de una
caso de que la restriccin representada por el ndice partcula con la mejor posicin que ha presentado durante
sea violada, es decir, si la configuracin indica
f(x) el proceso de bsqueda. Mientras que el operador gbest
presencia de errores grandes. (global best) estudia el comportamiento del grupo,
almacenando la posicin del lder actual del cmulo.
3. MTODO DE SOLUCIN
3.1 POBLACIN INICIAL
A principios del siglo XX se da inicio a estudios del
comportamiento social de los individuos tratando de Las tcnicas heursticas dependiendo de la complejidad
entender la influencia que presentaban sobre los dems matemtica del problema generan la poblacin inicial de
integrantes de un grupo. Las investigaciones realizadas forma aleatoria o utilizando mtodos constructivos
por Reynolds sobre las aves [9], simulando su basados en factores de sensibilidad cuya finalidad
comportamiento individual y colectivo dieron origen a la consiste en iniciar la bsqueda en una regin atractiva
tcnica combinatorial denominada PSO. Basados en estos con el fin de disminuir tiempo y esfuerzo computacional.
conceptos Kennedy y Eberhart en 1995 presentaron la El caso de estudio presentado en este artculo inicia con
formulacin matemtica del modelo PSO [10]. un conjunto de partculas generadas de forma aleatoria
alcanzando el ptimo del problema. Sin embargo, en la
El mtodo PSO es una metaheurstica perteneciente al medida que se estudian sistemas grandes y de alta
grupo de los algoritmos evolutivos y su estrategia se complejidad matemtica cobra fuerza el uso de poblacin
fundamenta en el comportamiento social de los animales inicial generada con base en mtodos constructivos.
tales como las bandadas de aves, bancos de peces o
enjambres de abejas, los cuales actan como si fueran un Una poblacin est constituida por k partculas y cada
solo individuo. En estos grupos de animales se establecen una de estas en el estado i representa una alternativa de
relaciones entre los individuos, se crean jerarquas solucin, la cual es interpretada en el problema a travs
dependiendo de las caractersticas de los mismos, de la posicin de la partcula. Cada partcula se
existiendo un lder grupal reconocido y seguido por los representa mediante un vector cuyas posiciones indican
dems miembros del grupo. El papel de lder puede los valores de las variables del problema (Ver figura 1) y
cambiar si existe otro individuo con mejores simbolizan un punto dentro del espacio de solucin.
caractersticas que el lder existente. Cuando el grupo se Inicialmente se generan n partculas con valores
organiza para realizar una tarea, el lder gua a los dems aleatorios dentro del rango de las variables y a travs de
individuos hacia una regin promisoria, sin embargo, los la funcin objetivo se determina la calidad de la
dems miembros del grupo durante su recorrido pueden solucin.
inferir sobre una nueva direccin con el objetivo de tener
un mejor xito en la misin. xi = xi1 xi 2 L xin
Figura 1. Posicin de la i-sima partcula
75 Scientia et Technica Ao XIV, No 39, Septiembre de 2008. Universidad Tecnolgica de Pereira.
3.2 SELECCIN DEL LDER Para determinar la nueva posicin de las partculas se
aplica la siguiente ecuacin:
En PSO durante cada iteracin se debe seleccionar el
lder del grupo comparando los valores de la funcin xi ( t + 1) = xi ( t ) + vi ( t + 1) (8)
objetivo de cada partcula con la funcin objetivo del
lder, siendo ste ltimo aquella partcula que posee el
mejor valor (incumbente global). Durante el proceso de Como la posicin actualizada de las partculas debe
optimizacin, cada vez que una partcula mejore el valor satisfacer las restricciones de las variables del problema,
de su funcin objetivo, se debe actualizar el valor de su es necesario definir un rango de valores para las
mejor ubicacin local Pbest y cada vez que exista un velocidades evitando de esta manera sobrepasar el lmite
cambio de lder, se debe actualizar el valor de la mejor impuesto.
ubicacin global Gbest.
xk +1
____________________________
1. Las notas de pie de pgina debern estar en la pgina donde se citan. Letra Times New Roman de 8 puntos
Scientia et Technica Ao XIV, No 39, Septiembre de 2008. Universidad Tecnolgica de Pereira 76
En la versin binaria, al igual que en la versin continua, Hasta cumplir un nmero mximo de
la posicin de una partcula es actualizada a travs del iteraciones.
