Estimação de Par^ametros de um

Modelo Trifásico de Gerador Sı́ncrono Distribuı́do

Utilizando Medições com Ruı́do

Aluno: Edson L. Geraldi Jr.

Orientador: Rodrigo A.
Ramos

Escola de Engenharia de São Carlos

Universidade de São Paulo
EESC/USP

5 de Março de 2018
1 de 54
Estrutura da Apresentação

1 Introdução
2 Modelo de Gerador Sı́ncrono Distribuı́do
3 Abordagem de Estimação Proposta
4 Operação Balanceada x Desbalanceada
5 Sistema Teste
6 Resultados
7 Conclusões
2 de 54
Introdução
Estrutura Tradicional de SEPs

Geração Transmissão Subtransmissão Distribuição

3 de 54
Introdução
Estrutura Tradicional de SEPs
∙ Geração distante dos grandes centros consumidores;

Geração Transmissão Subtransmissão Distribuição

3 de 54
Introdução
Estrutura Tradicional de SEPs
∙ Geração distante dos grandes centros consumidores;
∙ Análise de estabilidade:

Geração Transmissão Subtransmissão Distribuição

3 de 54
Introdução
Estrutura Tradicional de SEPs
∙ Geração distante dos grandes centros consumidores;
∙ Análise de estabilidade:
– Modelos simplificados de GS;

Geração Transmissão Subtransmissão Distribuição

3 de 54
Introdução
Estrutura Tradicional de SEPs
∙ Geração distante dos grandes centros consumidores;
∙ Análise de estabilidade:
– Modelos simplificados de GS;
– Simulações baseadas em fasores.

Geração Transmissão Subtransmissão Distribuição

3 de 54
Introdução
Inserção de Geração Distribuı́da

Geração Transmissão Subransmissão Distribuição

GD

GD
4 de 54
Introdução
Inserção de Geração Distribuı́da
∙ Geração próxima aos centros consumidores;

Geração Transmissão Subransmissão Distribuição

GD

GD
4 de 54
Introdução
Inserção de Geração Distribuı́da
∙ Geração próxima aos centros consumidores;
∙ Sistemas de subtransmissão e distribuição tornam-se circuitos ativos;

Geração Transmissão Subransmissão Distribuição

GD

GD
4 de 54
Introdução
Inserção de Geração Distribuı́da
∙ Geração próxima aos centros consumidores;
∙ Sistemas de subtransmissão e distribuição tornam-se circuitos ativos;
∙ Geradores distribuı́dos possuem operação desbalanceada;

Geração Transmissão Subransmissão Distribuição

GD

GD
4 de 54
Introdução
Inserção de Geração Distribuı́da
∙ Geração próxima aos centros consumidores;
∙ Sistemas de subtransmissão e distribuição tornam-se circuitos ativos;
∙ Geradores distribuı́dos possuem operação desbalanceada;
∙ Análise de estabilidade e qualidade de energia:

Geração Transmissão Subransmissão Distribuição

GD

GD
4 de 54
Introdução
Inserção de Geração Distribuı́da
∙ Geração próxima aos centros consumidores;
∙ Sistemas de subtransmissão e distribuição tornam-se circuitos ativos;
∙ Geradores distribuı́dos possuem operação desbalanceada;
∙ Análise de estabilidade e qualidade de energia:
– Modelos de GS: desbalanço de tensões, variação de frequ^encia.

Geração Transmissão Subransmissão Distribuição

GD

GD
4 de 54
Introdução
Modelos de Geradores Sı́ncronos Distribuı́dos

5 de 54
Introdução
Modelos de Geradores Sı́ncronos Distribuı́dos

∙ Maior ordem → mais par^ametros;

5 de 54
Introdução
Modelos de Geradores Sı́ncronos Distribuı́dos

∙ Maior ordem → mais par^ametros;

∙ Folha de dados dos geradores fornecem alguns valores;

5 de 54
Introdução
Modelos de Geradores Sı́ncronos Distribuı́dos

∙ Maior ordem → mais par^ametros;

∙ Folha de dados dos geradores fornecem alguns valores;

∙ Variações dos par^ametros com o tempo;

5 de 54
Introdução
Modelos de Geradores Sı́ncronos Distribuı́dos

∙ Maior ordem → mais par^ametros;

∙ Folha de dados dos geradores fornecem alguns valores;

∙ Variações dos par^ametros com o tempo;

∙ Melhor qualidade → estimação satisfatória dos par^ametros;

5 de 54
Introdução
Modelos de Geradores Sı́ncronos Distribuı́dos

∙ Maior ordem → mais par^ametros;

∙ Folha de dados dos geradores fornecem alguns valores;

∙ Variações dos par^ametros com o tempo;

∙ Melhor qualidade → estimação satisfatória dos par^ametros;

∙ Desafio: método de estimação.

5 de 54
Introdução
Trabalhos na Literatura

Modelos de Geradores Sı́ncronos Considerados

Trabalho Modelo de GS

Tensão constante
Aghamolki et al., 2015
atrás de uma imped^ ancia
Huang; Li; Yan, 2010 Terceira ordem
Cisneros-Gonzalez et al., 2013 Quinta ordem
Kyriakides; Heydt; Vittal, 2004 Sétima ordem
Valverde et al., 2011 Nona ordem

6 de 54
Introdução
Trabalhos na Literatura

Modelos de Geradores Sı́ncronos Considerados

Trabalho Modelo de GS

Tensão constante
Aghamolki et al., 2015
atrás de uma imped^ ancia
Huang; Li; Yan, 2010 Terceira ordem
Cisneros-Gonzalez et al., 2013 Quinta ordem
Kyriakides; Heydt; Vittal, 2004 Sétima ordem
Valverde et al., 2011 Nona ordem

Não consideram operação desbalanceada!

6 de 54
Introdução
Objetivos da Pesquisa

7 de 54
Introdução
Objetivos da Pesquisa
∙ Sistemas com alto nı́vel de penetração de geração distribuı́da;

7 de 54
Introdução
Objetivos da Pesquisa
∙ Sistemas com alto nı́vel de penetração de geração distribuı́da;
∙ Modelo adequado para representar condições de operação desbalanceadas;

7 de 54
Introdução
Objetivos da Pesquisa
∙ Sistemas com alto nı́vel de penetração de geração distribuı́da;
∙ Modelo adequado para representar condições de operação desbalanceadas;

∙ Método de estimação:

7 de 54
Introdução
Objetivos da Pesquisa
∙ Sistemas com alto nı́vel de penetração de geração distribuı́da;
∙ Modelo adequado para representar condições de operação desbalanceadas;

∙ Método de estimação:
– Eficiente para modelos não-lineares.

7 de 54
Introdução
Objetivos da Pesquisa
∙ Sistemas com alto nı́vel de penetração de geração distribuı́da;
∙ Modelo adequado para representar condições de operação desbalanceadas;

∙ Método de estimação:
– Eficiente para modelos não-lineares.

Objetivo Principal

Estimação de par^
ametros de um modelo de gerador sı́ncrono adequado
para a representação de geradores sı́ncronos distribuı́dos conectados a
sistemas desbalanceados.

7 de 54
Introdução
Objetivos da Pesquisa

∙ Objetivos secundários:

7 de 54
Introdução
Objetivos da Pesquisa

∙ Objetivos secundários:

– Influ^encia dos par^

ametros;

7 de 54
Introdução
Objetivos da Pesquisa

∙ Objetivos secundários:

– Influ^encia dos par^

ametros;

– Proposta de estimação;

7 de 54
Introdução
Objetivos da Pesquisa

∙ Objetivos secundários:

– Influ^encia dos par^

ametros;

– Proposta de estimação;

– Estratégia de verificação;

7 de 54
Introdução
Objetivos da Pesquisa

∙ Objetivos secundários:

– Influ^encia dos par^

ametros;

– Proposta de estimação;

– Estratégia de verificação;

– Impacto do desbalanço e de ruı́dos.

7 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Equações do Modelo

𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹

𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

8 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Variáveis de Estado

𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹

𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

9 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Entradas

𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹

𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

10 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Desacoplamento do Modelo
∙ Grandezas medidas para desacoplar o modelo dos controles e da rede:

Controle de v
Velocidade Turbina

GS LD
Controle EFD
de Tensão

11 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Desacoplamento do Modelo
∙ Grandezas medidas para desacoplar o modelo dos controles e da rede:

𝑟𝐹 𝐸 𝐹 𝐷
𝑣𝐹 =
𝑀𝐹 𝜔
𝑃𝑚
𝑇𝑚 =
𝜔
𝑖0𝑑𝑞 = 𝑃 𝑖𝑎𝑏𝑐
𝑣0𝑑𝑞 = 𝑃 𝑣𝑎𝑏𝑐

11 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Desacoplamento do Modelo
∙ Grandezas medidas para desacoplar o modelo dos controles e da rede:

𝑟𝐹 𝐸 𝐹 𝐷
𝑣𝐹 =
𝑀𝐹 𝜔
𝑃𝑚
𝑇𝑚 =
𝜔
𝑖0𝑑𝑞 = 𝑃 𝑖𝑎𝑏𝑐
𝑣0𝑑𝑞 = 𝑃 𝑣𝑎𝑏𝑐

√︂ ⎡1/√2 √
1/ 2
√
1/ 2
⎤
2⎣
𝑃 = cos 𝜃 cos(𝜃 − 2𝜋
3
) cos(𝜃 + 2𝜋
3
)⎦
3
sin 𝜃 sin(𝜃 − 2𝜋
3
) sin(𝜃 + 2𝜋
3
)
𝜋
𝜃 = 𝜔𝑅 𝑡 + 𝛿 +
2
11 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes

𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹

𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
𝜔𝑅 2
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes

𝑟𝐿𝐹 𝑘𝑐 𝑟 𝐹 𝑀 𝐹 𝐿𝑞 𝐿𝐹
𝑎11 = − 𝑎12 = 𝑎13 = −
𝐿𝑑 𝐿𝐹 − 𝑘𝑐 2 𝑀𝐹 2 𝐿𝑑 𝐿𝐹 − 𝑘𝑐2 𝑀𝐹2 𝐿𝑑 𝐿𝐹 − 𝑘𝑐2 𝑀𝐹2
𝑘𝑐 𝑟𝑀𝐹 𝑟𝐹 𝐿𝑑 𝑘𝑐 𝐿𝑞 𝑀𝐹
𝑎21 = 𝑎22 =− 𝑎23 =
𝐿𝑑 𝐿𝐹 − 𝑘𝑐2 𝑀𝐹2 𝐿𝑑 𝐿𝐹 − 𝑘𝑐2 𝑀𝐹2 𝐿𝑑 𝐿𝐹 − 𝑘𝑐2 𝑀𝐹2
𝐿𝑑 𝑘𝑐 𝑀 𝐹 𝑟
𝑎31 = 𝑎32 = 𝑎33 =−
𝐿𝑞 𝐿𝑞 𝐿𝑞
𝑟 + 3𝑟𝑛
𝑎41 =− 𝑎61 = 𝐿𝑞 − 𝐿𝑑 𝑎62 = −𝑘𝑐 𝑀𝐹
𝐿0 + 3𝐿𝑛
𝐿𝐹 𝑘𝑐 𝑀 𝐹 𝑘𝑐 𝑀𝐹
𝑏11 =− 𝑏12 = − 𝑏21 =
𝐿𝑑 𝐿𝐹 − 𝑘𝑐2 𝑀𝐹2 𝐿𝑑 𝐿𝐹 − 𝑘𝑐2 𝑀𝐹2 𝐿𝑑 𝐿𝐹 − 𝑘𝑐2 𝑀𝐹2
𝐿𝑑 1 1
𝑏22 = 𝑏33 =− 𝑏41 =−
𝐿𝑑 𝐿𝐹 − 𝑘𝑐2 𝑀𝐹2 𝐿𝑞 𝐿0 + 3𝐿𝑛

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Constantes:

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Constantes:
√︁
– 𝑘𝑐 = 32 ;

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Constantes:
√︁
– 𝑘𝑐 = 32 ;

– 𝑆𝐵 : pot^encia trifásica nominal do gerador;

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Constantes:
√︁
– 𝑘𝑐 = 32 ;

– 𝑆𝐵 : pot^encia trifásica nominal do gerador;

– 𝜔𝑅 : velocidade sı́ncrona nominal do gerador.

