Estimador de Estado Lineal Dinámico Basado en Mediciones Fasoriales
Jaime De La Ree
Virginia Tech
Noviembre 20, 2013
Medellin, Colombia
Tópicos
• Estimador de Estado Convencional en sistemas de
• Sincrofasores
• Estimador Lineal Trifásico
• Detección de datos falsos y validación de datos
• Calibración de Sensores
• Perspectivas
1965 Northeast Blackout
• Al igual que después del apagón del 2003, estudios largos y muchas recomendaciones. Muchos casos de ignorancia por parte de los operadores. Muchas recomendaciones no implementadas.
• Resultado: Centros de Control dedicados a sistemas de manejo de energía (EMS)
EL sistema SCADA fue instalado en subestaciones para medir los flujos de potencia, real y reactiva en las líneas, y las inyecciones de potencia real y reactiva de los generadores y las cargas. El sistema muestreaba en forma secuencial a todas las estaciones. Se requería de tiempos de varios minutos lo que hoy en día se hace en pocos segundos.
El “Estado” del sistema de potencia es el grupo de voltajes (Magnitud y ángulo) de todos y cada uno de los “Nodos” del sistema Las mediciones son de valores que representan funciones no-lineales del “estado” S=P+jQ=E I*
z - mediciones de flujos e inyecciones de potencia – real y reactiva
x – “estado” voltajes (magnitud y ángulo)
SCADA supervisory control and data acquisition- Stuxnet a SCADA virus
)(xfz
Estimador de Estado Estático
• Asume que el sistema no cambia mientras se realiza el “scan”. • Esto era el resultado de la tecnología de ese tiempo
• Resolver iterativamente para determinar el estimado de x
• Rechazo de datos malos era una característica importante
• Midwest ISO – Estimador de Estado en 2003 convergía 95% de los casos 30,000 buses ~45,000 mediciones
• Estimador de Estado es primordial para EMS
• Partiendo del Estado se hacen análisis de contingencias
• El operador realiza maniobras para lograr un punto de operación seguro
• Despacho de Generación
Un Nuevo Paradigma: Synchrophasors
•Synchrophasor • Synchronized Phasor Measurement
•PMU • Phasor Measurement Unit
2 45°
GPS
Porque son importantes? • Se captura la magnitud y el ángulo de los fasores
• Esta información se utiliza para evaluar el estado de salud del sistema
• Todos los Sincrofasores están referenciados al mismo instante en tiempo.
• Fotos simultaneas de la red (time tag)
• Datos en Alta Resolución (30-60 Synchrophasors/sec) • Muchas mas fotos del sistema
• Los términos PMU y Sincrofasor fueron presentados en 1983, con el termino WAMS un poco después. Google Scholar tiene 64,000 referencias a estos temas con 50% de ellas en los pasados 5 años.
• Razón? DOE invirtió en el Plan de Inversión para Red Inteligente (Smart Grid Investment Grant - SGIG) ~ 850 PMUs
Phasor (Steinmetz 1897) Phaser (Star Trek 1966)
Citations by year
Que tan rápido una publicación es
referenciada en otras publicaciones se usa
para calcular el impacto. Las publicaciones de
SincroFasores han tenido una historia extraña.
Background
• Un estimador de estado trifásico - basado solamente en mediciones fasoriales – ha sido instalado en el sistema de 500 KV de Dominion Virginia Power como parte de un proyecto de demostración del Departamento de Energía de los Estados Unidos y lidereado por Virginia Tech.
• Un total de mas de 600 mediciones proporcionan la información a razón de 30 veces por segundo de los voltajes complejos de la red de 500 KV. Ambos, voltajes y corrientes, son medidos y comunicados por medio de un sistema SONET a el centro de control en Richmond VA. El sistema cuenta con concentradores de datos – PDC – en las subestaciones medidas y uno en el centro de control. Aplicaciones en “software” se implementaron en C# en una plataforma de programación abierta de PDC en el centro de control en Richmond.
