Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 ESTIMAÇÃO DE ESTADOS HIERÁRQUICA EM SISTEMAS ELÉTRICOS CONSIDERANDO MODELAGEM LOCAL DE SUBESTAÇÕES Nastasha Salame da Silva∗, Antonio Simões Costa∗ ∗ LABSPOT, Depto. de Engenharia Elétrica, UFSC Florianópolis, SC, Brasil Emails: [email protected], [email protected] Abstract— This paper presents a hierarchical structure for decentralized power system state estimation whose lower level is conducted at each power network substation. The local level modeling is based on a nonlinear Coestimation algorithm which provides not only the nodal state variables, but also the substation topology. The higher hierarchical level, performed at the Regional Control Center, coordinates the local estimates by processing the power flow measurements taken on the transmission lines connecting the substations. In addition to other attractive features, the proposed estimation architecture also allows a substantial reduction on the amount of data transmitted from substations to control centers. The proposed methodology is tested through a number of case studies performed on the IEEE 14-bus network modeled at bus section level. Keywords— Hierarchical state estimation, state and topology coestimation, power system state estimation, power system real-time modeling, power system security analysis. Resumo— Este artigo apresenta uma estrutura hierárquica para estimação descentralizada de estados na qual o nı́vel inferior é conduzido em cada subestação modelada do sistema. Neste nı́vel local é aplicado um algoritmo de Coestimação não linear capaz de estimar não somente os estados, mas também a topologia da subestação em questão. O nı́vel hierárquico superior, localizado nos Centros de Operação Regional, é responsável pela coordenação das estimativas locais, processando as medidas de fluxo de potência ativa através das linhas de transmissão que conectam as subestações. Tal proposta de arquitetura de estimação reduz consideravelmente o crescente trânsito de informações entre as subestações e os centros de operação e controle. Estudos de caso utilizando o sistema-teste IEEE 14 barras em que cada subestação é modelada no nı́vel de seção de barra são realizados para ilustrar e avaliar a metodologia proposta. Keywords— Estimação de estados hierárquica, coestimação de estados e topologia, estimação de estados em sistemas elétricos de potência, modelagem em tempo real de sistemas de potência, análise de segurança em sistemas de potência. 1 Introdução novas variáveis de estado, juntamente com as tensões complexas de todas as barras do sistema. Posteriormente, foi demonstrado que informações referentes aos status dos dispositivos chaveáveis podem ser incluı́das no problema de EESP como restrições de igualdade (Clements e Simões Costa, 1998). Este tipo de abordagem deu origem à Estimação de Estados no Nı́vel de Seção de Barra (EESB), a qual permite a representação explicita de ramos contendo dispositivos chaveáveis para estudos de EESP. Como resultado da necessidade de se estimar não somente os estados, mas também a topologia do sistema, diversas propostas foram desenvolvidas e estão presentes na literatura pertinente (Clements e Simões Costa, 1998; Vempati et al., 2005). Tais propostas em geral exigem a execução de dois processos, um para a obtenção da estimação de estados e outro para a determinação da topologia. Mais recentemente, é apresentada em (Vosgerau et al., 2010) uma abordagem unificadora, utilizando um modelo linear para a rede elétrica. Esta consiste em conduzir os processos estimação de estados e de topologia concomitantemente, dando origem ao conceito de Coestimação de Estados e Topologia (CET). Neste cenário onde a modelagem das subestações passa a ser relevante e onde se dissemina a aplicação crescente de unidades A modelagem em tempo real de sistemas elétricos de potência tem por objetivo fornecer uma base de dados confiável que permita ao operador conhecer as condições de operação da rede, tornando possı́vel uma análise confiável da segurança da condição de operação do sistema elétrico. A estimação de estados em sistemas de potência (EESP) é a ferramenta fundamental para a modelagem em tempo real. Tradicionalmente, a EESP é realizada considerando-se a modelagem barra-ramo da rede, na qual os arranjos das subestações são previamente identificados, verificando-se a conectividade interna através de suas chaves e disjuntores fechados, sendo então definidas as barras do sistema. Neste