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Par^ametros:
– 𝑟: resist^encia do estator;
– 𝑟𝐹 : resist^encia do enrolamento de campo;

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Par^ametros:
– 𝑟: resist^encia do estator;
– 𝑟𝐹 : resist^encia do enrolamento de campo;
– 𝐿𝐹 : indut^ ancia própria do enrolamento de campo;
– 𝐿𝑑 : indut^ ancia própria do eixo direto do estator;
– 𝐿𝑞 : indut^ ancia própria do eixo em quadratura do estator;
– 𝐿0 : indut^ ancia própria de sequ^encia zero do estator;

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Par^ametros:
– 𝑟: resist^encia do estator;
– 𝑟𝐹 : resist^encia do enrolamento de campo;
– 𝐿𝐹 : indut^ ancia própria do enrolamento de campo;
– 𝐿𝑑 : indut^ ancia própria do eixo direto do estator;
– 𝐿𝑞 : indut^ ancia própria do eixo em quadratura do estator;
– 𝐿0 : indut^ ancia própria de sequ^encia zero do estator;
– 𝐻: constante de inércia;
– 𝐷: constante de amortecimento;

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Par^ametros:
– 𝑟: resist^encia do estator;
– 𝑟𝐹 : resist^encia do enrolamento de campo;
– 𝐿𝐹 : indut^ ancia própria do enrolamento de campo;
– 𝐿𝑑 : indut^ ancia própria do eixo direto do estator;
– 𝐿𝑞 : indut^ ancia própria do eixo em quadratura do estator;
– 𝐿0 : indut^ ancia própria de sequ^encia zero do estator;
– 𝐻: constante de inércia;
– 𝐷: constante de amortecimento;
– 𝑟𝑛 : resist^encia de neutro;
– 𝐿𝑛 : indut^ ancia de neutro;

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Par^ametros:
– 𝑟: resist^encia do estator;
– 𝑟𝐹 : resist^encia do enrolamento de campo;
– 𝐿𝐹 : indut^ ancia própria do enrolamento de campo;
– 𝐿𝑑 : indut^ ancia própria do eixo direto do estator;
– 𝐿𝑞 : indut^ ancia própria do eixo em quadratura do estator;
– 𝐿0 : indut^ ancia própria de sequ^encia zero do estator;
– 𝐻: constante de inércia;
– 𝐷: constante de amortecimento;
– 𝑟𝑛 : resist^encia de neutro;
– 𝐿𝑛 : indut^ ancia de neutro;
– 𝑀𝐹 : indut^ ancia mútua máxima entre os enrolamentos de campo e de
estator.

12 de 54
Modelo de Gerador Sı́ncrono Distribuı́do
Par^ametros e constantes
∙ Par^ametros:
– 𝑟: resist^encia do estator;
– 𝑟𝐹 : resist^encia do enrolamento de campo;
– 𝐿𝐹 : indut^ ancia própria do enrolamento de campo;
– 𝐿𝑑 : indut^ ancia própria do eixo direto do estator;
– 𝐿𝑞 : indut^ ancia própria do eixo em quadratura do estator;
– 𝐿0 : indut^ ancia própria de sequ^encia zero do estator;
– 𝐻: constante de inércia;
– 𝐷: constante de amortecimento;
– 𝑟𝑛 : resist^encia de neutro;
– 𝐿𝑛 : indut^ ancia de neutro;
– 𝑀𝐹 : indut^ ancia mútua máxima entre os enrolamentos de campo e de
estator.

12 de 54
Abordagem de Estimação Proposta
Tópicos

∙ Formulação Matemática
∙ Funções de Sensibilidade de Trajetória

∙ Filtro de Kalman Unscented

∙ Algoritmo Genético
∙ Descrição da Abordagem

13 de 54
Abordagem de Estimação Proposta
Formulação Matemática do Problema
𝑥˙ = 𝑓 (𝑥, 𝑢, 𝑝)
𝑦 = ℎ(𝑥, 𝑝)

14 de 54
Abordagem de Estimação Proposta
Formulação Matemática do Problema
∙ 𝑥 ∈ R𝑛𝑠 ;
∙ 𝑢 ∈ R𝑛𝑖 ;
𝑥˙ = 𝑓 (𝑥, 𝑢, 𝑝) ∙ 𝑦 ∈ R 𝑛𝑜 ;
𝑦 = ℎ(𝑥, 𝑝) ∙ 𝑝 ∈ R𝑛𝑝 ;
∙ 𝑓 : R𝑛𝑠 × R𝑛𝑖 × R𝑛𝑝 → R𝑛𝑠 ;
∙ ℎ : R𝑛𝑠 × R𝑛𝑝 → R𝑛𝑜 .

14 de 54
Abordagem de Estimação Proposta
Formulação Matemática do Problema
∙ 𝑥 ∈ R𝑛𝑠 ;
∙ 𝑢 ∈ R𝑛𝑖 ;
𝑥˙ = 𝑓 (𝑥, 𝑢, 𝑝) ∙ 𝑦 ∈ R 𝑛𝑜 ;
𝑦 = ℎ(𝑥, 𝑝) ∙ 𝑝 ∈ R𝑛𝑝 ;
∙ 𝑓 : R𝑛𝑠 × R𝑛𝑖 × R𝑛𝑝 → R𝑛𝑠 ;
∙ ℎ : R𝑛𝑠 × R𝑛𝑝 → R𝑛𝑜 .
∫︁𝑡𝑓
𝐽(𝑝) = [𝑦(𝑡)−𝑦𝑚 (𝑡)]𝑇 ·[𝑦(𝑡)−𝑦𝑚 (𝑡)]𝑑𝑡
∙ 𝑦 𝑚 ∈ R 𝑛𝑜
𝑡0

𝑝* = arg min 𝐽(𝑝)

14 de 54
Abordagem de Estimação Proposta
Funções de Sensibilidade de Trajetória

15 de 54
Abordagem de Estimação Proposta
Funções de Sensibilidade de Trajetória

∙ Análise da din^amica de sistemas de pot^encia;

15 de 54
Abordagem de Estimação Proposta
Funções de Sensibilidade de Trajetória

∙ Análise da din^amica de sistemas de pot^encia;

∙ Propriedades não observadas no domı́nio do tempo;

15 de 54
Abordagem de Estimação Proposta
Funções de Sensibilidade de Trajetória

∙ Análise da din^amica de sistemas de pot^encia;

∙ Propriedades não observadas no domı́nio do tempo;
∙ Influ^encia dos par^ametros na din^amica de um modelo:

15 de 54
Abordagem de Estimação Proposta
Funções de Sensibilidade de Trajetória

∙ Análise da din^amica de sistemas de pot^encia;

∙ Propriedades não observadas no domı́nio do tempo;
∙ Influ^encia dos par^ametros na din^amica de um modelo:

(1) (0)
𝜕𝑦𝑗 (𝑡) 𝑦𝑗 (𝑡) − 𝑦𝑗 (𝑡)
≈ (1) (0)
𝜕𝑝𝑖 𝑝𝑖 − 𝑝𝑖

15 de 54
Abordagem de Estimação Proposta
Funções de Sensibilidade de Trajetória

∙ Análise da din^amica de sistemas de pot^encia;

∙ Propriedades não observadas no domı́nio do tempo;
∙ Influ^encia dos par^ametros na din^amica de um modelo:

(1) (0)
𝜕𝑦𝑗 (𝑡) 𝑦𝑗 (𝑡) − 𝑦𝑗 (𝑡)
≈ (1) (0)
𝜕𝑝𝑖 𝑝𝑖 − 𝑝𝑖

∙ Valores de FST significativos → maior influ^encia;

15 de 54
Abordagem de Estimação Proposta
Funções de Sensibilidade de Trajetória

∙ Análise da din^amica de sistemas de pot^encia;

∙ Propriedades não observadas no domı́nio do tempo;
∙ Influ^encia dos par^ametros na din^amica de um modelo:

(1) (0)
𝜕𝑦𝑗 (𝑡) 𝑦𝑗 (𝑡) − 𝑦𝑗 (𝑡)
≈ (1) (0)
𝜕𝑝𝑖 𝑝𝑖 − 𝑝𝑖

∙ Valores de FST significativos → maior influ^encia;

∙ Maiores valores de FST → melhor estimação.

15 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ Filtro de Kalman:

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ Filtro de Kalman:
– Estima as variáveis de estado de um processo em espaço de estados;

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ Filtro de Kalman:
– Estima as variáveis de estado de um processo em espaço de estados;
– Observação de algumas medidas → estimação de variáveis não
observáveis;

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ Filtro de Kalman:
– Estima as variáveis de estado de um processo em espaço de estados;
– Observação de algumas medidas → estimação de variáveis não
observáveis;
– Miminiza a vari^
ancia do erro de estimação;

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ Filtro de Kalman:
– Estima as variáveis de estado de um processo em espaço de estados;
– Observação de algumas medidas → estimação de variáveis não
observáveis;
– Miminiza a vari^
ancia do erro de estimação;
– Sistemas lineares.

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ Filtro de Kalman:
– Estima as variáveis de estado de um processo em espaço de estados;
– Observação de algumas medidas → estimação de variáveis não
observáveis;
– Miminiza a vari^
ancia do erro de estimação;
– Sistemas lineares.

∙ Variações do FK para sistemas não lineares:

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ Filtro de Kalman:
– Estima as variáveis de estado de um processo em espaço de estados;
– Observação de algumas medidas → estimação de variáveis não
observáveis;
– Miminiza a vari^
ancia do erro de estimação;
– Sistemas lineares.

∙ Variações do FK para sistemas não lineares:

– Filtro de Kalman Unscented (FKU).

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ FKU:

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ FKU:
– Transformação Unscented;

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ FKU:
– Transformação Unscented;
– Aproximação de distribuição de probabilidade;

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

∙ FKU:
– Transformação Unscented;
– Aproximação de distribuição de probabilidade;
– Pontos Sigma obtidos deterministicamente.

