Estimação híbrida de estados resiliente a erros grosseiros baseada em fusão de estimativas com múltiplas fontes de dados sincrofasoriais

Abstract

Diante do aumento de complexidade dos sistemas elétricos atuais, o estimador de estados se torna uma ferramenta cada vez mais importante no contexto da operação em tempo real. Sua principal finalidade é fornecer ao operador um quadro fiel sobre a atual condição operativa da rede, permitindo que simulações sejam feitas em tempo real para auxiliar no processo de tomada de decisões relativas à segurança da operação. Os estimadores convencionais utilizam como entrada dados de medição adquiridos pelo sistema SCADA. Entretanto, verificou-se nos últimos anos o desenvolvimento da tecnologia de Unidades de Medição Fasorial (PMUs), que é capaz de medir fasores das variáveis de estados com precisão e taxa de amostragem superiores às do sistema SCADA. Conforme o aumento da penetração de PMUs na rede, é de interesse das instituições que operam os sistemas elétricos a utilização dessas medidas para gerar estimativas mais confiáveis. Para tal, destacam-se as metodologias híbridas baseadas em multi-estágios, que permitem preservar os estimadores convencionais ao mesmo tempo em que acrescentam uma nova etapa na estimação para incluir as medidas fasoriais. Dentre as abordagens híbridas propostas, a fusão de estimativas se destaca por permitir, no primeiro estágio, a estimação a partir de diferentes classes de medidas. A partir disso, as diferentes estimativas são combinadas de maneira otimizada dentro de uma célula de fusão. Outro aspecto a ser considerado é que um estimador de estados robusto implica na capacidade de tratar medidas espúrias que podem contaminar as estimativas. Nos estimadores convencionais, etapas específicas de pós-processamento buscam detectar, identificar e suprimir erros grosseiros presentes nas medidas. O método convencional de fusão, baseado na mínima variância, não possui capacidade de detectar erros grosseiros em cenários em que estes não foram identificados no primeiro estágio. Sendo assim, nos últimos anos, abordagens como Critério de Máxima Correntropia (CMC) têm sido propostos para formulação dos algoritmos do segundo estágio, como forma de impor uma barreira adicional à possível contaminação das estimativas por dados espúrios. A capacidade de processamento dos erros grosseiros na fusão via CMC pode ser significativamente aprimorada se múltiplas estimativas tornarem-se disponíveis ao processo de fusão. Nesse contexto, este trabalho apresenta uma arquitetura híbrida alternativa que usufrui das propriedades da tecnologia PMU para utilização de múltiplas estimativas fasoriais no processo de fusão via critério de máxima correntropia. O desempenho da arquitetura proposta é avaliado a partir da análise de resultados obtidos através de diversas simulações em sistemas-teste do IEEE.

Abstract: Given the increasing complexity of modern power systems, the state estimator has become an increasingly important tool in the context of real-time operation. Its main purpose is to provide cases that represent the current operational condition of the grid, allowing simulations to be run in real-time to assist decision-making on control rooms. Conventional estimators use system SCADA measurement data as input. However, in recent years, the advent of Phasor Measurement Unit (PMU) technology, which can measure phasors of state variables with greater accuracy and sampling rate compared to SCADA, has gained prominence. With the increasing penetration of PMUs in the grid, it is in the interest of institutions operating power systems to use these measurements to generate more reliable estimates. To achieve this, multi-stage-based methodologies are noteworthy, as they allow maintaining conventional estimators while adding a new estimation stage to include phasor measurements. Among the approaches used, estimate fusion stands out as it allows for the estimation of different classes of measurements individually in the first stage. From this, different classes of estimates are generated and combined optimally within a fusion cell. However, it is important to note that obtaining a robust state estimator means it must be able to handle bad data that can contaminate nearby estimates. In conventional estimators, there are specific stages that aim to detect and suppress outliers present in the measurements. The conventional fusion method, based on minimum variance, does not have the ability to detect bad data in scenarios where they were not identified in the first stage. Therefore, in recent years, approaches like the Maximum Correntropy Criterion (MCC) have been used to formulate algorithms in the second stage, providing an additional barrier for detecting and mitigating estimates with outliers. To enhance the processing capacity of bad data, it is necessary to use multiple estimates in the fusion process. In this context, this work presents an alternative architecture that leverages the properties present in PMU technology to use multiple phasor estimates in the fusion process via the maximum correntropy criterion. The performance of the proposed architecture is evaluated through the analysis of results obtained from various simulations on IEEE test systems.