Professional Documents
Culture Documents
ELÉCTRICA
Junio 2009
Comité Nacional Venezolano
C2-28
F. González E. González
EDELCA (Electrificación del Caroní, C.A.)
Centro de Investigaciones Aplicadas
RESUMEN
Las mediciones provenientes de las PMU´s usan la tecnología de los Sistemas de Posicionamiento Global
(GPS), para medir simultáneamente los fasores de tensión en las barras y los fasores de corriente de las
líneas asociadas.
Este trabajo explora la contribución de las PMU´s a la mejora de los resultados y desempeño de los
Estimadores de Estado. Primero se establece la diferencia entre mediciones provenientes de PMU y
mediciones obtenidas a través de los Sistema de Adquisición de Datos (SCADA), luego, se muestra el
impacto en los resultados obtenidos por el algoritmo clásico de Estimación de Estado de Mínimos
Cuadrados Ponderados, cuando le son anexadas mediciones proveniente de las PMU´s. La evaluación y
análisis es realizada utilizando el sistema de potencia de 14 barras de la IEEE.
PALABRAS CLAVES
Considerando estas debilidades del SCADA, Fred Schweppe introduce en 1968 el concepto de Estimación
de Estado para sistemas de potencia. La función de Estimación de Estados, tiene el objetivo de obtener, de
un conjunto redundante de mediciones, el mejor estimado de las variables de estado de los sistemas de
potencia. Las variables de estado de los sistemas de potencia, bajo régimen estacionario, son las tensiones
en barras, módulo y ángulo. Una vez obtenidas las variables de estado, todas las variables del sistema de
potencia, pueden ser calculadas, garantizándose la disponibilidad de todos los datos e información de
forma ininterrumpida y coherente, ofreciendo una visión consistente, completa y precisa del estado del
sistema de potencia.
Hasta hace poco, el grupo de mediciones utilizadas por la función de Estimación de Estado no contenían
mediciones de ángulos de fase relativos, debido a dificultades técnicas asociadas con la sincronización de
mediciones en localidades remotas, sin embargo los sistemas satelitales de posicionamiento global (GPS)
aliviaron esta dificultad e impulsaron el desarrollo de unidades de medición fasorial (PMU, por sus siglas
en inglés).
Las unidades de medición sincronizada de fasores (PMU) son dispositivos de supervisión, que fueron
introducidos al mercado a mediados de los 80’s, estos utilizan señales de sincronización provenientes de
los GPS suministrando los fasores de tensión y corrientes de una subestación. Esta tecnología no sólo se
utiliza para aplicaciones en subestaciones sino que su uso se ha extendido hasta los centros de control para
las aplicaciones de los Sistemas de Administración de Energía. Una de éstas se refiere a los Estimadores
de Estado.
2
Distribución normal con valor medio cero.
Son variables aleatorias independientes: E(ei,ej) = 0, por lo que su matriz de covarianzas ( R es
una matriz diagonal.
Una vez establecidas estas consideraciones, el proceso de Estimación de Estado se realiza utilizando el
método de Mínimos Cuadrados Ponderados (WLS, por sus siglas en inglés), donde las telemedidas son
modeladas como:
El método de WLS minimiza la función objetivo definida por la suma de los errores ponderados.