16 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

˙
𝑥(𝑡) = 𝑓 (𝑥(𝑡), 𝑢(𝑡), 𝑝(𝑡))
𝑦(𝑡) = ℎ(𝑥(𝑡), 𝑝(𝑡))

17 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

˙
𝑥(𝑡) = 𝑓 (𝑥(𝑡), 𝑢(𝑡), 𝑝(𝑡))
𝑦(𝑡) = ℎ(𝑥(𝑡), 𝑝(𝑡))

𝑥𝑘 = 𝑓 (𝑥𝑘−1 , 𝑝𝑘−1 , 𝑢𝑘 ) + 𝑞𝑘−1

𝑦𝑘 = ℎ(𝑥𝑘 , 𝑝𝑘 ) + 𝑟𝑘

17 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

˙
𝑥(𝑡) = 𝑓 (𝑥(𝑡), 𝑢(𝑡), 𝑝(𝑡))
𝑦(𝑡) = ℎ(𝑥(𝑡), 𝑝(𝑡))

𝑥𝑘 = 𝑓 (𝑥𝑘−1 , 𝑝𝑘−1 , 𝑢𝑘 ) + 𝑞𝑘−1

𝑦𝑘 = ℎ(𝑥𝑘 , 𝑝𝑘 ) + 𝑟𝑘

[︂ ]︂ [︂ ]︂ [︂ ]︂
𝑥𝑘 𝑓 (𝑥𝑘−1 , 𝑝𝑘−1 , 𝑢𝑘 ) 𝑞𝑘−1
= + 𝑝𝑎𝑟
𝑝𝑘 𝑝𝑘−1 𝑞𝑘−1

17 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented

f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

18 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

19 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

2𝑛+1
⏞ ⏟ √ [︁ √︀ √︀ ]︁
𝑋𝑘−1 = [𝑥𝑘−1 ··· 𝑥𝑘−1 ] + 𝑐 0 𝑃𝑘−1 − 𝑃𝑘−1

19 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

20 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

^ 𝑘𝑖 = 𝑓 (𝑋𝑘−1
𝑋 𝑖
, 𝑢𝑘 )

20 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

^ 𝑘𝑖 = 𝑓 (𝑋𝑘−1
𝑋 𝑖
, 𝑢𝑘 )
2𝑛
∑︁
𝑥−
𝑘 = 𝑊𝑖𝑚 𝑋
^ 𝑘𝑖
𝑖=0
2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑃𝑘− = 𝑊𝑖𝑐 ^ 𝑘𝑖 − 𝑥− ^ 𝑘𝑖 − 𝑥−
)︀ (︀
𝑋 𝑘 𝑋 𝑘 +𝑄
𝑖=0

20 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

^ 𝑘𝑖 = 𝑓 (𝑋𝑘−1
𝑋 𝑖
, 𝑢𝑘 )

𝜏 𝜏
𝑊0𝑚 = 𝑊0𝑐 = + 1 − 𝛼2 + 𝛽
𝑛+𝜏 𝑛+𝜏
1
𝑊𝑖𝑚 = 𝑊𝑖𝑐 = 𝑖 = 1, . . . , 2𝑛
2(𝑛 + 𝜏 )

20 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

21 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

2𝑛+1
[︂ ]︂
√
⏞[︀ ⏟ √︁ √︁
𝑋𝑘− 𝑥− 𝑥− 𝑃𝑘− 𝑃𝑘−
]︀
= 𝑘 ··· 𝑘 + 𝑐 0 −

21 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

22 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

𝑌𝑘−𝑖 = ℎ(𝑋𝑘−𝑖 )

2𝑛
∑︁
𝜇𝑘 = 𝑊𝑖𝑚 𝑌𝑘−𝑖
𝑖=0

22 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑊𝑖𝑐 𝑌𝑘−𝑖 − 𝜇𝑘 𝑌𝑘−𝑖 − 𝜇𝑘
)︀ (︀
𝑆𝑘 = +𝑅
𝑖=0

22 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑊𝑖𝑐 𝑌𝑘−𝑖 − 𝜇𝑘 𝑌𝑘−𝑖 − 𝜇𝑘
)︀ (︀
𝑆𝑘 = +𝑅
𝑖=0

2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑊𝑖𝑐 𝑋𝑘−𝑖 − 𝑥− 𝑌𝑘−𝑖 − 𝜇𝑘
)︀ (︀
𝐶𝑘 = 𝑘
𝑖=0

22 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑊𝑖𝑐 𝑌𝑘−𝑖 − 𝜇𝑘 𝑌𝑘−𝑖 − 𝜇𝑘
)︀ (︀
𝑆𝑘 = +𝑅
𝑖=0

2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑊𝑖𝑐 𝑋𝑘−𝑖 − 𝑥− 𝑌𝑘−𝑖 − 𝜇𝑘
)︀ (︀
𝐶𝑘 = 𝑘
𝑖=0

𝐾𝑘 = 𝐶𝑘 𝑆𝑘−1
22 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑊𝑖𝑐 𝑌𝑘−𝑖 − 𝜇𝑘 𝑌𝑘−𝑖 − 𝜇𝑘
)︀ (︀
𝑆𝑘 = +𝑅
𝑖=0
2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑊𝑖𝑐 𝑋𝑘−𝑖 − 𝑥− 𝑌𝑘−𝑖 − 𝜇𝑘
)︀ (︀
𝐶𝑘 = 𝑘
𝑖=0

𝐾𝑘 = 𝐶𝑘 𝑆𝑘−1
𝑃𝑘 = 𝑃𝑘− − 𝐾𝑘 𝑆𝑘 𝐾𝑘𝑇
22 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑊𝑖𝑐 𝑌𝑘−𝑖 − 𝜇𝑘 𝑌𝑘−𝑖 − 𝜇𝑘
)︀ (︀
𝑆𝑘 = +𝑅
𝑖=0
2𝑛 [︁(︀
∑︁ )︀𝑇 ]︁
𝑊𝑖𝑐 𝑋𝑘−𝑖 − 𝑥− 𝑌𝑘−𝑖 − 𝜇𝑘
)︀ (︀
𝐶𝑘 = 𝑘
𝑖=0
𝐾𝑘 = 𝐶𝑘 𝑆𝑘−1
𝑃𝑘 = 𝑃𝑘− − 𝐾𝑘 𝑆𝑘 𝐾𝑘𝑇
𝑥𝑘 = 𝑥−
𝑘 + 𝐾𝑘 (𝑦𝑚𝑘 − 𝜇𝑘 )
22 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
∙ Par^ametros do FKU:

23 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
∙ Par^ametros do FKU:
– 𝑃0 , 𝑄, 𝑅

f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

23 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
∙ Par^ametros do FKU:
– 𝑃0 , 𝑄, 𝑅
𝑛
⏞ ⏟
𝑃0 = diag (𝜖, · · · , 𝜖)
𝑛𝑠 𝑛𝑝
⏞ ⏟ ⏞ ⏟
𝑄= diag (𝜓 2𝑠 , · · · , 𝜓𝑠 , 𝜓 2𝑝 , · · ·
2
, 𝜓 2𝑝 )
𝑛𝑜
⏞ ⏟
𝑅 = diag (𝜁 2 , · · · , 𝜁 2 )

23 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
∙ Par^ametros do FKU:
– 𝑃0 , 𝑄, 𝑅
– 𝑝0

f Q uk h R ymk

xk-1 Cálculo dos Xk-1 Etapa de xk- Cálculo dos X-k Etapa de xk
Pk-1 Pontos Sigma Predição Pk- Pontos Sigma Correção Pk

Wim Wic Wim Wic

23 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
∙ Par^ametros do FKU:
– 𝑃0 , 𝑄, 𝑅
– 𝑝0
[︂ ]︂
𝑥𝑘−1
𝑥𝑘−1 →
𝑝𝑘−1

23 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
∙ Par^ametros do FKU:
– 𝑃0 , 𝑄, 𝑅
– 𝑝0
𝑝0 = [𝑝10 , 𝑝20 , · · · , 𝑝𝑛𝑝0 ]

23 de 54
Abordagem de Estimação Proposta
Filtro de Kalman Unscented
∙ Par^ametros do FKU:
– 𝑃0 , 𝑄, 𝑅
– 𝑝0

[︀ ]︀
𝑝𝑈 𝐾𝐹 = 𝜖, 𝜓𝑠 , 𝜓𝑝 , 𝜁, 𝑝10 , 𝑝20 , · · · , 𝑝𝑛𝑝0

23 de 54
Abordagem de Estimação Proposta
Algoritmo Genético

24 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Geração da população inicial

24 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Geração da população inicial
[︀ ]︀
𝑝𝑈 𝐾𝐹 = 𝜖, 𝜓𝑠 , 𝜓𝑝 , 𝜁, 𝑝10 , 𝑝20 , · · · , 𝑝𝑛𝑝0

24 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Geração da população inicial
[︀ ]︀
𝑝𝑈 𝐾𝐹 = 𝜖, 𝜓𝑠 , 𝜓𝑝 , 𝜁, 𝑝10 , 𝑝20 , · · · , 𝑝𝑛𝑝0

𝜖𝑚𝑖𝑛 ≤ 𝜖 ≤ 𝜖𝑚𝑎𝑥
𝜓𝑠𝑚𝑖𝑛 ≤ 𝜓𝑠 ≤ 𝜓𝑠𝑚𝑎𝑥
𝜓𝑝𝑚𝑖𝑛 ≤ 𝜓𝑝 ≤ 𝜓𝑝𝑚𝑎𝑥
𝜁𝑚𝑖𝑛 ≤ 𝜁 ≤ 𝜁𝑚𝑎𝑥
𝑝10𝑚𝑖𝑛 ≤ 𝑝 10 ≤ 𝑝10𝑚𝑎𝑥
𝑝20𝑚𝑖𝑛 ≤ 𝑝 20 ≤ 𝑝20𝑚𝑎𝑥
..
.
𝑝𝑛𝑝𝑚𝑖𝑛 ≤ 𝑝 𝑛𝑝 0 ≤ 𝑝𝑛𝑝𝑚𝑎𝑥

24 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Seleção dos melhores indivı́duos

25 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Seleção dos melhores indivı́duos

FKU
𝑝𝑈 𝐾𝐹 −−−→ 𝑝𝑒𝑠𝑡

25 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Seleção dos melhores indivı́duos

FKU Modelo GS
𝑝𝑈 𝐾𝐹 −−−→ 𝑝𝑒𝑠𝑡 −−−−−−−→ 𝐽(𝑝𝑒𝑠𝑡 )

25 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Seleção dos melhores indivı́duos

FKU Modelo GS
𝑝𝑈 𝐾𝐹 −−−→ 𝑝𝑒𝑠𝑡 −−−−−−−→ 𝐽(𝑝𝑒𝑠𝑡 )