modelo, portanto, os dispositivos chaveáveis não são explicitamente representados. Contudo, o avanço da tecnologia e sua implementação no sistema elétrico fez com que informações importantes relacionadas aos arranjos e dispositivos chaveáveis internos às subestações passassem a ser relevantes, as quais a EESP tradicional não contempla. Monticelli e Garcia (Monticelli e Garcia, 1991) propuseram uma modelagem exata para representar tais dispositivos na EESP. Nesta abordagem, os fluxos de potência através dos ramos com dispositivos chaveáveis são incluı́dos como 3206 Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 de medição fasorial (PMUs) e de dispositivos eletrônicos inteligentes nas subestações (Kezunovic et al., 2010), surge o desafio de transmitir grandes volumes de dados para processamento de forma centralizada nos Centros de Operação Regionais (CORs) do sistema elétrico, sem se correr o risco de sobrecarga nas redes de telecomunicações de concessionárias e operadoras. A partir destas constatações, este trabalho propõe a aplicação de uma estrutura hierárquica em dois nı́veis para a estimação de estados, levando-se em conta a crescente importância das subestações no sistema elétrico. Tal arquitetura multiestágios, na qual o primeiro estágio é executado no nı́vel de seção de barra, foi previamente contemplada na literatura pertinente (GomezExposito et al., 2011; Yang et al., 2011), (Silva et al., 2013). Esta última referência utiliza a abordagem de CET no nı́vel local, porém constitui-se basicamente em uma prova de conceito, já na qual o modelo de rede utilizado é linear. Este artigo estende a proposta feita em (Silva et al., 2013) para modelar individualmente as subestações mediante processos independentes de CET, porém agora adotando uma modelagem não linear completa, e portanto realı́stica, para a rede. Os resultados obtidos neste estágio são em seguida coordenados no nı́vel hierárquico superior, implementado no COR, configurando desta forma uma arquitetura hierarquizada para a estimação de estados. Um estimador ortogonal com capacidade de processar informações a priori é utilizado no nı́vel superior. Além disso, a validação da metodologia proposta é feita em estudos de caso conduzidos em um sistema realı́stico composto por onze subestações interligadas. A Seção 2 deste artigo apresenta a estrutura de estimação de estados hierárquica proposta. A estratégia não linear de CET aplicada no nı́vel de seção de barra é abordada na Seção 3. O estimador de estados não linear utilizado no nı́vel superior é detalhado na Seção 4. Na Seção 5 são apresentados os resultados de estudos de caso conduzidos com o sistema-teste IEEE-14 barras, e as conclusões são sumarizadas na Seção 6. 2 2.1 dos e por estimar seus estados. Como resultado, o volume de dados enviados para processamento no nı́vel central é menor do que nas estruturas de estimação centralizadas. Diversos algoritmos de EEH foram propostos na literatura (Van Cutsem e Ribbens-Pavella, 1983), (Lo et al., 1988). Neste artigo, faz-se uso da metodologia descrita em (Lo et al., 1988), uma vez que esta dispensa a re-estimação de variáveis locais no nı́vel superior sem degradação da qualidade das estimativas. As vantagens deste método comparado a outros propostos na literatura foi comprovada por um estudo independente apresentado em (Gouvea, 1990). O módulo de estimação de estados no nı́vel superior de coordenação processa as medidas de fluxo nas linhas de transmissão, bem como as tensões nodais estimadas no nı́vel local para as barras de fronteira, x̂c , de modo a determinar o vetor das diferenças angulares entre as barras de referência locais e a referência global do sistema. Sendo assim, para um sistema dividido em k áreas, considerando sem perda de generalidade que a referência angular global se encontra na Área 1, u = [u2 , u3 , . . . , uk ] é o vetor de coordenação contendo as diferenças angulares. Portanto, o modelo de medição a ser processado no nı́vel de coordenação é dado por: za = h(x̂c , u) + εa (1) onde za é o vetor das medidas de fluxo de potência nas linhas de transmissão, h é o vetor de funções não lineares que relacionam tais medidas e as variáveis de coordenação, e εa é o vetor de erros das medidas em za . O modelo de medição dado pela Eq. (1) pode ser processado por qualquer estimador existente baseado no método dos mı́nimos quadrados ponderados (MQP). Este processo de estimação no nı́vel hierárquico superior provê as estimativas de ângulo entre a