You are on page 1of 24

Análise de

Sistemas Elétricos
Washington Neves
Benemar Alencar

maio 2018
unidade 4
Modelos
de Carga
Modelos de Carga
Numa barra típica, a carga pode consistir de:
 Motores de indução 50 – 70%
 Aquecimento e resfriamento 20 – 30%
 Motores síncronos 5 – 10%

 Exemplo 4.1   V 2 
V 
A tensão e a potência P  P0  p2    p1    p0 
  V0   V0  
medidas em
  V 2 V  
intervalos de uma Q  Q0 q2    q1    q0 
hora em duas barras   V0   V0  

são mostrados a pi e qi (i = 1, 2, 3) são os


seguir. Qual o melhor parâmetros deste modelo.
modelo para a carga
dessas barras?
Modelos de Carga
 Características P-V dos modelos de carga

  V 2 V  
P  P0  p2    p1   p0 
  V0   V0  

MW MW MW

kV kV kV

potência corrente impedância


constante constante constante
Modelos de Carga
 Exemplo 4.2
Determinar o modelo ZIP da carga da barra 58 a partir da
amostra de valores medidos que foi dada no exemplo 4.1

P0 V 
2
V 
 p2  0   p1  0   p0
p 2  p1  p 0  1
P0  V0   V0 
P1 V 
2
V  1,0102 p 2  1,010 p1  p 0  1,020
 p2  1   p1  1   p0
 V0   V0 
1,0212 p 2  1,021p1  p 0  1,042
P0
2
P2 V  V 
 p2  2   p1  2   p0
P0  V0   V0  1,0252 p 2  1,025 p1  p 0  1,051
2
P3 V  V 
 p2  3   p1  3   p0
P0  V0   V0 
Regressão Polinomial

Parábola
ajustada
Modelos de Cargas -
Regressão:
Minimização
de Funções
Interpolação e Aproximação

Interpolação Aproximação (Regressão)


Interpolação, Aproximação e Extrapolação

Interpolação:
Encontrar uma função que passe por pontos de uma conjunto de dados.
A função passa por cada ponto.

Aproximação (Regressão, Ajuste de Curvas):


Encontrar uma função que produza resultados “próximos” ao conjunto de dados.
A função pode não passar por qualquer dos pontos.

Extrapolação
Dados estimados estão fora do conjunto de dados observados.
Interpolação

A função passa em cada ponto (xi, yi), yi = f(xi)

A função pode ser um polinômio, uma exponencial ou de outro


tipo.

Objetivo?
Estimar valores da função em pontos intermediários
(dentro da região de dados observáveis).
Interpolando dois pontos
com uma função linear
y f(x) = ax+b

x
xnovo

Objetivo: Dados dois pontos, estimar o valor de y para qualquer


x = xnovo
Dos dois pontos determina-se a e b, e f(x).
Usa-se f(x) para encontrar o valor de y para xnovo calculando f(xnovo)
Regressão Linear
Regressão Polinomial

Parábola
ajustada
Regressão Polinomial
Regressão Linear-
Princípio dos Quadrados Mínimos
Medição de uma grandeza feita M vezes

Xi=X+i i=1,2,…,M

Qual a melhor estimativa Xest de X? Que critério utilizar?

Mínimos Quadrados
M M

f ( X est )   i2    X i  X est 2
i 1 i 1
Princípio dos Mínimos Quadrados-
uma variável
M M
f ( X est )    i2    X i  X est 2
i 1 i 1
df M
 0  2  X i  Xest 
dXest i 1
M M
0   X i   X est
i 1 i 1
M
0   X i  MXest
i 1
1 M
X est   X i  X médio
M i 1
Princípio dos Mínimos Quadrados
M M
f ( X est )    i2    X i  X est 2
i 1 i 1
df M
 2  X i  X est 
dXest i 1
1 M
X est   X i  X médio
M i 1

d 2f
2
 2M  0  Mínimo existe
dX
est
Regressão Linear-Mínimos Quadrados
Considere o conjunto de dados: X=1;2;5;7 Y=2.1;2.9;6.1;8.3.

Obtido como resultado de medições, que geralmente incorporam algum erro. Utilizando o
critério dos mínimos quadrados desejamos ajustar a curva y=aestx+best a estes dados.
Precisamos resolver o sistema: 1 1  2.1
2 1 aest  2.9
   
5 1 best   6.1
7 1 8.3
  

Como não podemos resolver o sistema de forma exata, podemos tentar minimizar o erro.
Usando o critério dos mínimos quadrados:

=b-Ax

Erro= T =(b-Ax)T(b-Ax)=bTb-2xTATb+xTATAx

d(Erro)/dx=0 - primeira derivada zero em relação a cada variável x é uma condição


necessária para o cálculo do mínimo da função, daí

-2ATb+2ATAx=0;

ATAx = ATb; – Equação normal - critério dos mínimos quadrados


Equação Normal - ATAx = ATb

1 1  2.1
 1 aest  1 2 5 7 2.9
1 2 5 7 2   
1 1 1 1 5   
  1 best  1 1 1 1  6.1
7 1 8.3
  

79 15 aest  96.5


15 4  b   19.4
   est   

aest  1.0440
b   0.9352
 est   
Regressão Polinomial
y=ax2+bx+c

Parábola  x12 x1 1  y1 
ajustada  2   
 x2 x2 1 a  y 2 
x 2  b   y 
x3 1  3
 3   
  c 
    
x 2 1 y n 
 n xn
Regressão Linear Múltipla
y=ax+bz+cw+

1 x1 z1 w1   a  y1 
1 x2 z2 w 2   b  y 
    2 
1 x3 z3 w3   c    y 3 
         
 
   
1 xn zn w n     y n 
Modelos de Carga
 Exemplo 4.2
Determinar o modelo ZIP da carga da barra 58 a partir da
amostra de valores medidos que foi dada no exemplo 4.1

p 2  p1  p 0  1
1,0102 p 2  1,010 p1  p 0  1,020 p2=3.6652
1,0212 p 2  1,021p1  p 0  1,042 p1= -5.3934
p0= 2.7282
1,0252 p 2  1,025 p1  p 0  1,051
Modelos de Carga
 Características P-V dos modelos de carga

  V 2 V  
P  P0  p2    p1   p0 
  V0   V0  

MW MW MW

kV kV kV

potência corrente impedância


constante constante constante
Modelos de Carga
 Exercício
Determinar os parâmetros do modelo da carga dados os
seguintes valores medidos. Qual o melhor modelo para a
carga dessas barras? Corrente, potência, impedância
constante ou ZIP?