JAYA算法在解决问题中的应用最优协调过电流继电器的单一和多环配电系统

文摘

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(经颅磁刺激)。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。

1。介绍

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1- - - - - -3]。保持系统在一个可靠的条件,并确保没有任何中断就连续电力行业,电信网络,并在消费者层面,需要一种快速、稳定、可靠的系统,可以快速地处理这样的问题,没有任何延迟。在电力系统中,保护系统是一种反对的东西,尽快检测并清除故障(4,5]。的保护系统是一种结合不同的过电流继电器(ocr)和断路器。这些保护继电器系统中错误的部分和隔离它为了保证系统不包括最少的强实时的系统部分。保护系统,继电器的适用策略是必要的,保持整个保护系统的正确操作顺利。协调问题的关键目标是保证圆的继电器不工作,隐藏的重要disconnectivity健壮的部分,和逃避继电器的误操作。电力系统故障部分是及时的帮助下脱离这些继电器断路器一旦满足选择性的必需品,灵敏度和可靠性,使得这些继电器(协调重要6]。光学字符识别是一个有用的选择的技术和经济意义的工业区的sub-transmission系统中主保护和后备保护传输系统(7,8]。最优的目标协调问题是解决最小继电器设置,这是继电器特性图,约束和限制的继电器设置(9]。优化理论处理寻找最优中继协作执行一个至关重要的部分在电网10]。最近,学者和研究人员使用不同类型的优化方法不仅限于OCR协调问题,但也有重要的应用程序在不同的领域11- - - - - -13]。在[14],鲸鱼优化算法介绍了继电器的协调问题。在[15),一只萤火虫算法(FA)被用来分析方向过电流继电器(DOCR)。在[16),灰太狼优化用于审问继电器的问题。在[17- - - - - -22),各种风格的粒子群优化审讯处理这个继电器协调问题。在[23- - - - - -26),不同版本的遗传算法来提高遗传算法的收敛特性。在[27,28),根树算法介绍了继电器的协调问题。在[29日),提出了CFA进行协调的问题。在[30.),提出了一种混合共生生物优化器来解决光学字符识别问题。在[31日),使用不同的metaheuristic算法做了比较研究。在[32),DOCR制定使用混合整数非线性问题,解决了鲸鱼的优化。

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。

2。制定光学字符识别问题

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:

的参数和的重量和操作时间继电器,分别。每一个继电器,(33,34]。因此,操作继电器的特性曲线可以从一段IEC规则的可选择的声明,可以描述如下:

在哪里和是稳定的参数,说明了继电器特性和最有可能等于什么和对于一个正常inverse-type继电器。条款和是吸动电流和时间乘数的设置继电器分别故障电流通过继电器吗。

在哪里是主键或主吸动电流和PSM代表插头设置乘数和

条件4显示了非线性行为的变量因素PSM。这些问题可转化为线性规划的假设PSM是恒定的,采取的操作时间继电器,这是一个线性函数的经颅磁刺激。对于一个线性问题,所有的参数保持不变,除了经颅磁刺激不断,所以条件4变成了:

在哪里

因此,目标函数可以表示如下:

2.1。约束

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经颅磁刺激,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: 的参数和是主要的(或主要)和备份(或中学)继电器操作时间,分别和CTI是时间间隔的协调。

3所示。JAYA算法

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35]。JAYA算法的关键目标是,一旦达到一个特定问题的解决方案,同时必须达到最优结果,从而避免最坏的结果。JAYA是个梵文词意义的胜利。JAYA算法踏实努力的胜利,实现成就发现一个最优解并试图忽视不满通过移动很长的路从最糟糕的解决方案。JAYA算法尝试非凡的努力成功地发现了真正的结果和解决方案,因此将它命名为JAYA算法。这种优化技术在应用程序非常自命不凡的视角。此外,它不包含algorithm-specific参数和聚集在合理优化说明少数量的评价函数。JAYA算法相比的主要优势进一步进化算法是无限制algorithm-specific参数和利用仅有的两个常见的参数,即人口规模和数量的迭代。在其他的优化技术的情况下,需要一个比例因子和交叉的前景,例如,当一个粒子群优化需要一个惯性重量、学习因子和加速系数用于最初的初始化。这样,命令式的优势JAYA计算其专家能力,就忽略了努力改变约束和减少优化过程所需的时间。 There are many applications of the JAYA algorithm in different research areas. In [36),JAYA用于热设备。在[37),JAYA算法用于线性动力系统找到一个互连。在[38),JAYA使用领域的现代加工过程。在[39),最优功率流的解决方案是通过JAYA来解决。在[40),elitist-JAYA用于换热器的优化设计。在[41),JAYA用于维护考虑换热器。在[42,43),JAYA被用来解决不同的工程优化问题。在[44),JAYA用于积分控制器的优化。在[45,46),一个经济负荷调度优化验证JAYA的使用不同的版本。

