TENDENCIAS EN LA SUPERVISIÓN EN TIEMPO REAL DE LA ESTABILIDAD DE PEQUEÑA SEÑAL DE SISTEMAS DE...

7/21/2019 TENDENCIAS EN LA SUPERVISIN EN TIEMPO REAL DE LA ESTABILIDAD DE PEQUEA SEAL DE SISTEMAS DE POTE

1/9

*[email protected]

TENDENCIAS EN LA SUPERVISIN EN TIEMPO REAL DE LA ESTABILIDAD DEPEQUEA SEAL DE SISTEMAS DE POTENCIA

C.A. JUREZ*(1)(2) D.G. COLOM(1)(1)Instituto de Energa Elctrica-Universidad Nacional de San Juan

Argentina(2)Becario del programa regional del DAAD (Servicio Alemn de

Intercambio Acadmico)

Resumen En este trabajo se presenta el anlisis de los mtodos empleados actualmente para la

supervisin y evaluacin en tiempo real de la estabilidad de pequea seal (EPS). Se realiza un estudio del

estado del arte identificando las caractersticas ms sobresalientes de los mtodos empleados para

determinar la presencia de oscilaciones electromecnicas de baja frecuencia en el sistema. Entre los que se

destacan los mtodos basados en el procesamiento de mediciones sincrofasoriales (PMU). Es por ello que se

propone en este trabajo un modelo para la simulacin del sistema elctrico y del sistema de adquisicin y

procesamiento de mediciones fasoriales implementado en el programa de anlisis de transitorios

electromagnticos (ATP). Se aplica el modelo al estudio de la estabilidad de pequea seal de un sistema de

dos reas, se obtienen las mediciones fasoriales de tensin y corriente, se las procesa y analiza con los

mtodos Prony y Multiprony con el objetivo de determinar los modos oscilatorios poco amortiguados, loscuales son comparados con los obtenidos por un programa de estudio de transitorios electromecnicos. El

anlisis realizado permite identificar la influencia de la medicin PMU, del tipo de magnitud medida y de la

ventana de tiempo analizada en los valores de frecuencia y amortiguamiento calculados.

Palabras clave:Estabilidad de pequea seal Mediciones Sincrofasoriales PMU Prony Kalman WAMS Transformada de Hilbert ATP

1 INTRODUCCIN

La desregularizacin del mercado, el envejecimiento y deficiencia de la expansin de la red de transmisin, ylas restricciones medioambientales junto a otras restricciones de operacin han llevado a los Sistemas

Elctricos de Potencia (SEPs) a operar cerca de sus lmites y a utilizar todos sus componentes mseficientemente [1]. Estas condiciones de estrs a las que se ve sometido el SEP pueden causar oscilacionescon amplitudes con pobre amortiguacin o no amortiguadas capaces de conducir a la separacin del sistemaelctrico por actuacin de los sistemas de proteccin, con lo cual aumentan las probabilidades de efectuarcortes de carga y de que el sistema evolucione hacia un colapso total [2]. Por lo tanto existe la necesidad deposeer una herramienta de evaluacin, en tiempo real, de los modos oscilatorios crticos, de manera que eloperador tenga informacin suficiente para decidir acciones sobre el SEP cuando se presenten oscilacionesque puedan ser perjudiciales para la estabilidad del sistema.El presente trabajo est organizado de la siguiente manera: en la seccin 2 se estudian dos caminosalternativos para evaluar en tiempo real la estabilidad de pequea seal del sistema de potencia, el primero sebasa en la simulacin del SEP y el segundo emplea mediciones PMU (Phasor Measurements Units) lascuales actualmente se encuentran muy difundidas en importantes sistemas de potencia [12]. El sistema de

mediciones PMU genera mediciones fasoriales de tensin y corriente que utilizan la seal de GPS (GlobalPositioning System) para sincronizar las muestras, lo que permite tener la misma referencia para todas las

