Estimador de Estado Lineal Dinámico Basado en Mediciones … · 2017-08-02 · •Un estimador de...

Estimador de Estado Lineal Dinámico Basado en Mediciones Fasoriales

Jaime De La Ree

Virginia Tech

Noviembre 20, 2013

Medellin, Colombia

Tópicos

• Estimador de Estado Convencional en sistemas de

• Sincrofasores

• Estimador Lineal Trifásico

• Detección de datos falsos y validación de datos

• Calibración de Sensores

• Perspectivas

1965 Northeast Blackout

• Al igual que después del apagón del 2003, estudios largos y muchas recomendaciones. Muchos casos de ignorancia por parte de los operadores. Muchas recomendaciones no implementadas.

• Resultado: Centros de Control dedicados a sistemas de manejo de energía (EMS)

EL sistema SCADA fue instalado en subestaciones para medir los flujos de potencia, real y reactiva en las líneas, y las inyecciones de potencia real y reactiva de los generadores y las cargas. El sistema muestreaba en forma secuencial a todas las estaciones. Se requería de tiempos de varios minutos lo que hoy en día se hace en pocos segundos.

El “Estado” del sistema de potencia es el grupo de voltajes (Magnitud y ángulo) de todos y cada uno de los “Nodos” del sistema Las mediciones son de valores que representan funciones no-lineales del “estado” S=P+jQ=E I*

z - mediciones de flujos e inyecciones de potencia – real y reactiva

x – “estado” voltajes (magnitud y ángulo)

SCADA supervisory control and data acquisition- Stuxnet a SCADA virus

)(xfz

Estimador de Estado Estático

• Asume que el sistema no cambia mientras se realiza el “scan”. • Esto era el resultado de la tecnología de ese tiempo

• Resolver iterativamente para determinar el estimado de x

• Rechazo de datos malos era una característica importante

• Midwest ISO – Estimador de Estado en 2003 convergía 95% de los casos 30,000 buses ~45,000 mediciones

• Estimador de Estado es primordial para EMS

• Partiendo del Estado se hacen análisis de contingencias

• El operador realiza maniobras para lograr un punto de operación seguro

• Despacho de Generación

Un Nuevo Paradigma: Synchrophasors

•Synchrophasor • Synchronized Phasor Measurement

•PMU • Phasor Measurement Unit

2 45°

GPS

Porque son importantes? • Se captura la magnitud y el ángulo de los fasores

• Esta información se utiliza para evaluar el estado de salud del sistema

• Todos los Sincrofasores están referenciados al mismo instante en tiempo.

• Fotos simultaneas de la red (time tag)

• Datos en Alta Resolución (30-60 Synchrophasors/sec) • Muchas mas fotos del sistema

PMU – Una nueva ventana al SEP

PMU – Una nueva ventana al SEP

Prediction of C phase CCVT failure

• Los términos PMU y Sincrofasor fueron presentados en 1983, con el termino WAMS un poco después. Google Scholar tiene 64,000 referencias a estos temas con 50% de ellas en los pasados 5 años.

• Razón? DOE invirtió en el Plan de Inversión para Red Inteligente (Smart Grid Investment Grant - SGIG) ~ 850 PMUs

Phasor (Steinmetz 1897) Phaser (Star Trek 1966)

Citations by year

Que tan rápido una publicación es

referenciada en otras publicaciones se usa

para calcular el impacto. Las publicaciones de

SincroFasores han tenido una historia extraña.

Background

• Un estimador de estado trifásico - basado solamente en mediciones fasoriales – ha sido instalado en el sistema de 500 KV de Dominion Virginia Power como parte de un proyecto de demostración del Departamento de Energía de los Estados Unidos y lidereado por Virginia Tech.

