t-1 - rodolfo c machado
DESCRIPTION
trabalhoTRANSCRIPT
-
UNIVERSIDADE FEDERAL DE SANTA CATARINA
PROGRAMA DE PS-GRADUAO EM ENGENHARIA ELTRICA
DISCIPLINA: EEL 6302 ANLISE DE SEGURANA EM SISTEMAS DE POTNCIA
DOCENTE: Ph.D. ANTONIO J. A. SIMES COSTA
MESTRANDO: ENG. RODOLFO CALDERON MACHADO
TRABALHO I
ESTIMADOR ORTOGONAL USANDO MODELO LINEAR PARA A
REDE ELTRICA
Florianpolis/SC
2013
-
Sumrio
1. INTRODUO ................................................................................................................ 2
2. PROBLEMA PROPOSTO ............................................................................................... 3
3. EMBASAMENTO TERICO ......................................................................................... 5
3.1. ASPECTOS GERAIS DA ESTIMAO DE ESTADOS EM SISTEMAS
DE POTNCIA (EESP) ......................................................................................................... 5
3.2. MODELO DE MEDIO LINEAR ............................................................ 8
3.3. MTODO SEQUENCIAL-ORTOGONAL ................................................. 9
3.4. MTODO DAS ROTAES DE GIVENS ............................................... 11
3.4.1. VERSO SEM RAZES QUADRADAS ............................................. 12
3.4.2. ALGORITIMO DO MTODO DAS ROTAES DE GIVENS ........ 14
3.5. PROCESSAMENTO DE MEDIDAS COM ERROS GROSSEIROS ....... 15
3.5.1. DETECO DE ERROS GROSSEIROS ............................................ 15
3.5.2. IDENTIFICAO DE ERROS GROSSEIROS PELO MTODO DO
MXIMO RESDUO NORMALIZADO ........................................................................ 19
3.5.3. IDENTIFICAO DE ERROS GROSSEIROS PELO MTODOS 21
3.5.4. RECUPERAO DE MEDIDAS PORTADORAS DE ERROS
GROSSEIROS 22
4. SIMULAES E RESULTADOS ................................................................................. 23
4.1. CONDIO DE OPERAO I ................................................................ 25
4.1.1. ESTIMAO DAS VARIVEIS DE ESTADO, FLUXOS NOS
RAMOS E INJEES DE POTNCIA ATIVA ............................................................ 25
4.1.2. INVESTIGAO E IDENTIFICAO DE ERROS GROSSEIROS
NAS MEDIDAS ............................................................................................................... 27
4.1.3. ELIMINAO DE ERROS GROSSEIROS ........................................ 29
4.2. CONDIO DE OPERAO II ............................................................... 35
-
1
4.2.1. ESTIMAO DAS VARIVEIS DE ESTADO, FLUXOS NOS
RAMOS E INJEES DE POTNCIA ATIVA ............................................................ 35
4.2.2. INVESTIGAO E IDENTIFICAO DE ERROS GROSSEIROS
NAS MEDIDAS ............................................................................................................... 37
4.2.3. ELIMINAO DE ERROS GROSSEIROS ........................................ 38
4.3. INSERO DE ERROS NAS MEDIDAS ................................................ 44
5. CONCLUSES .............................................................................................................. 46
6. REFERNCIAS .............................................................................................................. 47
7. ANEXO I ........................................................................................................................ 48
7.1. CDIGO FONTE EM MATLAB ................................................................ 48
7.1.1. dadosentrada.m ...................................................................................... 48
7.1.2. rootT1.m ................................................................................................ 49
7.1.3. investErro.m ........................................................................................... 55
7.1.4. eliminacao.m .......................................................................................... 58
7.1.5. recuperacao.m ........................................................................................ 66
-
2
1. INTRODUO
O objetivo deste trabalho desenvolver um programa computacional, em Matlab, para
a estimao de estados e investigao e identificao de erros grosseiros, para a estimao de
estados utilizado o modelo linearizado (DC) da rede eltrica e o mtodo das Rotaes de
Givens com 3 multiplicadores (G3M), j para a investigao e identificao da presena de
erros grosseiros so utilizados o teste J(), o mtodo e o clculo do mdulo do mximo
resduo normalizado.
A principal funo da estimao de estados a atualizao em tempo real do banco de
dados do sistema de potncia, de forma a disponibilizar informaes confiveis do sistema no
ponto de operao atual. Estas informaes so necessrias para a avaliao da segurana da
operao do sistema de potncia.
No captulo 2 apresentado o problema proposto, mostrando a topologia da erros, os
dados do sistema e o que deve ser investigado neste sistema.
Este texto faz uma breve apresentao terica de todo o assunto abordado no trabalho
no captulo 3, neste captulo primeiramente apresentado os aspectos gerais da estimao de
estados, depois apresentado o modelo linear (DC) da rede eltrica, em seguida so
apresentados o mtodos sequencial-ortogonal, mtodo das rotaes de Givens e, por fim, o
processamento de medidas com erros grosseiros.
No captulo 4 so apresentados todas as simulaes, resultados e anlises dos
resultados dos problemas propostos. No captulo 5 feito uma concluso sobre este trabalho.
O trabalho tambm apresenta um anexo que contm o programa computacional desenvolvido.
-
3
2. PROBLEMA PROPOSTO
Seja o sistema de potncia de 8 barras da figura abaixo, com o plano de medio
composto de 12 medidas conforme indicado. As varincias dos medidores so iguais a t = 2
x 10-6 para as medidas de fluxo e p = 4 x 10-6 para as medidas de injeo. Apenas medidas de
fluxo e injeo de potncia ativa so consideradas. A barra de referncia a barra 1. A tabela
denotada por z apresenta valores das medidas para duas diferentes condies de operao.
Figura 1 - Sistema de potncia proposto
DE PARA x
1 2 0,080
1 6 0,010
1 5 0,025
1 4 0,064
4 5 0,020
3 4 0,064
3 8 0,020
3 7 0,025
2 3 0,080
2 7 0,025
6 7 0,010
5 6 0,010
5 8 0,020
7 8 0,032
Tabela 1 - Impedncias da rede eltrica do sistema de potncia
-
4
z
zi I II
t12 + 0,1935 + 0,7051
t54 - 0,9081 - 2,8917
t34 - 0,2043 - 0,9918
t73 - 0,4312 - 1,2119
t32 - 0,0617 + 0,0012
t72 - 0,6295 - 1,2061
t67 + 0,6226 + 2,7200
t56 - 0,0570 + 0,8504
t58 + 0,5819 + 2,0587
t87 - 0,1833 - 0,1634
p1 + 3,8020 + 8,5020
p7 - 1,4995 - 4,9970
Tabela 2 - Valores das medidas para duas condies de operao
1. Escreva um programa em Matlab para estimar os estados da rede utilizando o
mtodo das rotaes Givens com 3 multiplicadores (G3M), considerando
modelo linear para a rede. Aplique seu programa a cada uma das condies de
operao I e II. Alm das variveis de estado, seu programa dever calcular os
valores estimados para todos os fluxos nos ramos e injees de potncia nas
barras da rede;
2. A partir dos resultados do mtodo G3M, determine a soma ponderada dos
quadrados dos resduos, J(), para os casos I e II e investigue a presena de
erros grosseiros utilizando:
a. O teste J(), e
b. O mtodo .
3. No(s) caso(s) em que se concluir pela existncia de erros grosseiros,
identifique-os, utilizando:
a. O mtodo do mximo resduo normalizado, e
b. O mtodo .
-
5
4. Assegure-se que todos os erros grosseiros foram eliminados mediante a re-
estimao dos estados, considerando:
a. A eliminao das medidas errneas do plano de medio, e
b. A recuperao das medidas errneas.
3. EMBASAMENTO TERICO
Este captulo trata de apresentar a formulao bsica terica do problema, bem como a
modelagem bsica do problema, esta apresentao terica do assunto foi elaborada a partir
de trechos da referncia [1], ou seja, uma sintetizao da referncia [1] foi feita visando uma
breve explicao terica para o leitor, caso seja necessrio um aprofundamento do assunto
sugere-se a leitura completa de [1].
Primeiramente apresentado os aspectos gerais da estimao de estados (3.1), em
seguida apresentado o modelo de medio linear (3.2), j na seo 3.3 apresentado o mtodo
sequencial-ortogonal, necessrio para o entendimento do mtodo das rotaes de Givens, que
apresentado na seo 3.4, em seguida na seo 3.5 apresentado a metodologia para a
deteco, identificao e tratamento de erros grosseiros.
3.1. ASPECTOS GERAIS DA ESTIMAO DE ESTADOS EM SISTEMAS DE
POTNCIA (EESP)
A funo da EESP fornecer uma base de dados em tempo real confivel a partir de
telemedidas redundantes e corrompidas por erros de vrias espcies. O estimador de estados
processa essas medidas de forma a estimar valores para a tenso complexa em todas as barras
(considerada o estado do sistema em regime permanente). partir dos estados possvel
determinar as outras variveis necessrias para a anlise e monitorao da segurana do sistema.
Alm das telemedidas tomadas ao longo do sistema, outras quantidades no medidas
diretamente, mas que tambm contm informaes relevantes sobre o estado do sistema podem
ser processadas pelo estimador. Essas quantidades, cujos valores podem ser estimados sem a
utilizao de instrumentos de medio so chamadas pseudomedidas.
Dentre as principais aplicaes dos resultados fornecidos pelo estimador de estados,
podemos destacar a Monitorao da Segurana, a Anlise da Segurana e a Previso de Carga.
-
6
Alm da determinao do estado do sistema, os seguintes subproblemas esto associados
EESP:
Observabilidade: consiste em verificar se o nmero e a localizao das medidas
a serem processadas pelo estimador permite a determinao do estado do
sistema;
Deteco de erros grosseiros: trata da verificao da existncia de erros
estruturais e/ou medidas esprias, isto , aquelas que so mais imprecisas do
que suposto no modelo de medio;
Identificao de erros grosseiros: consiste em determinar quais so as medidas
portadoras de erros grosseiros, ou que parte da topologia no est corretamente
modelada;
Recuperao de medidas portadoras de erros grosseiros: consiste no tratamento
de medidas esprias, tal que elas possam ser utilizadas na estimao de estados.