XIII ERIACDCIMO TERCER ENCUENTRO

REGIONAL IBEROAMERICANO DE CIGR

24 al 28 de mayo de 2009

Comit de Estudio C2 - Operacin y Control de Sistemas

XIII/PI-C2 -17Puerto Iguaz

Ar entina


2/9


3/9

3

3 SISTEMAS DE MEDICIN SINCROFASORIAL

La distribucin de los fasores de tensin y corriente a travs de la red es una de las informaciones msimportantes que dispone el operador para conocer el margen de operacin estable [1]. El conocimiento realy directo, en tiempo real, no simplemente estimado, de los fasores, mejorara la capacidad de respuesta de losoperadores y permitira el desarrollo de sistemas de previsin de inestabilidades y de respuesta automtica

ms rpidos y eficaces [6]. Es por ello que los especialistas proponen la implementacin de nuevasherramientas de monitoreo, control y proteccin en tiempo real utilizando tecnologas WAMS [1].

3.1 Descripcin y arquitecturaEl Wide Area Measurement System (WAMS) es un sistema de mediciones distribuidas en el SEP queinvolucra principalmente mediciones sincrofasoriales (PMUs), algoritmos avanzados de procesamientodigital de seales y una infraestructura capaz de proporcionar informacin dinmica del sistema. En generalesta tecnologa incluye aplicaciones de supervisin y control de la operacin del SEP en tiempo real [5, 8,11, 15, 16, 17]. Estos sistemas de medicin tambin se conocen como Sistemas de Medicin FasorialSincronizados (SPMS, Synchronous Phasor Measurements Systems). Los sistemas WAMS o SPMS como seobserva en la Fig. 1 estn constituidos principalmente por equipos de medicin (PMU), concentradores dedatos (PDC) y medios de comunicacin.

Unidades de Medicin Fasorial. (Phasor Measurements Units, PMU)Se define al sincrofasor, como un fasor calculado a partir de datos muestreados que utilizan una sealestndar de tiempo como referencia para el proceso de muestreo [7]. Las PMU utilizan como referencia detiempo la seal del sistema satelital GPS (Global Positioning System) [7], las formas de onda (tensin ycorriente) medidas por las PMU son caracterizadas por dos parmetros: amplitud y ngulo de fase relativo[9].En la actualidad los rels de proteccin y otros medidores tambin proveen mediciones fasorialessincronizadas [8].En la fig. 1 se muestra con un diagrama de bloques la arquitectura de un dispositivo PMU [9] compuesto porun filtro anti-aliasing o filtro de solapamiento usado para filtrar las seales con frecuencias superiores a latasa de Nyquist. El receptor GPS provee una seal de 1 pulso-por-segundo (PPS) y una etiqueta o marca detiempo que descripta en [7]. La seal PPS se divide, usualmente con un oscilador de sincronizacin de fase,en una secuencia de pulsos de ms alta frecuencia, que es utilizada por el convertidor A/D para el muestreode las seales analgicas [7]. El microprocesador se encarga de realizar el clculo de los fasores con algnalgoritmo recursivo de la transformada discreta de Fourier (DFT) [9]. A partir de las seales medidas en lastres fases se procede a obtener los fasores de secuencia positiva de la tensin y corriente [9]. Elmicroprocesador le agrega una marca o etiqueta de tiempo al fasor y adems le da un formato definido por lanorma IEEE 1344 [7], para luego transmitirlo al concentrador de datos (PDC, Phasor Data Concentrator). LaPMU genera salidas en submltiplos de la frecuencia nominal del sistema de potencia [10], tasas tpicas son10 o 25 fasores por segundo para 50Hz [10]. La seal GPS tiene una exactitud menor a 1 s incluido el errorde fuente de sincronizacin y el error del equipo receptor, esto corresponde a una exactitud angular de 0.022para un SEP de 60Hz y 0.018 para un SEP de 50Hz [7].

