ESCUELA SUPERIOR POLITECNICA DEL LITORAL

FACULTAD DE INGENIERIA ELECTRICA Y

COMPUTACION

CONTROLES DE SISTEMAS DE POTENCIA

REALIZAR UN ESTUDIO DE ESTIMACION DE ESTADO

DE UNA RED AC

Profesor:
PHD. Cristóbal Mera

Alumnos:
Ivette Oñate Huayamabe
Martín García Atincia
Jorge Luis Caminos Maldonado

2008 - 2009
Introducción:

La estimación de estados es un proceso matemático el cual permite estimar el

estado más probable de operación del sistema por medio por medio de datos
que son tomados por medidores e información de los parámetros que
componen la red.

El objetivo principal es identificar y descartar las mediciones que presentan

errores en su adquisición, la información que es tomada es utilizada por los
centros de control de energía para sus diferentes funciones que son propias del
sistema es decir todo lo que está relacionado con seguridad, control y
operación del sistema eléctrico.

En la estimación de estado se utilizan algunos procedimientos y ensayos

estadísticos para realizar el calcula estimado de las variables de estado.

Usualmente el método involucra mediciones imperfectas es decir que tienen

cierto grado de error con respecto al valor real, y también mediciones que son
redundantes, por lo que este proceso de estimación de estados está basado en
criterios de estadística que estiman el valor verdadero de las variables de
estado minimizando o maximizando el criterio seleccionado.

Modelo Matemático

Partiendo del modelo de estimación de estado para redes dc del libro de

Grainger, Jhon Sistemas de Potencia se puede establecer lo siguiente:

Donde x y e corresponden a los valores estimados de las variables de estado

que en este casos serian (voltaje y ángulo), z es el vector de mediciones y H la
matriz jacobiana conformada por la derivada parcial de los errores respecto a
las variables de estado.

Un equivalente de la minimización de la función de errores cuadrados

ponderados mostrada a continuación sería a minimizar los errores estimados y
así tenemos:

Donde Wj = σ j corresponde a un factor de ponderación que permite tratar

2

aquellas mediciones que se consideran más exactas. σj es el nivel de confianza

de la medición j.

Para poder minimizar la expresión anterior es necesario encontrar ∇f =0 , lo

cual expresado matricialmente se tiene:
La cual expresada en forma de ecuación se tiene H T Weˆ = 0 por tanto para
poder minimizar la expresión (1) se incorpora la expresión anterior y así se
tiene:

Y despejando x se obstine:

En donde G= H T WH se conoce como matriz ganancia del sistema.

Se requiere de un análisis adicional con ecuaciones no lineales y de procesos

iterativos para la obtención de un modelo ac a partir de un dc.

En el método ac se tiene que las ecuaciones de las mediciones son de la

siguiente forma:

La suma ponderada de los errores al cuadrado tiene la siguiente forma:

Al minimizar la expresión anterior y aplicar un procedimiento similar al modelo

dc se llega a:
Al Para resolver esta ecuación, para los valores estimados x1,…, xn implica
(0) (0)
que h1(x1,…,xn) alrededor del punto de operación ( x1 ,..., x n ) usando series
de Taylor, con lo cual se tienes lo siguiente:

Puntos de apalancamiento

Los puntos de apalancamiento son mediciones son mediciones altamente

influenciables en el rango de resultados del estimador de estado, ya que
modifican la exactitud de los valores estimados.

Para determinar los puntos de apalancamiento tenemos que calcular la matriz

covarianza que esta definida por:

K=H.C. H T W

Donde C = ( H T WH ) −1 representa la covarianza de los errores del estimador

de estado dado por los elementos diagonales de la matriz C. Siendo las
varianzas pequeñas un estimado de buena solución para el estimador de
estado.
CONTROL DE SISTEMAS DE POTENCIA

A continuación se presentan los datos de un sistemas de potencia de seis barras en el

que se han realizados mediciones de potencia real y reactiva en los terminales de las
líneas de transmisión, en las potencias real y reactivas inyectadas en las barras de carga
y generación, y los voltajes en cada una de las barras del sistema. Obtener la estimación
de estados.

