Untitled - Programa de Engenharia Elétrica - UFRJ

Capítulo 2 – Estimação de Estado em Sistemas Elétricos
velho
zi
é o valor ajustado da medida no passo anterior. Adicionalmente, após o
término da identificação dos erros grosseiros, é necessário realizar algumas
re-estimações adicionais repetindo o processo de ajuste de
novo
z
i
, descrito
acima, de forma a garantir a minimização e a estabilização do índice Jx. Isso
se traduz, na prática, na introdução de um critério de parada adicional nos
estimadores de estado que utilizam essa técnica, associado com a estabilização
do índice Jx entre duas re-estimações sucessivas.
2.2.2.1. Identificação de Múltiplos Erros Grosseiros
No caso de múltiplos erros grosseiros, desde que eles não sejam interativos e
conformativos, o critério de identificação baseado no resíduo normalizado, descrito na
subseção anterior, pode ser utilizado (ABUR et al., 2004). A identificação pode ser
realizada através da aplicação sucessiva do critério do resíduo normalizado máximo,
removendo um erro grosseiro a cada etapa do processo.
O tratamento dos erros grosseiros pode apresentar algumas variantes na sua
implementação, principalmente no cálculo da matriz de covariância dos resíduos Ω ,
em função do método de solução do sistema de equações lineares que estiver sendo
utilizado. VEMPATI et al. (1991) apresentam um algoritmo seqüencial de
identificação de múltiplos erros grosseiros para o método de transformações
ortogonais. WU et al. (1988) e NUCERA et al. (1993) detalham o tratamento de erros
grosseiros para o método do Lagrangeano Aumentado. KOTIUGA et al. (1982),
FALCÃO et al. (1988) e ABUR (1990) detalham o tratamento de erros grosseiros no
método do mínimo valor absoluto (LAV).
Em XIANG et al. (1982 e 1984) os autores descrevem um método alternativo
para detectar e identificar múltiplos erros grosseiros. Nesse método o conjunto de
medidas é particionado em dois grupos: um contendo as medidas isentas de erros
grosseiros, e o outro contendo as medidas suspeitas de conterem erros grosseiros. A
formação do grupo de medidas suspeitas é baseada em duas técnicas: a pesquisa de
medidas nas quais ocorreu uma brusca variação de valor entre duas varreduras
sucessivas, e a adição de pseudo-medidas obtidas dos valores estimados na última
28