CN114285012A - 继电保护装置动作定值优化方法、系统、设备及存储介质 - Google Patents
继电保护装置动作定值优化方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN114285012A CN114285012A CN202111592590.8A CN202111592590A CN114285012A CN 114285012 A CN114285012 A CN 114285012A CN 202111592590 A CN202111592590 A CN 202111592590A CN 114285012 A CN114285012 A CN 114285012A
- Authority
- CN
- China
- Prior art keywords
- constraint condition
- relay protection
- fixed value
- value
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000004224 protection Effects 0.000 title claims abstract description 134
- 230000009471 action Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 230000035945 sensitivity Effects 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 241000544061 Cuculus canorus Species 0.000 claims abstract description 29
- 235000005770 birds nest Nutrition 0.000 claims description 26
- 235000005765 wild carrot Nutrition 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 230000010152 pollination Effects 0.000 claims description 5
- 239000004576 sand Substances 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明公开了一种继电保护装置动作定值优化方法、系统、设备及存储介质，该方法包括：S1，计算与相邻线路不同段保护配合的动作定值，进一步确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情况；S2，基于所述计算与相邻线路不同段保护配合的动作定值和所述确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情况，采用改进离散布谷鸟算法对继电保护定值进行优化；S3，输出优化后的继电保护定值。该方法利用布谷鸟算法进行动作定值优化，具有参数简单，收敛速度快，寻优效率高等优点，能够快速准确的得到继电保护整定值最优解。
Description
技术领域
本发明属于继电保护装置动作定值优化领域，特别是涉及一种继电保护装 置动作定值优化方法、系统、设备及存储介质。
背景技术
继电保护系统是电力系统必不可少的组成部分，是保障电力系统安全稳定 运行第一道防线。它的主要任务是当电力系统发生故障或异常工况时，在可能 实现的最短时间和最小区域内，自动将故障设备从系统中切除，以减轻或避免 设备的损坏和对相邻地区供电的影响。为了保证电网安全稳定运行，对继电保 护装置提出了选择性、速动性、灵敏性和可靠性四个基本要求，此时继电保护 装置动作定值整定计算工作显得尤为重要。
传统的逐级配合整定计算方法需要合理设置保护定值，满足相邻线路上下 级之间相互配合的关系。但随着电网规模越来越大，电网结构越来越复杂，传 统人工整定计算很难综合考虑整个电网线路之间的相互配合，不容易得到使得 电网整体保护性能最优的整定结果。
随着电子技术、计算机技术、通信技术的飞速发展，将智能优化算法应用 在继电保护整定计算上可以很好的解决传统逐级配合整定方法效率低、计算复 杂的问题。目前已有将遗传算法和粒子群算法应用在整定计算上的研究，但仍 有很大的改进空间。遗传算法参数多，编程复杂，最终寻优结果不稳定，搜索 速度慢；而粒子群算法虽收敛快、耗时短、效率高，但对于离散优化问题容易 陷入局部最优，导致无法得到全局最优解的情况时有发生。
发明内容
为了解决传统逐级配合整定方法效率低、很难得到最优结果的问题，本发 明公开了一种继电保护装置动作定值优化方法、系统、设备及存储介质。该方 法利用布谷鸟算法参数简单，收敛速度快，寻优效率高等优点，能够快速准确 的得到继电保护整定值最优解。
为达到上述目的，本发明采用以下技术方案予以实现：
一种继电保护装置动作定值优化方法，包括：