n
J ( x)
1
z i h1 ( x)2 ..........(2)
i 1 2
Donde recíproco de las varianzas del error correspondiente, σ2, de cada instrumento de medición es
representado como una matriz diagonal, R, de dimensiones m×m,
R diag 12 , 22 ,..., m2 ..........(3)
El Estimador de Estado halla los estimados x a partir de la minimización de la función objetivo (2),
mediante la obtención de la primera derivada con respecto a x de la función objetivo igualada a 0, esto
conlleva a la siguiente función:
J ( x)
H ( x) R 1 z h( x) 0..........(4)
T
g ( x)
x
El vector x que minimiza la función objetivo es estimado por un proceso iterativo (Newton-Raphson), en
el cual se desprecian los términos de orden superior de la serie de Taylor:
x k 1 x k G ( x k ) 1 H ( x k ) 1 R 1 R 1 ( z h( x k ))..........(5)
3
h( x)
y la matriz jacobiana: H ( x) ..........(7)
x
Considerando el modelo de una línea de transmisión que conecta las barras i y j, como se muestra en la
figura 2, se observa que esta conexión tiene una admitancia serie (y) y una admitancia shunt de ys. La
ecuación que describe las componentes rectangulares de la corriente compleja que fluye a través de la
rama puede derivarse de la siguiente manera:
4
Para las magnitudes y ángulos de voltaje, se tiene que la función que expresa un valor de tensión medido
en una barra cualquiera i, estará trivialmente determinado en función de las variables de estado de la
siguiente manera:
Vi Vi , i i ..........(12)
z Pinyectada
T T
Qinyectada PijT QijT V
T
convencional PMU
T
V T T C ijT DijT ..........(13)
Donde, aplicando el método de Mínimos Cuadrados Ponderados, solo resta resolver repetidas veces la
ecuación recursiva (5) hasta lograr la convergencia.
4. CASOS DE ESTUDIO
Los casos de estudio se realizaron con el sistema de pruebas IEEE de 14 barras, desarrollando el algoritmo
de Estimación de Estados de Mínimos Cuadrados Ponderado en MATLAB 7.0. Se establecieron seis casos
de estudio diferentes (ver tabla I), en los cuales se analizaron los resultados obtenidos de agregar a un
grupo de mediciones convencionales, las mediciones fasoriales provenientes de las PMU´s, partiendo
desde ninguna PMU hasta llegar a simular PMU´s conectadas en todas las barras del Sistema de Potencia
(Caso “full” mediciones).
Para fines de evaluación de precisión fue empleada la covarianza de las variables estimadas, como
parámetro de exactitud se planteó un indicador relacionado con los flujos de potencia estimados,
n
Pf
j 1
j
re
pf jest ..........(14)
donde para flujos de potencia activa estimados en cada rama de las redes en estudio, el superíndice “re” se
refiere a los flujos de potencia determinados por la solución del flujo de carga, mientras que el superíndice
“est” se refiere a los flujos de potencia que se derivan de las variables de estado estimadas. Para
5
determinar el desempeño, en cada caso, se cómputo el tiempo total del programa, desde que inicia su
primera iteración hasta que finalmente alcanza la convergencia.
Los resultados para cada caso estudio, se muestran en las tablas II, III y en la figura 3.
Tabla II Evaluación de precisión de los resultados Tabla III Evaluación de la exactitud de los resultados
M ínimo
Comparación
Comparación de Desempeño
Tiempo de Ejecución Full
Só lo P M U
70
60
(seg)
50
40
30
20
10
0
1 2 3 4 5 6
C aso s
CONCLUSIONES
Las conclusiones obtenidas luego del desarrollo del presente trabajo de investigación son las siguientes:
i) Se formuló el problema de Estimación de Estado de Mínimos Cuadrados Ponderados, logrando de
esta manera su programación y validación como fase inicial de este trabajo.
ii) Se formuló el algoritmo de Estimación de Estado de Mínimos Cuadrados Ponderados utilizando la
tecnología de medición sincronizada de fasores, incluyendo en este algoritmo tradicional fasores
de tensión y corrientes de línea a través de modelos matemáticos, simulando las suministradas
por las unidades de medición fasorial (PMU´s).
iii) Se analizó la métrica para la evaluación del desempeño de los Estimadores de Estado,
seleccionando como indicadores de desempeño, la desviación estándar de las variables estimadas,
el error absoluto de los flujos de potencia derivados del proceso de estimación y el tiempo de
cómputo del algoritmo.
iv) Se evaluó el impacto de la tecnología de Medicion Sincronizada de fasores en el Estimador de
Estado, en función de los indicadores seleccionados previamente, obteniéndose los siguientes
resultados:
a. Las PMU´s al ser instaladas en una barra cualquiera, mejoran notablemente tanto la precisión
de las variables de estado de dicha barra como la correspondiente a las conectadas a ella.
b. El caso más favorable de instalación de PMU´s se encuentra alrededor del 20% de la
totalidad de las barras del sistema de potencia, ya que en este punto se evidencia la reducción
más importante en relación a la desviación estándar de las variables.
