anÁlise do estimador de estado por mÍnimos … · 2 fundamentos teóricos 5 2.1 o fluxo de carga...
TRANSCRIPT
Pedro Paulo Ventura Tecchio
ANÁLISE DO ESTIMADOR DE ESTADO PORMÍNIMOS QUADRADOS PONDERADOS, EMSISTEMAS ELÉTRICOS DE POTÊNCIA, NAS
REGIÕES PRÓXIMAS AO LIMITE DE MÁXIMOCARREGAMENTO
Trabalho de Conclusão de Curso apresentado àEscola de Engenharia de São Carlos, da
Universidade de São Paulo
Curso de Engenharia Elétrica com ênfase emEletrônica
ORIENTADOR: LUÍS FERNANDO COSTA ALBERTO
São Carlos2011
AUTORIZO A REPRODUÇÃO E DIVULGAÇÃO TOTAL OU PARCIAL DESTE TRABALHO, POR QUALQUER MEIO CONVENCIONAL OU ELETRÔNICO, PARA FINS DE ESTUDO E PESQUISA, DESDE QUE CITADA A FONTE.
Ficha catalográfica preparada pela Seção de Tratamento
da Informação do Serviço de Biblioteca – EESC/USP
Tecchio, Pedro Paulo Ventura.
T251a Análise do estimador de estado por mínimos quadrados
ponderados, em Sistemas Elétricos de Potência, nas
regiões próximas ao limite de máximo carregamento. /
Pedro Paulo Ventura Tecchio ; orientador Luís Fernando
Costa Alberto –- São Carlos, 2011.
Monografia (Graduação em Engenharia Elétrica com
ênfase em Eletrônica) -- Escola de Engenharia de São
Carlos da Universidade de São Paulo, 2011.
1. Sistemas elétricos de potência. 2. Medidas e
controle. 3. Estimação de estados. 4. Máximo
carregamento. 5. Colapso de tensão. I. Titulo.
Resumo
Este trabalho aborda os estudos preliminares realizados com o intuito de analisar o processo de Es-
timação de Estados baseado no Método de Mínimos Quadrados Ponderados, nas regiões próximas
ao máximo carregamento de um Sistema Elétrico de Potência. Com tal intuito, foram inteiramente
desenvolvidos os programas de Fluxo de Carga, Fluxo de Carga Continuado e Estimador de Estados.
Por fim, iniciou-se a análise dos resultados encontrados, contudo, em função de problemas na imple-
mentação de rotinas de Fatoração QR para o Estimador de Estados e na automatização do processo
de Estimação de Estados ao longo da curva de carregamento do sistema, somente serão apresenta-
dos os resultados para o Sistema Reduzido Sul Brasileiro de 45 barras e utilizando apenas o método
de fatoração conhecido como Eliminação de Gauss. Dentre os resultados encontrados, destaca-se a
tendência de o Estimador de Estados WLS de produzir estimativas de carga inferiores às encontra-
das através do Fluxo de Carga Continuado, sendo esta tendência observada para os três conjuntos de
medidas analisados. No entanto, o aumento da redundância do conjunto de medidas provocou uma
diminuição significativa da diferença de resultados obtidos entre os diferentes métodos. Além disso,
foram encontradas taxas elevadas de não convergência, superiores a 25%, para a região próxima ao
máximo carregamento e utilizando apenas medidas críticas. Os resultados encontrados reafirmam a
necessidade de utilizar conjuntos de medidas com nível de redundância global próximo ou superior a
1,9 para o sistema analisado.
Palavras-chave: Sistemas Elétricos de Potência, Medidas e Controle, Estimação de Estados, Má-
ximo Carregamento, Colapso de Tensão.
i
ii
Abstract
This work discusses the preliminary studies carried out in order to analyze the weighted least squares
state estimation process, in regions close to the maximum loading of an Electric Power System. To
that end, were fully developed programs for Power Flow, Continuation Power Flow and WLS State
Estimator. Finally, the analysis of the results were initiated. However, due to problems in the im-
plementation of QR factorization routines for the State Estimator and the automation of the states
estimation process along the curve of system load, it will only be shown the results for the Reduced
Southern Brazilian System with 45 bars and using only the numeric factorization method known as
Gaussian Elimination. Among the findings, there is the tendency of the WLS State Estimator to pro-
duce load estimates lower than those found through the Continuation Power Flow for the three sets of
measures analyzed. However, increasing the redundancy of the set of measures caused a significant
reduction of the difference in results between the WLS State Estimator and the Continuation Power
Flow. In addition, we found high rates of non-convergence, over 25 % for the region near the maxi-
mum loading and using only critical measures. The results reaffirm the need for using measurements
planes with global redundancy level near or greater than 1.9 for the system under consideration.
Keywords: Electric Power Systems, Measurement and Control, State Estimation, Maximum
Loadability, Voltage Colapse.
iii
iv
Sumário
1 Introdução 1
2 Fundamentos Teóricos 52.1 O Fluxo de Carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 O Fluxo de Carga Continuado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Sobre o método da continuação . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2 Sobre a parametrização da carga e da geração . . . . . . . . . . . . . . . . . 12
2.2.3 Síntese do sistema de equações do Fluxo de Carga Continuado . . . . . . . . 13
2.3 O Estimador de Estados WLS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4 Demais algorítimos utilizados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.1 Geração de erros aleatórios . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.2 Resolução de sistemas lineares . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.2.1 Eliminação de Gauss . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4.2.2 Fatoração QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Resultados 233.1 Da geração de valores aleatórios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2 Dos Fluxos de Carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 Do Estimador de Estados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4 Conclusão 41
Referências Bibliográficas 42
Apêndice 45
v
vi
Lista de Figuras
2.1 Modelo-π Generalizado de Linha de Transmissão . . . . . . . . . . . . . . . . . . . 5
3.1 Resultado gerado pela função ran1() dada uma semente igual a -1 . . . . . . . . . . 25
3.2 Resultado gerado pela função gasdev() dada uma semente igual a -1 . . . . . . . . . 25
3.3 Resultado gerado pela função ran1() dada uma semente igual a -90234 . . . . . . . . 26
3.4 Resultado gerado pela função gasdev() dada uma semente igual a -90234 . . . . . . . 26
3.5 Sistema Reduzido Sul Brasileiro . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.6 Magnitude de Tensão da Barra 368 em PU . . . . . . . . . . . . . . . . . . . . . . . 28
3.7 Fase de Tensão da Barra 368 em graus . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.8 Magnitude de Tensão da Barra 407 em PU . . . . . . . . . . . . . . . . . . . . . . . 29
3.9 Fase de Tensão da Barra 407 em graus . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.10 Número de Condição para as Matrizes Jacobianas não fatoradas . . . . . . . . . . . 31
3.11 Número de Condição para as Matrizes Jacobianas fatoradas, Eliminação de Gauss . . 31
3.12 Número de Condição para as Matrizes Jacobianas fatoradas, Rotação de Givens . . . 32
3.13 Número de Condição para as Matrizes Jacobianas fatoradas, Transformações de Hou-
sehölder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.14 Sistema Reduzido Sul Brasileiro - Conjunto de Medidas 1 . . . . . . . . . . . . . . 33
3.15 Sistema Reduzido Sul Brasileiro - Conjunto de Medidas 2 . . . . . . . . . . . . . . 34
3.16 Sistema Reduzido Sul Brasileiro - Conjunto de Medidas 3 . . . . . . . . . . . . . . 34
3.17 Magnitude de Tensão Média Estimada da Barra 368 - Conjunto 1 . . . . . . . . . . . 35
3.18 Magnitude de Tensão Média Estimada da Barra 368 - Conjunto 2 . . . . . . . . . . . 35
3.19 Magnitude de Tensão Média Estimada da Barra 368 - Conjunto 3 . . . . . . . . . . . 36
3.20 Comparação entre a carga estimada e a carga real - Conjunto 1 . . . . . . . . . . . . 36
3.21 Comparação entre a carga estimada e a carga real - Conjunto 2 . . . . . . . . . . . . 37
3.22 Comparação entre a carga estimada e a carga real - Conjunto 3 . . . . . . . . . . . . 38
3.23 Comparação entre a carga estimada e a carga real (zoom) - Conjunto 3 . . . . . . . . 38
3.24 Taxa de não convergência para os diferentes casos e cargas . . . . . . . . . . . . . . 39
3.25 Comparação entre a carga estimada e carga real com diferentes desvios padrão - Con-
junto 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
vii
viii
Capítulo 1
Introdução
A cada novo dia, o aumento populacional, a busca pela melhoria da qualidade de vida das pessoas e
pela geração de riquezas promove um aumento significativo da demanda energética mundial. Assim,
a fim de suprir essa demanda, existe a necessidade constante de investir na geração e na distribuição
de energia pelo mundo.
As principais formas de energia conhecidas e utilizadas pelo homem são as de natureza física,
química e biológicas. Sendo as mais exploradas na atualidade a queima de compostos provenientes do
petróleo, do carvão e da biomassa, a extração de energia potencial de quedas d’água, de marés, eólica,
solar e de elementos radioativos. Contudo, grande parte dessas fontes de energia estão localizadas
em regiões afastadas dos centros consumidores principais ou então exigem facilidades e cuidados
específicos que inviabilizam a sua produção próxima a tais locais. Existe, desta forma, a necessidade
de se transportar a energia produzida de um local para o outro.
Em geral, uma das formas mais simples, seguras e eficientes de se transportar energia se dá
através da energia elétrica. Por tais motivos, as diversas formas de energia citadas anteriormente são
convertidas para energia elétrica a qual é transportada através de redes de transmissão e distribuição
que fazem parte de sistemas conhecidos como Sistemas Elétricos de Potência.
Os Sistemas Elétricos de Potência - SEP são constituídos pelas centrais produtoras e consumi-
doras, pelas linhas de transmissão e distribuição e pelas unidades existentes responsáveis por trans-
formar as características elétricas da energia sendo transportada. Dentre as características da energia
elétrica que podem ser transformadas citam-se o tipo de corrente que pode ser alternada ou constante,
a magnitude e fase de tensão e corrente, a frequência de oscilação e a quantidade de fases no caso de
corrente alternada.
