Implantação computacional de um estimador de estado de rastreio

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorAugusto, Andre Abel-
Autor(es): dc.contributorSouza, Julio Cesar Stachini de-
Autor(es): dc.contributorCoutto Filho, Milton Brown do-
Autor(es): dc.contributorGuimaraens, Marcio André Ribeiro-
Autor(es): dc.creatorGuimarães, Luiz Felipe Rodrigues-
Data de aceite: dc.date.accessioned2024-07-11T17:44:14Z-
Data de disponibilização: dc.date.available2024-07-11T17:44:14Z-
Data de envio: dc.date.issued2021-09-13-
Data de envio: dc.date.issued2021-09-13-
Data de envio: dc.date.issued2020-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/23186-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/756461-
Descrição: dc.descriptionNos sistemas de energia elétrica, a estimação de estado é a função central da operação do sistema em tempo real. Conhecido o plano de medição, a configuração da rede elétrica e seus parâmetros, o estimador de estado determina o estado mais provável do sistema. Os métodos de estimação comumente adotados não levam em conta a dinâmica do sistema e processam apenas uma amostra de medidas, requerendo níveis de redundância significativos do sistema de medição para um desempenho adequado do processo de estimação (isto é, determinação do estado e processamento de dados espúrios). A inserção de dinâmica na estimação de estado por meio de modelos de previsão ou explicitação da dependência temporal na modelagem da rede/sistema de medição, pode melhorar a estimação de estado, especialmente nos casos em que há perda de medidas ou contaminação destas por erros. Este trabalho trata da implantação computacional de um estimador de estado de rastreio, um caso particular de estimador auxiliados por previsão que assume que a transição de estado é modelada pela adição de um erro de distribuição gaussiana ao estado anterior. São apresentadas as bases teóricas tanto da estimação estática quanto da auxiliada por previsão. Também serão apresentados resultados de simulações com um estimador implementado em MATLAB, para a rede de referência IEEE 14 barras visando representar a resposta deste programa frente a diversas situações, normalmente adversas.-
Descrição: dc.descriptionIn electric power systems, state estimation is the central function for the system's operation in real time. Once the measurement plan, the network configuration and its parameters are known, the state estimator determines the most likely state of the system. The estimation methods commonly adopted do not take into account the dynamics of the system and process only a sample of measurements, requiring significant levels of redundancy from the measurement system for an adequate performance of the estimation process (that is, determination of the state and spurious data processing). The insertion of dynamics in the state estimation by means of forecasting models or explication of the temporal dependence in the modeling of the network / measurement system, can improve the state estimation, especially in cases where there is loss of measures or contamination of these by errors. This work deals with the computational implementation of a tracking state estimator, a particular case of forecasting-aided state estimators that assumes that the state transition is modeled by the addition of a error with Gaussian distribution to the previous state. The theoretical bases of static and forecasting-aided estimation are presented. Simulation results of the program implemented in MATLAB are also presented, for the reference system IEEE 14 bars in order to represent the response of this program in the face of several situations, normally adverse.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectEstimação de estado-
Palavras-chave: dc.subjectEstimação de estado auxiliada por previsão-
Palavras-chave: dc.subjectFiltro de Kalman estendido-
Palavras-chave: dc.subjectEstimação de estado (Energia elétrica)-
Palavras-chave: dc.subjectFiltragem de Kalman-
Palavras-chave: dc.subjectEngenharia elétrica-
Palavras-chave: dc.subjectState estimation-
Palavras-chave: dc.subjectForecast-aided state estimator-
Palavras-chave: dc.subjectExtended Kalman filter-
Título: dc.titleImplantação computacional de um estimador de estado de rastreio-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.