Las varianzas de las mediciones son: σ = 5 MW para las mediciones de P y 5 MVAR

para las mediciones de Q, para las mediciones de voltaje σ =3.831kV

Line Data
BCAPº
From bus To bus R(pu) X(pu) (pu)
1 2 0,1 0,2 0,02
1 4 0,05 0,2 0,02
1 5 0,08 0,3 0,03
2 3 0,05 0,25 0,03
2 4 0,05 0,1 0,01
2 5 0,1 0,3 0,02
2 6 0,07 0,2 0,025
3 5 0,12 0,26 0,025
3 6 0,02 0,1 0,01
4 5 0,2 0,4 0,04
5 6 0,1 0,3 0,03
BCAP = half total line charging suseptance.

Bus Data
Bus Voltage Pgen Pload Qload
number Bus type schedule (pu V) (pu MW) (pu MW) (pu MW)
1 Swing 1,05
2 Gen. 1,05 0,5 0 0
3 Gen. 1,07 0,6 0 0
4 Load 0 0,7 0,7
5 Load 0 0,7 0,7
6 Load 0 0,7 0,7
Diagrama Unifilar
 Valores Medidos
Measured Value
Measurement kV MW MVAR
Mv1 238,4
Mg1 113,1 20,2
M12 31,5 -13,2
M14 38,9 21,2
M15 35,7 9,4

Mv2 237,8
Mg2 48,4 71,9
M21 -34,9 9,7
M24 32,8 38,3
M25 17,4 22
M26 22,3 15
M23 8,6 -119

Mv3 250,7
Mg3 55,1 90,6
M32 -2,1 10,2
M35 17,7 23,9
M36 43,3 58,3

Mv4 225,7
Ml4 71,8 71,9
M41 -40,1 -14,3
M42 -29,8 -44,3
M45 0,7 -17,4

Mv5 225,2
Ml5 72 67,7
M54 -2,1 -4,5
M51 -36,6 -17,5
M52 -11,7 -22,2
M53 -25,1 -29,9
M56 -2,1 -0,8

Mv6 228,9
Ml6 72,3 60,9
M65 1 2,9
M62 -19,6 -22,3
M63 -46,8 -51,1

Resultado de las iteraciones de la solución de la estimación de estados

J(x) at
Beginning Largest delta E at Largest ΔӨ at End
of Iteration End of Iteration of Iteration
Iteration (pu) (pu V) (rad)
1 3696,86 0,1123 0,06422
2 43,67 0,004866 0,0017
3 40,33 0,0000146 0,0000227
Algoritmo de solución de la estimación de estado

START

READ MEASUREMENTS

PICK STARTING VALUE FOR

X=Xº

SOLVE FOR (Zi –fi(x))

For i = 1 … Nm

CALCULATE H MATRIX AS
FUNCTION OF X

CALCULATE MATRIX

CALCULATE

SOLVE FOR

CALC MAX
i = 1 … Ns

Max < E DONE

no

UPDATE x: X= x
Resolución del problema

Archivo en Matlab

%Programa de estimación de estado de sistemas de potencia

%Ingresamos los valores de resistencia
%Las base son 100 MVA y 230KV
KV=230;
MVA=100;
Zbase=(KV^2)/MVA;

%Ingresamos los valores de Voltaje medidos en cada barra

V(1,1)=1.03652;
V(2,1)=1.03391;
V(3,1)=1.09;
V(4,1)=0.9813;
V(5,1)=0.97913;
V(6,1)=0.99522;