Dois outros subproblemas ligados modelagem em tempo real de sistemas de potncia
so de particular interesse para a EESP. O primeiro a pr-filtragem, o qual consiste num pr-
processamento em que as medidas so submetidas a uma seleo, tal que aquelas mais
claramente portadoras de erros grosseiros so descartadas. O segundo a configurao da rede
eltrica, o qual visa determinar um modelo barra-ramo para a rede eltrica a partir do
processamento das posies (status) de disjuntores e chaves de subestaes. A Figura 2 mostra
todas as funes relacionadas EESP.
A formulao analtica do problema de EESP mais utilizada baseada na minimizao
da soma ponderada dos quadrados dos resduos (estimadores do tipo Mnimos Quadrados
Ponderados ou MQP). Porm, modelagens alternativas baseadas na minimizao da soma dos
valores absolutos dos resduos (estimadores do tipo Mnimos Valores Absolutos Ponderados
ou MVAP) tambm so encontradas na literatura. A modelagem do problema de EESP est
diretamente relacionada seleo do algoritmo de soluo. Estimadores do tipo MQP
determinam os estados do sistema atravs de mtodos de programao no linear enquanto os
do tipo MVAP aplicam algoritmos de programao linear para determinar a estimativa dos
estados do sistema.
Quanto ao modo de processar os dados, os estimadores de estado podem ser de dois
tipos:
Batch: no qual as medidas disponveis so processadas simultaneamente, e
Sequenciais: no qual as quantidades medidas so processadas uma por vez.
-
7
Os estimadores sequenciais, fornecem a soluo de um problema de mnimos
quadrados recursivos, podendo ser baseados no Filtro de Kalman ou em mtodos ortogonais
baseados nas rotaes de Givens. Alm da robustez numrica, esses estimadores possuem a
vantagem de possibilitar a anlise dos erros grosseiros aps o processamento de cada medida.
Figura 2 - Funes que compe a estimao de estados
O problema de mnimos quadrados ponderados que modela a EESP pode ser resolvido
por uma variedade de algoritmos de otimizao. Entretanto, para este problema foi solicitado o
uso de mtodos ortogonais, neste caso, o mtodo das Rotaes de Givens.
A escolha de um mtodo para resolver o problema de mnimos quadrados feita
considerando-se alguns aspectos principais. Desde que o estimador de estados utilizado na
operao em tempo real, devendo fornecer respostas em curtos intervalos de tempo, a rapidez
na obteno da soluo do problema de mnimos quadrados de essencial importncia. Por
outro lado, a dimenso e as caractersticas do problema de otimizao a ser resolvido requerem
algoritmos com um nvel satisfatrio de robustez numrica, os quais assegurem a determinao
de uma soluo precisa. Alm destes requisitos, h ainda a possibilidade de se ter medidas
-
8
errneas coletadas pelo sistema supervisor, o que requer do algoritmo a capacidade de processar
os erros grosseiros de uma forma eficiente.
3.2. MODELO DE MEDIO LINEAR
Embora de escasso interesse para aplicao prtica, o modelo de medio linear
importante como ferramenta auxiliar no aprendizado dos mtodos e tcnicas ligados
estimao de estados em sistemas de potncia. Este modelo baseia-se nas mesmas hipteses
simplificadoras utilizadas para o chamado fluxo de potncia linearizado; ou seja:
As magnitudes da tenso nas barras do sistema de potncia so todas
consideradas iguais;
As resistncias e admitncias transversais das linhas de transmisso so
supostas desprezveis;
As aberturas angulares das linhas so supostas pequenas o suficiente para
justificar a aproximao sen(i j) (i j) rads.
Sob estas condies, as relaes entre os fluxos e injees de potncia ativa com os
ngulos das tenses nas barras so dadas por:
=1
= ( )
=
Onde:
: a capacidade de transmisso da linha i j,
xij : a reatncia srie da linha i j,
: a injeo de potncia ativa na barra i.
Desde que as magnitudes das tenses nas barras so supostas constantes, as nicas
variveis a serem estimadas so os ngulos das tenses e portanto o estado do sistema reduz-se
ao vetor . Assim, adotando-se o ngulo da tenso complexa de uma barra como referncia, o
estado a ser estimado representado por (N 1) ngulos.
-
9
Pelo mesmo motivo, o vetor de medidas z envolve apenas medidas de fluxo (tij) e de
injeo (pi) de potncia ativa, tal que a relao entre o valor verdadeiro destas grandezas e o
estado verdadeiro dado por:
0 =
Onde:
: uma matriz de ordem (m n) que relaciona as quantidades medidas aos
estados, com elementos definidos de acordo com as equaes de fluxo e
injees de potncia.
Portanto, o modelo de medio para o estimador de estados linearizado dado por:
= +
() = 0 () =
Onde:
: representa o vetor dos erros de medio nos fluxos e injees de potncia
ativa.
: a matriz de covarincia destes erros.
Desde que as relaes entre as quantidades medidas e os estados so lineares, a matriz
do modelo de medio representado pela ltima equao apresentada constante, os seus
elementos so combinaes lineares das capacidades das linhas.
3.3. MTODO SEQUENCIAL-ORTOGONAL
Para o entendimento do mtodo das rotaes de Givens necessrio o entendimento
do mtodo sequencial-ortogonal. Considere o modelo de medio linear mostrado
anteriormente:
= +
() = 0 () =
-
10
Supondo-se que os erros de medio tm mdia zero e matriz de covarincia igual
matriz identidade, a estimativa do vetor de estado atravs do mtodo dos mnimos quadrados
requer a minimizao da funo objetivo:
() = [ ][ ]
Assuma que no modelo de medio representado pela primeira equao, o vetor de
estado possui dimenso igual do vetor das quantidades medidas. Se apenas essas quantidades
forem consideradas na minimizao da funo objetivo dada pela equao acima, a soma
ponderada dos quadrados dos resduos ser nula na soluo tima. Assim, seja z1 uma nova
medida a ser processada, a qual se relaciona com o vetor de estado x atravs da equao:
= + 1
Onde:
h1 e 1 so respectivamente a nova linha a ser includa na matrix .
Levando em conta a nova medida, a funo objetivo torna-se:
() = () + ( ) = [
] [
]
Para se obter a estimativa do vetor de estado , recorre-se ao fato de que a norma
Euclidiana da equao acima no se modifica quando sujeita transformaes ortogonais.
A aplicao dessas transformaes na norma quadrtica dos resduos pode ser
representada por uma matriz ortogonal Q, cujos produtos pela matriz de observao e vetor das
quantidades medidas (aumentados pela linha correspondente nova medida a ser processada)
fornecem, respectivamente:
[
] = [
]
[
] = [
]
Onde:
U uma matriz triangular superior (n n),
-
11
0 um vetor nulo (1 n),
w um vetor (n 1) e um escalar.
Com esta transformao, o vetor de estado pode ser obtido resolvendo-se o sistema
triangular
=
Com obtido da nesta equao, verifica-se atravs da substituio das equaes
anteriores na equao da funo objetivo que representa a contribuio da medida z1 para a
soma dos quadrados dos resduos.
O sistema linear = corresponde ao conjunto de m + 1 medidas (incluindo a
medida z1), ao qual uma nova medida a ser processada. Aps a re-triangularizao requerida
pela incluso da nova medida, o valor armazenado na nova funo objetivo ser a soma
acumulada dos quadrados dos resduos. Em suma, o procedimento descrito constitui um
algoritmo recursivo para o processamento sequencial do conjunto de medidas.
3.4. MTODO DAS ROTAES DE GIVENS
A etapa fundamental do desenvolvimento mostrado na seo anterior a definio da
transformao ortogonal representada pela matriz Q das equaes acima. H diversas
possibilidades para definir Q. Contudo, como os estimadores sequenciais processam as medidas
e as equaes correspondentes uma de cada vez, vantajoso que a matriz a ser triangularizada
via transformaes ortogonais seja operada por linhas. Um mtodo adequado para isto o
algoritmo de Givens, que consiste em se aplicar rotaes sucessivas entre os elementos de um
vetor linha p e as linhas de uma matriz triangular U at que os elementos de p sejam
completamente zerados. Se U e p so respectivamente (n n) e (1 n) e se o vetor p denso,
ento os elementos deste vetor sero completamente anulados ao cabo de n rotaes. A figura
2 representa genericamente a aplicao sucessiva das rotaes. Nesta figura, e representam
as matrizes U e p aps as primeiras (l 1) rotaes.
-
12
Figura 3 - Triangularizao da matriz U
3.4.1. VERSO SEM RAZES QUADRADAS
Apesar das rotaes de Givens serem adequadas ao processamento da matriz de
observao, sua verso convencional (ver item 4.3.1 da referncia [1]) no competitivo com
outros mtodos de estimao porque envolve um grande nmero de clculos de razes
quadradas. Este obstculo foi removido mediante o desenvolvimento de verses rpidas das
rotaes de Givens, onde so completamente eliminados os clculos de razes quadradas e
reduzidas significativamente s operaes de multiplicao.
A verso rpida de rotaes de Givens, tambm conhecida como mtodo das rotaes
de Givens com 3 multiplicadores (G3M), inicialmente proposta por Gentleman e
posteriormente generalizada por Hammarling, consiste basicamente em se decompor a matriz
U como:
= 12
Onde:
D: uma matriz diagonal,
: uma matriz triangular superior unitria.
De acordo com a decomposio acima, os vetores-linha a serem submetidos s
rotaes assumem a seguinte forma:
-
13
= [0 0 +1]
= [0 0 +1]
Observe que um fator de escala tambm adotado para o novo vetor p. Depois da
aplicao das rotaes, os vetores-linha transformam-se em:
= [0 0 +1]
= [0 0 0
+1]
As equaes que definem a transformao acima podem ser deduzidas usando-se as
novas definies de u, p, u e p na equao de Rotao de Givens e impondo a condio de
que o elemento (2, 2) da matriz de rotaes seja igual unidade. As equaes de atualizao de
u e p so dadas abaixo:
= + 2
=
=
=
=
= + } , = + 1 + 1
As equaes acima indicam que ambos os fatores de escala variam em consequncia
da rotao. Verifica-se tambm que todas as operaes de raiz quadrada foram eliminadas pela
aplicao do artifcio introduzido pela equao = 1
2. O numero de multiplicaes
tambm reduzido, j que as atualizaes dos elementos de u e p nas equaes acima requerem
uma multiplicao a menos do que o exigido, pelas da forma convencional. Alm das vantagens
computacionais de formulao sem razes quadradas a incluso dos fatores de escala torna o
algoritmo naturalmente adequado soluo de problemas de mnimos quadrados ponderados.