Usualmente, a transmissão e a distribuição de energia elétrica é feita utilizando-se corrente e
tensão trifásica alternada com frequência de 50Hz ou 60Hz e diversos níveis de magnitude de tensão
e corrente. Os sistemas de transmissão são utilizados para transportar a energia das centrais geradoras
para as centrais de distribuição, enquanto os sistemas de distruibuição são utilizados para transportar a
energia das centrais de distribuição para todas as cargas existentes no sistema naquela região. Assim,
a distinção entre transmissão e distribuição é feita de acordo com os níveis de tensão e corrente das
linhas e com a variação da topologia da malha.
Outra distinção importante entre os sistemas de transmissão e distribuição é a distribuição de
1
Introdução
cargas entre as diferentes fases do sistema. Nos sistemas de distribuição há uma grande variação de
carga entre cada uma das fases de uma mesma linha devido à grande diversidade de cargas acopladas
na linha em uma mesma região. Tal fato não ocorre, usualmente, nos sistemas de transmissão, uma
vez que as cargas são, em geral, equilibradas em cada uma das fases das linhas de transmissão. Essa
característica dos sistemas de trasmissão facilita a análise dos mesmos, uma vez que pode-se modelar
o sistema como um equivalente monofásico, desprezando-se as pequenas variações existentes entre
as diferentes fases.
Logo, tendo-se em vista a importância dos Sistemas Elétricos de Potência e suas características
diversificadas, existe a necessidade de melhor conhecer e entender os mecanismos de funcionamento
desses sistemas, bem como o comportamento dos mesmos mediante a ocorrência de faltas de qualquer
natureza e severidade. Somente possuindo tal conhecimento é possível planejar, construir, manter e
operar os Sistemas Elétricos de Potência de modo seguro, econômico e produtivo, promovendo o
desenvolvimento da região em que são implantados.
Para tanto, no decorrer dos anos, foram desenvolvidas duas ferramentas importantes para a aná-
lise destes sistemas, o Fluxo de Carga e o Estimador de Estados. Ambas as ferramentas podem ser
caracterizadas como métodos numéricos de obtenção dos estados, magnitudes e fases de tensão, do
SEP. Contudo, elas possuem metodologias distintas, sendo a primeira determinística e baseada num
conjunto de estados, de medidas e de equações de mesma dimensão, enquanto a segunda baseada em
métodos de regressão linear utilizando um conjunto de medidas e de equações de dimensão maior do
que o conjunto de estados.
O Fluxo de Carga é mais simples de ser formulado e calculado, apresentando soluções mais
rápidas do que o Estimador de Estados, entretanto, por ser um sistema determinado, qualquer medida
errada no seu conjunto levará a obtenção de estados não condizentes com a realidade do sistema. Este
comportamento é altamente indesejado nos casos em que o sistema esteja sendo analisado em tempo
real, uma vez que variações e erros de medidas são comuns e podem não ser facilmente detectados.
Logo, com o intuito de tentar sanar ou ao menos atenuar o problema de uma ou mais medidas
erradas no conjunto de variáveis a serem analizadas, foram desenvolvidos os métodos de Estimação
de Estados. Tal como citado anteriormente, estes métodos são baseados nos métodos de regressão
linear e necessitam para tanto de um conjunto superdeterminado de medidas e equações.
Apesar de já serem amplamente utilizados e de existirem muitas variações de implementação,
os programas de Estimação de Estados precisam, ainda, de melhorias e ajustes, tais como uma me-
lhor análise de erros de medidas, aumento do tamanho máximo dos sistemas a serem analisados em
tempo hábil e verificação da sua funcionalidade quando o sistema encontra-se próximo do limite de
carregamento ou ainda próximo ao ponto de colapso de tensão.
A verificação da funcionalidade e da veracidade dos resultados gerados através de programas de
Estimação de Estados, nas regiões próximas ao limite de máximo carregamento, é de fundamental
importância para uma operação correta e segura dos Sistemas Elétricos de Potência. Já que tais
sistemas são muitas vezes operados exatamente dentro de tais regiões pelos mais diversos motivos,
tais como, custos de expansão e modernização de máquinas e equipamentos, taxas de crescimento de
carga maiores do que as anteriormente previstas para um dado sistema e grandes variações temporais
de carga. A insegurança de operação nessas regiões advem da possibilidade do sistema entrar em uma
2
Introdução
condição instável de operação, reversível ou não, sendo que no pior dos casos o colapso da tensão,
blecaute, pode ocorrer.
A operação segura só é possível, tendo-se o conhecimento do estado real do sistema e da margem
de estabilidade de tensão real. Desta forma, os estudos realizados e aqui apresentados buscaram ca-
racterizar, mesmo que apenas três conjuntos de medidas para um mesmo Sistema Elétrico de Potência,
o comportamento do Estimador de Estados baseado no método de Mínimos Quadrados Ponderados
implementado desde o ponto de carregamento inicial do sistema até o ponto de colapso de tensão,
ou de máximo carregamento. Com tal finalidade, foram implementados os programas de Fluxo de
Carga (Power Flow), Fluxo de Carga Continuado (Continuation Power Flow) e Estimador de Estado
por Mínimos Quadrados Ponderados (Weighted Least Squares State Estimator).
3
4
Capítulo 2
Fundamentos Teóricos
Este capítulo constitui uma síntese teórica sobre o Fluxo de Carga, o Fluxo de Carga Continuado
e o Estimador de Estados. Para cada uma destas ferramentas são apresentados, de forma simples e
direta, os equacionamentos teóricos e as idéias envolvidas na solução destes problemas. Além disso,
trata-se também sobre as funções e os métodos numéricos utilizados, tais como, geração de números
aleatórios, Eliminação de Gauss e Fatoração QR.
2.1 O Fluxo de Carga
O Fluxo de Carga é uma ferramenta que tem como intuito obter numericamente as magnitudes e fases
das tensões de todas as barras de um Sistema Elétrico de Potência, a partir de medidas de injeção
de potência e de magnitude de tensão, bem como dos parâmetros das linhas de transmissão e dos
equipamentos a elas acoplados.
A fim de se obter um conjunto de equações que caracterizem o fluxo de potência elétrica desse
tipo de sistema, faz-se necessário adotar um modelo de linha de transmissão generalizado. O modelo
aqui utilizado é denominado de Modelo-π Generalizado de Linha de Transmissão o qual está disposto
na Figura 2.1, [1] e [2].
Figura 2.1: Modelo-π Generalizado de Linha de Transmissão
5
Fundamentos Teóricos
O modelo de linha adotado é caracterizado por uma impedância série, ykm, duas impedâncias
shunts, yshkm e ysh
mk, e um trafo defasador cuja relação é 1 : tkm onde tkm = akme jϕkm . A tensão das barras
conectadas pela linha são iguais a Ek =Vke jθk e Em =Vme jθm .
Tomando-se o nó do secundário do trafo, cuja tensão é Ep =Vpe jθp , pode-se definir as seguintes
relações a partir do modelo de trafo ideal:
Vpe jθp
Vke jθk= tkm (2.1)
Ikm
Ipm + Ishp
= t∗km (2.2)
Desenvolvendo a equação (2.2) e utilizando a relação (2.1), pode-se obter a equação da corrente
entre as barras k e m:
Ikm = t∗km[(Ep−Em)ykm +Epyshkm]
Ikm = (t∗kmtkmEk− t∗kmEm)ykm + t∗kmtkmEkyshkm
Logo,
Ikm = a2kmEk(ykm + ysh
km)− t∗kmEmykm (2.3)
Com base na equação da corrente Ikm, pode-se equacionar a potência transmitida entre as barras,
uma vez que esta é dada pela relação S∗km = E∗k Ikm. Assim,
S∗km = a2kmV 2
k (ykm + yshkm)− t∗kmEmE∗k ykm
Desenvolvendo o termo t∗kmEmE∗k , tem-se que
t∗kmEmE∗k = akmVkVm[cos(θkm +ϕkm)− j sin(θkm +ϕkm)]
Onde θkm = θk−θm. Logo,
S∗km = a2kmV 2
k [ykm + yshkm]−akmVkVm[cos(θkm +ϕkm)− j sin(θkm +ϕkm)]ykm (2.4)
Impondo ykm = gkm + jbkm e yshkm = gsh
km + jbshkm, pode-se desenvolver ainda mais a equação (2.4) a
fim de se obter as expressões da potência real, ativa, e imaginária, reativa, transmitidas entre as barras
k e m, equações (2.5) e (2.6) respectivamente.
Pkm = a2kmV 2
k (gkm +gshkm)−akmVkVm[gkm cos(θkm +ϕkm)+bkm sin(θkm +ϕkm)] (2.5)
Qkm =−a2kmV 2
k (bkm +bshkm)+akmVkVm[bkm cos(θkm +ϕkm)−gkm sin(θkm +ϕkm)] (2.6)
As equações (2.5) e (2.6) caracterizam o fluxo de potência ou de carga entre duas barras genéricas
do Sistema Elétrico de Potência. Contudo, em geral, cada uma das barras do sistema está conec-
6
Fundamentos Teóricos
tada por uma linha de transmissão a uma ou mais barras desse mesmo sistema, sendo, desta forma,
necessário relacionar uma barra qualquer do sistema com todas as que estão à ela conectada. Para
tanto, utiliza-se a Lei das Correntes de Kirchoff de forma que vale a relação (2.7), onde Ik é a corrente
injetada na barra k, Ishk é a corrente demandada por uma impedância shunt conectada a esta barra e
Ikm representa a corrente entre a barra k em questão e uma barra m qualquer a ela conectada.
Ik = Ishk + ∑
m∈Ωκ
Ikm (2.7)
Nota-se que Ωκ indica o conjunto de todas as barras conectadas a barra k, com exceção dela
mesma. Enquanto K indica o conjunto de todas as barras conectadas a barra k incluindo ela mesma.
Assim, com base na equação de corrente Ikm, (2.3), e na equação Ishk = ysh
k Ek, pode-se desenvolver
a equação (2.7) de forma que ela possa ser representada por:
Ik = YkkEk + ∑m∈Ωκ
YkmEm = ∑m∈K
YkmEm (2.8)
Onde, Ykk = ysh
k + ∑m∈Ωκ
a2km(ykm + ysh
km)
Ykm =−ykmt∗km
(2.9)
Impondo-se que Ykm = Gkm + jBkm, denominada matriz admitância nodal, e sabendo-se que a
injeção de potência complexa na barra k é dada por S∗k = E∗k Ik, pode-se decompor a mesma de forma
que as potências ativa e reativa injetadas na barra sejam dadas, respectivamente, pelas equações (2.10)
e (2.11).