%Ingresamos los valores de resistencia

R(1,2)=0.10; R(2,1)=0.10;
R(1,4)=0.05; R(4,1)=0.05;
R(1,5)=0.08; R(5,1)=0.08;
R(2,3)=0.05; R(3,2)=0.05;
R(2,4)=0.05; R(4,2)=0.05;
R(2,5)=0.10; R(5,2)=0.10;
R(2,6)=0.07; R(6,2)=0.07;
R(3,5)=0.12; R(5,3)=0.12;
R(3,6)=0.02; R(6,3)=0.02;
R(4,5)=0.20; R(5,4)=0.20;
R(5,6)=0.10; R(6,5)=0.10;

%Ingresamos los valores de reactancia

X(1,2)=0.20; X(2,1)=0.20;
X(1,4)=0.20; X(4,1)=0.20;
X(1,5)=0.30; X(5,1)=0.30;
X(2,3)=0.25; X(3,2)=0.25;
X(2,4)=0.10; X(4,2)=0.10;
X(2,5)=0.30; X(5,2)=0.30;
X(2,6)=0.20; X(6,2)=0.20;
X(3,5)=0.26; X(5,3)=0.26;
X(3,6)=0.10; X(6,3)=0.10;
X(4,5)=0.40; X(5,4)=0.40;
X(5,6)=0.30; X(6,5)=0.30;

%Ingresamos los valores de susceptancia

Bc(1,2)=0.02; Bc(2,1)=0.02;
Bc(1,4)=0.02; Bc(4,1)=0.02;
Bc(1,5)=0.03; Bc(5,1)=0.03;
Bc(2,3)=0.03; Bc(3,2)=0.03;
Bc(2,4)=0.01; Bc(4,2)=0.01;
Bc(2,5)=0.02; Bc(5,2)=0.02;
Bc(2,6)=0.025; Bc(6,2)=0.025;
Bc(3,5)=0.025; Bc(5,3)=0.025;
Bc(3,6)=0.01; Bc(6,3)=0.01;
Bc(4,5)=0.04; Bc(5,4)=0.04;
Bc(5,6)=0.03; Bc(6,5)=0.03;

%Ingresamos los valores potencia activa y potencia reactiva

medidos
MW(1,1)=113.1; MVAR(1,1)=20.2;
MW(1,2)=31.5; MVAR(1,2)=-13.2;
MW(1,4)=38.9; MVAR(1,4)=21.2;
MW(1,5)=35.7; MVAR(1,5)=9.4;

MW(2,2)=48.4; MVAR(2,2)=71.9;
MW(2,1)=-34.9; MVAR(2,1)=9.7;
MW(2,3)=8.6; MVAR(2,3)=-11.9;
MW(2,4)=32.8; MVAR(2,4)=38.3;
MW(2,5)=17.4; MVAR(2,5)=22.0;
MW(2,6)=22.3; MVAR(2,6)=15.0;

MW(3,3)=55.1; MVAR(3,3)=90.6;
MW(3,2)=-2.1; MVAR(3,2)=10.2;
MW(3,5)=17.7; MVAR(3,5)=23.9;
MW(3,6)=43.3; MVAR(3,6)=58.3;

MW(4,4)=-71.8; MVAR(4,4)=-71.9;
MW(4,1)=-40.1; MVAR(4,1)=-14.3;
MW(4,2)=-29.8; MVAR(4,2)=-44.3;
MW(4,5)=0.7; MVAR(4,5)=-17.4;

MW(5,5)=-72.0; MVAR(5,5)=-67.7;
MW(5,1)=-36.6; MVAR(5,1)=-17.5;
MW(5,2)=-11.7; MVAR(5,2)=-22.2;
MW(5,3)=-25.1; MVAR(5,3)=-29.9;
MW(5,4)=-2.1; MVAR(5,4)=-1.5;
MW(5,6)=-2.1; MVAR(5,6)=-0.8;

MW(6,6)=-71.8; MVAR(6,6)=-71.9;
MW(6,2)=-19.6; MVAR(6,2)=-22.3;
MW(6,3)=-46.8; MVAR(6,3)=-51.1;
MW(6,5)=1.0; MVAR(6,5)=2.9;