S1，计算与相邻线路不同段保护配合的动作定值，进一步确认解空间离散 点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情 况；
S2，基于所述计算与相邻线路不同段保护配合的动作定值和所述确认解空 间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的 满足情况，采用改进离散布谷鸟算法对继电保护定值进行优化；
S3，输出优化后的继电保护定值。
作为本发明的进一步改进，所述计算与相邻线路不同段保护配合的动作定 值，具体包括：
计算与相邻线路Ⅰ段保护配合的动作定值Z0；计算与相邻线路Ⅱ段保护配合 的动作定值Z1；计算与相邻线路Ⅰ段保护配合的时间定值t0；计算与相邻线路Ⅱ 段保护配合的时间定值t1；
所述确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、 潮流约束条件的满足情况，具体包括：
计算保证灵敏度约束的最小动作定值Zlm；计算保证级差约束的最小动作定 值Zjch；计算躲过最大负荷电流的最小负荷阻抗动作定值Zloadmax；计算保证级 差时间定值tjch；
确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件及潮 流约束条件，具体满足如下条件：
级差约束：Z≥Zjch，t≥tjch；
潮流约束：Z≤Zloadmax；
灵敏度约束：Z≥Zlm；
选择性约束：Z≤Z0，t≥t0或Z0<Z≤Z1，t≥t1。
作为本发明的进一步改进，所述采用改进离散布谷鸟算法对继电保护定值 进行优化，具体包括以下步骤：
S21，初始化有n个布谷鸟巢的种群，根据适应度函数计算每个鸟巢适应度 值，找出适应度最大的鸟巢；
S22，判断迭代是否达到最大迭代次数，若是则输出最优整定结果，若否则 执行S23；
S23，通过锦标赛选择策略选出新的鸟巢；
S24，进行第一次全局搜索；产生Levy步长Ls使Ls服从Levy分布；根据 Ls以及梯度区间计算要改变的保护的数量；根据改变保护的数量随机确定要改 变的保护，并将所述保护对应的解空间数值用历史最优解中对应的保护的解空 间数值替代；
S25，在[0,1]范围内随机生成一个数，判断该数是否小于被发现是布谷鸟蛋 的概率p，若小于，则执行S24；若大于，则执行S27；
S26，进行局部授粉，改变保护的数量，根据改变保护的数量随机确定要改 变的保护，并产生随机数对要改变的保护进行更新；
S27，根据适应度函数计算每个鸟巢的适应度，找出适应度最大的鸟巢；将 当前最优解和历史最优解做比较，若当前最优解比历史最优解更优，则用当前 最优解更新为历史最优解；
S28，迭代次数加一，返回执行S22；直至迭代结束输出最优整定结果。
作为本发明的进一步改进，所述适应度函数为：
式中，M为适应度值；k为常数；式中H为整个系统继电保护装置的数目，G是每个保护的段数；
为所有保护动作时间的总和；
是违反级差 约束的附加惩罚时间之和；
是违反潮流约束的附加惩罚时间之和；
是 违反灵敏度约束的附加惩罚时间之和；
是违反选择性约束的附加惩罚时间 之和；a，b，c，d分别为级差约束、潮流约束、灵敏度约束、选择性约束的权 重因子；k'为常数；Zset.h(g)为保护h第g段的整定阻抗值；Zline.h(g)为保护h第g 段的线路阻抗值；Ksen.h(g)为保护h第g段的灵敏度。
作为本发明的进一步改进，所述通过锦标赛选择策略选出新的鸟巢，具体 包括：
有放回抽样n次，每次从种群中取出x个个体，然后从x个个体中选择最 好的一个进入子种群，抽样完成，重新组成n个个体的种群。
作为本发明的进一步改进，所述产生Levy步长Ls使Ls服从Levy分布，具 体包括：
根据曼特尼亚算法模拟莱维飞行，通过使用两个高斯分布U和V变换计算 步长大小Ls：
σ通过下式计算:
式中，λ为常数，Γ(λ)为标准伽玛函数。
作为本发明的进一步改进，所述进行局部授粉，改变保护的数量，具体是：
改变保护的数量为保护的总数量的15％。
一种继电保护装置动作定值优化系统，包括：
计算确定模块，用于计算与相邻线路不同段保护配合的动作定值，进一步 确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约 束条件的满足情况；
定值优化模块，用于基于所述计算与相邻线路不同段保护配合的动作定值 和所述确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、 潮流约束条件的满足情况，采用改进离散布谷鸟算法对继电保护定值进行优化；
定值输出模块，用于输出优化后的继电保护定值。
一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述 处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述继电 保护装置动作定值优化方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序， 所述计算机程序被处理器执行时实现所述继电保护装置动作定值优化方法的步 骤。
