The Application of the Exact State Estimation Method in Electric Power Systems

• Autorzy: Dziewiński T. , Włodarczyk P.

Warianty tytułu

PL

Metoda dokładnego odtwarzania stanu dla systemów elektroenergetycznych

• Języki publikacji: EN

Abstrakty

EN

A large share of distributed, renewable, intermittent energy resources resulted in the increased dynamics of the electricity grid and made it less predictable. Electric Power Systems (EPS), which used to be considered quasi-static systems of high order, with the presence of Distributed Energy Resources (DERs) at the distribution level, are constantly changing into active dynamic systems. This implies the application of the Dynamic State Estimation (DSE) which can estimate voltage and phase in real-time as well as can be used for the diagnostic purposes, hardware maintenance and control. In this paper Exact State Estimator for the EPS, sometimes referred also as Integral State Observer (ISO) is designed. Furthermore the comparison study with the classical Kalman-Bucy filter is made showing the advantages of the ISO over classical methods.

PL

Znaczący udział rozproszonych oraz odnawialnych źródeł enegii o dostawach nieciągłych spowodował zmianę dynamiki sieci elektroenergetycznej, utrudniając przewidywalność dostaw energii. System elektroenergetyczny traktowany wcześniej jako quasi-statyczny system wysokiego ręedu, ewoluuje obecnie w stronę systemu dynamicznego ze względu na obecność rozproszonych źrodeł enegii na poziomie dystrybucji. Implikuje to koniecznosc dynamicznej obserwacji stanu systemu do celów określenia wartosci napięcia i fazy w czasie rzeczywistym oraz na potrzeby systemów diagnostyki oraz systemów sterowania. Poniższy artykuł prezentuje metodę Dokładnego Odtwarzania Stanu, znaną również pod nazwą metody Obserwatorów Całkowych. W artykule dokonano porównania metody dokładnego odtwarzania stanu z klasyczną metodą opartą o Filtr Kalmana-Bucy, wskazując zalety tej pierwszej.

Słowa kluczowe

EN

exact state observer; integral observer; electric power system; dynamic state estimator; Kalman filter

PL

dokładny obserwator stanu; obserwator całkowy; system elektroenergetyczny; estymator stanu dynamiczny; filtr Kalmana

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 7
• Strony: 164--168
• Opis fizyczny: Bibliogr. 18 poz., tab., wykr.

Twórcy

autor

Dziewiński T.

• AGH University of Science and Technology

autor

Włodarczyk P.

• AGH University of Science and Technology

Bibliografia

• [1] Baranowski J.: Tuning of strongly damped angular velocity observers, Przegla˛d Elektrotechniczny, R. 88 NR 6/2012.
• [2] Byrski W., Fuksa S.: General Approach to Linear Optimal Estimator of Finite Number of Parameters, IEEE Transactions on Automatic Control, 29 (5), pp. 470–472, 1984.
• [3] Byrski W.: Synthesis of observation and control methods designed for dynamic systems (in Polish), AGH University of Science and Technology Press, 2007.
• [4] Chow J.: Dynamic networks and area aggregation, Time- Scale Modeling of Dynamic Networks with Applications to Power Systems, 46, pp. 59–93, 1982.
• [5] Gao W., Wang S.: On-line dynamic state estimation of power systems, North American Power Symposium (NAPS), 2010.
• [6] Ghahremani E., Kamwa I.: Dynamic State Estimation in Power System by Applying the Extended Kalman Filter With Unknown Inputs to Phasor Measurements, IEEE Transactions on Power Systems, 26 (4), pp. 2556–2566, 2011.
• [7] Handschin E.: Real time data processing using state estimation in electric power systems, Real Time Control of Electric Power Systems, pp. 29—57, 1972.
• [8] Huang Z., Schneider K., Nieplocha J.: Feasibility studies of applying Kalman Filter techniques to power system dynamic state estimation, Power Engineering Conference, pp. 376– 382, 2007.
• [9] Jain A., Shivakumar N. R.: Power system tracking and dynamic state estimation, Power Systems Conference and Exposition, 2009. PSCE ’09. IEEE/PES, pp. 1–8, 2009.
• [10] Kaczorek T.: Perfect observers of standard linear systems, Bulletin of the Polish Academy of Sciences, Technical Sciences, vol. 50, No 3, pp. 237-245, 2002.
• [11] Kalman R. E., Bucy R. S.: New results in linear filtering and prediction theory, Transactions of the ASME. Series D, Journal of Basic Engineering, 83, pp. 95–107, 1961.
• [12] MitkowskiW.: Dynamic Systems Stabilisation (in Polish), AGH University of Science and Technology Press, 1996.
• [13] Pelc M., Anthony R. J., Byrski W.: Policy Supervised Exact State Reconstruction in Real-Time Embedded Control Systems, 7th workshop on Advanced Control and Diagnosis, 2009.
• [14] Shames I., Teixeira A. M. H., Sandberg H., Johansson K. H.: Distributed fault detection for interconnected second-order systems with applications to power networks, First Workshop on Secure Control Systems, 2010.
• [15] Smart Grid definition [web page] http://www.electropedia.org. [Oct. 2011.].
• [16] Thabet A., Boutayeb M., Didier G., Chniba S., Abdelkrim M. N.: Fault diagnosis for dynamic power system, Systems, Signals and Devices (SSD), 2011 8th International Multi- Conference on, pp. 1–7, 2011.
• [17] Valverde G., Terzija V.: Unscented Kalman filter for power system dynamic state estimation, eneration, Transmission Distribution, IET, 5 (1), pp. 29–37, 2011.
• [18] Włodarczyk P.: Fault Detection in Electric Power Systems Using Kalman Filter, PAR Pomiary Automatyka Robotyka, 7-8, pp. 86–89, 2011.