𝑁𝑤
∑︁
𝐽(𝑝𝑒𝑠𝑡 ) = [𝑦(𝑘) − 𝑦𝑚 (𝑘)]𝑇 [𝑦(𝑘) − 𝑦𝑚 (𝑘)]
𝑘=1

25 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Seleção dos melhores indivı́duos

FKU Modelo GS
𝑝𝑈 𝐾𝐹 −−−→ 𝑝𝑒𝑠𝑡 −−−−−−−→ 𝐽(𝑝𝑒𝑠𝑡 )

𝑁𝑤
∑︁ 1
𝐽(𝑝𝑒𝑠𝑡 ) = [𝑦(𝑘) − 𝑦𝑚 (𝑘)]𝑇 [𝑦(𝑘) − 𝑦𝑚 (𝑘)] → 𝐹 𝑖𝑡𝑛𝑒𝑠𝑠 =
𝐽(𝑝𝑒𝑠𝑡 )
𝑘=1

25 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Seleção dos melhores indivı́duos

FKU Modelo GS
𝑝𝑈 𝐾𝐹 −−−→ 𝑝𝑒𝑠𝑡 −−−−−−−→ 𝐽(𝑝𝑒𝑠𝑡 )

𝑁𝑤
∑︁ 1
𝐽(𝑝𝑒𝑠𝑡 ) = [𝑦(𝑘) − 𝑦𝑚 (𝑘)]𝑇 [𝑦(𝑘) − 𝑦𝑚 (𝑘)] → 𝐹 𝑖𝑡𝑛𝑒𝑠𝑠 =
𝐽(𝑝𝑒𝑠𝑡 )
𝑘=1

– Seleção por roleta:

𝐹 𝑖𝑡𝑛𝑒𝑠𝑠(𝑝𝑒𝑠𝑡 𝑖 )
𝑃 𝑟(𝑝𝑒𝑠𝑡 𝑖 ) = 𝑁𝑝𝑜𝑝
∑︀
𝐹 𝑖𝑡𝑛𝑒𝑠𝑠(𝑝𝑒𝑠𝑡 𝑗 )
𝑗=1

25 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Melhores indivı́duos → elite

26 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Melhores indivı́duos → elite
∙ Geração dos descendentes

26 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Melhores indivı́duos → elite
∙ Geração dos descendentes
– Recombinação;

26 de 54
Abordagem de Estimação Proposta
Algoritmo Genético
∙ Melhores indivı́duos → elite
∙ Geração dos descendentes
– Recombinação;
– Mutação.

26 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros

para Estimação

Criação da
População Inicial

Aplicação do FKU
Seleção de e Cálculo da Função
Outra Janela de de Aptidão
Amostragem
Critério N Atualização
de Parada
Atingido? da População

S
Processo de
Validação

N Modelo
Validado?

S
FIM
27 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros

para Estimação

Criação da
População Inicial
Funções de Sensibilidade de
Trajetória
Aplicação do FKU
Seleção de e Cálculo da Função
de Aptidão 𝑁𝑤 [︂ ]︂2
Outra Janela de
𝑦
∑︁ 𝜕𝑦𝑗 (𝑘)
Amostragem
𝐸𝑝𝑖𝑗 =
Critério
de Parada N Atualização 𝜕𝑝𝑖
Atingido? da População 𝑘=1
S
Processo de
Validação

N Modelo
Validado?

S
FIM

28 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros p1

para Estimação p.2 Primeiro
Criação da
.. Grupo
População Inicial pnfg
Aplicação do FKU pnfg+1
Seleção de e Cálculo da Função pnfg+2 Segundo
Outra Janela de de Aptidão
Epyij ..
Amostragem Grupo
Critério N Atualização
pnfg.+nsg
de Parada
da População
Atingido?
pnfg+nsg+1
S
pnfg+nsg+2 Terceiro
Processo de ..
Validação Grupo
pnfg+n. sg+ntg
N Modelo
Validado?

S
FIM

29 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros p1
p.2 Primeiro
Escolha dos Parâmetros
para Estimação
.. Grupo
pnfg
Criação da
População Inicial pnfg+1
pnfg+2 Segundo
Aplicação do FKU Epyij .
e Cálculo da Função . Grupo
pnfg.+nsg
Seleção de
Outra Janela de de Aptidão
Amostragem
Critério N Atualização
pnfg+nsg+1
de Parada
Atingido? da População pnfg+nsg+2 Terceiro
..
Grupo
pnfg+n. sg+ntg
S
Processo de
Validação

N Modelo
Validado? 𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔 )
S
FIM

29 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência p1
dos Parâmetros p.2 Primeiro
Escolha dos Parâmetros
.. Grupo
para Estimação pnfg
Criação da pnfg+1
População Inicial pnfg+2 Segundo
Epyij .
Aplicação do FKU . Grupo
Seleção de e Cálculo da Função pnfg.+nsg
Outra Janela de de Aptidão
Amostragem pnfg+nsg+1
Critério N Atualização pnfg+nsg+2 Terceiro
de Parada
Atingido? da População ..
Grupo
S pnfg+n. sg+ntg
Processo de
Validação

N Modelo 𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔 ) > 𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔 +1 )

Validado?

S
FIM
29 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO
p1
Análise da Influência p.2 Primeiro
dos Parâmetros .. Grupo
Escolha dos Parâmetros pnfg
para Estimação
pnfg+1
Criação da pnfg+2 Segundo
População Inicial Epyij ..
Grupo
Aplicação do FKU pnfg.+nsg
Seleção de e Cálculo da Função
Outra Janela de de Aptidão pnfg+nsg+1
Amostragem
pnfg+nsg+2 Terceiro
Critério N Atualização ..
de Parada Grupo
pnfg+n. sg+ntg
Atingido? da População

S
Processo de
Validação

𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔 ) > 𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔 +1 )

N Modelo
Validado?
𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔+1 ) < 𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔 +2 )
S
FIM
29 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO p1
p.2 Primeiro
Análise da Influência .. Grupo
dos Parâmetros
pnfg
Escolha dos Parâmetros
para Estimação pnfg+1
pnfg+2 Segundo
Criação da Epyij .
. Grupo
pnfg.+nsg
População Inicial

Aplicação do FKU
Seleção de e Cálculo da Função pnfg+nsg+1
de Aptidão
Outra Janela de pnfg+nsg+2 Terceiro
Amostragem ..
Grupo
pnfg+n. sg+ntg
Critério N Atualização
de Parada
Atingido? da População

S
Processo de
Validação
𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔 ) > 𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔 +1 )
N Modelo 𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔+1 ) < 𝐽(𝑝1 , . . . , 𝑝𝑛𝑓 𝑔 +2 )
Validado?

S 𝑝1 , 𝑝2 , . . . , 𝑝𝑛𝑓 𝑔 +1 → Estimação
FIM
29 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros 𝑝𝑈 𝐾𝐹 = [𝜖, 𝜓𝑠 , 𝜓𝑝 , 𝜁, 𝑝10 , · · · , 𝑝𝑛𝑒𝑠𝑡 ]

para Estimação

Criação da 𝜖𝑚𝑖𝑛 ≤ 𝜖 ≤ 𝜖𝑚𝑎𝑥

População Inicial
𝜓𝑠𝑚𝑖𝑛 ≤ 𝜓𝑠 ≤ 𝜓𝑠𝑚𝑎𝑥
Aplicação do FKU
Seleção de e Cálculo da Função 𝜓𝑝𝑚𝑖𝑛 ≤ 𝜓𝑝 ≤ 𝜓𝑝𝑚𝑎𝑥
de Aptidão
Outra Janela de 𝜁𝑚𝑖𝑛 ≤ 𝜁 ≤ 𝜁𝑚𝑎𝑥
Amostragem
Critério N Atualização
𝑝10𝑚𝑖𝑛 ≤ 𝑝 10 ≤ 𝑝10𝑚𝑎𝑥
de Parada
Atingido? da População ..
S .
Processo de
Validação
𝑝𝑛𝑒𝑠𝑡𝑚𝑖𝑛 ≤ 𝑝𝑛𝑒𝑠𝑡0 ≤ 𝑝𝑛𝑒𝑠𝑡𝑚𝑎𝑥

N Modelo
Validado?

S
FIM
30 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros

para Estimação

FKU Modelo GS
Criação da
População Inicial
𝑝𝑈 𝐾𝐹 −−−→ 𝑝𝑒𝑠𝑡 −−−−−−−→ 𝐽(𝑝𝑒𝑠𝑡 )
Aplicação do FKU
e Cálculo da Função
∑︀𝑁𝑤
Seleção de
de Aptidão
𝐽(𝑝𝑒𝑠𝑡 ) = 𝑘=1
[𝑦(𝑘) − 𝑦𝑚 (𝑘)]𝑇 [𝑦(𝑘) − 𝑦𝑚 (𝑘)]
Outra Janela de
Amostragem
Critério N Atualização
de Parada 1
Atingido? da População 𝐹 𝑖𝑡𝑛𝑒𝑠𝑠 = 𝐽(𝑝𝑒𝑠𝑡 )
S
Processo de
Validação

N Modelo
Validado?

S
FIM
30 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros Sorteio

para Estimação
⎮
Criação da
⌄
População Inicial
Elite
Aplicação do FKU ⎮
Seleção de e Cálculo da Função ⌄
Outra Janela de de Aptidão
Amostragem
Critério N Atualização
Recombinação
de Parada
Atingido? da População ⎮
⌄
S
Processo de
Validação Mutação

N Modelo
Validado?

S
FIM
30 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros

para Estimação

Criação da
População Inicial

Aplicação do FKU
Seleção de e Cálculo da Função
Número de gerações ≤ 𝑁 𝐺𝑚𝑎𝑥
Outra Janela de de Aptidão
Amostragem
Critério N Atualização
de Parada
Atingido? da População

S
Processo de
Validação

N Modelo
Validado?

S
FIM
30 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros Perturbação 1

para Estimação
⎮
Criação da
⌄
População Inicial
Modelo
Aplicação do FKU ⎮
Seleção de e Cálculo da Função ⌄
Outra Janela de de Aptidão
Amostragem
Critério N Atualização
Perturbação 2
de Parada
Atingido? da População ⎮
⌄
S
Processo de
Validação Verificação das Respostas

N Modelo
Validado?

S
FIM
30 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros

para Estimação

Criação da
População Inicial

Aplicação do FKU
Seleção de e Cálculo da Função ∙ Respostas do modelo de GS
Outra Janela de de Aptidão
Amostragem
atendem aos requisitos desejados?
Critério N Atualização
de Parada
Atingido? da População

S
Processo de
Validação

N Modelo
Validado?

S
FIM
30 de 54
Abordagem de Estimação Proposta
Descrição da Abordagem
COMEÇO

Análise da Influência
dos Parâmetros

Escolha dos Parâmetros

para Estimação

Criação da ∙ Possibilidades:
População Inicial
– Resposta para outra
Aplicação do FKU
Seleção de e Cálculo da Função perturbação;
Outra Janela de de Aptidão
Amostragem
– Janela de amostragem maior;
Critério
de Parada
Atingido?
N Atualização
da População
∙ Diferenças entre caso balanceado e
S
desbalanceado.
Processo de
Validação

N Modelo
Validado?

