DATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS

Detalhes bibliográficos
Autor(a) principal: JULIO CESAR STACCHINI DE SOUZA
Data de Publicação: 1996
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8610@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8610@2
Resumo: Na supervisão em tempo-real de sistemas de potência é fundamental que as informações recebidas do sistema de aquisição de dados não contenham erros. As decisões tomadas durante a operação do sistema se baseiam em análise que utilizam uma base de dados supostamente confiável. A presença de erros nos dados compromete as análises realizadas conseqüentemente as decisões tomadas a partir delas, podendo ocasionar problemas para a operação do sistema. Este trabalho propõe um novo método para a identificação de erros nos dados na supervisão em tempo-real de sistemas de potência. Técnicas de projeção de dados baseadas no mapa de Kohonen são utilizadas para mostrar que as inovações normalizadas, obtidas no estimadores de estado com capacidade de previsão, apresentam excelente capacidade de discriminação de erros quando comparadas a outras variáveis tais como medidas cruas e resíduos normalizados. É proposto um método que trata o problema de identificação de erros de dados como um problema de reconhecimento de padrões, onde as inovações normalizadas são utilizadas como variáveis de entrada para uma rede neural plástica que é responsável por identificar o erro presente. O método é capaz de tratar de forma integrada erros grosseiros nas medidas de erros topológicos envolvendo ramos de transmissão ou barras. Método proposto é testado para várias condições de operação envolvendo os mais diversos tipos de erro, utilizando os sistemas IEEE 24-barras e IEEE 118-barras. O desempenho do método é avaliado e aspectos como eficiência computacional, capacidade de generalização e implementação em tempo-real, entre outros, são também discutidos.
id PUC_RIO-1_624fd46596c22928b9096b28f9745b8b
oai_identifier_str oai:MAXWELL.puc-rio.br:8610
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisDATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS DEPURAÇÃO DE DADOS NA SUPERVISÃO EM TEMPO-REAL DE SISTEMAS DE POTÊNCIA VIA TÉCNICA DE RECONHECIMENTO DE PADRÕES 1996-06-28ARMANDO MARTINS LEITE DA SILVA43119743704lattes.cnpq.br/6871556145533245ARMANDO MARTINS LEITE DA SILVA43119743704lattes.cnpq.br/6871556145533245ALEXANDRE PINTO ALVES DA SILVAALEXANDRE PINTO ALVES DA SILVACARLOS EDUARDO PEDREIRAARMANDO MARTINS LEITE DA SILVAARMANDO MARTINS LEITE DA SILVAPEDRO MAGALHAES GUIMARAES FERREIRAPEDRO MAGALHAES GUIMARAES FERREIRAJULIO CESAR STACCHINI DE SOUZAPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA ELÉTRICAPUC-RioBR Na supervisão em tempo-real de sistemas de potência é fundamental que as informações recebidas do sistema de aquisição de dados não contenham erros. As decisões tomadas durante a operação do sistema se baseiam em análise que utilizam uma base de dados supostamente confiável. A presença de erros nos dados compromete as análises realizadas conseqüentemente as decisões tomadas a partir delas, podendo ocasionar problemas para a operação do sistema. Este trabalho propõe um novo método para a identificação de erros nos dados na supervisão em tempo-real de sistemas de potência. Técnicas de projeção de dados baseadas no mapa de Kohonen são utilizadas para mostrar que as inovações normalizadas, obtidas no estimadores de estado com capacidade de previsão, apresentam excelente capacidade de discriminação de erros quando comparadas a outras variáveis tais como medidas cruas e resíduos normalizados. É proposto um método que trata o problema de identificação de erros de dados como um problema de reconhecimento de padrões, onde as inovações normalizadas são utilizadas como variáveis de entrada para uma rede neural plástica que é responsável por identificar o erro presente. O método é capaz de tratar de forma integrada erros grosseiros nas medidas de erros topológicos envolvendo ramos de transmissão ou barras. Método proposto é testado para várias condições de operação envolvendo os mais diversos tipos de erro, utilizando os sistemas IEEE 24-barras e IEEE 118-barras. O desempenho do método é avaliado e aspectos como eficiência computacional, capacidade de generalização e implementação em tempo-real, entre outros, são também discutidos. Bad data detection and identification is one of the most important problems to be solved in real-time power system monitoring. During system operation, the decision-making process is based on analyses that use a database which is assumed to be reliable. Bad data can affect the results of these analyses and as a consequence the decisions taken may not be valid anymore. This may cause serious problems to system operation. This work presents a new method for debugging data in real- time power system monitoring. Data projection tecniques based on Kohonen´s self-organizing maps are employed to show that normalized innovations, obtained from a forecasting-aided state estimator, present excellent discrimination capability when compared to other variables such as raw measurements and normalized residuals. In the proposed method the problem of bad data identification is viewed as a pattern recognition problem, in which normalized innovations are use as input variables to a constructive artificial neural network that is responsible