%Ponemos los valores en pu

MW=MW/100;
MVAR=MVAR/100;

%Formamos la matriz conductancia

for i=1:1:6
for j=1:1:6
 G(i,j)=R(i,j)/(R(i,j)^2+X(i,j)^2);
if (R(i,j)==0)&(X(i,j)==0)
G(i,j)=0;
G(j,i)=0;
end
if (i==j)
G(i,j)=0;
end
end
end

%Formamos la matriz susceptancia

for i=1:1:6
for j=1:1:6
B(i,j)=-(X(i,j)/(R(i,j)^2+X(i,j)^2));
if (R(i,j)==0)&(X(i,j)==0)
B(i,j)=0;
B(j,i)=0;
end
if (i==j)
B(i,j)=0;
end
end
end

%Formamos la matriz susceptancia paralelo

for i=1:1:6
for j=1:1:6
Bc(i,j)=complex(0,Bc(i,j));
end
end

%Formamos la matriz admitancia

for i=1:1:6
for j=1:1:6
Y1(i,j)=complex(G(i,j),B(i,j));
Y(i,j)=-(complex(G(i,j),B(i,j)));
end
end
for i=1:1:6
for j=1:1:6
if i==j
Y(i,i)=Y1(i,1)+Y1(i,2)+Y1(i,3)+Y1(i,4)+Y1(i,5)+
Y1(i,6)+Bc(i,1)+Bc(i,2)+Bc(i,3)+Bc(i,4)+Bc(i,5)+Bc(i,6);
end
end
end

syms x1;
syms x2;
syms x3;
syms x4;
syms x5;
syms x6;
syms x7;
syms x8;
syms x9;
syms x10;
syms x11;
syms V;
syms theta;
syms P;
syms Q;
syms f;
syms H;

for i=1:6
V(i)=0;
theta(i)=0;
end
V=V';
theta=theta';

for i=1:1:6
for j=1:1:6
P(i,j)=0;
Q(i,j)=0;
end
end

V(1)=x1;
V(2)=x2;
V(3)=x3;
V(4)=x4;
V(5)=x5;
V(6)=x6;
theta(1)=0;
theta(2)=x7;
theta(3)=x8;
theta(4)=x9;
theta(5)=x10;
theta(6)=x11;

%Realizamos la programación para obtener la matriz

jacobiana H(x) de
%estimación de estado
%Establecemos las ecuaciones de flujo de potencia
for i=1:1:6
for j=1:1:6
if (i~=j)
P(i,j)=(V(i))^2*real(Y(i,j))+
(V(i)*V(j)*abs(Y(i,j)))*cos(phase(Y(i,j))-pi+theta(j)-
theta(i));
Q(i,j)=-(V(i))^2*(imag(Bc(i,j))+imag(Y(i,j)))-
V(i)*V(j)*abs(Y(i,j))*sin(phase(Y(i,j))-pi+theta(j)-
theta(i));
end
end
end

%Establecemos las ecuaciones de inyección de potencia en

las barras
for i=1:1:6
for j=1:1:6
if i==j
P(i,i)=P(i,1)+P(i,2)+P(i,3)+P(i,4)+P(i,5)+P(i,6
);
Q(i,i)=Q(i,1)+Q(i,2)+Q(i,3)+Q(i,4)+Q(i,5)+Q(i,6
);
end
end
end