PDC Phasor data concentrator: lines up data with a common time tag and keeps only one time tag
Three Phase
a
b
c
Real voltage
Imaginary voltage
1200
If balanced
Los Estimadores de Estado Convencionales solo utilizan Secuencia Positiva
Para redes balanceadas no hay secuencias negativas o cero
Divide by 3
Monitoreo de desbalanceo en corrientes
Las corrientes de fase en cada punto de medición son
transformadas en sus componentes:
Ia
Ib
Ic
I0
I1
I2
Transformation
Matrix
La corriente de secuencia negativa es de especial
Importancia ya que es la mas dañina a los generadores
Monitoreo de desbalanceo en corrientes
Corrientes de Secuencia Negativa
Negative sequence current in Stator
Causes surface heating of the rotor
Monitoreo de desbalanceo en corrientes
• Las corrientes de secuencia negativa son monitoreadas continuamente. Una sumatoria de estas componentes se hace en todas las líneas conectadas al bus de generación.
• Típicamente, los fabricantes de generadores proporcionan los nieles permitidos (Desbalanceo – Tiempo)
• Es posible generar alarmas cuando estos limites son violados
kdtI 2
2
Nueva Arquitectura de Subestacion a base de PMUs
• Independiente de Sistema SCADA
• Captura las tres fases
• Archivos de Respaldo
Assets directly monitored by PMUs
• 500kV Substations = 21
(70% of total)
• 500kV Transmission Lines = 35
(75% of total)
• 500kV Transformers = 28
(20% of total)
• 500kV Circuit Breakers = 110
(85% of total)
• 230kV Transmission Lines = 12
(5% of total)
Programa de Implementacion e Instalacion (DEP)
Dep
loym
ent
Ch
alle
nge
Oscillation Detection
Voltage Stability
Monitoring
Model Validation
Transmission Pathway
and Congestion
Management
Automated Controls
Detection of Imminent
Disturbance Cascading
High SGIG activity (9-12 projects)
Source: DOE
DG and Renewables
Integration
1-2 Years 2-5 Years >5 Years
Controlled System
Separation
Medium SGIG activity (5-8 projects)
Low SGIG activity (1-4 projects)
No SGIG activity
Frequency Stability
Monitoring
State Estimation
Islanding and
Restoration
Wide Area
Monitoring and
Visualization
Post-event
Analysis
Disturbance Detection
and Alarming
SGIG=smart grid investment grant
Objetivo y Motivacion
• Instalar un sistema de monitoreo de area-amplia a base de PMUs
• Desarrollar e implementar aplicaciones avanzadas de control y protección
– Estimador de Estado Lineal basado solamente en Synchrophasor
• Porque?
• Mejorar/verificar la calidad de la información
• Extender observabilidad
Estimador de Estado a Base de PMUs
Esta aplicación deberá de servir como
acondicionador de datos preliminar a otras
aplicaciones de red o de usuarios de datos de los
PMUs
El Termino LSE apareció en la literatura de PMU en los ’80s.
• Medición Directa del Estado.
• No atrasos en “escaneo”.
• No divergencia!
– El “estado” es critico durante periodos de estrés.
– Estimador trifásico es la única manera de obtener
valores reales de secuencia (0, +, -).
– La propuesta para un estimador trifásico esta ganando
peso.
Estimador de Estado a Base de PMUs
Estimador de Estado a Base de PMUs
• PMUs miden valores complejos de corriente y voltaje
• El estado se puede obtener en forma optima con
mediciones redundantes
• La observabilidad del sistema se puede ampliar con
mediciones de corrientes de línea
• Un sistema sobre-determinado; Una transformación
lineal de mediciones a estado
Manejo de datos malos o perdidos
Durante el proceso de instalacion
• Es necesario verificar la calidad de los datos antes
de entregarlos al SOC
Filtrado y acondicionado
• Capacidad de mitigar datos malos o perdidos
• Util para la aplicacion en LSE
nmtyyyy tmtmttt ,1ˆ1211
La expresion
Donde x es un voltaje o corriente compleja y se asume que en 1/30
seg cada carga tiene una fuente equivalente constante y que la
carga cambia linealmente en el periodo corto de tiempo de 0.1 seg
(3 muestras) con factor de potencia constante. Por lo tanto,
Si la carga Lm =l(Pm+jQm) entonces xm=am+bml+cml2 y x puede ser
predecido usando las ultimas 3 muestras.