Fig. 1. Esquema de un sistema WAM o SPMS [1] y esquema de PMU [9]


4/9

4

Concentrador de DatosEl PDC (Phasor Data Concentrator) es el dispositivo que se encarga de recibir y correlacionar por medio delas etiquetas de tiempo los datos fasoriales de las PMU y de otros PDC (SuperPDC) para crear un conjuntode datos fasoriales de todo el sistema [1]. A continuacin, pone estos datos a disposicin de otrasaplicaciones y mantiene un registro interno que guarda todo el conjunto de datos si se detecta una

perturbacin en alguna PMU [1]. Medios de comunicacinEl canal fsico de comunicacin tiene requerimientos que dependen de la aplicacin y magnitud del flujo dedatos, los requisitos a tener en cuenta para su eleccin son: ancho de banda, nivel de disponibilidad delsistema y de los datos (es decir cuntos paquetes de datos perdidos es tolerable), distribucin de los datosentre usuarios, tipo de aplicacin [10].

3.2 Aplicaciones de las PMULa implantacin y uso de mediciones fasoriales sincronizadas, que proveen valores complejos de tensin ycorriente, tiene ventajas sobre la forma de medicin convencional que slo mide magnitudes [1], como eltradicional SCADA, con el cual el ngulo de los voltajes de la red se debe calcular con algoritmos deestimacin de estado. En cambio las mediciones sincrofasoriales proveen informacin ms directa y precisa

sin recurrir a clculos que dependen de los parmetros de la red [9]. Comparada con el sistema SCADA latasa de actualizacin de datos es ms alta, del orden de fracciones de segundo [7], los datos estnsincronizados en el tiempo [7] y pueden informar sobre el comportamiento dinmico del SEP [10]. La mayordesventaja que presentan es el requerimiento de un sistema de comunicacin moderno. Pases como EEUU,Canad, Mxico, Brasil, Francia, China, Espaa, Italia, Suiza, como se resume en [6, 12], han implementadoen sus SEPs aplicaciones de monitoreo, control y proteccin utilizando WAMS, por ejemplo, estimacin deestado, monitoreo de niveles trmicos de lneas, anlisis de estabilidad de tensin, monitoreo de oscilacionesde potencia entre interconexiones, validacin de software de simulacin, identificacin de parmetros ymodelos, entre otras [9, 12]. En [5, 11, 13] proponen la aplicacin de mediciones WAMS para la supervisiny evaluacin de los modos oscilatorios presentes en el SEP, mientras que en los trabajos [11, 14, 15] seemplea la informacin provista por los sistemas WAMS para mejorar la EPS, uno de los enfoques consisteen utilizar mediciones PMU como entrada a controladores auxiliares de dispositivos PSS [14, 15], de

dispositivos FACTS [11] y de HVDC [16]. Estos controladores auxiliares se implementan en esquemas decontrol centralizado, desde el centro de control o de forma local, en ambos enfoques el uso de medicionesPMU mejora la observabilidad de los modos presentes en el SEP.

4 EVALUACIN DE EPS EN TIEMPO REAL BASADA EN MEDICIONES PMU

La evaluacin de la estabilidad de pequea seal consiste en la estimacin y anlisis de la frecuencia y delamortiguamiento de los modos oscilatorios del SEP. Como se ha dicho anteriormente las PMU poseen unatasa de actualizacin de fasores, de 10 a 60 fasores por segundo [10], que permite el clculo directo de lafrecuencia y amortiguamiento de los modos sin necesidad de utilizar el modelo del sistema de potencia,evitando la simulacin y disminuyendo el tiempo computo. Entre los mtodos estudiados en la bibliografase destaca el uso del mtodo Prony [16, 17] siendo uno de los ms aceptados y difundidos, y por tanto objetode estudio en este trabajo. Tambin se analizan las metodologas basadas en el algoritmo del Filtro deKalman [21, 22] y en la transformada de Hilbert [24].4.1 Mtodo PronyEl anlisis Prony es una tcnica que utiliza la informacin en el dominio del tiempo para determinar lainformacin de los modos presentes en la seal: frecuencia, amortiguamiento, fase y amplitud [17]. Se asumeque la seal puede ser representada por el modelo de (1)

