Trabalho 4: Processamento de erro Grosseiro

Estimao de Estados 2017-1

Prof. Dr Joo Bosco London
Escola de Engenharia de So Carlos EESC - USP

Sebastin de Jess Manrique Machado

Abril de 2017

1 Identificao de Erro Grosseiro Em Circuito Em Corrente Contnua

Nesta seo o mtodo dos mnimos quadrados ponderados ser aplicado num
circuito em corrente contnua. Na Figura 1 apresenta-se o circuito em estudo. De acordo
com as informaes na Tabela 1, dispe-se de medidas de corrente e tenso para realizar
a estimao de estados. importante definir, que neste caso, as tenses nodais foram
definidas como as variveis de estado.Assim, modelo de medio para circuitos em corrente
continua derivado da tcnica de anlise nodal o qual est baseada na equao (1).

Vk Vm
Ikm = (1)
Rkm

Figura 1 Esquemtico do circuito CC para estimao de estados

sj.manriquem@gmail.com

1
 Tabela 1 Medidas disponveis para realizar o processo de estimao de estados

Medida Valor
I12 52
I21 49
I13 -15
I31 16
I23 -82
I32 80
V1 11
V2 6
V3 14

1.1 Modelo de Medio

Levando em considerao a equao (1) desenvolve-se o modelo de medio dado
pela equao (2).

medido Vk Vm
Ikm = + wIkm Vkmedido = Vk + wV k (2)
Rkm

Aplicando (2) obtm-se o modelo de medio expressado matricialmente de acordo

com (3).

I12 52 10 10 0 wI12
I 49 10 10 0 w
21 I21
I13 15 5 0 5 wI13

I31 16 5 0 V1 wI31
5



I23 = 82 = 0 10 10 V2 + wI23
(3)

I 80 0
32 10 10
V3
w
I32
V1 11 1 0 0 wV 1


V2 6 0 1 0 wV 2
V3 14 0 0 1 wV 3

Relembra-se que para obter a estimao das variveis de estado do modelo de

medio pelo mtodo dos mnimos quadrados ponderados, aplica-se a expresso em (4).

x = (HT WH)1 HT Wz (4)

onde a matriz W a matriz de covariana e H a matriz Jacobiana que relaciona as

medidas com as variveis de estado no modelo de medio.

1.2 Deteco de EG Considerando Matriz de ponderao 1

Neste caso, considera-se a matriz de ponderao de covariana com a diagonal a
seguir: WDiagonal = [1, 1, 1, 1, 1, 1, 100, 100, 100].

2
 Calcula-se a Matriz G de acordo com a expresso em (5)

350 200 50
(HT WH) = G 200 500 200 (5)

50 200 350

Aplicando a equao de mnimos quadrados ponderados em (4), obtm-se os valores

parciais expressados na equao (6).

0.0048 0.0029 0.0023 975
G1 = Cov(x) 0.0029 0.0043 0.0029 (HT Wz) = 1050 (6)

0.0023 0.0029 0.0048 3175

Finalmente as varveis de estado estimadas apresentam-se na equao (7).

V1

0.0048 0.0029 0.0023 975 9.0714

V2 = 0.0029 0.0043 0.0029 1050 = 7.3571 (7)

V3 0.0023 0.0029 0.0048 3175 14.5714

Posteriormente procede-se ao clculo dos resduos (r), de acordo com (8); e da

matriz , segundo a expresso (9), a qual necessria para realizar a normalizao do
vetor de resduos.

r = z z = z Hxv (8)

= W1 HG1 HT (9)

Os resultados obtidos aplicando as duas equaes anteriores apresenta-se em (10)

e (11)

34.8571
66.1429

12.5000

11.5000


9.8571
r= (10)

7.8571

1.9286

1.3571

0.5714

diagonal = [0.6607, 0.6607, 0.8750, 0.8750, 0.6607, 0.6607, 0.0052, 0.0057, 0.0052] (11)

O vetor de resduos obtido em (10) deve ser normalizado para aplicar o mtodo de
deteco de erro grosseiro atravs do mtodo dos resduos normalizados. A normalizao
dos resduos se efetua conforme a equao (12).

3
 ri
riN =
p
, onde ii = ii (12)
ii

Aplicando (12) obtm-se o vetor de erro normalizado conforme a equao (13).

42.8830
81.3722

13.3631

12.2940

rN

12.1267
= (13)

9.6662

26.7998

17.9533

7.9407

Observa-se que de acordo com este mtodo a medida correspondente a I21 a

MEDIDA PORTADORA DE ERRO GROSSEIRO.

1.3 Deteco de EG Considerando Matriz de ponderao 1

Neste caso, considera-se a matriz de ponderao de covariana com a diagonal a
seguir: WDiagonal = [1, 10, 1, 1, 1, 1, 100, 100, 100]. Em outras palavras, a medida portadora
de erro grosseiro est sendo considerada como uma medida de melhor qualidade em relao
ao caso anterior.
Calcula-se a Matriz G de acordo com a expresso em (14)

1250 1100 50
T
(H WH) = G 1100 1400 200 (14)

50 200 350

Aplicando a expresso (4), obtm-se os valores parciais expressados na equao

(15).

0.0040 0.0035 0.0026 3435
G1 = Cov(x) 0.0035 0.0038 0.0027 (HT Wz) = 3360 (15)

0.0026 0.0027 0.0048 3175

As varveis de estado estimadas apresentam-se na equao (16).

V1

0.0040 0.0035 0.0026 3435 6.1868

V2 = 0.0035 0.0038 0.0027 3360 = 9.4551 (16)

V3 0.0026 0.0027 0.0048 3175 15.3581

Observa-se que os valores estimados das variveis de estado mudam consideravelmente

pelo fato de ter assinado uma maior ponderao medida portadora de erro grosseiro.
De forma anloga ao processo realizado no exerccio anterior, procede-se ao clculo
dos resduos (r), de acordo com (8); e da matriz , segundo a expresso (9), a qual
necessria para realizar a normalizao do vetor de resduos.

4
 Os resultados obtidos aplicando as duas equaes anteriores apresenta-se em (17)
e (18)

84.6828
16.3172

30.8568

29.8568


22.9692
r= (17)

20.9692

4.8132

3.4551

1.3581

diagonal = [0.9163, 0.0163, 0.9097, 0.9097, 0.6784, 0.6784, 0.0060, 0.0062, 0.0052] (18)

O vetor de resduos obtido em (17) deve ser normalizado. A normalizao dos

resduos realiza-se utilizando a equao (12), assim obtm-se o vetor de erro normalizado
conforme a equao (19).

88.4660
127.8077

32.3522

31.3038

rN

27.8867
= (19)

25.4585

61.9567

43.9952

18.7580

Observa-se que de acordo com o mtodo dos resduos normalizados, a medida

correspondente a I21 a MEDIDA PORTADORA DE ERRO GROSSEIRO. Novamente o
mtodo, conseguiu identificar a medida portadora de erro grosseiro, porm importante
observar que ao aumentar a ponderao (indicador de qualidade da medida) da medida
portadora de erro grosseiro, obtiveram-se RESDUOS NORMALIZADOS MAIORES.

1.4 Eliminar Medida portadora de EG e Re-Estimar as Variveis de Estado

Neste caso elimina-se a varivel I21 , a qual foi identificada pelo mtodo dos resduos
normalizados como a medida portadora de Erro Grosseiro. Assim o novo modelo de medio
re-escrito na equao (20).

