LA ESTIMACIN DE LOS MODELOS SIMPLES DE

LABORATORIO REAL PROCESO DE DATOS

En esta demostracin se muestra cmo el sistema de identificacin

de herramientas se puede utilizar para desarrollar y analizar los
modelos simples de un proceso real de datos de laboratorio. En este
caso utilizaremos los datos tomados en el ensayo de vaco en un
transformador monofsico. Una vez se han identificado los modelos
se comparan los modelos estimados y validar el modelo a los datos
de salida reales del experimento.

1.-Contenido
Las prdidas y tensin de cortocircuito, tanto para transformadores
monofsicos como para trifsicos, de acuerdo al procedimiento descrito en
la norma IEC 76-5, el cual se describe a continuacin:
Uno de los devanados del transformador (del lado de baja tensin) debe
ponerse en corto y se aplica al otro devanado una tensin a frecuencia
nominal, la cual se ajusta para que circule la corriente nominal por los
devanados. En caso de que no se puedan alcanzar los valores nominales de
corriente, se puede utilizar una corriente no menor del 25% de In (corriente
nominal), corrigiendo el valor obtenido. El ensayo debe realizarse sobre la
derivacin principal de mayor nmero de espiras.

2.-Descripcin del sistema

Lectura de los datos de la prueba de corto circuito y tensin de
corto circuito:
b1.- Montar el circuito de la figura 1 para alimentar una de las bobinas, el
lado de AT conectar al regulador de tensin de corriente alterna (c.a.). Tener
cuidado de utilizar instrumentos de medicin que soporten la capacidad de
corriente nominal del bobinado.

A
2

b2.- Una vez verificado el montaje del circuito por el instructor, energizar el
circuito con el regulador de tensin c.a. ajustando corriente desde 0 hasta
120% del valor nominal de la corriente en el lado de AT. Luego reducir este
valor hasta llegar a 0 V. Medir y registrar un juego de 10 lecturas de los
instrumentos de mediacin de c.a. en la siguiente tabla.
N Ampermet Vatmetr Ampermet

ro 1 (A)
o (W)
ro 2 (A)
1
2.60
29.5
5.10
2
2.40
25.0
4.70
3
2.20
21.0
4.30
4
2.10
19.0
4.10
5
2.00
17.0
3.90
6
1.90
15.5
3.70

7
8
9
1
0
1
1

1.80
1.65
1.50
1.10

13.5
11.5
09.5
5.00

3.50
3.20
2.95
2.11

0.55

1.00

1.15

3.-Configuracin de datos para su anlisis

DATOS INGRESADOS A PARTIR DE LAS PRUEBAS

HECHAS EN LABORATORIO
u2=[0.55:0.00205:2.60]'
y2=[1.5:0.028:29.5]'
%y2 Vector, la salida, ahora contiene 1001 mediciones de potencia en
el
%secundario
%. u2 Vector contiene 1001 puntos de datos de
%entrada, que consiste en la corriente en la entrada. La entrada se
%gener como una secuencia aleatoria binaria que cambia de un nivel a
otro
%con una probabilidad de 0,2. El intervalo de muestreo es de 0,1
segundos.
%El siguiente paso es configurar los datos como un objeto de datos de
Identificacin
save('pqfile.mat','u2','y2')
%guardamos es lo primero que hacemos
dry = iddata(y2,u2,0.1)%Para obtener informacin acerca de los datos
get(dry)%Para inspeccionar las propiedades del objeto de datos de
identificacin
%anterior, utilice el comando get
%--------------------------------------%nombres a los canales de entrada y de salida y las unidades de
tiempo. Estos
%nombres se propagan a lo largo del anlisis de este objeto con datos
de identificacin:
dry.InputName='corriente en el primario'
dry.OutputName='corriente en el secundario'

dry.TimeUnit='seconds'
dry.InputUnit='Amperios'
dry.OutputUnit='Amperios'
%Ahora que hemos establecido listos los datos, elegimos todo los
puntos
%de datos para la estimacin del modelo.
ze=dry
%Trazar el intervalo de muestra TODO:
figure(1)
plot(ze)
ze = detrend(ze)
corriente en el secundario

