Análise de Observabilidade e Processamento de Erros Grosseiros ...
Análise de Observabilidade e Processamento de Erros Grosseiros ... Análise de Observabilidade e Processamento de Erros Grosseiros ...
98 Identificação e Tratamento de Erros Interativos Não-conformativos sensibilidade, estes geralmente calculados através da variação do fluxo e de outros índices. A abordagem é considerada desacoplada, pois a estimação de estado e a configuração da rede são representadas como problemas distintos. Os trabalhos que se encaixam nessa filosofia são: (Lugtu et al., 1980), (Wu e Liu, 1989), (Clements e Davis, 1988) e (Simões-Costa e Leão, 1993). Já a metodologia proposta por (Souza et al., 1998) emprega redes neurais artificiais para identificação de padrões anormais de comportamento causados pela presença de erros grosseiros de medidas analógicas e erros de topologia. O trabalho proposto por (Clements e Simões- Costa, 1998) inova pelo uso dos multiplicadores de Lagrange normalizados para identificação de erros de topologia e em (Lourenço, 2001) informações a priori são utilizadas para a detecção de erros através da identificação de um conjunto de disjuntores suspeitos e posterior análise das combinações de status dos disjuntores. A inclusão da representação de chaves e disjuntores no processo de estimação de estado generalizada representa uma mudança significativa na identificação de erros grosseiros, uma vez que o estado desses dispositivos também são estimados. Quando medidas e estados de chaves e disjuntores são representados, é possível analisar o vetor resíduo normalizado ou o vetor multiplicador de Lagrange normalizado e identificar diretamente o erro na topologia. A situação de erro mais crítica é representada pela existência simultânea de erros topológicos e de medidas conformativos. Neste capítulo caracterizam-se os tipos de erro, a forma de detecção e identificação de erros grosseiros baseados no resíduo normalizado e também utilizando o vetor Lagrange normalizado. São também apresentados exemplos em que os métodos tradicionais falham na identificação de erros conformativos. Por fim, serão apresentadas técnicas computacionais que evitam a re-inversão das matrizes do problema para múltiplos testes de alteração do conjunto de medidas no sistema. 4.2 Caracterização dos erros A presença de erros de medidas que não são compatíveis com os seus respectivos desvios padrões provocam a estimação incorreta do estado real do sistema. Outros motivos para a falha na estimação podem ser atribuídos à topologia incorreta do sistema, ou a representação incorreta de parâmetros. Em uma situação crítica, todos os casos podem ocorrer simultaneamente. Resumindo, os erros podem ser de: • Topologia • Modelagem de componentes (parâmetros) • Medida
4.2 Caracterização dos erros 99 Além disso os erros podem ser classificados como: • Erro simples ⎧ ⎪⎨ • Erros múltiplos ⎪⎩ não-interativos { não-conformativos interativos conformativos 4.2.1 Erro simples O erro simples é representado pela presença de uma única medida com valor errôneo. Existindo a redundância necessária pode-se detectá-lo com o cálculo do vetor resíduo normalizado. 4.2.2 Erros múltiplos Os erros múltiplos representam a maioria dos casos presentes nos sistemas reais e a sua completa detecção pode apresentar diferentes níveis de dificuldade que dependerão da interatividade entre as medidas e seus resíduos. As medidas realizadas podem ser correlatas ou independentes. Normalmente, adota-se a hipótese de que são independentes, mas mesmo assim os resíduos estimados podem ser correlatos. O grau de correlação entre os resíduos estimados determinará a influência de tais erros no restante do sistema. De acordo com essa interação pode-se classificar os erros múltiplos em interativos e