Em outras palavras, a minimizao da soma ponderada dos quadrados dos resduos no requer
nenhum esforo computacional adicional.
Aps o processamento de todas as linhas da matriz a ser triangularizada, a soluo do
problema de mnimos quadrados ponderados pode ser obtida por substituio inversa, onde o
vetor independente a coluna adicional da matriz triangular superior. A matriz diagonal D
-
14
apresentar um elemento adicional, que de fato corresponde soma ponderada dos quadrados
dos resduos. A disponibilidade imediata deste termo pode ser utilizada nos procedimentos para
a deteco de erros grosseiros, como ser visto em captulo posterior. Outra caracterstica
interessante do mtodo de Givens a possibilidade de remover os efeitos de qualquer linha da
matriz de observao e de sua medida associada que tenham sido previamente processadas. Esta
caracterstica ser tambm explorada na etapa de processamento de erros grosseiros.
3.4.2. ALGORITIMO DO MTODO DAS ROTAES DE GIVENS
De acordo com [1] o algoritmo G3M segue os seguintes passos:
1. Variveis:
U = matriz identidade (n + 1) (n + 1);
= [1 +1]: -simo vetor linha aumentado, de
dimenso 1 (n + 1), que sofrer rotaes com as linhas de U;
: peso para a medida j;
: peso para a linha i do tringulo.
2. Inicializao:
= 0, = 1, + 1
3. K = 1
4. Seja i = ndice do prximo elemento no-nulo de pk.
5. Rotao da linha pk com linha ui do tringulo:
= +
2
=
=
=
=
= + = 0
} , = + 1 + 1
6. Redefina as variveis di, wk, pkj e uij por seus novos valores calculados.
-
15
7. Se wk > 0 e i < (n+1), retorne ao passo 4. Em caso contrrio, prossiga ao
passo 8.
8. Se k = m, as rotaes se encerram, prossiga ao passo 9. Em caso contrrio,
inicie o processamento de uma nova linha de dados fazendo k = k + 1 e recomeando
no passo 4.
9. Resolver o sistema triangular cujo lado direito a ltima coluna de U. A
quantidade dn+1 e a soma ponderada dos quadrados dos resduos.
3.5. PROCESSAMENTO DE MEDIDAS COM ERROS GROSSEIROS
3.5.1. DETECO DE ERROS GROSSEIROS
O vetor m 1 dos resduos de medio dado por:
=
Onde:
z o vetor das quantidades medidas,
o vetor dos valores estimados para as quantidades medidas.
A diferena mostrada na equao acima pode ser interpretada como uma estimativa
para o vetor dos erros de medio. Na ausncia de erros grosseiros, os resduos, ou certas
funes dos resduos, tendero a confirmar estas suposies. Caso contrrio, pode-se inferir que
medidas com erros grosseiros foram processadas. Alm disso, o exame individual dos resduos
deve possibilitar a identificao da medida espria. Esta seo descreve um procedimento de
deteco de erros grosseiros baseado numa funo dos resduos de medio.
Para estabelecer o procedimento para a deteco de erros grosseiros, deve ser lembrado
que o vetor dos erros de medio suposto possuir distribuio normal, com mdia zero e
matriz de covarincia diagonal. Esta caracterizao possibilita desenvolver um procedimento
para a deteco de medidas esprias baseado no valor dos resduos de medio. O candidato
natural a um processo deste tipo seria um teste individual no valor dos resduos de forma a
verificar se algum deles viola as suposies feitas em relao ao modelo de medio. Esta
tcnica, entretanto, requer a utilizao da matriz de covarincia dos resduos, cuja determinao
-
16
computacionalmente dispendiosa. Considerando o fato de que o processo de deteco
executado online aps cada estimao de estados, conclui-se que o exame individual dos
resduos no seria uma tcnica computacionalmente eficiente para a simples deteco de
medidas portadoras de erros grosseiros. Ainda assim, se a presena destas medidas detectada,
uma possvel metodologia de identificao dos erros grosseiros baseada na matriz de
covarincia, como ser posteriormente mostrado.
As dificuldades computacionais associadas anlise individual dos resduos de
medio conduzem a busca de um teste baseado numa funo observvel dos resduos, cujo
comportamento na presena e na ausncia de erros grosseiros seja claramente distinto. A soma
ponderada do quadrado dos resduos uma funo que satisfaz esta condio, isto , se existem
medidas esprias no conjunto de medidas J() tende a assumir valores maiores do que quando
tais medidas esto ausentes. Assim, tomando como base o valor da soma ponderada dos
quadrados dos resduos possvel concluir sobre a presena de erros grosseiros. Desde que,
tanto os resduos como a soma ponderada do quadrado dos resduos so variveis aleatrias
razovel desenvolver um tipo de teste de deteco baseado nas propriedades estatsticas dessas
variveis.
A formulao analtica do processo de deteco de erros grosseiros baseada num
Teste Estatstico de Hipteses para o qual as seguintes definies so necessrias:
Hiptese Estatstica: conjectura acerca da distribuio de uma ou mais
variveis aleatrias;
Hiptese Bsica (Null hypothesis), H0: hiptese principal;
Hiptese Alternativa, H1: complemento da hiptese bsica H0, isto ,
quando H0 falsa, H1 verdadeira, e vice-versa;
Teste de Hiptese: procedimento para decidir se a hiptese H0 deve ser
aceita ou rejeitada.
A teoria do Teste de Hipteses define dois tipos de erros:
Erro do tipo I : rejeio da hiptese bsica H0 quando ela verdadeira;
Erro do tipo II : aceitao da hiptese bsica H0 quando ela falsa.
A Probabilidade de Falso Alarme, denotada , definida como probabilidade de que
ocorra um erro do tipo I ( considerada o nvel de significncia do teste). Deforma semelhante,
representa a probabilidade de que ocorra um erro do tipo II.
A quantidade (1 ) representa a probabilidade que a hiptese bsica H0 seja rejeitada
quando ela falsa. Esta quantidade chamada funo potncia do teste.
-
17
No Teste de Hipteses, deseja-se reduzir tanto quanto possvel a probabilidade de falso
alarme e a funo de potncia do teste . Para isto, fixa-se em um valorbaixo (entre 0.01 e
0.1, por exemplo) e maximiza-se a funo de potncia (1 ) uniformemente sobre todas as
hipteses alternativas. Isto requer uma funo observvel das variveis aleatrias em estudo,
que se comporte diferentemente sob as condies das hipteses bsica e alternativa. Esta
diferena em comportamento usada para se projetar o teste.
Por exemplo, suponha que S uma funo estatstica que tende a assumir valores
menores quando a hiptese bsica verdadeira do que quando ela falsa. A partir de uma
probabilidade de falso alarme fixada em um valor pequeno e da funo densidade de
probabilidade das variveis em estudo possvel definir um limiar K, de forma que o teste ser
rejeitado se S > K e aceito em caso contrrio. Diz-se ento que os resultados do teste esto a
um nvel de significncia de (100 ) %.
No caso da EESP, para a aplicao do Teste de Hipteses supe-se que:
O vetor dos erros de medio possui distribuio normal, com mdia zero e
matriz de covarincia R diagonal;
A estrutura e os parmetros da rede so conhecidos;
O modelo de medio linearizado num ponto prximo a soluo.
Sob estas condies, a soma ponderada dos quadrados dos resduos tem a distribuio
do qui-quadrado (denotada por 2) com (m n) graus de liberdade, onde m e n so
respectivamente o nmero de quantidades medidas ao longo do sistema de potncia e o nmero
de estados. A Fig. 3 apresenta a funo densidade de probabilidade da distribuio do qui-
quadrado com oito graus de liberdade. Observe que esta funo s definida apenas para
valores positivos, e que a mesma assimtrica em relao moda da distribuio.
Na presena de erros grosseiros as hipteses anteriores se tornam falsas e a soma
ponderada dos quadrados dos resduos no apresenta a distribuio do qui-quadrado, tendendo
a assumir valores elevados.
Em termos das hipteses definidas anteriormente, o problema de deteco de erros
grosseiros estabelecido de acordo com o seguinte teste de hipteses:
Hiptese bsica H0: a soma ponderada do quadrado dos resduos J()
apresenta a distribuio do 2;
Hiptese alternativa, H1: a hiptese bsica falsa.
Com base na definio de probabilidade de falso alarme, possvel determinar um
limiar K, no qual baseado o processo de deteco do erro grosseiro, tal que:
-
18
P(J() > K | J() apresenta a distribuio 2) =
Onde P(a > b|c) representa a probabilidade de que a seja maior do que b supondo que
c verdadeiro.
Figura 4 - Funo densidade de probabilidade (8 graus de liberdade)
As probabilidades e seu complemento (1 ) podem ser interpretadas como reas
sob a curva da funo densidade de probabilidade de J(). Observe que a especificao de
determina univocamente o limiar K, ou seja:
= 2;1
Onde 2;1 denota o percentil (1) da distribuio do 2-quadrado com (mn)
graus de liberdade. Os percentis da distribuio do 2 com graus de liberdade podem ser
obtidos a partir da tabela em anexo.
Em resumo, o teste de deteco de erros grosseiros baseado na soma ponderada do
quadrado dos resduos consiste em comparar o valor de J() com o valor K, obtido da
distribuio cumulativa do 2 com (mn) graus de liberdade e com probabilidade de falso
alarme igual a . Se J() > K, ento h evidncia de que existem medidas portadoras de erros
grosseiros dentre aquelas que compem o plano de medio.