( 2 )

1

( ) . .i i ip

j j f n

i

i

x n A e e +

=

= (1)

El mtodo Prony, cuya formulacin matemtica se presenta en [18], construye un modelo autorregresivolineal discreto para ajustar los datos a una ecuacin lineal en el dominio del tiempo. Se calculan las races dela ecuacin caracterstica del modelo lineal obtenido y a continuacin se determina la amplitud y la fase de

cada uno de los modos presentes en la seal. El anlisis Prony es hoy en da el mtodo de mayor difusinpara el anlisis de las mediciones [11, 15, 17], debido a su eficiencia en la estimacin de las componentes de


5/9

5

la dinmica del sistema [20]. Se debe tener la precaucin de que el efecto de las no linealidades presentes enel SEP no invalide la hiptesis de linealidad del anlisis Prony. El anlisis Prony utiliza una sola entrada, unade las seales medidas, para la identificacin de mltiples salidas (SIMO, Single Input-Multiple Output), losnumerosos modos presentes en la seal.

4.2 Multi Prony

Cuando se analizan seales individuales en forma independiente a menudo se obtienen como resultadoestimaciones contrapuestas debido a los efectos del ruido. Trudnowski et al [19] proponen una simpleextensin del anlisis Prony que analiza mltiples seales simultneamente para obtener una serie deestimaciones. Este enfoque pretende proporcionar una mejora significativa en la exactitud de la estimacinde los modos. Quintero en sus tesis doctoral [11] utiliza Multi-prony para la evaluacin de los modos enlnea. La metodologa consiste en un anlisis Prony fuera de lnea que determina las seales que ofrecenmejor observabilidad de los modos presentes en el SEP [11], luego agrupa las seales para lograr que conpocas seales se puedan observar todos los modos crticos. Para la implementacin del anlisis Prony enlnea Quintero formula criterios de validacin de la estimacin del amortiguamiento: a) si la variacin netade la estimacin de dos subgrupos distintos de seales es inferior a un umbral 1, y b) si la variacin neta dela estimacin promedio de ventanas de tiempo consecutivas es menor a un umbral predefinido 2.

4.3 Tcnicas de Filtrado de KalmanEl Filtro de Kalman es un estimador ptimo recursivo y se utiliza para calcular el modelo lineal ptimo queestima el estado de un sistema dinmico desconocido en el dominio del tiempo discreto [21]. Esta tcnica esconveniente para el procesamiento digital en lnea por ejemplo datos con mucho ruido que se procesanrecursivamente [23]. Por su capacidad para manipular mediciones que cambian en el tiempo es extensa-mente utilizado en la estimacin de sistemas dinmicos [23]. En [21] se implementa el filtro adaptativo deKalman para determinar la frecuencia y amortiguamiento, el enfoque asume un modelo lineal en el dominiodel tiempo discreto con parmetros desconocidosa.La finalidad es estimar los valores deaque minimizan lafuncin objetivoJ, dada por la diferencia al cuadrado del valor pronosticado por Kalman menos el valor realmedido (por la PMU). Una vez obtenido el modelo en el dominio del tiempo-discreto, se transforma aldominio del tiempo-continuo y se calculan los auto-valores que definen el amortiguamiento y frecuencia delos modos dominantes. Segn Korba [21], el filtro adaptativo de Kalman es la herramienta ms adecuada

resolver recursivamente el problema de optimizacin J y calcular los valores a del modelo lineal por lassiguientes razones: se ha dado el mnimo error de pronstico, con un menor tiempo de estimacin medido encantidad de iteraciones hasta la convergencia, e incluso es menos sensible a la variacin de los parmetrosdel filtro en comparacin con la mayora de otros mtodos empleados, caracterstica que facilita susintonizacin [21]. ABB ha desarrollado una herramienta de monitoreo de oscilaciones en el sistema depotencia, que utiliza este enfoque para la evaluacin en tiempo real de los modos, el software calcula lafrecuencia, amplitud y amortiguamiento del modo ms crtico [22].