11/28/2013 © 2007 Dominion 24
)3()2(3)1(3)(ˆ nxnxnxnx
Limitaciones
Es posible predecir el siguiente valor de voltaje o corriente
usando las muestras anteriores solo si no se han efectuado
aperturas de breakers
Es posible calcular y analizar estadísticamente los valores
residuales (diferencia entre predicción y medición)
Datos perdidos pueden ser suministrados usando predicción y
filtrado.
11/28/2013 © 2007 Dominion 25
Real data with no
dropout. Simulated data
dropout 0.3 chance
each point is missing
6/7 Hz oscillation
Df= -0.0538
The four voltage
measurements have the
same fine structure but
exhibit the ratio errors of
the CCVTs.
For relaying class CCVT
Magnitude +/- 3%
Angle +/- 2 degrees
CCVT:
Capacitive
coupled
voltage
transformer
CT: current
transformer
CTs also have ratio
errors. For relaying
class
Magnitude +/- 3-10%
Angle +/- 2-6.7
degrees
11/28/2013 28
Indices de Carga
La carga crece a razón de ~2% anual mientras la inversión en
transmisión ha bajado.
11/28/2013 29
SEP - Estres
La carga crece a razón de ~2% anual mientras la inversión en
transmisión ha bajado.
CA, PG&E:
• Over-Tripping, “por arriba del promedio industrial”.
• Impacto al remover líneas de EHV:
• Alto costo al comprar energía de “remplazo”.
• Desconexión de carga.
• Limites en líneas/sistemas de transmisión.
• Posible colapso del sistema.
11/28/2013 30
Fallas Escondidas
Definición:
• Defecto en el sistema de relevadores de protección o elementos adicionales
(comunicación, sensores, terminales, etc) que resultan en la desconexión
incorrecta de otro elemento del sistema de potencia como consecuencia
directa de otro evento.
Región de Vulnerabilidad:
• Región física en la red tal que una falla dentro de esa región “dispara” la falla
escondida.
RV f Rtype
,Rsetting
,Busdensity( )
David Elizondo
Fallas Escondidas: ejemplo
Ejemplo: Defecto Zona 2 Timer.
• Disparo incorrecto para falla en F2.
• Note que F3 esta fuera de la RV.
31
D
E
A B C
F2 F3
Z2
CBAB
Relevador de Impedancia
en Bus A
CBBC
Riesgos de Fallas Escondidas - HF
Baja Probabilidad.
Sin embargo, generalmente se manifiestan mas durante periodos de estrés.
Mas de 70% de los “apagones” contienen HF.
• 1965 Blackout: Initiating event was a Hidden Failure.
• 07/02/96 WSCC, 2 million customers, HF in timer Phase Comparison Relay.
• 12/14/94 WSCC, wrong transfer trip signal, 5 islands.
• 09/12/91 WSCC, SPS Failed to operate bad settings.
• Many more…
32
Protección Adaptiva:
Principios de Protección Adaptiva:
• Adaptive Relaying: Settings, operación y/o lógica se adapta a las condiciones prevalentes
del sistema.
• Puntos Críticos: puntos en el sistema donde la aplicacion de esquemas de protección
adaptiva redundara en beneficios en la operación.
• Nota: WAMs no debe de interferir directamente con esquemas de protección primarias.
Posibles Candidatos:
• Protecciones de Respaldo.
• Esquemas de protección de estabilidad.
• SPS & SIPS.
33
Seguridad/Dependabilidad Adaptiva
34
Critical
Location
PMU
PMU PMU
PMU
PMU
System
State
Relay 1
Relay 2
Relay 3
VOTE?
Seguridad
Vs.
