%0 Journal Article
%T IDENTIFICACI¨®N EFICIENTE DE ERRORES EN ESTIMACI¨®N DE ESTADO USANDO UN ALGORITMO GEN¨¦TICO ESPECIALIZADO IDENTIFICA  O EFICAZ DOS ERROS EM ESTIMATIVA DE ESTADO USANDO UM ALGORITMO GEN¨¦TICO ESPECIALIZADO EFFICIENT IDENTIFICATION OF ERRORS IN STATE ESTIMATION THROUGH A SPECIALIZED GENETIC ALGORITHM
%A Hugo Andr¨¦s Ruiz
%A Eliana Mirledy Toro
%A Ram¨®n Alfonso Gallego
%J Revista EIA
%D 2012
%I Escuela de ingenieria de Antioquia
%X En este art¨ªculo se presenta un m¨¦todo para resolver el problema de estimaci¨®n de estado en sistemas el¨¦ctricos usando optimizaci¨®n combinatoria. Su objetivo es el estudio de mediciones con errores de dif¨ªcil detecci¨®n, que afectan el desempe o y calidad de los resultados cuando se emplea un estimador de estado cl¨¢sico. Dada su complejidad matem¨¢tica, se deducen indicadores de sensibilidad de la teor¨ªa de puntos de apalancamiento que se usan en el algoritmo de optimizaci¨®n de Chu-Beasley, con el fin de disminuir el esfuerzo computacional y mejorar la calidad de los resultados. El m¨¦todo propuesto se valida en un sistema IEEE de 30 nodos. Neste artigo apresenta-se um m¨¦todo para resolver o problema de estimativa de estado em sistemas el¨¦tricos usando otimiza  o combinat¨®ria. Seu objetivo ¨¦ o estudo de medidas com erros de dif¨ªcil detec  o, que afetam o desempenho e qualidade dos resultados quando se emprega um estimador de estado cl¨¢ssico. Dada sua complexidade matem¨¢tica, deduzem-se indicadores de sensibilidade da teoria de pontos de alavancagem que se usam no algoritmo de otimiza  o de Chu-Beasley, com o fim de diminuir o esfor o computacional e melhorar a qualidade dos resultados. O m¨¦todo proposto se valida em um sistema IEEE de 30 n¨®s. In this paper a method to solve the state estimation problem in electric systems applying combinatorial optimization is presented. Its objective is the study of measures with difficult detection errors, which affect the performance and quality of the results when a classic state estimator is used. Due to the mathematical complexity, sensibility indicators are deduced from the theory of leverage points used in the Chu-Beasley optimization algorithm with the purpose of reducing the computational effort and enhance the quality of the results. The proposed method is validated in a 30-node IEEE system.
%K errores de dif¨ªcil detecci¨®n
%K estimaci¨®n de estado
%K algoritmo gen¨¦tico de Chu-Beasley
%K puntos de apalancamiento
%K erros de dif¨ªcil detec  o
%K estimativa de estado
%K algoritmo gen¨¦tico de Chu-Beasley
%K pontos de alavancagem
%K multiple interacting bad data
%K state estimation
%K Chu-Beasley genetic algorithm
%K leverage points
%U http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1794-12372012000100002