El Filtro Extendido de Kalman en la Estimación de Estado Dinámica de Sistemas Eléctricos de Potencia

  • Holger Ignacio Cevallos Ulloa Escuela Superior Politécnica del Litoral - ESPOL
  • Gabriel Intriago Escuela Superior Politécnica del Litoral - ESPOL
  • Douglas Plaza Escuela Superior Politécnica del Litoral - ESPOL
  • Roger Idrovo Escuela Superior Politécnica del Litoral - ESPOL
Palabras clave: Estimación de estados, Sistemas eléctricos de potencia, Filtro extendido de Kalman, Alisado exponencial lineal de Holt, Índices de performance, Caso de prueba IEEE de 14 barras, Caso de prueba IEEE de 30 barras

Resumen

La estimación de estado y el análisis de flujo de carga son tópicos muy importantes en el análisis y control de un Sistema Eléctrico de Potencia (SEP). Este artículo describe la estimación de estados usando el Filtro Extendido de Kalman (EKF) y el método de Holt para linealizar el modelo del proceso y entonces calcular el índice de error del rendimiento del filtro como un indicador de su exactitud. Además, este índice de error calculado puede ser usado como una referencia en posteriores estudios de comparación entre diferentes metodologías usadas en la estimación de estados en SEP tales como el Unscented Filtro de Kalman, el Ensemble Filtro de Kalman, métodos de Montecarlo, y otros.  Los resultados del índice de error obtenidos en el proceso de simulación están de acuerdo al orden de magnitud esperado y el comportamiento del filtro es adecuado ya que sigue adecuadamente al valor verdadero de las variables de estado. La simulación fue realizada usando Matlab y el sistema eléctrico usado corresponde a los sistemas de prueba IEEE de 14 y 30 barras. Las variables de estado a considerar en este estudio son la magnitud del voltaje.

Descargas

La descarga de datos todavía no está disponible.

Citas

Alhalali, S.M.O., and Elshatshat, R.A. (2015). “State Estimator for Electrical Distribution Systems Based on a Particle Filter”. 2015 IEEE Power & Energy Society General Meeting, p. 1-5. http://dx.doi.org/10.1109/PESGM.2015.7286398
Debs, A.S., and Larson, R.E. (1970). “A Dynamic Estimator for Tracking the State of a Power System”. IEEE Transactions on Power Apparatus and Systems, PAS-89(7), p. 1670-1678. http://dx.doi.org/10.1109/TPAS.1970.292822
Huang, Y.F., Werner, S., Huang J., Kashyap N., and Gupta V. (2012). “State Estimation in Electric Power Grids: Meeting New Challenges Presented by the Requirements of the Future Grid”. IEEE Signal Processing Magazine, 29(5), p. 33-43. http://dx.doi.org/10.1109/MSP.2012.2187037
Leite da Silva, A.M., Do Coutto Filho, M.B., and De Queiroz, J.F. (1983). “State forecasting in electric power systems”. IEEE Proceedings C – Generation, Transmission and Distribution, 130(5), p. 237-244. http://dx.doi.org/10.1049/ip-c:19830046
Nguyen, H., Venayagamoorthy, G., Kling, W. and Ribeiro, P. (2013). Dynamic state estimation and prediction for real-time control and operation. Power Systems Conference (PS13). Technische Universiteit Eindhoven.
Schweppe, F., and Wildes, J. (1970). “Power System Static-State Estimation, Part I: Exact Model”. IEEE Transactions on Power Apparatus and Systems, PAS-89(1), p. 120-125. http://dx.doi.org/10.1109/TPAS.1970.292678. Recuperado de htttp://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=4074022 (accedido el 20/02/2018).
Sharma, A., Srivastava, S.C., and Chakrabarti, S. (2017). “A Cubature Kalman Filter Based Power System Dynamic State Estimator”. IEEE Transactions on Instrumentation and Measurement, 66(8), p. 2036-2045. http://dx.doi.org/10.1109/TIM.2017.2677698
University of Washington. (1993). “IEEE 14 bus test case”. Recuperado de http://www2.ee.washington.edu/research/pstca/pf14/ieee14cdf.txt (accedido el 20/03/2018).
Valverde, G., and Terzija, V. (2011). “Unscented kalman filter for power system dynamic state estimation”. Generation, Transmission & Distribution IET, 5(1), p. 29-37. http://dx.doi.org/10.1049/iet-gtd.2010.0210.
Zanni. L., Le Boudec, J.Y., Cherkaoui, R., and Paolone, M. (2017). “A Prediction-Error Covariance Estimator for Adaptive Kalman Filtering in Step-Varying Processes: Application to Power-System State Estimation”. IEEE Transactions on Control Systems Technology, 25(5). http://dx.doi.org/10.1109/TCST.2016.2628716.
Publicado
2018-12-21
Cómo citar
Cevallos Ulloa, H., Intriago, G., Plaza, D., & Idrovo, R. (2018). El Filtro Extendido de Kalman en la Estimación de Estado Dinámica de Sistemas Eléctricos de Potencia. Enfoque UTE, 9(4), pp. 120 - 130. https://doi.org/https://doi.org/10.29019/enfoqueute.v9n4.407
Sección
Automatización y Control, Telecomunicaciones, Mecatrónica, Electromecánica, Automotriz, ...