-
19
3.5.2. IDENTIFICAO DE ERROS GROSSEIROS PELO MTODO DO MXIMO RESDUO
NORMALIZADO
Com base no resultado do teste de deteco de medidas esprias, duas alternativas
podem ser tomadas. Se o teste indicar a no existncia dessas medidas, o processo de estimao
encerrado. Em caso contrrio, as medidas portadoras de erro grosseiro devem ser localizadas,
o que requer o exame individual dos resduos da estimao. Se apenas uma nica medida est
contaminada com erro grosseiro, primeira vista uma possvel estratgia de identificao
poderia ser baseada na determinao do mximo resduo, com a expectativa de que este
correspondesse a medida espria. Entretanto, isto no necessariamente verdade, pois
medidores de diferentes tipos de quantidades possuem diferentes precises, tal que as varincias
das quantidades medidas podem ser significativamente afetadas. Alm disso, existe a
possibilidade de que os resduos sejam correlacionados entre si, de modo que o efeito de um
erro grosseiro associado a uma medida pode se espalhar sobre os resduos de outras
quantidades. Estas dificuldades so contornadas utilizando-se o Mtodo do Mximo Resduo
Normalizado, conforme descrito a seguir.
O vetor dos resduos de estimao dado por:
= =
Desde que o vetor de incrementos nas variveis de estado fornecido durante o processo
iterativo de soluo da equao normal dado por:
= ()
Ento o vetor dos resduos de medio pode ser reescrito como:
= [ ()]
= [ ()]
=
Onde:
=
-
20
Com a matriz de covarincia dos erros de estimao, denotada Cx, expressa como:
= ()
A partir da equao dos resduos apresentadas acima, define-se a matriz de
sensibilidade dos resduos como
= ()
Antes de prosseguirmos com a anlise do efeito dos erros grosseiros sobre os resduos,
conveniente examinarmos com mais detalhes a matriz de sensibilidade dos resduos, a qual
apresenta as seguintes propriedades:
1. S uma matriz idempotente; isto , S = S. Alm disso, como toda
a matriz idempotente diferente da matriz identidade, a matriz S singular, seu
posto igual a seu trao e igual a (m n);
2. Os autovalores de S so iguais ou a zero ou unidade;
3. Pode ser tambm facilmente verificado que SH = 0;
4. Por multiplicao direta, verifica-se igualmente que SRS = W;
Retomando a anlise dos resduos, vemos da equao dos resduos e da definio de S
que:
=
Alm disso, como:
= +
E utilizando a propriedade 3 acima:
= ( + )
= +
Ou seja:
=
-
21
Desta equao, conclumos que a i-sima coluna de S indica como o efeito de uma
medida portadora de erro grosseiro se espalha sobre os elementos do vetor de resduos.
O resduo normalizado para uma dada medida k obtido dividindo-se o resduo da
medida k pelo desvio-padro deste resduo, isto :
=
Onde Wkk representa o termo diagonal da matriz de covarincia dos resduos W.
Seja um sistema de potncia monitorado atravs de um plano de medio que oferece
boas condies de redundncia. Se apenas uma medida portadora de erro grosseiro e as demais
medidas so perfeitas, ento a medida errnea apresenta o mximo resduo normalizado em
valor absoluto.
3.5.3. IDENTIFICAO DE ERROS GROSSEIROS PELO MTODOS
O Mtodo para deteco e identificao de erros grosseiros foi originalmente
proposto como uma alternativa para o teste 2 convencionalmente usado no estgio de deteco.
O mtodo baseia-se na considerao de que a varivel dado pela equao abaixo
pode ser interpretada como uma estimativa do erro associado medida, isto , de quanto a
medida discrepante das demais. Comparando-se a magnitude desta discrepncia com um
limiar , onde o desvio-padro da medida considerada e um inteiro usualmente
considerado igual a 4, possvel se concluir se o erro est ou no fora da faixa esperada de 3.
=
2
Onde o ndice k indica quantidades associadas medida k.
A magnitude do erro, expressa em nmeros de desvios-padro, ento dada por:
=||
=
||
-
22
A partir das consideraes acima, possvel propor o seguinte algoritmo, que na
realidade se presta tanto deteco quanto identificao de erros grosseiros.
1. Estimar os estados e calcular os resduos normalizados para todas as
medidas correntemente disponveis ao estimador;
2. Seja i a medida com a maior magnitude de resduo normalizado. Calcular
, a partir da equao acima;
3. Se , a medida k considerada vlida, concluindo-se em
consequncia que no h erro grosseiro entre as medias consideradas no passo 1. Se
> , a medida k considerada portadora de erro grosseiro. Neste caso, recupera-se ou
elimina-se a medida k do plano de medio e retorna-se ao passo 1.
3.5.4. RECUPERAO DE MEDIDAS PORTADORAS DE ERROS GROSSEIROS
Considere a existncia de apenas uma medida com erro grosseiro num conjunto de
medidas. Tal medida pode ser expressa como:
= +
Onde
: o valor da medida espria,
: o valor da medida sem erro grosseiro,
: representa a amplitude do erro grosseiro.
A medida recuperada determinada a partir da frmula abaixo.
=
2
Ou, em termos do resduo normalizado:
=
2
-
23
Aps a recuperao da medida espria, o vetor dos resduos dado por:
= =
Onde os elementos do vetor so os mesmos componentes do vetor exceto
pelo k-esimo elemento, dado pela frmula:
=
2
Logo, o resduo associado medida recuperada nulo. Conclui-se, portanto, que a
gerao de uma pseudomedida pela subtrao do erro grosseiro da medida espria afeta a soma
ponderada do quadrado dos resduos no sentido de eliminar desta quantidade a contribuio da
medida originalmente incorreta.
4. SIMULAES E RESULTADOS
Conforme solicitado foi elaborado um programa em Matlab para estimar os estados da
rede eltrica utilizando o mtodo das rotaes de Givens com 3 multiplicadores (G3M) onde se
considera o modelo linear (DC) para a rede, este programa tambm capaz de identificar e
corrigir erros grosseiros de medidas. Tal programa apresentado no Anexo I.
Nos itens 4.1 e 4.2 so apresentados os resultados e anlises das simulaes para as
duas condies de operao, no item 4.3 so inseridos diversos tipos de erros nas medidas e os
resultados so analisados.
Ao executar o programa principal apresentado na tela do Matlab a Figura 5, nesta
tela inicial apresentado todos os dados de entrada do programa, como: barra de referncia,
varincia dos medidores, impedncias das linhas de transmisso e as condies de operao
(conjunto de medidas); e em seguida solicitado a escolha de qual condio de operao ser
analisada, sendo limitado a duas condies de operao. A alterao de qualquer dado de
entrada facilmente feita atravs do arquivo de dados de entrada. O arquivo de dados de entrada
similar aos dados apresentados no captulo 2 deste trabalho, tal arquivo apresentado no
Anexo I.
-
24
Figura 5 - Apresentao inicial do programa
-
25
4.1. CONDIO DE OPERAO I
4.1.1. ESTIMAO DAS VARIVEIS DE ESTADO, FLUXOS NOS RAMOS E INJEES DE
POTNCIA ATIVA
Ao escolher a condio de operao I, condio de menor carregamento do sistema, o
programa retorna a tela apresentada na Figura 7, onde se apresenta os principais resultados e a
possibilidade do usurio investigar a presena de erros grosseiros, a qual ser feita
posteriormente.
Primeiramente para se ter uma ideia de que os resultados esto coerentes necessrio
observar a matriz U, que segundo o embasamento terico do item 3 deste trabalho, deve ser
uma matriz triangular superior com dimenses (n + 1) x (n + 1), ou seja, 8 x 8. A matriz U desta
primeira etapa de clculos apresentada na Figura 6, onde percebe-se claramente que a matriz
U triangular superior com dimenses 8 x 8. Outro ponto que tambm pode ser analisado a
evoluo da matriz w e do vetor p ao longo das iteraes, tal anlise no apresentada devido
a sua extenso.
Figura 6 - Matriz U dos resultados iniciais
As variveis de estado, que so os ngulos das tenses das barras, so apresentadas na
coluna ngulo da Figura 7 e so expressas em radianos. As tenses em todas as barras so
iguais a 1, pois est sendo considerado o modelo linear da rede.
A coluna Inj. P. Ativa Estimada apresenta os resultados da injeo de potncia ativa
estimada, esta estimao feita a partir das estimaes dos fluxos de potncia ativa entre as
barras, para este clculo so utilizadas as frmulas apresentadas no item 3.2 MODELO DE
MEDIO LINEAR; percebe-se que os resultados so muito prximos dos resultados
-
26
apresentados na coluna Inj. P. Ativa Medida que apresenta os valores medidos de injeo de
potncia ativa nas barras.
Figura 7 - Resultados iniciais para a condio I
-
27
A coluna Fluxo Pot. Ativa Estimada mostra os resultados do clculo da estimao
dos fluxos de potncia ativa entre as barras do sistema de potncia, nota-se que tambm neste
caso os resultados so muito prximos dos resultados medidos.
A soma ponderada dos quadrados dos resduos (SPQR), o valor obtido no ltimo
elemento da matriz diagonal d e neste caso igual a 6,2341.
Tais resultados podem induzir o usurio a acreditar que no existem erros grosseiros
nas medidas, o que pode no ser verdade, desta forma, se faz necessrio a investigao da
presena de erros grosseiros nas medidas.
4.1.2. INVESTIGAO E IDENTIFICAO DE ERROS GROSSEIROS NAS MEDIDAS
Ao escolher a opo de investigar a presena de erros grosseiros o programa executa:
o teste J() e o mtodo .
O teste J(), como explicado no embasamento terico, consiste resumidamente em se
calcular os graus de liberdade do sistema (quantidade de medies menos quantidade de
estados) e com este valor de graus de liberdade se obtm um valor na tabela da distribuio do
Qui-Quadrado, de acordo com a probabilidade de falso alarme escolhida, ento este valor
comparado com a SPQR, se o valor obtido da tabela da distribuio do Qui-Quadrado for maior
que a SPQR, ento, no existe(m) erro(s) grosseiro(s) na(s) medida(s), caso contrrio, existe(m)
erro(s) grosseiro(s). Para este programa foi escolhida uma probabilidade de falso alarme de
0,05, ou seja, 1 = 0,95, logo, deve-se obter o valor a ser comparado com a SPQR na coluna
.9502 da tabela da distribuio do Qui-Quadrado.
J no mtodo , compara-se a magnitude do erro (), expressa em nmeros de desvios-
padro, com o valor usual de (igual a quatro). Se for maior que , ento, existe(m) erro(s)
grosseiro(s) na(s) medida(s), caso contrrio, no existe(m) erro(s) grosseiro(s).
