Análise de Observabilidade e Processamento de Erros Grosseiros ...

Análise de Observabilidade e Processamento de Erros Grosseiros ... Análise de Observabilidade e Processamento de Erros Grosseiros ...

sel.eesc.usp.br
from sel.eesc.usp.br More from this publisher
18.01.2015 Views

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

3.12 Conclusões 95 0 Estrutura da matriz tableau esparso − Sistema R1 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000 nz = 6110 Figura 3.9: Estrutura da matriz tableau esparso ativo do sistema R1

3.12 Conclusões 95<br />

0<br />

Estrutura da matriz tableau esparso − Sistema R1<br />

200<br />

400<br />

600<br />

800<br />

1000<br />

1200<br />

1400<br />

1600<br />

1800<br />

2000<br />

0 200 400 600 800 1000 1200 1400 1600 1800 2000<br />

nz = 6110<br />

Figura 3.9: Estrutura da matriz tableau esparso ativo do sistema R1

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

Saved successfully!

Ooh no, something went wrong!