• Un total de mas de 600 mediciones proporcionan la información a razón de 30 veces por segundo de los voltajes complejos de la red de 500 KV. Ambos, voltajes y corrientes, son medidos y comunicados por medio de un sistema SONET a el centro de control en Richmond VA. El sistema cuenta con concentradores de datos – PDC – en las subestaciones medidas y uno en el centro de control. Aplicaciones en “software” se implementaron en C# en una plataforma de programación abierta de PDC en el centro de control en Richmond.

PDC Phasor data concentrator: lines up data with a common time tag and keeps only one time tag

Background

Three-Phase Linear State Estimation with Phasor Measurements

Kevin David Jones

Three Phase

a

b

c

Real voltage

Imaginary voltage

1200

If balanced

Los Estimadores de Estado Convencionales solo utilizan Secuencia Positiva

Para redes balanceadas no hay secuencias negativas o cero

Divide by 3

Monitoreo de desbalanceo en corrientes

Las corrientes de fase en cada punto de medición son

transformadas en sus componentes:

Ia

Ib

Ic

I0

I1

I2

Transformation

Matrix

La corriente de secuencia negativa es de especial

Importancia ya que es la mas dañina a los generadores


Corrientes de Secuencia Negativa

Negative sequence current in Stator

Causes surface heating of the rotor


• Las corrientes de secuencia negativa son monitoreadas continuamente. Una sumatoria de estas componentes se hace en todas las líneas conectadas al bus de generación.

• Típicamente, los fabricantes de generadores proporcionan los nieles permitidos (Desbalanceo – Tiempo)

• Es posible generar alarmas cuando estos limites son violados

kdtI 2

2

Nueva Arquitectura de Subestacion a base de PMUs

• Independiente de Sistema SCADA

• Captura las tres fases

• Archivos de Respaldo

Assets directly monitored by PMUs

• 500kV Substations = 21

(70% of total)

• 500kV Transmission Lines = 35

(75% of total)

• 500kV Transformers = 28

(20% of total)

• 500kV Circuit Breakers = 110

(85% of total)

• 230kV Transmission Lines = 12

(5% of total)

Programa de Implementacion e Instalacion (DEP)

Dep

loym

ent

Ch

alle

nge

Oscillation Detection

Voltage Stability

Monitoring

Model Validation

Transmission Pathway

and Congestion

Management

Automated Controls

Detection of Imminent

Disturbance Cascading

High SGIG activity (9-12 projects)

Source: DOE

DG and Renewables

Integration

1-2 Years 2-5 Years >5 Years

Controlled System

Separation

Medium SGIG activity (5-8 projects)

Low SGIG activity (1-4 projects)

No SGIG activity

Frequency Stability

Monitoring

State Estimation

Islanding and

Restoration

Wide Area

Monitoring and

Visualization

Post-event

Analysis

Disturbance Detection

and Alarming

SGIG=smart grid investment grant

Objetivo y Motivacion

• Instalar un sistema de monitoreo de area-amplia a base de PMUs

• Desarrollar e implementar aplicaciones avanzadas de control y protección

– Estimador de Estado Lineal basado solamente en Synchrophasor

• Porque?

• Mejorar/verificar la calidad de la información

• Extender observabilidad

Estimador de Estado a Base de PMUs

Esta aplicación deberá de servir como

acondicionador de datos preliminar a otras

aplicaciones de red o de usuarios de datos de los

PMUs

El Termino LSE apareció en la literatura de PMU en los ’80s.

• Medición Directa del Estado.

• No atrasos en “escaneo”.

• No divergencia!

– El “estado” es critico durante periodos de estrés.

– Estimador trifásico es la única manera de obtener

valores reales de secuencia (0, +, -).

– La propuesta para un estimador trifásico esta ganando

peso.



