Este trabalho foi proposto com o objetivo de implementar um programa computacional para estimar os estados (tensões complexas nodais) de um sistema elétrico de potência (SEP) e aplicar métodos alternativos para o processamento de erros grosseiros (EGs), baseados na interpretação geométrica dos erros e no conceito de inovação das medidas. Através da interpretação geométrica, BRETAS et al. (2009), BRETAS; PIERETI (2010), BRETAS; BRETAS; PIERETI (2011) e BRETAS et al. (2013) demonstraram matematicamente que o erro da medida se compõe de componentes detectáveis e não detectáveis, e ainda que a componente detectável do erro é exatamente o resíduo da medida. As metodologias até então utilizadas, para o processamento de EGs, consideram apenas a componente detectável do erro, e como consequência, podem falhar. Na tentativa de contornar essa limitação, e baseadas nos trabalhos citados previamente, foram estudadas e implementadas duas metodologias alternativas para processar as medidas portadoras de EGs. A primeira, é baseada na análise direta das componentes dos erros das medidas; a segunda, de forma similar às metodologias tradicionais, é baseada na análise dos resíduos das medidas. Entretanto, o diferencial da segunda metodologia proposta reside no fato de não considerarmos um valor limiar fixo para a detecção de medidas com EGs. Neste caso, adotamos um novo valor limiar (TV, do inglês: Threshold Value), característico de cada medida, como apresentado no trabalho de PIERETI (2011). Além disso, com o intuito de reforçar essa teoria, é proposta uma forma alternativa para o cálculo destes valores limiares, através da análise da geometria da função densidade de probabilidade da distribuição normal multivariável, referente aos resíduos das medidas. / This work was proposed with the objective of implementing a computer program to estimate the states (complex nodal voltages) in an electrical power system (EPS) and apply alternative methods for processing gross errors (GEs), based on the geometrical interpretation of the measurements errors and the innovation concept. Through the geometrical interpretation, BRETAS et al. (2009), BRETAS; PIERETI (2010), BRETAS; BRETAS; PIERETI (2011) and BRETAS et al. (2013) proved mathematically that the measurement error is composed of detectable and undetectable components, and also showed that the detectable component of the error is exactly the residual of the measurement. The methods hitherto used, for processing GEs, consider only the detectable component of the error, then as a consequence, may fail. In an attempt to overcome this limitation, and based on the works cited previously, were studied and implemented two alternative methodologies for process measurements with GEs. The first one is based on the direct analysis of the components of the errors of the measurements, the second one, in a similar way to the traditional methods, is based on the analysis of the measurements residuals. However, the differential of the second proposed methodology lies in the fact that it doesn\'t consider a fixed threshold value for detecting measurements with GEs. In this case, we adopted a new threshold value (TV ) characteristic of each measurement, as presented in the work of PIERETI (2011). Furthermore, in order to reinforce this theory, we propose an alternative way to calculate these thresholds, by analyzing the geometry of the probability density function of the multivariate normal distribution, relating to the measurements residuals.

Rýchlosť vozidla je jednou z kľúčových stavových premenných, ktorej znalosť je potrebná v reálnom čase a s vysokou presnosťou, aby mohla slúžiť ako vstupná veličina pre systémy kontroly dynamiky vozidla. Jej priame meranie vo vozidle je však finančne náročné. Riešením tohoto problému môže byť použitie meraní zo senzorov bežne dostupných na palube vozidla a ich následný prepočet na rýchlosť vozidla. Tieto merania sú však veľmi zaťažené procesným šumom, čo vyplýva z komplexnosti pohybu vozidla. Preto je nutné vyvinúť algoritmus so schopnosťou vysporiadať sa s týmito negatívnymi vplyvmi. Algoritmus prezentovaný v tejto práci odhaduje pozdĺžnu rýchlosť vozidla s použitím meraní uhlových rýchlostí štyroch kolies, pozdĺžnej akcelerácie, momentov motora, rýchlosti otáčania okolo zvislej osi a natočenia volantu. Algoritmus bol testovaný na veľkom počte situácií považovaných za kritické na odhad rýchlosti vozidla, ako napríklad prudká akcelerácia na vozovke s nízkym koeficientom trenia, núdzové brzdenie s aktiváciou ABS, či jazda v kopci s kolesami v preklze, prinášajúc uspokojujúce výsledky.