SCADA and PMU Measurements for Improving Power System State Estimation

Salgado, Axel Rendón; Esquivel, Claudio R. Fuerte; Guizar, Jorge Guillermo Calderon

doi:10.1109/tla.2015.7273784

Cited by 14 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Consequently, attempting a comprehensive replacement would result in severe operational losses. PMUs and traditional SCADA systems will coexist within the power grid [10][11][12]. This gives rise to an intricate scenario, necessitating the monitoring of system dynamics through a diverse array of sensors with varying sampling rates.…”

Section: Introductionmentioning

confidence: 99%

Power System State Estimation Based on Fusion of PMU and SCADA Data

Zhu,

Gao,

et al. 2024

Energies

View full text Add to dashboard Cite

This paper introduces a novel hybrid filtering algorithm that leverages the advantages of Phasor Measurement Units (PMU) to address state estimation challenges in power systems. The primary objective is to integrate the benefits of PMU measurements into the design of traditional power system dynamic estimators. It is noteworthy that PMUs and Supervisory Control and Data Acquisition (SCADA) systems typically operate at different sampling rates in power system estimation, necessitating synchronization during the filtering process. To address this issue, the paper employs a predictive interpolation method for SCADA measurements within the framework of the Extended Kalman Filter (EKF) algorithm. This approach achieves more accurate estimates, closer to real observation data, by averaging the KL distribution. The algorithm is particularly well-suited for state estimation tasks in power systems that combine traditional and PMU measurements. Extensive simulations were conducted on the IEEE-14 and IEEE-30 test systems, and the results demonstrate that the fused estimator outperforms individual estimators in terms of estimation accuracy.

show abstract

Section: Introductionmentioning

confidence: 99%

Power System State Estimation Based on Fusion of PMU and SCADA Data

Zhu,

Gao,

et al. 2024

Energies

View full text Add to dashboard Cite

show abstract

“…A estimação de estados (EE) é uma ferramenta essencial para a operação de sistemas de potência, segundo Abur and Expósito (2004). Entretanto, devido à introdução de novas tecnologias e o advento do uso das medições fasoriais sincronizadas, a detecção, identificação e correção de erros grosseiros têm se tornado funcionalidades cada vez mais necessárias segundo Salgado et al (2015) e Abood (2020).…”

Section: Introdu ç ãOunclassified

Uma nova abordagem para correção de erros grosseiros em estimação de estados utilizando algoritmo genético

Mingorança

Melo

Antunes

et al. 2022

Proceedings IX Simpósio Brasileiro De Sistemas Elétricos

View full text Add to dashboard Cite

This paper presents a new methodology for correcting gross errors in power distribution systems state estimation (SE). A SE algorithm is developed based on the Weighted Least Squares (WLS) using a hybrid approach in which non-synchronized measurements and PMUs (Phasor Measurement Units) are used together. At the end of the process, the Normalized Residuals (NRs) are calculated for each measurement and the existence of gross errors is detected based on statistical analysis of the NRs. Suspicious measurements are identified by the highest values of NRs. A calibration factor is associated with each suspected measurement to estimate the system state and correct the gross errors. In order to determine the exact values of the calibration factors, a new formulation of an optimization problem is proposed, being the solution provided by genetic algorithm. Simulations are conducted using the IEEE 33-bus test system to validate the proposed method proving its efficiency and robustness. Resumo: Este artigo apresenta uma nova metodologia para a correção de erros grosseiros no processo de estimação de estados (EE) em sistemas de distribuição de energia elétrica. Um algoritmo de EE é desenvolvido baseado no método dos Mínimos Quadrados Ponderados (MQP) usando uma abordagem híbrida por meio de medições não sincronizadas e provenientes de PMUs (Phasor Measurement Units) utilizadas conjuntamente. Ao final do processo, os Resíduos Normalizados (RNs) são calculados para cada medição e detecta-se a existência de erros grosseiros através de análises estatísticas considerando os RNs. As medições suspeitas são identificadas avaliando os maiores valores de RNs. Um fator de calibração é associado às medições identificadas como suspeitas com o intuito de estimar o estado do sistema corrigindo os erros grosseiros. A fim de se determinar os valores exatos dos fatores de calibração, um problema de otimização é formulado, sendo resolvido com o auxílio da técnica do Algoritmo Genético (AG). Simulações são conduzidas utilizando um sistema teste de distribuição do IEEE de 33 barras para validar o método proposto atestando sua eficiência e robustez.

show abstract