Processamento de erros grosseiros para estimadores de estados híbridos baseados na arquitetura de fusão de estimativas

Abstract

A estimação de estados em sistemas de potência é uma ferramenta utilizada para a operação segura e eficiente das redes de energia, cuja importância reside na sua capacidade de fornecer informações confiáveis e atualizadas sobre a condição operacional da rede. Um aspecto essencial da estimação de estados é o processamento eficiente de erros grosseiros. A utilização de medidores sincrofasoriais no sistema de potência permitiu o desenvolvimento da estimação híbrida de estados, sendo o método de fusão de estimativas uma abordagem particularmente promissora. No entanto, com o aumento da dimensão das redes elétricas enfrenta-se um problema substancial no processamento de erros grosseiros. A causa deste problema reside na diminuição da sensibilidade do teste-J(x^) com o aumento da dimensão da rede elétrica. Uma solução recentemente proposta para este problema é o particionamento do plano de medição, induzindo a partição da rede em clusters de dimensão reduzida. A proposta desta dissertação é ampliar a estratégia de particionamento da rede para aplicação no módulo de processamento de medidas sincrofasoriais de arquiteturas híbridas de fusão de estimativas. A implementação dessa estratégia no contexto da fu- são é discutida e sua eficácia é avaliada por meio de sistemas-teste IEEE-57, 118 e 300 barras. Os resultados da pesquisa indicam que a técnica de particionamento aprimora de maneira expressiva a detecção de erros grosseiros em sistemas de energia de grande escala, particularmente aqueles erros de menor magnitude, incrementando a confiabilidade dos resultados gerados pela Estimação de Estados de Sistemas de Potência. Ademais, a metodologia de fusão de estimativas em coordenadas retangulares, em conjunto com a técnica de particionamento, evidencia um desempenho computacional adequado, destacando-se como uma solução viável para a implementação em sistemas de energia elétrica reais.

Abstract: State estimation in power systems is the basic tool used for the secure and efficient operation of power networks. Its importance lies in its ability to provide reliable and up-to-date information about the operational condition of the network. An essential aspect of state estimation in power systems is the efficient processing of bad data. The use of synchrophasor measurements for power system real-time monitoring, along with data gathered by SCADA systems, has enabled the development of hybrid state estimation, with the fusion estimation method being a particularly promising hybrid approach. However, with the increase in the size of electrical networks, a substantial problem concerned with bad data processing arises. The cause of this problem lies in the decrease of sensitivity of the J(x^)-test with the increase in the size of the electrical network. A recently proposed solution to this problem is the partitioning of the metering scheme, which in turn induces the partition of the network into clusters of reduced size. The main objective of this dissertation is to extend the network partitioning strategy for application in the synchrophasor measurement processing module of the hybrid estimation fusion architecture. The implementation of this strategy in the context of fusion is discussed, and its effectiveness is evaluated using the IEEE-57, 118, and 300 bus test systems. The obtained results indicate that the partitioning technique significantly enhances the detection of bad data in large-scale power systems, and in particular of those errors of smaller magnitude, increasing the reliability of the results generated by hybrid state estimation. Furthermore, the fusion estimation methodology formulated in rectangular coordinates, in conjunction with the partitioning technique, shows an adequate computational performance, and thus stands out as a viable solution for application to real electrical power systems.