Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/32405| Título: | Estudo dos pesos na estimação de estado de sistemas elétricos de potência usando modelagem de programação não linear no AMPL |
| Título(s) alternativo(s): | Study of weights in the state estimation in electric power systems using nonlinear programming modeling in AMPL |
| Autor(es): | Queiroz, Rafael Ramos Nunes |
| Orientador(es): | Flórez, Hugo Andrés Ruiz |
| Palavras-chave: | Programação não-linear Servomecanismos Energia elétrica Sistemas de energia elétrica Nonlinear programming Servomechanisms Electric power Electric power systems |
| Data do documento: | 24-Jun-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | QUEIROZ, Rafael Ramos Nunes. Estudo dos pesos na estimação de estado de sistemas elétricos de potência usando modelagem de programação não linear no AMPL. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Elétrica) - Universidade Tecnológica Federal do Paraná, Medianeira, 2022. |
| Resumo: | A estimação de estado é o método computacional usado nos centros de controle para minimizar os erros do sistema de medição. Geralmente são recebidas as leituras de cinco grandezas no banco de dados: injeção de potência ativa, injeção de potência reativa, fluxo de potência ativa, fluxo de potência reativa e tensão. Neste trabalho, o problema de estimação de estado de sistemas elétricos de potência é representado através de uma abordagem de programação matemática ao invés do método interativo de Newton. Nesta abordagem um modelo matemático não linear baseado no método clássico dos mínimos quadrados ponderados é utilizado para resolver o problema de estimação de estados, o método visa minimizar os resíduos das estimações em detrimento de um peso atribuído a cada tipo de medida. Os valores dos pesos são dados classicamente na literatura como valores constantes em função do tipo de medição e do desvio padrão das medidas. O objetivo deste trabalho é melhorar o resultado da estimação de estado propondo novos pesos. Para isto, doze testes com pesos variados são feitos para cada um dos cinco tipos de medição no sistemateste IEEE14 barras. Este teste tem o objetivo de analisar a sensibilidade e a influência dos pesos de cada tipo de medida nos resultados das estimações. Os resultados desses testes foram usados para norteara tentativa de conjecturar novos pesos. Os resultados da estimação, quando contido somente erros gaussianos na base de dados, com novos pesos, alcançou desempenho quarenta vezes melhor para o módulo de tensão e, cinco vezes melhor para os ângulos de tensão, quando comparado com a estimação usando pesos clássicos. A estimação de estado com os novos pesos propostos por este trabalho, tornou o estimador de estado imune a erros grosseiro e gaussianos para as medições de tensão do sistema teste IEEE 14 barras. O modelo de programação não linear é implementado no AMPL que utiliza o solver Knitro, ambos em versão estudantil. Para validar os resultados das metodologias propostas, os pontos de operação do sistema elétrico são comparados com os resultados obtidos utilizando o pacote de simulação Power World, bem como com os resultados obtidos ao inserir na base de dados medidas sem erros. Os resultados permitiram concluir que a metodologia de força bruta utilizada neste trabalho para conjecturar novos pesos pode ser aplicada com sucesso para realizar a estimativa de estado de sistemas elétricos de forma mais eficiente. |
| Abstract: | State estimation is the computational method used in control centers to minimize errors in the measurement system. Generally, the readings of five quantities are received in the database: active power injection, reactive power injection, active power flow, reactive power flow and voltage. In this work, the problem of state estimation of electric power systems is represented through a mathematical programming approach instead of Newton's interactive method. In this approach, a nonlinear mathematical model based on the classical weighted least squares method is used to solve the state estimation problem. The weight values are classically given in the literature as constant values depending on the type of measurement and the standard deviation of the measurements. The objective of this work is to improve the state estimation result by proposing new weights. For this, twelve tests with varying weights are performed for each of the five measurement types in the IEEE14 bus testsystem. This test aims to analyze the sensitivity and influence of the weights of each type of measure on the estimation results. The results of these tests were used to guide the attempt to conjecture new weights. The estimation results, when containing only gaussian errors in the database, with new weights, achieved a performance forty times better for the stress modulus and five times better for the stress angles, when compared with the estimation using classical weights. The state estimation with the new weights proposed by this work made the state estimator immune to gross and gaussian errors for the voltage measurements of the IEEE 14bus testsystem. The nonlinear programming model is implemented in AMPL that uses the Knitro solver, both in student version. To validate the results of the proposed methodologies, the electrical system operating points are compared with the results obtained using the PowerWorld simulation package, as well as with the results obtained when inserting measurements without errors into the database. The results allowed us to conclude that the brute force methodology used in this work to conjecture new weights can be successfully applied to estimate the state of electrical systems more efficiently. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/32405 |
| Aparece nas coleções: | MD - Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| estudopesosestimacaoestado.pdf | 1,71 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