não-interativos. Os erros interativos afetam os resíduos de outras medidas, geralmente na sua vizinhança. A influência dos erros interativos pode ser negativa sobre as medidas não portadoras de erros grosseiros. Os erros interativos que não afetam negativamente o resíduo das medidas vizinhas são chamadas de erros múltiplos interativos não-conformativos e geralmente os métodos tradicionais baseados na verificação do resíduo normalizado têm êxito na sua detecção. Já os erros conformativos fazem com que as medidas portadoras desses erros ajam conforme as medidas sem erro grosseiro e provocam o aparecimento de resíduos normalizados de alto valor nas medidas sem erro grosseiro que possuem correlação com as medidas portadoras desse erro. Portanto, a influência dos erros conformativos dependerá do grau de correlação entre as medidas envolvidas, da variância dessas medidas e dos valores dos erros que formam o conjunto conforme. A detecção e a identificação de erros simples e múltiplos não-interativos podem ser realizadas através da análise do vetor resíduo normalizado. Entretanto, para casos de erros múltiplos interativos que envolvem erros de medidas, status de chaves e parâmetros simultaneamente
- Page 68 and 69: 48 Análise de Observabilidade Tabe
- Page 70 and 71: 50 Estimador de Estado Não-Linear
- Page 72 and 73: 52 Estimador de Estado Não-Linear
- Page 74 and 75: 54 Estimador de Estado Não-Linear
- Page 76 and 77: 56 Estimador de Estado Não-Linear
- Page 78 and 79: 58 Estimador de Estado Não-Linear
- Page 80 and 81: 60 Estimador de Estado Não-Linear
- Page 82 and 83: 62 Estimador de Estado Não-Linear
- Page 84 and 85: 64 Estimador de Estado Não-Linear
- Page 86 and 87: 66 Estimador de Estado Não-Linear
- Page 88 and 89: 68 Estimador de Estado Não-Linear
- Page 90 and 91: Tabela 3.6: Estado estimado das cha
- Page 92 and 93: 72 Estimador de Estado Não-Linear
- Page 94 and 95: 74 Estimador de Estado Não-Linear
- Page 96 and 97: 76 Estimador de Estado Não-Linear
- Page 98 and 99: 78 Estimador de Estado Não-Linear
- Page 100 and 101: 80 Estimador de Estado Não-Linear
- Page 102 and 103: 82 Estimador de Estado Não-Linear
- Page 104 and 105: 84 Estimador de Estado Não-Linear
- Page 106 and 107: 86 Estimador de Estado Não-Linear
- Page 108 and 109: 88 Estimador de Estado Não-Linear
- Page 110 and 111: 90 Estimador de Estado Não-Linear
- Page 112 and 113: 92 Estimador de Estado Não-Linear
- Page 114 and 115: 94 Estimador de Estado Não-Linear
- Page 116 and 117: 96 Estimador de Estado Não-Linear
- Page 120 and 121: 100 Identificação e Tratamento de
- Page 122 and 123: 102 Identificação e Tratamento de
- Page 124 and 125: 104 Identificação e Tratamento de
- Page 126 and 127: 106 Identificação e Tratamento de
- Page 128 and 129: 108 Identificação e Tratamento de
- Page 130 and 131: 110 Identificação e Tratamento de
- Page 132 and 133: 112 Identificação e Tratamento de
- Page 134 and 135: 114 Identificação e Tratamento de
- Page 136 and 137: ¤ 116 Identificação e Tratamento
- Page 138 and 139: 118 Identificação e Tratamento de
- Page 140 and 141: 120 Identificação e Tratamento de
- Page 142 and 143: 122 Identificação e Tratamento de
- Page 144 and 145: 124 Identificação e Tratamento de
- Page 146 and 147: 126 Identificação e Tratamento de
- Page 148 and 149: 128 Identificação e Tratamento de
- Page 150 and 151: 130 Identificação e Tratamento de
- Page 152 and 153: 132 Identificação e Tratamento de
- Page 154 and 155: 134 Identificação e Tratamento de
- Page 156 and 157: 136 Busca Tabu para Identificação
- Page 158 and 159: 138 Busca Tabu para Identificação
- Page 160 and 161: 140 Busca Tabu para Identificação
- Page 162 and 163: 142 Busca Tabu para Identificação
- Page 164 and 165: 144 Busca Tabu para Identificação
