Análise de Observabilidade e Processamento de Erros Grosseiros ...
Análise de Observabilidade e Processamento de Erros Grosseiros ... Análise de Observabilidade e Processamento de Erros Grosseiros ...
58 Estimador de Estado Não-Linear ∆˜z P = ∆z P − H PV ˜H+ QV ∆˜z Q (3.26) O que resulta no seguinte sistema desacoplado: [ ] [ ] [ ] HPΘ 0 ∆Θ ∆˜zP = 0 ˜HQV ∆V ∆˜z Q (3.27) A matriz ˜H QV pode ser substituída por uma matriz com a mesma estrutura de H QV , substituindo-se as susceptâncias dos ramos b km por −1/x km da mesma forma que o método fluxo de carga desacoplado rápido versão BX (Monticelli e Garcia, 1990). Considerando que as submatrizes são calculadas para o flat start, isto é, com magnitude das tensões nodais em V = 1, 0 p.u. e ângulos das tensões nodais com θ = 0, 0 radianos e são mantidas constantes durante o processo iterativo, as operações realizadas para anular a submatriz H QΘ transformam a matriz original H QV em uma nova matriz ˜H QV com as susceptâncias dos ramos substituídos por −1/x km . Dessa forma, pode-se afirmar que desconsideração das resistências série dos ramos não significa aproximação numérica do método. 3.5.3 Método BX Estendido Considere o caso em que as submatrizes H 0 PΘ e H0 QV são calculados para o flat start. A ν−ésima iteração do método Gauss-Newton apresentará a seguinte aproximação da matriz Jacobiana: [ H 0 PΘ H ν PV H ν QΘ H0 QV ] [ ∆Θ ν ] [ ν ] ∆zP ∆V ν = ∆z Q ν (3.28) Pré-multiplicando ∆z P ν por −H QΘ H PΘ + ∆z P e adicionando o resultado a ∆z Q tem-se: [ H 0 PΘ H ν ] [ PV ∆Θ ν ] [ ν ] ∆zP 0 ˜H0 QV ∆V ν = ∆˜z Q ν (3.29) onde ˜H ν QV = H 0 QV − H ν QΘH + PΘ Hν PV (3.30) ∆˜z ν Q = z ν Q − H ν QΘH + PΘ zν P (3.31)
3.5 Estimadores desacoplados 59 com ˜H + PΘ = ((H0 PΘ )′ (H 0 PΘ ))−1 (H 0 PΘ )′ e as matrizes Jacobianas H ν QΘ e Hν PV que aparecem na expressão para ˜H QV são também calculados no flat-start, embora o vetor ∆˜z ν Q seja calculado com base na submatriz H ν QΘ na iteração ν. A matriz H+ QV é aproximada mais uma vez substituindo-se as susceptâncias b km pelo inverso das reatâncias dos ramos 1/x km , originando assim o seguinte algoritmo: 1. Forme a contribuição complementar do ângulo Θ. ∆Θ ν temp = H + PΘ ∆z P(V ν , Θ ν ) (3.32) 2. Determine ∆V ∆˜z Q = ∆z Q (V ν , Θ ν ) − H ν QΘ∆Θ ν temp (3.33) ∆V ν = ˜H + QV ∆˜z Q (3.34) 3. Calcule a correção final do ângulo ∆Θ ∆Θ ν comp = −H + PΘ H PV∆V ν (3.35) ∆Θ ν = ∆Θ ν temp + ∆Θ ν comp (3.36) Observações • Note que as correções de ângulos realizadas com ∆Θ temp + ∆Θ comp correspondem à primeira equação (3.22): H PΘ ∆Θ + H PV ∆V = z P (3.37) • O passo 1 corresponde à solução da parte reativa H PΘ ∆Θ = ∆z P do sistema (3.22). • O passo 2 corresponde à solução do sistema H QV ∆V = ∆˜z P do sistema (3.22). • O passo 3 corresponde à solução da parte ativa do sistema (3.22), ou seja, H PΘ ∆Θ = ∆z P (3.38)
- Page 28 and 29: 8 Análise de Observabilidade Algor
- Page 30 and 31: 10 Análise de Observabilidade TP W
- Page 32 and 33: 12 Análise de Observabilidade •
- Page 34 and 35: 14 Análise de Observabilidade Algo
- Page 36 and 37: 16 Análise de Observabilidade ∂J
- Page 38 and 39: 18 Análise de Observabilidade 1 1
- Page 40 and 41: 20 Análise de Observabilidade da m
- Page 42 and 43: 22 Análise de Observabilidade por
- Page 44 and 45: 24 Análise de Observabilidade de o
- Page 46 and 47: 26 Análise de Observabilidade Na F
- Page 48 and 49: 28 Análise de Observabilidade (a)
- Page 50 and 51: 30 Análise de Observabilidade H =
- Page 52 and 53: 32 Análise de Observabilidade PSfr
- Page 54 and 55: 34 Análise de Observabilidade circ
- Page 56 and 57: 36 Análise de Observabilidade PSfr
- Page 58 and 59: 38 Análise de Observabilidade 2.6.
- Page 60 and 61: 40 Análise de Observabilidade 2 1
- Page 62 and 63: 42 Análise de Observabilidade ⎛
- Page 64 and 65: 44 Análise de Observabilidade 2.9
- Page 66 and 67: 46 Análise de Observabilidade oper
- 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 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 118 and 119: 98 Identificação e Tratamento de
- 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
58 Estimador <strong>de</strong> Estado Não-Linear<br />
∆˜z P = ∆z P − H PV ˜H+<br />
QV ∆˜z Q (3.26)<br />
O que resulta no seguinte sistema <strong>de</strong>sacoplado:<br />
[ ] [ ] [ ]<br />
HPΘ 0 ∆Θ ∆˜zP<br />
=<br />
0 ˜HQV ∆V ∆˜z Q<br />
(3.27)<br />
A matriz ˜H QV po<strong>de</strong> ser substituída por uma matriz com a mesma estrutura <strong>de</strong> H QV ,<br />
substituindo-se as susceptâncias dos ramos b km por −1/x km da mesma forma que o método<br />
fluxo <strong>de</strong> carga <strong>de</strong>sacoplado rápido versão BX (Monticelli e Garcia, 1990). Consi<strong>de</strong>rando que<br />
as submatrizes são calculadas para o flat start, isto é, com magnitu<strong>de</strong> das tensões nodais em<br />
V = 1, 0 p.u. e ângulos das tensões nodais com θ = 0, 0 radianos e são mantidas constantes<br />
durante o processo iterativo, as operações realizadas para anular a submatriz H QΘ transformam<br />
a matriz original H QV em uma nova matriz ˜H QV com as susceptâncias dos ramos substituídos<br />
por −1/x km . Dessa forma, po<strong>de</strong>-se afirmar que <strong>de</strong>sconsi<strong>de</strong>ração das resistências série dos ramos<br />
não significa aproximação numérica do método.<br />
3.5.3 Método BX Estendido<br />
Consi<strong>de</strong>re o caso em que as submatrizes H 0 PΘ e H0 QV<br />
são calculados para o flat start.<br />
A ν−ésima iteração do método Gauss-Newton apresentará a seguinte aproximação da matriz<br />
Jacobiana:<br />
[ H<br />
0<br />
PΘ<br />
H ν PV<br />
H ν QΘ<br />
H0 QV<br />
] [ ∆Θ<br />
ν ] [ ν ] ∆zP<br />
∆V ν =<br />
∆z Q ν<br />
(3.28)<br />
Pré-multiplicando ∆z P ν por −H QΘ H PΘ + ∆z P e adicionando o resultado a ∆z Q tem-se:<br />
[ H<br />
0<br />
PΘ<br />
H ν ] [<br />
PV ∆Θ<br />
ν ] [ ν ] ∆zP<br />
0 ˜H0 QV<br />
∆V ν =<br />
∆˜z Q ν<br />
(3.29)<br />
on<strong>de</strong><br />
˜H ν QV = H 0 QV − H ν QΘH + PΘ Hν PV (3.30)<br />
∆˜z ν Q = z ν Q − H ν QΘH + PΘ zν P (3.31)