以确保一个安全的、值得信赖的模式的矛盾可能的缺点,精确,可靠和快速转发策略是在电力系统的重要性。这些挑战给人的印象更精致的多环分布系统。最近,过流继电器(ocr)已经进化为这种情况下熟练反对的东西。通过这种方式,开创一个最佳的保护协调策略是公认的主要前提保证协调的安全防护策略。本研究旨在减少整体运营时间的主要继电器为了减少停电。协调问题是由调节只有一个参数,即加倍时间设置(<我t一个lic> 经颅磁刺激我t一个lic>)。在电力继电保护协调,目标函数是最小化的总和的整体运行时间主要的继电器。在规定的工作,协调ocr的单一和多环的分销网络是意识到作为一个优化问题。JAYA算法的优化是通过。建议的技术取决于结果获得一个特定的问题应该通过附近最好的结果,以避免最坏的结果。这种技术只涉及共同控制因素和不涉及具体的控制因素。JAYA采用OCR问题和运行20次相同的初始条件对于每个案例研究,它已经意识到每次运行,JAYA算法收敛于全局最优值,需要更少的迭代次数和计算时间。JAYA算法的结果与其他进化和最新的算法相比,它是确定JAYA优于其他方法。
电力系统日益增长,这带来了一些不必要的安全问题和威胁问题相关的威胁条件下系统的可靠性和稳定性。这些问题对电力系统工程师(非常重要
前面的优化技术的缺点,以及metaheuristic,进化优化合并的可能性标准,可能不是最优,而是被困在当地的最优值。要理解这个问题,JAYA算法策略是检查在这个调查来确定精确的和最佳的OCR协调和其他有关最新的算法。
本文提出了JAYA算法寻找最优的OCR的协调。确认建议JAYA算法的效率,它与其他因素为不同的OCR识别问题模型的方法。仿真结果和分析验证JAYA显示了一个更大的性能的精度和一致性。JAYA的效率是验证通过包容性的模拟和评估各种多环配电系统参数识别问题。因此,JAYA代替其它复杂的优化问题可以是一个实际的更高和更复杂的公交系统。
继电器协调在单一和多环系统是解释为一个优化问题。目标函数与此相关的问题是如下:
的参数<我nline-formula>
在哪里<我nline-formula>
在哪里<我nline-formula>
条件4显示了非线性行为的变量因素<我t一个lic>
PSM我t一个lic>。这些问题可转化为线性规划的假设<我t一个lic>
PSM我t一个lic>是恒定的,采取的操作时间继电器,这是一个线性函数的<我t一个lic>
经颅磁刺激我t一个lic>。对于一个线性问题,所有的参数保持不变,除了<我t一个lic>
经颅磁刺激我t一个lic>不断,所以条件4变成了:
在哪里
因此,目标函数可以表示如下:
下的总运行时间可以有限的两种需求,包含继电器的限制因素和约束协调。的主要局限性包括截止点<我t一个lic>
经颅磁刺激我t一个lic>,而备用需求相关的协调主/后备继电器。上的边界约束问题可以看到如下:
JAYA算法是一个最近发达populace-built合并方法解决不同类型的优化问题,包括约束和无约束问题由拉奥(2016年
假设<我t一个lic>
f (x)我t一个lic>是一个目标函数<我t一个lic>
D我t一个lic>维因素(<我t一个lic>
j = 1,2,…, D我t一个lic>),<我t一个lic>
x<年代ub>我,我年代ub>
的估计价值吗<我t一个lic>
j<年代up>th年代up>
变量的<我t一个lic>
我<年代up>th年代up>
竞争对手的解决方案。因此,<我t一个lic>
习我t一个lic>= (<我t一个lic>
x<年代ub>我,1年代ub>,x<年代ub>我2年代ub>,……,x<年代ub>我,维年代ub>
)的位置<我t一个lic>
我<年代up>th年代up>
候选人的解决方案。最好的竞争对手的解决方案<我t一个lic>
x我t一个lic>= (<我t一个lic>
x<年代ub>最好的,1年代ub>,x<年代ub>最好的,2年代ub>,……,x<年代ub>最好的年代ub>
在哪里<我nline-formula>
针对前面提到的解释,JAYA的伪代码优化技术可以压缩算法
JAYA的流程图。
1。初始化种群规模(IPZ)数量的标准,设计变量和会议数量的适应度函数评价(FFE)
2。分析每个候选人的适应度函数值;
3所示。费用= NP;
4所示。而<我nline-formula>
5。选择最好的候选人<我t一个lic> x<年代ub>最好的年代ub> 最糟糕的候选人<我t一个lic> x<年代ub>最糟糕的年代ub> 从人口;
6。
7所示。选择更新的候选人的适应度函数值;
