Análise de Observabilidade e Processamento de Erros Grosseiros ...

94 Estimador de Estado Não-Linear
• Dimensão da matriz Tableau Esparso Ativo: 2160 × 2160
• Dimensão da matriz Tableau Esparso Reativo: 2160 × 2160
• Grau de Redundância global: ≈ 0, 68
O sistema R1 engloba os sistemas S1 e S2, é mal-condicionado, possui baixa redundância global
e o conjunto original de dados apresenta vários erros grosseiros e não é totalmente observável.
Os dados de fronteira são pseudomedidas e possuem baixa confiabilidade. A estimação de estado
foi realizada com o detalhamento em torno da subestação TQ1, envolvendo 8 subestações. A
dimensão resultante para a matriz Tableau esparso da parcela ativa foi de 2160 × 2160, e sua
estrutura pode ser observada na Fig. (3.9). O número de condicionamento calculado através
do programa Matlab revela-se extremamente elevado, comprovando o mau-condicionamento da
matriz (devido às ponderações distintas que variavam entre 60000 e 10 e também pelos valores
dos componentes de baixa impedância existentes). Testes realizados com objetivo de avaliar diferenças
entre o sistema na forma convencional (barra/ramo) e com o detalhadamento de certas
partes do sistema não indicaram diferenças significativas tanto no número de iterações como na
qualidade do estado estimado. A convergência do sistema R1 com o conjunto de medidas livre de
erros grosseiros e após identificadas as ilhas observáveis (cerca de 50) é alcançada após 8 iterações
ativas e 9 reativas. Esses números de iterações são os mesmos tanto para o modelo da matriz
ganho como para o tableau esparso considerando as injeções nulas como restrições de igualdade.
Foram observados problemas de convergência quando status de chaves e injeções são consideradas
como restrições de igualdade, uma possível causa é o efeito do mau-condicionamento e a
diminuição do grau de liberdade do problema, pois nesse caso, as únicas grandezas que possuem
liberdade de se ajustar são as medidas analógicas. Além disso, deve-se ter o cuidado adicional
na geração da estrutura esparsa da matriz de garantir que o conjunto de restrições de igualdade
ser linearmente independente (Wu et al., 1988), portanto ao incluir restrições de chaves abertas
e restrições de injeções nulas deve-se verificar se ambas fornecem a mesma informação (ou seja,
o conjunto C(x) deve ser linearmente independente).
3.12 Conclusões
Este capítulo teve como objetivo apresentação das principais funções de estimador de estado
utilizadas no trabalho. Verificou-se a boa compatibilidade tanto do modelo baseado na matriz
ganho como no tableau esparso quando apenas injeções nulas são consideradas como restrições
de igualdade. O tempo computacional para os testes realizados com o nível de detalhamento
do sistema considerado foi compatível para aplicações em tempo-real (em torno de 0,03s). Esta