Aplicación Práctica / Practical Issues
Recibido: 30-10-2019, Aprobado tras revisión: 17-01-2020
Forma sugerida de citación: Vargas, W.; Verdugo, P. (2020). “Validación e Identificación de Modelos de Centrales de
Generación Empleando Registros de Perturbaciones de Unidades de Medición Fasorial, Aplicación Práctica Central Paute –
Molino”. Revista Técnica “energía”. No. 16, Issue II, Pp. 50-59
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
© 2020 Operador Nacional de Electricidad, CENACE
Validation and Identification of Generation Plants Models Using Disturbance
Records from Phasor Measurement Units, Practical Application Paute –
Molino Power Plant
Validación e Identificación de Modelos de Centrales de Generación
Empleando Registros de Perturbaciones de Unidades de Medición Fasorial,
Aplicación Práctica Central Paute - Molino
W.A. Vargas P.X. Verdugo
Operador Nacional de Electricidad - CENACE, Quito, Ecuador
E-mail: wvargas@cenace.org.ec; pverdugo@cenace.org.ec
Abstract
The planning and operation of power systems are
commonly based on a series of analyzes that include
the use of dynamic and steady state simulations. In
this sense, modeling a power system with adequate
detail is a fundamental requirement for applications
that rely on an accurate prediction of the dynamic
response of the system, such as, for example, the
design and evaluation of systemic protection schemes
(SPS), area separation schemes, tuning of power
system stabilizers (PSS), among others. On this
basis, it is logical to ask: if the models are unable to
represent, within an acceptable margin of error, the
phenomena observed in the SEP, how can we rely on
the results of studies carried out based on these
models? Considering the extreme importance of
having a properly validated model, the objective of
this work is to develop a computational tool and to
structure a methodology for the Power Plant Model
Validation (PPMV), and for the identification of
their main control systems parameters using the
software-in-the-loop (SIL) functionality
implemented through the mean-variance mapping
optimization (MVMO) heuristic algorithm in
DIgSILENT PowerFactory, which allows comparing
the results of the simulations with records obtained
from phasor measurement units (PMUs), of events
or disturbances occurred in a power system.
Resumen
La planificación y operación de los sistemas de
potencia son comúnmente basadas en una serie de
análisis que comprenden el uso de simulaciones
dinámicas y en estado estacionario. En este sentido,
modelar un sistema de potencia con un adecuado
detalle es un requerimiento fundamental para las
aplicaciones que se basan en una predicción precisa
de la respuesta dinámica del sistema, como, por
ejemplo, el diseño y evaluación de esquemas de
protección sistémica (SPS), esquemas de separación
de áreas, la sintonización de estabilizadores de
sistemas de potencias (PSS), entre otros. Sobre esta
base, resulta lógico preguntarse: si los modelos no
representan, dentro de un margen de error
aceptable, los fenómenos observados en el SEP,
¿cómo podemos confiar en los resultados de los
estudios ejecutados con base en estos modelos?
Considerando la extrema importancia de disponer
de un modelo adecuadamente validado, el objetivo
de este trabajo es desarrollar una herramienta
computacional y estructurar una metodología para
la Validación e Identificación de los modelos de
Centrales Eléctricas (PPMV, por sus siglas en
ingles), y de sus principales sistemas de control
utilizando la funcionalidad software-in-the-loop
(SIL) implementada mediante el algoritmo
heurístico de optimización de mapeo media-varianza
(MVMO, por sus siglas en inglés) en DIgSILENT
PowerFactory, el cual permite comparar los
resultados de las simulaciones con registros
obtenidos de unidades de medición fasorial (PMUs,
por sus siglas en ingles), de eventos o perturbaciones
ocurridos en un sistema de potencia.
Index terms Parameter Identification, Automatic
Voltage Regulator, Model Validation, DIgSILENT,
Paute - Molino, MVMO.
Palabras clave Identificación Paramétrica,
Regulador Automático de Voltaje, Validación de
Modelos, DIgSILENT, Paute - Molino, MVMO
50
Edición No. 16, Issue II, Enero 2020
1. INTRODUCCIÓN
La planificación y operación de un Sistema de
Potencia se basan en una serie de análisis relacionados
con simulaciones del comportamiento del sistema en
estado estacionario y dinámico. En este tipo de estudios,
el comportamiento real del sistema de potencia es
pronosticado mediante el uso de simulaciones basadas
en software. Para este propósito, los diversos
componentes físicos del sistema deben modelarse
adecuadamente para representar con precisión el
comportamiento real del sistema de potencia [1].