%Ingresamos el vector de mediciones z

z(1,1)=238.4/230;
z(2,1)=237.8/230;
z(3,1)=250.7/230;
z(4,1)=225.7/230;
z(5,1)=225.2/230;
z(6,1)=228.9/230;
%P de inyeccion
z(7,1)=113.1/100;
z(8,1)=48.4/100;
z(9,1)=55.1/100;
z(10,1)=-71.8/100;
z(11,1)=-72/100;
z(12,1)=-72.3/100;
%Q de inyeccion
z(13,1)=20.20/100;
z(14,1)=71.90/100;
z(15,1)=90.6/100;
z(16,1)=-71.9/100;
z(17,1)=-67.7/100;
z(18,1)=-60.9/100;
%P de flujos
z(19,1)=31.50/100;
z(20,1)=38.9/100;
z(21,1)=35.7/100;
z(22,1)=-34.9/100;
z(23,1)=8.6/100;
z(24,1)=32.8/100;
z(25,1)=37.4/100;
z(26,1)=22.30/100;
z(27,1)=-2.1/100;
z(28,1)=17.7/100;
z(29,1)=43.3/100;
z(30,1)=-40.1/100;
z(31,1)=-29.8/100;
z(32,1)=0.7/100;
z(33,1)=-36.6/100;
z(34,1)=-11.7/100;
z(35,1)=-25.1/100;
z(36,1)=-2.10/100;
z(37,1)=-2.1/100;
z(38,1)=-19.6/100;
z(39,1)=-46.8/100;
z(40,1)=1/100;
%Q de flujos
z(41,1)=-13.2/100;
z(42,1)=21.2/100;
z(43,1)=9.4/100;
z(44,1)=9.7/100;
z(45,1)=-11.9/100;
z(46,1)=38.3/100;
z(47,1)=22/100;
z(48,1)=15/100;
z(49,1)=10.2/100;
z(50,1)=13.9/100;
z(51,1)=58.3/100;
z(52,1)=-14.3/100;
z(53,1)=-44.3/100;
z(54,1)=-17.4/100;
z(55,1)=-17.5/100;
z(56,1)=-22.2/100;
z(57,1)=-29.9/100;
z(58,1)=-1.5/100;
z(59,1)=-0.8/100;
z(60,1)=-22.3/100;
z(61,1)=-51.1/100;
z(62,1)=2.9/100;

%Formamos el vector de estimados f

f(1,1)=V(1);
f(2,1)=V(2);
f(3,1)=V(3);
f(4,1)=V(4);
f(5,1)=V(5);
f(6,1)=V(6);
f(7,1)=P(1,1);
f(8,1)=P(2,2);
f(9,1)=P(3,3);
f(10,1)=P(4,4);
f(11,1)=P(5,5);
f(12,1)=P(6,6);
f(13,1)=Q(1,1);
f(14,1)=Q(2,2);
f(15,1)=Q(3,3);
f(16,1)=Q(4,4);
f(17,1)=Q(5,5);
f(18,1)=Q(6,6);
f(19,1)=P(1,2);
f(20,1)=P(1,4);
f(21,1)=P(1,5);
f(22,1)=P(2,1);
f(23,1)=P(2,3);
f(24,1)=P(2,4);
f(25,1)=P(2,5);
f(26,1)=P(2,6);
f(27,1)=P(3,2);
f(28,1)=P(3,5);
f(29,1)=P(3,6);
f(30,1)=P(4,1);
f(31,1)=P(4,2);
f(32,1)=P(4,5);
f(33,1)=P(5,1);
f(34,1)=P(5,2);
f(35,1)=P(5,3);
f(36,1)=P(5,4);
f(37,1)=P(5,6);
f(38,1)=P(6,2);
f(39,1)=P(6,3);
f(40,1)=P(6,5);
f(41,1)=Q(1,2);
f(42,1)=Q(1,4);
f(43,1)=Q(1,5);
f(44,1)=Q(2,1);
f(45,1)=Q(2,3);
f(46,1)=Q(2,4);
f(47,1)=Q(2,5);
f(48,1)=Q(2,6);
f(49,1)=Q(3,2);
f(50,1)=Q(3,5);
f(51,1)=Q(3,6);
f(52,1)=Q(4,1);
f(53,1)=Q(4,2);
f(54,1)=Q(4,5);
f(55,1)=Q(5,1);
f(56,1)=Q(5,2);
f(57,1)=Q(5,3);
f(58,1)=Q(5,4);
f(59,1)=Q(5,6);
f(60,1)=Q(6,2);
f(61,1)=Q(6,3);
f(62,1)=Q(6,5);