Os resultados para ambos os mtodos so apresentados na Figura 8. Nota-se que o teste
J() no identifica nenhuma medida errnea, enquanto o mtodo acusa a presena de erro(s)
grosseiro(s), e a medida 8, -0,0570, identificada como sendo uma medida errnea. A diferena
de resultados nos testes pode acontecer, pois o teste J(), com probabilidade de falso alarme de
0,05, no to restrito quanto o mtodo com igual a quatro.
-
28
Figura 8 - Resultado inicial da investigao/identificao de erros grosseiros
Em ambos os casos a identificao de qual medida pode conter erros grosseiros feita
atravs do mdulo do maior resduo normalizado. Na Figura 9 apresentado o vetor do resduo
normalizado, rn.
Nota-se claramente que o resduo de ndice 8 o que possui o maior mdulo de resduo
normalizado, logo, esta medida identificada como a medida errnea.
Em seguida, possvel fazer a eliminao dos erros grosseiros de duas maneiras:
1. Atravs da eliminao das medidas errneas do plano de medio;
2. Atravs da recuperao das medidas errneas.
Ambos os casos so analisados para esta condio de operao e os resultados so
expostos e analisados no prximo item.
-
29
Figura 9 - Vetor dos resduos normalizados
4.1.3. ELIMINAO DE ERROS GROSSEIROS
A seguir ser feito uma anlise da eliminao de erros grosseiros usando as duas
metodologias sugeridas no trabalho. Primeiramente feito uma anlise da eliminao da
medida errnea do plano de medio e em seguida feita uma recuperao da medida errnea.
ELIMINAO DAS MEDIDAS ERRNEAS DO PLANO DE MEDIO
Esta metodologia consiste simplesmente em eliminar a medida considerada errnea do
plano medio e re-estimar os estados, aps a re-estimao todos os testes de investigao e
identificao de medidas errneas so executados a fim de se verificar se existem novas
medidas consideradas errneas, em caso afirmativo, esta nova medida considerada errnea ser
eliminada e todo o processo ser refeito.
Desta forma, como o teste identificou que a medida 8, fluxo de potncia ativa t56,
uma medida portadora de erro grosseiro esta eliminada do plano de medio e todo o processo
refeito.
Na Figura 10 possvel verificar os resultados da re-estimao de estados com a
eliminao da medida errnea. Note que o fluxo de potncia ativa, t56, agora aparece como no
medido, pois tal medida foi eliminada.
-
30
possvel notar que a SPQR diminuiu em relao ao caso anterior, o que j era de se
esperar, pois a medida errnea foi eliminada, logo, o maior o resduo foi retirado.
-
31
Figura 10 - Resultados da re-estimao eliminando a medida errnea
Notou-se que ao executar os testes para verificao de erros grosseiros o resduo
normalizado tem dois valores muito semelhantes em mdulo, como pode ser visto na Figura
11, sendo o primeiro e o dcimo valor do vetor.
Neste caso, o software identificou que a primeira medida a que possui o maior
mdulo, logo os testes de investigao de erros foram todos feitos em cima deste valor, assim
nenhum novo erro foi encontrado e o programa foi finalizado.
Caso o software utiliza-se o dcimo valor do resduo normalizado para a investigao
de erros grosseiros este o identificaria como um erro grosseiro de medida. Esta diferena entre
a primeira e a dcima medida gera um possvel erro de anlise, quando duas medidas possuem
valores de resduos muito prximos so chamados de conjunto crtico, porm tal assunto no
tema deste trabalho e no ser abordado. Permanecendo assim a anlise do maior mdulo do
resduo normalizado encontrado via software.
-
32
Figura 11 - Vetor do resduo normalizado aps a eliminao da medida errnea
RECUPERAO DAS MEDIDAS ERRNEAS
A recuperao da medida errnea feita utilizando a frmula:
=
2
Assim a medida corrigida passa a ser:
56 = 0,04659
De pose da medida corrigida os estados so estimados e uma nova investigao de
erros grosseiros feita, culminando nos resultados apresentados na Figura 12. Note que os
resultados da estimao de estados, os fluxos e injees de potncia ativa estimados e a SPQR
so todos iguais aos resultados apresentados no mtodo da eliminao da medida do plano de
medio.
Tambm possvel notar que o fluxo de potncia ativa, t56, que foi estimado igual ao
valor corrigido, o que j era de se esperar, pois o resduo para este caso igual a zero, segundo
explicaes apresentadas no embasamento terico.
A SPQR menor se comparado ao valor antes da recuperao da medida, neste caso, a
explicao que a gerao de uma pseudomedida pela subtrao do erro grosseiro da medida
-
33
errnea afeta a SPQR no sentido de eliminar desta quantidade a contribuio da medida
originalmente incorreta.
-
34
Figura 12 - Resultados da re-estimao recuperando a medida errnea
Tambm neste caso existem dois valores em mdulo muito semelhantes no vetor de
resduos normalizados, porm somente foi considerado o maior valor para a investigao de
novos erros grosseiros. Na Figura 13 apresentado o vetor dos resduos normalizados.
Como nenhum novo erro grosseiro foi encontrado o programa foi encerrado.
-
35
Figura 13 - Vetor do resduo normalizado aps a recuperao da medida errnea
4.2. CONDIO DE OPERAO II
4.2.1. ESTIMAO DAS VARIVEIS DE ESTADO, FLUXOS NOS RAMOS E INJEES DE
POTNCIA ATIVA
Ao escolher a condio de operao II, condio de maior carregamento do sistema, o
programa retorna a tela apresentada na Figura 14, onde se apresenta os principais resultados e
a possibilidade do usurio investigar a presena de erros grosseiros, a qual ser feita
posteriormente.
Apesar das estimaes dos fluxos de potncia ativa e das injees de potncia ativa
estarem muito prximas das medies a SPQR obtida tem um valor que pode ser considerado
elevado, assim, este valor elevado sugere a presena de algum tipo de erro, a seguir feita uma
investigao e identificao da possvel presena de algum erro grosseiro nas medies.
-
36
Figura 14 Resultados iniciais para a condio II
-
37
4.2.2. INVESTIGAO E IDENTIFICAO DE ERROS GROSSEIROS NAS MEDIDAS
A seguir so feitos o teste J() e o mtodo para a investigao da presena de erros
grosseiros nas medies da condio de operao II. Os resultados para ambos os mtodos so
apresentados na Figura 15.
Figura 15 - Resultado inicial da investigao/identificao de erros grosseiros
-
38
Nota-se que neste caso o teste J() identifica a presena de medida(s) errnea(s), o que
no acontecia no caso anterior, pois a SPQR era pequena; o mtodo tambm acusa a presena
de erro(s) grosseiro(s) nas medies.
A medida 7, + 2,7200, identificada como sendo uma medida errnea, pois a medida
que tem a maior magnitude no vetor de resduos normalizados, tal vetor apresentado na Figura
16.
Figura 16 - Vetor dos resduos normalizados
Como ambos os testes identificaram a presena de erro(s) grosseiro(s) se faz necessrio
a eliminao deste(s) erro(s), a qual feita no prximo item.
4.2.3. ELIMINAO DE ERROS GROSSEIROS
A seguir ser feito uma anlise da eliminao de erros grosseiros usando as duas
metodologias sugeridas no trabalho. Primeiramente feito uma anlise da eliminao da
medida errnea do plano de medio e em seguida feita uma recuperao da medida errnea.
ELIMINAO DAS MEDIDAS ERRNEAS DO PLANO DE MEDIO
Conforme explicado anteriormente esta metodologia consiste simplesmente em
eliminar a medida considerada errnea do plano medio e re-estimar os estados, aps a re-
estimao todos os testes de investigao e identificao de medidas errneas so executados a
-
39
fim de se verificar se existem novas medidas consideradas errneas, em caso afirmativo, esta
nova medida considerada errnea ser eliminada e todo o processo ser refeito.
Desta forma, como o teste identificou que a medida 7, fluxo de potncia ativa t67,
uma medida portadora de erro grosseiro esta eliminada do plano de medio e todo o processo
refeito.
Na Figura 17 possvel verificar os resultados da re-estimao de estados com a
eliminao da medida errnea. Note que o fluxo de potncia ativa, t67, agora aparece como no
medido, pois tal medida foi eliminada.
-
40
Figura 17 Resultados da re-estimao eliminando a medida errnea
possvel notar que a SPQR diminuiu em relao ao caso anterior, o que j era de se
esperar, pois a medida errnea foi eliminada, logo, o maior o resduo foi retirado.
Notou-se que, tambm neste caso, ao executar os testes para verificao de erros
grosseiros o resduo normalizado tem dois valores muito semelhantes em mdulo, como pode
ser visto na Figura 18, sendo o primeiro e o dcimo valor do vetor.
-
41
Neste caso, o software identificou que a primeira medida a que possui o maior
mdulo, logo os testes de investigao de erros foram todos feitos em cima deste valor, assim
nenhum novo erro foi encontrado e o programa foi finalizado.
Caso o software utiliza-se o dcimo valor do resduo normalizado para a investigao
de erros grosseiros este o identificaria como um erro grosseiro de medida. Esta diferena entre
a primeira e a dcima medida gera um possvel erro de anlise, quando duas medidas possuem
valores de resduos muito prximos so chamados de conjunto crtico, porm tal assunto no
tema deste trabalho e no ser abordado. Permanecendo assim a anlise do maior mdulo do
resduo normalizado encontrado via software.
Figura 18 - Vetor do resduo normalizado aps a eliminao da medida errnea
RECUPERAO DAS MEDIDAS ERRNEAS
A recuperao da medida errnea feita utilizando a frmula:
=
2
Assim a medida corrigida passa a ser:
67 = +2,74371
De pose da medida corrigida os estados so estimados e uma nova investigao de
erros grosseiros feita, culminando nos resultados apresentados na Figura 19. Note que os
-
42
resultados da estimao de estados, os fluxos e injees de potncia ativa estimados e a SPQR
so todos iguais aos resultados apresentados no mtodo da eliminao da medida do plano de
medio.
Tambm possvel notar que o fluxo de potncia ativa, t67, que foi estimado igual ao
valor corrigido, o que j era de se esperar, pois o resduo para este caso igual a zero, segundo
explicaes apresentadas no embasamento terico.