Pk =Vk ∑m∈K
Vm[Gkm cos(θkm)+Bkm sin(θkm)] (2.10)
Qk =Vk ∑m∈K
Vm[Gkm sin(θkm)−Bkm cos(θkm)] (2.11)
Por fim, decompondo a matriz adimitância nodal em suas componentes real e imaginária, obtém-
se: Gkk = gsh
k + ∑m∈Ωκ
[a2kmgkm +gsh
km]
Gkm =−akm[gkm cos(ϕkm)+bkm sin(ϕkm)]
(2.12)
Bkk = bsh
k + ∑m∈Ωκ
[a2kmbkm +bsh
km]
Bkm =−akm[bkm cos(ϕkm)−gkm sin(ϕkm)]
(2.13)
Observa-se que a resolução do sistema de equações não lineares formado pelas equações (2.10) e
(2.11), constitui a essência da metodologia por trás do programa de Fluxo de Carga, uma vez que elas
representam a relação entre as medidas de Injeção de Potência Ativa, Pk, e Reativa, Qk, na barra k,
com os Fluxos de Potência Ativa e Reativa presentes nas linhas conectadas àquela barra. Contudo, a
fim de se resolver tal sistema, deve-se caracterizar quais são as variáveis conhecidas e desconhecidas
do mesmo.
7
Fundamentos Teóricos
Na formulação básica do problema, definem-se três tipos de barras em Sistemas Elétricos de Po-
tência que são PQ, barra de carga, PV , barra de geração, e V θ , barra de referência. Sendo conhecidas
para cada uma delas, respectivamente, ambas as injeções de potência, a injeção de potência ativa e
a magnitude de tensão, e a magnitude e fase de tensão. Assim, percebe-se que como incógnitas do
sistema não linear temos as magnitudes e fases das barras tipo PQ, as fases e injeções de potência
reativa das barras tipo PV e as injeções ativa e reativa da barra tipo V θ . Salienta-se que a barra V θ
possui grande importância para a resolução do sistema, uma vez que ela atua tanto como barra de
referência para o sistema quanto para o fechamento do balanço de carga do mesmo.
Outro ponto importante a se notar reside sobre o fato de que as injeções de potências ativas e
reativas são, em geral, fornecidas como potências geradas, Pmedgk
e Qmedgk
, ou consumidas, Pmedlk e Qmed
lk ,
sendo que, desta forma, os valores utilizados para as injeções representam o saldo da diferença entre
a potência gerada e a consumida para aquela barra, Pmedk = Pmed
gk−Pmed
lk e Qmedk = Qmed
gk−Qmed
lk .
Desta forma, caso existam NPQ barras do tipo PQ, NPV barras do tipo PV e NV θ barras do tipo
V θ , então o sistema é constituído por 2NPQ+NPV equações possuindo, também, o mesmo número
de estados desconhecidos. Entretanto, como prática computacional, é comum montar um sistema
considerando todas as barras do tipo PQ e em seguida impor restrições de igualdade ao sistema para
as magnitudes de tensões das barras tipo PV e V θ e para a fase da tensão da barra V θ , desta forma, o
sistema tem 2NB equações, sendo NB número de barras do sistema.
Contudo, uma vez que o sistema encontrado é não linear, deve-se utilizar algum método numérico
iterativo para a sua solução. Dentre os métodos existentes, o mais utilizado e aqui adotado é o método
de Newton-Raphson caracterizado por utilizar a formulação f(xv) =−J(xv)∆xv. Onde, f(xv) indica o
valor das funções não lineares quando se aplica os valores dos estados, xv, na iteração v; J(xv) indica
a matriz Jacobiana do sistema calculada para o estado da iteração atual e ∆xv representa a diferença
entre o estado da iteração atual e o estado da iteração anterior.
Assim, tomando-se f(xv), (2.14), vetor de funções formado pelas diferenças entre o saldo das me-
didas de injeções de potência ativa e reativa de cada uma das barras do sistema e a respectiva equação
que a caracteriza, (2.10) e (2.11), calculada para os estados da iteração em questão; e, sendo J(xv)
formulada tal como em (2.15), obtém-se um sistema de equações lineares que pode ser solucionado
atráves de métodos numéricos tais como Eliminação de Gauss e Fatoração QR, a serem explicados a
posteriori.
f(x) =
[∆P∆Q
]=
[Pmed−PQmed−Q
], x =
[θθθ
V
]= 0 (2.14)
O resultado deste sistema linear, ∆xv, é incrementado no vetor de estados da iteração anterior e
o processo é repetido até que o erro, max(f(xv)− f(xv−1)), seja inferior a um valor pré-determinado.
Ao fim deste processo iterativo, os valores das magnitudes e fases de tensões de todas as barras do
sistema estarão calculados. É importante observar que as condições iniciais dos estados são definidas,
em geral, como sendo iguais a 1p.u. para as magnitudes de tensão e 0 para as fases de tensão.
8
Fundamentos Teóricos
A formulação da matriz Jacobiana é dada a seguir:
J(x) =
δ∆Pδθθθ
δ∆PδV
δ∆Qδθθθ
δ∆QδV
(2.15)
Onde,
δ∆Pk
δθm=
VkVm(Gkm sin(θkm)−Bkm cos(θkm)) , se k 6= m
−V 2k Bkk−Vk ∑
m∈KVm(Gkm sin(θkm)−Bkm cos(θkm)) , se k = m
(2.16)
δ∆Pk
δVm=
Vk(Gkm cos(θkm)+Bkm sin(θkm)) , se k 6= m
VkGkk + ∑m∈K
Vm(Gkm cos(θkm)+Bkm sin(θkm)) , se k = m(2.17)
δ∆Qk
δθm=
−VkVm(Gkm cos(θkm)+Bkm sin(θkm)) , se k 6= m
−V 2k Gkk +Vk ∑
m∈KVm(Gkm cos(θkm)+Bkm sin(θkm)) , se k = m
(2.18)
δ∆Qk
δVm=
Vk(Gkm sin(θkm)−Bkm cos(θkm)) , se k 6= m
−VkBkk + ∑m∈K
Vm(Gkm sin(θkm)−Bkm cos(θkm)) , se k = m(2.19)
9
Fundamentos Teóricos
2.2 O Fluxo de Carga Continuado
O Fluxo de Carga Continuado pode ser entendido como uma aplicação sequencial sucessiva e au-
tomatizada do Fluxo de Carga para um mesmo Sistema Elétrico de Potência, sendo que para cada
aplicação há um incremento da carga total consumida e gerada no sistema de acordo com um pa-
râmetro de carregamento, λ , e características associadas aos geradores e às áreas de distribuição de
carga deste sistema. Ou seja, a partir do resultado do fluxo de carga inicial, denominado de caso base,
é realizado um incremento parametrizado da demanda e da geração de potência no sistema, sendo
calculado um novo fluxo de carga a partir dos novos valores de injeções de potências ativas e reativas.
Este programa permite, portanto, traçar os perfis de magnitude e fase de tensão para cada uma
das barras do sistema em função do carregamento do mesmo. Estes perfis auxiliam no entendimento
e caracterização do comportamento de um sistema sob diversas situações de carregamento, tornando
possível visualizar casos críticos, tal como o Ponto de Colapso de Tensão (ponto de carregamento
onde ocorre inflexão das curvas de tensão), [5] e [4].
Para a implementação deste programa, foram analizadas, inicialmente, duas metodologias distin-
tas. A primeira consistia em resolver os fluxos de carga a partir de pequenos incrementos de carga
de tamanho máximo pré-definidos. Sendo que a condição inicial utilizada para o cálculo dos estados
do sistema para a condição λ i+1 era igual ou aproximadamente igual aos valores encontrados para
os estados na condição λ i. Esta solução, contudo, começa a falhar próximo ao Ponto de Colapso de
Tensão, uma vez que a Jacobiana do sistema tende a singularidade nesta região.
A segunda metodologia resolve o problema da singularidade da Jacobiana através da utilização de
uma equação de parametrização da curva de carregamento. Logo, a dimensão do sistema é aumentada
de uma unidade, passando o parâmetro de carregamento, λ , a fazer parte do conjunto de estados x.
O programa implementado utiliza a segunda metodologia, uma vez que ela é mais robusta e per-
mite traçar toda a curva de carregamento do sistema. A principal referência para o desenvolvimento
deste programa foi o artigo [3]. Ressalta-se, entretanto, que foram realizadas pequenas modificações
em relação ao método exposto no artigo, tais como a não implementação dos controles de reativo
dos geradores; a não utilização do método da tangente como preditor para os dois primeiros pontos
de carregamento do sistema que foram aqui resolvidos pelo Fluxo de Carga simples; a utilização de
comprimentos de arco, ∆s, constantes durante todo o processo e a utilização de parametrização do
carregamento do sistema baseada nos trabalhos [4] e [5].
O equacionamento apresentado para o Fluxo de Carga na seção anterior deve sofrer as modifica-
ções necessárias, para que o programa de Fluxo de Carga Continuado desenvolvido fique totalmente
caracterizado.
2.2.1 Sobre o método da continuação
O método da continuação utilizado é baseado na implementação de um função de parametrização da
curva de comportamento dos estados do sistema em análise, aliada a um algoritmo estilo preditor-
corretor.
Tal como anteriormente citado, é acrescentada uma função ao sistema de equações (2.14), sendo
que esta função atua de forma a vincular a variação dos estados do sistema em função da variação do
10
Fundamentos Teóricos
parâmetro λ . A função utilizada é denominada de comprimento de arco (2.20), e pode ser visualizada
como uma medida de distância entre os estados dos fluxos de carga com carregamentos λ v e λ v−1.