与现有技术相比，本发明具有以下有益效果：
本发明公的继电保护装置动作定值优化方法，采用改进离散布谷鸟算法对 继电保护定值进行优化，由于利用布谷鸟算法，克服了传统逐级配合整定方法 效率低、很难得到最优结果的缺点，改进了遗传算法、粒子群算法寻优效率低、 容易陷入局部最优的缺点。采用布谷鸟算法进行继电保护定值优化，具有参数 简单，收敛速度快，寻优效率高等优点，能够快速准确的得到继电保护整定值 最优解。将改进离散布谷鸟算法的继电保护定值优化方法应用于规模较大、结 构复杂的电网，能够快速准确得出整定结果，更好地保证了电力系统的安全稳 定运行。
附图说明
图1为继电保护装置动作定值优化方法流程图；
图2为本发明优选实施例的继电保护装置动作定值优化方法流程图；
图3为定时限保护的解空间划分；
图4为本发明一种继电保护装置动作定值优化系统框图；
图5为本发明一种电子设备示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施 例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所 描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发 明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所 有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、 “第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应 该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施 例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和 “具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系 列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步 骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备 固有的其它步骤或单元。
如图1所示，本发明第一个目的是提供一种继电保护装置动作定值优化方 法，包括：
S1，计算与相邻线路不同段保护配合的动作定值，进一步确认解空间离散 点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情 况；
S2，基于所述计算与相邻线路不同段保护配合的动作定值和所述确认解空 间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的 满足情况，采用改进离散布谷鸟算法对继电保护定值进行优化；
S3，输出优化后的继电保护定值。
因此，本发明基于改进离散布谷鸟算法的继电保护定值优化方法，该方法 克服了传统逐级配合整定方法效率低、很难得到最优结果的缺点，改进了遗传 算法、粒子群算法寻优效率低、容易陷入局部最优的缺点。将改进离散布谷鸟 算法的继电保护定值优化方法应用于规模较大、结构复杂的电网，能够快速准 确得出整定结果，更好地保证了电力系统的安全稳定运行。
其中，采用改进离散布谷鸟算法对继电保护定值进行优化具体包括：
S21，初始化有n个布谷鸟巢的种群，根据适应度函数计算每个鸟巢适应度 值，找出适应度最大的鸟巢；
S22，判断是否达到最大迭代次数，是则输出最优整定结果，否则执行步骤 五；
S23，通过锦标赛选择策略选出新的鸟巢；
S24，进行全局搜索。产生Levy步长Ls使Ls服从Levy分布。根据Ls以 及梯度区间计算要改变的保护的数量。根据改变保护的数量随机确定要改变哪 些保护，并将这些保护对应的解空间数值用历史最优解中对应的保护的解空间 数值替代。
S25，在[0,1]范围内随机生成一个数，判断该数是否小于被发现是布谷鸟蛋 的概率(即舍弃该鸟巢的概率)p，小于执行S24，大于于执行S27；
S26，进行局部搜索。改变保护的数量为保护的总数量的15％，根据改变 保护的数量随机确定要改变哪些保护，并产生随机数对要改变的保护进行更新。
S27，根据适应度函数计算每个鸟巢的适应度，找出适应度最大的鸟巢。将 当前最优解和历史最优解做比较，若当前最优解比历史最优解更优，则用当前 最优解更新历史最优解；
S28，迭代次数加一，返回执行S22。
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图 1对本发明实施案例做进一步详细说明。在此，本发明的示意性实施例及其说 明用于解释本发明，但并不作为对本发明的限定。
下面结合附图对本发明作更进一步的说明。
如图2所示，一种继电保护装置动作定值优化方法，包括以下步骤：
步骤一：如图1，计算与相邻线路Ⅰ段(速动段)保护配合的动作定值Z0； 与相邻线路Ⅱ段(延时段)保护配合的动作定值Z1；保证灵敏度约束的最小动 作定值Zlm；保证级差约束的最小动作定值Zjch；躲过最大负荷电流的最小负荷 阻抗动作定值Zloadmax；与相邻线路Ⅰ段保护配合的时间定值t0；与相邻线路Ⅱ段 保护配合的时间定值t1；保证级差时间定值tjch。