referência global e a referência de cada área, isto é, o vetor de coordenação û. Após a finalização deste estágio, os elementos de û são transmitidos de volta às suas áreas correspondentes. Estimação de Estados Hierárquica Baseada na Coestimação de Estados e Topologia no Nı́vel de Subestação 2.2 EEH com nı́vel local definido por subestação A estimação de estados incluindo a modelagem de subestações é tratada na literatura pertinente como uma extensão do modelo barra-ramo, no qual as subestações localizadas em regiões suspeitas de conterem erros grosseiros ou de topologia são representadas em detalhes (Alsac et al., 1998; Vempati et al., 2005). Avanços recentes na tecnologia implementada nas subestações (Kezunovic et al., 2010) têm incentivado a adoção de modelos mais detalhados destes componentes para estudos em tempo real de sistemas de potência. Nestes modelos, Estimação de Estados Hierárquica A estimação de estados hierárquica (EEH) divide grandes sistemas de potência em diferentes áreas, sujeitas a um nı́vel hierárquico superior que é responsável pela coordenação dos processos locais de estimação. As áreas não são sobrepostas e a conexão entre as elas é feita por linhas de transmissão entre as barras de fronteira. Cada área é responsável por seu próprio processamento de da- 3207 Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 disjuntores e seções de barra são explicitamente representados (Monticelli e Garcia, 1991). Esta nova tendência também se beneficia da maior da disponibilidade de equipamentos inteligentes e de medição em subestações, o que resulta em um aumento das condições de observabilidade das variáveis locais. Como conseqüência, torna-se viável a proposição de novas arquiteturas de estimadores multiestágio, nos quais o primeiro estágio é realizado no nı́vel de seção de barra, tais como as apresentadas em (Bose, 2010; Gomez-Exposito et al., 2011; Yang et al., 2011). As vantagens destas configurações são: redução da quantidade de dados a serem transmitidos para os CORs e a possibilidade de se realizar localmente a análise de erros grosseiros, entre outras. A estimação de estados hierárquica em dois nı́veis proposta neste artigo processa as informações disponı́veis localmente, tais como medidas de fluxo de potência nos ramos chaveáveis e convencionais, de forma a estimar simultaneamente tanto as tensões complexas nas seções de barra como os status dos dispositivos chaveáveis. Este procedimento, denominado Coestimação de Estados e Topologia, é aplicado a cada subestação do sistema elétrico, e as estimativas resultantes de estados e topologia são coordenadas em um nı́vel hierárquico superior, localizado nos CORs. A caracterı́stica diferencial desta proposta, em relação a outras encontradas na literatura, é que não somente o vetor de estados, x̂ic , mas também a topologia no nı́vel de subestação (SE), T̂i , são determinadas simultaneamente no módulo local. Em uma segunda etapa, as estimativas locais são agregadas pelo estimador central, fazendo uso dos fluxos de potência ativa nas linhas de transmissão, de modo a integralizar a EESP do sistema como um todo. A estrutura proposta é ilustrada na Fig. 1. 3 3.1 x = [θ t , vt , pt , qt ]t ho (x̂) = Ho x̂ = 0, 2 SE 1 SE 2 0° 3 Linhas de transmissão SE 3 (3) onde ho (x̂) é o vetor das restrições operacionais e Ho é a matriz no × n das restrições operacionais composta apenas por 0, 1 e −1, com no = 2nd sendo o número de restrições operacionais. Notase, que ho (x) é de fato linear em x, porém a notação não linear continuará a ser utilizada para manter a concordância com as demais restrições. Um outro conjunto de restrições é necessário para representar detalhadamente as SE. As restrições estruturais (Clements e Simões Costa, 1998) são empregadas para modelar as injeções nulas nos nós elétricos, cujo número tende a ser maior que no modelo barra-ramo. As expressões matemáticas para os nós internos à SE fazem uso tanto das tensões nodais como das variáveis de estado de fluxo de potência, dependendo do ramo incidente que esta sendo considerado (Monticelli e Garcia, 1991; Clements e Simões Costa, 1998). As restrições estruturais são descritas como: 0° u (2) onde θ e v são os sub-vetores contendo os ângulos e as magnitudes de tensão em todos os nós elétricos do sistema e, p (q) é o sub-vetor dos fluxos de potência ativa (reativa) em todos os ramos chaveáveis. O conjunto das relações a respeito dos status de todos os dispositivos chaveáveis explicitamente representados