%Sacamos las derivadas parciales para las ecuaciones de

flujo de potencia
for i=1:1:62
H(i,1)=diff(f(i,1),x1);
H(i,2)=diff(f(i,1),x2);
H(i,3)=diff(f(i,1),x3);
H(i,4)=diff(f(i,1),x4);
H(i,5)=diff(f(i,1),x5);
H(i,6)=diff(f(i,1),x6);
H(i,7)=diff(f(i,1),x7);
H(i,8)=diff(f(i,1),x8);
H(i,9)=diff(f(i,1),x9);
H(i,10)=diff(f(i,1),x10);
H(i,11)=diff(f(i,1),x11);
end

%Formamos la matriz varianza

%Voltaje=3.83KV=0.0166pu
%Potencia Activa= 5MW=0.05pu
%Potencia Reactiva= 5MVAR=0.05pu
for i=1:1:62
for j=1:1:62
Var(i,j)=0;
if (i<7)&(j<7)
if (i==j)
Var(i,j)=(0.0166)^2;
end
end
if (i>6)&(j>6)
if (i==j)
Var(i,j)=(0.05)^2;
end
end
end
end
R=inv(Var);

%Formamos la matriz deltaX

for i=1:1:11
for j=1:1:1
X(i,j)=0;
end
end

%formamos la matriz de error r

r=z-f;

%Ingresamos los valores iniciales

x12 =0.6253;
x22 =0.5974;
x33 =0.5020;
x42 =0.7025;
x52 =0.6879;
x62 =0.6441;
x72 =0.1970;
x82 =0.2004;
x92 =0.1957;
x102 =0.2786;
x112 =-0.1028;

H1=eval(H);
H2=eval(r);
X=(inv(H1'*R*H1))*H1'*R*H2;

x12=x1+X(1,1)
x22=x2+X(2,1)
x33=x3+X(3,1)
x42=x4+X(4,1)
x52=x5+X(5,1)
x62=x6+X(6,1)
x72=x7+X(7,1)
x82=x8+X(8,1)
x92=x9+X(9,1)
x102=x10+X(10,1)
x112=x1+X(11,1)

RESULTADOS OBTENIDOS
Primera iteración
x12 = 0.9896
x22 = 0.9943
x33 = 0.9769
x42 = 1.0525
x52 = 1.0562
x62 = 1.0404
x72 = 0.0694
x82 = 0.0811
x92 = 0.0788
x102 = 0.1020
x112 = 1.1124

Segunda iteración
x12 = 0.5704
x22 = 0.5585
x33 = 0.5108
x42 = 0.6506
x52 = 0.6415
x62 = 0.6017
x72 = 0.1281
x82 = 0.1350
x92 = 0.1405
x102 = 0.1923
x112 = 0.9619

Tercera iteración
x12 = 0.6253
x22 = 0.5974
x33 = 0.5020
x42 = 0.7025
x52 = 0.6879
x62 = 0.6441
x72 = 0.1970
x82 = 0.2004
x92 = 0.1957
x102 = 0.2786
x112 = -0.1028

Cuarta iteración
x12 = 0.9087
x22 = 0.9395
x33 = 0.9758
x42 = 0.9722
x52 = 0.9965
x62 = 1.0159
x72 = -0.0241
x82 = -0.0695
x92 = 0.0103
x102 = -0.0199
x112 = 1.1709