2NB
∑i=1
(xv−1i − xv
i )2 +(λ v−1−λ
v)2− (∆s)2 = 0 (2.20)
Onde, v indica a iteração do Fluxo de Carga Continuado, xi, indica o estado, magnitude ou fase
de tensão, da barra i e ∆s indica o comprimento do arco estipulado entre dois carregamentos distintos,
ou seja, o passo utilizado no incremento da carga. ∆s pode ter seu valor alterado dinamicamente
durante a execução do algoritimo de forma a reduzir ou aumentar o comprimento do passo entre os
fluxos calculados, para tanto, tais alterações devem levar em consideração o comportamento da curva
parametrizada a fim de que os passos utilizados não provoquem problemas de convergência. No
entando, a fim de simplificar a resolução do problema, decidiu-se por adotar um valor fixo e igual a
0.05 para este parâmetro. Este valor foi escolhido empiricamente para o SEP utilizado em função de
produzir uma quantidade de passos satisfatória para o esboço das curvas de carregamento do sistema,
sem que houvessem problemas de convergência. Tal procedimento não acarreta nenhum problema
desde que o passo escolhido seja suficientemente pequeno de forma a não provocar problemas de
convergência.
O sistema modificado, novamente não linear, deve ser numericamente resolvido, contudo, ao con-
trário do Fluxo de Carga, este sistema depende dos valores dos estados de carregamentos anteriores
para ser resolvido. Por tal motivo, faz uso do método preditor-corretor, que consiste em calcular uma
estimativa dos estados para o carregamento λ v em função dos estados de carregamentos anteriores, e
em seguida, realizar um procedimento corretor de forma a minimizar o erro desta estimativa.
O algoritmo preditor utilizado é baseado no método da secante, ou seja, dados dois estados,
(xv−2,λ v−2) e (xv−1,λ v−1), pode-se obter (xv,λ v) de acordo com a equação (2.21).
(xv,λ v) = (xv−1,λ v−1)+h(xv−1−xv−2,λ v−1−λv−2) (2.21)
Onde,
h =
√√√√√√ ∆s2NB
∑i=1
(xv−1i − xv−2
i )2 +(λ v−1−λv−2)2
Por sua vez, o algoritmo corretor utilizado é a solução do sistema não linear (2.36) através do
método de Newton-Raphson de forma semelhante ao explicado para o Fluxo de Carga, a não ser pelo
uso da estimativa calculada pelo preditor como condições iniciais dos estados do sistema.
Observa-se que o método da secante não pode ser utilizado como preditor para a primeira e se-
gunda iterações do Fluxo de Carga Continuado, uma vez que não existem estados anteriores definidos.
Uma forma de contornar tal problema seria o desenvolvimento de um método baseado na tangente, tal
como exposto em [3], contudo esta solução exige o desenvolvimento de algumas rotinas numéricas
mais complexas, necessitando, desta forma, de um maior esforço computacional.
Uma solução mais simples, e não menos eficaz, consiste em resolver dois fluxos de carga simples,
o caso base, λ = 1, e outro muito próximo ao caso base, λ ≈ 1, de forma a gerar os dois conjuntos de
11
Fundamentos Teóricos
estados necessários para executar o algoritmo preditor. Sendo está última, a solução escolhida para o
programa desenvolvido.
2.2.2 Sobre a parametrização da carga e da geração
A parametrização da variação de crescimento da carga e de geração do Sistema Elétrico de Potência
possui grande influência nos resultados encontrados e na sua correlação com a realidade do sistema
em estudo. Logo, é importante utilizar um sistema que consiga simular esta variação de forma seme-
lhante com a realidade.
A parametrização da carga ativa total PlT , em função de λ e da carga ativa total do caso base PlT0,
é dada pela equação (2.22), sendo λ o parâmetro de carregamento.
PlT (λ ) = λ ·PlT0(2.22)
Em geral, o crescimento da carga não é uniforme dentro de um SEP, uma vez que as cargas que
ele engloba podem ter características bem distintas uma das outras, além disso, podem existir áreas
em que o crescimento das cargas se dá de maneira semelhante. Assim, serão utilizado dois tipos de
fatores de participação, um específico para cada uma das barras do sistema, fpb (fator de participação
da barra), e outro para grupos de barras desse sistema, fpa (fator de participação da área). Define-se,
também, a idéia de potência total, PlAi, de uma área i qualquer, (2.23), e sua relação com a potência
total, (2.24).
PlAi= ∑
j∈Ai
Pl j (2.23)
PlT0= ∑PlAi0
(2.24)
O crescimento de carga de uma área i qualquer é dado pelo parâmetro α de forma que:
PlAi= PlA0i
(1+ fpaiα) (2.25)
Utilizando as equações (2.22), (2.24) e (2.25), pode-se isolar o valor de α .
α =∑PlA0i
(λ −1)
∑PlA0ifpai
(2.26)
Impondo, βAi =∑PlA0i
∑(PlA0ifpai)
, a equação de potência para uma área i qualquer é dada por (2.27).
PlAi(λ ) = PlA0i
[1+ fpaiβAi(λ −1)] (2.27)
De forma semelhante pode-se especificar o crescimento de carga para barras específicas dentro
de uma determinada área i, (2.31).
PlB j= PlB0 j
(1+ fpb jγ) (2.28)
12
Fundamentos Teóricos
γ =PlA0i
[fpaiβAi(λ −1)]
∑j∈Ai
PlB0 jfpb j
(2.29)
βB j =PlA0i
[fpaiβAi ]
∑j∈Ai
PlB0 jfpb j
(2.30)
PlB j(λ ) = PlB0 j
[1+ fpb jβB j(λ −1)] (2.31)
De maneira análoga pode-se obter as equações para o incremento de potência reativa no sistema,
mantendo, é claro, distinção entre os fatores de participação de cada barra e área para as potências
ativas e reativas.
Por sua vez, o incremento de geração foi parametrizado em função do momento de inércia dos
geradores e da variação da carga do sistema, de acordo com a relação (2.32).
∆Pgi =Mi
MT∆PlT (2.32)
Sendo que, Mi representa o momento de inércia do gerador i, MT , o momento de inércia total das
máquinas do sistema, ∆PlT , representa a variação total de carga das barras, e ∆Pgi indica a variação da
potência ativa do gerador i, (2.33).
∆PlT =NB
∑j=1
(Pl(λ )−Pl0) (2.33)
Assim,
∆Pgi =Mi
MT
NB
∑j=1
(Pl(λ )−Pl0) (2.34)
Logo, a potência ativa fornecida por cada gerador do sistema pode ser obtida atráves da soma da
potência gerada original mas o incremento fornecido por aquele gerador para o incremento de carga
λ especificado.
Pgi(λ ) = Pg0i+
Mi
MT
NB
∑j=1
(Pl j(λ )−Pl0 j) (2.35)
Observa-se que a ponderação utilizada pelo momento de inércia é arbitrária e que outras ponde-
rações poderiam ser facilmente definidas e utilizadas tendo-se um maior conhecimento do SEP em
análise e da capacidade dos geradores que fazem parte do mesmo.
2.2.3 Síntese do sistema de equações do Fluxo de Carga Continuado
De forma resumida, o sistema de equações a ser resolvido no fluxo de carga continuado, a partir da
terceira iteração do programa consiste em resolver (2.36) através do método iterativo de Newton-
Raphson, com as condições iniciais calculadas pela equação (2.21).
13
Fundamentos Teóricos
f(x,λ ) = 02NB
∑i=1
(xv−1i − xv
i )2 +(λ v−1−λ
v)2− (∆s)2 = 0(2.36)
O sistema linearizado a ser iterado está disposto a seguir:δ∆Pv
δθθθ
δ∆Pv
δVδ∆Pv
δλδ∆Qv
δθθθ
δ∆Qv
δVδ∆Qv
δλδ∆Sv
δθθθ
δ∆Sv
δVδ∆Sv
δλ
·∆θθθ
∆V∆λ
=−
∆Pv
∆Qv
∆Sv
(2.37)
Sendo válidas as seguintes relações para o termo independente:
∆P = Pg(λ )−Pl(λ )−Pmed (2.38)
∆Q = Qg(λ )−Ql(λ )−Qmed (2.39)
∆Sv = (∆s)2−
[2NB
∑i=1
(xv−1i − xv
i )2 +(λ v−1−λ
v)2
](2.40)
Por sua vez, a matriz Jacobiana é formada pelas equações a seguir em conjunto com as equações
(2.16), (2.17), (2.18) e (2.19):
δ∆Pvk
δλ= Pl0k
fpbativakβBativak
− Mk
MT
NB
∑j=1
Pl0 jfpbativa j
βBativa j(2.41)
δ∆Qvk
δλ= Ql0k
fpbreativakβBreativak
(2.42)
δ∆Sv
δθk= 2(θ v−1
k −θvk ) (2.43)
δ∆Sv
δVk= 2(V v−1
k −V vk ) (2.44)
δ∆Sv
δλ= 2(λ v−1−λ
v) (2.45)
14
Fundamentos Teóricos
2.3 O Estimador de Estados WLS
O processo de estimação de estados implementado é baseado no método de regressão linear utilizando
o modelo de equações não linear dado por (2.46), [1] e [15]. Esta metologia difere das anteriores
principalmente em função de não gerar um resultado único, mas sim, um resultado específico para
um dado conjunto de medidas e ponderação e para uma determinada formulação do equacionamento.
Dentre as formulações existentes, a utilizada neste trabalho é baseado na equação Normal e no método
de Mínimos Quadrados Ponderados, portanto, o estimador implementado é conhecido como WLS -
Weighted Least Squares.
z = h(x)+ e (2.46)
O modelo (2.46) relaciona o vetor de medidas, z, sendo a dimensão do vetor de medidas dado por
dim(z) = m; o vetor de equações não lineares, h(.), dim(h(.)) = m; o vetor de estados verdadeiros x,
dim(x) = n e o vetor de erros nas medidas e cuja dim(e) = m. Além disso, define-se que n < m, ou
seja, o sistema não linear é obrigatoriamente superdeterminado, bem como, assume-se que o vetor de
erros das medidas possui média zero e variância Wz.
Aplicando as condições de optimalidade sobre o índice J(x), que é expresso pela equação (2.47),
encontra-se a expressão optimal de primeira ordem para este modelo, equação (2.48). Onde σ j é o
elemento ( j, j) da matriz de covariância de erros das medidas, Wz.