假设f (x)是一个目标函数D维因素(j = 1,2,…, D),x_我,我的估计价值吗j^th变量的我^th竞争对手的解决方案。因此,习= (x_我,1,x_我2,……,x_我,维)的位置我^th候选人的解决方案。最好的竞争对手的解决方案x= (x_最好的,1,x_最好的,2,……,x_最好的,_D)的最佳估计f (x)在目前的民众,而最糟糕的候选方案x_最糟糕的= (x_{最坏的情况下,1},x_{最坏的情况下,2}…,x_{最坏的情况下,维})是f (x)的估计目前的民众。在这一点上,x_我,我情商,简化使用。10)。

在哪里和的值吗j^th分别变量最好和最差的解决方案。更新的价值吗和的绝对值和是两个同样传播[0,1]内任意数字。在情商。10),这个词说明了感情的澄清吸引最好的解决方案,提高澄清在每个迭代中最高级的价值。探索JAYA优化技术,实现解决方案后,将接近最好的结果,开始远离最糟糕的解决方案。在这整个过程中,JAYA算法试图取得胜利了即将到来的卓越的结果;因此,它有资格JAYA。

3.1。JAYA结构

针对前面提到的解释,JAYA的伪代码优化技术可以压缩算法1。此外,JAYA的流程图如图1。可以看出,JAYA的配置简单,是独一无二的,和不需要额外参数初始化JAYA;也就是说,从algorithm-specific JAYA同样是不受限制的参数。

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。而做
5。选择最好的候选人x_最好的最糟糕的候选人x_最糟糕的从人口;
6。为i = 1到NP做
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。结束了
11。结束时。

4所示。结果与讨论

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(23,29日,47,48]。在每一个案例研究中,以下JAYA因素。

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。

4.1。案例1

如图2多环网络与6 ocr考虑和微不足道的线另外收费。不同组合和配置的主/备份对模型根据故障电流在不同的供料器的位置。

以下4.4.1。数学建模问题公式化

表1显示系统的数据行。表2显示了继电器的主/备份对。对于这个例子,认为是描绘在图4断层位置2。表3显示了CT比率和塞设置。表4显示常数和当前被继电器对不同故障位置。


行	阻抗( )

1 - 2	0.08 +j1
2 - 3	0.08 +j1
1 - 3	0.16 +j2


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	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
故障点	1	2	3	4	5	6

一个	6.579	3.13	- - - - - -	1.565	1.565	- - - - - -
一个	3.646	6.065	- - - - - -	15.55	15.55	- - - - - -
B	2.193	- - - - - -	2.193	2.193	2.193	- - - - - -
B	8.844	- - - - - -	8.844	8.844	8.844	- - - - - -
C	1.096	- - - - - -	1.096	- - - - - -	5.482	1.827
C	75.91	- - - - - -	75.91	- - - - - -	4.044	11.539
D	1.644	- - - - - -	1.644	- - - - - -	2.741	- - - - - -
D	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x₁- - - - - -x₆。

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(13)(17)反对约束的最小值经颅磁刺激。然而,这些约束更新如下:

约束时引起的协调与CTI继电器作为0.3如下:

4.1.2。JAYA的应用

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2。整个的较小和更高的限制经颅磁刺激继电器的审议在0.025和1.2之间,除了x₁,这被认为是0.027。定义的限制由于继电器协调平等(23)(27)合并的优化问题通过一个点球技术,并因此,问题转化为一个无约束最优化问题。现在验证JAYA,民众的能力(即使用50。候选人安排6计划的因素x₁来x₆,200代会议标准)。评估的因素在每个民众被较小的局限和更高的界限。民众进行适应度函数,和相应的目标函数的值是公认的。通过执行200次迭代,得到的最优值经颅磁刺激给出了在桌子上吗5。表5描述了最优经颅磁刺激获得的值描述这幅图和评估技术与上述技术。得到的目标函数值在娱乐的最好的申请人在每一代是描绘在图3,这表明,收敛速度更快,一个合理的值是在更少的迭代中实现。最优值的目标是发现11.8728 0.3假设CTI年代,这是获得不到25迭代。的值出现在桌子上5证明JAYA算法给出了一个完美的行动和一个精简的总工作时间最优值。最优值确保继电器将制定减少减少可能的大部分时间在任何部分的系统故障。图4描绘了一个图形描述加倍时间设置与文学。总净增长时间通过建议JAYA表所示6,表现出优势和有利的情况下JAYA的策略在文学. .


经颅磁刺激	复(22(CTI)≥0.3)	注册会计师(23(CTI)≥0.3)	RTO [27(CTI)≥0.3)	FA (29日(CTI)≥0.3)	CFA (29日(CTI)≥0.3)	JAYA (CTI≥0.3)

经颅磁刺激1	0.0589	0.0765	0.0590	0.027	0.027	0.0589
经颅磁刺激2	0.0250	0.034	0.0250	0.130	0.221	0.0250
经颅磁刺激3	0.0250	0.0339	0.0250	0.025	0.025	0.0250
经颅磁刺激4	0.0290	0.036	0.0290	0.025	0.025	0.0290
经颅磁刺激5	0.0630	0.0711	0.0650	0.025	0.029	0.062946
经颅磁刺激6	0.0250	0.0294	0.0250	0.489	0.363	0.0250
T_人事处( )	11.87	15.88	11.93	16.25	14.39	11.8728


方法	目标函数	净收益	∑∆(t)年代

注册会计师(23]	15.88	JAYA /注册会计师	4.0072
RTO [27]	11.93	JAYA / RTO	0.0572
FA (29日]	16.25	JAYA / FA	4.3772
CFA (29日]	14.39	JAYA / CFA	2.8172
JAYA	11.8728

4.1.3。比较JAYA的CGA,足协,足协,复形,RTO算法

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6。JAYA优于的注册会计师,足协,足协和RTO总体时间增益和给了4.0072秒,4.3772,2.8172,和0.0572 s,分别。然而,在复形的情况下,类似的最佳使用JAYA算法获得的结果是更多的执行时间,计算和采取的执行时间复形达到最优解是大约8.007417 s。而在JAYA的情况下,计算和执行时间是0.041196秒当CTI 0.3 s。总之,该算法需要更少的能力评估获得类似的最好安排(结果)可以被认为是更好的与另一种算法(35]。此外,JAYA算法优于进一步优化方法中所引用的使用更少的计算,这是一个必要的实现最最好的和最好的解决方案。尽管如此,其他算法文献中指定需要合法的特定算法参数的调优,尽管常规控制的调优参数。优化算法的特定参数的调整影响算法的可行性,在JAYA的情况下,它是免费的从algorithm-specific参数。

4.2。案例2

多环系统8 ocr描绘在图5。不同组合和配置的主/备份对模型根据故障电流的位置在不同的喂食器。六个断层位置审议。表7显示了整个故障电流和主/后备继电器的协会。表8显示了当前各种故障继电器。


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
故障点		1	2	3	4	5	6	7	8

一个		10	10	3.3	- - - - - -	- - - - - -	- - - - - -	- - - - - -	3.3
一个		2.971	2.971	5.749	- - - - - -	- - - - - -	- - - - - -	- - - - - -	5.749
B		3.45	3.45	5。1	6.9	- - - - - -	- - - - - -	- - - - - -	- - - - - -
B		5.584	5.584	4.227	3.551	- - - - - -	- - - - - -	- - - - - -	- - - - - -
C	我_继电器	2	2	10	4	- - - - - -	- - - - - -	4	- - - - - -
C		10.035	10.035	2.971	4.9804	- - - - - -	- - - - - -	4.980	- - - - - -
D		5	5	4	10	- - - - - -	- - - - - -	4	- - - - - -
D		4.281	4.281	4.9804	2.971	- - - - - -	- - - - - -	- - - - - -	4.9804
E		20.	6	2	- - - - - -	8	- - - - - -	- - - - - -	4.9804
E		2.267	3.837	10.035	- - - - - -	3.297	- - - - - -	- - - - - -	10.035
F		6	20.	2	- - - - - -	- - - - - -	8	- - - - - -	2
F		3.837	2.267	10.035	- - - - - -	- - - - - -	3.297	- - - - - -	10.035

——表示故障是由继电器未见。

4.2.1。准备数学建模问题的配方

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x₁- - - - - -x₈。

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(31日),(32),(35)和(36)反对最低的约束经颅磁刺激价值。因此,这些约束更新如下:

约束时引起的协调与CTI作为ocr 0.6如下:

4.2.2。JAYA的应用

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。获得理想的估计经颅磁刺激给出了在表9,这证明了经颅磁刺激和整体运行时间进行了优化。结果中描述表9保证ocr操作在任何比例的时间一个错误在任何时间在网络,也会保持协调。


经颅磁刺激	RTO [27(CTI)≥0.6)	遗传算法(48(CTI)≥0.6)	JAYA (CTI≥0.6)

经颅磁刺激1	0.2521	0.2975	0.2412
经颅磁刺激2	0.2521	0.2975	0.2412
经颅磁刺激3	0.2000	0.2270	0.1903
经颅磁刺激4	0.1510	0.1730	0.1455
经颅磁刺激5	0.0303	0.0607	0.0303
经颅磁刺激6	0.0303	0.0607	0.0303
经颅磁刺激7	0.0250	0.0402	0.0250
经颅磁刺激8	0.0800	0.1129	0.0698
T_人事处(z)	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6,这表明,收敛速度更快,获得最优解在更少的迭代次数。JAYA获得的所有最优值满足所有约束的协调。图7描绘了优化的图形表示形式经颅磁刺激所有八个继电器的值与文献中提到的其他技术。JAYA优于GA和RTO在这个案例研究中,获取最好的结果/ RTO和GA。

总净时间获得通过该JAYA表所示10,表现出优势和利益点JAYA的遗传和RTO算法在文献中指定。


方法	目标函数	净收益	∑∆(t)

RTO [27]	26.681	JAYA / RTO	1.728
遗传算法(48]	31.883	JAYA / GA	6.93
JAYA	24.953

4.2.3。JAYA比较遗传算法和RTO算法

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9和10。JAYA优于GA和RTO达到最佳值经颅磁刺激和整体时间增加,造成一种优势的6.93和1.728年代GA和RTO算法,分别。这个总时间获得是充分考虑到它是一个非常小的系统。在所有情况下,JAYA表现出色最小化总运行时间达到一个最优值,并将保持适当的协调以及在故障情况。此外,更少的计算和执行时间被JAYA达到最优解。在所有的情况下,获得的价值JAYA的ocr将履行协调约束。此外,没有关于协调约束建立了亵渎。

4.3。案例3

并行单头馈线分布系统,从一个孤独的滋养如图8有5个过流。三个不同的断层位置审议。的负载电流的故障被认为是微不足道的。表11显示的主要和备用协会OCR CT。表12显示CT ocr的比率和塞设置。


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。


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

4.3.1。数学建模问题的配方

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x₁- - - - - -x₅。表13显示不断对各种故障区域。


故障点		继电器
故障点		1	2	3	4	5

一个	我_继电器	9.059	3.019	3.019	- - - - - -	- - - - - -
一个		3.106	6.265	6.265	- - - - - -	- - - - - -
B	我_继电器	3.109	- - - - - -	9.059	3.019	- - - - - -
B		6.265	- - - - - -	3.106	6.265	- - - - - -
C	我_继电器	4.875	- - - - - -	4.875	- - - - - -	29.25
C		4.348	- - - - - -	4.348	- - - - - -	2.004

在本示例中,两个问题的配方表13与文献比较适当。

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:

4.3.2。JAYA的应用

目标函数是利用建议JAYA算法的参数。的最优值经颅磁刺激和总操作时间达到给定的表14,同样提供类似的后效JAYA与其他数值和文学发展的改进策略。在这个描述,没有侵权或miscoordination继电器被发现了。已经发现的时间继电器R1开始的活动是最轻微的故障点,需要额外的时间一个错误的点B和c的表14保证火炬传递将努力在任何比例在任何时间在任何可能的时间一个错误的系统。目标函数值仿真过程中获得的最好的候选人安排在每一个迭代中出现的数字9和10,验证收敛提词员,获得卓越的价值观在更少的迭代中。所有的经颅磁刺激值获得了OCR值实现协调的局限性。图11描绘了流线型的图形化描述经颅磁刺激值的所有5个继电器和其他优化方法所引用。此外,JAYA比TPSM、FA和足协在这个案例研究中,取得了令人满意的和最好的结果,而不是另一个优化算法。表15显示的总时间获得通过建议JAYA,表现出的优势和有利的情况下JAYA TPSM算法,和足协,足协在引用中指定。


经颅磁刺激	足总⁴⁹(29日]	非洲金融共同体⁴⁹(29日]	JAYA⁴⁹	TPSM⁵⁰(47]	JAYA⁵⁰

经颅磁刺激1	0.032	0.032	0.069	0.069	0.069
经颅磁刺激2	0.016	0.047	0.01597	0.025	0.01597
经颅磁刺激3	0.121	0.091	0.069	0.069	0.069
经颅磁刺激4	0.016	0.016	0.01597	0.025	0.01597
经颅磁刺激5	0.104	0.094	0.0499	0.0499	0.0499
T_人事处z (s)	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(49)和(50)。


方法	目标函数	净收益	∑∆(t)年代

足总⁴⁹(29日]	1.73	JAYA / FA⁴⁹	1.01
非洲金融共同体⁴⁹(29日]	1.63	JAYA / CFA⁴⁹	0.91
TPSM⁵⁰(47]	2.27	JAYA / TPSM⁵⁰	0.0769
JAYA⁴⁹	0.7286
JAYA⁵⁰	2.1931

49岁的50代表中提到的目标函数方程(49)和(50)。

4.3.3。比较与英足总JAYA, CFA, TPSM算法

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15。JAYA优于足协,足协在整体时间增加,贡献1.01和0.091年代的优势优化问题在方程(49)。在第二个优化问题在方程(50)的情况下3,JAYA再次贡献0.0769 s / TPSM算法的改进,分别。确定目标函数的最优值是0.7286秒的目标函数中描述方程(49)和2.1931年代的目标函数中描述方程(50),这是获得不到25迭代。图11描绘了流线型的图形描述经颅磁刺激,这证明了经颅磁刺激理想和最优值最小化。

5。结论

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。

命名法

CT:	电流互感器
CTI:	协调时间间隔
CFA:	混乱的萤火虫算法
注册会计师:	连续的遗传算法
复:	连续粒子群
DOCR:	方向过电流继电器
IPZ:	初始化种群规模
固定资产:	适应度函数评价
我_fi:	故障电流
我_π:	吸动电流
费尔南多-阿隆索:	萤火虫算法
RTO:	根树优化
遗传算法:	遗传算法
非常贴切的:	最小的操作时间
PSM:	塞设置乘数
光学字符识别:	过电流继电器
经颅磁刺激:	加倍时间设置
TPSM:	两阶段单纯形法
IEC:	国际电工委员会。

数据可用性

使用的数据来支持本研究的发现包括在本文中。

信息披露

作者Abdul Wadood和Tahir Khurshaid作为co-first作者考虑。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