• PMUs miden valores complejos de corriente y voltaje

• El estado se puede obtener en forma optima con

mediciones redundantes

• La observabilidad del sistema se puede ampliar con

mediciones de corrientes de línea

• Un sistema sobre-determinado; Una transformación

lineal de mediciones a estado

Manejo de datos malos o perdidos

Durante el proceso de instalacion

• Es necesario verificar la calidad de los datos antes

de entregarlos al SOC

Filtrado y acondicionado

• Capacidad de mitigar datos malos o perdidos

• Util para la aplicacion en LSE

nmtyyyy tmtmttt ,1ˆ1211

La expresion

Donde x es un voltaje o corriente compleja y se asume que en 1/30

seg cada carga tiene una fuente equivalente constante y que la

carga cambia linealmente en el periodo corto de tiempo de 0.1 seg

(3 muestras) con factor de potencia constante. Por lo tanto,

Si la carga Lm =l(Pm+jQm) entonces xm=am+bml+cml2 y x puede ser

predecido usando las ultimas 3 muestras.

11/28/2013 © 2007 Dominion 24

)3()2(3)1(3)(ˆ nxnxnxnx

Limitaciones

Es posible predecir el siguiente valor de voltaje o corriente

usando las muestras anteriores solo si no se han efectuado

aperturas de breakers

Es posible calcular y analizar estadísticamente los valores

residuales (diferencia entre predicción y medición)

Datos perdidos pueden ser suministrados usando predicción y

filtrado.

11/28/2013 © 2007 Dominion 25

Real data with no

dropout. Simulated data

dropout 0.3 chance

each point is missing

6/7 Hz oscillation

Df= -0.0538

The four voltage

measurements have the

same fine structure but

exhibit the ratio errors of

the CCVTs.

For relaying class CCVT

Magnitude +/- 3%

Angle +/- 2 degrees

CCVT:

Capacitive

coupled

voltage

transformer

CT: current

transformer

CTs also have ratio

errors. For relaying

class

Magnitude +/- 3-10%

Angle +/- 2-6.7

degrees

11/28/2013 28

Indices de Carga

La carga crece a razón de ~2% anual mientras la inversión en

transmisión ha bajado.

11/28/2013 29

SEP - Estres



CA, PG&E:

• Over-Tripping, “por arriba del promedio industrial”.

• Impacto al remover líneas de EHV:

• Alto costo al comprar energía de “remplazo”.

• Desconexión de carga.

• Limites en líneas/sistemas de transmisión.

• Posible colapso del sistema.

11/28/2013 30

Fallas Escondidas

Definición:

• Defecto en el sistema de relevadores de protección o elementos adicionales

(comunicación, sensores, terminales, etc) que resultan en la desconexión

incorrecta de otro elemento del sistema de potencia como consecuencia

directa de otro evento.

Región de Vulnerabilidad:

• Región física en la red tal que una falla dentro de esa región “dispara” la falla

escondida.

RV f Rtype

,Rsetting

,Busdensity( )

David Elizondo

Fallas Escondidas: ejemplo

Ejemplo: Defecto Zona 2 Timer.

• Disparo incorrecto para falla en F2.

• Note que F3 esta fuera de la RV.

31

D

E

A B C

F2 F3

Z2

CBAB

Relevador de Impedancia

en Bus A

CBBC

Riesgos de Fallas Escondidas - HF

Baja Probabilidad.

Sin embargo, generalmente se manifiestan mas durante periodos de estrés.

Mas de 70% de los “apagones” contienen HF.

• 1965 Blackout: Initiating event was a Hidden Failure.

• 07/02/96 WSCC, 2 million customers, HF in timer Phase Comparison Relay.

• 12/14/94 WSCC, wrong transfer trip signal, 5 islands.

• 09/12/91 WSCC, SPS Failed to operate bad settings.

• Many more…

32

Protección Adaptiva:

Principios de Protección Adaptiva:

• Adaptive Relaying: Settings, operación y/o lógica se adapta a las condiciones prevalentes

del sistema.

• Puntos Críticos: puntos en el sistema donde la aplicacion de esquemas de protección

adaptiva redundara en beneficios en la operación.

• Nota: WAMs no debe de interferir directamente con esquemas de protección primarias.

Posibles Candidatos:

• Protecciones de Respaldo.

• Esquemas de protección de estabilidad.