4.4 Transformada de HilbertLa aplicacin del algoritmo Prony se realiza bajo la hiptesis de que el sistema est en estado estacionario ypuede ser linealizado. Pero luego de un disturbio, el sistema est en un estado transitorio bajo la influencia denumerosas no-linealidades [24], lo que se ve reflejado en las mediciones PMU. Messina et al [13] consideran

este hecho, y proponen la utilizacin de la transformada de Hilbert para la evaluacin de los modos. Elanlisis espectral de Hilbert (HSA) es usado para caracterizar la evolucin en el tiempo de los modososcilatorios no-estacionarios del SEP despus de una gran perturbacin. Con las muestras o mediciones seobtiene la transformada de Hilbert, a estos resultados se aplica el mtodo de descomposicin emprica demodos (EMD), finalmente la seal es descompuesta en un nmero de componentes de funciones intrnsecasde modos (IMF) con amplitud y frecuencia variables en el tiempo. La ventaja de utilizar la transformada deHilbert y la descomposicin modal emprica es que permite la identificacin de modos en condicin noestacionaria [24]. Los estudios realizados demuestran que los resultados son comparables a los obtenidos conel mtodo Prony cuando el sistema se encuentra en un estado estacionario de operacin y adems permiteseguir la evolucin dinmica de los modos crticos durante la etapa transitoria. La desventaja que se le ve aeste mtodo es la precisin que tiene para distinguir dos modos con frecuencias cercanas y de amplitudcomparable [24].


6/9

6

v(t) de simulacin conATP

Procesamiento v(t) para obtener fasorV y seal RMS

i , fi

Resultados anlisisProny

5 EVALUACIN DE OSCILACIONES EN EL SISTEMA DE POTENCIA

5.1 Modelo del sistema elctrico para la adquisicin y procesamiento de mediciones PMUCon el objetivo de analizar el comportamiento de los mtodos para estimar los modos oscilatorios en suaplicacin con mediciones PMU se propone en este trabajo un modelo para la simulacin del sistemaelctrico y del sistema de adquisicin y procesamiento de mediciones fasoriales implementado en el

programa de anlisis de transitorios electromagnticos (Alternative Transient Program, ATP).Se utiliza el modelo del generador sncrono del ATP y con las herramientas TACS se modelan los sistemasde control de excitacin de cada uno de los generadores.A partir de la simulacin del sistema modelado en el ATP se obtienen las mediciones en el tiempo de tensiny corriente de las tres fases. Estas mediciones son procesadas por el dispositivo PMU modelado por eldiagrama de bloques de la Fig. 1, para obtener los valores fasoriales de tensin y corriente de secuenciapositiva. Finalmente se aplican los mtodos de anlisis de modos oscilatorios a las mediciones fasoriales y alas seales representativas de otras magnitudes elctricas de inters generadas a partir de las medicionesfasoriales. En la Fig. 2 se muestra un diagrama de bloque con la metodologa propuesta para realizar elanlisis modal a mediciones PMU.

Fig. 2 Metodologa propuesta para el anlisis modal de mediciones PMU

5.2 Aplicacin de la metodologa de anlisis modal de mediciones PMUSe aplica el modelo al anlisis modal basado en mediciones PMU del sistema de caracterstica radial con dosreas interconectadas por dos lneas largas y cuatro centrales de generacin distribuidas en ambas reas, Fig.3. Este sistema ha sido ampliamente utilizado en estudios de EPS [24].Se realiza la simulacin en ambiente ATP y se registran los valores de tensin y corriente en el tiempo de lastres fases, con una frecuencia de muestreo es 1000 muestras/segundo. Se calculan los fasores, se los procesay analiza con los mtodos Prony y Multiprony [26] con el objetivo de determinar los modos oscilatorios pocoamortiguados. En la Fig. 4 se muestra la seal de tensin obtenida de la simulacin con el ATP, lareconstruccin del valor RMS de la tensin a partir de los fasores y el resultado del anlisis Prony, fiy i.,frecuencia y amortiguamiento de los modos poco amortiguados.Con el objetivo de verificar los resultados obtenidos al aplicar el anlisis modal a mediciones PMU semodela el sistema elctrico de la Fig.3 las funciones del programa PST (Power Systems Toolbox) quecalcula transitorios electromecnicos y es utilizado para el estudio por simulacin de EPS [25]. Se emplea elmodelo subtransitorio del generador y un sistema de control de excitacin simple en cada generador. Selinealiza el modelo del sistema alrededor de un punto de operacin definido por un clculo de flujo de cargapara obtener la matriz de estado del modelo y as calcular los auto-valores que representan los modos OBF.

