18.01.2015 Views

Análise de Observabilidade e Processamento de Erros Grosseiros ...

Análise de Observabilidade e Processamento de Erros Grosseiros ...

Análise de Observabilidade e Processamento de Erros Grosseiros ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

88 Estimador <strong>de</strong> Estado Não-Linear<br />

3.10.1 Testes computacionais<br />

Foram implementadas três versões <strong>de</strong> estimadores com restrições <strong>de</strong> igualda<strong>de</strong> utilizando os<br />

multiplicadores <strong>de</strong> Lagrange. A primeira versão consi<strong>de</strong>ra as restrições <strong>de</strong> chaves e disjuntores<br />

e pseudomedidas <strong>de</strong> injeção nula como medidas, conforme o método das equações normais<br />

apresentada no início do capítulo. A segunda versão consi<strong>de</strong>ra todas as restrições <strong>de</strong> chaves e<br />

<strong>de</strong> disjuntores como restrições <strong>de</strong> igualda<strong>de</strong>, e a terceira versão consi<strong>de</strong>ra apenas como restrição<br />

<strong>de</strong> igualda<strong>de</strong> as pseudomedidas <strong>de</strong> injeção. A primeira versão forneceu resultados praticamente<br />

iguais aos do estimador <strong>de</strong>sacoplado convencional, o que era esperado. Já a segunda versão apresentou<br />

problemas <strong>de</strong> convergência em algumas simulações com sistemas <strong>de</strong> gran<strong>de</strong> dimensão. A<br />

terceira abordagem consi<strong>de</strong>rou apenas as pseudomedidas <strong>de</strong> injeção como restrições <strong>de</strong> igualda<strong>de</strong>,<br />

uma vez que o status <strong>de</strong> chaves também é objeto <strong>de</strong> análise. A análise realizada utilizando<br />

a última metodologia forneceu números <strong>de</strong> iterações baixos, da mesma or<strong>de</strong>m que o estimador<br />

<strong>de</strong>sacoplado convencional, ficando entre 3 e 4 iterações. Os resultados também mostraram ser<br />

semelhantes, com a exceção <strong>de</strong> que eventuais erros que se refletem nas pseudomedidas <strong>de</strong> injeção<br />

nula agora são apresentadas no vetor multiplicador <strong>de</strong> Lagrange. Para efeito <strong>de</strong> ilustração,<br />

apresentam-se aqui apenas resultados da estimação sobre o sistema S2. Porém, a equivalência<br />

dos resultados entre o método do estimador <strong>de</strong>sacoplado utilizando a matriz ganho e o método do<br />

tableau esparso foi conseguida às custas <strong>de</strong> uma variância extremamente baixa para as pseudomedidas<br />

<strong>de</strong> injeção no método convencional (variância <strong>de</strong> 10 −8 ) o que seria equivalente aproximá-las<br />

a uma restrição <strong>de</strong> igualda<strong>de</strong>. Tal fato po<strong>de</strong> afetar significativamente o método numérico, provocando<br />

o mau-condicionamento da matriz Ganho. Já que os métodos baseados no tableau esparso<br />

não sofrem <strong>de</strong>sse problema, entretanto <strong>de</strong>ve-se observar que o efeito das restrições <strong>de</strong> igualda<strong>de</strong><br />

na presença <strong>de</strong> erros grosseiros serão muito significativos.<br />

Tabela 3.21: Tempos <strong>de</strong> processamento utilizando o método Tableau esparso - sistema S2<br />

Leitura <strong>de</strong> arquivo e montagem do tableau esparso<br />

Estimador <strong>de</strong> estado<br />

Relatório <strong>de</strong> saída<br />

Tempo total<br />

0, 0179 s<br />

0, 03040 s<br />

0, 01429 s<br />

0, 0626 s

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!