Processamento de erros grosseiros através do índice de não-detecção de erros e dos resíduos normalizados

• Ano de defesa: 2017
• Autor(a) principal: Vieira, Camila Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Bad data processing; Erros das estimativas; Estimação de estado; Estimador de estado por mínimos quadrados ponderados; Estimador de estado WLS híbrido; Geometric interpretation; Hybrid WLS estimator; Índice de não-detecção de erros; Interpretação geométrica; Measurement error estimation; Ponderação; Power systems state estimation; Processamento de erros grosseiros; Sistema elétrico de potência; Undetectability index; Weighted least squares estimator; Weighting
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18154/tde-22032018-144505/

Esta dissertação trata do problema de processamento de Erros Grosseiros (EGs) com base na aplicação do chamado Índice de Não-Detecção de Erros, ou apenas UI (Undetectability Index), na análise dos resíduos do estimador de estado por mínimos quadrados ponderados. O índice UI foi desenvolvido recentemente e possibilita a classificação das medidas de acordo com as suas características de não refletirem grande parcela de seus erros nos resíduos daquele estimador. As medidas com maiores UIs são aquelas cujos erros são mais difíceis de serem detectados através de métodos que fazem uso da análise dos resíduos, pois grande parcela do erro dessas medidas não aparece no resíduo. Inicialmente demonstrou-se, nesta dissertação, que erros das estimativas das variáveis de estado em um sistema com EG não-detectável (em uma medida de alto índice UI) podem ser mais significativos que em medidas com EGs detectáveis (em medidas com índices UIs baixos). Justificando, dessa forma, a importância de estudos para tornar possível o processamento de EGs em medidas com alto índice UI. Realizou-se, então, nesta dissertação, diversas simulações computacionais buscando analisar a influência de diferentes ponderações de medidas no UI e também nos erros das estimativas das variáveis de estado. Encontrou-se, então, uma maneira que destacou-se como a mais adequada para ponderação das medidas. Por fim, ampliaram-se, nesta dissertação, as pesquisas referentes ao UI para um estimador de estado por mínimos quadrados ponderados híbrido.