ESTIMACIÓN DE

ESTADO EN
SISTEMAS DE
POTENCIA
DIEE
UNIVERSIDAD DEL NORTE
2016
Preguntas iniciales
1. Anteriormente, ¿Cuáles eran los datos del sistema en tiempo real que el
operador tenía disponibles?
• Estado de los interruptores, frecuencia, conjunto de medidas de potencia
para el control de la generación

2. ¿Qué es un sistema SCADA y que permite hacer?

• Sistema de supervisión del control y adquisición de datos. Proceso de
captación, detección y señalización del sistema. Permite analizar las
condiciones de operación de los equipos de la red y detectar situaciones
anormales  se esperaría poder llevar seguimiento y control de la
seguridad del sistema
Preguntas iniciales
3. ¿Qué problemas se detectaron en la ejecución de las funciones de
seguridad?
• Inconsistencias en las medidas. Las funciones de seguridad necesitan un
reparto de carga en tiempo real.

4. ¿Cuáles son las fuentes de información necesarias para el estimador de

estado?
• Valores de los parámetros de diseño, información topológica o estructural,
modelo matemático del sistema, los distintos tipos de medidas.
Preguntas iniciales
5. ¿Qué causas originan típicamente errores en los datos telemedidos?
• Inexactitud en la calibración de los transductores, efecto de la conversión
analógica – digital, ruido en los canales de comunicación, desequilibrio
entre fases, entre otros.
Centro de control
Se apoya en
controles
supervisorios y
sistemas de
adquisición de
datos a través de la
red
Medidas del sistema de potencia
Generalidades
• Antes de evaluar la seguridad del sistema o ejercer acciones de control se debe
determinar un estimado confiable del estado existente del sistema

• Entradas de un programa convencional de flujo de potencia  P y Q en barras de

carga, P y |V| en barras de voltaje controlado

• En la práctica se suele tener disponibles cantidades como P y Q de los flujos de

línea

Realizar una estimación de

estado basándose en cálculos
de mínimos cuadrados
ponderados
Método de los mínimos cuadrados

MEDIDAS ANÁLOGAS
SALIDAS DIGITALES
Medidas tomadas en los sistemas
de trasmisión: Transductores
- Potencia real Recibidas en el centro de
- Potencia reactiva control de energía
- Voltaje
- Corriente

Procesamiento de los datos

para informar sobre el estado
presente del sistema
 Método de los mínimos cuadrados

 Los datos medidos siempre contienen inexactitudes inevitables  los valores

reales de las cantidades físicas no son conocidos  buscar la forma de calcular los
mejores estimados posibles

 Los errores se pueden cuantificar en un sentido estadístico

 El método de los mínimos cuadrados se usa para encontrar el mejor ajuste de los
datos medidos.

 Los mejores estimados se seleccionan considerando aquellos que minimizan la

suma ponderada de los cuadrados de los errores de medición
 Método de los mínimos cuadrados
• Considerar el siguiente circuito en DC

Se desea determinar
el valor de las dos
fuentes de voltaje V1
y V2

El símbolo z se usa normalmente para

El símbolo x se aplica a las cantidades
las mediciones sin considerar la
que están siendo estimadas
cantidad física que está siendo medida
Método de los mínimos cuadrados
Modelo del sistema:
• Se basa en análisis elemental de circuitos
• Expresa los valores verdaderos de las cantidades medidas en términos de los parámetros
de la red y de los voltajes verdaderos (pero no conocidos) como fuentes de voltaje x 1=V1,
x2=V2

• Se encuentran las ecuaciones de medición que caracterizan las lecturas de los medidores
al agregar los términos de error al modelo del sistema

Los términos “errores”

y “residuales” se
utilizan
indistintamente
 Método de los mínimos cuadrados
Modelo del sistema:
• Renombrando los coeficientes de las ecuaciones anteriores:

Arreglando las ecuaciones anteriores en la forma matriz-vector:

  Más compacto:
Método de los mínimos cuadrados
•   se pueden determinar los valores verdaderos de las cantidades x 1 y x2, pero se
No
pueden calcular los estimados
• Sustituyendo los estimados en la ecuación en la forma matriz – vector, se obtienen
los valores estimados de los errores:

Reescribiendo:
Las cantidades con “sombrero”
son los estimados de las
cantidades correspondientes
 Método de los mínimos cuadrados
• ¿Qué criterio usar para calcular los estimados?
• ¿Minimizar la suma algebraica de los errores?

No, porque los errores positivos y negativos se podrían desviar unos a otros y
los estimados podrían no ser aceptables

Minimizar la suma de los cuadrados de los errores, pero cada término de

esta suma se multiplica por un factor de ponderación w apropiado. (Esto se
hace para favorecer las mediciones de los instrumentos de gran exactitud
con respecto a los menos exactos)

Función objetivo:
Método de los mínimos cuadrados

•   mejores estimados son aquellos valores de que minimizan la función objetivo, f.

Los
Por lo tanto, son aquellos valores que satisfacen las siguientes ecuaciones:

  notación indica que las ecuaciones

La
tienen que ser evaluadas de los estimados
de estado
 Método de los mínimos cuadrados
• Escribiendo en forma matriz – vector:

• Sustituyendo las derivadas parciales :

De forma compacta
Método de los mínimos cuadrados
•  Resolviendo las multiplicaciones y despejando

Estimados de los mínimos

cuadrados ponderados de
las variables de estado

 • Se puede encontrar una expresión para las diferencias

 • También se pueden calcular los valores calculados con las mediciones reales z:

Matriz identidad
Ejemplo
Determinar los estimados
Lectura de los instrumentos:
de mínimos cuadrados
z1= 9,01A z2= 3,02 A z3= 6,98 V z4= 5,01 V
ponderados de las
fuentes de voltaje V11 y V22
Amperímetros más exactos que los voltímetros:
w1= 100 w2= 100 w3=50 w4=50
 Ejemplo

Estimados de las fuentes de

voltaje V1 y V2

  mediciones estimadas se
Las
calculan usando Es necesario dar un
Es necesario
significado dar un
estadístico
a significado estadístico
los errores de
a los errores
medición en losde
medición
cálculos de en los
mínimos
cálculos de mínimos
cuadrados
cuadrados
 Estadística
• En la realidad nunca se sabe el estado verdadero de la operación de un
sistema físico
• Las mediciones repetitivas de una misma cantidad, bajo condiciones
controladas, revelan propiedades estadísticas de las que se puede estimar
el valor verdadero
• Los valores medidos se pueden graficar en función de su frecuencia de
ocurrencia relativa  histograma.
• Al histograma se le puede ajustar una curva continua. La que se encuentra
más comúnmente es la función en forma de campana p(z)

Función de densidad de probabilidad

normal o gaussiana
 Función densidad de probabilidad estándar
Estadística

• Las áreas bajo la curva arrojan las probabilidades asociadas con los intervalos
correspondientes del eje horizontal. Por ejemplo:
 Estadística
• El valor esperado de z se define:
Usualmente al valor
esperado se le llama
media

• La varianza se define por:

La varianza es el valor
esperado del cuadrado de las
desviaciones de la variable z
desde su media
Función de densidad Gausianna
estándar
• Las áreas bajo la curva están tabuladas para
la función de densidad gausianna estándar
p(y)
• Para p(y): µy=0 ; σy=1

• La variable z se puede cambiar a la variable

y:
Peso de los instrumentos

•  Dado que:  agregar el término constante z1,verdadero a e1 cambia la curva de e1 hacia la

derecha (o hacia la izquierda) en la cantidad del valor verdadero
• El cambio anterior no altera la forma ni dispersión de la función de densidad de probabilidad
e1
• Por tanto, z1 también tiene una función de densidad de probabilidad gaussiana con un valor
medio igual al valor verdadero z1,verdadero y una varianza igual a la de e1
• Lo mismo aplica para z2, z3, z4 … zn
Peso de los instrumentos
• Los instrumentos con menores varianzas de error tienen curvas más
estrechas y dan mediciones más exactas.
• La ponderación del instrumento se selecciona como el recíproco de la
varianza  los errores de varianza pequeña tienen una mayor ponderación

Se tiene una probabilidad de 99% de que, cuando los instrumentos funcionan de manera apropiada,
arrojan lecturas dentro de 3σ de los valores verdaderos
Validez de los estimados

• Se puede demostrar que los estimados de mínimos cuadrados ponderados

tanto de las variables de estado como de las cantidades medidas son, en
promedio, iguales a sus valores verdaderos  se dice que los estimados
son correctos
• Los estimados se pueden aceptar como estimados correctos de los valores
verdaderos, siempre que no estén presentes datos de mediciones erróneas
 Pruebas para datos erróneos
• Si las mediciones son significativamente malas o erróneas, estas se deben identificar
para quitarlas de los cálculos de estimación
• Las propiedades estadísticas de los errores de medición facilitan esta detección e
identificación.
• La detección de puntos de datos erróneos se realiza mediante la prueba ji-cuadrada

Se tienen k=(Nm-Ns) grados de libertad,

donde Nm es el número de mediciones y Ns
es el número de variables de estado
independientes que se tienen que estimar

 
α es la probabilidad de que la función
exceda el valor de
Prueba ji-cuadrada
Prueba ji-cuadrada
•  Procedimiento para detección de mediciones erróneas

1. Usar las mediciones reales zj para determinar los estimados ponderados de mínimos
cuadrados de los estados del sistema ()

2. Sustituir los estimados en la ecuación para calcular los valores estimados de zj y así
estimar los errores

3. Evaluar la suma ponderada de cuadrados

4. Determina, para k=(Nm-Ns) grados de libertad y para una probabilidad específica α, si

el valor de es menor o no al valor crítico correspondiente a α, es decir:

Si esto se cumple  los datos de las mediciones y

los estimados de estado se aceptan como muy
aproximados
Prueba ji-cuadrada
•  Procedimiento para detección de mediciones erróneas

5. Cuando no se cumple la desigualdad del paso anterior, hay razones para sospechar la
presencia de, al menos, una medición errónea. Una vez esta se ha identificado, hay que
omitir la medida correspondiente al más grande error estandarizado y volver a calcular los
estimados de estado y la suma de los cuadrados

• La detección de puntos de datos erróneos se realiza fácilmente mediante la prueba ji-cuadrada

• La identificación del dato erróneo particular no es tan fácil de realizar

• En aplicaciones prácticas de sistemas de potencia, el número de grados de libertad es grande, lo que

permite descartar un grupo de mediciones que correspondan a los residuales estandarizados más
grandes
 Prueba ji-cuadrada - Ejemplo
•  
Verifique la presencia de un dato erróneo en las mediciones del ejemplo anterior.
Seleccione α=0,01

SOLUCIÓN
 Hay 4 mediciones y 2 variables de estado  k=2
 En la tabla de la distribución ji-cuadrada se tiene que
 Se calcula el estimado de la suma de cuadrados:

Como el resultado es menor a 9,21  se concluye que, con un 99% de confianza,

el conjunto de mediciones reales no tiene datos erróneos
 Prueba ji-cuadrada - Ejemplo
• Suponga que en el ejemplo anterior z4=4,4 V. En este caso:

• Verifique la presencia de un dato erróneo en las mediciones del ejemplo anterior. Seleccione
α=0,01
SOLUCIÓN

 Se calcula el estimado de la suma de cuadrados:

 
 

Como el resultado es mayor a 9,21  se concluye que, con un 99% de confianza,

el conjunto de mediciones reales tiene, al menos, un dato erróneo
 Estimación de estado en un SEP
• El estado del SEP se expresa a través de las magnitudes de voltaje y los ángulos
de fase en la barras  para obtenerlos se procesan datos del sistema mediante
el estimador de estado (programa de computadora)
• El estimador de estado opera con entradas en tiempo real de dos tipos:
información de datos y de estado.

• Información obtenida de las unidades terminales remotas:

 Estado de mecanismo de interrupción/ajuste
 Flujo de P y Q en líneas grandes
 Cargabilidad de P y Q de generadores y transformadores
 Magnitudes de voltaje en la mayoría de barras
 Estimación de estado en un SEP
• No es adecuado usar directamente las mediciones reales para los cálculos ya
que se necesita una especie de filtrado  realizado por la estimación de
estado (se procesan las mediciones y se obtiene un estimado promedio de
todas las variables del sistema)
• En un sistema de potencia de ca las ecuaciones de mediciones no son
lineales, por lo tanto se requieren soluciones iterativas.

h1, h2, h3 y h4 son funciones no

lineales que expresan las Suma ponderada de cuadrados de los
cantidades medidas en términos errores
de las variables de estado
Estimación de estado en un SEP
• Los estimados que minimizan a f deben satisfacer:

Se define:
Estimación de estado en un SEP
•  
Para resolver la ecuación para los estimados se sigue el mismo procedimiento que
el de los flujos de potencia por Newton – Raphson
• La ecuación iterativa general está dada por:

  evalúa hasta que dos soluciones sucesivas converjan dentro de un índico de precisión
Se
especificado: para cada i
Estimación de estado en un SEP
Estimados de los mínimos
•  En la convergencia: cuadrados ponderados de las
variables de estado

• Los errores de medición se calculan:

• Se aplica la prueba ji-cuadrada para verificar la presencia de mediciones erróneas

Ejemplo