- Page 166 and 167: 146 Busca Tabu para Identificação
98 I<strong>de</strong>ntificação e Tratamento <strong>de</strong> <strong>Erros</strong> Interativos Não-conformativos<br />
sensibilida<strong>de</strong>, estes geralmente calculados através da variação do fluxo e <strong>de</strong> outros índices. A<br />
abordagem é consi<strong>de</strong>rada <strong>de</strong>sacoplada, pois a estimação <strong>de</strong> estado e a configuração da re<strong>de</strong><br />
são representadas como problemas distintos. Os trabalhos que se encaixam nessa filosofia são:<br />
(Lugtu et al., 1980), (Wu e Liu, 1989), (Clements e Davis, 1988) e (Simões-Costa e Leão,<br />
1993). Já a metodologia proposta por (Souza et al., 1998) emprega re<strong>de</strong>s neurais artificiais para<br />
i<strong>de</strong>ntificação <strong>de</strong> padrões anormais <strong>de</strong> comportamento causados pela presença <strong>de</strong> erros grosseiros<br />
<strong>de</strong> medidas analógicas e erros <strong>de</strong> topologia. O trabalho proposto por (Clements e Simões-<br />
Costa, 1998) inova pelo uso dos multiplicadores <strong>de</strong> Lagrange normalizados para i<strong>de</strong>ntificação <strong>de</strong><br />
erros <strong>de</strong> topologia e em (Lourenço, 2001) informações a priori são utilizadas para a <strong>de</strong>tecção <strong>de</strong><br />
erros através da i<strong>de</strong>ntificação <strong>de</strong> um conjunto <strong>de</strong> disjuntores suspeitos e posterior análise das<br />
combinações <strong>de</strong> status dos disjuntores.<br />
A inclusão da representação <strong>de</strong> chaves e disjuntores no processo <strong>de</strong> estimação <strong>de</strong> estado generalizada<br />
representa uma mudança significativa na i<strong>de</strong>ntificação <strong>de</strong> erros grosseiros, uma vez<br />
que o estado <strong>de</strong>sses dispositivos também são estimados. Quando medidas e estados <strong>de</strong> chaves<br />
e disjuntores são representados, é possível analisar o vetor resíduo normalizado ou o vetor multiplicador<br />
<strong>de</strong> Lagrange normalizado e i<strong>de</strong>ntificar diretamente o erro na topologia. A situação<br />
<strong>de</strong> erro mais crítica é representada pela existência simultânea <strong>de</strong> erros topológicos e <strong>de</strong> medidas<br />
conformativos. Neste capítulo caracterizam-se os tipos <strong>de</strong> erro, a forma <strong>de</strong> <strong>de</strong>tecção e<br />
i<strong>de</strong>ntificação <strong>de</strong> erros grosseiros baseados no resíduo normalizado e também utilizando o vetor<br />
Lagrange normalizado. São também apresentados exemplos em que os métodos tradicionais<br />
falham na i<strong>de</strong>ntificação <strong>de</strong> erros conformativos. Por fim, serão apresentadas técnicas computacionais<br />
que evitam a re-inversão das matrizes do problema para múltiplos testes <strong>de</strong> alteração do<br />
conjunto <strong>de</strong> medidas no sistema.<br />
4.2 Caracterização dos erros<br />
A presença <strong>de</strong> erros <strong>de</strong> medidas que não são compatíveis com os seus respectivos <strong>de</strong>svios<br />
padrões provocam a estimação incorreta do estado real do sistema. Outros motivos para a falha<br />
na estimação po<strong>de</strong>m ser atribuídos à topologia incorreta do sistema, ou a representação incorreta<br />
<strong>de</strong> parâmetros. Em uma situação crítica, todos os casos po<strong>de</strong>m ocorrer simultaneamente.<br />
Resumindo, os erros po<strong>de</strong>m ser <strong>de</strong>:<br />
• Topologia<br />
• Mo<strong>de</strong>lagem <strong>de</strong> componentes (parâmetros)<br />
• Medida