S
FIM
30 de 54
Operação Balanceada x Desbalanceada
Resposta no Tempo
0.04

0.03

0.02

0.01
(rad/s)

-0.01

-0.02

-0.03
19.95 19.96 19.97 19.98 19.99 20.00
Tempo (s)
31 de 54
Operação Balanceada x Desbalanceada
Balanceada - Influ^encia dos Par^ametros
-445
Janela de Amostragem 2

Janela de Amostragem 1
Corrente de Eixo Direto (A)

-450

-455

-460

-465
7 8 9 10 11 12 13 14
Tempo (s)
32 de 54
Operação Balanceada x Desbalanceada
Balanceada - Influ^encia dos Par^ametros

Janela de Amostragem 1 - Regime Permanente

𝑖
𝑝𝑖 𝐸𝑝𝑖𝑑𝑖 𝐸𝑝𝑖𝐹𝑖 𝐸𝑝𝑞𝑖
−2 −6
𝐿𝑞 1.04 · 10 1.83 · 10 3.13 · 10−2
𝐷 2.82 · 10−2 1.14 · 10−1 4.65 · 10−1
𝐿𝑑 1.30 · 10−2 4.63 · 10−2 6.68 · 10−3
𝐿𝐹 3.62 · 10−11 1.96 · 10−10 1.09 · 10−10
𝑟𝐹 1.63 · 10−11 8.08 · 10−11 4.10 · 10−11
𝐻 2.68 · 10−13 2.40 · 10−12 1.81 · 10−12
𝑟 2.97 · 10−7 3.23 · 10−7 7.25 · 10−8

33 de 54
Operação Balanceada x Desbalanceada
Balanceada - Influ^encia dos Par^ametros

Janela de Amostragem 1 - Regime Permanente

𝑖
𝑝𝑖 𝐸𝑝𝑖𝑑𝑖 𝐸𝑝𝑖𝐹𝑖 𝐸𝑝𝑞𝑖
−2 −6
𝐿𝑞 1.04 · 10 1.83 · 10 3.13 · 10−2
𝐷 2.82 · 10−2 1.14 · 10−1 4.65 · 10−1
𝐿𝑑 1.30 · 10−2 4.63 · 10−2 6.68 · 10−3
𝐿𝐹 3.62 · 10−11 1.96 · 10−10 1.09 · 10−10
𝑟𝐹 1.63 · 10−11 8.08 · 10−11 4.10 · 10−11
𝐻 2.68 · 10−13 2.40 · 10−12 1.81 · 10−12
𝑟 2.97 · 10−7 3.23 · 10−7 7.25 · 10−8

33 de 54
Operação Balanceada x Desbalanceada
Balanceada - Influ^encia dos Par^ametros

Janela de Amostragem 1 - Janela de Amostragem 2 -

Regime Permanente Perı́odo Transitório
𝑖
𝑝𝑖 𝐸𝑝𝑖𝑑𝑖 𝐸𝑝𝑖𝐹𝑖
𝑖
𝐸𝑝𝑞𝑖 𝑝𝑖 𝐸𝑝𝑖𝑑𝑖 𝐸𝑝𝑖𝐹𝑖 𝐸𝑝𝑞𝑖
−2 −6
𝐿𝑞 1.04 · 10−2 1.83 · 10−6 3.13 · 10−2 𝐿𝑞 2.12 · 10 4.65 · 10 6.43 · 10−2
𝐷 2.82 · 10−2 1.14 · 10−1 4.65 · 10−1 𝐷 5.22 · 10−2 2.43 · 10−1 9.60 · 10−1
𝐿𝑑 1.30 · 10−2 4.63 · 10−2 6.68 · 10−3 𝐿𝑑 2.78 · 10−2 9.54 · 10−2 1.39 · 10−2
𝐿𝐹 3.62 · 10−11 1.96 · 10−10 1.09 · 10−10 𝐿𝐹 3.14 · 10−5 2.39 · 10−5 1.16 · 10−5
𝑟𝐹 1.63 · 10−11 8.08 · 10−11 4.10 · 10−11 𝑟𝐹 8.26 · 10−6 9.16 · 10−6 4.05 · 10−6
𝐻 2.68 · 10−13 2.40 · 10−12 1.81 · 10−12 𝐻 2.52 · 10−5 4.45 · 10−6 2.15 · 10−5
𝑟 2.97 · 10−7 3.23 · 10−7 7.25 · 10−8 𝑟 5.90 · 10−7 6.81 · 10−7 1.51 · 10−7

∙ Par^ametros 𝐿𝐹 , 𝑟𝐹 , 𝐻, 𝑟:
– Influenciam pouco as respostas em regime permanente;
– Possuem uma influ^encia maior nas respostas no perı́odo transitório.

33 de 54
Operação Balanceada x Desbalanceada
Balanceada - Influ^encia dos Par^ametros

Janela de Amostragem 1 Janela de Amostragem 2

𝑖
𝑝𝑖 𝐸𝑝𝑖𝑑𝑖 𝐸𝑝𝑖𝐹𝑖
𝑖
𝐸𝑝𝑞𝑖 𝑝𝑖 𝐸𝑝𝑖𝑑𝑖 𝐸𝑝𝑖𝐹𝑖 𝐸𝑝𝑞𝑖
−2 −6
𝐿𝑞 1.04 · 10 −2
1.83 · 10 −6
3.13 · 10 −2 𝐿𝑞 2.12 · 10 4.65 · 10 6.43 · 10−2
𝐷 2.82 · 10−2 1.14 · 10−1 4.65 · 10−1 𝐷 5.22 · 10−2 2.43 · 10−1 9.60 · 10−1
𝐿𝑑 1.30 · 10−2 4.63 · 10−2 6.68 · 10−3 𝐿𝑑 2.78 · 10−2 9.54 · 10−2 1.39 · 10−2
𝐿𝐹 3.62 · 10−11 1.96 · 10−10 1.09 · 10−10 𝐿𝐹 3.14 · 10−5 2.39 · 10−5 1.16 · 10−5
𝑟𝐹 1.63 · 10−11 8.08 · 10−11 4.10 · 10−11 𝑟𝐹 8.26 · 10−6 9.16 · 10−6 4.05 · 10−6
𝐻 2.68 · 10−13 2.40 · 10−12 1.81 · 10−12 𝐻 2.52 · 10−5 4.45 · 10−6 2.15 · 10−5
𝑟 2.97 · 10−7 3.23 · 10−7 7.25 · 10−8 𝑟 5.90 · 10−7 6.81 · 10−7 1.51 · 10−7

Regime Permanente → 𝐿𝑞 , 𝐷, 𝐿𝑑 Perı́odo Transitório → 𝐿𝐹 , 𝑟𝐹 , 𝐻, 𝑟

33 de 54
Operação Balanceada x Desbalanceada
Desbalanceada - Influ^encia dos Par^ametros

∙ Par^ametros 𝐿𝐹 , 𝑟𝐹 , 𝐻 e 𝑟 influenciam a resposta senoidal em regime

permanente de forma mais significativa.
0.04

0.03

0.02

0.01
(rad/s)

-0.01

-0.02

-0.03
19.95 19.96 19.97 19.98 19.99 20.00
Tempo (s)
34 de 54
Operação Balanceada x Desbalanceada
Desbalanceada - Influ^encia dos Par^ametros

∙ Par^ametros 𝐿𝐹 , 𝑟𝐹 , 𝐻 e 𝑟 influenciam a resposta senoidal em regime

permanente de forma mais significativa.
∙ Import^ancia da abordagem proposta:

34 de 54
Operação Balanceada x Desbalanceada
Desbalanceada - Influ^encia dos Par^ametros

∙ Par^ametros 𝐿𝐹 , 𝑟𝐹 , 𝐻 e 𝑟 influenciam a resposta senoidal em regime

permanente de forma mais significativa.
∙ Import^ancia da abordagem proposta:
– Estimação mesmo sem uma separação evidente entre regime permanente
e transitório.

34 de 54
Sistema Teste
Diagrama

GBa IBa

Za
GBb IBb
GS Zb
LD
GBc IBc

Zc

35 de 54
Sistema Teste
Regulador de Velocidade
GBa IBa

Za
GBb IBb
GS Zb
LD
GBc IBc

Zc

SC

36 de 54
Sistema Teste
Regulador de Tensão
GBa IBa

Za
GBb IBb
GS Zb
LD
GBc IBc

Zc

37 de 54
Sistema Teste
Condições de Operação Desbalanceadas

Condição 𝑉𝐼𝑀 𝐵 (%) 𝑃𝑖𝑛𝑗 (𝑝.𝑢.) 𝑄𝑖𝑛𝑗 (𝑝.𝑢.)

Caso
1.626 1.0 0.288
Desbalanceado 1
Caso
2.599 1.0 0.288
Desbalanceado 2
Caso
1.377 0.9 0.236
Desbalanceado 3

38 de 54
Sistema Teste
Condições de Operação Desbalanceadas

Condição 𝑉𝐼𝑀 𝐵 (%) 𝑃𝑖𝑛𝑗 (𝑝.𝑢.) 𝑄𝑖𝑛𝑗 (𝑝.𝑢.)

Caso
1.626 1.0 0.288
Desbalanceado 1
Caso
2.599 1.0 0.288
Desbalanceado 2
Caso
1.377 0.9 0.236
Desbalanceado 3

38 de 54
Resultados
Modelo de Gerador Sı́ncrono
∙ Entradas:
𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹
𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

39 de 54
Resultados
Modelo de Gerador Sı́ncrono
∙ Entradas:
𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹
𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

𝑢 = [𝑣0 , 𝑣𝑑 , 𝑣𝑞 , 𝑣𝐹 , 𝑇𝑚 ]𝑇

39 de 54
Resultados
Modelo de Gerador Sı́ncrono
∙ Entradas:
𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹
𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

𝑢 = [𝑣0 , 𝑣𝑑 , 𝑣𝑞 , 𝑣𝐹 , 𝑇𝑚 ]𝑇

𝛿
[𝑣𝑎 , 𝑣𝑏 , 𝑣𝑐 ]𝑇 → [𝑣0 , 𝑣𝑑 , 𝑣𝑞 ]𝑇

39 de 54
Resultados
Modelo de Gerador Sı́ncrono
∙ Variáveis de Estado:
𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹
𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

40 de 54
Resultados
Modelo de Gerador Sı́ncrono
∙ Variáveis de Estado:
𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹
𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

𝑥 = [𝑖𝑑 , 𝑖𝐹 , 𝑖𝑞 , 𝑖0 , 𝛿, 𝜔]𝑇

40 de 54
Resultados
Modelo de Gerador Sı́ncrono
∙ Variáveis de Estado:
𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹
𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 𝜔 − 𝜔𝑅
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵

𝑥 = [𝑖𝑑 , 𝑖𝐹 , 𝑖𝑞 , 𝑖0 , 𝛿, 𝜔]𝑇

𝛿
[𝑖𝑎 , 𝑖𝑏 , 𝑖𝑐 ]𝑇 → [𝑖0 , 𝑖𝑑 , 𝑖𝑞 ]𝑇

40 de 54
Resultados
Modelo de Gerador Sı́ncrono
∙ Medidas utilizadas no FKU:

41 de 54
Resultados
Modelo de Gerador Sı́ncrono
∙ Medidas utilizadas no FKU:

𝑦 = [𝑖𝑎 , 𝑖𝑏 , 𝑖𝑐 , 𝑖𝐹 ]𝑇

41 de 54
 Resultados
Janela de Amostragem

∙ Perturbação em 𝑉𝑅𝐸𝐹 :
– Degrau: +5%;
– Duração: 50 𝑚s;
– Inı́cio: 10.0 s;

42 de 54
 Resultados
Janela de Amostragem

-435

-440

-445

∙ Perturbação em 𝑉𝑅𝐸𝐹 : -450

Corrente id (A)
-455
– Degrau: +5%;
-460
– Duração: 50 𝑚s;
-465
– Inı́cio: 10.0 s.
-470
∙ Janela: 9.9 s a 13.0 s
-475

-480

10.0 10.5 11.0 11.5 12.0 12.5

Tempo (s)

42 de 54
Resultados
Ruı́do
∙ Variação da carga terminal;

Za

... ...
LaL RaLFix Rnoise
RaL

43 de 54
Resultados
Ruı́do
∙ Variação da carga terminal;
∙ 𝑅𝑛𝑜𝑖𝑠𝑒 :
– Valores de base: 5%, 10%, 15%;

Za

... ...
LaL RaLFix Rnoise
RaL

43 de 54
Resultados
Ruı́do
∙ Variação da carga terminal;
∙ 𝑅𝑛𝑜𝑖𝑠𝑒 :
– Valores de base: 5%, 10%, 15%;
– Carga variada a cada passo de integração.

Za

... ...
LaL RaLFix Rnoise
RaL

43 de 54
Resultados
Caso Desbalanceado 3
∙ Análise da Influ^encia dos Par^ametros:
𝑖
𝑝𝑖 𝐸𝑝𝑖𝑑𝑖 𝐸𝑝𝑖𝐹𝑖 𝐸𝑝𝑞𝑖
𝐷 3.93 · 10−2 2.80 · 10−1 1.16 · 100
𝐿𝑞 2.264 · 10−2 1.50 · 10−5 5.19 · 10−2
𝐿𝑑 2.258 · 10−2 7.23 · 10−2 1.15 · 10−2
𝐿𝐹 9.42 · 10−5 7.34 · 10−5 1.22 · 10−5
𝐻 2.18 · 10−5 3.98 · 10−6 2.24 · 10−5
𝑟𝐹 8.00 · 10−6 8.84 · 10−6 4.23 · 10−6
𝑟 4.30 · 10−7 5.49 · 10−7 1.51 · 10−7
𝐿0 4.34 · 10−17 1.19 · 10−17 1.24 · 10−17

44 de 54
Resultados
Caso Desbalanceado 3
∙ Análise da Influ^encia dos Par^ametros:
𝑖
𝑝𝑖 𝐸𝑝𝑖𝑑𝑖 𝐸𝑝𝑖𝐹𝑖 𝐸𝑝𝑞𝑖
𝐷 3.93 · 10−2 2.80 · 10−1 1.16 · 100
𝐿𝑞 2.264 · 10−2 1.50 · 10−5 5.19 · 10−2
𝐿𝑑 2.258 · 10−2 7.23 · 10−2 1.15 · 10−2
𝐿𝐹 9.42 · 10−5 7.34 · 10−5 1.22 · 10−5
𝐻 2.18 · 10−5 3.98 · 10−6 2.24 · 10−5
𝑟𝐹 8.00 · 10−6 8.84 · 10−6 4.23 · 10−6
𝑟 4.30 · 10−7 5.49 · 10−7 1.51 · 10−7
𝐿0 4.34 · 10−17 1.19 · 10−17 1.24 · 10−17

44 de 54
Resultados
Caso Desbalanceado 3
∙ Análise da Influ^encia dos Par^ametros:
𝑖
𝑝𝑖 𝐸𝑝𝑖𝑑𝑖 𝐸𝑝𝑖𝐹𝑖 𝐸𝑝𝑞𝑖
𝐷 3.93 · 10−2 2.80 · 10−1 1.16 · 100
𝐿𝑞 2.264 · 10−2 1.50 · 10−5 5.19 · 10−2
𝐿𝑑 2.258 · 10−2 7.23 · 10−2 1.15 · 10−2
𝐿𝐹 9.42 · 10−5 7.34 · 10−5 1.22 · 10−5
𝐻 2.18 · 10−5 3.98 · 10−6 2.24 · 10−5
𝑟𝐹 8.00 · 10−6 8.84 · 10−6 4.23 · 10−6
𝑟 4.30 · 10−7 5.49 · 10−7 1.51 · 10−7
𝐿0 4.34 · 10−17 1.19 · 10−17 1.24 · 10−17

44 de 54
Resultados
Caso Desbalanceado 3

∙ Escolha dos par^ametros para estimação:

Par^
ametros Erro
Estimados 𝐽 (𝑝)
𝐷, 𝐿𝑞 , 𝐿𝑑 1.86 · 10−1
𝐷, 𝐿𝑞 , 𝐿𝑑 , 𝐿𝐹 2.89 · 10−2
𝐷, 𝐿𝑞 , 𝐿𝑑 , 𝐿𝐹 , 𝐻 6.86 · 10−2

45 de 54
Resultados
Caso Desbalanceado 3

∙ Escolha dos par^ametros para estimação:

Par^
ametros Erro
Estimados 𝐽 (𝑝)
𝐷, 𝐿𝑞 , 𝐿𝑑 1.86 · 10−1
𝐷, 𝐿𝑞 , 𝐿𝑑 , 𝐿𝐹 2.89 · 10−2
𝐷, 𝐿𝑞 , 𝐿𝑑 , 𝐿𝐹 , 𝐻 6.86 · 10−2

45 de 54
Resultados
Caso Desbalanceado 3

∙ Escolha dos par^ametros para estimação:

Par^
ametros Erro
Estimados 𝐽 (𝑝)
𝐷, 𝐿𝑞 , 𝐿𝑑 1.86 · 10−1
𝐷, 𝐿𝑞 , 𝐿𝑑 , 𝐿𝐹 2.89 · 10−2
𝐷, 𝐿𝑞 , 𝐿𝑑 , 𝐿𝐹 , 𝐻 6.86 · 10−2

ametros não-estimados: 𝐻, 𝑟𝐹 , 𝑟, 𝐿0
Par^

45 de 54
Resultados
Caso Desbalanceado 3
∙ Modelo aumentado:

𝑖˙ 𝑑 = 𝑎11 𝑖𝑑 + 𝑎12 𝑖𝐹 + 𝑎13 𝜔𝑖𝑞 + 𝑏11 𝑣𝑑 + 𝑏12 𝑣𝐹

𝑖˙ 𝐹 = 𝑎21 𝑖𝑑 + 𝑎22 𝑖𝐹 + 𝑎23 𝜔𝑖𝑞 + 𝑏21 𝑣𝑑 + 𝑏22 𝑣𝐹
𝑖˙ 𝑞 = 𝑎31 𝜔𝑖𝑑 + 𝑎32 𝜔𝑖𝐹 + 𝑎33 𝑖𝑞 + 𝑏33 𝑣𝑞
𝑖˙ 0 = 𝑎41 𝑖0 + 𝑏41 𝑣0
𝛿˙ = 0
2
𝜔𝑅
𝜔˙ = (𝑇𝑚 + 𝑎61 𝑖𝑑 𝑖𝑞 + 𝑎62 𝑖𝐹 𝑖𝑞 − 𝐷𝜔)
2𝐻𝑆𝐵
𝐷˙ =0
𝐿˙ 𝑞 = 0
𝐿˙ 𝑑 = 0
𝐿˙ 𝐹 = 0
45 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do:

46 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do:

Par^
ametros
𝜖 𝜓𝑠 𝜓𝑝 𝜁
Não-Estimados (%)
1 6.78 · 10−3 1.08 · 10−9 1.08 · 10−4 3.20 · 10−2 90
2 1.12 · 10−1 5.33 · 10−8 4.83 · 10−6 4.22 · 10−6 100
3 1.22 · 10−2 1.68 · 10−8 2.77 · 10−8 5.32 · 10−6 110

46 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do:

Par^
ametros
𝜖 𝜓𝑠 𝜓𝑝 𝜁
Não-Estimados (%)
1 6.78 · 10−3 1.08 · 10−9 1.08 · 10−4 3.20 · 10−2 90
2 1.12 · 10−1 5.33 · 10−8 4.83 · 10−6 4.22 · 10−6 100
3 1.22 · 10−2 1.68 · 10−8 2.77 · 10−8 5.32 · 10−6 110

Valores Iniciais (%) Valores Finais(%)

𝐽 (𝑝)
𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹 𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹
1 150.000 131.277 64.752 137.500 100.118 100.564 98.379 99.279 1.14 · 10−1
2 150.000 69.604 78.308 87.531 100.548 100.505 97.496 99.268 5.78 · 10−2
3 62.936 50.000 93.103 115.625 101.577 100.040 97.958 99.407 4.80 · 10−2

46 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do:

Par^
ametros
𝜖 𝜓𝑠 𝜓𝑝 𝜁
Não-Estimados (%)
1 6.78 · 10−3 1.08 · 10−9 1.08 · 10−4 3.20 · 10−2 90
2 1.12 · 10−1 5.33 · 10−8 4.83 · 10−6 4.22 · 10−6 100
3 1.22 · 10−2 1.68 · 10−8 2.77 · 10−8 5.32 · 10−6 110

Valores Iniciais (%) Valores Finais(%)

𝐽 (𝑝)
𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹 𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹
1 150.000 131.277 64.752 137.500 100.118 100.564 98.379 99.279 1.14 · 10−1
2 150.000 69.604 78.308 87.531 100.548 100.505 97.496 99.268 5.78 · 10−2
3 62.936 50.000 93.103 115.625 101.577 100.040 97.958 99.407 4.80 · 10−2

46 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do;

∙ Validação:

47 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do;

∙ Validação:
– Falta trifásica no terminal do gerador.

