Analysis, design and testing of novel partition-based state estimation and fault detection schemes for large-scale systems

This Thesis addresses the study and development of new robust estimation and fault detection methods for large-scale systems featuring Plug and Play capabilities. Linear discrete-time systems with stochastic Gaussian noise are considered, where the state is not directly measurable. Two main algorithms for the distributed estimation of the state are treated, the Partiton-Based Kalman Filter, proposed in [3], and the Partition-Based Luenberger Filter, proposed in [2]. The conditions for the algorithms to be employed are studied and a comparison between their limits and e ffectivenesses is carried out. After the testing of their estimation performance, a fault detection scheme is proposed. For each algorithm, a local diagnoser and the related residual generation mechanism are analysed. Di fferent detection testing techniques are studied to provide a satisfactory trade-off analysis between false-alarm rates and missed-detection rates. Through the Thesis, simulation tests have been carried out using an academic example, while a more in-depth study has been performed implementing the full fault detection scheme on a Power Network System case study. A specfi c Matlab toolbox (i.e., the Plug and Play toolbox, developed at Univarsit à degli Studi di Pavia) has been employed to manage large scale systems, its code has been studied, modify ed and adapted in order to implement the above-mentioned algorithms.

Questa Tesi si concentra sullo studio e sullo sviluppo di metodi innovativi di stima e individuazione di guasti, robusti e sviluppati ad hoc per sistemi di vasta scala e che abbiano propriet a tali da poter essere impiegati in contesti Plug and Play. In particolare verranno presi in considerazione sistemi lineari a tempo discreto affetti da rumore stocastico. Per tali sistemi si assume che lo stato non sia direttamente misurabile. L'analisi si concentra su due principali algoritmi per la stima distribuita dello stato, il Partition-Based Kalman Filter proposto in [6] e il Partition-Based Luenberger Filter proposto in [12]. Nel lavoro di Tesi, le condizioni necessarie per l'applicazione di entrambi gli algoritmi vengono studiate e confrontate mettendo in evidenza i limiti e i punti di forza di entrambi gli approcci. In primo luogo vengono studiate le prestazioni degli algoritmi riguardo alle loro capacità di stima, successivamente viene proposto uno schema per l'individuazione di guasti. Per ogni algoritmo vengono analizzate le unità locali di diagnostica e il relativo meccanismo di generazione di residui. In seguito vengono considerate diverse tecniche per rilevare il guasto attraverso l'analisi dei segnali generati dagli algoritmi di stima. Questa analisi permette di effettuare un confronto tra tasso di falsi allarmi e tasso di mancate rilevazioni di guasto. Le tecniche considerate consistono in alcune presenti in letteratura e in altre ideate ad hoc per lo schema sotto analisi. La maggior parte delle analisi sono state effettuate utilizzando un esempio accademico, mentre l'implementazione dello schema completo di rilevazione di guasto e stata fatta su un esempio complesso e ingegneristicamente significativo, i.e., una rete elettrica detta Power Network System. E stato utilizzato un toolbox speci co di Matlab (i.e., il Plug and Play tooliii box, sviluppato all'Univarsit a degli Studi di Pavia) per la gestione dei sistemi a larga scala, il codice e stato modi cato ed adattato per poter implementare gli algoritmi di cui sopra.