Amperios

30
20
10
0

20

40

20

40

60
80
Time (seconds)
corriente en el primario

100

120

100

120

Amperios

2.5
2
1.5
1
0.5

figure(2)

60
Time (seconds)

80

Time Response
From: corriente en el primario To: corriente en el secundario

140
120
100

Amplitude

80
60
40
20
0
-20

0.2

0.4

0.6

0.8

1.2

1.4

1.6

1.8

Time (seconds)

impulse(ze,'sd',3)
figure(3)
impulse(ze,'sd',3,'fill');}
Time Response
From: corriente en el primario To: corriente en el secundario

140
120
100

Amplitude

80
60
40
20
0
-20

0.2

0.4

0.6

0.8

1.2

1.4

1.6

1.8

Time (seconds)

4.-Validar el modelo estimado de salida Experimental

%La forma ms sencilla de empezar a trabajar en una rutina de
estimacin

%paramtrica es construir un modelo de espacio de estado en el que el

modelo
%de orden se determina de forma automtica, utilizando un mtodo de
error de
%prediccin. Estimemos un modelo utilizando la tcnica pem :
m1 = pem(ze)
A = m1.a
figure(4)
Bode Diagram
From: corriente en el primario To: corriente en el secundario

25.5

Magnitude (dB)

25
24.5
24
23.5
23
22.5
0

Phase (deg)

-45
-90
-135
-180
-225

-1

10

10

10

10

Frequency (rad/s)

get(m1)
bode(m1)
figure(5)
nyquist(m1,'sd',3)
Nyquist Diagram
From: corriente en el primario To: corriente en el secundario

20
15

Imaginary Axis

10
5
0
-5
-10
-15
-20
-20

-15

-10

-5

10

15

20

Real Axis

figure(6)
step(m1,'b',ze,'r')
m2 = arx(ze,[2 2 3])
zv = dry(800:900) % select an independent data set for validation

Step Response
From: corriente en el primario To: corriente en el secundario

18
16
14

Amplitude

12
10
8
6
4
2
0

0.5

1.5

2.5

Time (seconds)

5.-La comparacin de los modelos estimados

Para comparar el rendimiento de los modelos que hemos estimado,
por ejemplo, m1 y m2 con la zv validacin de datos , podemos volver
a utilizar el comando compara :
Comparacin de las predicciones de los modelos M1 y M2 en el
conjunto de datos de validacin ze .
Las parcelas de polos y ceros para los dos modelos se pueden obtener
utilizando pzmap :
figure(7)
zv = detrend(zv)% preprocess the validation data

figure(8)
compare(zv,m1)
figure(9)
compare(zv,m1,'b',m2,'r')

figure(10)
pzmap(m1,'b',m2,'r')
pzmap(m1,'b',m2,'r','sd',3)
pzmap(m1,'b',m2,'r','sd',3,'axis',1)

Pole-Zero Map

1
0.8
0.6

Imaginary Axis

0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-1

-0.5

0.5

1.5

Real Axis

figure(11)
bode(m1,m2)
gs = spa(ze)
Bode Diagram
From: corriente en el primario To: corriente en el secundario

25.5

Magnitude (dB)

25
24.5
24
23.5
23

Phase (deg)

22.5
0
-90
-180
-270
-360

-1

10

10

10

10

Frequency (rad/s)

Figura : Bode respuestas de los modelos M1 y M2 .

Las funciones de frecuencia por encima de que se obtienen de los
modelos pueden ser comparados con los que se obtiene usando un
mtodo de anlisis espectral no paramtrico (spa ) :

Los resultados de los comandos SpA produce un objeto IDFRD . La

funcin bode de nuevo se puede utilizar para una comparacin con
las funciones de transferencia de los modelos obtenidos.
figure(12)
bode(m1,m2,gs)
legend('m1','m2','gs')
Bode Diagram
From: corriente en el primario To: corriente en el secundario

25.5

Magnitude (dB)

25
24.5
24
23.5
23
22.5
90
m1

Phase (deg)

m2
gs

-90
-180
-270
-360

-1

10

10

10

10

Frequency (rad/s)

Figura 13: Bode respuestas de M1 y M2 se compara con los no

paramtricos espectrales gs modelo de estimacin.
Las respuestas de frecuencia a partir de los tres modelos / mtodos
estn muy cerca . Esto indica que esta respuesta es fiable.
figure(13)
nyquist(m1,m2,gs,'sd',3)

Nyquist Diagram
From: corriente en el primario To: corriente en el secundario

20
15

Imaginary Axis

10
5
0
-5
-10
-15
-20
-20

-15

-10

-5

10

Real Axis

diagramas de Nyquist de los modelos M1, M2 y gs .

Resultados

dry =

Time domain data set with 1001 samples.

Sample time: 0.1 seconds

Outputs

Unit (if specified)

y1

Inputs

Unit (if specified)

u1

ans =

Domain: 'Time'

15

20

Name: ''
OutputData: [1001x1 double]
y: 'Same as OutputData'
OutputName: {'y1'}
OutputUnit: {''}
InputData: [1001x1 double]
u: 'Same as InputData'
InputName: {'u1'}
InputUnit: {''}
Period: Inf
InterSample: 'zoh'
Ts: 0.1000
Tstart: []
SamplingInstants: [1001x0 double]
TimeUnit: 'seconds'
ExperimentName: 'Exp1'
Notes: {}
UserData: []

dry =

Time domain data set with 1001 samples.

Sample time: 0.1 seconds

Outputs

Unit (if specified)

y1

Inputs
corriente en el primario

dry =

Unit (if specified)

Time domain data set with 1001 samples.

Sample time: 0.1 seconds

Outputs

Unit (if specified)

corriente en el secundario

Inputs

Unit (if specified)

corriente en el primario

dry =

Time domain data set with 1001 samples.

Sample time: 0.1 seconds

Outputs

Unit (if specified)

corriente en el secundario

Inputs

Unit (if specified)

corriente en el primario

dry =

Time domain data set with 1001 samples.

Sample time: 0.1 seconds

Outputs

Unit (if specified)

corriente en el secundario

Inputs
corriente en el primario

Unit (if specified)

Amperios

dry =

Time domain data set with 1001 samples.

Sample time: 0.1 seconds

Outputs
corriente en el secundario

Inputs
corriente en el primario

Unit (if specified)

Amperios

Unit (if specified)

Amperios

ze =

Time domain data set with 1001 samples.

Sample time: 0.1 seconds

Outputs
corriente en el secundario

Inputs
corriente en el primario

Unit (if specified)

Amperios

Unit (if specified)

Amperios

ze =

Time domain data set with 1001 samples.

Sample time: 0.1 seconds

Outputs
corriente en el secundario

Inputs
corriente en el primario

Unit (if specified)

Amperios

Unit (if specified)

Amperios

Warning: The use of the "impulse" command on a dataset or FRD model is

deprecated. Generate a
non-parametric impulse response model from the data using the
"impulseest" command. Apply the
"impulse" command on the resulting model if required.
> In warning at 26
In iddata.impulse at 61
In contro at 31
Warning: The use of the "impulse" command on a dataset or FRD model is
deprecated. Generate a
non-parametric impulse response model from the data using the
"impulseest" command. Apply the
"impulse" command on the resulting model if required.
> In warning at 26
In iddata.impulse at 61
In contro at 33

m1 =
Discrete-time identified state-space model:
x(t+Ts) = A x(t) + B u(t) + K e(t)
y(t) = C x(t) + D u(t) + e(t)

A =
x1

x2

x3

x1

0.5493

-0.08659

-0.0677

x2

-0.1927

0.4827

-0.08463

x3

-0.6681

-0.4797

0.2388

B =
corriente en
x1

-2.499e+14

x2

-5.857e+14

x3

-1.001e+15

C =

corriente en

x1

x2

x3

4.815e-14

-2.179e-14

-1.719e-14

D =
corriente en
corriente en

K =
corriente en
x1

3.903e+12

x2

-1.577e+13

x3

5.206e+12

Sample time: 0.1 seconds

Parameterization:
FREE form (all coefficients in A, B, C free).
Feedthrough: none
Disturbance component: estimate
Number of free coefficients: 18
Use "idssdata", "getpvec", "getcov" for parameters and their
uncertainties.

Status:
Estimated using SSEST on time domain data "ze".
Fit to estimation data: 100% (prediction focus)
FPE: 1.001e-29, MSE: 1.031e-29

A =

0.5493

-0.0866

-0.0677

-0.1927

0.4827

-0.0846

-0.6681

-0.4797

0.2388

a: [3x3 double]

b: [3x1 double]
c: [4.8152e-14 -2.1789e-14 -1.7189e-14]
d: 0
k: [3x1 double]
StateName: {3x1 cell}
StateUnit: {3x1 cell}
Structure: [1x1 pmodel.ss]
NoiseVariance: 9.8951e-30
Report: [1x1 idresults.ssest]
InputDelay: 0
OutputDelay: 0
Ts: 0.1000
TimeUnit: 'seconds'
InputName: {'corriente en el primario'}
InputUnit: {'Amperios'}
InputGroup: [1x1 struct]
OutputName: {'corriente en el secundario'}
OutputUnit: {'Amperios'}
OutputGroup: [1x1 struct]
Name: ''
Notes: {}
UserData: []

Warning: The response corresponding to the IDDATA object will be

generated by estimating a
non-parametric impulse response model from the data. Consider
replacing the data object with a
model returned by the "impulseest" command.
> In warning at 26
In DynamicSystem.checkIdentSpecialTypes at 44
In DynamicSystem.stepplot at 78
In DynamicSystem.step at 93
In contro at 46
Warning: Matrix is close to singular or badly scaled. Results may be
inaccurate. RCOND =
2.421064e-17.

> In polydata.arx_time>arx_time_prediction at 319

In polydata.arx_time at 61
In polydata.polydata>polydata.arx at 395
In idpoly.arx_ at 33
In arx at 80
In contro at 47

m2 =
Discrete-time ARX model:

A(z)y(t) = B(z)u(t) + e(t)

A(z) = 1 - 2 z^-1 + z^-2

B(z) = 0

Sample time: 0.1 seconds

Parameterization:
Polynomial orders:

na=2

nb=2

nk=3

Number of free coefficients: 4

Use "polydata", "getpvec", "getcov" for parameters and their
uncertainties.

Status:
Estimated using ARX on time domain data "ze".
Fit to estimation data: 100% (prediction focus)
FPE: 3.277e-30, MSE: 8.678e-29

zv =

Time domain data set with 101 samples.

Sample time: 0.1 seconds

Outputs
corriente en el secundario

Inputs

Unit (if specified)

Amperios

Unit (if specified)

corriente en el primario

Amperios

zv =
Time domain data set with 101 samples.
Sample time: 0.1 seconds

Outputs
corriente en el secundario

Inputs
corriente en el primario

Unit (if specified)

Amperios

Unit (if specified)

Amperios

Warning: The "pzmap" plot does not show the confidence regions
anymore. Use the "iopzmap" or
"iopzplot" command instead.
> In warning at 26
In DynamicSystem.pzplot at 120
In DynamicSystem.pzmap at 74
In contro at 57
Warning: The "pzmap" plot does not show the confidence regions
anymore. Use the "iopzmap" or
"iopzplot" command instead.
> In warning at 26
In DynamicSystem.pzplot at 120
In DynamicSystem.pzmap at 74
In contro at 58

gs =
IDFRD model.
Contains Frequency Response Data for 1 output(s) and 1 input(s), and
the spectra for disturbances at the outputs.
Response data and disturbance spectra are available at 128 frequency
points, ranging from 0.2454 rad/s to 31.42 rad/s.

Sample time: 0.1 seconds

Output channels: 'corriente en el secundario'

Input channels: 'corriente en el primario'

Status:
Estimated using SPA on time domain data "ze".