J(x) =12
m
∑j=1
(z j−h j(x)
σ j
)2
(2.47)
g(x) =δJ(x)
δx=−
m
∑j=1
(z j−h j(x)
σ j
)δh j(x)
δx(2.48)
Sendo que g(x) denota o gradiente de j(x), podendo-se encontrar o conjunto solução para g(x) =0, através do método iterativo de Newton-Raphson. Para tanto, deve-se fazer a expansão de Taylor da
função gradiente, (2.48), gerando a expressão (2.49).
g(x+∆x)∼= g(x)+G(x)∆x (2.49)
Onde G(x) é a matrix Hessiana do índice J(x):
G(x) =δ 2J(x)
δx2 = H′(x)W−1z H(x)−
m
∑j=1
(∆x
δ 2h j(x)δx2
)(2.50)
Uma vez que o método de Newton-Raphson utiliza apenas as derivadas de primeira ordem, as
derivadas de ordem superior podem ser ignoradas, e dessa forma, a matrix ganho é dada por:
G(x) = H′(x)W−1z H(x) (2.51)
15
Fundamentos Teóricos
Por fim, o vetor de estados estimados, x, pode ser obtido iterando-se o sistema dado por:(H′(xv)W−1
z H(xv))
∆xv = H′(xv)W−1z r(xv)
xv+1 = xv +∆xv(2.52)
Sendo, H(.), (2.53), a matrix Jacobiana de h(.) e r(xv) = z− h(xv). A condição de parada do
método iterativo utilizada é tal que min∆z(xv)≤ erro_processo, onde erro_processo é um valor pré-
definido.
J(x) =
δ∆Pk
δθθθ
δ∆Pk
δVδ∆Qk
δθθθ
δ∆Qk
δVδ∆Pkm
δθθθ
δ∆Pkm
δVδ∆Qkm
δθθθ
δ∆Qkm
δVδ∆Vk
δθθθ
δ∆Vk
δV
(2.53)
Onde, ∆Pk e ∆Qk indicam as medidas de injeção de potência ativa e reativa nas barras k e cujas
derivadas são dadas em (2.16),(2.17), (2.18) e (2.19); ∆Pkm e ∆Qkm são as medidas de fluxo de potên-
cia ativa e reativa entre as barras k e m e cujas derivadas são dadas por (2.54), (2.55), (2.56) e (2.57),
e ∆Vk indicam as medidas de magnitude de tensão, com derivadas (2.58) e (2.59).δ∆Pkm
δθk= akmVkVm[gkm sin(θkm +ϕkm)−bkm cos(θkm +ϕkm)]
δ∆Pkm
δθm=−akmVkVm[gkm sin(θkm +ϕkm)−bkm cos(θkm +ϕkm)]
(2.54)
δ∆Pkm
δVk= 2a2
kmVkgkm−akmVm[gkm cos(θkm +ϕkm)+bkm sin(θkm +ϕkm)]
δ∆Pkm
δVm=−akmVk[gkm cos(θkm +ϕkm)+bkm sin(θkm +ϕkm)]
(2.55)
δ∆Qkm
δθk=−akmVkVm[bkm sin(θkm +ϕkm)+gkm cos(θkm +ϕkm)]
δ∆Qkm
δθm= akmVkVm[bkm sin(θkm +ϕkm)+gkm cos(θkm +ϕkm)]
(2.56)
δ∆Qkm
δVk=−2a2
kmVk(bkm +bshkm)+akmVm[bkm cos(θkm +ϕkm)−gkm sin(θkm +ϕkm)]
δ∆QδVm
= akmVk[bkm cos(θkm +ϕkm)−gkm sin(θkm +ϕkm)](2.57)
δ∆Vk
δθk= 0
δ∆Vk
δθm= 0
(2.58)
δ∆Vk
δVk= 1
δ∆Vk
δVm= 0
(2.59)
Contudo, obter o vetor de estados estimados x pura e simplesmente não fornece nenhuma garantia
16
Fundamentos Teóricos
de que tais estados estão próximos da realidade do sistema, uma vez que o conjunto de medidas uti-
lizados pode conter uma ou mais medidas com erros significativos, denominados de erros grosseiros.
A utilização de medidas com erros grosseiros leva a obtenção de estados errados ou até mesmo a não
convergência do processo de estimação.
Assim, fica evidente que rotinas e algoritmos de identificação de erros grosseiros nas medidas são
de extrema importância para o uso correto e seguro dos métodos de estimação de estados. Alguns
métodos conseguem apenas verificar a existência de erros grosseiros no conjunto de medidas tal como
o Teste do Índice Jx, outros conseguem verificar a existência e identificar, na maioria dos casos, as
medidas com erro grosseiro, tal como o Teste do Resíduo Normalizado, [1] e [15].
Por causa de tais motivos, foi implementado no programa de estimação de estados utilizado, o
Teste do Resíduo Normalizado. Este teste atua de forma a correlacionar os resíduos das diversas
medidas existentes de uma forma que a comparação direta da ordem de magnitude dos mesmos seja
possível. O vetor resíduo de estimação, r = z−h(x), pode ser entendido como um conjunto de erros
entre os valores das medidas, zi, e os valores estimados para essas medidas, hi(x). Entretanto, cada
uma dessas medidas possui uma variância especificada pelo equipamento utilizado para realizá-la,
não sendo possível desta forma, comparar diretamente os resíduos de diferentes tipos de medidas
entre si. A normalização dos resíduos faz com que este problema seja extinto, tornando a comparação
direta entre os resíduos normalizados possível.
O método de normalização dos resíduos consiste em calcular a matriz de covariância dos resíduos,
Ωr, (2.60), e aplicar a equação (2.61). Sendo que, rNi representa o resíduo normalizado da medida i,
ri o resíduo da medida i e σri =√
Ω−1ii é o desvio padrão do resíduo desta medida.
Ωr = W−1−H(H′WH)−1H′ (2.60)
rNi =
ri
σri
(2.61)
Assim, após a normalização é feita uma verificação em busca do maior valor contido no vetor de
resíduos normalizados. Caso esse valor seja superior a um determinado padrão adotado, é aceito que
haja um erro grosseiro no valor desta medida, sendo então esta eliminada do conjunto dando início a
um novo processo de estimação de estados e verificação de erros grosseiros. O ciclo inerente deste
processo termina quando nenhum outro resíduo superior ao padrão adotado é encontrado ou quando
a estimação de estados se torna impossível devido a problemas de observabilidade ou problemas
numéricos de convergência.
Em geral, o padrão utilizado para determinar se uma medida possui erros grosseiros ou não é
o valor 3. Este valor é escolhido em função de testes estatísticos relacionados ao processo sendo
aqui adotado sem maiores discussões. Além disso, cabe ressaltar que este processo não consegue
identificar todos os tipos de erros grosseiros, como exemplo, têm-se os erros grosseiros em medidas
críticas as quais tem resíduo nulo, [6] e [8]. Outro ponto importante, reside no fato de que apenas
uma medida com resíduo normalizado superior a 3 deva ser eliminada por vez, sendo esta a de maior
resíduo normalizado. Tal fato decorre essencialmente das interações existentes no sistema, sendo
tais iterações responsáveis por propagar o erro existente em uma medida para os resíduos de outras
17
Fundamentos Teóricos
medidas.
18
Fundamentos Teóricos
2.4 Demais algorítimos utilizados
Os algorítimos que serão apresentados nesta seção foram utilizados para inserir erros pseudo-aleatórios
nos arquivos de entrada do Estimador de Estados e no desenvolvimento das rotinas de solução de sis-
temas lineares dos programas descritos anteriormente.
2.4.1 Geração de erros aleatórios
Com a finalidade de testar robustamente o Estimador de Estados implementado, buscou-se inserir
erros pseudo-aleatórios em todas as medidas utilizadas constantes nos arquivos de entrada. Para
tanto, foram utilizadas as funções gasdev() e ran1(), sendo estas encontradas em [11] e dispostas no
Apêndice deste trabalho.
Tal como descrito nos comentários da função gasdev(), o algorítmo utilizado gera um valor de
desvio com média zero e variância unitária, assim, deve-se usar a equação (2.62) para aplicar erros às
medidas do sistema.
z = zCPFLOW +σz · ez (2.62)
Onde, z representa a medida acrescida de erro e que será utilizada para a estimação, zCPFLOW
representa a medida original sem erro gerada pelo programa de Fluxo de Carga Continuado, σz cor-
responde ao valor adotado para o desvio padrão da medida em questão e ez é o valor pseudo-aleatório
com distribuição normal padrão obtido a partir da função gasdev().
2.4.2 Resolução de sistemas lineares
Os sistemas lineares do tipo Ax = b foram numericamente resolvidos empregando métodos de fato-
ração matricial e o método conhecido como substituição reversa.
A substituição reversa pode ser aplicada em um sistema linear Ux = c a fim de encontrar os
valores de x, desde que a matriz U seja triangular superior, [13] e [14]. Para tanto, basta resolver a
equação (2.63) para todos os valores de i = n, n−1, n−2, ..., 1.
xi =
(bi−
n
∑j=i+1
ui jx j
)/uii (2.63)
Nota-se que as dimensões dos elementos desses sistemas lineares devem ser dim(A) = dim(U) =
n ·n, dim(x) = dim(b) = dim(c) = n.
Contudo, em geral o sistema linear original é caracterizado por possuir uma matriz A quadrada
qualquer, assim, utilizam-se métodos de fatoração matricial com o intuito de transformar o sistema
original do tipo Ax = b em um sistema equivalente Ux = c, onde a matriz U é uma matriz quadrada
triangular superior. Sendo, o conjunto solução formado pelo vetor x igual em ambos os casos.
Dentre os métodos de fatoração existentes, foram implementados a Eliminação de Gauss e a
Fatoração QR.
19
Fundamentos Teóricos
2.4.2.1 Eliminação de Gauss
O método conhecido como Eliminação de Gauss é utilizado com o intuito de transformar uma matriz
A qualquer em uma matriz triangular superior U equivalente. O processo a ser desenvolvido consiste
em aplicar n matrizes de transformações de Gauss, Tk, sobre a matriz original A, sendo dim(A)= n ·n.
Ou seja, U = TnTn−1Tn−2 · · ·T1A, [13] e [14].
As matrizes de transformação de Gauss são construídas de acordo com a equação (2.64).
Tk = I−vkek (2.64)
Onde I representa a matriz identidade de ordem n, vk é o vetor coluna construído tal como disposto
em (2.65) e ek é um vetor linha que possui todos os seus elementos nulos à excessão do elemento k
que é igual a unidade.
vk =
0 , se i < k
Ak−1ik /Ak−1
kk , se i≥ k(2.65)
Ak−1ik representa o elemento da linha i coluna k da matriz Ak−1 = Tk−1Tk−2Tk−3 · · ·T1A. O
elemento Ak−1kk pode ser descrito de forma análoga ao anterior, sendo este elemento, em geral, deno-
minado de pivô, o qual tem uma importância fundamental na qualidade dos resultados obtidos por
este método.