pode ser descrito pela equação a seguir (Clements e Simões Costa, 1998): u = 0° 1 Barras de fronteira Modelagem de SE Quando partes do sistema elétrico de potência são representados no nı́vel de seção de barra, os ramos chaveáveis correspondentes são incluı́dos na modelagem da rede e os fluxos de potência ativa/reativa através deles são definidos como novas variáveis de estado (Monticelli e Garcia, 1991; Lourenço et al., 2010). Como conseqüência, a dimensão do vetor de estados, n, será aumentada por 2nd , onde nd é o número de ramos chaveáveis. Em outras palavras, redefine-se n = 2N − 1 + 2nd , onde N representa o número de barras do sistema. Além disso, os status dos dispositivos chaveáveis que descrevem a topologia da rede, bem como injeções nulas em nós internos à subestação, são incluı́dos no processo de estimação como restrições de igualdade. Desta forma, o problema de EESP é formulado como um problema de otimização restrita. O novo vetor de estados x é definido por: Centro de Operação Regional u Coestimação de Estados e Topologia 0° Figura 1: Estrutura hierárquica em dois nı́veis. hs (x̂) = 0. As próximas seções deste artigo detalham a metodologia de Coestimação utilizada no nı́vel local e a coordenação das estimativas locais realizada no nı́vel hierárquico superior. 3.2 (4) Formulação do Problema A coestimação de estados e topologia é formulada através da combinação dos MQP e Mı́nimos 3208 Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 Valores Absolutos Ponderados (MVAP), como um problema de otimização multi-objetivo, que tem por meta minimizar a seguinte equação: J(rm , x̂) = Jmqp (rm ) + Jmvap (x̂) −µ (5) zm − rm − hm (x̂) = i Dρ σρ − µe −1 Rm rm − λm t −H λ (6) = 0 = 0 = 0 ∇2 L|k ∆y = −∇L|k (10) [ ]t onde ∆y = ∆xt ∆η t ∆ρt ∆λt . Após obter a direção de busca resolvendo a Eq. (10), os tamanhos de passo utilizados para atualizar tanto as variáveis primais como as duais devem ser calculados. As variáveis do problema são então atualizadas como (Wright, 1997): i yk+1 = yk + κα∆y = zm − hm (x̂) = 0 = η−ρ (11) onde α é o fator de escala apropriado para garantir a não negatividade das variáveis η, ρ, ση e σρ . O parâmetro de barreira µ é atualizado da seguinte forma: (η k )t σηk + (ρk )t σρk (12) µ= 2βno onde η e ρ representam as partes positivas e negativas de ho (x̂). A função Lagrangeana do problema (7) é dada por: L = (9) onde Dη = diag(η), Dρ = diag(ρ), e é um vetor coluna onde todos os elementos são iguais a 1, ση = w − λo , σρ = w + λo , H = [Hm (x̂)t Hs (x̂)t Ho (x̂)t ]t , Hm (x̂) = ∂h∂mx̂(x̂) , Hs (x̂) = ∂h∂sx̂(x̂) e λ = [λtm λts λto ]t é o vetor dos multiplicadores de Lagrange para as medidas, restrições estruturais e operacionais, respectivamente. A direção de busca é obtida aplicando o método de Newton para resolver a Eq. (9) para um determinado valor de µ: (7) rm hs (x̂) ho (x̂) 0 hs (x̂) = 0 ho (x̂) − η + ρ = 0 Dη ση − µe = 0 + wt (η + ρ) no ∑ ln ηi − µ ln ρi sujeito a ln ρi i onde λm , λs e λo são os multiplicadores de Lagrange correspondentes as equações das medidas, restrições estruturais e restrições operacionais, respectivamente. O problema de otimização apresentado em (7) é então resolvido fazendo uso da solução via Tableau esparso e um algoritmo modificado baseado no método Primal/Dual de Pontos interiores (PDPI). As condições de otimalidade de primeira ordem de Karush-Kuhn-Tucker (KKT) obtidas da Eq. (8), levam ao seguinte conjunto de equações não lineares: 1 t −1 2 rm Rm rm no ∑ −µ ) +λtm [zm − hm (x̂) − rm ] +λts hs (x̂) + λto (ho (x̂) − η + ρ) (8) onde woi é o peso da restrição operacional i cujo objetivo é promover o balanceamento entre os dois componentes da função objetivo, e Rm é a matriz de covariância dos erros de medição, considerada diagonal. Com a imposição de barreiras logarı́tmicas para garantir a não-negatividade das variáveis η e ρ, o problema de CET pode ser descrito como: min ln ηi + no ∑ i onde rm é o vetor dos resı́duos das estimativas com relação a todas as medidas analógicas disponı́veis no nı́vel da subestação, dado por rm = zm − hm (x̂); zm representa o vetor de medidas e; hm (x̂) é o conjunto das equações não lineares que relacionam as medidas aos estados. O vetor zm é composto pelo módulo da tensão de pelo menos uma das barras da SE, das medidas de fluxo de potência ativa e reativa nas linhas de transmissão conectadas aos nós de fronteira da SE (considerada como medidas de injeção de potência nestes nós), além das medidas de fluxo de potência ativa e reativa nos ramos chaveáveis. A decisão de adotar a função multi-objetivo dada pela Eq.