A SPQR menor se comparado ao valor antes da recuperao da medida, neste caso, a
explicao que a gerao de uma pseudomedida pela subtrao do erro grosseiro da medida
errnea afeta a SPQR no sentido de eliminar desta quantidade a contribuio da medida
originalmente incorreta.
-
43
Figura 19 - Resultados da re-estimao recuperando a medida errnea
Tambm neste caso existem dois valores em mdulo muito semelhantes no vetor de
resduos normalizados, porm somente foi considerado o maior valor para a investigao de
novos erros grosseiros. Na Figura 20 apresentado o vetor dos resduos normalizados.
Como nenhum novo erro grosseiro foi encontrado o programa foi encerrado.
-
44
Figura 20 - Vetor do resduo normalizado aps a recuperao da medida errnea
4.3. INSERO DE ERROS NAS MEDIDAS
Neste item do trabalho so feitos dois tipos de testes considerando a insero de erros
nas medidas da condio de operao I com o intuito de perceber se o software elaborado
consegue detect-los. Primeiramente a medida t56 que era considerada errnea foi alterada para
o seu valor recuperado e em seguida foram inseridos os erros nas medies.
O primeiro teste a ser feito supor que ao instalar o medidor na linha que uni as barras
4 e 5, medida t54, o instalador tenha cometido um erro que apresenta a medio com o fluxo
invertido, ou seja, a medio que era -0,9081 passa a ser 0,9081.
Ao executar o software com esta nova medio o erro detectado conforme
apresentado na Figura 21.
Figura 21 Erro identificado na medida com fluxo invertido
Em seguida, a medio de injeo de potncia ativa, p1, tambm invertida, passando
de 3,8020 para -3,3820. O erro neste caso tambm foi detectado.
-
45
Figura 22 - Erro identificado na medida com injeo de potncia invertida
Caso a medida t56 no tivesse sido corrigida os resultados seriam os mesmos, ou seja,
os erros seriam identificados.
Logo, nota-se que a metodologia utilizada neste trabalho consegue identificar tais tipos
de erros grosseiros facilmente, o que d uma segurana maior para o operador do sistema.
O segundo e ltimo teste feito considerando que qualquer medida seja igual a zero.
Para este teste o software no foi capaz de identificar a medida zero como sendo errnea na
primeira varredura em todos os casos, logo, o software no sensvel a este tipo de erro.
-
46
5. CONCLUSES
Neste texto apresentou-se uma base terica sobre: a estimao de estados, investigao
e identificao de erros grosseiro; Tambm foram apresentados o sistema teste de oito barras,
os programas computacionais desenvolvidos, alm da verificao e da validao do programa
desenvolvido atravs de simulaes.
O programa computacional desenvolvido apresentou resultados satisfatrios,
apresentando uma boa estimao dos estados na maioria dos casos e detectou os erros quando
eles estavam presentes, a nica exceo foi quando existiu uma medio errnea com valor
igual a zero.
Assim, todos os objetivos foram alcanados e este trabalho se mostrou importante para
aprimorar os conceitos sobre a estimao de estados e, investigao e identificao de erros
grosseiros.
-
47
6. REFERNCIAS
[1] Simes Costa, A. J. A. e Salgado, R. S. - Apostila Anlise de Segurana em
Sistemas de Potncia, UFSC, 2011.
[2] Notas de aula da disciplina EEL 6302 Anlise de Segurana em Sistemas de
Potncia 2013.
-
48
7. ANEXO I
Neste anexo do trabalho apresentado o cdigo fonte do programa implementado em
Matlab para resolver este problema proposto.
O software consiste basicamente em cinco arquivos, sendo eles:
1. dadosentrada.m: neste arquivo esto todos os dados de entrada do sistema,
desta maneira caso o usurio deseje alterar algum dado da rede se torna fcil;
2. rootT1.m: programa principal, neste arquivo executado a leitura dos dados
de entrada, apresentao destes dados de entrada, execuo do mtodo das
rotaes de Givens, clculos dos fluxos de potncia ativa em todas as linhas do
sistema, apresentao dos resultados iniciais;
3. investErro.m: neste arquivo executado o teste J() e o mtodo ;
4. eliminacao.m: neste arquivo executado a eliminao da medida errnea e
re-estimado os estados, fluxos de potncia, injeo de potncia e os testes da
presena de erros tambm so executados, o software fica em looping at no
encontrar mais erros;
5. recuperacao.m: neste arquivo executado a recuperao da medida errnea e
re-estimado os estados, fluxos de potncia, injeo de potncia e os testes da
presena de erros tambm so executados, o software fica em looping at no
encontrar mais erros;
7.1. CDIGO FONTE EM MATLAB
7.1.1. dadosentrada.m
%% Dados de entrada
nb = 8; % qtde de barras nm = 12;% qtde de medies sigma2t = 2E-6; % varincia dos medidores dos fluxos sigma2p = 4E-6; % varincia dos medidores de injeo bref = 1; % barra de referncia
% matriz das impedncias %de %para % X (Ohm) imped = [ 1 2 0.080
-
49
1 6 0.010 1 5 0.025 1 4 0.064 4 5 0.020 3 4 0.064 3 8 0.020 3 7 0.025 2 3 0.080 2 7 0.025 6 7 0.010 5 6 0.010 5 8 0.020 7 8 0.032 ];
% medies, no mximo duas condies
% primeiro inserir as medies de fluxo e % depois as medies de injees de potncia
med_fluxos = 10; med_injpot = 2;
z = [ 1 2 +0.1935 +0.7051 %t12 5 4 -0.9081 -2.8917 %t54 3 4 -0.2043 -0.9918 %t34 7 3 -0.4312 -1.2119 %t73 3 2 -0.0617 +0.0012 %t32 7 2 -0.6295 -1.2061 %t72 6 7 +0.6226 +2.7200 %t67 5 6 -0.0570 +0.8504 %t56 5 8 +0.5819 +2.0587 %t58 8 7 -0.1833 -0.1634 %t87 1 1 +3.8020 +8.5020 %p1 7 7 -1.4995 -4.9970 %p7 ];
7.1.2. rootT1.m
% EEL 6302 - Anlise de Segurana em Sistemas de Potncia % Autor: Rodolfo Calderon Machado % Estimador Ortogonal Usando Modelo Linear para a Rede Eltrica
clear all hidden; close all hidden; clc;
disp(' ') disp('####################################################################'
) disp(' ') disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Estimao de Estados da Rede - Modelo de Medio Linear') disp('Mtodo das Rotaes de Givens com 3 Multiplicadores')
-
50
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ')
%% Dados de entrada
dadosentrada;
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Dados de Entrada') disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ') fprintf('Barra de referncia: %i\n',bref); fprintf('Varincia dos medidores dos fluxos: %1.2E\n',sigma2t); fprintf('Varincia dos medidores de injeo de potncia ativa:
%1.2E\n',sigma2p); disp(' ')
disp('Impedncias') disp(' ____________________') disp('| DE | PARA | x |')
for i = 1:size(imped,1) fprintf('| %i | %i | %1.4f |\n',imped(i,1),imped(i,2),imped(i,3)) end disp(' ____________________')
disp(' ') disp(' _____________________________________') disp('| | Medies |') disp('| DE | PARA | Condio 1 | Condio 2 |') for i = 1:size(z,1) fprintf('| %i | %i | %+1.4f | %+1.4f
|\n',z(i,1),z(i,2),z(i,3),z(i,4)) end disp(' _____________________________________') disp(' ') disp('DE =/= PARA: fluxos de potncia ativa') disp('DE = PARA: injees de potncia') disp(' ')
%% Inicializando as variveis
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ') caso = input('Condio de operao, 1 ou 2?'); if isempty(caso) caso = 1; end disp(' ')
%criando matriz com as impedancias for i = 1:size(imped,1)
matriz_impedancia(imped(i,1),imped(i,2)) = imped(i,3); matriz_impedancia(imped(i,2),imped(i,1)) = imped(i,3);
-
51
end
d = zeros(nb,1); u = eye(nb);
% matriz p = [ H | z ], H = [ Ht ; Hp ] for i = 1:med_fluxos
Ht(i,z(i,1)) = + 1/matriz_impedancia(z(i,1),z(i,2)); Ht(i,z(i,2)) = - 1/matriz_impedancia(z(i,1),z(i,2));
end
Hp = [];
for i = (med_fluxos + 1):(med_fluxos + med_injpot) barra_injecao = z(i,1); for j = 1:nb if j ~= barra_injecao if matriz_impedancia(barra_injecao,j) ~= 0 Hp(i-med_fluxos,j) = -
1/matriz_impedancia(barra_injecao,j); Hp(i-med_fluxos,barra_injecao) = Hp(i-
med_fluxos,barra_injecao) - Hp(i-med_fluxos,j); else Hp(i-med_fluxos,j) = 0; end end end end
Ht(:,bref) = []; Hp(:,bref) = [];
H = [ Ht ; Hp ]; G = [ H z(:,caso+2)];
%nmero de linhas e colunas de G [ limlinha , limcoluna ] = size(G);
for i = 1:limlinha if i
-
52
for k = 1:limcoluna
if w(i,i)~=0 && p(:,k)~= 0 U = u(k,:); % calcular d' dl = d(k,:) + w(i,i)*p(:,k)^2; % calcular c c = d(k,:)/dl; % calcular w' wl = c*w(i,i); % calcular s s = w(i,i)*p(:,k)/dl;
% rotao rotacao = [c s;-p(:,k) 1]*[U;p];
%atualizao dos parmetros u(k,:) = rotacao(1,:); d(k) = dl; w(i,i)= wl;
if w(i,i)~= 0 p = rotacao(2,:); end end end end
B = u(1:(limcoluna-1),limcoluna); A = u(1:(limcoluna-1),(1:limcoluna-1));
% clculo das variveis de estado x = inv(A)*B;
% matriz de covarincia dos resduos - W Cx = inv(H'*inv(R)*H); W = R - H*Cx*H';
% soma ponderada dos quadrados dos resduos SPQR = dl;