El propósito de la validación del modelo es
comprender los fenómenos subyacentes del sistema de
potencia para que estos puedan ser representados
adecuadamente en la realización de estudios. El objetivo
final es contar con un modelo de sistema total que pueda
predecir razonablemente el resultado de un evento; sin
embargo, para lograr esto, se necesita tener
componentes individuales del modelo del sistema que
también sean válidos. El proceso de validación del
modelo y la eventual "validez" del modelo requieren un
"juicio de ingeniería" en lugar de basarse en un simple
proceso de prueba y error del modelo determinado por
ciertos criterios rígidos. Esto se debe a que cualquier
actividad de modelado requiere ciertas suposiciones y
compromisos, que solo pueden determinarse mediante
una comprensión profunda del proceso que se está
modelando y el propósito para el cual se utilizará el
modelo.
Mientras que los modelos para algunos componentes
individuales del sistema de potencia (por ejemplo,
centrales eléctricas, transformadores, etc.) se validan
regularmente, el modelo completo del sistema de
potencia interconectado generalmente no se obtiene a
través de un proceso de validación sistemática del
modelo real. La validación de los modelos de
componentes individuales y los datos asociados, en
primer lugar, seguido de una extensión a la validación
del modelo en todo el sistema, es una progresión lógica.
En resumen, el proceso de validación implica confirmar
que la respuesta simulada (ya sea para un componente o
el sistema de potencia general) a una perturbación se
corresponde razonablemente con la respuesta medida
con una perturbación similar [2].
Modelar el sistema de potencia con suficiente detalle
es un requisito básico principalmente para aquellas
aplicaciones que se basan en una predicción precisa de
la respuesta dinámica del sistema, como el diseño de
estrategias de protección o esquemas de control. Por
ejemplo, la sintonización de los estabilizadores de
sistemas de potencia (PSS) requiere un modelado lo
suficientemente preciso de, al menos, la representación
Generador – Barra Infinita (SMIB, por sus siglas en
inglés) simplificada [3]. En este modelo simplificado,
con el fin de obtener toda la información necesaria para
ejecutar el proceso de una forma satisfactoria, el
generador, su regulador automático de voltaje (AVR), e
inclusive los componentes que representen el sistema de
excitación del generador, y su regulador de velocidad se
deben modelar adecuadamente para satisfacer
restricciones de precisión mínimas.
La herramienta y la metodología de validación de
modelos de centrales de generación desarrollada en este
trabajo toma en consideración las recomendaciones
señaladas por la Corporación de la Confiabilidad
Eléctrica de América del Norte (NERC, por sus siglas
en inglés) en el documento “Reliability Guideline
Power Plant Dynamic Model Verification Using PMUs”
[4].
Sobre la base de estas recomendaciones de
validación de modelos de Centrales Eléctricas, tras un
proceso de investigación adecuadamente estructurado y
fundamentado, se desarrolló una herramienta en
PowerFactory de DIgSILENT para reproducir eventos
previamente registrados por algún equipo de supervisión
de perturbaciones (playbacks), como una PMU, con el
propósito de determinar si los modelos ingresados en las
bases de datos utilizadas para los diferentes estudios
realizados por las áreas de planificación y operación de
CENACE y CELEC EP presentan una fiabilidad
aceptable o si estos necesitan ser revalidados.
Precisamente, con el amplio despliegue de unidades
de medición fasorial, a nivel mundial, ahora es posible
usar datos de alta velocidad, sincronizados en el tiempo,
de las condiciones operativas de la red (voltaje,
corriente, frecuencia y ángulos de fase) para validar y
calibrar modelos operativos de varios activos de la red.
La validación de modelos a través de sincrofasores
resulta ser ahora mucho más productiva ya que la
prueba y mejora del modelo utilizando información real
en línea es más precisa y, a menudo, más económica
que la prueba de activos tradicional [5].
El proceso de revalidación contempla el empleo de
otra herramienta que efectúa la identificación
paramétrica de los componentes del modelo de la
central eléctrica (turbina – generador, regulador de
voltaje, regulador de velocidad y estabilizador de
sistemas de potencia) a través del Algoritmo de
Optimización de Mapeo Media-Varianza (MVMO, por
sus siglas en ingles). El mismo realiza, dentro de un
proceso heurístico, una comparación entre los resultados
de la potencias activa (P) y reactiva (Q) de las
simulaciones, obtenidas mediante el modelo de
playback (inyección de voltaje y frecuencia en el punto
de conexión de la central - POC) con los registros
obtenidos de P y Q a través de la PMU, ver Figura 1.
Actualmente los entes reguladores de los sistemas
eléctricos, a nivel mundial, han hecho énfasis sobre la
extrema importancia de la validación de los modelos de
los sistemas eléctricos y han dispuesto que los
operadores del sistema (ISO, por sus siglas en inglés)
obliguen a los propietarios de las centrales de
generación a obtener una certificación, cada cinco años,
51
Vargas et al. / Validación de Modelos de Centrales Empleando Registros de PMUs, Aplicación Central Paute - Molino
en la cual se indique que el modelo eléctrico de sus
generadores y de sus respectivos sistemas de control
fueron sometidos a un proceso de validación y, de no
ser el caso, a efectuar la identificación del mismo para
obtener este aval y poder, únicamente de esta manera,
seguir siendo parte de la operación del sistema de
potencia [6] , ver Figura 2.
Figura 1: Diagrama de Validación de Modelos Centrales
Eléctricas
Los modelos incorporados en las bases de datos
utilizadas en los estudios del Sistema Nacional
Interconectado (SNI) actualmente contienen únicamente
la información técnica proporcionada en manuales, que
en la mayoría de los casos resulta escasa e insuficiente,
por lo cual, estos modelos difícilmente llegan a
representar con precisión la respuesta real de los
elementos del sistema de potencia.
Figura 2: Ejemplo certificado emitido por WECC que una central
cumplió con el PPMV
Como se ha mencionado ya, el no disponer de
modelos adecuadamente validados puede representar un
incremento considerable en los costos de operación y,
en el peor escenario, una operación insegura, poco
confiable e inclusive potencialmente peligrosa. En este
sentido, una estrategia adecuadamente estructurada de
validación de modelos, permitirá innegablemente, y sólo
dentro de una instancia inicial, obtener una confianza
importante en los estudios realizados para garantizar
una correcta operación del SNI, con considerables
ahorros económicos.
El objetivo último de la propuesta plasmada en este
trabajo de investigación consiste en proporcionar el
sustento para la estructuración de una herramienta y un
proceso de validación e identificación de los modelos
empleados en las bases de datos de PowerFactory,
utilizadas en la realización de estudios eléctricos para la
planificación y operación del SNI, y con esto, alcanzar
cuantiosos beneficios técnicos y económicos para el
país.
En consideración con la transcendental importancia
de contar con un modelo fiable de centrales de
generación se desarrolló una herramienta en
PowerFactory que permite validar o validar/identificar
el modelo dinámico de una central eléctrica y de sus
componentes. Cabe indicar que programas
computacionales como PSSE de Siemens, PSLF de
General Electric, o PowerWorld Simulator de
PowerWorld Corporation, disponen de una herramienta
para la validación de modelos; sin embargo, no cuentan
con un proceso de identificación o calibración de los
mismos, como tal, lo cual realza aún más la
contribución presentada en este trabajo.
Este documento está organizado de la siguiente
manera: la Sección 2 presenta conceptos generales
relacionados con la validación de modelos de sistemas
de potencia y el fundamento teórico del algoritmo de
optimización MVMO. En la Sección 3 se describe la
metodología de identificación de parámetros propuesta.
La Sección 4 contiene la aplicación de la propuesta para
estimar los parámetros de una central de generación
eléctrica y de sus principales componentes (regulador de
voltaje, regulador de velocidad y estabilizador de
sistemas de potencia). Finalmente, las conclusiones y
recomendaciones se resumen en la Sección 5.
2. VALIDACIÓN DE MODELOS EN SISTEMAS
DE POTENCIA
Los criterios utilizados dentro de la planificación y
operación de sistemas eléctricos de potencia son
basadas, en casi todos los casos, en resultados de
simulaciones. Las simulaciones se basan en modelos de
sistema de potencia para predecir el funcionamiento del
sistema ante posibles eventos.
Por su parte, la toma de decisiones en tiempo real es
directamente dependiente de las predicciones del
comportamiento real del sistema, que se obtienen a
partir de simulaciones computacionales. En este sentido,
un modelo adecuado del sistema garantizará
simulaciones lo suficientemente precisas, y, por lo tanto,
una toma de decisiones conveniente con respecto a las
acciones de control [1].
Para este propósito, los diversos componentes físicos
de los sistemas deben ser modelados con suficiente
detalle y precisión, según el fenómeno a analizar y su
correspondiente período de evolución.
52
Edición No. 16, Issue II, Enero 2020
La validación de los modelos matemáticos de los
diferentes componentes de un sistema eléctrico de
potencia, toman un papel fundamental a raíz de los
eventos suscitados en julio y agosto de 1996 en el
sistema interconectado occidental de Estados Unidos
operado por el Consejo Coordinador de Electricidad del
Oeste (WECC, por sus siglas en inglés). Estos eventos
derivaron en un disturbio complejo que incluía colapso
de voltaje, oscilaciones de potencia no amortiguadas y
perdidas de generación [2]. El problema se debió a que
los técnicos de la WECC determinaron mediante
análisis previos basados en simulaciones, empleando los
modelos de planificación existentes, que ante la
ocurrencia de cualquier tipo de contingencia el sistema
de potencia respondería de forma adecuada, mientras
que, ante los eventos reales, el sistema presentó severas
condiciones de inestabilidad, lo que finalmente derivó
en un colapso y fuertes desconexiones de carga, tal
como se aprecia en la Figura 3.
Figura 3: Comparación de la respuesta observada y la real en el
evento del 10 de agosto, 1996 en la red de la WECC [2]
La construcción del modelo de flujo de potencia
inicial, para realizar los análisis en estado estacionario,
tardó casi un año y seis meses adicionales de trabajo
fueron requeridos para que en los estudios de validación
la respuesta de los modelos coincida con lo evidenciado
en la perturbación que ocurrió en realidad [2].
La importancia del modelado de los componentes de
un SEP, se resalta en la Figura 4. El círculo en línea
punteada denominado "Power system model" (Modelo
del sistema de potencia) representa el desempeño del
sistema de potencia adquirido a partir de simulaciones
dinámicas matemáticas basadas en software. El círculo
en línea continua etiquetado como "Actual power
system" (Sistema de potencia real) representa el
comportamiento real del sistema. El área sombreada
intersecada denota la parte del modelo que representa
con precisión el comportamiento real del sistema. De
forma ideal, ambos círculos deberían superponerse por
completo, indicando de esta forma que el modelo del
sistema representa inequívocamente al sistema real [1].
En la práctica, el área sombreada tiene que ser lo
más grande posible. En este sentido, es extremadamente
necesario validar el modelo del sistema para asegurar
que los resultados lograrán representar el
comportamiento del sistema con suficiente exactitud.
Este hecho adquiere particular importancia
principalmente cuando los resultados se utilizan para
orientar la sintonización y la respuesta de acciones de
control, como, por ejemplo, la sintonización de
reguladores, la sintonización de estabilizadores de
sistemas de potencia (PSS), la implementación de
esquemas de protección (SPS), entre otros,
considerando que el éxito de estos procedimientos será
extremadamente dependiente de una representación del
sistema suficientemente adecuada.
Figura 4: Comportamiento del modelo del sistema en
comparación con el comportamiento real del sistema [1]
Actualmente, la única forma confiable de validar la
precisión de los modelos de las centrales eléctricas en
línea es mediante el uso de datos de dispositivos de
medición de perturbaciones de alta resolución, que a su
vez actúan como una prueba recurrente para asegurar
que la respuesta del modelo a los eventos del sistema
coincida con la respuesta real de la central eléctrica. Por
lo tanto, la verificación del modelo basado en el
monitoreo en línea que utiliza datos de medición
sincronizados se usa como una verificación binaria ("sí /
no") que el modelo está funcionando como se espera.
El monitoreo en línea de los modelos proporciona un
medio económico y eficiente para asegurar que el
modelo sea preciso. Desde la perspectiva del
Planificador de la transmisión, el monitoreo en línea de
la fiabilidad de los modelos proporciona una
verificación rápida de que el modelo responde como lo
hacen los elementos físicamente; de existir alguna
diferencia, ésta puede ser utilizada para solicitar al
propietario del generador una corrección del modelo.
Debido a la compleja naturaleza de la dinámica del
sistema de potencia, el problema de optimización
inmerso en la identificación paramétrica de modelos
dinámicos posee un panorama discontinuo, multimodal
y no-convexo que no podría ser manejado exitosamente
por varios de los algoritmos de optimización heurística
existentes, ya que su desempeño de búsqueda es
sensible a una configuración apropiada de parámetros,
lo que implica un alto riesgo de convergencia prematura
y estancamiento local [7], [8].
Para sobreponer estos inconvenientes, este trabajo
bosqueja una técnica general de identificación de
53
Vargas et al. / Validación de Modelos de Centrales Empleando Registros de PMUs, Aplicación Central Paute - Molino
parámetros en el dominio del tiempo basada en el
optimizador heurístico MVMO, que es particularmente
adecuado para resolver este tipo de tareas. Este método
utiliza mediciones de señales obtenidas a partir de
eventos registrados en el WAMS de CENACE como
señales de referencia lo que permite alcanzar altos
niveles de confianza en los modelos simplificados
subyacentes, y asegura una estimación precisa de los
parámetros que forman parte de los componentes
dinámicos.
El método de identificación paramétrica propuesto
comienza con la definición de los modelos dinámicos
que representan adecuadamente el componente
específico del sistema (AVR, HVDC, parques eólicos,
GOVs, equivalentes dinámicos, etc.). Luego, se define
una conjetura inicial de los parámetros a ser
identificados. Dentro de una siguiente etapa, se realizan
simulaciones en el dominio del tiempo para un conjunto
predefinido de perturbaciones (registros obtenidos de
PMUs durante contingencias o mediciones de pruebas
específicas en campo) que hayan ocurrido en el sistema.
Posteriormente, se selecciona un conjunto de señales
eléctricas, que son comparadas con las señales de
referencia medidas, correspondientes a los eventos
mencionados. Luego, la función objetivo para la
identificación de parámetros es estructurada y el
problema de optimización subyacente se resuelve a
través del algoritmo de optimización MVMO.
El procedimiento de identificación paramétrica es
resumido esquemáticamente en la Figura 5.
Considerando la diferencia entre las señales de
referencia medidas y las señales seleccionadas de las
simulaciones dinámicas, la identificación paramétrica,
concebida como un problema de optimización, puede
ser formulado de la siguiente forma:
Minimizar:
p
np
np 1 0
OF g t dt
(1)
ref
ref
2
1 1 1
2
n n n
w ( ) ( ) ...
w ( ) ( )
g t y t y t
y t y t
(2)
Sujeto a:
j min j j max
x x x
(3)
donde yn(t) y ynref(t) denotan las n-ésimas señales
eléctricas de referencia medidas, wn representa el n-
ésimo factor de peso de la señal, es el período de
simulación, p es el número de perturbaciones o pruebas
de campo (np), αnp es el np-ésimo factor de peso de las
perturbaciones, y xj constituye los parámetros del
modelo. Adicionalmente, cualquier restricción adicional
puede ser incluida en el modelo, de ser necesario [7].
Figura 5: Marco referencial del método de identificación
propuesto
3. DESCRIPCIÓN DE LA HERRAMIENTA
DESARROLLADA
La Figura 6 es un diagrama de flujo del proceso de
identificación y/o validación de los modelos dinámicos
de una central eléctrica, mediante eventos registrados
por PMUs. La herramienta desarrollada para el proceso
de validación/identificación fue implementada en
PowerFactory mediante el lenguaje de programación
DPL (DIgSILENT Programming Language).
Figura 6: Diagrama de flujo proceso de validación/identificación
[9]
54
Edición No. 16, Issue II, Enero 2020
Dentro del proceso de validación de modelos
propuesto debe considerarse:
1. Datos de entrada:
a. Datos de Voltaje (V), Frecuencia (f),
Potencia activa (P) y reactiva (Q) de los
eventos registrados por la PMU en la barra
frontera de la central a validar. En formato
ElmFile de PowerFactory.
b. Modelo dinámico disponible de la central o
determinado según el tipo de central y la
información suministrada por el fabricante.
En formato ElmComp de PowerFactory.
2. Sistema reducido que consta de: barra frontera
(barra donde está ubicada la PMU), generador,
transformador (dependiendo de si la PMU está instalada
en el lado de alto voltaje del mismo) y una fuente de
voltaje AC (Elemento de PowerFactory que se
encargará de realizar el Playback de voltaje y frecuencia
en la barra frontera acorde a los valores registrados en
los eventos). Este sistema reducido es ajustado
automáticamente para que las condiciones iniciales de
los modelos se ajusten a los valores de los registros.
3. Una vez inicializado el modelo se realiza el
Playback y se compara la P y Q resultantes (calculadas)
con las medidas por la PMU. Si en la validación se
obtiene un error cuadrático medio (MSE, por sus siglas
en inglés) tanto como para P y Q numéricamente
aceptable, se considera que el modelo es válido.
4. En el caso de que los MSE de P y Q no sean
aceptables, los parámetros del modelo inicial son
considerados no válidos y se efectúa un análisis de
sensibilidad de los parámetros de cada uno de los
componentes del modelo dinámico de la unidad
(generador, gobernador, AVR, PSS).
5. El encargado del proceso determinará, en base al
análisis de sensibilidad, cuáles son los parámetros más
influyentes en el MSE de P y Q para el proceso de
optimización.
6. Mediante el algoritmo heurístico MVMO
programado en DPL, se efectúa un proceso de
optimización de parámetros minimizando la suma de
MSE de P y Q, para cada evento a considerar.
7. Finalmente se obtienen los nuevos valores de los
parámetros del modelo identificado, el mismo que se
considera como validado.
4. APLICACIÓN DE LA PROPUESTA Y
RESULTADOS
Con el propósito de verificar la efectividad de la
herramienta de validación de modelos propuesta, se
utilizó el modelo presentado por la North American
SynchroPhasor Initiative (NASPI) en “Model
Verification Tools Technical Workshop Playback
Session Guidebook”. El mismo consiste de un
generador con turbina a gas de 230 MW y considera los
siguientes modelos:
GENROU: Maquina Sincrónica
AC1A: Sistema de Excitación
GGOV1: Turbina – Gobernador
PSS2A: Estabilizador de Sistemas de Potencia de
doble entrada
En la Figura 7 se presenta la inicialización del
modelo para el Playback de Voltaje y Frecuencia. Por su
parte, en la Figura 8 se exhibe el archivo con el evento
registrado por la PMU en formato ElmFile de
PowerFactory, donde, en la primera línea (número
cuatro (‘4’), en el archivo), se indica el número de
variables medidas, sin considerar el registro
correspondiente al tiempo.
Dentro de la primera y segunda columnas se
encuentran los registros de Potencia Activa y Reactiva,
respectivamente; en la tercera columna los registros de
Voltaje y finalmente en la cuarta columna se presentan
los datos medidos para la Frecuencia. Las variables
Voltaje y Frecuencia son utilizadas para que el elemento
ElmVac incorpore estas señales en la barra frontera y se
logre, de esta forma, replicar el evento (Señales de
entrada). Las columnas uno y dos (potencia activa y
reactiva) servirán para validar el modelo, al comparar
las mediciones de estas variables con los resultados
obtenidos del playback o simulación (Señales de salida).
Para emplear la herramienta desarrollada para la
validación de modelos de centrales eléctricas se define
previamente, para cada uno de los eventos a considerar,
las máscaras de DPL (ElmDpl), en Power Factory, tal
como se muestra en la Figura 9, con los datos de la
ubicación y nombre del archivo con los registros de la
PMU que se utilizaron dentro del proceso de
identificación, los valores de voltaje y de potencia
activa y reactiva, con el fin de ajustar automáticamente
y de la manera más adecuada posible las condiciones
iniciales del modelo al archivo de registros que fue
originalmente estructurado.
Figura 7: Inicialización modelo de prueba NASPI
Para la validación de este modelo se dispone de solo
un evento proporcionado por la NASPI, el incorporar
55
Vargas et al. / Validación de Modelos de Centrales Empleando Registros de PMUs, Aplicación Central Paute - Molino
más eventos registrados para la validación de un modelo
implica que la precisión del modelo se incremente y sea
más confiable. La herramienta desarrollada permite la
incorporación modular de un número ilimitado de
eventos, cabe indicar que el tiempo de registro de cada
evento son independientes, y dependerá de la dinámica
presentada en cada uno.
Partiendo de las condiciones iniciales planteadas por
NASPI, en su Workshop; es decir, considerando los
parámetros sin validar (por defecto) de los modelos
incorporados, tal como se observa en la Figura 10,
existe una notable diferencia entre los valores obtenidos
a partir de mediciones y de simulación para P (líneas
roja y verde) y Q (líneas azul y magenta), de forma
correspondiente. En este sentido, se evidencia la
necesidad de validar los modelos, realizando una
identificación de parámetros adecuada.
Figura 8: Archivo de evento para validación Modelo NASPI en
texto en formato ElmFile
Figura 9: Máscara de DPL con datos de ubicación de archivo de
evento y condiciones iniciales
De forma complementaria, a través de
sensibilidades, se verificó qué parámetros presentan una
mayor influencia en la respuesta de los modelos, dicha
influencia se verifica de forma manual para cada
parámetro, variando el valor inicial en un 10% y se
cuantifica la función objetivo, posteriormente se realiza
un ranking de mayor a menor de la función objetivo y se
determina los parámetros más sensibles. Sobre esta
base, como se muestra en la Figura 11, se define una
máscara, dentro de la cual debe incluirse el número de
iteraciones a realizarse y los “frames” de los parámetros
que deben ser modificados para que la respuesta
simulada sea lo más parecida posible a la señal medida
en campo.
Figura 10: Comparación de P y Q ante playback de V y F con
parámetros iniciales en los modelos
Figura 11: Mascara de DPL con parámetros del MVMO y de los
modelos a identificar
Tras efectuar la modificación de los parámetros más
“sensibles”, como resultado del proceso de
identificación, dentro del generador, regulador de
voltaje, regulador de velocidad y estabilizador de
sistemas de potencia, se obtienen las respuestas de P
(color rojo) y Q (color azul) exhibidas en la Figura 12.
Es claramente apreciable que estos resultados, obtenidos
a partir de simulaciones, se asemejan considerablemente
a los registros obtenidos a partir de mediciones (líneas
verde y magenta, para cada caso).
Dentro de un criterio de evaluación técnico
adecuado, resulta necesaria una cuantificación, más allá
de la clara evidencia visual, de la diferencia existente
entre las respuestas medidas a través de registradores y
de las calculadas a partir de las simulaciones. En este
sentido, dentro de la Tabla 1, se presenta el cálculo del
MSE, considerando parámetros por defecto y los
validados a través de la metodología propuesta.
Es necesario mencionar que no existe un criterio
definido en la literatura para considerar aceptable o no
el valor del MSE; simplemente, y hasta que se
establezca una regulación al respecto, reconoceremos
56
Edición No. 16, Issue II, Enero 2020
que el MSE debe ser tan cercano a cero (0) como sea
posible.
Figura 12: Comparación de P y Q ante playback de V y F con
parámetros identificados en los modelos
Tabla 1: Errores Cuadráticos Medios de las señales de Potencia
Activa y Reactiva para el modelo NASPI
Parámetros
Modelo
Error Cuadrático Medio (MSE)
MSE-P
MSE-Q
MSE-Total
No Validados
0.18%
17.82%
18.00%
Identificado/validado
0.01%
0.50%
0.52%
Figura 13: Playback de Voltaje y Frecuencia Evento 1 SNI
Figura 14: Potencia Activa y Reactiva medidas y calculadas del
Evento 1 SNI
Con el fin de mostrar las bondades de la
metodología propuesta, un proceso de validación de
modelos fue aplicado dentro del Sistema Nacional
Interconectado (SNI) ecuatoriano, para una unidad de la
fase C de la central de generación Paute – Molino, una
de las más grandes y representativas del país,
considerando en el proceso de Playback (Figura 13 y
Figura 15, de forma respectiva) el disparo de generación
en el sistema (Evento 1) y la salida de servicio
intempestiva de una línea de transmisión de doble
circuito (Evento 2). Los resultados obtenidos a través de
la aplicación de la metodología propuesta se muestran
en la Figura 14 y en la Figura 16.
Adicionalmente, una vez validado el modelo a través
de los ensayos realizados, se efectuaron pruebas
adicionales, con el fin de verificar la efectividad de la
metodología propuesta. La relevancia de estas pruebas
radica en que, para estos casos, se busca validar la
respuesta dinámica del generador y de sus componentes,
tras la ocurrencia de un evento interno, a diferencia de
lo presentado anteriormente.
Figura 15: Playback de Voltaje y Frecuencia Evento 2 SNI
Figura 16: Potencia Activa y Reactiva medidas y calculadas del
Evento 2 SNI
Dicho esto, en la Figura 17 se presenta la respuesta
de la potencia reactiva del generador ante una
perturbación simulada en el voltaje de referencia de la
máquina. Por su parte, considerando un sentido de
correspondencia, en la Figura 18 se muestra la respuesta
de la potencia activa del generador, ante un cambio en
la velocidad de la máquina.
Como se puede apreciar, en ambos casos, las
diferencias entre las señales medidas y simuladas son
mínimas, por lo cual resulta factible concluir que el
57
Vargas et al. / Validación de Modelos de Centrales Empleando Registros de PMUs, Aplicación Central Paute - Molino
proceso de validación de este modelo (generador y
reguladores) se efectuó de forma satisfactoria.
Figura 17: Respuesta de Potencia Reactiva ante una señal de paso
de 3% en el Vref
Figura 18: Respuesta de Potencia Activa ante una señal de paso de
1% en el Wref
Cabe señalar que la metodología propuesta puede
aplicarse también en los casos en los que se dispone de
información escaza, mediante la incorporación y
validación de modelos genéricos.
En la Figura 19 se visualiza en el aplicativo WAMS
de CENACE los datos de Voltaje, Frecuencia, Potencia
Activa y Reactiva registrados ante una perturbación en
el voltaje de referencia en una de las unidades de la fase
C y registradas por la PMU instalada para las pruebas.
Figura 19: Evento registrado por el WAMS del CENACE para la
identificación de los modelos de las unidades de la Central Paute –
Molino.
5. CONCLUSIONES Y RECOMENDACIONES
El proceso de identificación paramétrica presentado
en este trabajo fue inicialmente estructurado con el
objetivo obligatorio de contar con modelos que puedan
representar fielmente la respuesta dinámica de una
central de generación en un sistema de potencia, un hito
considerado de fundamental valor ya que el disponer de
modelos de sistemas de control adecuadamente
validados permitirá innegablemente optimizar los
análisis, realizados diariamente, para garantizar la
operación segura y confiable del SNI. En este sentido, el
objetivo fundamental de esta propuesta consiste en
proporcionar el sustento para la estructuración de un
proceso de validación de los modelos empleados en las
bases de datos de PowerFactory, utilizadas en la
realización de análisis eléctricos para la operación del
sistema ecuatoriano.
El creciente despliegue de PMUs que recopilan
datos de sincrofasores precisos y de alta velocidad está
transformando la práctica de la validación de modelos
de centrales eléctricas y está permitiendo mejoras
drásticas en la precisión del proceso de modelación.
Sobre esta base, la validación de modelos se ha
convertido en una gran historia de éxito que demuestra
el valor de la tecnología de sincrofasores.
En este trabajo se presenta y se ratifica la eficacia de
una metodología de validación e identificación de
modelos dinámicos en centrales eléctricas empleando
registros de eventos obtenidos por las PMUs disponibles
en las unidades de generación para cumplir con las
recomendaciones de la NERC. La propuesta se basa en
el desarrollo de una herramienta en PowerFactory que
permite replicar eventos reales registrados por las PMUs
mediante Playbacks de voltaje y frecuencia en el POC y
determinar por medio de la interpretación del MSE si el
modelo se considera válido o no; de no ser válido,
mediante una herramienta de optimización que emplea
el algoritmo heurístico de optimización de mapeo
media-varianza (MVMO, por sus siglas en inglés) se
logra identificar los nuevos parámetros de los diferentes
componentes que forman el modelo, a través de los
cuales el modelo sí es válido.
La metodología propuesta utiliza la potencialidad de
la simulación software-in-the-loop – SIL para comparar
los resultados obtenidos a partir de perturbaciones
registradas en el WAMS de CENACE, con aquellos
resultantes de simulaciones. Adicionalmente, el trabajo
incluye la implementación práctica de la metodología
utilizando los lenguajes de programación y simulación
de PowerFactory DIgSILENT Programming Language
(DPL) y DIgSILENT Simulation Language (DSL).
La metodología y herramienta desarrollada en
PowerFactory fue aplicada para identificar los
parámetros de una central de generación de turbina a
gas, proporcionada por la NASPI, para testear las
diferentes herramientas de validación de modelos, así
58
Edición No. 16, Issue II, Enero 2020
como de una unidad de la fase C de la Central
Hidroeléctrica Paute – Molino, obteniéndose en ambos
casos valores excepcionales de MSE, con lo cual se
puede considerar la validez de los modelos
identificados.
Con base en los resultados obtenidos a partir de
ensayos adicionales, se verificó que, dentro de un
proceso de identificación paramétrica, disponer del
modelo exacto (diagramas de bloque y funciones de
transferencia) de un sistema de control es siempre
recomendable y preferible, pero no indispensable,
considerando que la respuesta dinámica de modelos
genéricos permite representar de forma adecuada la
dinámica de un sistema de control real (conocido).
Se recomienda el empleo de esta metodología para
realizar la identificación de parámetros de sistemas de
control de unidades de generación, como un paso previo
indispensable a la realización de análisis y estudios
especializados, como sintonización de PSS, diseño de
esquemas de acción remedial (RAS, por sus siglas
ingles), diseño de elementos de compensación dinámica
de reactivos, interconexiones binacionales y/o
regionales, entre otros.
Se recomienda seguir las buenas prácticas
profesionales de la WECC e incluir dentro del código de
red (Grid Code) del sistema eléctrico ecuatoriano el
requerimiento de que las diferentes centrales del
Ecuador certifiquen los modelos dinámicos de sus
diferentes unidades como requisito indispensable para
ser despachadas. Haciendo énfasis que la única forma
de garantizar la validez y de mantener un adecuado
grado de confianza en los estudios y análisis que se
realicen para la operación y planificación del sistema
eléctrico ecuatoriano, y de sus interconexiones, es
contar con modelos certificados de los elementos más
importantes del mismo.
AGRADECIMIENTOS
Hacemos extenso un cordial agradecimiento a los
funcionarios de CELEC EP HIDROPAUTE quienes
participaron de forma activa en la ejecución de las
pruebas en las unidades de la central Paute – Molino,
viabilizando la ejecución de este trabajo.
REFERENCIAS BIBLIOGRÁFICAS
[1] CIGRE Task Force, “Analysis and Control of
Power System Oscillations”, Study Committee 38,
final report, December 1996.
[2] NERC Model Validation Task Force of the
Transmission Issues Subcommittee, “Power System
Model Validation”, pp. 1–53, December, 2010.
[3] P. Verdugo, J. Cepeda, A. De La Torre and K.
Paucar, “Testbed for PSS Tuning Using
Synchrophasor Measurements and a Real-Time
Digital Simulator”, 2017 IEEE PES Conference on
Innovative Smart Grid Technologies Latin America
(ISGT-LA), Quito, Ecuador, September, 2017.
[4] North American Electric Reliability Corporation,
“Reliability Guideline Power Plant Dynamic Model
Verification using PMUs” no. September, 2018.
[5] CIGRE US National Committee, "Model
Validation Using Synchrophasor Data - A
Synchrophasor Success Story", 2014.
[6] J. Eto, S. Yang, et al, “Improving Reliability
Through Better Models”, April, 2014.
[7] J. Cepeda, J. Rueda, and I. Erlich, “Identification of
Dynamic Equivalents based on Heuristic
Optimization for Smart Grid Applications”, IEEE
World Congress on Computational Intelligence,
Brisbane, Australia, June, 2012.
[8] K. Lee, and M. El-Sharkawi, "Modern heuristic
optimization techniques", John Wiley & Sons, New
York, 2008”
[9] Electric Power Group, "Maximizing Use of
Synchrophasor Technology for Everyday Tasks",
Webinar, 2017.
Walter Alberto Vargas.- Nació
en Guayaquil en 1984. Recibió sus
títulos de Ingeniero en Electricidad
especialización Potencia en la
Escuela Superior Politécnica del
Litoral en el 2007 y el de Máster
en Sistemas de Energía Eléctrica
en la Universidad de Sevilla en el
2013. Entre 2010 y el 2017 trabajó en la Corporación
Eléctrica del Ecuador (CELEC EP) – Transelectric
Paralelamente se desempeñó como profesor en la
Escuela Politécnica Nacional. Actualmente trabaja
como especialista de Investigación y Desarrollo de
CELEC EP – Coca Codo Sinclair, en el Operador
Nacional de Electricidad CENACE.
Pablo Xavier Verdugo.- Nació en
Quito en 1987. Recibió su título
de Ingeniero Eléctrico de la
Escuela Politécnica Nacional en el
2012. Entre el 2011 y el 2015
desempeñó sus funciones en el
Área de Planeamiento Eléctrico del
Operador Nacional de Electricidad
CENACE. A partir del 2016, trabaja en el desarrollo de
estudios y análisis especializados en la Subgerencia de
Investigación y Desarrollo de CENACE.
59