I12 52 10 10 0 wI12
I 15 5 5
0 wI13

13
I31 16 5 0 5 wI31

V1
I23 82 0 10 10 wI23
I 80 0 10 10 V2 + w
= = (20)
32 V I32
3
V1 11 1 0 0 wV 1


V2 6 0 1 0 wV 2

V3 14 0 0 1 wV 3

5
 A mesma sequncia de clculo para este caso apresentada nas equaes (21) -
(26).

250 100 50
(HT WH) = G 100 400 200 (21)

50 200 350

0.0054 0.0024 0.0022 1465
G1 = Cov(x) 0.0024 0.0046 0.0030 T
(H Wz) = 1540 (22)

0.0022 0.0030 0.0049 3175

As varveis de estado estimadas neste caso, apresentam-se na equao (23).

V1

0.0054 0.0024 0.0022 1465 11.0378

V2 = 0.0024 0.0046 0.0030 1540 = 5.9270 (23)

V3 0.0022 0.0030 0.0049 3175 14.0351

Ao eliminar a medida portadora de erro grosseiro, as variveis de estado estimadas

tendem a se aproximar s medidas.
O vetor de resduos e a diagonal da matriz apresentam-se nas equaes (24) e
(25), respetivamente;

0.8919
0.0135

1.0135


0.9189
r=
(24)
1.0811

0.0378

0.0730

0.0351

diagonal = [0.4865, 0.8514, 0.8514, 0.6486, 0.6486, 0.0046, 0.0054, 0.0051] (25)

O vetor de resduos normalizado apresenta-se na equao (26).

1.2787
0.0146

1.0984


1.1410
rN =
1.3423
(26)

0.5582

0.9925

0.4903

De acordo com a equao de resduos normalizados em (26) e com o mtodo de deteco

de Erro Grosseiro aplicado neste trabalho, para este caso no foi detectada nenhuma outra
medida como portadora de Erro Grosseiro.

6
 Cabe destacar que nos dois casos anteriores, nos quais o mtodo de mnimos
quadrados ponderados foi aplicado com uma medida portadora de erro grosseiro, os erros
normalizados obtidos sempre foram maiores do que 3 (limite aceitado pelo mtodo dos
resduos normalizados). Assim observa-se que a dificuldade de detectar uma medida com
erro grosseiro, radica no fato de que esta medida prejudica a estimao de todas as variveis
de estado, e portanto todas as medidas estimadas vo ter um resduo normalizado alto.

2 Exerccio Normalizao do Vetor Resduo - Aula

Considerando um sistema de duas barras e uma linha com resistncia R1 = 1 ),
onde dispe-se de medidas de corrente e tenso nas duas barras, normalize o vetor Resduo
considerando os dados na Tabela 2 e a matriz de ponderao em (27).

Tabela 2 Medidas disponveis para realizar o processo de estimao de estados

Medida Valor
I12 1.2
I21 -0.9
V1 0.2
V2 -0.3

1 0 0 0
0 1 0 0
W = (27)

0 0 100 0

0 0 0 100

r = z Hx = z H(HT WH)1 (HT Wz) (28)

O modelo de medio neste caso apresenta-se em (29)

I12 1.2 1 1 wI12
I 0.9 1 1 V1
wI21

21
= = V2 + (29)

V1 0.2 1 0 wV 1

V3
V2 0.3 0 1 wV 2

A equao (30) apresenta as variveis de estado estimadas aplicando o mtodo de

MQP.

" # " # " #

V1 0.0099 0.0066 h i 0.2036
= 22.1 0.6642 = (30)
V2 0.0066 0.3377 0.6642

7
 Aplicando (28) encontra-se o vetor resduo conforme a equao (31).

0.3321
0.0321
r= (31)

0.0036

0.3642

diagonal = [0.6656, 0.6656, 0.0001, 0.6623] (32)

Calcula-se a matriz de varianas dos resduos de acordo com (9) e obtm-se a

diagonal detalhada em (32). Assim, o vetor de resduos normalizado apresenta-se na equao
(33).

0.4071
0.0394
rN = (33)

0.4476

0.4476