% criando vetor com as variveis de estado
x_comBref = zeros(nb,1);
for i = 1:nb if i == bref for linha = bref:size(x,1) x_comBref(linha+1) = x(linha); end break; else x_comBref(i) = x(i); end end
% calculando os fluxos nos ramos
-
53
t = zeros(size(imped,1),3); t(:,1) = imped(:,1); t(:,2) = imped(:,2);
for i = 1:size(imped,1) t(i,3) = (1/imped(i,3))*(x_comBref(t(i,1))-x_comBref(t(i,2))); end
% resgatando e organizando os fluxos medidos
for i = 1:size(imped,1) flag = 0; for k = 1:size(z,1) if imped(i,1) == z(k,1) && imped(i,2) == z(k,2) tm(i,1) = imped(i,1); tm(i,2) = imped(i,2); tm(i,3) = z(k,caso+2); flag = 1; break; elseif imped(i,2) == z(k,1) && imped(i,1) == z(k,2) tm(i,1) = imped(i,1); tm(i,2) = imped(i,2); tm(i,3) = - z(k,caso+2); flag = 1; break; end end if flag == 0 tm(i,1) = imped(i,1); tm(i,2) = imped(i,2); tm(i,3) = 0; end end
% calculando as injees de potncia nas barras da rede
injpot = z(med_fluxos+1:med_fluxos+med_injpot,1); injpot(:,2) = 0;
for i = 1:size(injpot,1) for linha = 1:size(imped,1) if injpot(i,1) == imped(linha,1) injpot(i,2) = injpot(i,2) + t(linha,3); elseif injpot(i,1) == imped(linha,2) injpot(i,2) = injpot(i,2) - t(linha,3); end end end
pae = zeros(nb,1);
for i = 1:size(injpot,1) pae(injpot(i,1),1) = injpot(i,2); end
% resgatando as injees medidas
pam = zeros(nb,1);
-
54
for i = 1:size(z,1) if z(i,1) == z(i,2) pam(z(i,1),1) = z(i,caso+2); end end
%% Resultados Primeira Parte disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Resultados') disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ')
disp ('
____________________________________________________________________') disp ('|Barra | V | ngulo | Inj. P. Ativa Estimada | Inj. P. Ativa Medida
| ') for i = 1 : nb fprintf('| %i | 1 | %+1.4f | %+1.4f | %+1.4f
|\n' ,i, x_comBref(i),pae(i,1),pam(i,1)); end disp ('
____________________________________________________________________')
disp (' ') disp (' _________________________________________________________________') disp ('|De | Para | Fluxo Pot. Ativa Estimada | Fluxo Pot. Ativa Medida
|') for i = 1 : size(t,1) if tm(i,3) ~= 0 fprintf('| %i | %i | %+1.4f | %+1.4f
|\n',t(i,1),t(i,2),t(i,3),tm(i,3)); else fprintf('| %i | %i | %+1.4f | no
medido |\n',t(i,1),t(i,2),t(i,3)); end end disp (' _________________________________________________________________')
disp(' ') fprintf('Soma ponderada dos quadrados dos resduos - SPQR: %+1.4f\n',SPQR); disp(' ') disp('####################################################################'
) disp(' ') disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Erros Grosseiros') disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ') disp(' possvel investigar os erros grosseiros utilizando:') disp('- Teste J(x^)') disp('- Mtodo b^')
investigue = input('Deseja investigar a presena de erros grosseiros? (s)
(n)','s');
-
55
if isempty(investigue) investigue = 's'; end
if investigue == 's' investErro else disp('Fim do programa!')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) end
7.1.3. investErro.m
%% Variveis iniciais
% calculando o vetor de resduos
r = zeros(size(z,1),1); k = 1;
for i = 1:size(imped,1) if tm(i,3) ~= 0 r(k,1) = tm(i,3) - t(i,3); k = k + 1; end end for i = 1:size(pam,1) if pam(i,1) ~= 0 r(k,1) = pam(i,1) - pae(i,1); k = k+1; end end
% normalizando o vetor de resduos
rn = zeros(size(r,1),1);
for i = 1:size(r,1) rn(i,1) = r(i,1)/sqrt(W(i,i)); end
% maior magnitude de resduo normalizado e seu indice no vetor rn [maxrn indrn] = max(abs(rn));
% graus de liberdade: qtde de medies - qtde de estados l = size(z,1) - size(x,1);
%% Teste J(x^)
% flags de indicao de erro flagerroJ = 0;
disp(' ')
-
56
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Teste J(x^)') disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ') disp('Nota: Graus de liberdade mximo igual a 10') disp(' ') disp('Considera-se para este teste uma probabilidade de falso alarme de
0,05') disp(' ')
% X - Qui-Quadrado para 1 - 0,05 = 0,95
x2 = [ 3.84 5.99 7.81 9.49 11.1 12.6 14.1 15.5 16.9 18.3 ]';
fprintf('Soma ponderada dos quadrados dos resduos - SPQR: %+1.4f\n',SPQR); fprintf('Valor obtido da distribuio do qui-quadrado - X:
%+1.2f\n\n',x2(l));
% verificacao do teste J^
if x2(l) > SPQR fprintf('X > SPQR : no existem medidas errneas\n'); flagerroJ = 0; else fprintf('X < SPQR: existem medidas errneas\n'); flagerroJ = 1; end
%% Mtodo b^
% lambda lambda = 4;
% flag de indicao de erro flagerroB = 0;
disp(' ') disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Mtodo b^') disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ')
disp('Considera-se para este teste Lambda = 4') disp(' ')
% desvio padrao da medida associada if indrn
-
57
fprintf('Magnitude do erro (expressa em nmeros de desvios-padro) - b^:
%+1.2f\n\n',b);
% verificacao do mtodo b^
if b > lambda fprintf('b^ > Lambda : existem medidas errneas\n'); flagerroB = 1; else fprintf('b^
-
58
metodoreestimacao = input('(1) ou (2)?'); if isempty(metodoreestimacao) metodoreestimaacao = 1; end
elseif flagerroJ == 0 && flagerroB == 1
disp('Foi detectado um erro somente pelo mtodo b^') fprintf('A medida %i, %+1.4f, considerada uma medida errnea!\n',
indrn, z(indrn,caso+2));
disp(' ') disp('Deseja eliminar os erros grosseiros mediante a re-estimao de
estados considerando:') disp('- (1) A eliminao das medidas errneas do plano de medio') disp('- (2) A recuperao das medidas errneas') disp(' ')
metodoreestimacao = input('(1) ou (2)?'); if isempty(metodoreestimacao) metodoreestimaacao = 1; end
elseif flagerroJ == 0 && flagerroB == 0
disp('No foram detectados erros') disp(' ') disp('Fim do programa!')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) metodoreestimacao = 0;
end if metodoreestimacao ~=0 if metodoreestimacao == 1 disp(' ') disp('Escolhido: A eliminao das medidas errneas do plano de
medio') disp(' ') eliminacao elseif metodoreestimacao == 2 disp(' ') disp('Escolhido: A recuperao das medidas errneas') disp(' ') recuperacao end end
7.1.4. eliminacao.m
%% mtodo da eliminao
flageliminacao = 1;
while flageliminacao == 1; % fica em loop at eliminar o erro
-
59
% salvando e recuperando variveis save('temp_eliminacao.mat', 'indrn',
'caso','matriz_impedancia','flageliminacao'); clear all; load temp_eliminacao.mat;
% lendo dados iniciais dadosentrada;
% eliminando a medida erronea if indrn
-
60
for i = 1:limlinha if i
-
61
SPQR = dl;
% criando vetor com as variveis de estado
x_comBref = zeros(nb,1);
for i = 1:nb if i == bref for linha = bref:size(x,1) x_comBref(linha+1) = x(linha); end break; else x_comBref(i) = x(i); end end
% calculando os fluxos nos ramos
t = zeros(size(imped,1),3); t(:,1) = imped(:,1); t(:,2) = imped(:,2);
for i = 1:size(imped,1) t(i,3) = (1/imped(i,3))*(x_comBref(t(i,1))-x_comBref(t(i,2))); end
% resgatando e organizando os fluxos medidos
for i = 1:size(imped,1) flag = 0; for k = 1:size(z,1) if imped(i,1) == z(k,1) && imped(i,2) == z(k,2) tm(i,1) = imped(i,1); tm(i,2) = imped(i,2); tm(i,3) = z(k,caso+2); flag = 1; break; elseif imped(i,2) == z(k,1) && imped(i,1) == z(k,2) tm(i,1) = imped(i,1); tm(i,2) = imped(i,2); tm(i,3) = - z(k,caso+2); flag = 1; break; end end if flag == 0 tm(i,1) = imped(i,1); tm(i,2) = imped(i,2); tm(i,3) = 0; end end
% calculando as injees de potncia nas barras da rede
injpot = z(med_fluxos+1:med_fluxos+med_injpot,1); injpot(:,2) = 0;
for i = 1:size(injpot,1)
-
62
for linha = 1:size(imped,1) if injpot(i,1) == imped(linha,1) injpot(i,2) = injpot(i,2) + t(linha,3); elseif injpot(i,1) == imped(linha,2) injpot(i,2) = injpot(i,2) - t(linha,3); end end end
pae = zeros(nb,1);
for i = 1:size(injpot,1) pae(injpot(i,1),1) = injpot(i,2); end
% resgatando as injees medidas
pam = zeros(nb,1);
for i = 1:size(z,1) if z(i,1) == z(i,2) pam(z(i,1),1) = z(i,caso+2); end end
%% Resultados da Re-estimao
disp('####################################################################'
) disp(' ')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Resultados da Re-estimao')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ')
disp ('
____________________________________________________________________') disp ('|Barra | V | ngulo | Inj. P. Ativa Estimada | Inj. P. Ativa
Medida | ') for i = 1 : nb fprintf('| %i | 1 | %+1.4f | %+1.4f |
%+1.4f |\n' ,i, x_comBref(i),pae(i,1),pam(i,1)); end disp ('
____________________________________________________________________')
disp (' ') disp ('