for identifying bad data. The method is able to distinguish between gross measurement and topological errors. Which can include branch or bus misconfigurations. The proposed method is tested for many different operating conditions involving different types of error. Tests are performed using data from the IEEE 24-bus and IEEE 118-bus systems. The performance of the method is evaluated and aspects such as computational efficiency, generalization capability and real-time implementation, among others, are also discussed.COORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIORhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8610@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8610@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-01T12:47:55Zoai:MAXWELL.puc-rio.br:8610Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342018-10-19T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.en.fl_str_mv DATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS
dc.title.alternative.pt.fl_str_mv DEPURAÇÃO DE DADOS NA SUPERVISÃO EM TEMPO-REAL DE SISTEMAS DE POTÊNCIA VIA TÉCNICA DE RECONHECIMENTO DE PADRÕES
title DATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS
spellingShingle DATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS
JULIO CESAR STACCHINI DE SOUZA
title_short DATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS
title_full DATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS
title_fullStr DATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS
title_full_unstemmed DATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS
title_sort DATA DEBUGGING FOR REAL-TIME POWER SYSTEM MONITORING BASED ON PATTERN ANALYSIS
dc.creator.ID.none.fl_str_mv
dc.creator.Lattes.none.fl_str_mv
author JULIO CESAR STACCHINI DE SOUZA
author_facet JULIO CESAR STACCHINI DE SOUZA
author_role author
dc.contributor.advisor2ID.none.fl_str_mv 43119743704
dc.contributor.advisor-co1ID.none.fl_str_mv
dc.contributor.advisor-co1Lattes.none.fl_str_mv
dc.contributor.advisor-co2ID.none.fl_str_mv
dc.contributor.advisor-co2Lattes.none.fl_str_mv
dc.contributor.advisor1.fl_str_mv ARMANDO MARTINS LEITE DA SILVA
dc.contributor.advisor1ID.fl_str_mv 43119743704
dc.contributor.advisor1Lattes.fl_str_mv lattes.cnpq.br/6871556145533245
dc.contributor.advisor2.fl_str_mv ARMANDO MARTINS LEITE DA SILVA
dc.contributor.advisor2Lattes.fl_str_mv lattes.cnpq.br/6871556145533245
dc.contributor.advisor-co1.fl_str_mv ALEXANDRE PINTO ALVES DA SILVA
dc.contributor.advisor-co2.fl_str_mv ALEXANDRE PINTO ALVES DA SILVA
dc.contributor.referee1.fl_str_mv CARLOS EDUARDO PEDREIRA
dc.contributor.referee2.fl_str_mv ARMANDO MARTINS LEITE DA SILVA
dc.contributor.referee3.fl_str_mv ARMANDO MARTINS LEITE DA SILVA
dc.contributor.referee4.fl_str_mv PEDRO MAGALHAES GUIMARAES FERREIRA
dc.contributor.referee5.fl_str_mv PEDRO MAGALHAES GUIMARAES FERREIRA
dc.contributor.author.fl_str_mv JULIO CESAR STACCHINI DE SOUZA
contributor_str_mv ARMANDO MARTINS LEITE DA SILVA
ARMANDO MARTINS LEITE DA SILVA
ALEXANDRE PINTO ALVES DA SILVA
ALEXANDRE PINTO ALVES DA SILVA
CARLOS EDUARDO PEDREIRA
ARMANDO MARTINS LEITE DA SILVA
ARMANDO MARTINS LEITE DA SILVA
PEDRO MAGALHAES GUIMARAES FERREIRA
PEDRO MAGALHAES GUIMARAES FERREIRA
description Na supervisão em tempo-real de sistemas de potência é fundamental que as informações recebidas do sistema de aquisição de dados não contenham erros. As decisões tomadas durante a operação do sistema se baseiam em análise que utilizam uma base de dados supostamente confiável. A presença de erros nos dados compromete as análises realizadas conseqüentemente as decisões tomadas a partir delas, podendo ocasionar problemas para a operação do sistema. Este trabalho propõe um novo método para a identificação de erros nos dados na supervisão em tempo-real de sistemas de potência. Técnicas de projeção de dados baseadas no mapa de Kohonen são utilizadas para mostrar que as inovações normalizadas, obtidas no estimadores de estado com capacidade de previsão, apresentam excelente capacidade de discriminação de erros quando comparadas a outras variáveis tais como medidas cruas e resíduos normalizados. É proposto um método que trata o problema de identificação de erros de dados como um problema de reconhecimento de padrões, onde as inovações normalizadas são utilizadas como variáveis de entrada para uma rede neural plástica que é responsável por identificar o erro presente. O método é capaz de tratar de forma integrada erros grosseiros nas medidas de erros topológicos envolvendo ramos de transmissão ou barras. Método proposto é testado para várias condições de operação envolvendo os mais diversos tipos de erro, utilizando os sistemas IEEE 24-barras e IEEE 118-barras. O desempenho do método é avaliado e aspectos como eficiência computacional, capacidade de generalização e implementação em tempo-real, entre outros, são também discutidos.
publishDate 1996
dc.date.issued.fl_str_mv 1996-06-28
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8610@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8610@2
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8610@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8610@2
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.publisher.program.fl_str_mv PPG EM ENGENHARIA ELÉTRICA
dc.publisher.initials.fl_str_mv PUC-Rio
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1748324888521736192