(5) baseia-se em dois argumentos. Por um lado, a utilização de métodos baseados nos MQP para a solução de problemas não lineares utilizando dados analógicos esta amplamente difundido na literatura. Por outro, estimadores que fazem uso dos MVAP possuem propriedades interpolativas que podem ser exploradas no processo de identificação da topologia do sistema elétrico. Sendo assim, o primeiro termo da Eq.(5) é dado pela soma ponderada dos quadrados dos resı́duos, enquanto o termo correspondente a parcela MVAP é formado pelo conjunto de condições operacionais que representam os status dos disjuntores, o que resulta em: no ∑ 1 t −1 J(rm , x̂) = rm Rm rm + woi |hoi (x̂)| 2 i=1 (n o ∑ onde no é o número de restrições operacionais e β é um parâmetro utilizado para calibrar taxa de variação de µ (neste trabalho, utiliza-se β = 10). 1 t −1 r R rm + wot (η + ρ) 2 m m 3209 Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 A convergência é atingida quando as condições de KKT (9) são satisfeitas. No que segue, define-se T(0) como a topologia inicial determinada pelo Configurador de Redes. As etapas do algoritmo de estimação simultânea de estados e topologia são sumarizadas abaixo: Como conseqüência, a detecção de erros grosseiros pode ser feita de forma similar aos métodos aplicados a estimadores baseados nos MQP, tais como o teste de J(x̂). Outros aspectos, como o impacto da redundância das medidas e medidas crı́ticas na análise de erros grosseiros ainda precisam ser melhor investigados, e serão objeto de pesquisa futura. 1. Inicializa-se a topologia da subestação, T(0) , variáveis de estado, x(0) e contador de iterações, k = 0; Nota 3 Em condições onde o nı́vel de redundância das medidas é adequado e supondo-se que não há erros grosseiros nas medidas, é esperado que o algoritmo acima termine no passo 6. A finalização no passo 8 aconteceria apenas sob condições anormais, tais como redundância insuficiente ou incidência de múltiplos erros grosseiros. 2. Monta-se o modelo de medição determina-se as matrizes Jacobianas Hm (x(k) ) e Hs (x(k) ); 3. A partir da topologia atual T(k) , determinase a matriz das restrições operacionais corres(k) pondente, H0 ; 4. Resolve-se o Problema (7) utilizando-se o método PDPI descrito anteriormente e determina-se x̂(k) ; 4 5. Com base nas estimativas de fluxo de potência em x̂(k) através dos ramos chaveáveis, determina-se a topologia estimada, T̂; Coordenação de Estimativas Locais no Nı́vel Hierárquico Superior O nı́vel hierárquico superior é executado no Centro de Operação Regional. Neste nı́vel, o método de estimação de estados escolhidos pouco interfere no resultado final, podendo ser utilizada qualquer algoritmo existente. A implementação realizada neste trabalho faz uso de um estimador não linear baseado no método de Givens com três multiplicadores (Simões Costa et al., 2005), por sua robustez numérica e facilidade de trabalhar com informações a priori. Para este estágio de estimação, informações a respeito dos fluxos de potência ativa, za , nas linhas de transmissão são processadas em conjunto com os estados estimados nas barras de fronteira, x̂ic , e a topologia estimada, T̂i , provenientes do processo de coestimação local. T̂i determina a configuração da SE em questão, a partir da qual é obtido o modelo barra-ramo do sistema empregado no segundo nı́vel. Conforme proposto em (Lo et al., 1988), os módulos de tensão não são reestimados no nı́vel superior e permanecem constantes durante o processo de estimação de estados no COR. O fato de se ter medidas de fluxo de potência nos dois extremos das linhas de transmissão pode ser usado para a detecção de possı́veis erros grosseiros também neste nı́vel hierárquico. Este estágio fornece as diferenças angulares entre as barras de referência de cada subestação e a referência angular global do sistema. No caso de presença de erros grosseiros, há possibilidade de se utilizar a estimativa produzida no nı́vel superior para apontar inconsistências na CET da subestação que gerou a informação errônea. A Fig. 2 apresenta o fluxo das variáveis do nı́vel local (SE), para o COR. 6. Caso T̂ = T(k) , então T(k) é respaldada pelas medidas analógicas, FIM; 7. Se T̂ ̸= T(k) , rever a topologia atual, fazendo T(k+1) = T̂, atualizar k ← k + 1, e ir para o passo 8; 8. Se k ≤ klim , voltar ao passo 3. Caso contrário, limite das iterações atingido, PARAR. Nota 1 O processo de estimação