_________________________________________________________________') disp ('|De | Para | Fluxo Pot. Ativa Estimada | Fluxo Pot. Ativa Medida
|') for i = 1 : size(t,1) if tm(i,3) ~= 0 fprintf('| %i | %i | %+1.4f |
%+1.4f |\n',t(i,1),t(i,2),t(i,3),tm(i,3));
-
63
else fprintf('| %i | %i | %+1.4f | no
medido |\n',t(i,1),t(i,2),t(i,3)); end end disp ('
_________________________________________________________________')
disp(' ') fprintf('Soma ponderada dos quadrados dos resduos - SPQR:
%+1.4f\n',SPQR); disp(' ')
disp('####################################################################'
) disp(' ')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Erros Grosseiros')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
)
%% ERROS - Variveis iniciais
% calculando o vetor de resduos
r = zeros(size(z,1),1); k = 1;
for i = 1:size(imped,1) if tm(i,3) ~= 0 r(k,1) = tm(i,3) - t(i,3); k = k + 1; end end for i = 1:size(pam,1) if pam(i,1) ~= 0 r(k,1) = pam(i,1) - pae(i,1); k = k+1; end end
% normalizando o vetor de resduos
rn = zeros(size(r,1),1);
for i = 1:size(r,1) rn(i,1) = r(i,1)/sqrt(W(i,i)); end
% maior magnitude de resduo normalizado e seu indice no vetor rn [maxrn indrn] = max(abs(rn));
% graus de liberdade: qtde de medies - qtde de estados l = size(z,1) - size(x,1);
%% Teste J(x^)
-
64
% flags de indicao de erro flagerroJ = 0;
disp(' ')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Teste J(x^)')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ') disp('Nota: Graus de liberdade mximo igual a 10') disp(' ') disp('Considera-se para este teste uma probabilidade de falso alarme de
0,05') disp(' ')
% X - Qui-Quadrado para 1 - 0,05 = 0,95
x2 = [ 3.84 5.99 7.81 9.49 11.1 12.6 14.1 15.5 16.9 18.3 ]';
fprintf('Soma ponderada dos quadrados dos resduos - SPQR:
%+1.4f\n',SPQR); fprintf('Valor obtido da distribuio do qui-quadrado - X:
%+1.2f\n\n',x2(l));
% verificacao do teste J^
if x2(l) > SPQR fprintf('X > SPQR : no existem medidas errneas\n'); flagerroJ = 0; else fprintf('X < SPQR: existem medidas errneas\n'); flagerroJ = 1; end
%% Mtodo b^
% lambda lambda = 4;
% flag de indicao de erro flagerroB = 0;
disp(' ')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Mtodo b^')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ')
disp('Considera-se para este teste Lambda = 4') disp(' ')
-
65
% desvio padrao da medida associada if indrn lambda fprintf('b^ > Lambda : existem medidas errneas\n'); flagerroB = 1; else fprintf('b^
-
66
fprintf('A medida %i, %+1.4f, considerada uma medida errnea!\n',
indrn, z(indrn,caso+2)); disp('Esta medida ser eliminada e os estados sero re-estimados')
elseif flagerroJ == 0 && flagerroB == 0
disp('No foram detectados erros na re-estimao') disp(' ') disp('Fim do programa!')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) flageliminacao = 0;
end end
7.1.5. recuperacao.m
%% mtodo da recuperacao
flagrecuperacao = 1;
while flagrecuperacao == 1;
% salvando e recuperando variveis save('temp_recuperacao.mat', 'indrn',
'caso','matriz_impedancia','flagrecuperacao', 'dp', 'r', 'W'); clear all; load temp_recuperacao.mat;
% lendo dados iniciais dadosentrada;
% recuperando a medida erronea z(indrn,caso+2) = z(indrn,caso+2) - (dp^2)*r(indrn,1)/W(indrn,indrn);
clear r W dp indrn; % preveno para erros
%% reiniciando a estimao de estados
d = zeros(nb,1); u = eye(nb);
% matriz p = [ H | z ], H = [ Ht ; Hp ] for i = 1:med_fluxos
Ht(i,z(i,1)) = + 1/matriz_impedancia(z(i,1),z(i,2)); Ht(i,z(i,2)) = - 1/matriz_impedancia(z(i,1),z(i,2));
end
Hp = [];
-
67
for i = (med_fluxos + 1):(med_fluxos + med_injpot) barra_injecao = z(i,1); for j = 1:nb if j ~= barra_injecao if matriz_impedancia(barra_injecao,j) ~= 0 Hp(i-med_fluxos,j) = -
1/matriz_impedancia(barra_injecao,j); Hp(i-med_fluxos,barra_injecao) = Hp(i-
med_fluxos,barra_injecao) - Hp(i-med_fluxos,j); else Hp(i-med_fluxos,j) = 0; end end end end
Ht(:,bref) = []; Hp(:,bref) = [];
H = [ Ht ; Hp ]; G = [ H z(:,caso+2)];
%nmero de linhas e colunas de G [ limlinha , limcoluna ] = size(G);
for i = 1:limlinha if i
-
68
%atualizao dos parmetros u(k,:) = rotacao(1,:); d(k) = dl; w(i,i)= wl;
if w(i,i)~= 0 p = rotacao(2,:); end end end end
B = u(1:(limcoluna-1),limcoluna); A = u(1:(limcoluna-1),(1:limcoluna-1));
% clculo das variveis de estado x = inv(A)*B;
% matriz de covarincia dos resduos - W Cx = inv(H'*inv(R)*H); W = R - H*Cx*H';
% soma ponderada dos quadrados dos resduos SPQR = dl;
% criando vetor com as variveis de estado
x_comBref = zeros(nb,1);
for i = 1:nb if i == bref for linha = bref:size(x,1) x_comBref(linha+1) = x(linha); end break; else x_comBref(i) = x(i); end end
% calculando os fluxos nos ramos
t = zeros(size(imped,1),3); t(:,1) = imped(:,1); t(:,2) = imped(:,2);
for i = 1:size(imped,1) t(i,3) = (1/imped(i,3))*(x_comBref(t(i,1))-x_comBref(t(i,2))); end
% resgatando e organizando os fluxos medidos
for i = 1:size(imped,1) flag = 0; for k = 1:size(z,1) if imped(i,1) == z(k,1) && imped(i,2) == z(k,2) tm(i,1) = imped(i,1);
-
69
tm(i,2) = imped(i,2); tm(i,3) = z(k,caso+2); flag = 1; break; elseif imped(i,2) == z(k,1) && imped(i,1) == z(k,2) tm(i,1) = imped(i,1); tm(i,2) = imped(i,2); tm(i,3) = - z(k,caso+2); flag = 1; break; end end if flag == 0 tm(i,1) = imped(i,1); tm(i,2) = imped(i,2); tm(i,3) = 0; end end
% calculando as injees de potncia nas barras da rede
injpot = z(med_fluxos+1:med_fluxos+med_injpot,1); injpot(:,2) = 0;
for i = 1:size(injpot,1) for linha = 1:size(imped,1) if injpot(i,1) == imped(linha,1) injpot(i,2) = injpot(i,2) + t(linha,3); elseif injpot(i,1) == imped(linha,2) injpot(i,2) = injpot(i,2) - t(linha,3); end end end
pae = zeros(nb,1);
for i = 1:size(injpot,1) pae(injpot(i,1),1) = injpot(i,2); end
% resgatando as injees medidas
pam = zeros(nb,1);
for i = 1:size(z,1) if z(i,1) == z(i,2) pam(z(i,1),1) = z(i,caso+2); end end
%% Resultados da Re-estimao
disp('####################################################################'
) disp(' ')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Resultados da Re-estimao')
-
70
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ')
disp ('
____________________________________________________________________') disp ('|Barra | V | ngulo | Inj. P. Ativa Estimada | Inj. P. Ativa
Medida | ') for i = 1 : nb fprintf('| %i | 1 | %+1.4f | %+1.4f |
%+1.4f |\n' ,i, x_comBref(i),pae(i,1),pam(i,1)); end disp ('
____________________________________________________________________')
disp (' ') disp ('
_________________________________________________________________') disp ('|De | Para | Fluxo Pot. Ativa Estimada | Fluxo Pot. Ativa Medida
|') for i = 1 : size(t,1) if tm(i,3) ~= 0 fprintf('| %i | %i | %+1.4f |
%+1.4f |\n',t(i,1),t(i,2),t(i,3),tm(i,3)); else fprintf('| %i | %i | %+1.4f | no
medido |\n',t(i,1),t(i,2),t(i,3)); end end disp ('
_________________________________________________________________')
disp(' ') fprintf('Soma ponderada dos quadrados dos resduos - SPQR:
%+1.4f\n',SPQR); disp(' ')
disp('####################################################################'
) disp(' ')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Erros Grosseiros')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
)
%% ERROS - Variveis iniciais
% calculando o vetor de resduos
r = zeros(size(z,1),1); k = 1;
for i = 1:size(imped,1) if tm(i,3) ~= 0 r(k,1) = tm(i,3) - t(i,3);
-
71
k = k + 1; end end for i = 1:size(pam,1) if pam(i,1) ~= 0 r(k,1) = pam(i,1) - pae(i,1); k = k+1; end end
% normalizando o vetor de resduos
rn = zeros(size(r,1),1);
for i = 1:size(r,1) rn(i,1) = r(i,1)/sqrt(W(i,i)); end
% maior magnitude de resduo normalizado e seu indice no vetor rn [maxrn indrn] = max(abs(rn));
% graus de liberdade: qtde de medies - qtde de estados l = size(z,1) - size(x,1);
%% Teste J(x^)
% flags de indicao de erro flagerroJ = 0;
disp(' ')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp('Teste J(x^)')
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
) disp(' ') disp('Nota: Graus de liberdade mximo igual a 10') disp(' ') disp('Considera-se para este teste uma probabilidade de falso alarme de
0,05') disp(' ')
% X - Qui-Quadrado para 1 - 0,05 = 0,95
x2 = [ 3.84 5.99 7.81 9.49 11.1 12.6 14.1 15.5 16.9 18.3 ]';
fprintf('Soma ponderada dos quadrados dos resduos - SPQR:
%+1.4f\n',SPQR); fprintf('Valor obtido da distribuio do qui-quadrado - X:
%+1.2f\n\n',x2(l));
% verificacao do teste J^
if x2(l) > SPQR fprintf('X > SPQR : no existem medidas errneas\n'); flagerroJ = 0;
-
72
else fprintf('X < SPQR: existem medidas errneas\n'); flagerroJ = 1; end
%% Mtodo b^
% lambda lambda = 4;
% flag de indica