Dependabilidad
Propuesta
Objetivo Principal:
• Reducir la posibilidad de que fallas escondidas se manifiesten ajustando el balance entre
dependabilidad y seguridad mediante un esquema adaptivo de protección.
Hipótesis:
• Regularmente se pueden encontrar patrones de comportamiento de algunas variables del
sistema. Estos patrones se pueden utilizar para activar los esquemas adaptivos
• Algunas mediciones estratégicas se pueden utilizar como indicadores.
35
Metodología
Es necesario encontrar las siguientes respuestas:
• DONDE? (colocar el esquema adaptivo)
• QUE? (mediciones son importantes - PMU Placement)
• COMO? (lógica de decisión)
36
DONDE? (Puntos Críticos):
Criticalidad:
• Lugares donde un disparo incorrecto, como resultado de una falla escondida, resulte en
una condición inestable o de operación inadecuada en el sistema.
Hay que generar una lista exhaustiva de casos de estudio.
37
Simulaciones= f Topologia, Sistema de Proteccion, carga, ..( )
DONDE? (Puntos Criticos):
38
• Consider HF line #1.
• Region of Vulnerability
• Exhaustive contingency list.
# 1
# 2 # 3
# 4
# 5 # 6 # 7
C D
A
B
E
HF
Case Type Line
1 Fault
Hidden Failure
Line #2
Line #1
2 Fault
Hidden Failure
Line #3
Line #1
3 Fault
Hidden Failure
Line #4
Line #1
4 Fault
Hidden Failure
Line #5
Line #1
5 Fault
Hidden Failure
Line #6
Line #1
6 Fault
Hidden Failure
Line #7
Line #1
Índice Estático:
Selección de Casos.
Basado en Flujos de Carga.
501 cases 41 cases. 39
Parameter Limit
Line Loadability 110%
Bus voltages 0.93 to 1.05
Maximum voltage drop across a line 0.05
Maximum bus voltage change 0.07 pu
Convergence Yes/No
Índice Dinámico: ISGA
Integral Square Generator Angle
Características:
• Proporcional al numero de maquinas que pierden sincronía.
• Proporcional al tamaño de las maquinas que pierden sincronía.
• Proporcional al la magnitud de las desviaciones de ángulo de
carga.
40
2
0
1T
i i COA
iT
ISGA S t tT S
i i
COA
i
S tt
S
i
i
T i
Machine Angle
S Machine MVA Base
S S
Emanuel Bernaveu
0 1 2 3 4 5 6 7 8 9 10
-300
-200
-100
0
100
200
300
Areas: 30
Rot
or A
ngle
[Deg
]
Time [sec]
0 1 2 3 4 5 6 7 8 9 10
-300
-200
-100
0
100
200
300
Areas: 24
Rot
or A
ngle
[Deg
]
Time [sec]
Ejemplos de ISGA
41
CASE FAULT Bus From Bus To
350 F MIDWAY VINCENT
350 HF MIDWAY VINCENT
350 HF MIDWAY VINCENT
CASE FAULT Bus From Bus To
237 F GATES DIABLO
237 HF DIABLO MIDWAY
237 HF DIABLO MIDWAY
CASE FAULT Bus From Bus To
269 F DIABLO MIDWAY
269 HF MIDWAY VINCENT
269 HF MIDWAY VINCENT
CASE FAULT Bus From Bus To
115 F TABLE MT VACA-DIX
115 HF ROUND MT TABLE MT
115 HF TABLE MT TESLA
0 1 2 3 4 5 6 7 8 9 10
-150
-100
-50
0
50
100
150
Areas: 24
Rot
or A
ngle
[Deg
]
Time [sec]
Ejemplos de ISGA
42
0 1 2 3 4 5 6 7 8 9 10
-150
-100
-50
0
50
100
150
Areas: 24
Rot
or A
ngle
[Deg
]
Time [sec]
Ejemplos de ISGA
Ranking:
43
Critical Location CASE FAULT Bus From Bus To ISGA
350 F MIDWAY VINCENT 6721.188
350 HF MIDWAY VINCENT
350 HF MIDWAY VINCENT
237 F GATES DIABLO 4316.469
237 HF DIABLO MIDWAY
237 HF DIABLO MIDWAY
269 F DIABLO MIDWAY 9.7647
269 HF MIDWAY VINCENT
269 HF MIDWAY VINCENT
115 F TABLE MT VACA-DIX 7.7235
115 HF ROUND MT TABLE MT
115 HF TABLE MT TESLA
Punto Critico
Midway – Vincent
Esto fue confirmado por los
ingenieros de campo y operadores
del sistema.