de topologia no passo 5 do algoritmo acima é conduzido conforme descrito a seguir. Ao completar o passo 4, tanto as tensões nodais quanto os fluxos são estimados e estão disponı́veis. Status desconhecidos de disjuntores podem então ser determinados a partir dos valores dos fluxos de potência ativa e reativa nos ramos chaveáveis, utilizando-se testes de hipóteses baseados em um dado nı́vel de significância especificado (Clements e Simões Costa, 1998). Isto fornece um limiar positivo ϵf lowℓ para o ramo ℓ. Um fluxo cujo valor absoluto seja maior que ϵf lowℓ , indica que o disjuntor em questão está fechado; em caso contrário, ele é considerado aberto. Aplicando-se este teste de hipóteses a todos os disjuntores, a topologia estimada T̂ é determinada. Nota 2 Ainda que o processamento de erros grosseiros não esteja incluso no algoritmo apresentado anteriormente, resultados de testes preliminares (não reportados neste artigo por limitações de espaço) mostram que a presença de erros grosseiros em medidas analógicas afetam principalmente a componente Jmqp da função objetivo, resultando em um efeito apenas marginal na parcela Jmvap . 4.1 Processamento de medidas fasoriais A penetração cada vez maior de medidas fasoriais em sistemas de potência torna relevante a inclusão 3210 Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 N í v e l d e N í v e l d e C o o r d e n a ç ã o S u b s t a ç ã o Centro de Operação Regional ^1 x , ^T c ^2 x , ^T 1 c Coestimação local za ^k x , ^T 2 c Coestimação local k Coestimação local ... z m1 z m2 z mk Substação 1 Substação 2 Substação k Figura 2: Fluxograma representando o fluxo de variáveis para os CORs. de tais informações no processo de coestimação descentralizada proposta. A presença de medidas fasoriais de tensão em algumas SEs disponibiliza informações extras de alta qualidade sobre a defasagem angular das referências locais nestas SEs em relação à referência global do sistema. Neste artigo, as medidas fasoriais de tensão provenientes de PMUs instaladas nas SEs são tratadas como informação a priori pelo estimador de nı́vel hierárquico superior, implementado no COR (Simões Costa et al., 2005). Estas informações são em seguida complementadas pelo processamento, pelo mesmo estimador, das medidas de fluxo de potência nas linhas de transmissão que interconectam as SEs. Deve-se entretanto ressaltar que a metodologia proposta não pressupõe a disponibilidade de medidas fasoriais em cada subestação. Isto ocorre graças à possibilidade de coordenar as estimativas locais utilizando-se as medidas de fluxo de potência nos ramos que interligam os subsistemas, de forma similar ao que é feito na estimação hierárquica convencional (Van Cutsem e RibbensPavella, 1983). 5 Figura 3: pandido. Sistema-teste IEEE 14-barras ex- de resultados de um estudo de fluxo de potência no nı́vel de seção de barra (Lourenço et al., 2009) e, aos quais são acrescentados erros de medição aleatórios. Uma vez que tanto medidas SCADA quanto medidas fasoriais são consideradas nos experimentos, dois tipos distintos de precisão são utilizados: 1 × 10−2 para medidas SCADA e 1 × 10−3 para valores PMU. Por limitações de espaço, apenas os resultados obtidos na modelagem em tempo real via CET da SE 10/14, em destaque na Fig. 3, são apresentados nesta seção. A Tabela 1 apresenta a evolução da topologia durante a CET para a SE 10/14. Os status dos disjuntores que diferem das posições corretas são representados em itálico. Mudanças nos status durante o processo iterativo estão destacadas em negrito. Na tabela, 0 e 1 representam disjuntor aberto e fechado, respectivamente. Neste estudo de caso, assume-se inicialmente que a topologia é inteiramente desconhecida, partindo-se o processo de CET com todos os disjuntores abertos. Pode-se perceber que a convergência do algoritmo é obtida em apenas 2 iterações do laço externo. Para as demais SEs, o algoritmo de CET não levou mais do que 3 iterações para atingir a convergência. Além disso, algoritmo PDPI não passou de 11 iterações em nenhum caso. Os resultados das estimativas locais são transmitidos para o nı́vel de coordenação, onde são processados conjuntamente com os fluxos de potência ativa nas linhas de transmissão para determinar os ângulos de coordenação. De forma a ilustrar os efeitos da presença de medidas fasoriais, dois casos são considerados: (a) Caso 1, apenas medidas SCADA estão disponı́veis, e (b) Caso 2, em que medidas PMU de tensão estão presentes nas barras de referência das