Fig. 3 Diagrama unifilar del sistema de potencia en estudio

Fig. 4. Mediciones obtenidas a travs del ATP

G1

G2 G4

G3110

20 3 101 13 120110 11

122

C101C3

L3 L13

C13

Area 1 Area 2


7/9

7

En la Tabla I se han volcado la frecuencia y el amortiguamiento relativo correspondiente a los modos inter-rea y locales poco amortiguados calculados con funciones del PST [25].

Se realiza el anlisis Prony a las seales demagnitud de tensin, magnitud corriente yla potencia activa de cada uno de los generadores obteniendo la frecuencia y amortiguamiento de los modospresentes en el sistema de potencia. En las Tablas II y III se presentan los resultados del anlisis Prony [26]para la metodologa propuesta basada en PMU y para la simulacin del sistema utilizando el programa PST.Se han descartado los modos muy amortiguados, con amortiguamiento mayor al 15%, y los modos de muybaja amplitud, menor a un dcimo de la mayor amplitud de los modos crticos. Se ha utilizado una ventanade 5s, Tabla II, y otra de 10s, Tabla III. En laTabla IV se presentan los resultados del anlisis multiProny conuna ventana de 5 s.

En la Tabla II se observa que el modo inter-rea con amortiguamiento negativo es identificado con el anlisisProny realizado en base a mediciones PMU y con seales del PST. La comparacin de los valores defrecuencia y amortiguamiento, Tabla II, muestra que el anlisis Prony basado en mediciones PMU entregaresultados muy aproximados a los del anlisis Prony aplicado a seales de la simulacin con el PST y a losautovalores calculados con la linealizacin del modelo del PST, Tabla I. Por lo que aplicar el anlisis Prony amediciones PMU conduce a resultados razonablemente aceptables. Se observa que el anlisis Pronyrealizado a la magnitud de la tensin del generador 2, Tabla II, conduce a un amortiguamiento errneamentepositivo, resultado que es superado al aplicar el anlisis MultiProny al conjunto de las tres variables delgenerador, Tabla IV. La importancia de la duracin de la ventana de tiempo en la que se aplica el anlisisProny queda en evidencia si se comparan los resultados de las Tablas II y III. Con una ventana de 10 s seobtienen resultados no vlidos en la potencia del generador 4 en la cual no se identifica el modo inter-rea.

6 CONCLUSIONES

Se ha presentado un anlisis de la tendencia actual para el monitoreo en tiempo real de la EPS durante laoperacin del SEP. Se analizaron diferentes propuestas para estimar la presencia de modos oscilatorios noamortiguados o poco amortiguados en el SEP. Las metodologas basadas en mediciones directas del SEP sepresentan como ms atractivas frente a las que requieren la simulacin del SEP mediante herramientas CI.Los resultados de la aplicacin del mtodo Prony con mediciones PMU muestran que el mtodo es adecuadopara la evaluacin en tiempo real de las OBF. Sin embargo existen varios aspectos a definir para asegurar subuen comportamiento: duracin de la ventana de tiempo de anlisis, seleccin de la variable o conjunto devariables a utilizar para el clculo, y que el sistema opere en estado estacionario. Condicionamientos queconducen a estudiar otros mtodos alternativos para identificar OBF a partir de mediciones PMU, como latransformada de Hilbert que contempla la no-linealidad del sistema y el procesamiento en estado transitorio.Todo esto muestra que la supervisin y evaluacin en tiempo real de la EPS es un tema an no resuelto en el

que es necesario seguir investigando.

