Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potência

Detalhes bibliográficos
Autor(a) principal: Ascari, Larah Brüning
Data de Publicação: 2022
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/235604
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2022.
id UFSC_ab4b467da05ad2350bff99ac8dc99a7d
oai_identifier_str oai:repositorio.ufsc.br:123456789/235604
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potênciaEngenharia elétricaSistemas de energia elétricaTese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2022.A estimação de estados consolida-se como uma das ferramentas fundamentais para operação em tempo real de sistemas elétricos de potência. Seu principal propósito é fornecer aos centros de operação, estimativas atualizadas que retratem as condições de operação da rede elétrica. Seja qual for a estratégia de estimação adotada, os algoritmos devem ser capazes de fornecer estimativas aderentes ao real estado operativo da rede, mesmo em condições adversas, como na presença de medições contaminadas por erros de elevadas magnitudes. Para lidar com esse problema, estimadores convencionais são dotados de etapas específicas para detecção, identificação, e remoção de dados espúrios. Em anos recentes, abordagens de estimação baseadas no critério de máxima correntropia (CMC) surgem como alternativas mais sofisticadas, pois apresentam propriedades naturais de resiliência contra efeitos causados por erros grosseiros. A adoção do CMC permite que a supressão de dados discrepantes ocorra ao longo do processo de estimação, dispensando etapas dedicadas exclusivamente a este fim. As medidas elétricas que subsidiam os processos de estimação de estados são convencionalmente coletadas por meio do sistema de supervisão SCADA. Entretanto, Unidades de Medição Fasorial Sincronizada (PMUs) constituem uma tecnologia em ascensão que disponibiliza uma nova classe de medições, cuja elevada qualidade desperta interesse às aplicações em estimação de estados. Nesse contexto, são propostas arquiteturas híbridas de fusão de estimativas. Através de um modelo em dois estágios, arquiteturas de fusão permitem incluir novas classes de dados, e em especial medidas provenientes de PMUs, fortalecendo o processo de estimação, sem demandar a exclusão dos bem consolidados estimadores SCADA. No primeiro estágio da arquitetura, estimadores individuais adaptados a cada classe de dados efetuam o processamento inicial das medidas. Em uma segunda etapa, as estimativas resultantes do estágio anterior são combinadas de maneira otimizada em um módulo de fusão, classicamente fundamentado em princípios que visam a minimização da variância dos erros de estimação. Neste paradigma clássico, o processamento de erros grosseiros está limitado à atuação dos estimadores do primeiro estágio da arquitetura de fusão. Na hipótese de que medidas espúrias passem despercebidas pelos estimadores individuais, as estimativas contaminadas produzidas no primeiro estágio irão inevitavelmente afetar o resultado final da fusão, caso não exista uma segunda linha de defesa contra os dados espúrios. Com o intuito de promover maior robustez contra dados discrepantes em arquiteturas de fusão, a presente tese introduz uma formulação fundamentada na função correntropia para constituir um novo módulo de fusão de estimativas. Na ausência de erros grosseiros, a metodologia de fusão baseada no CMC apresenta total equivalência à formulação clássica. Para além dessa compatibilidade, a estratégia proposta atribui uma função extra ao módulo de fusão, que passa a representar uma camada ativa de proteção contra dados espúrios nos casos em que erros grosseiros não foram devidamente filtrados pelos estimadores do primeiro estágio da arquitetura. Aplicações para a nova fusão de estimativas a sistemas elétricos de potência são estudadas supondo a disponibilidade de duas e três classes de estimativas. Uma ampla avaliação sobre o desempenho da arquitetura proposta é realizada a partir de diversos experimentos conduzidos em quatro sistemas-teste de referência do IEEE.Abstract: State estimation constitutes a main functionality in electrical power systems real-time operation. Its purpose is to provide updated state estimates that characterize the current operating conditions of the electrical network. Even under adverse conditions such as the occurrence of gross measurements, state estimation algorithms must produce reliable estimates that reflect the network actual operational state. To accomplish that, conventional estimators are equipped with specialized steps for detection, identification, and removal of bad data. In the past few years, Maximum Correntropy Criterion (MCC) approaches have emerged as sophisticated alternatives to conventional estimators that exhibit natural properties of resilience against the harming effects of outliers. The adoption of such a criterion allows the suppression of bad data during the estimation process itself, thus doing away with dedicated steps for that purpose. Electrical measurements that feed state estimation processes are conventionally gathered by the SCADA supervisory system. However, the emergence of Synchronized Phasor Measurement Units (PMUs) provides a new class of measurements, whose superior quality encourages novel state estimation applications. In this context, hybrid estimation fusion architectures have been recently proposed. By employing a two-stage model, those architectures allow the inclusion of new data sources such as PMU-measurements, without requiring the exclusion of well-established SCADA estimators. In the first stage, individually customized estimators are employed to process each distinct class of measurements. As a second step, estimates resulting from the previous stage are optimally combined in a fusion module, which is classically based on minimum variance principles. According to the conventional fusion paradigm, bad data processing is limited to the performance of first-stage estimators. In case gross measurements pass unnoticed through first stage individual estimators, final fusion results will inevitably be also contaminated, as there is no second layer of defense against spurious data. To reinforce fusion architectures robustness against outliers, this thesis introduces a new fusion framework based on the maximum correntropy criterion. In the absence of gross errors, the fusion via MCC approach is completely equivalent to the classical minimum variance criterion. In addition to that, however, the proposed strategy equips the fusion module with an extra functionality, namely, to play the whole of an active layer of protection against inconsistent data, whenever gross errors are not properly filtered by the first-stage estimators. The proposed approach is applied to power systems by considering two and three distinct classes of estimates as inputs to the fusion module. The performance of the fusion via MCC architecture is evaluated through several experiments conducted on four IEEE test systems.Costa, Antonio José Alves SimõesUniversidade Federal de Santa CatarinaAscari, Larah Brüning2022-06-13T23:15:57Z2022-06-13T23:15:57Z2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis120 p.| il., gráfs.application/pdf376552https://repositorio.ufsc.br/handle/123456789/235604porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2022-06-13T23:15:57Zoai:repositorio.ufsc.br:123456789/235604Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732022-06-13T23:15:57Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potência
title Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potência
spellingShingle Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potência
Ascari, Larah Brüning
Engenharia elétrica
Sistemas de energia elétrica
title_short Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potência
title_full Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potência
title_fullStr Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potência
title_full_unstemmed Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potência
title_sort Fusão de estimativas resiliente a erros grosseiros baseada no critério de máxima correntropia com aplicação na estimação de estados híbrida em sistemas elétricos de potência
author Ascari, Larah Brüning
author_facet Ascari, Larah Brüning
author_role author
dc.contributor.none.fl_str_mv Costa, Antonio José Alves Simões
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Ascari, Larah Brüning
dc.subject.por.fl_str_mv Engenharia elétrica
Sistemas de energia elétrica
topic Engenharia elétrica
Sistemas de energia elétrica
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2022.
publishDate 2022
dc.date.none.fl_str_mv 2022-06-13T23:15:57Z
2022-06-13T23:15:57Z
2022
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 376552
https://repositorio.ufsc.br/handle/123456789/235604
identifier_str_mv 376552
url https://repositorio.ufsc.br/handle/123456789/235604
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.format.none.fl_str_mv 120 p.| il., gráfs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652037051645952

Registros relacionados