SEs 1, 4, 10/14(na barra 14) Estudos de Caso A Fig. 3 apresenta o sistema teste do IEEE 14barras expandido no nı́vel de subestação (GomezExposito e de la Villa Jaen, 2001), usado neste artigo para ilustrar a aplicabilidade da metodologia proposta. Tal sistema engloba diferentes topologias de subestação (anel, disjuntor e meio, disjuntor duplo, etc.). O plano de medição é composto por medidas de fluxo de potência nos dois extremos das linhas de transmissão, medidas de injeção de potência nas barras indicadas com setas e pelo menos um fluxo de potência em cada ramo com disjuntor fechado. A modelagem não linear é aplicada nos dois nı́veis hierárquicos, conforme apresentado nas Seções 3 e 4. Para emular as condições reais do sistema de potência, cada uma das onze SEs são modeladas independentemente, a partir de seus próprios processos de CET. As medidas são geradas a partir 3211 Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 Tabela 1: Evolução da Topologia da Rede durante o processo iterativo para os casos A1 e A2. Ramos Topologia Correta Topologia Inicial 10-52 1 0 10-54 1 0 10-57 0 0 14-53 0 0 14-55 1 0 14-56 1 0 52-55 0 0 53-54 1 0 56-57 1 0 Iteração 1 Iteração 2 1 1 1 1 0 0 0 0 1 1 1 1 0 0 1 1 1 1 Tabela 2: Resultados obtidos para os Casos 1 e 2 após a realimentação para o nı́vel local. SE 1 SE 2 SE 3 SE 4 SE 5 SE 6 SE 9 SE 10/ 14 SE 11 SE 12 SE 13 Fluxo de Potência V Ângulo (pu) (graus) EESP centralizada V Ângulo (pu) (graus) V (pu) 1,060 1,045 1,010 1,019 1,020 1,070 1,056 1,051 1,036 1,057 1,055 1,050 1,060 1,045 1,010 1,025 1,031 1,070 1,027 1,027 1,017 1,044 1,053 1,046 1,059 1,039 1,009 1,019 1,026 1,072 1,049 1,048 1,029 1,041 1,049 1,044 0,000 -4,959 -12,642 -10,355 -8,932 -14,877 -15,062 -15,311 -16,389 -15,209 -15,717 -15,735 0,000 -5,237 -13,511 -10,962 -9,410 -14,994 -15,797 -16,095 -17,568 -15,800 -16,302 -16,558 e 12. Assume-se, para ambos os casos, que a barra 15 (SE 1) é a referência global do sistema. Resultados para as estimativas dos ângulos de coordenação para os Casos 1 (coluna 7) e 2 (coluna 8) são apresentados na Tabela 2. Nesta tabela também estão presentes os módulos de tensão nas barras de referência para cada uma das SEs (coluna 6) obtidos pela CET local. Nota-se que apenas os ângulos de coordenação diferem entre os casos 1 e 2. Na Tabela 2 também são representados os valores das tensões nodais em cada barra de referência das subestações modeladas, obtidos tanto do estudo de fluxo de potência (colunas 2 e 3) quanto da EESP centralizada (colunas 4 e 5). A comparação destes últimos com os resultados obtidos pela metodologia proposta mostra claramente a boa aderência dos respectivos valores. O estimador no nı́vel superior também provê as estimativas para os fluxos de potência ativa (pij ) e reativa (qij ). A Tabela 3 apresenta a comparação entre os fluxos de potência obtidos para a EESP centralizada e o Caso 2 (os resultados para o Caso 1 não são apresentados nesta tabela por serem muito similares aos do Caso 2). 6 EEH proposta Ângulo Ângulo 1(graus) 2(graus) 0,000 -5,2414 -13,645 -11,036 -9,4234 -14,675 -15,895 -16,137 -17,487 -15,637 -15,870 -16,182 0,000 -4,7972 -13,245 -10,589 -8,9699 -14,198 -15,416 -15,657 -17,013 -15,15 -15,397 -15,714 Tabela 3: Fluxos estimados (em pu) no COR para a EESP centralizada e para o Caso 2. Ramo de-para 19 − 2 18 − 36 23 − 25 22 − 31 21 − 38 26 − 33 29 − 39 30 − 7 28 − 48 37 − 44 40 − 60 43 − 62 45 − 65 7−8 7 − 50 47 − 54 49 − 57 53 − 58 61 − 64 63 − 56 EESP centralizada pij + qij 1, 645 − j0, 221 0, 803 + j0, 020 0, 780 + j0, 031 0, 590 − j0, 064 0, 436 − j0, 063 −0, 261 + j0, 013 −0, 659 + j0, 064 0, 285 − j0, 086 0, 159 − j0, 002 0, 426 − j0, 137 0, 117 + j0, 080 0, 109 + j0, 019 0, 266 + j0, 063 0, 009 − j0, 270 0, 279 − j0, 166 0, 057 + j0, 021 0, 113 + j0, 013 −0, 058 − j0, 069 0, 029 − j0, 003 0, 078 + j0, 049 Caso 2 pij + qij 1, 647 − j0, 222 0, 807 + j0, 032 0, 796 + j0, 029 0, 604 − j0, 033 0, 452 − j0, 000 −0, 258 + j0, 048 −0, 637 + j0, 188 0, 285 − j0, 114 0, 163 − j0, 061 0, 394 − j0, 184 0, 104 + j0, 021 0, 099 + j0, 016 0, 249 + j0, 041 0, 000 − j0, 273 0, 282 − j0, 109 0, 069 + j0, 037 0, 123 + j0, 022 −0, 055 − j0, 009 0, 027 − j0, 003 0, 074 + j0, 007 gia são determinados com excelente grau de exatidão através de um processo de coestimação baseado em modelo não linear completo para a rede elétrica. O nı́vel superior processa as estimativas locais e os fluxos de potência nas linhas de transmissão de forma a gerar o vetor de