作者Abdul Wadood和Tahir Khurshaid作为co-first作者考虑。

确认

这项研究受到了韩国电力公司在授予数量(R17XA05-38)。

引用

s . m . Abd-Elazim和e·s·阿里”,通过蝙蝠负荷频率控制器设计算法的非线性互联电力系统,”国际期刊的电力和能源系统卷,77年,第177 - 166页,2016年。视图:谷歌学术搜索
y . c . Zhang Wei,曹p . m .林,“能源存储系统:当前研究电池和电力系统条件,”可再生能源和可持续能源的评论卷,82年,第3106 - 3091页,2018年。视图:谷歌学术搜索
l·范·戴·d·Duc东,t·勒Thang盾和l .曹Quyen”改善与格兰姆依赖于电力系统稳定的最优设置一个事实设备系列:在越南电力系统可行性研究,“复杂性卷,2017篇文章ID 3014510, 21页,2017。视图:出版商的网站|谷歌学术搜索
j·l·卡尔沃s h . tindeman, g . Strbac”将失败的系统保护方案纳入电力系统操作,“可持续能源、网格和网络,8卷,第110 - 98页,2016年。视图:出版商的网站|谷歌学术搜索
邹,m .杨郭j . et al .,“内部威胁核电站实物保护系统:预防和评估,”发展核能源卷。104年,地位,2018页。视图:出版商的网站|谷歌学术搜索
d·贝拉,r . p . Maheshwari和h·o·古普塔”的方法来解决的威胁同情旅行方向过流继电器协调,”IEEE电力交付,22卷,不。2、851 - 858年,2007页。视图:出版商的网站|谷歌学术搜索
a . j . Urdaneta l·g·佩雷斯,h·雷斯特雷波”最优协调方向过电流继电器考虑动态网络拓扑结构的变化,“IEEE电力交付,12卷,不。4、1458 - 1464年,1997页。视图:出版商的网站|谷歌学术搜索
j·l·布莱克本和t . j .多明继电保护:原理及应用》,CRC出版社,北京,2006。
m . Motlagh s·哈迪,k . Mazlumi”最优过载继电器协调使用优化的目标函数,“ISRN电力工程卷,2014年,页1 - 10,2014。视图:出版商的网站|谷歌学术搜索
j . a . Momoh电力系统优化的应用程序,CRC出版社,2008年。
戈拉米Farkoush s t . Khurshaid a Wadood et al .,“调查和优化基于闪电的接地电网应对利用ATP-EMTP和遗传算法,”复杂性卷,2018篇文章ID 8261413、8页,2018。视图:出版商的网站|谷歌学术搜索
e·s·阿里,s m . Abd Elazim, a . y .作为礼尚往来”改进和声算法和功率损耗指标最优位置和大小的电容器在径向分布的系统中,”国际期刊的电力和能源系统卷,80年,第263 - 252页,2016年。视图:出版商的网站|谷歌学术搜索
a . y作为礼尚往来,e·s·阿里,s m . Abd Elazim”花授粉算法和损失的敏感性因素最优大小和位置的电容器在径向分布的系统中,”国际期刊的电力和能源系统卷,78年,第214 - 207页,2016年。视图:出版商的网站|谷歌学术搜索
a . Wadood t . Khurshaid s f·戈拉米j .于学术界。金,S.-B。表面Rhee,鲸鱼优化算法在电力系统最优协调方向过电流继电器,”能量,12卷,不。12,2297页,2019年。视图:出版商的网站|谷歌学术搜索
m . Sulaiman s·穆罕默德,汗,“改善解决方案最优协调DOCRs使用萤火虫算法,”复杂性卷,2018篇文章ID 7039790, 15页,2018年。视图:出版商的网站|谷歌学术搜索
c·h·金,t . Khurshaid a . Wadood s . g . Farkoush和s . b . Rhee“灰狼优化器的最优协调方向过电流继电器,”电气工程与技术》杂志上,13卷,不。3、1043 - 1051年,2018页。视图:谷歌学术搜索
a . Rathinam d Sattianadan, k . Vijayakumar”最优协调方向过电流继电器使用粒子群优化技术,”国际期刊的计算机应用程序,10卷,不。2,40-43,2010页。视图:出版商的网站|谷歌学术搜索
