Un nuevo algoritmo de estimación de estado dinámico para redes de distribución utilizando diferentes métodos de pronóstico

• Lautaro E. Valenzuela ^[1] ; Matías Antunez ^[1] ; Mariano A. Risso ^[1] ; Pablo A. Lotito ^[1] ; Aldo Rubiales ^[1]
  1. [1] UNICEN (Argentina)
• Localización: Ingeniare: Revista Chilena de Ingeniería, ISSN-e 0718-3305, ISSN 0718-3291, Vol. 31, Nº. 1, 2023
• Idioma: español
• Títulos paralelos:
  • A novel dynamic state estimation algorithm for distribution networks using different forecasting methods
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este artículo presenta un algoritmo de estimación de estado para redes de distribución basado en el filtro de Kalman Unscented (UKF). En lugar de voltajes nodales, este método utiliza potencia activa y reactiva nodal como variables de estado en el modelo dinámico. Se probaron y compararon diferentes algoritmos de previsión de la demanda para ayudar en el paso de la predicción. Además, el algoritmo incluye el paquete de software OpenDSS como motor de cálculo.

    Se utilizó la red de distribución IEEE de 13 nodos para probar la metodología mediante la simulación de varios escenarios de generación de medidas. Para realizar estas simulaciones, se tuvieron en cuenta los valores de medición de una distribuidora de energía local. Los resultados expusieron diferentes niveles de desempeño, dependiendo de la naturaleza del escenario y el método de pronóstico seleccionado.

  • English

    This paper presents a State Estimation Algorithm for Distribution Networks based on the Unscented Kalman Filter (UKF). Instead of nodal voltages, this method uses nodal active and reactive power as state variables in the dynamic model. Different demand forecast algorithms to assist the prediction step were tested and compared. In addition, the algorithm includes the software package OpenDSS as a calculation engine.

    We used the 13-node IEEE distribution network to test the methodology by simulating several scenarios of measurement generation. These simulations were based on the measured values of a local energy distribution company. The results exposed different performance levels depending on the nature of the scenario and the selected forecast method.