In this work, the state estimation problem of electric power systems is represented through a mathematical programming approach. Initially, a non-linear mathematical model based on the classical method of weighted least squares is proposed to solve the state estimation problem for comparative purposes. Due to the inherent limitations that this classical model presents when dealing with errors in the set of measurements, a new mathematical model is proposed that can be used within an iterative procedure to reduce the impact of measurement errors on the estimated results. Several tests on a didactic 5-bus power system and IEEE benchmark power test systems showed the effectiveness of the proposed approach which achieved better results than the proposed classical state estimation model. The non-linear programming models proposed in this paper are implemented in the mathematical modeling language AMPL. Additionally, to validate the results of the proposed methodologies, the power system operation points are compared with the results obtained using the Matpower simulation package. The results allowed concluding that the proposed mathematical models can be successfully applied to perform state estimation studies in power systems.
A new state estimation method for electrical power distribution systems using the Distflow formulation and the Weighted Least Square method to determine the steady-state operating point is presented. In order to reduce the number of measurements needed for state estimation analysis, a special set of state variables is defined. The proposed methodology is shown to be able to successfully determine the operating conditions of a electrical power distribution system with high automation levels. The proposed approach is tested on the IEEE-37 and IEEE-123 bus test system, reducing the number of state variables up to 60% when compared with conventional state estimation method.
Direitos para esta edição cedidos à Atena Editora pelos autores. Open access publication by Atena Editora Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição-Não-Comercial-NãoDerivativos 4.0 Internacional (CC BY-NC-ND 4.0).
Direitos para esta edição cedidos à Atena Editora pelos autores. Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição-Não-Comercial-NãoDerivativos 4.0 Internacional (CC BY-NC-ND 4.0).O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade exclusiva dos autores, inclusive não representam necessariamente a posição oficial da Atena Editora. Permitido o download da obra e o compartilhamento desde que sejam atribuídos créditos aos autores, mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais. Todos os manuscritos foram previamente submetidos à avaliação cega pelos pares, membros do Conselho Editorial desta Editora, tendo sido aprovados para a publicação com base em critérios de neutralidade e imparcialidade acadêmica.A Atena Editora é comprometida em garantir a integridade editorial em todas as etapas do processo de publicação, evitando plágio, dados ou resultados fraudulentos e impedindo que interesses financeiros comprometam os padrões éticos da publicação. Situações suspeitas de má conduta científica serão investigadas sob o mais alto padrão de rigor acadêmico e ético.
Durante a pandemia da COVID-19 surgiram, por meio da análise e visualização de dados, plataformas de monitoramento para a doença. O foco da maioria das plataformas era o monitoramento a nível de Estado, com informações concentradas em macrorregiões. Com isso, cidades e municípios ficaram sem a devida atenção aos seus dados internos, o que resultou em dificuldade de tomada de decisão e estratégias de enfrentamento personalizadas para suas necessidades locais. Com uma prévia experiência no monitoramento da COVID-19 no Estado do Paraná coletando informações de acesso públicos, foi possível identificar novos tipos de dados e análises que poderiam ser realizadas com informações específicas de cada cidade ou município, no intuito de gerar informações úteis no contexto das características locais, como forma de auxiliar gestores na tomada de decisão. A capacidade de análise e visualização de dados da plataforma proposta, está diretamente relacionada aos desafios de estabelecer um padrão para obtenção dos mais variados tipos de dados encontrados nas organizações internas de cidades e municípios brasileiros. Assim, este trabalho apresenta uma metodologia de monitoramento inteligente dos dados da COVID-19, que compreende as etapas de obtenção, extração, limpeza, análise e a visualização dos dados. Com a análise de dados foi possível investigar ações e definir estratégias com foco nas características locais, gerando uma plataforma que foi transferida para uso entre alguns municípios do Paraná no ano de 2021.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.