аЯрЁБс>ўџ +-ўџџџ*џџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџьЅСq`№ПŽbjbjqPqP8"::ŽџџџџџџЄРРРР Ь #юффффффффЂЄЄЄЄЄЄ$ hy tШфффффШффнфтффЂфЂфи  ЎЗѓlŠеРЦ.Žѓ0#э єэ э €фффффффШШ ффф#фффф„œ$œџџџџ Resumo A estimaчуo de estado tem um papel crucial para o sucesso de funчѕes avanчadas de anсlise e controle presentes em Sistemas de Gerenciamento de Energia, sendo responsсvel por prover em tempo real uma base de dados consistente, livre de erros que possam comprometer o processo de tomada de decisѕes e colocar o sistema em risco. A presenчa de k-tuplas crэticas de medidas, unidades de mediчуo e ramos pode impor dificuldades para a identificaчуo de certos erros envolvendo as medidas coletadas, bem como a topologia da rede e seus parтmetros. Os efeitos negativos de criticalidades de ramos sobre o processo de depuraчуo de dados tъm sido descritos na literatura, como tambщm mщtodos para a detecчуo e identificaчуo de tuplas crэticas de baixa cardinalidade. A maioria deles se destina a identificar criticalidades que envolvem apenas medidas e apresentam cardinalidades nуo superior a trъs. A identificaчуo de tais criticalidades permite avaliar a vulnerabilidade da funчуo estimaчуo de estado com relaчуo ao risco de se perder a observabilidade e das rotinas de depuraчуo de erros falharem, no caso da indisponibilidade ou contaminaчуo de uma њnica medida. Entretanto, a perda ou contaminaчуo de um grupo de medidas, por exemplo, envolvendo muitas medidas de uma dada unidade de mediчуo, pode severamente afetar a observabilidade do sistema e a capacidade de depuraчуo de erros. A mesma coisa pode ocorrer no caso da indisponibilidade de uma unidade de mediчуo ou de alteraчѕes topolѓgicas. Logo, a identificaчуo de criticalidades de mais alta cardinalidade, envolvendo nуo apenas medidas, mas tambщm unidades de mediчуo e ramos da rede, щ importante para permitir uma avaliaчуo mais precisa das vulnerabilidades da estimaчуo de estado. No entanto, a identificaчуo de criticalidades de alta cardinalidade щ tida como uma tarefa complexa e onerosa computacionalmente, principalmente devido р natureza combinatѓria deste problema. Nesse sentido, esta Dissertaчуo apresenta uma metodologia simples, eficiente e eficaz para a identificaчуo de criticalidades de ramos, unidades de mediчуo e medidas. O algoritmo proposto щ construэdo tendo como base as propriedades relacionadas рs citadas criticalidades. Resultados de testes realizados com os sistemas-teste IEEE 14 e IEEE 30 barras sуo apresentados e demonstram a efetividade da abordagem proposta. Palavras-chave: Estimaчуo de Estado; Observabilidade; Depuraчуo de Dados; Operaчуo de Sistemas de Potъncia. Abstract State estimation plays a crucial role for the success of advanced tools employed for power systems analysis and control in Energy Management Systems. It is responsible for providing a consistent real-time dataset, free from errors that may compromise decision-making and put the system in risk. The presence of critical k-tuples of measurements, measurement units or branches may impose difficulties for state estimation to identify certain errors involving the acquired measurements, system topology or network parameters. Many methods for the detection and identification of critical tuples of low cardinality can be found in the technical literature. Most of them are devoted to the identification of criticalities that involve only measurements and present cardinality up to three. The identification of such criticalities allows the assessment of state estimation vulnerabilities, regarding the risk of unobservability or malfunction of data debugging routines in case of loss or corruption of a single measurement. However, the loss or corruption of a group of measurements, for example involving many measurements associated with a given measurement unit, may severely affect system observability and data debugging capability. The same may happen in the case of measurement unit unavailability or network topology changes. Thus, the identification of criticalities of higher cardinalities, involving not only measurements but also measurement units and network branches, is important to allow a more accurate assessment of state estimation vulnerabilities. However, the identification of criticalities of higher cardinalities is regarded as a very complex and time-consuming task, mainly due to the combinatorial nature of such problem. This work presents a simple and effective methodology for the identification of criticalities associated with network branches, measurement units and with the measurements themselves. The proposed algorithm is constructed having the properties related to such criticalities as their main pillar. Tests performed with IEEE 14 and IEEE 30 benchmark systems are presented, and the obtained results show the effectiveness of the proposed approach. Keywords: State Estimation; Observability; Data Debugging; Power System Operation. ЁЊŽ№хвУДhЕv!h_GCJaJmH sH hЕv!h_GCJaJmH sH %hЕv!h_G5;CJ\aJmH sH hЕv!h_GCJaJhЕv!h_G5;CJ\aJ234ЁЊ789:Žёшшшмёшшшшшк $„`„a$gdЕv!„`„gd•"b $„Єh`„a$gd•"b Ž§61hP:p|3zА‚. АЦA!АЅ"АЅ#‰$‰%ААФАФ Ф†œ 666666666666666666666666666666666666666666 6666666666 666666666666 666666666666666666666666666666666666666666666666666666666666666666\@ёџ\ •"bNormal$„Хdh`„Хa$ CJOJQJ_HaJmHsHtH >A@ђџЁ> 0Fonte parсg. padrуoTiѓџГT 0 Tabela normalі4ж l4жaі ,kєџС, 0 Sem lista BўOЂёB €.ц0Placeholder Text B*ph€€€Ž"џџџџ2 3 4 Ё Њ 789:˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€Kˆ01ŽŽŽ\d<Jдк%3]k™Ї )8ѓя§ў žY h ь ђ є њ 6 E P]Vc– kn– Ÿ х*‘щhО6_GЕv!€n(&(6%O>їeI•"b:mr Vv|3z/…{8…ЗE”кlБЧ МЦnУЬBФfЧŸtз}оаkр€.цџ@€g g ”ZQ==g g Ž@@џџUnknownџџџџџџџџџџџџGџ:рAxР џTimes New Roman5€Symbol3& џ:рCxР џArial7&џрџЌ@ŸCalibri"Aˆ№ФЉ{ыt'ŽТz‡цЈ !цЈ !!№Ѕ‰ДД24……№ќџ(№џ$Pџџџџџџџџџџџџџџџџџџџџџ•"b2џџANDREI MANTESSO COIMBRA MicrosoftHelioўџр…ŸђљOhЋ‘+'Гй0€˜ИФиф№  < H T`hpxфANDREI MANTESSO COIMBRA MicrosoftNormalHelio3Microsoft Office Word@FУ#@bDзЌўд@\+цlŠецЈўџеЭеœ.“—+,љЎ0 hp„Œ”œ ЄЌДМ Ф шф Microsoft! …ц ANDREI MANTESSO COIMBRA Tэtulo ўџџџўџџџ !ўџџџ#$%&'()ўџџџ§џџџ,ўџџџўџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџRoot Entryџџџџџџџџ РFiМѓlŠе.€1TableџџџџџџџџWordDocumentџџџџџџџџ8"SummaryInformation(џџџџDocumentSummaryInformation8џџџџџџџџџџџџ"CompObjџџџџџџџџџџџџuџџџџџџџџџџџџџџџџџџџџџџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџўџ џџџџ РF#Documento do Microsoft Office Word MSWordDocWord.Document.8є9Вq