Análise de Observabilidade e Processamento de Erros Grosseiros ...
Análise de Observabilidade e Processamento de Erros Grosseiros ...
Análise de Observabilidade e Processamento de Erros Grosseiros ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
62 Estimador <strong>de</strong> Estado Não-Linear<br />
Θ ν+1 = Θ ν + ∆Θ ν<br />
2. Cálculo da correção <strong>de</strong> V:<br />
G QV ∆V ν = H ′ QVR −1<br />
z Q<br />
∆z Q (V ν , Θ ν + ∆Θ ν )<br />
V ν+1 = V ν + ∆V ν<br />
• G PΘ = H ′ PΘ R z P −1 H PΘ<br />
• G QV = H ′ QV R z Q −1 H QV<br />
3.6 Desacoplamento no algoritmo e <strong>de</strong>sacoplamento no mo<strong>de</strong>lo<br />
A hipótese para o <strong>de</strong>senvolvimento dos algoritmo acima partiu do algoritmo <strong>de</strong> três passos<br />
com o pressuposto <strong>de</strong> que as medidas são perfeitas (informação <strong>de</strong>terminística). Entretanto,<br />
em estimação <strong>de</strong> estado as medidas são afetadas por erros, e portanto, o procedimento <strong>de</strong> três<br />
passos é uma aproximação. É sabido que essa abordagem é consi<strong>de</strong>rada como <strong>de</strong>sacoplamento<br />
no mo<strong>de</strong>lo e difere do problema <strong>de</strong> fluxo <strong>de</strong> carga <strong>de</strong>sacoplado. No caso do fluxo <strong>de</strong> carga <strong>de</strong>sacoplado<br />
ocorre apenas o <strong>de</strong>sacoplamento no algoritmo e não no mo<strong>de</strong>lo. O <strong>de</strong>sacoplamento<br />
no algoritmo significa que o algoritmo converge para o mesmo ponto final <strong>de</strong> solução diferindo<br />
apenas no número <strong>de</strong> iterações, ou seja, as aproximações feitas na matriz ganho não afetam a<br />
convergência do processo. Já as aproximações realizadas na abordagem do algoritmo <strong>de</strong>sacoplado<br />
no mo<strong>de</strong>lo po<strong>de</strong>m alterar o ponto final <strong>de</strong> soluções. Entretanto, tais modificações mostraram-se<br />
<strong>de</strong>sprezíveis, possibilitando concluir que a qualida<strong>de</strong> <strong>de</strong> estimação não é afetada. Geralmente a<br />
abordagem <strong>de</strong>sacoplada no mo<strong>de</strong>lo possui <strong>de</strong>sempenho superior em termos <strong>de</strong> velocida<strong>de</strong> computacional.<br />
Referências sobre <strong>de</strong>sacoplamento <strong>de</strong> mo<strong>de</strong>lo e <strong>de</strong> algoritmo são encontradas por<br />
Aschmoneit et al. (1976), Garcia et al. (1979), Monticelli e Garcia (1990), e Allemong et al.<br />
(1982).<br />
3.6.1 Estimador <strong>de</strong>sacoplado no algoritmo<br />
O algoritmo para o método <strong>de</strong>sacoplado no algoritmo é o seguinte: