Estimador de estado inteligente para análise de perdas em sistemas de distribuição de energia.

• Ano de defesa: 2011
• Autor(a) principal: Ferreira Neto, Leonardo Henrique Tomassetti
• 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: Distribuição de energia; Energy distribution; Estimação de estados; Power systems; Sistemas de potência; State estimation
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3143/tde-04112011-152511/

O presente trabalho tem por objetivo propor uma metodologia de estimação de estado (EE) para sistemas de distribuição de energia que auxilie na identificação das regiões de fornecimento das concessionárias de distribuição que possam conter perdas não técnicas, de modo a orientar as ações para sua redução. As perdas não técnicas de energia elétrica são um grande desafio não só no Brasil como também em outros países em desenvolvimento. Face à dificuldade e ao custo para fiscalizar anualmente toda a área de concessão, faz-se necessário um diagnóstico para avaliar em quais grupos de clientes e regiões encontram-se este tipo de perda. Destarte, fica evidenciada a necessidade do desenvolvimento de uma ferramenta que, além de tratar de uma modelagem completa do sistema, utilize informações provenientes de medições diversas. Para isso, a estimação de estado se torna a metodologia ideal. A metodologia utilizada na estimação de estados foi a dos Mínimos Quadrados Ponderados (do inglês, Weighted Least Squares - WLS) (Schweppe & Wildes, 1970) e algumas técnicas foram aplicadas para permitir a EE em sistemas de distribuição, tais como a utilização da corrente complexa dos trechos como variáveis de estado, que decompõe a estimação de estados em três subproblemas, um para cada fase, permitindo a utilização de uma modelagem trifásica da rede e a introdução de pseudomedidas obtidas dos dados de faturamento dos clientes através de um processo estatístico. O trabalho apresenta exemplos de aplicação, sendo estes em sistemas de distribuição reais, mostrando os resultados obtidos e termina destacando as principais vantagens da metodologia.