Nas últimas décadas, diversos estimadores de estado foram desenvolvidos e aplicados em sistemas elétricos de potência (SEP), dos quais se destaca o baseado no método da mínima mediana. Isso em razão desse, conhecido como estimador por mínima mediana do resíduo ponderado ao quadrado (do inglês, Weighted Least Median of Squares - WLMS), ser capaz de filtrar erros grosseiros (EGs) existentes em medidas redundantes que atraem a convergência do processo de estimação de estado. Essas medidas são chamadas de ponto de alavancamento. Todavia, o estimador WLMS requer um alto custo computacional, tornando-se inviável para aplicação, em tempo real, em SEP de grande porte. De uma forma geral, os motivos desse custo computacional são devido ao estimador WLMS exigir a realização das seguintes tarefas: (i) sorteio, dentre todas as medidas disponíveis, de diversos conjuntos observáveis de medidas com número de medidas igual ao número de variáveis de estado a serem estimadas; (ii) análise da redundância local das medidas disponíveis para cada um dos conjuntos observáveis sorteados; e (iii) execução de vários fluxos de carga. Neste trabalho, propõe-se o desenvolvimento de um estimador de estado estatisticamente robusto, baseado no método da mínima mediana, porém, viável para aplicação em tempo real em SEP de grande porte. Para isso, foram propostas novas metodologias para realização das tarefas supracitadas. A metodologia proposta para realização das tarefas (i) e (ii) faz uso da estrutura da matriz H'delta', pois, através dessa matriz, as análises de observabilidade e de redundância de medidas são realizadas de forma simples e direta. Para realizar a tarefa (ii), desenvolveu-se uma metodologia para cálculo de fluxo de carga, tomando por base um método de varredura direta/inversa. Por fim, para aumentar a eficiência computacional em tempo real do estimador proposto, as tarefas a serem executadas pelo mesmo que não dependem de informações, que se tornam disponíveis em tempo real, são realizadas num processo off-line. Como principais resultados deste trabalho, destacam-se: (i) um estimador de estado robusto; e (ii) uma metodologia eficiente para determinação da mínima redundância local de medidas e para sortear os conjuntos observáveis de medidas.

In the last decades several state estimators were developed and applied to power systems. Among these estimators, the one based on the least median method is of interest to us. This because the weighted least median of squares (WLMS) estimator is capable of filtering gross errors corrupting redundant measurements called leverage points. Leverage points are highly influential measurements that attract the state estimations solution towards them. However, some of the WLMS estimator tasks require excessive computing time, making that estimator impracticable to large-scale power systems in real-time environment. The WLMS estimator tasks requiring excessive computing time are: (i) selection, among all available measurements, of several samples with N non-redundant measurements for which the system is observable, where N is the number of system states to be estimated; (ii) determination of the minimum redundancy of the available measurements set; and (iii) the solution of several load flows (one for each selected samples of N measurements). This work proposes a robust state estimator based on the least median method applicable to large-scale power systems in real-time environment. In order to do this, new methodologies were proposed to perform the tasks mentioned above. The proposed methodology to perform tasks (i) and (ii) is based on the analysis of the H'delta' matrix structure (this analysis enables both observability and redundancy analysis in a straightforward manner). To perform task (ii), it was developed a load flow methodology based on a forward/backward sweep power flow method. Finally, in order to increase the computational efficiency of the proposed estimator in real-time environment, the tasks that do not depend on real-time information will be conducted by an off-line process. As the main results of this work we could enumerate: (i) a robust state estimator; and (ii) an efficient methodology to determine both the minimum redundancy of the available measurement set and the observable samples with N non-redundant measurements.