8。费用=费+ 1;
9。接受新解决方案如果它比旧的好
10。
11。
生成一个适当的代码在MATLAB软件找到最优值OCR的单一和多环使用JAYA分销网络。JAYA的效率和性能测试不同的单一和多环系统,和发现JAYA最满意的,甚至更好的结果在所有案例研究。三个案例研究使用,系统所有案例研究的细节中可以看到引用(
民众大小= 50。
最大迭代次数= 200。
深远的澄清问题的计划和JAYA找到最优的使用对所有案例研究演示了决议。
如图
一个end-loop分配系统。
表
案例1的数据。
| 行 | 阻抗(<我nline-formula>
|
|---|---|
| 1 - 2 | 0.08 +<我t一个lic> j我t一个lic>1 |
| 2 - 3 | 0.08 +<我t一个lic> j我t一个lic>1 |
| 1 - 3 | 0.16 +<我t一个lic> j我t一个lic>2 |
继电器的主要和备份关系案例1。
| 故障点 | 主要的继电器 | 备份继电器 |
|---|---|---|
| 一个 | 1、2 | −4 |
| B | 3、4 | 1、5 |
| C | 5、6 | - 3 |
| D | 3、5 | 1,- |
继电器为例的CT比率和塞设置1。
| 继电器 | CT比 | 塞设置 |
|---|---|---|
| 1 | 1000/1 | 1 |
| 2 | 300/1 | 1 |
| 3 | 1000/1 | 1 |
| 4 | 600/1 | 1 |
| 5 | 600/1 | 1 |
| 6 | 600/1 | 1 |
| 故障点 | 继电器 | ||||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | ||
| 一个 |
|
6.579 | 3.13 | - - - - - - | 1.565 | 1.565 | - - - - - - |
|
|
3.646 | 6.065 | - - - - - - | 15.55 | 15.55 | - - - - - - | |
| B |
|
2.193 | - - - - - - | 2.193 | 2.193 | 2.193 | - - - - - - |
|
|
8.844 | - - - - - - | 8.844 | 8.844 | 8.844 | - - - - - - | |
| C |
|
1.096 | - - - - - - | 1.096 | - - - - - - | 5.482 | 1.827 |
|
|
75.91 | - - - - - - | 75.91 | - - - - - - | 4.044 | 11.539 | |
| D |
|
1.644 | - - - - - - | 1.644 | - - - - - - | 2.741 | - - - - - - |
|
|
13.99 | - - - - - - | 13.99 | - - - - - - | 6.872 | - - - - - - | |
——表示故障是由继电器未见。
在本示例中,整个数量的限制,是11;六个约束是由于继电器操作时间界限,和四个约束的协调标准。每个继电器的最小运行时间(年检)是0.1。所有六个继电器的经颅磁刺激<我t一个lic> x我t一个lic>1年代ub>- - - - - -<我t一个lic> x我t一个lic>6年代ub>。
可以制定如下优化问题:
约束时引起的继电器的非常贴切的如下:
因此,约束方程中提到(
约束时引起的协调与CTI继电器作为0.3如下:
实现JAYA提出想法,目标函数已被纳入第一次更改为一个无约束的问题传递到目标函数的局限性,部分中讨论
最优<我t一个lic> 经颅磁刺激我t一个lic>案例1的值。
|
|
复( |
注册会计师( |
RTO [ |
FA ( |
CFA ( |
JAYA (CTI≥0.3) |
|---|---|---|---|---|---|---|
|
|
0.0589 | 0.0765 | 0.0590 | 0.027 | 0.027 | 0.0589 |
|
|
0.0250 | 0.034 | 0.0250 | 0.130 | 0.221 | 0.0250 |
|
|
0.0250 | 0.0339 | 0.0250 | 0.025 | 0.025 | 0.0250 |
|
|
0.0290 | 0.036 | 0.0290 | 0.025 | 0.025 | 0.0290 |
|
|
0.0630 | 0.0711 | 0.0650 | 0.025 | 0.029 | 0.062946 |
|
|
0.0250 | 0.0294 | 0.0250 | 0.489 | 0.363 | 0.0250 |
|
|
11.87 | 15.88 | 11.93 | 16.25 | 14.39 | 11.8728 |
收敛的特点JAYA 20-time执行案例1。
比较的图形表示<我t一个lic> 经颅磁刺激我t一个lic>的注册会计师,足协,足协,复为案例1和RTO算法。
比较总净收益的时间通过该方法案例1。
| 方法 | 目标函数 | 净收益 | ∑∆(<我t一个lic> t我t一个lic>)<我t一个lic> 年代我t一个lic> |
|---|---|---|---|
| 注册会计师( |
15.88 | JAYA /注册会计师 | 4.0072 |
| RTO [ |
11.93 | JAYA / RTO | 0.0572 |
| FA ( |
16.25 | JAYA / FA | 4.3772 |
| CFA ( |
14.39 | JAYA / CFA | 2.8172 |
| JAYA | 11.8728 |
评估的性能建议JAYA技术,利用JAYA技术获得的结果与其他metaheuristic优化方法获得的结果,例如连续遗传算法(CGA),萤火虫(FA),混乱的萤火虫(CFA),连续粒子群(复),和RTO优化技术在文献中如表所示
多环系统8 ocr描绘在图
多环分布系统。
主/备份关系和总继电器的故障电流。
| 故障点 | t .故障电流 | 主要的继电器 | 回继电器 |
|---|---|---|---|
| 一个 | 2330年 | 1、2、8 | -,- 3 |
| B | 1200年 | 3、4 | 1、2 |
| C | 1400年 | 3、7 | - - - - - - 4 |
| D | 1400年 | 4、8 | 1、2、3 |
| E | 2800年 | 1、5 | ——8 |
| F | 2800年 | 2,6 | ——8 |
——表示故障是由继电器未见。
| 故障点 | 继电器 | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | ||
| 一个 |
|
10 | 10 | 3.3 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 3.3 |
|
|
2.971 | 2.971 | 5.749 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 5.749 | |
| B |
|
3.45 | 3.45 | 5。1 | 6.9 | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
|
|
5.584 | 5.584 | 4.227 | 3.551 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | |
| C |
|
2 | 2 | 10 | 4 | - - - - - - | - - - - - - | 4 | - - - - - - |
|
|
10.035 | 10.035 | 2.971 | 4.9804 | - - - - - - | - - - - - - | 4.980 | - - - - - - | |
| D |
|
5 | 5 | 4 | 10 | - - - - - - | - - - - - - | 4 | - - - - - - |
|
|
4.281 | 4.281 | 4.9804 | 2.971 | - - - - - - | - - - - - - | - - - - - - | 4.9804 | |
| E |
|
20. | 6 | 2 | - - - - - - | 8 | - - - - - - | - - - - - - | 4.9804 |
|
|
2.267 | 3.837 | 10.035 | - - - - - - | 3.297 | - - - - - - | - - - - - - | 10.035 | |
| F |
|
6 | 20. | 2 | - - - - - - | - - - - - - | 8 | - - - - - - | 2 |
|
|