47 de 54
 Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do;
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 1: Par^ametros não-estimados fixos em 90%
-300 Referência Referência
CD3 - 90% 1200 CD3 - 90%

-400 1150
970

Corrente iF (A)
Corrente id (A)

-500 1100
-420
965
-430
1050
-600
-440 960
-450 1000
-700
-460 10.31 10.33 10.35
-470 950
-800
-480
10.07 10.09 10.11 900
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)
47 de 54
 Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do;
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 1: Par^ametros não-estimados fixos em 90%
Referência Referência
CD3 - 90% 378 CD3 - 90%
300

377.5
Corrente iq (A)

250

ω (rad/s)
290 377

200 280
376.5
270

260 376
150

250
375.5
10.07 10.09 10.11
100
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)
47 de 54
 Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do;
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 2: Par^ametros não-estimados fixos em 100%
-300 Referência Referência
CD3 - 100% 1200 CD3 - 100%

-400
1150 975

Corrente iF (A)
Corrente id (A)

-500 1100 970

-420
-430 965
-600 1050
-440
960
-450
1000
-700
-460 10.31 10.33 10.35
-470 950
-800
-480
10.07 10.09 10.11 900
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)
47 de 54
 Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do;
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 2: Par^ametros não-estimados fixos em 100%
Referência Referência
CD3 - 100% 378 CD3 - 100%
300

377.5
Corrente iq (A)

250

ω (rad/s)
377

280
200 376.5
270

260 376
150

250
375.5
100 10.07 10.09 10.11
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)
47 de 54
 Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do;
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 3: Par^ametros não-estimados fixos em 110%
1250
-300 Referência Referência
CD3 - 110% CD3 - 110%
1200
-400
1150
980
Corrente id (A)

Corrente iF (A)
-500 -420 975
1100
-430 970
-600 -440 1050 965
-450 960
-700 1000
-460
10.31 10.33 10.35
-470 950
-800
-480
10.07 10.09 10.11
900
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)
47 de 54
 Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados sem considerar ruı́do;
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 3: Par^ametros não-estimados fixos em 110%
Referência Referência
CD3 - 110% 378 CD3 - 110%
300

377.5
Corrente iq (A)

250

ω (rad/s)
377

280
200
270 376.5

260
150 376
250
240
375.5
100 10.07 10.09 10.11
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)
47 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados utilizando medidas ruidosas:
𝑅𝑛𝑜𝑖𝑠𝑒 Par^
ametros
𝜖 𝜓𝑠 𝜓𝑝 𝜁
(%) Não-Estimados (%)
1 5 2.78 · 10−5 3.18 · 10−5 2.62 · 10−3 1.55 · 10−6 90
2 5 4.67 · 10−4 5.14 · 10−7 1.72 · 10−3 1.59 · 10−5 100
3 5 4.13 · 10−4 1.44 · 10−6 5.00 · 10−6 1.41 · 10−4 110
4 10 1.32 · 10−1 2.34 · 10−9 3.55 · 10−7 6.92 · 10−6 90
5 10 1.19 · 10−4 1.44 · 10−5 7.97 · 10−5 1.11 · 10−2 100
6 10 2.19 · 10−4 1.36 · 10−10 1.50 · 10−6 3.26 · 10−4 110
7 15 2.24 · 10−5 1.11 · 10−8 3.78 · 10−3 1.77 · 10−7 90
8 15 5.13 · 10−5 1.30 · 10−9 5.27 · 10−4 4.41 · 10−2 100
9 15 5.55 · 10−4 9.39 · 10−10 7.76 · 10−4 1.77 · 10−2 110

48 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados utilizando medidas ruidosas:
𝑅𝑛𝑜𝑖𝑠𝑒 Par^
ametros
𝜖 𝜓𝑠 𝜓𝑝 𝜁
(%) Não-Estimados (%)
1 5 2.78 · 10−5 3.18 · 10−5 2.62 · 10−3 1.55 · 10−6 90
2 5 4.67 · 10−4 5.14 · 10−7 1.72 · 10−3 1.59 · 10−5 100
3 5 4.13 · 10−4 1.44 · 10−6 5.00 · 10−6 1.41 · 10−4 110
4 10 1.32 · 10−1 2.34 · 10−9 3.55 · 10−7 6.92 · 10−6 90
5 10 1.19 · 10−4 1.44 · 10−5 7.97 · 10−5 1.11 · 10−2 100
6 10 2.19 · 10−4 1.36 · 10−10 1.50 · 10−6 3.26 · 10−4 110
7 15 2.24 · 10−5 1.11 · 10−8 3.78 · 10−3 1.77 · 10−7 90
8 15 5.13 · 10−5 1.30 · 10−9 5.27 · 10−4 4.41 · 10−2 100
9 15 5.55 · 10−4 9.39 · 10−10 7.76 · 10−4 1.77 · 10−2 110

𝑅𝑛𝑜𝑖𝑠𝑒 Valores Iniciais (%) Valores Finais (%)

𝐽 (𝑝)
(%) 𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹 𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹
1 5 78.519 62.650 83.429 128.128 101.718 101.317 103.406 99.854 5.39 · 10−2
2 5 87.891 150.000 100.208 130.286 101.368 101.310 103.423 99.814 4.21 · 10−2
3 5 50.000 68.750 78.543 95.837 98.282 101.949 102.712 98.951 4.40 · 10−2
4 10 75.867 117.200 145.782 112.500 98.794 101.671 103.877 99.462 1.27 · 10−1
5 10 53.955 53.516 88.495 150.000 99.244 101.678 100.365 97.332 5.23 · 10−2
6 10 100.787 54.236 80.273 150.000 99.318 101.622 100.497 97.079 3.16 · 10−2
7 15 88.672 90.527 71.124 77.673 102.467 101.314 103.642 99.955 5.89 · 10−2
8 15 95.615 125.394 63.248 149.664 99.450 101.629 100.891 98.102 5.28 · 10−2
9 15 51.953 109.351 73.068 67.288 99.290 101.589 103.410 99.499 5.18 · 10−2

48 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados utilizando medidas ruidosas:
𝑅𝑛𝑜𝑖𝑠𝑒 Par^
ametros
𝜖 𝜓𝑠 𝜓𝑝 𝜁
(%) Não-Estimados (%)
1 5 2.78 · 10−5 3.18 · 10−5 2.62 · 10−3 1.55 · 10−6 90
2 5 4.67 · 10−4 5.14 · 10−7 1.72 · 10−3 1.59 · 10−5 100
3 5 4.13 · 10−4 1.44 · 10−6 5.00 · 10−6 1.41 · 10−4 110
4 10 1.32 · 10−1 2.34 · 10−9 3.55 · 10−7 6.92 · 10−6 90
5 10 1.19 · 10−4 1.44 · 10−5 7.97 · 10−5 1.11 · 10−2 100
6 10 2.19 · 10−4 1.36 · 10−10 1.50 · 10−6 3.26 · 10−4 110
7 15 2.24 · 10−5 1.11 · 10−8 3.78 · 10−3 1.77 · 10−7 90
8 15 5.13 · 10−5 1.30 · 10−9 5.27 · 10−4 4.41 · 10−2 100
9 15 5.55 · 10−4 9.39 · 10−10 7.76 · 10−4 1.77 · 10−2 110

𝑅𝑛𝑜𝑖𝑠𝑒 Valores Iniciais (%) Valores Finais (%)

𝐽 (𝑝)
(%) 𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹 𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹
1 5 78.519 62.650 83.429 128.128 101.718 101.317 103.406 99.854 5.39 · 10−2
2 5 87.891 150.000 100.208 130.286 101.368 101.310 103.423 99.814 4.21 · 10−2
3 5 50.000 68.750 78.543 95.837 98.282 101.949 102.712 98.951 4.40 · 10−2
4 10 75.867 117.200 145.782 112.500 98.794 101.671 103.877 99.462 1.27 · 10−1
5 10 53.955 53.516 88.495 150.000 99.244 101.678 100.365 97.332 5.23 · 10−2
6 10 100.787 54.236 80.273 150.000 99.318 101.622 100.497 97.079 3.16 · 10−2
7 15 88.672 90.527 71.124 77.673 102.467 101.314 103.642 99.955 5.89 · 10−2
8 15 95.615 125.394 63.248 149.664 99.450 101.629 100.891 98.102 5.28 · 10−2
9 15 51.953 109.351 73.068 67.288 99.290 101.589 103.410 99.499 5.18 · 10−2

48 de 54
Resultados
Caso Desbalanceado 3
∙ Par^ametros estimados utilizando medidas ruidosas:
𝑅𝑛𝑜𝑖𝑠𝑒 Par^
ametros
𝜖 𝜓𝑠 𝜓𝑝 𝜁
(%) Não-Estimados (%)
1 5 2.78 · 10−5 3.18 · 10−5 2.62 · 10−3 1.55 · 10−6 90
2 5 4.67 · 10−4 5.14 · 10−7 1.72 · 10−3 1.59 · 10−5 100
3 5 4.13 · 10−4 1.44 · 10−6 5.00 · 10−6 1.41 · 10−4 110
4 10 1.32 · 10−1 2.34 · 10−9 3.55 · 10−7 6.92 · 10−6 90
5 10 1.19 · 10−4 1.44 · 10−5 7.97 · 10−5 1.11 · 10−2 100
6 10 2.19 · 10−4 1.36 · 10−10 1.50 · 10−6 3.26 · 10−4 110
7 15 2.24 · 10−5 1.11 · 10−8 3.78 · 10−3 1.77 · 10−7 90
8 15 5.13 · 10−5 1.30 · 10−9 5.27 · 10−4 4.41 · 10−2 100
9 15 5.55 · 10−4 9.39 · 10−10 7.76 · 10−4 1.77 · 10−2 110

𝑅𝑛𝑜𝑖𝑠𝑒 Valores Iniciais (%) Valores Finais (%)

𝐽 (𝑝)
(%) 𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹 𝐷 𝐿𝑑 𝐿𝑞 𝐿𝐹
1 5 78.519 62.650 83.429 128.128 101.718 101.317 103.406 99.854 5.39 · 10−2
2 5 87.891 150.000 100.208 130.286 101.368 101.310 103.423 99.814 4.21 · 10−2
3 5 50.000 68.750 78.543 95.837 98.282 101.949 102.712 98.951 4.40 · 10−2
4 10 75.867 117.200 145.782 112.500 98.794 101.671 103.877 99.462 1.27 · 10−1
5 10 53.955 53.516 88.495 150.000 99.244 101.678 100.365 97.332 5.23 · 10−2
6 10 100.787 54.236 80.273 150.000 99.318 101.622 100.497 97.079 3.16 · 10−2
7 15 88.672 90.527 71.124 77.673 102.467 101.314 103.642 99.955 5.89 · 10−2
8 15 95.615 125.394 63.248 149.664 99.450 101.629 100.891 98.102 5.28 · 10−2
9 15 51.953 109.351 73.068 67.288 99.290 101.589 103.410 99.499 5.18 · 10−2

48 de 54
Resultados
Caso desbalanceado 3
∙ Validação:
– Falta trifásica no terminal do gerador.