步骤二：如图2和图3，确认解空间离散点灵敏度约束条件，选择性约束 条件，级差约束条件，潮流约束条件的满足情况；
级差约束：Z≥Zjch，t≥tjch
潮流约束：Z≤Zloadmax
灵敏度约束：Z≥Zlm
选择性约束：Z≤Z0，t≥t0或Z0<Z≤Z1，t≥t1
步骤三：如图1，初始化有n个布谷鸟巢的种群，根据适应度函数计算每 个鸟巢适应度值，找出适应度最大的鸟巢；
适应度函数如下：
式中，M为适应度值；k为常数；式中H为整个系统继电保护装置的数目， G是每个保护的段数。
为所有保护一段二段动作时间的总和；
是 违反级差约束的附加惩罚时间之和；
是违反潮流约束的附加惩罚时间之和；
是违反灵敏度约束的附加惩罚时间之和；
是违反选择性约束的附加惩 罚时间之和；a，b，c，d分别为级差约束、潮流约束、灵敏度约束、选择性约 束的权重因子；k'为常数；Zset.h(g)为保护h第g段的整定阻抗值；Zline.h(g)为保护 h第g段的线路阻抗值；Ksen.h(g)为保护h第g段的灵敏度。
步骤四：如图2，判断是否达到最大迭代次数，是则输出最优整定结果， 否则执行步骤五；
步骤五：如图2，通过锦标赛选择策略选出新的鸟巢；锦标赛选择策略具 体操作是有放回抽样n次，每次从种群中取出x个个体，然后从x个个体中选 择最好的一个进入子种群，抽样完成，重新组成n个个体的种群。此方法称为 x元锦标赛。通过引入锦标赛选择策略，使得改进的布谷鸟算法能够尽快的将 整个种群的优良结果集中起来，加快算法的寻优效率。
步骤六：如图2和表1，进行全局搜索。产生Levy步长Ls使Ls服从Levy 分布。根据Ls以及梯度区间计算要改变的保护的数量。根据改变保护的数量随 机确定要改变哪些保护，并将这些保护对应的解空间数值用历史最优解中对应 的保护的解空间数值替代。
表1
根据曼特尼亚算法可以有效模拟莱维飞行，通过使用两个高斯分布U和V 变换计算步长大小Ls：
σ通过下式计算:
式中，λ为常数，通常取3/2，Γ(λ)为标准伽玛函数。
步骤七：如图2，在[0,1]范围内随机生成一个数，判断该数是否小于被发 现是布谷鸟蛋的概率(即舍弃该鸟巢的概率)p，小于执行步骤八，大于于执行步 骤十；
步骤八：如图2，进行局部授粉。改变保护的数量为保护的总数量的15％， 根据改变保护的数量随机确定要改变哪些保护，并产生随机数对要改变的保护 进行更新。
步骤九：如图2，计算每个鸟巢的适应度，找出适应度最大的鸟巢。将当 前最优解和历史最优解做比较，若当前最优解比历史最优解更优，则用当前最 优解更新历史最优解；
步骤十：如图2，迭代次数加一，执行步骤四。
如图4所示，本发明还提供一种继电保护装置动作定值优化系统，包括：
计算确定模块，用于计算与相邻线路不同段保护配合的动作定值，进一步 确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约 束条件的满足情况；
定值优化模块，用于基于所述计算与相邻线路不同段保护配合的动作定值 和所述确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、 潮流约束条件的满足情况，采用改进离散布谷鸟算法对继电保护定值进行优化；
定值输出模块，用于输出优化后的继电保护定值。
如图5所示，本发明第三个目的是提供一种电子设备，包括存储器、处理 器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理 器执行所述计算机程序时实现所述继电保护装置动作定值优化方法的步骤。
所述继电保护装置动作定值优化方法包括以下步骤：
S1，计算与相邻线路不同段保护配合的动作定值，进一步确认解空间离散 点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情 况；
S2，基于所述计算与相邻线路不同段保护配合的动作定值和所述确认解空 间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的 满足情况，采用改进离散布谷鸟算法对继电保护定值进行优化；
S3，输出优化后的继电保护定值。
本发明第四个目的是提供一种计算机可读存储介质，所述计算机可读存储 介质存储有计算机程序，所述计算机程序被处理器执行时实现所述继电保护装 置动作定值优化方法的步骤。
所述继电保护装置动作定值优化方法包括以下步骤：
S1，计算与相邻线路不同段保护配合的动作定值，进一步确认解空间离散 点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情 况；
S2，基于所述计算与相邻线路不同段保护配合的动作定值和所述确认解空 间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的 满足情况，采用改进离散布谷鸟算法对继电保护定值进行优化；