3.837 | 2.267 | 10.035 | - - - - - - | - - - - - - | 3.297 | - - - - - - | 10.035 | |
——表示故障是由继电器未见。
在这种情况下,研究变量的总数是8,继电器有界约束的运行时间是8和9约束产生的协调标准。的双重问题将有17个变量和8约束。然而,在这种情况下,CTI的价值是作为0.6年代和继电器的年检是0.1秒。8 ocr的经颅磁刺激<我t一个lic> x我t一个lic>1年代ub>- - - - - -<我t一个lic> x我t一个lic>8年代ub>。
可以制定如下优化问题:
约束时引起的继电器的非常贴切的如下:
因此,方程的约束声明(
约束时引起的协调与CTI作为ocr 0.6如下:
目标函数是利用评估建议JAYA算法区别因素,澄清了在案例1中。获得理想的估计<我t一个lic>
经颅磁刺激我t一个lic>给出了在表
最优<我t一个lic> 经颅磁刺激我t一个lic>值2。
|
|
RTO [ |
遗传算法( |
JAYA (CTI≥0.6) |
|---|---|---|---|
|
|
0.2521 | 0.2975 | 0.2412 |
|
|
0.2521 | 0.2975 | 0.2412 |
|
|
0.2000 | 0.2270 | 0.1903 |
|
|
0.1510 | 0.1730 | 0.1455 |
|
|
0.0303 | 0.0607 | 0.0303 |
|
|
0.0303 | 0.0607 | 0.0303 |
|
|
0.0250 | 0.0402 | 0.0250 |
|
|
0.0800 | 0.1129 | 0.0698 |
|
|
26.681 | 31.883 | 24.953 |
目标函数得到在模拟的卓越的候选解决方案在每个迭代如图
收敛的特点JAYA 20-time执行情况2。
比较最优的图形表示<我t一个lic> 经颅磁刺激我t一个lic>用例2的RTO算法和遗传算法。
总净时间获得通过该JAYA表所示
比较总净收益的时间通过该方法2。
| 方法 | 目标函数 | 净收益 | ∑∆(<我t一个lic> t我t一个lic>) |
|---|---|---|---|
| RTO [ |
26.681 | JAYA / RTO | 1.728 |
| 遗传算法( |
31.883 | JAYA / GA | 6.93 |
| JAYA | 24.953 |
利用JAYA获得的计算结果对比,结果通过遗传和RTO算法如表所示
并行单头馈线分布系统,从一个孤独的滋养如图
一个平行的单端馈线分布系统。
继电器的主要和备份的关系。
| 故障点 | 主要的继电器 | 备份继电器 |
|---|---|---|
| 一个 | 1、2 | - 3 |
| B | 3、4 | - - - - - - 1 |
| C | 5 | 1、3 |
:表示无备份继电器。
CT比率和塞继电器的设置。
| 继电器 | CT比 | 塞设置 |
|---|---|---|
| 1 | 300/1 | 1 |
| 2 | 300/1 | 1 |
| 3 | 300/1 | 1 |
| 4 | 300/1 | 1 |
| 5 | 100/1 | 1 |
在这个案例研究中,约束的总数是9;五个约束是通过继电器操作时间来界定,四个约束产生的协调标准。0.1 s是每个OCR的年检。CTI是0.2秒。所有继电器的经颅磁刺激<我t一个lic>
x我t一个lic>1年代ub>- - - - - -<我t一个lic>
x我t一个lic>5年代ub>。表
| 故障点 | 继电器 | |||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 一个 |
|
9.059 | 3.019 | 3.019 | - - - - - - | - - - - - - |
|
|
3.106 | 6.265 | 6.265 | - - - - - - | - - - - - - | |
| B |
|
3.109 | - - - - - - | 9.059 | 3.019 | - - - - - - |
|
|
6.265 | - - - - - - | 3.106 | 6.265 | - - - - - - | |
| C |
|
4.875 | - - - - - - | 4.875 | - - - - - - | 29.25 |
|
|