• SPS & SIPS.

33

Seguridad/Dependabilidad Adaptiva

34

Critical

Location

PMU

PMU PMU

PMU

PMU

System

State

Relay 1

Relay 2

Relay 3

VOTE?

Seguridad

Vs.

Dependabilidad

Propuesta

Objetivo Principal:

• Reducir la posibilidad de que fallas escondidas se manifiesten ajustando el balance entre

dependabilidad y seguridad mediante un esquema adaptivo de protección.

Hipótesis:

• Regularmente se pueden encontrar patrones de comportamiento de algunas variables del

sistema. Estos patrones se pueden utilizar para activar los esquemas adaptivos

• Algunas mediciones estratégicas se pueden utilizar como indicadores.

35

Metodología

Es necesario encontrar las siguientes respuestas:

• DONDE? (colocar el esquema adaptivo)

• QUE? (mediciones son importantes - PMU Placement)

• COMO? (lógica de decisión)

36

DONDE? (Puntos Críticos):

Criticalidad:

• Lugares donde un disparo incorrecto, como resultado de una falla escondida, resulte en

una condición inestable o de operación inadecuada en el sistema.

Hay que generar una lista exhaustiva de casos de estudio.

37

Simulaciones= f Topologia, Sistema de Proteccion, carga, ..( )

DONDE? (Puntos Criticos):

38

• Consider HF line #1.

• Region of Vulnerability

• Exhaustive contingency list.

# 1

# 2 # 3

# 4

# 5 # 6 # 7

C D

A

B

E

HF

Case Type Line

1 Fault

Hidden Failure

Line #2

Line #1

2 Fault

Hidden Failure

Line #3

Line #1

3 Fault

Hidden Failure

Line #4

Line #1

4 Fault

Hidden Failure

Line #5

Line #1

5 Fault

Hidden Failure

Line #6

Line #1

6 Fault

Hidden Failure

Line #7

Line #1

Índice Estático:

Selección de Casos.

Basado en Flujos de Carga.

501 cases 41 cases. 39

Parameter Limit

Line Loadability 110%

Bus voltages 0.93 to 1.05

Maximum voltage drop across a line 0.05

Maximum bus voltage change 0.07 pu

Convergence Yes/No

Índice Dinámico: ISGA

Integral Square Generator Angle

Características:

• Proporcional al numero de maquinas que pierden sincronía.

• Proporcional al tamaño de las maquinas que pierden sincronía.

• Proporcional al la magnitud de las desviaciones de ángulo de

carga.

40

2

0

1T

i i COA

iT

ISGA S t tT S

i i

COA

i

S tt

S

i

i

T i

Machine Angle

S Machine MVA Base

S S

Emanuel Bernaveu

0 1 2 3 4 5 6 7 8 9 10

-300

-200

-100

0

100

200

300

Areas: 30

Rot

or A

ngle

[Deg

]

Time [sec]

0 1 2 3 4 5 6 7 8 9 10

-300

-200

-100

0

100

200

300

Areas: 24

Rot

or A

ngle

[Deg

]

Time [sec]

Ejemplos de ISGA

41

CASE FAULT Bus From Bus To

350 F MIDWAY VINCENT

350 HF MIDWAY VINCENT



237 F GATES DIABLO

237 HF DIABLO MIDWAY



269 F DIABLO MIDWAY




115 F TABLE MT VACA-DIX

115 HF ROUND MT TABLE MT

115 HF TABLE MT TESLA

0 1 2 3 4 5 6 7 8 9 10

-150

-100

-50

0

50

100

150

Areas: 24

Rot

or A

ngle

[Deg

]

Time [sec]

Ejemplos de ISGA

42

0 1 2 3 4 5 6 7 8 9 10

-150

-100

-50

0

50

100

150

Areas: 24

Rot

or A

ngle

[Deg

]

Time [sec]

Ejemplos de ISGA

Ranking:

43

Critical Location CASE FAULT Bus From Bus To ISGA

350 F MIDWAY VINCENT 6721.188



237 F GATES DIABLO 4316.469



269 F DIABLO MIDWAY 9.7647



115 F TABLE MT VACA-DIX 7.7235

115 HF ROUND MT TABLE MT

115 HF TABLE MT TESLA

Punto Critico

Midway – Vincent

Esto fue confirmado por los

ingenieros de campo y operadores

del sistema.