coordenação das referências angulares, com o qual os estados estimados do sistema como um todo podem ser obtidos. Resultados das simulações para dife- Conclusões Um estimador de estados hierárquico baseado na coestimação de estados e topologia no nı́vel local de seção de barra é proposto neste artigo. Os procedimentos de estimação tanto no nı́vel local quanto no nı́vel superior são detalhados e discutidos. A grande vantagem da estratégia de estimação local está no fato de que estados e topolo- 3212 Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 rentes estudos de caso, conduzidos com o auxı́lio de um sistema-teste realı́stico, ilustram a aplicabilidade da estrutura de estimação proposta. Estudos referentes ao processamento de sincrofasores no nı́vel hierárquico superior, considerando não apenas medidas de tensões nodais, mas também de correntes nos ramos, estão sendo desenvolvidos. O objetivo é tirar o melhor proveito possı́vel da disponibilidade das medidas fasoriais no que tange à exatidão das estimativas produzidas no nı́vel hierárquico superior. Finalmente, deve-se mencionar que o processamento de erros grosseiros em medidas analógicas no estágio de coestimação local é outro tópico igualmente sob investigação, a ser abordado em artigos futuros. Lo, K., Salem, M., McColl, R. e Moffatt, A. (1988). Two-level state estimation for large power system. i. algorithms, Generation, Transmission and Distribution, IEE Proceedings C 135(4): 299 –308. Lourenço, E., da Silva, N. e Simões Costa, A. (2009). Fast decoupled steady-state solution for power networks modeled at the bus section level, PowerTech, 2009 IEEE Bucharest, pp. 1 –7. Lourenço, E., Simões Costa, A. e Ribeiro P, R. (2010). Steady-state solution for power networks modeled at bus section level, Power Systems, IEEE Transactions on 25(1): 10– 20. Agradecimentos Monticelli, A. e Garcia, A. (1991). Modeling zero impedance branches in power system state estimation, IEEE Transaction on Power Systems 6(4): 1561–1570. A. Simões Costa agradece o apoio financeiro do CNPq e N. S. Silva agradece o apoio financeiro da CAPES. Além disso, os autores agradecem o apoio da FINEP mediante o financiamento ao Projeto NOVAREDE. Silva, N., Costa, A. e Clements, K. (2013). Hierarchical state estimation based on state amp; topology coestimation at substation level, PowerTech (POWERTECH), 2013 IEEE Grenoble, pp. 1–6. Referências Alsac, O., Vempati, N., Stott, B. e Monticelli, A. (1998). Generalized state estimation, IEEE Transactions on Power Systems 13(3): 1069 – 1075. Simões Costa, A., Lourenço, E. M. e Viera, F. (2005). Topology error identification for orthogonal estimators considering a priori state information, 15th Power Systems Computation Conference, Liege . Bose, A. (2010). Smart transmission grid applications and their supporting infrastructure, Smart Grid, IEEE Transactions on 1(1): 11 –19. Van Cutsem, T. e Ribbens-Pavella, M. (1983). Critical survey of hierarchical methods for state estimation of electric power systems, IEEE Trans. on Power Apparatus and Systems, PAS-102, 10(10): 3415 – 3424. Clements, K. e Simões Costa, A. (1998). Topology error identification using normalized Lagrange multipliers, Power Systems, IEEE Transactions on 13(2): 347–353. Vempati, N., Silva, C., Alsac, O. e Stott, B. (2005). Topology estimation, Power Engineering Society General Meeting, 2005. IEEE, pp. 806 – 810 Vol. 1. Gomez-Exposito, A., Abur, A., de la Villa Jaen, A. e Gomez-Quiles, C. (2011). A multilevel state estimation paradigm for smart grids, Proceedings of the IEEE 99(6): 952 –976. Vosgerau, F. F., Simões Costa, A., Lourenço, E. M. e Clements, K. (2010). Coestimação de estados e topologia em sistemas de potência, XVIII Congresso Brasileiro de Automática . Gomez-Exposito, A. e de la Villa Jaen, A. (2001). Reduced substation models for generalized state estimation, Power Systems, IEEE Transactions on 16(4): 839–846. Wright, S. J. (1997). Primal-Dual Interior-Point Methods, SIAM. Gouvea, J. P. S. (1990). Estimadores de estado hierarquicos em sistemas eletricos interligados: uma analise comparativa, Master’s thesis, UFSC. Yang, T., Sun, H. e Bose, A. (2011). Transition to a two-level linear state estimator - part i: Architecture, Power Systems, IEEE Transactions on 26(1): 46 –53. Kezunovic, M., Guan, Y., Guo, C. e Ghavami, M. (2010). The 21st century substation design: Vision of the future, Bulk Power System Dynamics and Control (iREP) - VIII (iREP), 2010 iREP Symposium, pp. 1 –8. 3213