Una técnica de excitación natural extendida para el análisis modal de datos ambiente del sistema eléctrico de potencia
Barra lateral del artículo
Contenido principal del artículo
Resumen
Actualmente, varias técnicas avanzadas de procesamiento digital de señales han sido desarrolladas para analizar datos ambiente del sistema eléctrico de potencia obtenidos a partir de sistemas de medición de área amplia. Una técnica de excitación natural extendida se propone en este artículo para caracterizar la información dinámica contenida en los datos ambiente. Esta nueva técnica es basada en la técnica de excitación natural y la descomposición de factores paralelos. La técnica propuesta usa la correlación de los datos medidos a través de varias matrices de correlación que son usadas para formar un tensor de tercer orden. A partir de este tensor de correlaciones, las respuestas al impulso del sistema eléctrico de potencia pueden ser extraidas mediante la descomposición de factores paralelos. Después, el algoritmo de realización de eigensystem se aplica a cada respuesta al impulso del sistema para estimar su frecuencia oscilatoria y su relación de amortiguamiento. La técnica propuesta es aplicada a datos ambiente obtenidos de simulaciones de estabilidad transitoria del sistema eléctrico de potencia Nueva Inglaterra-Nueva York. Los resultados indican que las frecuencias oscilatorias y las relaciones de amortiguamiento pueden ser estimados precisamente usando la técnica propuesta. Por lo tanto, se concluye que la técnica propuesta podría ser usada para el monitoreo de las oscilaciones ambiente usando sistemas de medición de área amplia.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Citas
J. F. Hauer, D. J. Pal, D. J. Trudnowski, and J. G. DeSteese, “A perspective on wams analysis tools for tracking of oscillatory dynamics,” IEEE Power Engineering Society General Meeting, pp. 1-10, Tampa, USA, June 2007.
J. W. Pierre, D. J. Trudnowski, and M. K. Donnelly, “Initial results in electromechanical mode identification from ambient data,” IEEE Transactions on Power Systems, vol. 12, no. 3, pp. 1245‐1251, August 1997.
G. Rogers, Power System Oscillations, Kluwer Academic Publishers, USA, 2000.
A. G. Phadke and J. S. Thorp, Synchronized Phasor Measurements and their Applications, Springer, USA, 2008.
R. W. Wies, J. W. Pierre, and D. J. Trudnowski, “Use of arma block processing for estimating stationary lowfrequency electromechanical modes of power systems,” IEEE Transactions on Power Systems, vol. 18, no. 1, pp. 167‐173, February 2003.
G. Liu and V. Venkatasubramanian, “Oscillation monitoring from ambient PMU measurements by frequency domain decomposition,” IEEE International Symposium on Circuits and Systems, pp. 2821-2824, Seattle, USA, May 2008.
J. Turunen, L. Haarla, and T. Rauhala, “Performance of wavelet-based damping estimation method under ambient conditions,” IREP Symposium Bulk Power System Dynamics and Control - VIII, Rio de Janeiro, Brazil, August 2010.
L. Vanfretti, L. Dosiek, J. W. Pierre, D. Trudnowski, J. H. Chow, R. Garca-Valle, and U. Aliyu, “Application of ambient analysis techniques for the estimation of electromechanical oscillations from measured PMU data in four different power systems,” European Transactions on Electrical Power, vol. 21, no. 4, pp. 1640-1656, May 2011.
M. Larsson and D. S. Laila, “Monitoring of inter-area oscillations under ambient conditions using subspace identification,” IEEE Power & Energy Society General Meeting, pp. 1-6, Calgary, Canada, July 2009.
J. Thambirajah, N. F. Thornhill, and B. C. Pal, “A multivariate approach towards inter-area oscillation damping under ambient conditions via independent component analysis and random decrement,” IEEE Transactions on Power Systems, vol. 26, no. 1, pp. 315‐322, February 2011.
J. M. Seppänen, L. C. Haarla, and J. Turunen, “Modal analysis of power systems with eigendecomposition of multivariate autoregressive models,” IEEE PowerTech, pp. 1‐6, Grenoble, France, June 2013.
S. A. N. Sarmadi and V. Venkatasubramanian, “Electromechanical mode estimation using recursive adaptive stochastic subspace identification,” IEEE Transactions on Power Systems, vol. 29, no. 1, pp. 349‐358, January 2014.
J. M. Seppänen, J. Turunen, M. Koivisto, N. Kishor, and L. C. Haarla, “Modal analysis of power systems through natural excitation technique,” IEEE Transactions on Power Systems, vol. 29, no. 4, pp. 1642‐1652, July 2014.
P. Zhang, X. Wang, X. Wang, and J. S. Thorp, “Synchronized measurement based estimation of inter-area electromechanical modes using the Ibrahim time domain method,” Electric Power Systems Research, vol. 111, pp. 85‐95, March 2014.
J. M. Seppänen, J. Turunen, M. Koivisto, and L. C. Haarla, “Measurement based analysis of electromechanical modes with second order blind identification,” Electric Power Systems Research, vol. 121, pp. 67‐76, April 2015.
P. Zhang, Y. Teng, X. Wang, and X. Wang, “Estimation of interarea electromechanical modes during ambient operation of the power systems using the RDT-ITD method,” Electric Power Systems Research, vol. 71, pp. 285‐296, April 2015.
H. Khalilinia, and V. Venkatasubramanian, “Modal analysis of ambient PMU measurements using orthogonal wavelet bases,” IEEE Transactions on Smart Grid, vol. 6, no. 6, pp. 2954‐2962, November 2015.
S. You, J. Guo, G. Kou, Y. Liu, and Y. Liu, “Oscillation mode identification based on wide-area ambient measurements using multivariate empirical mode decomposition,” Electric Power Systems Research, vol. 134, pp. 158‐166, January 2016.
J. M. Caicedo, S. J. Dyke, and E. A. Johnson, “Natural excitation technique and eigensystem realization algorithm for phase I of the IASC-ASCE benchmark problem: simulated data,” Journal of Engineering Mechanics, vol. 130, no. 1, pp. 49-60, January 2004.
J. N. Juang and R. S. Pappa, “An eigensystem realization algorithm for modal parameter identification and model reduction,” Journal of Guidance, vol. 8, no. 5, pp. 620-627, October 1985.
P. Kundur, Power System Stability and Control, McGraw-Hill Education, USA, 1994.
J. Machowski, J. Bialek, and J. Bumby, Power System Dynamics: Stability and Control, Wiley, U. K., 1997.
R. Bro, “PARAFAC: Tutorial and applications,” Chemometrics and Intelligent Laboratory Systems, vol. 48, no. 2, pp. 149-171, October 1997.
G. Tomasi and R. Bro, “A comparison of algorithms for fitting the PARAFAC model,” Computational Statistics and Data Analysis, vol. 50, no. 7, pp. 1700-1734, April 2006.