TABLA II. RESULTADOS ANALISIS PRONY (VENTANA 5s)

ATP Simulacin PST

Frecuencia(Hz)

Amortiguamiento Frecuencia (Hz) Amortiguamiento

CORRIENTE 0.544 -5.32% 0.526 -4.43%

TENSION 0.517 3.91% 0.526 -4.46%GEN2

POTENCIA 0.544 -5.08% 0.526 -4.44%

CORRIENTE 0.546 -5.43% 0.532 -5.71%

TENSION 0.544 -5.40% 0.525 -4.43%GEN4

POTENCIA 0.545 -5.44% 0.525 -5.27%

TABLA I. CARACTERSTICAS DE LOSMODOS DEL SISTEMA DE LA FIG. 3.

Modo Frecuencia (Hz) Amortiguamiento Tipo

1 0.526 -4.44% Inter-rea

2 0.991 7.05% Local rea 1

3 1.029 6.78% Local rea 2

TABLA III. RESULTADOS ANALISISPRONY (VENTANA 10S)

ATP

Frecuencia (Hz)Amortiguamient

o

CORRIENTE 0.547 -5.45%

TENSION 0.547 -5.47%GEN2

POTENCIA 0.546 -5.19%

CORRIENTE 0.547 -5.40%

TENSION 0.546 -5.51%GEN4

POTENCIA - -

TABLA IV. RESULTADOS ANALISIS MULTIPRONY(GRUPOS DE SEALES POR GENERADOR) (VENTANA 5s)

ATP Simulacin PST

Frecuencia (Hz)

AmortiguamientoFrecuencia

(Hz)Amortiguamiento

(%)

GEN2 0.545 -5.52% 0.496 4.27%

1.096 3.36%GEN4 0.546 -5.52%

0.543 -2.78%


8/9

8

7 REFERENCIAS

[1] C. Martinez , J. Parashar, J. Dyer, and J. Coroas. Phasor Data Requirements for real time Wide-AreaMonitoring, Control and Protection Applications CERTS/EPG, Jan 2005.

[2] Prabha Kundur, Power System Stability and Control, New York:McGrawHill, 1994, 1176 p[3] Simon P. Teeuwsen, Oscillatory Stability Assessment of Power Systems using Computational

Intelligence. Tesis Doctoral, Universitt Duisburg-Essen, Mrz 2005.[4] IEEE standard for SCADA and automation systems. IEEE Std C37.1-2007 (revision of IEEE Std

C37.1-1994), 2008. www.ieee.org[5] J. Hauer, D. Trudnowski, and J. DeSteese. A Perspective on WAMS Analysis Tools for Tracking of

Oscillatory Dynamics. IEEE Power Engineering Society General Meeting 2007, pp. 1-10, Jun. 2007[6] W. Sattinger, J. Bertsch, and P. Reinhardt. Operational Experience with Wide Area Monitoring

Systems. CIGR 2006 Session Paris, 2006. www.abb.com[7] IEEE Standard for Synchrophasors for Power Systems. IEEE Std C37.118-2005 (revision of IEEE

Std 1344-1995), 2005. www.ieee.org[8] E.O. Schweitzer and D.E. Whitehead, Real-Time Power System Control Using Synchrophasors,

61st Annual Conference for Protective Relay Engineers, pp. 78-88, Apr. 2008.

[9] A.G. Phadke, Synchronized phasor measurements - a historical overview. In Transmission andDistribution Conference and Exhibition 2002: Asia Pacific. IEEE/PES, vol.1, pp. 476-479, Oct. 2002.[10] Mark Adamiak, W. Premerlani, and B. Kasztenny. Synchrophasors: Definition, Measurement, and

Application GE Multilin Publications, pp 1-13, Mar. 2005. http://www.geindustrial.com[11] Jaime Quintero, A real-time wide-area control for mitigating small-signal instability in large electric

power systems. Tesis Doctoral, Washington State University, May. 2005.[12] Assessment of Applications and Benefits of Phasor Measurement Technology in Power Systems:

GE Power Syst. Eng., EPRI Final Rep., Apr. 1997 http://www.epriweb.com/public/TR-107903.pdf.[13] A.R. Messina, and V. Vittal. Nonlinear, non-stationary analysis of interarea oscillations via Hilbert

spectral analysis. IEEE Transactions on Power Systems, vol 21, Issue. 3, pp.1234-1241, Aug. 2006.[14] Y. Zhang and A. Bose. Design of Wide-Area Damping Controllers for Interarea Oscillations. IEEE

Transactions on Power Systems, vol. 23, Issue. 3, pp. 1136-1143, Aug. 2008.

[15] D. Dotta, A. S. e Silva, and I. C. Decker. Power System Small-Signal Angular Stability Enhancementusing Synchronized Phasor Measurements.IEEE Power Engineering Society General Meeting, 2007.pp. 1-8, Jun. 2007.

[16] Guoping Liu, Jaime Quintero, and Vaithianathan Mani Venkatasubramanian. Oscillation monitoringsystem based on wide area synchrophasors in power systems, 2007 iREP symposium Bulk PowerSystem Dynamics and Control - VII. Revitalizing Operational Reliability, pp. 1-13, Aug. 2007.

[17] Jinyu Xiao, Xiaorong Xie, Yingduo Han, and Jingtao Wu. Dynamic tracking of low-frequencyoscillations with improved Prony method in wide-area measurement system. 2004. IEEE PowerEngineering Society General Meeting, Vol.1 pp.1104-1109, Jun. 2004.

[18] D.J. Trudnowski, J.M. Johnson, and J.F. Hauer, SIMO system identification from measuredringdowns, Proceedings of the 1998 American Control Conference. vol.5, pp. 2968-2972, Jun. 1998.

[19] D.J. Trudnowski, J.M. Johnson, and J.F. Hauer. Making Prony analysis more accurate using multiple

signals. IEEE Transactions on Power Systems, Vol. 14, Issue. 1, pp. 226-231, Feb. 1999.[20] T.J. Browne, V. Vittal, G.T. Heydt, and A. R. Messina. A Comparative Assessment of Two

Techniques for Modal Identification From Power System Measurements. IEEE Transactions onPower Systems, vol. 23, Issue 3, pp. 1408-1415. 2008

[21] P. Korba, M. Larsson, and C. Rehtanz. Detection of oscillations in power systems using Kalmanfiltering techniques. IEEE Conference on Control Applications, 2003. Proceedings of 2003, vol.1,pp.183-188, Jun. 2003.

[22] www.abb.com[23] E. Feilat and N. Younan, On-line adaptive assessment of the synchronizing and damping torque

coefficients using Kalman filtering, IEEE Proceedings Southeastcon '99, pp. 145-148. Mar. 1999.[24] G. Rogers, Power System Oscillations, Kluwers Power Electronic and Power Systems Series, Series

Editor: M.A. Pai, Canada. 2000.[25] Joe Chow, and G. Rogers, Power System Toolbox Version 3.0, Cherry Tree Scientific Software, 2008.


9/9

9

[26] BPA/PNNL Dynamic Systems Identification (DSI) Toolbox: Version 3.0.4, Battelle MemorialInstitute, 1998.

TENDENCIAS EN LA SUPERVISIÓN EN TIEMPO REAL DE LA ESTABILIDAD DE PEQUEÑA SEÑAL DE SISTEMAS DE...

Documents

Transcript of TENDENCIAS EN LA SUPERVISIÓN EN TIEMPO REAL DE LA ESTABILIDAD DE PEQUEÑA SEÑAL DE SISTEMAS DE...