S3，输出优化后的继电保护定值。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计 算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结 合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包 含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入 式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算 机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的 指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流 程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理， 从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程 或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限 制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人 员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未 脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利 要求保护范围之内。
Claims (10)
1.一种继电保护装置动作定值优化方法，其特征在于，包括：
S1，计算与相邻线路不同段保护配合的动作定值，进一步确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情况；
S2，基于所述计算与相邻线路不同段保护配合的动作定值和所述确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情况，采用改进离散布谷鸟算法对继电保护定值进行优化；
S3，输出优化后的继电保护定值。
2.根据权利要求1所述的一种继电保护装置动作定值优化方法，其特征在于，所述计算与相邻线路不同段保护配合的动作定值，具体包括：
计算与相邻线路Ⅰ段保护配合的动作定值Z0；计算与相邻线路Ⅱ段保护配合的动作定值Z1；计算与相邻线路Ⅰ段保护配合的时间定值t0；计算与相邻线路Ⅱ段保护配合的时间定值t1；
所述确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情况，具体包括：
计算保证灵敏度约束的最小动作定值Zlm；计算保证级差约束的最小动作定值Zjch；计算躲过最大负荷电流的最小负荷阻抗动作定值Zloadmax；计算保证级差时间定值tjch；
确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件及潮流约束条件，具体满足如下条件：
级差约束：Z≥Zjch，t≥tjch；
潮流约束：Z≤Zloadmax；
灵敏度约束：Z≥Zlm；
选择性约束：Z≤Z0，t≥t0或Z0<Z≤Z1，t≥t1。
3.根据权利要求1所述的一种继电保护装置动作定值优化方法，其特征在于，所述采用改进离散布谷鸟算法对继电保护定值进行优化，具体包括以下步骤：
S21，初始化有n个布谷鸟巢的种群，根据适应度函数计算每个鸟巢适应度值，找出适应度最大的鸟巢；
S22，判断迭代是否达到最大迭代次数，若是则输出最优整定结果，若否则执行S23；
S23，通过锦标赛选择策略选出新的鸟巢；
S24，进行第一次全局搜索；产生Levy步长Ls使Ls服从Levy分布；根据Ls以及梯度区间计算要改变的保护的数量；根据改变保护的数量随机确定要改变的保护，并将所述保护对应的解空间数值用历史最优解中对应的保护的解空间数值替代；
S25，在[0,1]范围内随机生成一个数，判断该数是否小于被发现是布谷鸟蛋的概率p，若小于，则执行S24；若大于，则执行S27；
S26，进行局部授粉，改变保护的数量，根据改变保护的数量随机确定要改变的保护，并产生随机数对要改变的保护进行更新；
S27，根据适应度函数计算每个鸟巢的适应度，找出适应度最大的鸟巢；将当前最优解和历史最优解做比较，若当前最优解比历史最优解更优，则用当前最优解更新为历史最优解；
S28，迭代次数加一，返回执行S22；直至迭代结束输出最优整定结果。
4.根据权利要求3所述的一种继电保护装置动作定值优化方法，其特征在于，所述适应度函数为：
式中，M为适应度值；k为常数；式中H为整个系统继电保护装置的数目，G是每个保护的段数；
为所有保护动作时间的总和；
是违反级差约束的附加惩罚时间之和；
是违反潮流约束的附加惩罚时间之和；
是违反灵敏度约束的附加惩罚时间之和；
是违反选择性约束的附加惩罚时间之和；a，b，c，d分别为级差约束、潮流约束、灵敏度约束、选择性约束的权重因子；k'为常数；Zset.h(g)为保护h第g段的整定阻抗值；Zline.h(g)为保护h第g段的线路阻抗值；Ksen.h(g)为保护h第g段的灵敏度。