Como pode ser facilmente observável, este método falha somente na condição de pivô nulo, con-
tudo, caso o pivô tenha um valor próximo de zero, os resultados encontrados podem possuir problemas
numéricos. Assim, de forma a evitar tais problemas numéricos, são realizadas normalmente rotinas
de pivotamento. Dentre as rotinas existentes para tal fim, implementou-se a que define o pivô como o
maior valor dentre os elementos Ak−1ik com i≥ k.
Devido aos problemas relacionados ao pivô no método de Eliminação de Gauss para sistemas mal
condicionados, buscou-se implementar outro método de fatoração denominado de QR.
2.4.2.2 Fatoração QR
A Fatoração QR de uma matriz consiste em encontrar duas matrizes Q e R de tal forma que valha a
relação a seguir, e que a matriz Q seja ortogonal e que R seja triangular superior, [11], [12], [13] e
[14].
A = QR (2.66)
Uma matriz é dita ortogonal caso valha a relação Q′Q = I, onde Q′ equivale a matriz transposta
de Q e I é a matriz identidade de mesma ordem da matriz Q, ou também Q′ = Q−1. Assim, dado o
sistema original, Ax = b, e a relação (2.66), vale:
QRx = b (2.67)
Utilizando a característica de ortogonalidade,
Q′QRx = Q′b
20
Fundamentos Teóricos
Rx = Q′b (2.68)
Assim, a partir da fatoração realizada pode-se aplicar o método de substituição reversa a fim de re-
solver o sistema de forma que valham U=R e c=Q′b. Importante notar que se Q=Q1Q2Q3 · · ·Qn =
(QnQn−1Qn−2 · · ·Q1)−1 então Q′ = QnQn−1Qn−2 · · ·Q1.
Dentre os métodos existentes para este tipo de fatoração, foram implementados os baseados nas
Transformações de Househölder e nas Rotações de Givens.
As Transformações de Househölder podem ser calculadas através da equação (2.69), onde P é a
matriz resultante que representa a transformação ou reflexão, I é a matriz identidade de dimensão n ·ne v é um vetor de dimensão n não nulo.
P = I− 2v′v
vv′ (2.69)
A utilização dessas transformações na fatoração QR se dá uma vez que ela pode ser utilizada para
anular vários elementos de um vetor. Ou seja, suponha que y1 seja um vetor coluna com elementos
iguais aos da primeira coluna da matriz A, e que w1 seja um vetor coluna de mesma dimensão que y1,
sendo que todos os elementos de w1 sejam nulos à excessão do primeiro w11 . Impondo ‖y1‖= ‖w1‖e v = w1−y1, pode-se encontrar uma matriz ortogonal P1 = Q1 que irá anular todos os elementos da
primeira coluna de Q1A.
De forma semelhante, para o vetor y2 que representa a segunda coluna da matriz Q1A, e para
o vetor w2 que possui todos os elementos não nulos à excessão de w21 e w22 , impondo as mesmas
condições anteriores e fazendo w21 = y21 , pode-se encontrar P2 = Q2 tal que todos os elementos da
segunda coluna de Q2Q1A sejam nulos à excessão dos dois primeiros. Tal procedimento pode ser
repetido n-1 vezes até que a matriz A esteja fatorada.
Por sua vez, as Rotações de Givens atuam de forma a anular elemento a elemento de uma matriz,
sendo que a forma mais básica do algorítmo consiste em criar matrizes de rotação Qij que zerem o
elemento (i, j) de QijA. Qij é construida de forma que todos os elementos da diagonal, à excessão
dos elementos (i, i) = c e ( j, j) = c são iguais a unidade, e que todos os demais elementos à excessão
de (i, j) =−s e ( j, i) = s são nulos.
Os valores de c e s podem ser calculados através de (2.70), sabendo que a representa o elemento
( j, j) da matriz A e b respresenta o elemento (i, j) desta mesma matriz.c = 1;s = 0 ,se b = 0
t = a/b;s = 1/√
1+ t2;c = s · t ,se |b|> |a|
t = b/a;c = 1/√
1+ t2;s = c · t ,se |b|< |a|
(2.70)
Assim, basta aplicar as relações acima para todos os elementos não nulos abaixos da diagonal
principal da matriz A de forma a fatora-la para uma matriz triangular superior.
21
22
Capítulo 3
Resultados
O presente capítulo apresenta os principais resultados encontrados durante a execução deste trabalho.
Inicialmente, busca-se mostrar o correto funcionamento das funções de geração de números
pseudo-aleatórios, utilizadas para inserir erros pseudo-aleatórios com distribuição normal nos valores
de magnitude de tensão, de fluxos e de injeções de potência ativa e reativa produzidos pelo programa
de Fluxo de Carga Continuado. Desta forma, tais resultados puderam ser utilizados como medidas
para a execução do Estimador de Estados. Em seguida, são apresentados os resultados dos programas
implementados, com enfoque no Fluxo de Carga Continuado e no Estimador de Estados.
Para o Fluxo de Carga Continuado são mostradas curvas de magnitude e fase de tensão em função
do parâmetro de carregamento, λ , com comparações entre os resultados encontrados quando utiliza-
dos os diferentes métodos numéricos de Eliminação de Gauss e Fatoração QR. Apresenta-se, também,
uma análise inicial da variação dos números de condição das matrizes jacobianas utilizadas.
Os resultados mostrados para o Estimador de Estados buscam analisar, em média, a precisão e
a confiabilidade dos resultados produzidos por esta ferramenta para Sistemas Elétricos de Potência
com conjuntos de medidas próximos da realidade habitual encontrada na prática, ou seja, sistemas
que possuam medidas críticas e conjuntos críticos de medidas. Com tal intuito, foram realizadas
comparações entre os resultados, de magnitudes de tensão e de carga total do sistema, produzidos pelo
Estimador de Estados e pelo Fluxo de Carga Continuado. Além disso, de forma a gerar resultados
mais abrangentes, foram utilizados três conjuntos de medidas com diferentes graus de redundância.
É importante salientar que para todas as estimações de estado realizadas, foi executado o proce-
dimento de Eliminação de Erros Grosseiros pelo método do Resíduo Normalizado, tal como descrito
na Seção 2.3 deste trabalho. Além disso, não foi feita nenhuma restrição sobre os erros pseudo-
aleatórios inseridos nos valores utilizados como medidas para a estimação, ou seja, erros com mais
de 3 vezes o desvio padrão da medida foram inseridos nos conjuntos de medidas utilizados. Logo, não
foi incomum encontrar casos em que o Estimador de Estados encontrou e eliminou um ou mais Erros
Grosseiros dos conjuntos de medidas utilizados nos mais diversos pontos de operação do sistema.
Por fim, ressalta-se que as medidas de injeção nula existentes no sistema foram tradadas da mesma
forma que as medidas de uma barra de carga tipo PQ normal.
23
Resultados
3.1 Da geração de valores aleatórios
Tal como descrito anteriormente na Seção 2.4.1, as funções ran1() e gasdev() são responsáveis por
gerar valores com distribuições respectivamente uniforme e normal. Para tanto, basta tomar um valor
numérico como semente inicial do processo e armazenar os valores obtidos um a um sequencialmente.
Este processo foi usado para gerar os gráficos contidos nas Figuras 3.1, 3.2, 3.3 e 3.4, sendo que para
as duas primeiras figuras a semente inicial foi igual a −1 e para as duas últimas foi igual a −90234.
Além disso, em todos os casos foram armazenados exatamente 10.000 valores.
Nota-se facilmente pelos histogramas aqui apresentados que as distribuições dos conjuntos de
valores gerados por cada uma das funções está de acordo com o esperado independentemente da
semente utilizada, validando, assim, a utilização de tais funções para a geração dos erros aleatórios
com distribuição normal nas medidas do estimador de estados.
24
Resultados
Figu
ra3.
1:R
esul
tado
gera
dope
lafu
nção
ran1
()da
daum
ase
men
teig
uala
-1
Figu
ra3.
2:R
esul
tado
gera
dope
lafu
nção
gasd
ev()
dada
uma
sem
ente
igua
la-1
25
Resultados
Figu
ra3.
3:R
esul
tado
gera
dope
lafu
nção
ran1
()da
daum
ase
men
teig
uala
-902
34
Figu
ra3.
4:R
esul
tado
gera
dope
lafu
nção
gasd
ev()
dada
uma
sem
ente
igua
la-9
0234
26
Resultados
3.2 Dos Fluxos de Carga
O programa de Fluxo de Carga implementado foi testado comparativamente com resultados previa-
mente obtidos através do programa ANAREDE desenvolvido pelo CEPEL - Centro de Pesquisas de
Energia Elétrica ligado a Eletrobras. Os teste realizados foram feitos com base em informações bá-
sicas disponíveis sobre quatro Sistemas Elétricos de Potência IEEE 14 barras, IEEE 57 barras, IEEE
118 barras e Sistema Reduzido Sul Brasileiro de 45 barras.
Os resultados encontrados para este programa foram equivalentes aos gerados pelo ANAREDE.
Concluiu-se, assim, que a implementação do Fluxo de Carga estava correta. Estes resultados não
estão aqui disponíveis por não caracterizarem o interesse principal deste trabalho e por não serem
facilmente visualizados.
Por sua vez, os resultados a serem apresentados para o Fluxo de Carga Continuado foram todos
produzidos tendo como base o Sistema Reduzido Sul Brasileiro de 45 barras. Um diagrama contendo
a configuração deste sistema está disposto na Figura 3.5. Observa-se nesta figura que este sistema
possui 10 barras de geração, sendo uma delas escolhida como barra de referência, além disso, existem
também algumas barras de injeção nula.
Figura 3.5: Sistema Reduzido Sul Brasileiro
Percebe-se, também pela Figura 3.5, que o sistema foi divido em duas áreas tal como em [4] e
[5], sendo a área 1 a demarcada pelas barras com nome em preto, e a área 2 por aquelas em vermelho.
A taxa de crescimento de carga da área 1 é duas vezes mais rápida do que a da outra área, sendo o
crescimento de carga simulado tal como anteriormente descrito neste trabalho. A carga total desse
sistema no caso base, λ = 1, é de 6472MW .