operador de velocidad (8), el cual es representado con
valores continuos y para este caso se hace necesario Siendo la ltima opcin la considerada en este artculo.
implementar una funcin de activacin que permita 3.7 DESCRIPCIN DEL ALGORITMO
transformar estos valores a nmeros binarios. La funcin
que se emplea para este propsito se conoce como El procedimiento empleado por el algoritmo PSO es
funcin sigmoidal (habitualmente utilizada en redes presentado en el siguiente diagrama:
neuronales) cuyo rango de valores se encuentra en el
intervalo [ 0,1] (ver figura 5). Inicio
t =1
1
sig ( vi ) = (9)
1 + exp ( vi ) Generar la poblacin
inicial
Funcin sigmoidal
1.5
Seleccionar el lder
del cmulo
1
S No
t=1
0.5
Si F ( xi (t ) ) < F ( Pbest i )
Pbesti = xi
Pbest i = x i (t )
0 Gbest = max ( Pbest i )
Si F ( xi ( t ) ) < F ( Gbest )
-0.5
-8 -6 -4 -2 0 2 4 6 8 Gbest = xi (t )
z32 = Q**
3 4
z43 = P14**9 z34 = Q25
La metodologa propuesta presenta un mejor desempeo
z3 = Q43 z5 = P 3
**
z33 = P25 en comparacin con los mtodos estadsticos de la
z12 = Q7** z50 = V6** z47 = V3** estimacin clsica y resultados similares a los obtenidos
con las tcnicas de optimizacin combinatorial Bsqueda
Tabla 1. Mediciones detectadas por el estimador clsico Tab y Chu-Beasley.
Los resultados que se obtienen al aplicar de forma
En la tabla anterior las mediciones marcadas con (**) combinada el mtodo clsico de estimacin de estado con
contienen errores de tipo iterativo y conformativo, el la tcnica de optimizacin PSO muestran efectividad en
resto de medidas no contienen errores. Se aprecia cmo la identificacin de errores de tipo iterativo y
la metodologa clsica elimina del proceso tanto conformativo.
mediciones alteradas como mediciones correctas. Cuando se analizan sistemas de gran tamao y alta
complejidad matemtica los mtodos estadsticos clsicos
Al implementar el caso de prueba con la metodologa presentan mayor dificultad para una correcta
propuesta son identificadas efectivamente las medidas identificacin de este tipo de error y un tiempo
erradas, z12 = Q7 , z18 = Q11 , z32 = Q3 4 , computacional elevado. Al aplicar esta tcnicas
z43 = P14 9 , z47 = V3 , z50 = V6 . las cuales coinciden combinatoriales en sistemas complejos se espera una
buena identificacin y tiempos de cmputo razonables.
con las mediciones alteradas inicialmente.
6 BIBLIOGRAFA
Los parmetros del algoritmo PSO empleados en la
simulacin se muestran en la tabla 2. [1] N. G. Bretas. Network observability: Theory and
algorithms based on triangular factorization and path
Nmero de partculas 10 graph concepts. IEE Proceedings: Generation,
Velocidad inicial 0 Transmission, and Distribution, vol. 143, pp. 123-128,
Factor de inercia ( w ) 0.2 Jan 1996.
[2] E. Asada, A. Garca, R. Romero. Identifying multiple
Cte de aceleracin ( c1 ) 5
interacting bad data in power system state estimation.
Cte de aceleracin ( c2 ) 0 .1 IEEE Power Engineering Society General Meeting, vol.
Valor umbral 0.7 1, pp. 571-577 Jun 2005.
Mximo de iteraciones 80 [3] E. Handschin, F. Schweppe, J. Kohlas, A. Fiechter.
Bad data analysis for power system state estimation.
Tabla 2. Parmetros del algoritmo PSO IEEE Transactions on Power Apparatus and Systems,
1200 vol. 94, pp. 329-337 Mar 1975.
[4] A. Monticelli. State estimation in electric power
1000 systems A generalized Approach. Kluwer Academic
Publishers. pp. 227-265 1999.
800 [5] H. Ruiz, E. Toro, M. Granada. Identificacin de
Funcin objetivo
____________________________
1. Las notas de pie de pgina debern estar en la pgina donde se citan. Letra Times New Roman de 8 puntos