Estimación de estados en sistemas eléctricos de potencia

Guardado en:

Detalles Bibliográficos
Autor principal:	Cevallos Ulloa, Holger Ignacio
Otros Autores:	Plaza Guingla, Douglas
Publicado:	2022
Materias:	Ensemble Kalman Filter Extended Kalman Filter Filtro de Kalman Máquinas síncronas Particle Filter Tecnología eléctrica Weight Least Square
Acceso en línea:	https://bdigital.uncu.edu.ar/fichas.php?idobjeto=20172

date_str_mv	2022-01-01
autor_str_mv	Cevallos Ulloa, Holger Ignacio
todos_str_mv	Director/a Doctor/a en Ingeniería Doctorado en Ingeniería UNCuyo FI Universidad Nacional de Cuyo
description_str_mv	En este manuscrito se considera la estimación de estados estática en sistemas eléctricos de potencia en los cuales se simula la dinámica del sistema a nivel de las cargas modificando las mismas en incrementos porcentuales del 5 al 30 % para luego observar el comportamiento de las técnicas de estimación: Mínimos Cuadrados Ponderados (WLS), el Filtro Extendido de Kalman (EKF) y el Filtro de Partículas (PF) para extraer resultados comparativos de la performance de estas técnicas observando los valores de magnitud de voltajes y ´ángulos de fase en las barras del sistema. El sistema de potencia sobre los que se harán estos estudios son los sistemas de casos de prueba de la IEEE de 14 y 30 barras. Posteriormente se presenta el Filtro de Partículas (PF) y el Filtro de Ensamble de Kalman (EnKF) para analizar el comportamiento dinámico de las máquinas síncronas, en los cuales se estima el valor de variables de estado como la velocidad angular, la variación transigente de los voltajes de los ejes en cuadratura de las máquinas sincrónicas en un periodo de tiempo de 15 segundos. El sistema de potencia sobre los que se harán este estudio es el sistema de prueba de la IEEE de 14 barras modificado. Los resultados obtenidos del análisis efectuado en la estimación de estados del sistema casi estático, en el cual, se simula el sistema con una variación porcentual de la carga en determinadas barras, el estimador que presenta una mejor exactitud, pero un mayor tiempo computacional en el desarrollo de la simulación es el filtro de partículas. Los indicadores, definidos y considerados en este análisis, son el ´índice de error de estimación de la magnitud del voltaje en la barra n (εv(n)), el índice de error de estimación del ángulo del voltaje en la barra n (εθ(n)), y la media del error de estimación para cada paso k (ε(k)) y los tiempos de ejecución de los algoritmos. En la evaluación del rendimiento del EnKF y el PF, en la estimación dinámica de las variables de estados del sistema ante la presencia de una perturbación el PF presenta un mejor rendimiento. Los resultados obtenidos, se pueden explicar en el contexto que el sistema es no lineal y que el filtro de partículas por su naturaleza responde bien frente a la no linealidad del sistema sujeto a ruidos Gaussianos y no Gaussianos. En la estimación dinámica, a pesar de que, el EnKF en su desarrollo también introduce métodos numéricos de Monte Carlo, el PF presenta un mejor desempeño. El indicador utilizado para analizar el rendimiento, en este último caso, es la raíz del error cuadrático medio (RMSE).
descriptores_str_mv	Ensemble Kalman Filter Extended Kalman Filter Filtro de Kalman Máquinas síncronas Particle Filter Tecnología eléctrica Weight Least Square
titulo_str_mv	Estimación de estados en sistemas eléctricos de potencia
disciplina_str_mv	Ingeniería
contributor_str_mv	Plaza Guingla, Douglas
object_type_str_mv	Textual: Tesis
dependencia_str_mv	Facultad de Ingeniería
id	20172
plantilla_str	Tesis
record_format	Tesis
author2	Plaza Guingla, Douglas
author_facet	Plaza Guingla, Douglas Cevallos Ulloa, Holger Ignacio
tipo_str	textuales
type_str_mv	Tesis
title_full	Estimación de estados en sistemas eléctricos de potencia
title_fullStr	Estimación de estados en sistemas eléctricos de potencia Estimación de estados en sistemas eléctricos de potencia
title_full_unstemmed	Estimación de estados en sistemas eléctricos de potencia Estimación de estados en sistemas eléctricos de potencia
title	Estimación de estados en sistemas eléctricos de potencia
spellingShingle	Estimación de estados en sistemas eléctricos de potencia Ensemble Kalman Filter Extended Kalman Filter Filtro de Kalman Máquinas síncronas Particle Filter Tecnología eléctrica Weight Least Square Cevallos Ulloa, Holger Ignacio
topic	Ensemble Kalman Filter Extended Kalman Filter Filtro de Kalman Máquinas síncronas Particle Filter Tecnología eléctrica Weight Least Square
topic_facet	Ensemble Kalman Filter Extended Kalman Filter Filtro de Kalman Máquinas síncronas Particle Filter Tecnología eléctrica Weight Least Square
publishDate	2022
author	Cevallos Ulloa, Holger Ignacio
title_sort	Estimación de estados en sistemas eléctricos de potencia
title_short	Estimación de estados en sistemas eléctricos de potencia
url	https://bdigital.uncu.edu.ar/fichas.php?idobjeto=20172
estado_str	3
building	Biblioteca Digital
collection	Tesis
institution	Sistema Integrado de Documentación
indexed_str	2024-10-21 14:06
_version_	1813544616927952896

Estimación de estados en sistemas eléctricos de potencia

Ejemplares similares