As Figuras 3.6 e 3.7 representam respectivamente a magnitude de tensão, em PU, e a fase de
tensão, em graus, da barra de carga número 368. Percebe-se que com o aumento da carga, crescimento
de λ , há a diminuição da magnitude de tensão nessa barra até o ponto de máximo carregamento
do sistema, caracterizado pela inflexão da curva V λ . Para o caso analisado, o ponto de máximo
27
Resultados
Figura 3.6: Magnitude de Tensão da Barra 368 em PU
Figura 3.7: Fase de Tensão da Barra 368 em graus
carregamento ocorreu com um λ ≈ 1.33, ou seja, houve um aumento de 33% em relação a carga total
do sistema no caso base.
O comportamento de uma barra de geração pode ser visualizado através das Figuras 3.8 e 3.9,
nas quais a magnitude e fase de tensão da barra de geração 407 estão respectivamente dispostas. A
curva de magnitude de tensão é típica de um gerador ideal sem limites de reativos, demonstrando
28
Resultados
que no programa desenvolvido não foi implementada nenhuma técnica com o intuito de controlar tal
parâmetro.
Ressalta-se que todas as barras de carga e de geração do sistema tiveram comportamentos seme-
lhantes aos encontrados para as barras aqui apresentadas, não havendo desta forma nenhum motivo
especial para a escolha destas barras como representantes para os resultados gerados pelo Fluxo de
Carga Continuado.
Figura 3.8: Magnitude de Tensão da Barra 407 em PU
Além disso, percebe-se através das Figuras 3.6, 3.7, 3.8 e 3.9, que a utilização dos diferentes tipos
de métodos numéricos, anteriormente explicados, para a fatoração matricial não gerou resultados
diferenciados para os estados do sistema. Contudo, foi realizada uma análise do número de condição
da matriz jacobiana utilizada na resolução do sistema não linear. Essa análise foi feita com o auxílio
do software Matlab da empresa The MathWorks. Para tanto, foi desenvolvido um script responsável
por gerenciar a leitura dos arquivos de texto gerados pelo Fluxo de Carga Continuado que continham
as matrizes jacobianas e o respectivo cálculo do número de condição dessas matrizes através de rotina
própria deste programa.
O número de condição de uma matriz é calculado a partir da razão entre o maior e menor autovalor
da matriz em questão, no caso da utilização da norma 2. Este número pode fornecer uma estimativa
da sensibilidade do resultado de um sistema linear, no que se refere a presença de erros no conjunto
de dados deste sistema. Um sistema é dito bem condicionado quando este número está próximo de 1,
[16].
Com o intuito de facilitar a visualização de possíveis diferenças entre os números de condição
das matrizes antes e após a aplicação dos métodos de fatoração para resolução dos sistemas lineares
gerados para cada uma das iterações do método de Newton-Raphson para cada um dos pontos de
29
Resultados
Figura 3.9: Fase de Tensão da Barra 407 em graus
carregamento, foram gerados gráficos para ambos os casos para todos os métodos. Óbviamente os
valores dos números de condição para as jacobianas não fatoradas são idênticos, independentemente
do método numérico utilizado, sendo o mesmo disposto na Figura 3.10. Os gráficos contidos nas
Figuras 3.11, 3.12 e 3.13 representam respectivamente os valores obtidos de número de condição das
matrizes jacobianas fatoradas pelos métodos de Eliminação de Gauss e Fatoração QR por Rotações
de Givens e por Transformações de Househölder respectivamente.
30
Resultados
Figura 3.10: Número de Condição para as Matrizes Jacobianas não fatoradas
Figura 3.11: Número de Condição para as Matrizes Jacobianas fatoradas, Eliminação de Gauss
Percebe-se, através da comparação das Figuras 3.10, 3.11, 3.12 e 3.13, que não há variação al-
guma no condicionamento da matriz após a aplicação dos metódos baseados nas Rotações de Givens
e Transformações de Househölder. O mesmo não ocorre após a utilização da Eliminação de Gauss,
cujo resultado é distintamente diferente entre os passos 3 e 40 da curva, havendo também ligeiras
modificações no restante da curva. Assim, pode-se ter em mente que os métodos baseados na Fa-
toração QR apresentarão problemas numéricos somente no caso da matriz original já apresentar tais
31
Resultados
Figura 3.12: Número de Condição para as Matrizes Jacobianas fatoradas, Rotação de Givens
Figura 3.13: Número de Condição para as Matrizes Jacobianas fatoradas, Transformações de Hou-sehölder
problemas, não há uma melhora ou piora do condicionamento da matriz ao longo do processo.
Além disso, o salto existente entre o segundo e terceiro ponto está diretamente ligado a mudança
de algorítmo que ocorre neste momento. Os dois primeiros pontos são resolvidos através de fluxos
de carga simples, sem a utilização do parâmetro λ , o que não ocorre nos demais. Há, portanto, um
aumento da quantidade de variáveis do sistema e uma piora no condicionamento do mesmo.
32
Resultados
3.3 Do Estimador de Estados
Os resultados gerados pelo Estimador de Estados a serem aqui apresentados foram novamente base-
ados no Sistema Reduzido Sul Brasileiro de 45 barras.
Com o intuito de gerar resultados mais abrangentes, foram considerados três conjuntos de me-
didas para este sistema. Sendo o primeiro deles, disposto na Figura 3.14, composto totalmente por
medidas críticas. O segundo, Figura 3.15, possui 104 medidas com 29 medidas críticas e 7 conjuntos
críticos. Por fim, o terceiro, Figura 3.16, possui 171 com apenas 3 conjuntos críticos. Onde medida
crítica é definida como uma medida que caso perdida torna um sistema observável não observável,
além de sempre possuir resíduo nulo, [6] e [8]. Por sua vez, conjunto crítico (de medidas) é um con-
junto formado por medidas redundantes, não críticas, em que a eliminação de uma medida qualquer
deste conjunto, torna as outras críticas, [6] e [9]. A análise das características qualitativas desses
conjuntos de medidas foi realizada utilizando o algoritmo proposto em [7].
Ressalta-se que todas as medidas de potência, fluxos e injeções, foram sempre tomadas aos pares
de medidas ativa e reativa. Desta forma, pode-se calcular o Nível de Redundância Global, NRG,
definido como a razão entre a quantidade de medidas e de estados do sistema, para cada um dos três
conjuntos de medidas utilizado. Assim, o NRG de cada um dos conjuntos utilizado é respectivamente
igual a 1, 1,156 e 1,9.
Figura 3.14: Sistema Reduzido Sul Brasileiro - Conjunto de Medidas 1
Para todos os pontos de carregamento gerados pelo Fluxo de Carga Continuado situados entre o
caso base e o de máximo carregamento, λ ≈ 1,33, foram realizadas 31 estimações de estados, sendo
acrescidos erros pseudo-aleatórios, a partir da equação (2.62), para cada uma das medidas utilizadas
sem que houvesse qualquer controle sobre a magnitude do erro inserido. Além disso, considerou-se,
inicialmente, que todas as medidas possuiam desvios padrão iguais a 0.033. Assim, para cada ponto
de carregamento foi possível produzir uma estimativa média do estados e das cargas estimadas, com
os respectivos desvios padrão. Este processo foi repetido para cada um dos três conjuntos de medidas.
Ressalta-se, novamente, que foi utilizado o método do Resíduo Normalizado para a Eliminação de
33
Resultados
Figura 3.15: Sistema Reduzido Sul Brasileiro - Conjunto de Medidas 2
Figura 3.16: Sistema Reduzido Sul Brasileiro - Conjunto de Medidas 3
Erros Grosseiros em todas as estimações de estado realizadas.
As Figuras 3.17, 3.18 e 3.19 contêm uma comparação entre os resultados calculados a partir do
Fluxo de Carga Continuado, especificado na legenda por CPFlow (abreviatura inglesa para Fluxo de
Carga Continuado), e as médias calculadas a partir de todas as 31 estimações realizadas por ponto
de carregamento, especificadas na legenda por SE (abreviatura inglesa para Estimador de Estados).
Percebe-se que com o aumento da redundância das medidas há uma melhoria significativa nas médias
calculadas para os estados estimados. Além disso, em geral, as médias calculadas possuem valores
inferiores aos calculados pelo Fluxo de Carga Continuado.
Um outro resultado interessante é encontrado ao se comparar os parâmetros de carregamento, λ ,
calculados a partir das cargas médias estimadas para cada ponto da curva com o respectivo parâmetro
fornecido pelo programa de Fluxo de Carga Continuado. Estes resultados estão dispostos nas Figuras
3.20, 3.21 e 3.22, que correspondem respectivamente aos casos 1, 2 e 3. A Figura 3.23 consiste
34
Resultados
Figura 3.17: Magnitude de Tensão Média Estimada da Barra 368 - Conjunto 1
Figura 3.18: Magnitude de Tensão Média Estimada da Barra 368 - Conjunto 2
35
Resultados
Figura 3.19: Magnitude de Tensão Média Estimada da Barra 368 - Conjunto 3
Figura 3.20: Comparação entre a carga estimada e a carga real - Conjunto 1
numa visão ampliada da região de maior carga do gráfico da Figura 3.22. O símbolo ∗ é utilizado
nas figuras supra-citadas para representar o valor médio do parâmetro de carregamento estimado,
enquanto as linhas verticais tem comprimento proporcional ao valor do desvio padrão das médias
36
Resultados
Figura 3.21: Comparação entre a carga estimada e a carga real - Conjunto 2
realizadas naquele ponto.
Percebe-se, pela Figura 3.20, que, em geral, a carga média estimada é inferior à carga real calcu-
lada pelo Fluxo de Carga Continuado. Esta tendência se torna mais significativa conforme o sistema
se aproxima do ponto de máximo carregamento. Tal comportamento pode parecer estranho uma vez
que a carga estimada deveria ser igual a carga real para qualquer ponto de operação de um sistema
com conjunto crítico de medidas. Contudo, nota-se pela Figura 3.24, que o número de casos diver-
gentes se torna muito significativo com a proximidade do limite de máximo carregamento do sistema.
Sendo que, muitos destes casos de não convergência podem ser associados a medidas errôneas de
carga que estão acima do máximo ponto de carregamento. Assim, uma vez que os casos não conver-
gentes não são levados em conta para o cálculo das médias, as médias de carga resultam em valores
inferiores aos reais.