RESULTADOS MULTIPLICADOS POR LA BASE

X1=0,9087 pu 209,001Kv
X2=0,9395 pu 216,085 Kv
X3=0,9758pu 224,434 Kv
X4=0,9722pu 223,606 Kv
X5=0,9965pu 229,195 Kv
X6=1,0159pu 233,657 Kv
-1,38082396
X7=-0,0241 grados
-3,9820442
X8=-0,0695 grados
0,59014468gra
X9=0,0103 dos
1,14018244gra
X10=0,0199 dos
67,08741804gr
X11=1,1709 ados

Potencia real en pu

P11 P12 P13 P14 P15 P16

P21 P22 P23 P24 P25 P26
P31 P32 P33 P34 P35 P36
P41 P42 P43 P44 P45 P46
P51 P52 P53 P54 P55 P56
P61 P62 P63 P64 P65 P66

0,3706 0,1378 0 0,1107 0,1221 0

-0,1407 3,2193 0,1855 0,0217 0,0417 3,111
0 -0,188 7,2191 0 -0,1251 7,5321
-0,1155 -0,0267 0 -0,1 0,0422 0
-0,1288 -0,045 0,1209 -0,0429 2,0971 2,1929
0 -4,8718 -9,6223 0 -3,3928 -17,8878
Valores en MW

37,06 13,78 0 11,07 12,21 0

-14,07 321,93 18,55 2,17 4,17 311,1
0 -18,8 721,91 0 -12,51 753,21
-11,55 -2,67 0 -10 4,22 0
-12,88 -4,5 12,09 -4,29 209,71 219,29
0 -487,18 -962,23 0 -339,28 -1788,78

POTENCIA REACTIVA EN pu

Q11 Q12 Q13 Q14 Q15 Q16

Q21 Q22 Q23 Q24 Q25 Q26
Q31 Q32 Q33 Q34 Q35 Q36
Q41 Q42 Q43 Q44 Q45 Q46
Q51 Q52 Q53 Q54 Q55 Q56
Q61 Q62 Q63 Q64 Q65 Q66

0,5054 0,0533 0 0,2441 0,208 0

-0,0932 -3,1515 0,0691 0,2867 0,1469 -3,5609
0 -0,1364 -6,583 0 0,107 -6,5536
-0,2989 -0,3149 0 -0,6138 0,0001 0
-0,2877 -0,1942 -0,1646 -0,0789 -3,4209 -2,6955
0 -1,5176 -3,922 0 -0,9649 -6,4045

POTENCIA REACTIVA EN MVAR

50,54 5,33 0 24,41 20,8 0
-9,32 -315,15 6,91 28,67 14,69 -356,09
0 -13,64 -658,3 0 10,7 -655,36
-29,89 -31,49 0 -61,38 0,01 0
-28,77 -19,42 -16,46 -7,89 -342,09 -269,55
0 -151,76 -392,2 0 -96,49 -640,45
Conclusiones

• Se realizó la estimación de estado de un sistema de potencia AC, y se

verificó la utilidad del análisis de flujo de potencia de Newton-Raphson y
de métodos iterativos para realizar dicha estimación.

• Se comprobó el poder de las herramientas y software de cálculo

(Matlab), en este caso en aplicaciones de ingeniería eléctrica,
específicamente en la estimación de estado de un sistema de potencia

• Las funciones de aplicación de el estimador de estado son: filtra, detecta

y elimina las mediciones con errores provenientes del sistema SCADA.

• Cuando se tiene una gran cantidad de mediciones erróneas dentro del

grupo de mediciones para el proceso de estimación, los estimadores de
estado presentan resultados poco confiables.

• Para una mejor comprensión del funcionamiento del proceso de

estimación de estado se recomienda estudiar la matemática estadística
ya que algunos términos utilizados y algunas técnicas usadas en los
estimadores se basan en la matemática estadística.

• Se encontró que la mala formación de la matriz Jacobiana es la principal

causa para que existan problemas en el resultado final del estimador de
estado, por lo que se recomienda tomarse el debido tiempo en verificar
que se encuentre correctamente estructurada y formada la matriz
Jacobiana.