49 de 54
 Resultados
Caso desbalanceado 3
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 2: Par^ametros não-estimados fixos em 100% - 𝑅𝑛𝑜𝑖𝑠𝑒 = 5%

-300 Referência Referência

CD3 - 100% - R5 1200 CD3 - 100% - R5

-400
1150
980

Corrente iF (A)
Corrente id (A)

-500 -420 1100 975

-430 970
-600 -440 1050 965
-450 960
1000
-700 -460
10.31 10.33 10.35
-470 950
-800 -480
10.07 10.09 10.11 900
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)

49 de 54
 Resultados
Caso desbalanceado 3
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 2: Par^ametros não-estimados fixos em 100% - 𝑅𝑛𝑜𝑖𝑠𝑒 = 5%

Referência Referência
CD3 - 100% - R5 378 CD3 - 100% - R5
300

377.5
Corrente iq (A)

250

ω (rad/s)
377
280
200
270 376.5

260
150 376
250
240
375.5
100 10.07 10.09 10.11
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)

49 de 54
 Resultados
Caso desbalanceado 3
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 4: Par^ametros não-estimados fixos em 90% - 𝑅𝑛𝑜𝑖𝑠𝑒 = 10%

-300 Referência Referência

CD3 - 90% - R10 1200 CD3 - 90% - R10

-400 1150 970

Corrente id (A)

Current iF (A)
-500 -420 1100 965
-430
1050 960
-600 -440
-450 955
1000
-700 -460
10.31 10.33 10.35
-470 950
-800 -480
10.07 10.09 10.11 900
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)

49 de 54
 Resultados
Caso desbalanceado 3
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 4: Par^ametros não-estimados fixos em 90% - 𝑅𝑛𝑜𝑖𝑠𝑒 = 10%
350
Referência Referência
CD3 - 90% - R10 378 CD3 - 90% - R10
300
377.5
Current iq (A)

250

ω (rad/s)
377
290

200 280 376.5

270
376
150 260

250 375.5
10.07 10.09 10.11
100
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)

49 de 54
 Resultados
Caso desbalanceado 3
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 9: Par^ametros não-estimados fixos em 110% - 𝑅𝑛𝑜𝑖𝑠𝑒 = 15%

-300 Referência Referência

CD3 - 110% - R15 1200 CD3 - 110% - R15

-400
1150 970

Corrente iF (A)
Corrente id (A)

-500 -420 1100

965

-440 1050
-600
960

-460 1000
-700
10.31 10.33 10.35
-480 950
-800
10.07 10.09 10.11 900
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)

49 de 54
 Resultados
Caso desbalanceado 3
∙ Validação:
– Falta trifásica no terminal do gerador.
∙ Subcaso 9: Par^ametros não-estimados fixos em 110% - 𝑅𝑛𝑜𝑖𝑠𝑒 = 15%
350
Referência Referência
CD3 - 110% - R15 CD3 - 110% - R15
378
300

377.5
Corrente iq (A)

250

ω (rad/s)
377
290

200 280 376.5

270
376
150 260

250 375.5
10.07 10.09 10.11
100
10.0 10.5 11.0 11.5 10.0 10.5 11.0 11.5
Tempo (s) Tempo (s)

49 de 54
Conclusões

50 de 54
Conclusões

∙ Import^ancia da avaliação dos par^ametros do modelo de gerador sı́ncrono

trifásico;

50 de 54
Conclusões

∙ Import^ancia da avaliação dos par^ametros do modelo de gerador sı́ncrono

trifásico;
∙ Identificação dos par^ametros mais importantes:

50 de 54
Conclusões

∙ Import^ancia da avaliação dos par^ametros do modelo de gerador sı́ncrono

trifásico;
∙ Identificação dos par^ametros mais importantes:
– São os mesmos para operação balanceada e desbalanceada;

50 de 54
Conclusões

∙ Import^ancia da avaliação dos par^ametros do modelo de gerador sı́ncrono

trifásico;
∙ Identificação dos par^ametros mais importantes:
– São os mesmos para operação balanceada e desbalanceada;
∙ Operação balanceada: estimação de um maior número de par^ametros;

50 de 54
Conclusões

∙ Import^ancia da avaliação dos par^ametros do modelo de gerador sı́ncrono

trifásico;
∙ Identificação dos par^ametros mais importantes:
– São os mesmos para operação balanceada e desbalanceada;
∙ Operação balanceada: estimação de um maior número de par^ametros;
∙ Abordagem de estimação proposta:

50 de 54
Conclusões

∙ Import^ancia da avaliação dos par^ametros do modelo de gerador sı́ncrono

trifásico;
∙ Identificação dos par^ametros mais importantes:
– São os mesmos para operação balanceada e desbalanceada;
∙ Operação balanceada: estimação de um maior número de par^ametros;
∙ Abordagem de estimação proposta:
– Não é necessário conhecer os esquemas de controle do gerador ou os
par^
ametros da rede de distribuição;

50 de 54
Conclusões

∙ Import^ancia da avaliação dos par^ametros do modelo de gerador sı́ncrono

trifásico;
∙ Identificação dos par^ametros mais importantes:
– São os mesmos para operação balanceada e desbalanceada;
∙ Operação balanceada: estimação de um maior número de par^ametros;
∙ Abordagem de estimação proposta:
– Não é necessário conhecer os esquemas de controle do gerador ou os
par^
ametros da rede de distribuição;
– É possı́vel estimar par^ametros mec^anicos sem medir a velocidade
angular;

50 de 54
Conclusões

∙ Import^ancia da avaliação dos par^ametros do modelo de gerador sı́ncrono

trifásico;
∙ Identificação dos par^ametros mais importantes:
– São os mesmos para operação balanceada e desbalanceada;
∙ Operação balanceada: estimação de um maior número de par^ametros;
∙ Abordagem de estimação proposta:
– Não é necessário conhecer os esquemas de controle do gerador ou os
par^
ametros da rede de distribuição;
– É possı́vel estimar par^ametros mec^anicos sem medir a velocidade
angular;
– Estimação satisfatória dos par^ametros mais importantes mesmo
considerando ruı́dos nas medições.

50 de 54
Perspectivas Futuras

51 de 54
Perspectivas Futuras

∙ Estimação do torque mec^anico ao invés de considerá-lo como uma entrada

do modelo;

51 de 54
Perspectivas Futuras

∙ Estimação do torque mec^anico ao invés de considerá-lo como uma entrada

do modelo;

∙ Considerar a saturação do GS no modelo trifásico.

51 de 54
Publicações Resultantes Deste Trabalho

∙ Periódico Internacional:
– GERALDI JUNIOR, E. L.; FERNANDES, TATIANE C. C. ; RAMOS, R.
A. A UKF-based approach to estimate parameters of a three-phase
synchronous generator model. ENERGY SYSTEMS, Springer, 2018.
ISSN 1868-3975.

52 de 54
Publicações Resultantes Deste Trabalho
∙ Congressos Internacionais:
– GERALDI, EDSON L.; FERNANDES, TATIANE C. C.; RAMOS,
RODRIGO A. An approach to estimate parameters of a three-phase
synchronous generator model. In: 2016 IEEE Power & Energy Society General
Meeting (PESGM), 2016, Boston. 2016 IEEE Power & Energy Society
General Meeting. p. 1.
– GERALDI, EDSON L.; FERNANDES, TATIANE C. C.; RAMOS,
RODRIGO A. Estimation of synchronous generator model parameters
operating under unbalanced three-phase conditions. In: 2015 IEEE Power &
Energy Society General Meeting, 2015, Denver. 2015 IEEE Power &
Energy Society General Meeting. p. 1.
– GERALDI JUNIOR, E. L.; FERNANDES, TATIANE C. C.; RAMOS, R.
A. Estimação de par^ametros de um modelo de gerador sı́ncrono adequado para
operações em condições trifásicas desbalanceadas. In: The 11th
Latin-American Congress on Electricity Generation and
Transmission - CLAGTEE 2015, 2015, São José dos Campos. Proceedings
and Book of Abstracts of The 11th Latin-American Congress on Electricity
Generation and Transmission - CLAGTEE 2015, 2015.
52 de 54
Publicações Adicionais

∙ Periódicos Internacionais:
– FERNANDES, TATIANE C.C.; GERALDI JR., EDSON L.; PATACA,
LICIANE C.; RAMOS, RODRIGO A. Modal estimation in distributed
synchronous generation systems under three-phase unbalanced conditions.
ELECTRIC POWER SYSTEMS RESEARCH, v. 152, p. 350-356,
2017.
– CANIZARES, C.; FERNANDES, T.; GERALDI, E.; GERIN-LAJOIE, L.;
GIBBARD, M.; HISKENS TF PAST CHAIR, I.; KERSULIS, J.; KUIAVA, R.;
LIMA, L. ; DEMARCO, F.; MARTINS, N.; PAL, B. C.; PIARDI, A.; RAMOS
TF CHAIR, R.; DOS SANTOS, J.; SILVA, D.; SINGH, A. K.; TAMIMI, B.;
VOWLES, D. Benchmark Models for the Analysis and Control of Small-Signal
Oscillatory Dynamics in Power Systems. IEEE TRANSACTIONS ON
POWER SYSTEMS, v. 32, p. 715-722, 2017.

53 de 54
Publicações Adicionais

∙ Congressos Internacionais:
– MORACO, A. G. M.; FERNANDES, T. C. C.; GERALDI JR., EDSON L; RAMOS, R.
A. Estimação de velocidade angular de geradores sı́ncronos para o estudo da estabilidade a
pequenas perturbações. In: XVII ERIAC - XVII ENCUENTRO REGIONAL
IBEROAMERICANO DEL CIGRE, 2017, Ciudad del Este. XVII ENCUENTRO
REGIONAL IBEROAMERICANO DEL CIGRE-ERIAC, 2017.

– MORACO, ANNA G. M.; TAVARES, MARLEY F.; GERALDI, EDSON L.; RAMOS,
RODRIGO A. An approach to evaluate the occurrence of flicker induced by
electromechanical oscillations. In: 2016 IEEE Power & Energy Society General Meeting,
2016, Boston. 2016 IEEE Power & Energy Society General Meeting. p. 1.
– GERALDI, EDSON L.; FERNANDES, TATIANE C. C.; ALVES, GUILHERME H.;
RAMOS, RODRIGO A. An approach for statistical quantitative analysis of voltage
fluctuations using extended participation factors. In: 2015 IEEE Power & Energy Society
General Meeting, 2015, Denver. 2015 IEEE Power & Energy Society General
Meeting. p. 1.
– FERNANDES, TATIANE C. C.; GERALDI, EDSON L. ; RAMOS, RODRIGO A. An
approach to refine linear models used in small signal stability assessment. In: 2015 IEEE
Power & Energy Society General Meeting, 2015, Denver. 2015 IEEE Power & Energy
Society General Meeting. p. 1.

53 de 54
Publicações Adicionais

∙ Congressos Nacionais:
– MORACO, A. G. M.; TAVARES, M. F.; GERALDI JUNIOR, E. L.;
RAMOS, R. A. Uma Abordagem Para Avaliar a Ocorr^ encia de Flicker em
Sistemas de Distribuição com Geração Sı́ncrona. In: VI Simpósio Brasileiro
de Sistemas Elétricos - SBSE2016, 2016, Natal, RN. Anais do VI
Simpósio Brasileiro de Sistemas Elétricos - SBSE2016, 2016.
– FERNANDES, T. C. C.; GERALDI JUNIOR, E. L.; BORGES, R. C.;
RAMOS, R. A. Uma Abordagem para o Aprimoramento de Modelos Lineares
na Análise da Estabilidade a Pequenas Perturbações em Sistemas de Pot^
encia.
In: XXI Congresso Brasileiro de Automática, 2016, Vitória, ES. Anais
do XXI Congresso Brasileiro de Automática, 2016.

53 de 54
 Agradeço a atenção!
edluju@gmail.com

54 de 54