Observa-se um comportamento semelhante para o conjunto de medidas número 2. Ou seja, no-
vamente os valores estimados de carga são inferiores aos reais, principalmente na região próxima ao
máximo carregamento. No entanto, este caso apresenta menos problemas de não convergência do
que o caso formado apenas por medidas críticas. O primeiro conjunto de medidas apresentou mais de
25% de casos não convergentes para λ ≥ 1,319, enquanto o segundo conjunto apresentou menos de
5% de não convergência, tal como disposto na Figura 3.24. Desta forma, os valores de carga estimada
inferiores aos reais devem também ser explicados como uma característica aparentemente inerente do
Estimador de Estados WLS de atrair os estados estimados para dentro da área viável de convergência,
até mesmo, para cargas com medidas maiores do que a máxima possível, [10].
A Figura 3.22 mostra que, com o aumento da redundância das medidas, existe uma diminuição
extremamente significativa da diferença entre as cargas médias estimadas e as cargas reais. Contudo,
esta diferença continua existindo para este caso, sendo mais uma vez a carga estimada inferior a real,
37
Resultados
Figura 3.22: Comparação entre a carga estimada e a carga real - Conjunto 3
Figura 3.23: Comparação entre a carga estimada e a carga real (zoom) - Conjunto 3
como pode ser melhor visualizado através da Figura 3.23.
Ao contrário do esperado, o problema de não convergência se manteve praticamente constante
para os casos 2 e 3, mesmo com o aumento da carga do sistema em direção ao ponto de máximo
carregamento. A taxa de não convergência para estes casos foi ainda maior para os casos em que o
sistema estava menos carregado, Figura 3.24.
Foram também conduzidos testes utilizando um desvio padrão para as medidas igual a 0,1, ao
38
Resultados
Figura 3.24: Taxa de não convergência para os diferentes casos e cargas
Figura 3.25: Comparação entre a carga estimada e carga real com diferentes desvios padrão - Con-junto 3
invés de 0,033. Uma comparação entre os resultados para ambos os valores de desvio padrão das
medidas para o conjunto de medidas número 3 é apresentado na Figura 3.25. Nota-se nesta figura que
existe a mesma tendência encontrada nos casos anteriores, ou seja, a carga média estimada é inferior
a real, sendo esta diferença mais acentuada. Além disso, houve um grande aumento na quantidade
de casos não convergentes, principalmente para os conjuntos de medidas 1 e 2, tornando até mesmo
inviável a apresentação dos resultados destes casos.
Infelizmente, não foi possível realizar os estudos relacionados às comparações dos diferentes
métodos de fatoração numérica de matrizes, tal como foi realizado para o Fluxo de Carga Continuado,
uma vez que a implementação destes métodos para o programa de Estimação de Estados é feita de
39
Resultados
maneira distinta, exigindo, portanto, modificações nas rotinas numéricas utilizadas que não puderam
ser feitas em função do tempo existente para realização deste trabalho.
40
Capítulo 4
Conclusão
Este trabalho buscou caracterizar o comportamento do Estimador de Estados WLS sob várias con-
dições de carga e de redundância dos conjuntos de medidas. Para tanto, foram necessários primei-
ramente estudar e implementar os programas de Fluxo de Carga, Fluxo de Carga Continuado e de
Estimação de Estados. Tais programas foram corretamente implementados, contudo eles possuem
algumas limitação, tais como a não utilização dos métodos de Fatoração QR para a resolução do sis-
tema linearizado do Estimador de Estados, e a falta de controle de reativos dos geradores presentes
nos sistemas em análise.
Entretanto, mesmo com as limitações existentes nos programas, foi possível produzir resultados
interessantes na análise comparativa entre o Estimador de Estados e o Fluxo de Carga Continuado.
Verificou-se que o Estimador de Estados tende a produzir problemas de convergência mais acentuados
para conjuntos de medidas críticas, de forma semelhante aos programas de fluxo de carga. Além disso,
ao contrário das espectativas, obteve-se uma taxa de não convergência razoavelmente constante para
os sistemas com maior redundância, sendo esta taxa maior para os casos de menor carga do que para
os de maior carga.
Outro resultado interessante obtido, foi a constatação de que para os casos analisados houve uma
tendência por parte do Estimador de Estados de produzir resultados com cargas estimadas médias
inferiores as reais. O que pode gerar problemas para os operadores de sistemas que podem fazer
previsões erradas de crescimento de carga e de margens de estabilidade do sistema, levando a uma
operação insegura do sistema.
Em última análise, os resultados obtidos para o Estimador de Estados reafirmam a necessidade de
se utilizar conjuntos mais redundantes de medidas, mesmo que os custos para a implantação de novos
equipamentos de medidas. Todavia, os resultados aqui apresentados são preliminares e necessitam de
maiores estudos e análises.
41
42
Referências Bibliográficas
[1] Monticelli, A. State estimation in electric power systems: a generalized approach. Kluwer
international series in engineering and computer science. Kluwer Academic Publishers, 1999.
[2] Monticelli, A.J. Fluxo de carga em redes de energia elétrica. Editora Edgar Blücher LTDA.,
1946.
[3] Hsiao-Dong Chiang; Flueck, A.J.; Shah, K.S.; Balu, N. CPFLOW: a practical tool for tracing
power system steady-state stationary behavior due to load and generation variations. IEEE
Transactions on Power Systems, 10(2):623 – 634, Maio 1995.
[4] Santos, C.J.R. Método rápido para avaliação da margem de estabilidade de tensão considerando
os limites de potência reativa dos geradores. Teses de Mestrado,USP - Universidade de São
Paulo, 2009.
[5] Castro Junior, A.C.L. Estudo de controle preventivo para análise do colapso de tensão. Teses
de Mestrado,USP - Universidade de São Paulo, 2009.
[6] Albertini, M.R.M.C. Metodologia para depuração off-line de parâmetros série e shunt de linhas
de transmissão através de diversas amostras de medidas. Teses de Doutorado,USP - Universi-
dade de São Paulo, 2010.
[7] London, J.B.A.; Alberto, L.F.C.; Bretas, N.G. Analysis of measurement-set qualitative charac-
teristics for state-estimation purposes. IET Generation Transmission & Distribution, 2007.
[8] Clements, K.A.; Krumpholz, G.R.; Davis, P.W. Power system state estimation residual analysis:
an algorithm using network topology. IEEE Transactions on Power Apparatus and Systems,
1981.
[9] Ayres, M.; Haley, P.H. Bad Data Groups in Power System State Estimation. IEEE Transactions
on Power Systems, 1986.
[10] Tecchio, P.P.V.; Benedito, R.A.S.; Alberto, L.F.C. The behavior of WLS State Estimator near the
maximum loadability point of power systems. 2010 IEEE Power and Energy Society General
Meeting, 2010.
[11] Press, W.H. Numerical recipes in C: the art of scientific computing. Cambridge University
Press, 1992.
43
Referências Bibliográficas
[12] Press, W.H. Numerical recipes: the art of scientific computing. Cambridge University Press,
2007.
[13] Golub, G.H. and Loan, C.F.V. Matrix computations. Johns Hopkins studies in the mathematical
sciences. Johns Hopkins University Press, 1996.
[14] Notas de aula da disciplina SME300 - Cálculo Numérico, 2007. Docente: Prof. Gustavo Carlos
Buscaglia.
[15] Notas de aula da disciplina SEL5717 - Estimação de Estado em Sistemas Elétricos de Potência,
2008. Docentes: Prof. João Bosco Augusto London Junior e Prof. Newton Geraldo Bretas.
[16] Documentação de ajuda do programa Matlab sobre a função cond(). The MathWorks.
44
Apêndice
Este apêncice contêm os códigos das funções gasdev() e ran1()utilizadas para gerar valores pseudo-
aleatórios com distribuição normal e uniforme, tal como descrito na Seção 2.4.1. Estes códigos foram
retirados de [11].
float gasdev(long *idum)
//Returns a normally distributed deviate with zero mean and unit variance,
//using ran1(idum) as the source of uniform deviates.
static int iset = 0;
static float gset;
float fac, rsq, v1, v2;
if (*idum < 0) iset = 0; //Reinitialize.
if (iset == 0) //We don’t have an extra deviate handy, so
do
//pick two uniform numbers in the square extending from -1
//to +1 in each direction,
v1 = 2.0*ran1(idum) - 1.0;
v2 = 2.0*ran1(idum) - 1.0;
//see if they are in the unit circle, and if they are not,
//try again.
rsq = v1*v1 + v2*v2;
while (rsq >= 1.0 || rsq == 0.0);
fac = sqrt(-2.0*log(rsq)/rsq);
//Now make the Box-Muller transformation to get two normal
//deviates. Return one and save the other for next time.
gset = v1*fac;
iset = 1; //Set flag.
return v2*fac;
else //We have an extra deviate handy,
iset = 0; //so unset the flag,
45
Referências Bibliográficas
return gset; //and return it.
#define IA 16807
#define IM 2147483647
#define AM (1.0/IM)
#define IQ 127773
#define IR 2836
#define NTAB 32
#define NDIV (1+(IM-1)/NTAB)
#define EPS 1.2e-7
#define RNMX (1.0-EPS)
float ran1(long *idum)
int j;
long k;
static long iy = 0;
static long iv[NTAB];
float temp;
if (*idum <= 0 || !iy)
//Initialize.
if (-(*idum) < 1) *idum = 1; //Be sure to prevent idum = 0.
else *idum = -(*idum);
for (j=NTAB+7;j>=0;j--)
//Load the shue table (after 8 warm-ups).
k = (*idum)/IQ;
*idum = IA*(*idum-k*IQ) - IR*k;
if (*idum < 0) *idum += IM;
if (j < NTAB) iv[j] = *idum;
iy = iv[0];
//Start here when not initializing.
k = (*idum)/IQ;
//Compute idum = (IA*idum) % IM without over flows by Schrage’s method
*idum = IA*(*idum-k*IQ) - IR*k;
46
Referências Bibliográficas
if (*idum < 0) *idum += IM;
j = iy/NDIV; //Will be in the range 0..NTAB-1.
//Output previously stored value and rell the shue table.
iy = iv[j];
iv[j] = *idum;
//Because users don’t expect endpoint values.
if ((temp=AM*iy) > RNMX) return RNMX;
else return temp;
47