6
c. Existe una relación de proporción directa entre el número de mediciones fasoriales que se
empleen para el proceso de Estimación de Estado y el grado de precisión de las variables de
estado estimadas.
d. No se hace necesario emplear un amplio número de mediciones convencionales para mejorar
la precisión de las variables de estado, ya que para un mínimo número de las mismas se
obtienen excelentes resultados en función de su precisión.
e. A partir de un 40% de PMU´s en barras se evidencia un comportamiento idéntico para el
Estimador de Estado en relación a su precisión sin importar el número o redundancia de
mediciones que se emplee para su ejecución.
f. En cuanto a la exactitud, los errores más bajos se presentan cuando se ejecuta el Estimador de
Estado en un 40% de PMU´s en barras; sin embargo, al igual que para la precisión se
obtienen buenos resultados al aplicar PMU´s en un 20% de las barras del sistema y con
mínimo número de mediciones convencionales.
g. Existe un punto entre 40% y 60% en el cual el Estimador de Estado se comporta como si sólo
tuviese PMU´s, con lo que, sin importar el número de mediciones convencionales que se
consideren para su ejecución, este arrojará los mismos resultados que se obtendrían si se
ejecutasen con sólo PMU´s.
h. En relación al desempeño, se tiene que no existe una relación lineal ente el número
mediciones fasoriales y el tiempo de ejecución del Estimador de Estado; sin embargo, el
mejor desempeño para los grupos de mediciones (full, mínimo) se registran a un 20% de
PMUs en barras del sistema de potencia.
i. No existe influencia alguna desde el punto de vista de precisión y exactitud, al disponer de
redundancia de mediciones de magnitud de tensión provenientes de equipos convencionales y
unidades de medición fasorial.
BIBLIOGRAFÍA
[1] Rene Avila-Rosales, Mark Rice, Rafael Lopez, Lisa Beard, Tanya Mathur, Floyd Galvan, Vinit
Gupta, James Lambert, James Graffy, Milorad Papic. “Impact of PMU Technology in State
Estimation” (CIGRE 2008).
[2] A.G. Phadke,J. S. Thorp. “Synchronized Phasor Measurements and their Applications” (Springer
Science+Bussines Media LLC, 2008).
[3] E. González. “Formulación de los Algoritmos de Estimación de Estado Utilizando la Tecnología de
Medición Sincronizada de Fasores” (Tesis Pre-Grado, UNEXPO, junio 2008).
[4] Freeman, M., “Multi-area Power System State Estimation Utilizing Boundary Measurements and Phasor
Measurement Units (PMU´s)”. (M.Sc. Tesis, Texas A&M University,USA, Agosto, 2006).
[5] KEMA, “Metrics for Detemining the Impact of Phasor Measurements on Power System State Estimation”,
(Easter Interconnection Phasor Proyect, Marzo 2006).
[6] F. González, “Medición Sincronizada de Fasores: Teoría y Aplicaciones”, (NOT-06-221, CVG EDELCA,
CIAP, Venezuela, Octubre, 2.006).
[7] Yoon, Y., “Study of the Utilization and Benefits of Phasor Measurement Units for Large Scale Power System
State Estimation” (M.Sc. Tesis, Texas A&M University,USA, Diciembre, 2005).
[8] Álvarez, P., ”Desarrollo de un Modelo Computacional de Estimación de Estado para Sistemas Eléctricos de
Potencia” (Tesis Pre-Grado, Universidad de Chile, Chile, 2005).
[9] Abur, A. y Gómez, A., Power System State Estimation: Theory and Implementation, (New York: Marcel
Dekker, 2004).
[10] F. González. “Estimación de Estados con Restricciones de Igualdad”, (M.Sc. Tesis, UNEXPO, Venezuela,
Octubre, 1993).
[11] Schweppe F.C., Wildes J., Rom D.B., “Power System Static Estimation I, II, III”, (IEEE Transactions on
PAS, vol. PAS-89, no.1, pp. 120-135, Enero 1970).