Estimação de estados e análise de erros grosseiros aplicadas a sistemas de monitoramento de ampacidade em tempo real

Abstract

Sistemas de monitoramento de ampacidade em tempo real vêm sendo aplicados para a obtenção de informações acerca da real condição de operação de linhas de transmissão. Tais sistemas baseiam-se na medição das condições ambientais, tração mecânica, temperatura do condutor, flecha, campo eletromagnético, dentre outras grandezas. Sabe-se que informações provenientes de sensores são suscetíveis a erros devido a própria sensibilidade e precisão destes e a erros grosseiros causados por sensores defeituosos, problemas de calibração e até mesmo adulterações maliciosas. Desse modo, torna-se necessário o desenvolvimento de uma metodologia capaz de identificar tais inconsistências no conjunto de medidas considerado. Neste contexto, este trabalho apresenta um modelo proposto para aumentar a confiabilidade e segurança de sistemas de monitoramento da ampacidade em tempo real através da implementação de um estimador de estados com capacidade de análise de erros grosseiros. O processo de estimação de estados é realizado por meio do método da matriz aumentada de Hachtel, enquanto que multiplicadores de Lagrange normalizados e testes de colinearidade são utilizados na etapa de análise de erros grosseiros. O modelo pode ser aplicado a sistemas baseados em medição de tração mecânica, corrente elétrica, temperatura do condutor, temperatura ambiente, velocidade e direção de vento, como o sistema do projeto TECCON II. Nesse projeto foi desenvolvido, a nível de cabeça de série, um isolador polimérico com classe de isolamento de 230 kV instrumentalizado com sensores de fibra óptica para a medição de tração mecânica, corrente elétrica e temperatura do condutor, a ser utilizado juntamente com uma estação meteorológica. Simulações de dados a serem adquiridos via sistema TECCON II ressaltam a efetividade do modelo proposto bem como o impacto de erros grosseiros na avaliação da ampacidade de uma linha de transmissão real, tanto para as condições de regime permanente térmico quanto dinâmico.

Abstract : Dynamic line rating monitoring systems have been applied to gather information about the real condition of transmission lines. These systems perform real-time rating assessments based on information related to weather, mechanical tensile force, conductor temperature, sag, electromagnetic field and other quantities. It is well-known that measurements are susceptible to errors due to sensor accuracy and sensitivity as well as gross errors caused by defective sensors, calibration problems or even malicious tampering. Therefore, the development of a methodology capable of detecting and identifying such bad data in the mentioned measurement set is of interest. In this context, this work introduces a model to increase reliability and safety of dynamic line rating monitoring systems through the use of state estimator and bad data analysis algorithms. The state estimation process is carried out by Hachtel's method, while bad data analysis is performed by normalized Lagrange multipliers and collinearity tests. The proposed model can be applied on weather and tension-based systems, such as the system from TECCON II project. In this project, a polymeric insulator with 230 kV insulation class has been developed as a prototype to be utilized with a meteorological station. The insulator is instrumented with optical sensors to measure mechanical tensile force, conductor temperature and electrical current. The proposed model has been tested with TECCON II simulated data, such that result analysis highlights the effectiveness of the approach as well as the impact of bad data on a real transmission line ampacity evaluation, both for steady and dynamic thermal state conditions.