4.348 | - - - - - - | 4.348 | - - - - - - | 2.004 | |
在本示例中,两个问题的配方表
两种优化问题可以制定如下:
约束时引起的继电器的非常贴切的如下:
约束时引起的协调与CTI继电器作为0.2如下:
目标函数是利用建议JAYA算法的参数。的最优值<我t一个lic>
经颅磁刺激我t一个lic>和总操作时间达到给定的表
最优<我t一个lic> 经颅磁刺激我t一个lic>值3。
|
|
足总<年代up>49年代up>( |
非洲金融共同体<年代up>49年代up>( |
JAYA<年代up>49年代up> | TPSM<年代up>50年代up>( |
JAYA<年代up>50年代up> |
|---|---|---|---|---|---|
|
|
0.032 | 0.032 | 0.069 | 0.069 | 0.069 |
|
|
0.016 | 0.047 | 0.01597 | 0.025 | 0.01597 |
|
|
0.121 | 0.091 | 0.069 | 0.069 | 0.069 |
|
|
0.016 | 0.016 | 0.01597 | 0.025 | 0.01597 |
|
|
0.104 | 0.094 | 0.0499 | 0.0499 | 0.0499 |
|
|
1.73 | 1.63 | 0.7286 | 2.27 | 2.1931 |
49岁的50代表中提到的目标函数方程(
JAYA的收敛特点对于20-time执行情况3中提到的目标函数方程(
JAYA的收敛特点对于20-time执行情况3中提到的目标函数方程(
比较理想的图形表示<我t一个lic> 经颅磁刺激我t一个lic>与足协,足协和TPSM算法3。
比较总净的时间获得通过该方法3。
| 方法 | 目标函数 | 净收益 | ∑∆(<我t一个lic> t我t一个lic>)<我t一个lic> 年代我t一个lic> |
|---|---|---|---|
| 足总<年代up>49年代up>( |
1.73 | JAYA / FA<年代up>49年代up> | 1.01 |
| 非洲金融共同体<年代up>49年代up>( |
1.63 | JAYA / CFA<年代up>49年代up> | 0.91 |
| TPSM<年代up>50年代up>( |
2.27 | JAYA / TPSM<年代up>50年代up> | 0.0769 |
| JAYA<年代up>49年代up> | 0.7286 | ||
| JAYA<年代up>50年代up> | 2.1931 |
49岁的50代表中提到的目标函数方程(
评估的执行建议JAYA技术,获得的结果JAYA技术是利用差异化与其他优化方法获得的结果,也就是说,两阶段单纯形法(TPSM)、FA和CFA优化技术的引用,如表中所示
摘要JAYA算法建议完全和逐步评估各种OCR的约束模型。上述JAYA技术不涉及任何参数调优,因此实现起来比较简单。JAYA分析OCR模型的参数识别问题。仿真结果表明,JAYA精度方面具有更好的性能和一致性与其他方法相比在文学。获得的结果通过JAYA技术有效地减少所有问题的三种模式。JAYA的性能可以看到从最小函数估计收购JAYA达到最优值从文学与其他算法相比。
在案例1中,目标函数的值由JAYA最小化到最优值,给出了一个利用总净收益在时间4.0072秒,0.0572,4.3772,和2.8172 s / CGA, RTO,足协,足协。在例2中,JAYA给总净收益的1.728和6.93年代,RTO算法和遗传算法,在案例3,JAYA给总净收益1.01秒的时间,0.91,和0.0769 s /足协,足协,TPSM算法。因此,JAYA是一个充满希望的候选解决方案解决OCR约束识别问题的模型。
在未来的工作中,这种技术将被用来解决问题的OCR和DOCR更高和更复杂的案例研究电力系统。
电流互感器
协调时间间隔
混乱的萤火虫算法
连续的遗传算法
连续粒子群
方向过电流继电器
初始化种群规模
适应度函数评价
故障电流
吸动电流
萤火虫算法
根树优化
遗传算法
最小的操作时间
塞设置乘数
过电流继电器
加倍时间设置
两阶段单纯形法
国际电工委员会。
使用的数据来支持本研究的发现包括在本文中。
作者Abdul Wadood和Tahir Khurshaid作为co-first作者考虑。
作者宣称没有利益冲突。
作者Abdul Wadood和Tahir Khurshaid作为co-first作者考虑。
这项研究受到了韩国电力公司在授予数量(R17XA05-38)。