5.根据权利要求3所述的一种继电保护装置动作定值优化方法，其特征在于：所述通过锦标赛选择策略选出新的鸟巢，具体包括：
有放回抽样n次，每次从种群中取出x个个体，然后从x个个体中选择最好的一个进入子种群，抽样完成，重新组成n个个体的种群。
6.根据权利要求3所述的一种继电保护装置动作定值优化方法，其特征在于：所述产生Levy步长Ls使Ls服从Levy分布，具体包括：
根据曼特尼亚算法模拟莱维飞行，通过使用两个高斯分布U和V变换计算步长大小Ls：
σ通过下式计算:
式中，λ为常数，Γ(λ)为标准伽玛函数。
7.根据权利要求3所述的一种继电保护装置动作定值优化方法，其特征在于：所述进行局部授粉，改变保护的数量，具体是：
改变保护的数量为保护的总数量的15％。
8.一种继电保护装置动作定值优化系统，其特征在于，包括：
计算确定模块，用于计算与相邻线路不同段保护配合的动作定值，进一步确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情况；
定值优化模块，用于基于所述计算与相邻线路不同段保护配合的动作定值和所述确认解空间离散点灵敏度约束条件、选择性约束条件、级差约束条件、潮流约束条件的满足情况，采用改进离散布谷鸟算法对继电保护定值进行优化；
定值输出模块，用于输出优化后的继电保护定值。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-7任一项所述继电保护装置动作定值优化方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述继电保护装置动作定值优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111592590.8A CN114285012B (zh) | 2021-12-23 | 2021-12-23 | 继电保护装置动作定值优化方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111592590.8A CN114285012B (zh) | 2021-12-23 | 2021-12-23 | 继电保护装置动作定值优化方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114285012A true CN114285012A (zh) | 2022-04-05 |
| CN114285012B CN114285012B (zh) | 2023-11-17 |
Family
ID=80874875
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111592590.8A Active CN114285012B (zh) | 2021-12-23 | 2021-12-23 | 继电保护装置动作定值优化方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114285012B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117148775A (zh) * | 2023-10-31 | 2023-12-01 | 中国电建集团山东电力管道工程有限公司 | 管道生产过程远程监控方法、系统、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104578012A (zh) * | 2015-01-30 | 2015-04-29 | 国网北京经济技术研究院 | 一种基于灵敏度分析的保护定值安全裕度评估方法 |
| CN106295880A (zh) * | 2016-08-10 | 2017-01-04 | 广东工业大学 | 一种电力系统多目标无功优化的方法及系统 |
| CN106408135A (zh) * | 2016-10-26 | 2017-02-15 | 重庆邮电大学 | 一种基于反馈学习布谷鸟算法的电力系统优化潮流方法 |
| CN109767034A (zh) * | 2018-12-26 | 2019-05-17 | 广州供电局有限公司 | 继电保护的定值优化方法、装置、计算机设备和存储介质 |
| CN112541299A (zh) * | 2020-11-28 | 2021-03-23 | 安徽信息工程学院 | 一种基于遗传算法的继电保护定值优化方法 |
-
2021
- 2021-12-23 CN CN202111592590.8A patent/CN114285012B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104578012A (zh) * | 2015-01-30 | 2015-04-29 | 国网北京经济技术研究院 | 一种基于灵敏度分析的保护定值安全裕度评估方法 |