h·h·Zeineldin e . f . El-Saadany和m . m . a . Salama”最优协调过电流继电器使用修改后的粒子群优化、”电力系统研究,卷76,不。11日,第995 - 988页,2006年。视图:出版商的网站|谷歌学术搜索
m·m·曼苏尔·f·Mekhamer, n . El-Kharbawe”修改后的粒子群优化方向过电流继电器、协调”IEEE电力交付,22卷,不。3、1400 - 1410年,2007页。视图:出版商的网站|谷歌学术搜索
t . Khurshaid a . Wadood s . g . Farkoush学术界。金:赵,S.-B。Rhee”,改进粒子群优化器优化时间刻度盘设置协调方向过电流继电器,”电气工程与技术杂志》上,14卷,不。1,55 - 68、2019页。视图:出版商的网站|谷歌学术搜索
M.-T。杨和刘,“混合算法应用到网络拓扑优化方向过流继电器协调变量,“应用数学学报ID 879078条,卷。2013年,9页,2013。视图:出版商的网站|谷歌学术搜索
a . Wadood学术界。金,t . Khurshaid, s . g . Farkoush S.-B。Rhee”,应用连续粒子群优化(复)过电流继电器的最佳协调考虑处罚方法,”能量,11卷,不。4 p。869年,2018年。视图:出版商的网站|谷歌学术搜索
p . p . Bedekar和s . r . Bhide”最佳协调过流继电器时间使用连续的遗传算法,”专家系统与应用程序,38卷,不。9日,第11292 - 11286页,2011年。视图:出版商的网站|谷歌学术搜索
p . p . Bedekar和s . r . Bhide”最佳协调方向过电流继电器使用混合GA-NLP方法,”IEEE电力交付,26卷,不。1,第119 - 109页,2011。视图:出版商的网站|谷歌学术搜索
f·哈,h·A . Abyaneh m·达r·穆罕默迪和h . Torkaman”的新综合遗传算法方法最优过载继电器协调,”电力系统研究,卷78,不。4、713 - 720年,2008页。视图:出版商的网站|谷歌学术搜索
a . s . Noghabi j . Sadeh表示,h·r·Mashhadi”考虑不同网络拓扑优化过流继电器协调使用一种混合遗传算法,”IEEE电力交付,24卷,不。4、1857 - 1863年,2009页。视图:出版商的网站|谷歌学术搜索
a . Wadood s戈拉米Farkoush t Khurshaid et al .,“优化保护协调方案最优协调过电流继电器使用自然根树算法,”应用科学,8卷,不。9,1664年,页2018。视图:出版商的网站|谷歌学术搜索
a . Wadood t . Khurshaid s g . Farkoush学术界。金,S.-B。李“仿生的树算法最优协调过电流继电器、”国际会议上智能技术和应用程序施普林格,新加坡,2018年。视图:谷歌学术搜索
Gokhale和v . s .甘蓝,”应用程序的一个帐篷映射开始混乱的萤火虫算法最优过载继电器协调,”国际期刊的电力和能源系统卷,78年,第342 - 336页,2016年。视图:谷歌学术搜索
m . Sulaiman a·艾哈迈德·a·汗,默罕默德,“杂化的共生有机体搜索算法的优化运行方向过电流继电器、”复杂性卷,2018篇文章ID 4605769, 11页,2018年。视图:出版商的网站|谷歌学术搜索
t . Khurshaid a . Wadood s戈拉米Farkoush学术界。金,j . Yu, S.-B。Rhee”,改进萤火虫算法的最优协调方向过电流继电器、”IEEE访问7卷,第78514 - 78503页,2019年。视图:出版商的网站|谷歌学术搜索
t . Khurshaid a . Wadood s戈拉米Farkoush j .于学术界。金,S.-B。Rhee”,一种改进的最优解的方向过电流继电器协调利用杂化鲸鱼优化算法在复杂电力系统,”IEEE访问7卷,第90435 - 90418页,2019年。视图:出版商的网站|谷歌学术搜索
b .将m . s . Sachdev和t . s . Sidhu”在线自适应保护继电器协调算法利用线性规划技术,”IEEE电力交付,11卷,不。1,第173 - 165页,1996。视图:出版商的网站|谷歌学术搜索
a . Wadood学术界。金、s . g . Farkoush和s . b . Rhee”自适应保护协调方案分配系统使用数字过电流继电器、”《韩国照明和电气安装工程师学会,53页,2017年。视图:谷歌学术搜索
r . Venkata饶,“Jaya:一个简单的和新的优化算法求解约束和无约束最优化问题,“国际期刊的工业工程计算,19-34,2016页。视图:出版商的网站|谷歌学术搜索
r . v . Rao, k . c .更多”,选择热设备的优化设计和分析使用自适应算法Jaya,”能量转换和管理卷。140年,巢族,2017页。视图:出版商的网站|谷歌学术搜索
s p·辛格,t·普拉卡什诉辛格(manmohan Singh)和m . g .先生,“基于层次分析法的使用jaya互联互联电力系统的自动发电控制算法,”人工智能技术的工程应用,60卷,35-44,2017页。视图:出版商的网站|谷歌学术搜索
r . v . Rao, d . p . Rai, j . Balic“现代加工的多目标优化算法流程,“人工智能技术的工程应用卷,61年,第125 - 103页,2017年。视图:出版商的网站|谷歌学术搜索
w·Warid h . Hizam: Mariun, n . Abdul-Wahab“使用jaya算法,最优功率流”能量,9卷,不。9,678年,页2016。视图:出版商的网站|谷歌学术搜索
r . v . Rao, a . Saroj热交换器使用elitist-jaya算法的多目标优化设计,“能源系统,9卷,不。2、305 - 341年,2018页。视图:出版商的网站|谷歌学术搜索
r . v . Rao, a . Saroj“经济壳管热交换器使用jaya算法的优化与维护考虑,”应用热工程卷,116年,第487 - 473页,2017年。视图:出版商的网站|谷歌学术搜索
r . Venkata饶和A . Saroj”,一个基于自适应multi-population jaya工程优化算法”群与进化计算37卷,1-26,2017页。视图:出版商的网站|谷歌学术搜索
美国Mishra和p·k·雷”,使用光伏电能质量改善美联储DSTATCOM JAYA优化的基础上,“IEEE可持续能源,7卷,不。4、1672 - 1680年,2016页。视图:出版商的网站|谷歌学术搜索
k .阿布v r·库马尔达塔,和美国美国塔,“应用JAYA加工性能特征的优化算法在碳纤维增强塑料复合材料(环氧树脂):将比较与TLBO GA, ICA,”与计算机工程,33卷,不。3、457 - 475年,2017页。视图:出版商的网站|谷歌学术搜索
j .于学术界。金,a . Wadood t . Khurshiad, S.-B。Rhee”Multi-population基于混沌JAYA算法与应用程序在解决经济负荷调度问题,“能量,11卷,不。8日,1-26,2018页。视图:出版商的网站|谷歌学术搜索
J.-T。于学术界。金,a . Wadood t . Khurshaid, S.-B。Rhee”Jaya算法和自适应multi-population利维航班求解经济负荷调度问题,“IEEE访问7卷,第21384 - 21372页,2019年。视图:出版商的网站|谷歌学术搜索
p . p . Bedekar s . r . Bhide, v . s .甘蓝、“最佳时间协调过电流继电器使用两阶段单纯形法,“世界科学院、工程和技术28卷,第1114 - 1110页,2009年。视图:谷歌学术搜索
p . p . Bedekar s . r . Bhide, v . s .甘蓝、“最佳协调过电流继电器使用遗传算法在配电系统,”2009年国际会议上电力系统IEEE Kharagpur,印度,2009。视图:谷歌学术搜索

复杂性

JAYA算法在解决问题中的应用最优协调过电流继电器的单一和多环配电系统

文摘

1。介绍

2。制定光学字符识别问题

2.1。约束

3所示。JAYA算法

3.1。JAYA结构

4所示。结果与讨论

4.1。案例1

以下4.4.1。数学建模问题公式化

4.1.2。JAYA的应用

4.1.3。比较JAYA的CGA,足协,足协,复形,RTO算法

4.2。案例2

4.2.1。准备数学建模问题的配方

4.2.2。JAYA的应用

4.2.3。JAYA比较遗传算法和RTO算法

4.3。案例3

4.3.1。数学建模问题的配方

4.3.2。JAYA的应用

4.3.3。比较与英足总JAYA, CFA, TPSM算法

5。结论

命名法

数据可用性

信息披露

的利益冲突

作者的贡献

确认

引用

版权

更多相关文章

相关文章