44

Miguel Imperial Valley

Moss

Landing

Cristal

Devers Valley

Midway

Serrano

Vincent

Mira Loma

Gates

Diablo

Lugo

Market Place

McCulloug Victorville

El Dorado

Mohave

Metcalf

Los Banos

Tesla

Rinaldi

Toluca

Tracy

Vaca

Dixon

Table Mountain

Olinda

Round

Mountain

Maxwell

Adelanto

Critical

Location

11/28/2013 45

Data Mining



Arboles de Decisión:

Decision Trees:

• Partición Binaria.

Objetivo:

• Extraer conocimientos de los datos.

Algoritmo CART fue creado en 1984:

• Genera un árbol de tamaño máximo. No se proporciona condición de paro.

• Costo – Complejidad genera sub-arboles.

• Error en clasificaciones

46


Moss

Landing

Cristal

Devers Valley

Midway

Serrano

Vincent

Mira Loma

Gates

Diablo

Lugo

Market Place


El Dorado

Mohave

Metcalf

Los Banos

Tesla

Rinaldi

Toluca

Tracy

Vaca

Dixon

Table Mountain

Olinda

Round

Mountain

Maxwell

Adelanto

Metodología

47

PMU

PMU

PMU

PMU

PMU

PMU

PMU

PMU

PMU

PMU

PMU

PMU PMU

PMU

PMU

PMU

PMU

PMU

PMU

PMU

PMU

PMU

• Colocar PMUs en cada bus de 500 kV.

• Construir Base de Datos

• Fabricar Arbol de Decisiones

• Determinar sub-set de mediciones

CASE Gates L1106 L1107 … Vote

1 A Ir, Ii Ir, Ii … 1

2 A Ir, Ii Ir, Ii … 0

… …

4150 A Ir, Ii Ir, Ii … 1

Base de Datos de Aprendizaje

Variables del Sistema

Topologia

Carga

48

PG&E

LAWGP

SO CA

SAN

DIEGO

NUMBER NAME

30 PG&E

24 SOCALIF

26 LAWGP

22 SANDIEGO

Vote Decision

System State

Fault and HFs

Check Solution

Metodología

49

G

G

Ejecución

Modelos:

• Heavy Winter

• Heavy Summer

50

0 2 4 6 8 10 12 14 160

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

0.5

Sub-tree: 8

Terminal Nodes: 6

Misclassif ication rate: 0.011349

Number of Terminal Nodes

Mis

clas

sific

atio

n R

ate

DT: HS

Learning sample: 11367

Subtree T6:

• Misclassification rate ~1.1%

51

Tmax

T1

T2

T3

T4

T5

T6

T7

T8

T9

HS Terminal Nodes:

52

IR415 <= -1.05

Terminal

Node 1

Class = 1

Class Cases %

0 22 14.6

1 129 85.4

W = 151.00

N = 151

IR415 > -1.05

Terminal

Node 2

Class = 0

Class Cases %

0 27 93.1

1 2 6.9

W = 29.00

N = 29

II735 <= -0.47

Node 3

Class = 1

IR415 <= -1.05

Class Cases %

0 49 27.2

1 131 72.8

W = 180.00

N = 180

II735 > -0.47

Terminal

Node 3

Class = 0

Class Cases %

0 5727 99.2

1 47 0.8

W = 5774.00

N = 5774

IR19 <= 16.52

Node 2

Class = 0

II735 <= -0.47

Class Cases %

0 5776 97.0

1 178 3.0

W = 5954.00

N = 5954

II735 <= -0.44

Terminal

Node 4

Class = 1

Class Cases %

0 8 0.2

1 4872 99.8

W = 4880.00

N = 4880

IR19 <= 16.92

Terminal

Node 5

Class = 0

Class Cases %

0 213 84.5

1 39 15.5

W = 252.00

N = 252

IR19 > 16.92

Terminal

Node 6

Class = 1

Class Cases %

0 7 2.5

1 274 97.5

W = 281.00

N = 281

II735 > -0.44

Node 5

Class = 1

IR19 <= 16.92

Class Cases %

0 220 41.3

1 313 58.7

W = 533.00

N = 533

IR19 > 16.52

Node 4

Class = 1

II735 <= -0.44

Class Cases %

0 228 4.2

1 5185 95.8

W = 5413.00

N = 5413

Node 1

Class = 0

IR19 <= 16.52

Class Cases %

0 6004 52.8

1 5363 47.2

W = 11367.00

N = 11367

HS: Node 1 Split

Predictor: Ir19, Devers – Palo Verde

53

0 1000 2000 3000 4000 5000 600012

13

14

15

16

17

18

19

measurements

Ir19

Class: 0 Class: 1

HS: Node 2 Split

54

Predictor: Ii735, Devers – Valley SC

0 1000 2000 3000 4000 5000-1.5

-1

-0.5

0

0.5

1

1.5

measurements

Ii735

Class: 0

Class: 1

HS: Node 3 Split

55

Predictor: Ii735, Devers – Valley SC

0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000-1.5

-1

-0.5

0

0.5

1

1.5

measurements

Ii735

Class: 0

Class: 1

HS: Node 4 Split

56

Predictor: Ir415, El Dorado – McCollough

0 20 40 60 80 100 120-1.4

-1.3

-1.2

-1.1

-1

-0.9

-0.8

-0.7

-0.6

measurements

Ir415

Class: 0

Class: 1

HS: Node 7 Split

57

Predictor: Ir19, Devers – Palo Verde

0 50 100 150 200 250 30016.4

16.6

16.8

17

17.2

17.4

17.6

17.8

18

18.2

18.4

measurements

Ir19

Class: 0

Class: 1

58


Moss

Landing

Cristal

Devers Valley

Midway

Serrano

Vincent

Mira Loma

Gates

Diablo

Lugo

Market Place


El Dorado

Mohave

Metcalf

Los Banos

Tesla

Rinaldi

Toluca

Tracy

Vaca

Dixon

Table Mountain

Olinda

Round

Mountain

Maxwell

Adelanto

PMU

PMU

PMU

PMU

PMU

Reference Pittsburg

PMU

PMU

Primary Split

Surrogates

Node Surrogate Predictive

Association

1 Real current Mohave – El Dorado 0.93

2 Imaginary current Diablo - Midway 0.17

3 Imaginary current Diablo - Midway 0.72

4 Imag current Moss Landing – Los Banos 0.79

7 Real current Mohave – El Dorado 0.78

HS: PMU placement

Attribute PMU measurement

Ir19 Real current: Palo Verde – Devers

Ii735 Imaginary current: Devers – Valley SC

Ir415 Real current: El Dorado - McCullough

HS: Out-of-Sample Testing

Evaluar lo robusto del DT contra cambios topológicos.

3 grupos de condiciones no incluidas en el entrenamiento.

• Generator is out due to maintenance. Gens > 200 MW

• Load outage. Load > 200 MW

59

Classified class 0 Classified class 1

True class: 0 107 2

True class: 1 6 112


True class: 0 154 0

True class: 1 7 37

HS: Out-of-Sample Testing

60

• Line outage: 230kV


• Overall misclassification rate ~4%.


True class: 0 278 0

True class: 1 25 284


True class: 0 62 6

True class: 1 3 54

0 2 4 6 8 10 120

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

Number of Terminal Nodes

Mis

clas

sific

atio

n R

ate

Sub-tree: 4

Terminal Nodes: 6

Misclassif ication rate: 0.0098795

DT: Heavy Winter

Learning sample: 4150 cases.

Subtree T2:

• Misclassification rate ~1%.

61

Tmax

T1

T2

T3

T4

T5


Moss

Landing

Cristal

Devers Valley

Midway

Serrano

Vincent

Mira Loma

Gates

Diablo

Lugo

Market Place


El Dorado

Mohave

Metcalf

Los Banos

Tesla

Rinaldi

Toluca

Tracy

Vaca

Dixon

Table Mountain

Olinda

Round

Mountain

Maxwell

Adelanto

HW: PMU placement

Attribute PMU measurement

Ir1106 Real Current: Tesla – Los Banos

Ir1104 Real Current: Tracy – Los Banos

Ii3850 Imaginary Current: Palo Verde - Devers

62

PMU

PMU

PMU

PMU

PMU

Reference Pittsburg

PMU

PMU

Primary Split

Surrogates

Node Surrogate Predictive

Association

1 Real Current: Tesla – Los Banos 0.93

2 Angle Round MT 0.64

3 Imaginary Current: Gates – Diablo 0.75

4 Real Current: Tracy – Los Banos 0.52

9 Real Current: Victorville - McCulloug 0.55

PMU

HW: Out-of-Sample Testing

63


True class: 0 30 5

True class: 1 0 45


True class: 0 117 1

True class: 1 0 50

Evaluar lo robusto del DT contra cambios topológicos.

3 grupos de condiciones no incluidas en el entrenamiento.

• Generator is out due to maintenance. Gens > 200 MW

• Load outage. Load > 200 MW

HW: Out-of-Sample Testing

64



• Overall misclassification rate ~2%.


True class: 0 132 0

True class: 1 0 132


True class: 0 62 6

True class: 1 2 78

11/28/2013 65

Calibracion de CT and CCVT (use solo datos de 60 Hz)

Los errores en los factores de relación de vueltas en CT y CCVT

pueden ser calibrados en forma conjunta utilizando un grupo de

mediciones conjuntas sobre un periodo de 12 horas (así la carga

variara de máximo a mínimo) si:

Existe una trayectoria eléctrica conectada de “un nodo con medición

buena” (PT de medición o medición de voltaje óptica) a cada punto

de medición. Esto es, las mediciones forman un árbol. Una

“medición buena” por isla es necesaria si no hay árbol.

El resultado en errores es tan bueno como la calidad de la

“medición buena”. PTs de alta calidad tienen errores de +/-0.15%

,0.104 degrees

Joanna Wu

Perspectiva Industrial

Estimación de Estado es intrínsecamente una

aplicación en tiempo real.

• Cuales son las aplicaciones a corto plazo?

• Cuales son las aplicaciones a largo plazo?

This is New Technology

It is no longer a Research Project

Thank you

Questions?

11/28/2013 67

LSE as EHV Backup Observability

Fully paralleled infrastructure from substation

• If EHV observability lost through EMS, operations must dispatch

resources to all EHV substations and monitor by phone

• EHV network fully/redundantly observed using the linear state

estimator

• Solves in real-time, omnipresent, high availability

• Comfortable, familiar visualization reminiscent of EMS

• (the Dominion control room now has five screens of PMU data)

Augmenting the Production EMS

Improved state estimator performance through:

• ISD Adapter in PDC Architecture for PMU Data to EMS

• Use output of LSE as high accuracy pseudo-

measurements

• Voltage magnitude, P-Q flow

• CT/PT calibrations to improve raw SCADA measurements

• Empirically determined/tracked impedance values

• Real-time observation of sequence components

(ISD) Inter-Site Data an Output Protocol from Alstom Grid

Estimador de Estado Lineal Dinámico Basado en Mediciones … · 2017-08-02 · •Un estimador de...

Documents

Transcript of Estimador de Estado Lineal Dinámico Basado en Mediciones … · 2017-08-02 · •Un estimador de...