44
Miguel Imperial Valley
Moss
Landing
Cristal
Devers Valley
Midway
Serrano
Vincent
Mira Loma
Gates
Diablo
Lugo
Market Place
McCulloug Victorville
El Dorado
Mohave
Metcalf
Los Banos
Tesla
Rinaldi
Toluca
Tracy
Vaca
Dixon
Table Mountain
Olinda
Round
Mountain
Maxwell
Adelanto
Critical
Location
11/28/2013 45
Data Mining
La carga crece a razón de ~2% anual mientras la inversión en
transmisión ha bajado.
Arboles de Decisión:
Decision Trees:
• Partición Binaria.
Objetivo:
• Extraer conocimientos de los datos.
Algoritmo CART fue creado en 1984:
• Genera un árbol de tamaño máximo. No se proporciona condición de paro.
• Costo – Complejidad genera sub-arboles.
• Error en clasificaciones
46
Miguel Imperial Valley
Moss
Landing
Cristal
Devers Valley
Midway
Serrano
Vincent
Mira Loma
Gates
Diablo
Lugo
Market Place
McCulloug Victorville
El Dorado
Mohave
Metcalf
Los Banos
Tesla
Rinaldi
Toluca
Tracy
Vaca
Dixon
Table Mountain
Olinda
Round
Mountain
Maxwell
Adelanto
Metodología
47
PMU
PMU
PMU
PMU
PMU
PMU
PMU
PMU
PMU
PMU
PMU
PMU PMU
PMU
PMU
PMU
PMU
PMU
PMU
PMU
PMU
PMU
• Colocar PMUs en cada bus de 500 kV.
• Construir Base de Datos
• Fabricar Arbol de Decisiones
• Determinar sub-set de mediciones
CASE Gates L1106 L1107 … Vote
1 A Ir, Ii Ir, Ii … 1
2 A Ir, Ii Ir, Ii … 0
… …
4150 A Ir, Ii Ir, Ii … 1
Base de Datos de Aprendizaje
Variables del Sistema
Topologia
Carga
48
PG&E
LAWGP
SO CA
SAN
DIEGO
NUMBER NAME
30 PG&E
24 SOCALIF
26 LAWGP
22 SANDIEGO
Vote Decision
System State
Fault and HFs
Check Solution
0 2 4 6 8 10 12 14 160
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
Sub-tree: 8
Terminal Nodes: 6
Misclassif ication rate: 0.011349
Number of Terminal Nodes
Mis
clas
sific
atio
n R
ate
DT: HS
Learning sample: 11367
Subtree T6:
• Misclassification rate ~1.1%
51
Tmax
T1
T2
T3
T4
T5
T6
T7
T8
T9
HS Terminal Nodes:
52
IR415 <= -1.05
Terminal
Node 1
Class = 1
Class Cases %
0 22 14.6
1 129 85.4
W = 151.00
N = 151
IR415 > -1.05
Terminal
Node 2
Class = 0
Class Cases %
0 27 93.1
1 2 6.9
W = 29.00
N = 29
II735 <= -0.47
Node 3
Class = 1
IR415 <= -1.05
Class Cases %
0 49 27.2
1 131 72.8
W = 180.00
N = 180
II735 > -0.47
Terminal
Node 3
Class = 0
Class Cases %
0 5727 99.2
1 47 0.8
W = 5774.00
N = 5774
IR19 <= 16.52
Node 2
Class = 0
II735 <= -0.47
Class Cases %
0 5776 97.0
1 178 3.0
W = 5954.00
N = 5954
II735 <= -0.44
Terminal
Node 4
Class = 1
Class Cases %
0 8 0.2
1 4872 99.8
W = 4880.00
N = 4880
IR19 <= 16.92
Terminal
Node 5
Class = 0
Class Cases %
0 213 84.5
1 39 15.5
W = 252.00
N = 252
IR19 > 16.92
Terminal
Node 6
Class = 1
Class Cases %
0 7 2.5
1 274 97.5
W = 281.00
N = 281
II735 > -0.44
Node 5
Class = 1
IR19 <= 16.92
Class Cases %
0 220 41.3
1 313 58.7
W = 533.00
N = 533
IR19 > 16.52
Node 4
Class = 1
II735 <= -0.44
Class Cases %
0 228 4.2
1 5185 95.8
W = 5413.00
N = 5413
Node 1
Class = 0
IR19 <= 16.52
Class Cases %
0 6004 52.8
1 5363 47.2
W = 11367.00
N = 11367
HS: Node 1 Split
Predictor: Ir19, Devers – Palo Verde
53
0 1000 2000 3000 4000 5000 600012
13
14
15
16
17
18
19
measurements
Ir19
Class: 0 Class: 1
HS: Node 2 Split
54
Predictor: Ii735, Devers – Valley SC
0 1000 2000 3000 4000 5000-1.5
-1
-0.5
0
0.5
1
1.5
measurements
Ii735
Class: 0
Class: 1
HS: Node 3 Split
55
Predictor: Ii735, Devers – Valley SC
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000-1.5
-1
-0.5
0
0.5
1
1.5
measurements
Ii735
Class: 0
Class: 1
HS: Node 4 Split
56
Predictor: Ir415, El Dorado – McCollough
0 20 40 60 80 100 120-1.4
-1.3
-1.2
-1.1
-1
-0.9
-0.8
-0.7
-0.6
measurements
Ir415
Class: 0
Class: 1
HS: Node 7 Split
57
Predictor: Ir19, Devers – Palo Verde
0 50 100 150 200 250 30016.4
16.6
16.8
17
17.2
17.4
17.6
17.8
18
18.2
18.4
measurements
Ir19
Class: 0
Class: 1
58
Miguel Imperial Valley
Moss
Landing
Cristal
Devers Valley
Midway
Serrano
Vincent
Mira Loma
Gates
Diablo
Lugo
Market Place
McCulloug Victorville
El Dorado
Mohave
Metcalf
Los Banos
Tesla
Rinaldi
Toluca
Tracy
Vaca
Dixon
Table Mountain
Olinda
Round
Mountain
Maxwell
Adelanto
PMU
PMU
PMU
PMU
PMU
Reference Pittsburg
PMU
PMU
Primary Split
Surrogates
Node Surrogate Predictive
Association
1 Real current Mohave – El Dorado 0.93
2 Imaginary current Diablo - Midway 0.17
3 Imaginary current Diablo - Midway 0.72
4 Imag current Moss Landing – Los Banos 0.79
7 Real current Mohave – El Dorado 0.78
HS: PMU placement
Attribute PMU measurement
Ir19 Real current: Palo Verde – Devers
Ii735 Imaginary current: Devers – Valley SC
Ir415 Real current: El Dorado - McCullough
HS: Out-of-Sample Testing
Evaluar lo robusto del DT contra cambios topológicos.
3 grupos de condiciones no incluidas en el entrenamiento.
• Generator is out due to maintenance. Gens > 200 MW
• Load outage. Load > 200 MW
59
Classified class 0 Classified class 1
True class: 0 107 2
True class: 1 6 112
Classified class 0 Classified class 1
True class: 0 154 0
True class: 1 7 37
HS: Out-of-Sample Testing
60
• Line outage: 230kV
• Line outage: 500kV
• Overall misclassification rate ~4%.
Classified class 0 Classified class 1
True class: 0 278 0
True class: 1 25 284
Classified class 0 Classified class 1
True class: 0 62 6
True class: 1 3 54
0 2 4 6 8 10 120
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Number of Terminal Nodes
Mis
clas
sific
atio
n R
ate
Sub-tree: 4
Terminal Nodes: 6
Misclassif ication rate: 0.0098795
DT: Heavy Winter
Learning sample: 4150 cases.
Subtree T2:
• Misclassification rate ~1%.
61
Tmax
T1
T2
T3
T4
T5
Miguel Imperial Valley
Moss
Landing
Cristal
Devers Valley
Midway
Serrano
Vincent
Mira Loma
Gates
Diablo
Lugo
Market Place
McCulloug Victorville
El Dorado
Mohave
Metcalf
Los Banos
Tesla
Rinaldi
Toluca
Tracy
Vaca
Dixon
Table Mountain
Olinda
Round
Mountain
Maxwell
Adelanto
HW: PMU placement
Attribute PMU measurement
Ir1106 Real Current: Tesla – Los Banos
Ir1104 Real Current: Tracy – Los Banos
Ii3850 Imaginary Current: Palo Verde - Devers
62
PMU
PMU
PMU
PMU
PMU
Reference Pittsburg
PMU
PMU
Primary Split
Surrogates
Node Surrogate Predictive
Association
1 Real Current: Tesla – Los Banos 0.93
2 Angle Round MT 0.64
3 Imaginary Current: Gates – Diablo 0.75
4 Real Current: Tracy – Los Banos 0.52
9 Real Current: Victorville - McCulloug 0.55
PMU
HW: Out-of-Sample Testing
63
Classified class 0 Classified class 1
True class: 0 30 5
True class: 1 0 45
Classified class 0 Classified class 1
True class: 0 117 1
True class: 1 0 50
Evaluar lo robusto del DT contra cambios topológicos.
3 grupos de condiciones no incluidas en el entrenamiento.
• Generator is out due to maintenance. Gens > 200 MW
• Load outage. Load > 200 MW
HW: Out-of-Sample Testing
64
• Line outage: 230kV
• Line outage: 500kV
• Overall misclassification rate ~2%.
Classified class 0 Classified class 1
True class: 0 132 0
True class: 1 0 132
Classified class 0 Classified class 1
True class: 0 62 6
True class: 1 2 78
11/28/2013 65
Calibracion de CT and CCVT (use solo datos de 60 Hz)
Los errores en los factores de relación de vueltas en CT y CCVT
pueden ser calibrados en forma conjunta utilizando un grupo de
mediciones conjuntas sobre un periodo de 12 horas (así la carga
variara de máximo a mínimo) si:
Existe una trayectoria eléctrica conectada de “un nodo con medición
buena” (PT de medición o medición de voltaje óptica) a cada punto
de medición. Esto es, las mediciones forman un árbol. Una
“medición buena” por isla es necesaria si no hay árbol.
El resultado en errores es tan bueno como la calidad de la
“medición buena”. PTs de alta calidad tienen errores de +/-0.15%
,0.104 degrees
Joanna Wu
Perspectiva Industrial
Estimación de Estado es intrínsecamente una
aplicación en tiempo real.
• Cuales son las aplicaciones a corto plazo?
• Cuales son las aplicaciones a largo plazo?
LSE as EHV Backup Observability
Fully paralleled infrastructure from substation
• If EHV observability lost through EMS, operations must dispatch
resources to all EHV substations and monitor by phone
• EHV network fully/redundantly observed using the linear state
estimator
• Solves in real-time, omnipresent, high availability
• Comfortable, familiar visualization reminiscent of EMS
• (the Dominion control room now has five screens of PMU data)
Augmenting the Production EMS
Improved state estimator performance through:
• ISD Adapter in PDC Architecture for PMU Data to EMS
• Use output of LSE as high accuracy pseudo-
measurements
• Voltage magnitude, P-Q flow
• CT/PT calibrations to improve raw SCADA measurements
• Empirically determined/tracked impedance values
• Real-time observation of sequence components
(ISD) Inter-Site Data an Output Protocol from Alstom Grid
Top Related