| CN106295880A (zh) * | 2016-08-10 | 2017-01-04 | 广东工业大学 | 一种电力系统多目标无功优化的方法及系统 |
| CN106408135A (zh) * | 2016-10-26 | 2017-02-15 | 重庆邮电大学 | 一种基于反馈学习布谷鸟算法的电力系统优化潮流方法 |
| CN109767034A (zh) * | 2018-12-26 | 2019-05-17 | 广州供电局有限公司 | 继电保护的定值优化方法、装置、计算机设备和存储介质 |
| CN112541299A (zh) * | 2020-11-28 | 2021-03-23 | 安徽信息工程学院 | 一种基于遗传算法的继电保护定值优化方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117148775A (zh) * | 2023-10-31 | 2023-12-01 | 中国电建集团山东电力管道工程有限公司 | 管道生产过程远程监控方法、系统、设备及介质 |
| CN117148775B (zh) * | 2023-10-31 | 2024-01-23 | 中国电建集团山东电力管道工程有限公司 | 管道生产过程远程监控方法、系统、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114285012B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109284858B (zh) | 一种钢筋下料优化方法、装置及存储设备 | |
| Cui et al. | A novel artificial bee colony algorithm with an adaptive population size for numerical function optimization | |
| CN112101530A (zh) | 神经网络训练方法、装置、设备及存储介质 | |
| CN112422699B (zh) | 一种基于动态调整的无人机集群行动方案生成方法 | |
| CN114285012A (zh) | 继电保护装置动作定值优化方法、系统、设备及存储介质 | |
| CN104616062A (zh) | 一种基于多目标遗传规划的非线性系统辨识方法 | |
| CN109993205A (zh) | 时间序列预测方法、装置、可读存储介质及电子设备 | |
| CN112991091A (zh) | 一种基于Stacking算法的短期电力负荷预测方法及装置 | |
| CN114444383A (zh) | 核反应堆设计方案优化方法、装置、计算机设备和介质 | |
| CN108448659B (zh) | 一种基于hacs算法求解电力系统无功优化的方法 | |
| CN105512755A (zh) | 一种基于分解的多目标分布估计优化方法 | |
| CN112700057A (zh) | 一种基于模块化循环神经网络的电力负荷预测方法 | |
| Wilson et al. | On learning to generate wind farm layouts | |
| JP7137074B2 (ja) | 最適化計算方法、最適化計算装置及び最適化計算プログラム | |
| Bo et al. | An improved bacterial foraging optimization for multi-objective flexible job-shop scheduling problem | |
| CN114154753A (zh) | 一种负荷预测方法及系统 | |
| CN110362378A (zh) | 一种任务调度方法及设备 | |
| CN116414094A (zh) | 一种焊接装配智能调度方法及系统 | |
| CN114219125A (zh) | 一种高弹性城市电网多维智能分区方法 | |
| US20170004243A1 (en) | Intra-run design decision process for circuit synthesis | |
| CN111612419A (zh) | 电力申报数据的处理方法、装置和计算机设备 | |
| CN116345544B (zh) | 基于遗传算法的电力系统安全稳定控制策略生成方法、装置、系统及存储介质 | |
| Guan et al. | Mathematical model and solution for land-use crop planning with cooperative work | |
| van der Sanden et al. | Solving ratio games: algorithms and experimental evaluation | |
| CN115360772A (zh) | 电力系统有功安全校正控制方法、系统、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |