A robust method for estimating transmission line
parameters from PMU measurement
Leonardo Faria Costa
Faculdade de Engenharia Elétrica e Computação
Universidade Estadual de Campinas (UNICAMP),
Brasil
lfcsistemas@gmail.com
Abstract — The monitoring and operation control of modern
power systems rely heavily on several computational tools that
are run in control centers and use, among others, information on
transmission line parameters (resistance, reactance and shunt
susceptance). This information must be as precise as possible so
as not to degrade the accuracy of these tools. Utilities use ideal
models widely known in the technical literature from data
provided by the manufacturers. However, in real conditions,
many factors can cause differences between the values of the
calculated parameters and the actual values, such as problems in
mathematical modeling, human failures and environmental
issues. An improved method for estimating erroneous
transmission line parameters is proposed in this paper. The
proposed method provides a robust and efficient way to estimate
the transmission line parameters using a dedicated parameter
estimator taking SCADA and PMU (Phasor Measurement Units)
measurements as inputs. The proposed method was applied to
small and large IEEE test power systems.
Keywords — parameter estimator; state estimation;
transmission line; conductance; susceptance; shunt susceptance.
I. INTRODUÇÃO
A rede de transmissão ocupa uma grande extensão
territorial e é conectada ao sistema de geração e distribuição
através das subestações. Permite ainda a interconexão de
sistemas vizinhos proporcionando benefícios técnicos e
econômicos. O correto desempenho de uma linha de
transmissão é resultado da escolha apropriada de seus
elementos. O uso de um cabo em particular em uma linha de
transmissão por exemplo, pode levar a maiores ou menores
perdas de potência na transmissão, ou mesmo a necessidade de
equipamento de suporte de potência reativa, aumentando os
custos dessa linha e fazendo sua operação ser mais complexa.
Tipicamente, linhas de transmissão são projetadas para uma
determinada temperatura, definida em estudos econômicos
(custo da linha x temperatura desejada) e baseada na
experiência operacional das empresas do setor elétrico [1].
Durante sua operação, as linhas de transmissão são afetadas
por fatores ambientais, imprecisão dos modelos e erros
humanos. A resistência do condutor varia com a corrente,
temperatura ambiente e efeitos de vento. Tais variações em
relação às condições ideais podem resultar em erros nos
parâmetros utilizados em relação aos valores verdadeiros de até
Carlos A. Castro
Faculdade de Engenharia Elétrica e Computação
Universidade Estadual de Campinas (UNICAMP),
Brasil
ccastro@ieee.org
30% [2]. Outras razões que podem causar diferenças
significativas entre os parâmetros reais e os armazenados no
centro de controle são os erros no cálculo do comprimento da
linha e mudanças na configuração da rede sem as devidas
atualizações no banco de dados do centro de controle. É
também importante melhorar a qualidade das funções de
monitoramento existentes em termos de capacidade de
resposta, precisão e robustez para alcançar uma visualização
confiável em tempo real da operação do sistema de energia [3].
O centro de controle usa várias ferramentas para o
monitoramento e controle do sistema elétrico de potência. Uma
dessas ferramentas é o Estimador de Estado (EE), usado para
estimar a magnitude das tensões e ângulos de fase nodais em
pequenos intervalos de tempo. Os estados de operação
estimados são usados para avaliar as condições de operação do
sistema relacionadas à segurança, confiabilidade, estabilidade e
outros.
Os sistemas de potência são monitorados e operados pelos
operadores do sistema nos centros de controle de área. A
principal função do operador é manter o sistema em condições
de operação normal e em segurança enquanto ocorrem
mudanças nas condições de operação da rede ao longo do dia.
O EE é usado nesse processo, utilizando medidas redundantes
para fornecer uma estimativa ótima do estado operacional atual
[4]. Porém, deve-se ter uma metodologia para garantir um
processo mais confiável e automatizado para identificação de
erros nos parâmetros das linhas.
A metodologia proposta para estimação dos parâmetros
errados das linhas de transmissão pode ser usado em duas
situações: (1) apenas uma Unidade de Medição Fasorial (do
inglês, Phasor Measurement Unit, PMU) é conectada em um
dos terminais da linha, ou (2) ambos os terminais têm PMUs
instaladas. Essa metodologia é baseada na solução do EE
utilizando a formulação convencional do método dos mínimos
quadrados (do inglês, Weighted Least Squares,WLS) [5]. Este
método é baseado nos multiplicadores de Lagrange para
identificar os parâmetros errados da rede e aprimorado com o
uso de múltiplas medidas instantâneas [6] e medidas vindas das
PMUs localizadas estrategicamente. No método proposto, a
identificação dos parâmetros errados não é necessária, pois ela
é válida apenas para aquelas linhas em que um dos seus
terminais tem uma PMU instalada, portanto, a estimação dos
parâmetros das linhas pode ser realizada em todas essas linhas
sem a necessidade de identificação de erros nas mesmas [9].
II. MÉTODO PROPOSTO
A. Estimador de estado híbrido
O procedimento para estimação dos parâmetros das linhas
proposta neste artigo tem como dados de entrada os valores das
tensões e correntes do estimador de estado. Neste trabalho, o
estimador de estado híbrido proposto em [9] é usado. A
formulação do modelo convencional de estimação de estado [7]
do método do estimador de estado hibrido é definida por
z  h( x )  e
onde z é o vetor de medidas, x é o vetor das variáveis de estado,
h(x) é o vetor que contém as equações não lineares que
relacionam as medidas com as variáveis de estado e e é o vetor
de erro representado pelo ruído gaussiano das medições.
O objetivo do EE é obter o estado mais próximo do sistema
(magnitude de tensão e ângulos de fase nodais) baseado nas
medições realizadas. De acordo com a teoria do WLS, o vetor
de estado x é determinado minimizando a diferença entre as
medidas realizadas e seus valores estimados [8] dado por:
J ( x)  z  h( x)R 1 z  h( x)
Para minimizar (2), a derivada de J(x) em relação às
variáveis de estado deve ser igual a zero. Expandindo a
derivada de J(x) usando a série de Taylor e desprezando os
termos de ordem mais alta, chega-se a uma solução iterativa
chamada de método de Gauss Newton [4], definida por:

x k 1  x k  H T x R 1 H x  1
  
H T R 1 z  h x k
onde x k é o vetor de variáveis de estado da kth iteração, R é a
matriz de covariância dos erros das medições e H é a matriz
jacobiana das medições. A matriz de ganho G(x) é dada por
H T ( x) R 1 H ( x) . Assume-se que os erros das medidas são
independentes e a matriz covariância de erros R é diagonal, e
seus elementos são as variâncias das medições. Assume-se
ainda que inicialmente a topologia da rede e os parâmetros do
estimador de estado são conhecidos [8].
B. Medidas de pseudo fluxo
A presença de medições fasoriais de corrente pode causar
problemas de convergência do estimador de estado devido ao
mau condicionamento numérico das matrizes [9], por isso
medidas de pseudo fluxo são usadas ao invés de medidas
fasoriais de corrente. As medidas de pseudo fluxo são

Pijpse  Vi I ij cos i  ij 
Qijpse  Vi I ij sin  i  ij 
Para fim de implementação computacional, os terminais
que têm PMUs instaladas foram separados daqueles que não
têm. Dessa forma, o vetor de medidas do estimador de estado
hibrido ficou
 
z  Pij Pfps Pinj Pinjpmu Qij Q flps Qinj Qinjpmu Vmu Vmu Vmag T (6)
onde as medidas de pseudo fluxo tem o índice ps , as medidas
vindas das PMUs têm índice mu e Vmag é a magnitude das
tensões das barras usadas.
C. Estimador Linear de Parâmetros
Considere uma linha conectando as barras s e r e assuma
que uma PMU está instalada em s. Os parâmetros da linha de
transmissão são estimados a partir dos valores de tensão e de
fluxo de corrente medidos pela PMU (barra s) assim como a
tensão no outro terminal da linha (barra r) obtido pelo
(1)
estimador de estado híbrido. O modelo que relaciona as
medições fasoriais com os parâmetros das linhas [9] é
g 
 I sre  Vsre  Vrre  Vsim  Vrim  Vsim   sr 
I    bsr   M  p (7)
 I sim  Vsim  Vrim Vsre  Vrre Vsre   
bsh 
onde p é o vetor de parâmetros, M é a matriz que relaciona as
medições fasoriais com os parâmetros das linhas e I é o vetor
das medidas das correntes de vários snapshots em curtos
intervalos de tempo [9]. I sre e I sim são as partes real e
(2) imaginária da corrente que flui da barra s para a barra r e
Vsre , Vrre ,Vsim e Vrim são as partes real e imaginária das tensões
das barras s e r respectivamente. A eq. (7) não tem solução
pois o número de incógnitas é maior que o número de
medições. Desta forma, usando vários snapshots num curto
intervalo de tempo como mostra em [9], aumenta-se assim o
número de elementos do vetor do lado esquerdo em (7), assim
(3) como o número de colunas de M. O problema de estimação
dos parâmetros da linha em (7) é resolvido usando a
formulação dos mínimos quadrados.

p  MTM 1
MTI (8)
Uma das principais contribuições desse artigo é a proposta
de que o cálculo de p seja feita iterativamente ao invés de
utilizar a resolução única de (8), como em [9]. Os parâmetros
estimados obtidos ficam mais precisos dos que aqueles em [9]
como será mostrado adiante. O procedimento iterativo para
estimação dos parâmetros das linhas proposto neste artigo é
descrito abaixo.
1. Obter Vs, Is da PMU instalada na barra s e Vr do
estimador de estado para um certo número de snapshots
2. Construir o sistema de equações (7)
3. Estimar os parâmetros das linhas utilizando (8)
(4) 4. Se o critério de parada for satisfeito, pare e mostre os
parâmetros estimados, senão, vá para o próximo passo
(5) 5. Atualizar os parâmetros das linhas de transmissão no
banco de dados e retornar ao passo 1
O critério de parada mencionado no passo 4 é baseado em
(9), onde o processo iterativo se encerra quando o maior valor
absoluto da diferença entre o parâmetro atual e o anterior for
menor que o estabelecido por uma tolerância (tol).
 g sr  g srk 1  g srk Os parâmetros estimados da linha 1 de cada iteração (IT)
são mostrados nas Tabelas III, IV e V. Está claro que o
bsr  bsrk 1  bsrk (9) processo iterativo proposto neste artigo produziu parâmetros
bem mais precisos se comparados com os valores da iteração 1
k 1
bsr  g sh k
 g sh (considerando que o estimado está computado em apenas um
passo, como em [9]). Foi adotado tol igual a 1 10 5 .
Se max {g sr , bsr , bsr } < tol, encerra-se o processo
TABELA III – CONDUTÂNCIA ESTIMADA
III. SIMULAÇÃO gsr
Número de snapshots
Os estados de operação do sistema de potência usado nas IT
2 20 50
simulações foram obtidos pelo software Matpower [10]. Antes 1 1,46776 1,17001 1,17001
da execução do estimador de estado híbrido, os dados de 2 1,29651 1,14593 1,14593
entrada são preparados com as medições de fluxo de potência, 3 1,21316 1,13744 1,13744
injeção de potência nas barras, magnitudes e ângulos de fase 4 1,17342 1,13491 1,13491
das tensões. Um ruído gaussiano também é inserido nas 5 1,15385 1,13242 1,13227
medições para considerar as imperfeições dos instrumentos de 6 1,14454 1,13396 1,13391
medição. O número de snapshots também foi previamente 7 1,13829 1,13460 1,13458
8 1,13613 1,13485 1,13484
definido. 9 1,13540 1,13495 1,13495
Nos testes das redes IEEE de 14 e 30 barras, foram 10 1,13515 1,13499 1,13499
montados e comparados três grupos/cenários de snapshots: 2, 11 1,13506 1,13501 1,13501
12 1,13503 1,13501 1,13501
20 e 50. Na rede IEEE de 118 barras, utilizou-se somente os 13 1,13502 1,13502 1,13502
grupos de 2 e 10 snapshots. No primeiro teste, assumiu-se um
erro de 30% dos parâmetros da linha a ser analisada em relação TABELA IV – SUSCEPTÂNCIA SÉRIE ESTIMADA
aos seus valores nominais. Depois, o mesmo erro foi aplicado bsr
também nas linhas vizinhas a linha analisada. A ideia foi IT Número de snapshots
verificar se os valores dos parâmetros estimados ainda estariam 2 20 50
próximos aos verdadeiros, mesmo sob condições severas. 1 4,75986 4,94370 4,94366
Aplicou-se uma metodologia para identificação e detecção de 2 4,77606 4,86090 4,86088
erros grosseiros no vetor de medidas [4] para melhorar o 3 4,77802 4,82112 4,82110
4 4,78013 4,80082 4,80081
desempenho do estimador de estado hibrido. 5 4,78101 4,79160 4,79162
6 4,78132 4,78559 4,78558
IV. TESTES PARA A REDE IEEE DE 14 BARRAS 7 4,78214 4,78335 4,78334
8 4,78210 4,78245 4,78244
A localização das medições convencionais e sincronizadas 9 4,78201 4,78209 4,78209
usadas pelo EE híbrido é mostrada na Tabela I. 10 4,78194 4,78195 4,78195
11 4,78190 4,78190 4,78190
TABELA I – LOCALIZAÇÃO DAS MEDIÇÕES CONVENCIONAL E SINCRONIZADA 12 4,78188 4,78188 4,78188
DA REDE IEEE DE 14 BARRAS 13 4,78187 4,78187 4,78187
Medidas de Injeção TABELA V – SUSCEPTÂNCIA SHUNT ESTIMADA
Medidas dos fluxos de Localização
injeção de zero
potência das PMUs bsh
corrente (barra#)
(barra # - barra #) (bus#) Número de snapshots
(barra#)
IT
1-2,1-5,2-3,2-4,2-5,3- 2 20 50
4,4-5,4-7,4-9,5-6,6-11,6- 1, 2, 3, 4, 6, 9, 1 0,02417 0,05488 0,05488
2, 6, 9 7
12,6-13,7-8,7-9,9-10,9- 10, 11, 13, 14 2 0,04740 0,04191 0,04191
14,10-11,12-13,13-14 3 0,04251 0,04452 0,04452
4 0,04346 0,04384 0,04384
Para exemplificar, são apresentados os resultados das 5 0,04358 0,04435 0,04439
simulações envolvendo a linha 1 (que conecta as barras 2 e 3). 6 0,04345 0,04378 0,04377
A Tabela II mostra os parâmetros verdadeiros dessa linha e os 7 0,04386 0,04382 0,04382
8 0,04380 0,04380 0,04380
valores com erros de 30%. Este percentual, utilizado também 9 0,04380 0,04380 0,04380
em [2], indica um erro consideravelmente grande, sendo 10 0,04380 0,04380 0,04380
inclusive apropriado para avaliar a robustez do método 11 0,04380 0,04380 0,04380
proposto neste artigo. 12 0,04380 0,04380 0,04380
13 0,04380 0,04380 0,04380
TABELA II – PARÂMETROS DA LINHA 1 (2 – 3)
Linha Valores errados (pu) Valores verdadeiros (pu) A Tabela VI mostra o número de iterações (NI) para
gsr bsr bsh gsr bsr bsh estimação dos parâmetros das linhas considerando a tolerância
1 2-3 1,4755 6,2164 0,0569 1,1350 4,7819 0,0438 previamente definida e 20 snapshots. O número de iterações
das linhas 4 e 11 foram os maiores e menores respectivamente.
A Tabela VII mostra o número de iterações para cada grupo de também para tolerância de 1ˑ10-3. Nessa tabela, L representa a
snapshots das 12 linhas avaliadas. linha.

TABELA VI – NÚMERO DE ITERAÇÕES (NI) TABELA VIII – COMPARAÇÃO ENTRE OS PARÂMETROS ESTIMADOS (PE) E OS
PARÂMETROS REAIS (PR) PARA TRÊS VALORES DE TOLERÂNCIA
Linha de - para NI
1 2 3 13 L tol Parâmetros estimados Parâmetros reais
2 2 4 11 gsr bsr bsh gsr bsr bsh
3 2 5 10 1 10-3 1,1349 4,7821 0,0438 1,1350 4,7819 0,0438
4 1 2 60 10-4 1,1350 4,7819 0,0438 1,1350 4,7819 0,0438
5 6 11 17 10-5 1,1350 4,7819 0,0438 1,1350 4,7819 0,0438
6 6 12 18 2 10-3 1,6861 5,1161 0,034 1,6860 5,1158 0,034
7 6 13 25 10-4 1,6860 5,1158 0,034 1,6860 5,1158 0,034
8 5 6 10 10-5 1,6860 5,1158 0,034 1,6860 5,1158 0,034
9 9 10 28 3 10-3 1,7011 5,1939 0,0346 1,7011 5,1939 0,0346
10 9 14 23 10-4 1,7011 5,1939 0,0346 1,7011 5,1939 0,0346
11 4 9 6 10-5 1,7011 5,1939 0,0346 1,7011 5,1939 0,0346
12 7 9 14 4 10-3 4,9543 15,2713 0,0514 4,9991 15,2631 0,0528
10-4 4,9526 15,2699 0,0514 4,9991 15,2631 0,0528
TABELA VII – COMPARAÇÃO DO NÚMERO DE ITERAÇÕES (NI) 10-5 4,9525 15,2699 0,0514 4,9991 15,2631 0,0528
5 10-3 1,9546 4,0940 0,0000 1,9550 4,0941 0,0000
Linha de - para Número de snapshots 10-4 1,9550 4,0941 0,0000 1,9550 4,0941 0,0000
2 20 50 10-5 1,9550 4,0941 0,0000 1,9550 4,0941 0,0000
1 2 3 13 13 13 6 10-3 1,5257 3,1762 0,0000 1,5260 3,1760 0,0000
2 2 4 11 11 11 10-4 1,5259 3,1760 0,0000 1,5260 3,1760 0,0001
3 2 5 10 10 10 10-5 1,5260 3,1760 0,0000 1,5260 3,1760 0,0000
4 1 2 25 31 60 7 10-3 3,0981 6,1018 0,0000 3,0989 6,1028 0,0000
5 6 11 17 13 13 10-4 3,0989 6,1027 0,0000 3,0989 6,1028 0,0000
6 6 12 18 10 10 10-5 3,0989 6,1027 0,0000 3,0989 6,1028 0,0000
7 6 13 25 18 18 8 10-3 0,0001 3,9677 0,0000 0,0000 3,9679 0,0000
8 5 6 10 10 10 10-4 0,0000 3,9679 0,0000 0,0000 3,9679 0,0000
9 9 10 28 18 18 10-5 0,0000 3,9679 0,0000 0,0000 3,9679 0,0000
10 9 14 23 15 15 9 10-3 3,9025 10,3655 0,0000 3,9020 10,3654 0,0000
11 4 9 6 5 5 10-4 3,9021 10,3655 0,0000 3,9020 10,3654 0,0000
12 7 9 14 10 10 10-5 3,9021 10,3654 0,0000 3,9020 10,3654 0,0000
10 10-3 1,4237 3,0287 0,0000 1,4240 3,0291 0,0000
10-4 1,4239 3,0290 0,0000 1,4240 3,0291 0,0000
Na maioria dos casos (58% do total), o número de iterações 10-5 1,4240 3,0290 0,0000 1,4240 3,0291 0,0000
é maior com 2 snapshots do que com 20 ou 50. Apenas na linha 11 10-3 0,0000 1,7978 0,0000 0,0000 1,7980 0,0000
4, o número de iterações teve um comportamento diferente das 10-4 0,0000 1,7980 0,0000 0,0000 1,7980 0,0000
demais linhas. Nessa linha, o número de iterações com 2 10-5 0,0000 1,7980 0,0000 0,0000 1,7980 0,0000
snapshots foi menor do que com 20 e 50. Em outras palavras, 12 10-3 0,0000 9,0904 0,0000 0,0000 9,0901 0,0000
10-4 0,0000 9,0902 0,0000 0,0000 9,0901 0,0000
na linha 4, com 2 snapshots e 25 iterações, os parâmetros
10-5 0,0000 9,0901 0,0000 0,0000 9,0901 0,0000
estimados foram iguais aos verdadeiros (considerando a
tolerância adotada). Isso é devido ao fato de que a barra 1 é
slack (magnitude da tensão e ângulo de fase são fixos), em 4
linhas (1, 2, 3 e 8), o número de iterações foi o mesmo nos três B. Inserção de erros em mais de uma linha
grupos de snapshots: 2, 20 e 50.
Na Tabela VIII o erro de 30% foi inserido apenas nos
A. Usando diferentes valores de tolerância parâmetros da linha a ser analisada. Na Tabela IX, por outro
lado, os valores dos parâmetros estimados e o número de
Os erros entre os parâmetros estimados e os verdadeiros e o iterações foram avaliados considerando:
número de iterações são mostrados na Tabela VIII
considerando três valores de tolerância pré-definidos. A ideia é  Erro de 30% em relação aos seus valores nominais na
avaliar os parâmetros estimados para diferentes tolerâncias de linha a ser analisada e em outra linha próxima;
tal forma que, dependendo da precisão desejada e o número
 Erro de 30% em relação aos seus valores nominais na
máximo de iterações requerido, será possível decidir o valor da
linha a ser analisada e em duas linhas próximas.
tolerância a ser usado. Os parâmetros foram estimados para 20
e 50 snapshots. A tolerância usada na simulação foi a mesma da seção
anterior. Este caso corresponde a uma situação mais severa.
De acordo com os resultados mostrados na Tabela VIII,
conforme diminui a tolerância, o erro entre os parâmetros Os resultados da Tabela IX mostram que, mesmo com a
estimados (PE) e os parâmetros reais (PR) também diminuem. inserção de erro em mais de uma linha, os parâmetros
Entretanto, é importante notar que os resultados foram bons
estimados ainda foram bem próximos dos reais. O aumento do V. TESTES PARA A REDE IEEE DE 30 BARRAS
número de linhas com erros resultou em mais iterações. A localização das medições convencionais e sincronizadas
usadas no estimador de estado híbrido é mostrada na Tabela X.
TABELA IX – RESULTADOS PARA ERROS MÚLTIPLOS NOS PARÂMETROS
Linha Número de iterações TABELA X – LOCALIZAÇÃO DAS MEDIÇÕES CONVENCIONAIS E
Erro nas linhas 1 e 2 Erro nas linhas 1, 2 e 3 SINCRONIZADAS DAS MEDIÇÕES DA REDE IEEE DE 30 BARRAS
1 16 30 Medição de
Medição de fluxo de Localização
gsr bsr bsh gsr bsr bsh injeção de ZIB
potência das PMUs
corrente (barra#)
1,1350 4,7819 0,0438 1,1350 4,7819 0,0438 (barra # - barra#) (barra#)
(barra#)
Erro nas linhas 2 e 3 Erro nas linhas 2, 3 e 4 1-2,1-3,2-4,2-5,2-6,3-4,4- 1, 2, 3, 4, 5, 7, 2, 4, 10, 12, 2, 6, 9,
6,4-12,5-7,6-7,6-8,6-9,6- 8, 10, 12, 14, 15, 18, 27 10, 12,
2 18 58 10,6-28,8-28,9-10,9-11,10- 15, 16, 17, 18, 14, 17,
gsr bsr bsh gsr bsr bsh 17,10-20,10-21,10-22,12- 19, 20, 21, 23, 19, 20,
1,6860 5,1158 0,034 1,6880 5,1152 0,0338 13,12-14,12-15,12-16,14- 24, 26, 29, 30 22, 23,
15,15-18,15-23,16-17,18- 25, 29
Erro nas linhas 3 e 4 Erro nas linhas 3, 4 e 5 19,19-20,21-22,22-24,23-
3 37 42 24,24-25,25-26,25-27,27-
gsr bsr bsh gsr bsr bsh 29,27-30,28-27,29-30
1,7033 5,1934 0,0344 1,7033 5,1935 0,0344
Erro nas linhas 4 e 5 Erro nas linhas 4, 5 e 6 As mesmas condições e testes usados na rede IEEE de 14
4 100 120 barras (30% de erro na linha a ser analisada, incerteza nos
gsr bsr bsh gsr bsr bsh instrumentos de medida, uso do critério de parada e PMUs
4,9525 15,2699 0,0514 4,9524 15,2699 0,0514 previamente instaladas nas barras 2, 4, 10, 12, 15, 18 e 27)
Erro nas linhas 5 e 6 Erro nas linhas 5, 6 e 7
foram aplicadas na rede IEEE de 30 barras, e os resultados
5 16 55 também foram muito bons. Utilizou-se como exemplo a linha 1
gsr bsr bsh gsr bsr bsh (que conecta as barras 2 e 3). A Tabela XI mostra os
1,9550 4,0941 0,0000 1,9550 4,0941 0,0000
parâmetros atuais e os parâmetros com erro.
Erro nas linhas 6 e 7 Erro nas linhas 6, 7 e 8
6 25 110 TABELA XI – PARÂMETROS DA LINHA 1 (2 – 3)
gsr bsr bsh gsr bsr bsh
linha Valores com erros (pu) Valores verdadeiros (pu)
1,5260 3,1759 0,0000 1,5491 3,1498 0,0002
gsr bsr bsh gsr bsr bsh
Erro nas linhas 7 e 8 Erro nas linhas 7, 8 e 9 1 2-3 2,4000 6,8000 0,0130 1,8462 5,2308 0,0100
7 21 22
gsr bsr bsh gsr bsr bsh
3,0989 6,1028 0,0000 3,0989 6,1028 0,0000 Os resultados são mostrados na Figura 1, onde as linhas
dos gráficos referem-se aos grupos de 2, 20 e 50 snapshots, e
Erro nas linhas 8 e 9 Erro nas linhas 8, 9 e 10
8 16 18
as linhas horizontais correspondem aos valores verdadeiros de
gsr bsr bsh gsr bsr bsh cada parâmetro. O eixo x corresponde ao número de iterações
0,0000 3,9679 0,0000 0,0000 3,9679 0,0000
e o eixo y são os valores dos parâmetros estimados.
Erro nas linhas 9 e 10 Erro nas linhas 9, 10 e 11
9 24 33
gsr bsr bsh gsr bsr bsh
3,9020 10,3654 0,0000 3,9021 10,3654 0,0000
Erro nas linhas 10 e 11 Erro nas linhas 10, 11 e 12
10 19 27
gsr bsr bsh gsr bsr bsh
1,4240 3,0290 0,0000 1,4240 3,0291 0,0000
Erro nas linhas 11 e 12 Erro nas linhas 11, 12 e 9
11 9 59
gsr bsr bsh gsr bsr bsh
0,0000 1,7980 0,0000 0,0000 1,7980 0,0000
Erro nas linhas 12 e 10 Erro nas linhas 12, 10 e 9
12 21 51
gsr bsr bsh gsr bsr bsh
0,0000 9,0901 0,0000 0,0000 9,0901 0,0000

FIGURA 1. PARÂMETROS ESTIMADOS DA LINHA 1 (2 – 3)

 Notou-se na Figura 1 que os parâmetros estimados
convergiram rapidamente para os valores verdadeiros e os erros
máximos atingiram valores muito baixos após poucas iterações.
VI. TESTES PARA A REDE IEEE DE 118 BARRAS
As mesmas condições aplicadas em pequenas redes foram
usadas em sistemas maiores. As PMUs foram instaladas nas
barras 3, 9, 11, 12, 15, 17, 21, 27, 31, 32, 34, 40, 45, 49, 52, 56,
59, 62, 72, 75, 77, 80, 85, 86, 90, 94, 101, 105 e 110.
A linha 7 (conectando as barras 11 e 13) teve seus
parâmetros modificados conforme mostra a Tabela XII. Os
parâmetros errados apresentam 30% de erro em relação aos
seus valores nominais da linha a ser analisada.
TABELA XII – PARÂMETROS DA LINHA 1 (2 – 3)
linha Valores com erros (pu) Valores verdadeiros (pu)
gsr bsr bsh gsr bsr bsh
7 11-13 4,9540 16,2760 0,01222 3,8108 12,5200 0,0094
A Figura 2 refere-se a linha 7 e os seus parâmetros foram
estimados com 2 e 10 snapshots.
FIGURA 2. PARÂMETROS ESTIMADOS DA LINHA 7 (11-13)
Observou-se que poucos snapshots foram necessários para
se alcançar os valores esperados, pois, para sistemas maiores,
os parâmetros errados estão somente em uma das linhas, não
sendo portanto suficiente para afetar as outras medições obtidas
de outros equipamentos. Notou-se que, para pequenas redes, 20
snapshots foram suficientes enquanto que em redes maiores,
apenas 10 snapshots foram necessários para se chegar aos
resultados esperados.
O processo de estimação de parâmetros convergiu com
um número menor de iterações se comparado com os casos
anteriores (redes menores).
Para 10 snapshots, os parâmetros estimados foram iguais
aos verdadeiros logo após a primeira iteração. Para 2 snapshots,
os parâmetros foram iguais aos verdadeiros após a segunda
iteração. Com o critério de parada e a tolerância definida
previamente, o programa convergiu em 3 iterações.
VII. CONCLUSÃO
Este artigo apresentou um procedimento linear WLS que é
capaz de estimar os parâmetros da linha de uma forma muito
eficiente e precisa. Esse procedimento usa a saída do estimador
de estado híbrido que utiliza medidas sincronizadas (PMU) e
convencionais (SCADA) para obter o estado estimado de
operação do sistema.
A metodologia foi aplicada em pequenos e grandes
sistemas de potência. O método proposto também oferece a
possibilidade de que outros valores errados possam ser usados,
dependendo da situação a ser analisada.
Os resultados dos testes foram importantes para demonstrar
o bom desempenho do estimador conforme as variações nos
dados de entrada. O número de snapshots necessário para
estimar os parâmetros de uma linha de acordo com uma
tolerância pré-definida foi avaliado. Os testes também
mostraram que, mesmo com erro de 30% nos parâmetros de
mais de uma linha, os resultados obtidos foram muito próximos
aos parâmetros reais. O desempenho e a precisão do método
proposto provaram ser melhores, se comparados aos métodos
existentes.
REFERÊNCIAS
[1] C. Camargo, “Transmissão de Energia Elétrica – aspectos
fundamentais.” 4rd ed., Florianopolis. UFSC, 2009, pp. 75, 108.
[2] G. L. Kusic, D. L. Garrison. "Measurement of transmission line
parameters from SCADA data." Power Systems Conference and
Exposition, 2004.
[3] S. Gangavarapu, S. Chakrabarti, S. C. Srivastava. "Uncertainty in
transmission line parameters: Estimation and impact on line current
differential protection." IEEE Trans. on Instrumentation and
Measurement vol. 63, n.6, 2014.
[4] A. Abur, A. G. Exposito, Power system state estimation: Theory and
implementation. New York: Basel, 2004.
[5] J. Zhu, A. Abur, "Identification of network parameter errors," IEEE
Trans. on Power Systems, vol. 21, n. 2, 2006.
[6] L. Zhang, A. Abur, "Identifying parameter errors via multiple
measurement scans," IEEE Trans. on Power Systems, vol. 28, n. 4,
2013.
[7] F. C. Schweppe, J. Wildes, "Power System Static-State Estimation, Part
I: Exact Model", IEEE Trans. on Power Apparatus and Systems,
Vol.PAS-89, 1970.
[8] M. Asprou, E. Kyriakides, "Enhancement of hybrid state estimation
using pseudo flow measurements," IEEE PES General Meeting, 2011.
[9] M. Asprou, E. Kyriakides, “Estimation of Transmission Line
Parameters Using PMU Measurements” IEEE PES General Meeting.
2015.
[10] Matpower. A Matlab Power System Simulation Package. [online].
Disponível em http://www.pserc.cornell.edu/matpower