逆变型分布式能源配电网反时限过流保护优化方法

本发明涉及电力系统继电保护与故障分析，具体地说，尤其涉及一种基于改进多目标粒子群算法的含逆变型分布式能源配电网反时限过流保护定值优化方法。

背景技术：

1、以风电、光伏为代表的分布式电源和储能系统可以组成逆变型电源，由于逆变型电源的不确定性、源荷二象性以及它们的输出特性与换流器控制策略密切相关，且低压穿越能力规定逆变型电源在一定时间后脱网，配电网故障后潮流方向和短路电流水平发生本质改变，可能导致常规配电网反时限过电流保护误动或者拒动，对新型配电网保护的整定、协调配合带来挑战。

2、但目前优化模型未涉及逆变型分布式能源(inverter-based distributedenergy resources，ider)的源荷二象性与逆变器的控制策略，且保护方案仍停留单目标优化阶段，存在速动性和灵敏性弱化与选择性失配问题。因此，需进一步研究计及逆变型电源影响、满足多个目标的配电网反时限过流保护优化模型，以解决优化模型存在的速动性和灵敏性弱化与选择性失配问题。

技术实现思路

1、本发明的目的在于克服以动作时间为单一目标的优化模型存在速动性和灵敏性弱化与选择性失配问题，提供一种基于自适应惯性权重、学习因子、自适应网格密度以及柯西变异算子的改进多目标粒子群算法下的反时限过流保护定值优化方法。

2、为了实现上述目的，本发明所采用的技术方案如下：

3、一种逆变型分布式能源配电网反时限过流保护优化方法，包括以下步骤：

4、s1.建立反时限过流保护优化模型，确定反时限过流保护优化的目标函数和约束条件，采用多目标粒子群算法求解反时限过流保护的目标参数；

5、s2.基于约束条件，构造多目标粒子群算法的初始种群，计算种群粒子的适应度，对惯性权重和学习因子进行更新，计算目标参数的适应度值；

6、s3.更新种群，计算种群粒子的加权适应度，计算自适应网格密度和选择概率，对种群粒子进行含柯西算子的变异操作；

7、s4.比较外部档案粒子个数是否超过允许最大值，若超过则更新外部档案和全局最优解，若不超过则直接更新全局最优解；

8、s5.比较当前迭代次数是否超过最大迭代次数，若不超过则持续更新迭代，若超过则结束迭代，得到帕累托最优前沿集；

9、s6.利用层次分析法和客观赋权法计算综合权重，利用逼近理想解排序法，计算理想解，得到所需整定的反时限保护定值。

10、进一步地，步骤s1中，多目标粒子群算法迭代参数包括外部档案粒子个数、帕累托解集个数和最大迭代次数。

11、进一步地，步骤s1中，反时限过流保护优化模型的目标函数为：

12、

13、

14、式中，np为主保护个数；nb为后备保护个数；为第i个保护区段故障时第i个主保护的动作时间；为第i个保护区段故障时第k个后备保护的动作时间；obj1为第一个优化目标；nbc为配电网保护装置bc总数；ksenj为第j个主保护的灵敏度系数；obj2为第二个优化目标。

15、进一步地，反时限过流保护优化模型的约束条件为：

16、

17、式中，δt为动作时间差；tp为反时限过流保护的时间系数；iop为反时限过流保护的启动电流；tctimax为δt的上限，tctimin为δt的下限；tpmax为tp的上限，tpmin为tp的下限；ilmax为iop的上限，ilmin为iop的下限。

18、进一步地，步骤s2中，若逆变型分布式能源存在脱网过程，反时限过流保护的动作时间经迭代计算更新为：

19、

20、式中，为脱网前的第i个保护区段故障时第i个保护动作时间；为所有逆变型分布式能源脱网前的第i个保护区段故障时第i个保护动作时间；nf为存在脱网过程的逆变型分布式能源数目；nib为逆变型分布式能源的数目；为第j个逆变型分布式能源脱网前的第i个保护区段故障时第i个保护动作时间；

21、为第j个逆变型分布式能源脱网后的第h个逆变型分布式电源的运行时间；为第j个逆变型分布式能源脱网前的第h个逆变型分布式电源的运行时间；为第j个逆变型分布式能源脱网后的第i个保护区段故障时第i个保护动作时间。

22、进一步地，步骤s2中，对惯性权重进行更新，公式为：

23、

24、式中，wmin为初始惯性权重的最小值；wmax为初始惯性权重的最大值；δf为权重平均变量；为第g次迭代时第p个粒子的适应度值；为第g次迭代时种群适应度的平均值；为第g次迭代时第p个粒子的惯性权重；

25、对学习因子进行更新，公式为：

26、

27、式中，为个体学习因子的最小值；为个体学习因子的最大值；g为最大迭代次数；为第g次迭代时个体学习因子；为社会学习因子的最小值；为社会学习因子的最大值；为第g次迭代时社会学习因子；

28、为第g次迭代时种群适应度的最小值；为第g次迭代时第p个粒子的位置变量；为第g+1次迭代时第p个粒子的位置变量；为第g+1次迭代时第p个粒子的速度变量；为第g次迭代时的局部最优解；为第g次迭代时的全局最优解。

29、进一步地，步骤s3中，更新种群，计算种群粒子的加权适应度，公式为：

30、

31、式中，ζλ为第λ个目标的适应度系数；为第g次迭代时第p个粒子的第λ个目标的适应度；为第g次迭代时第p个粒子的加权适应度。

32、进一步地，步骤s3中，计算自适应网格密度和选择概率，公式为：

33、

34、式中，nq为第q个网格中粒子个数；ng为外部档案中的网格个数；nr为外部档案中粒子个数；[]为向上取整函数；为第g次第q个网格的自适应网格密度；为第g次迭代时第q个网格的选择概率；为第g次迭代时第λ个目标的适应度最小值；为第g次迭代时第λ个目标的适应度最大值。

35、进一步地，步骤s4中，对种群粒子进行含柯西算子的变异操作，公式为：

36、

37、

38、式中，ce为标准柯西变异算子；cr为处于区间[0,1]的随机数；ps为变异概率；η为调整参数；为第g次迭代时第p个粒子经过变异策略的位置变量。

39、进一步地，步骤s6中，利用层次分析法和客观赋权法计算综合权重，利用逼近理想解排序法，计算理想解，公式为：

40、

41、式中，n1为主观权重矩阵z1维度；ρiλ为主观权重矩阵z1中第λ个目标下的第i行元素；ρki为主观权重矩阵z1中第k行第i列的元素；ωahp,λ为第λ个目标的层次分析法权重；

42、

43、式中，np为主观权重矩阵zp维度；sλ为第λ个目标的帕累托标准差；riλ为第λ个目标的第i个帕累托解集相关系数；ωcri,λ为第λ个目标的客观赋权法权重；

44、

45、式中，dtp为帕累托解集的逼近理想解评估值；ωλ为第λ个目标的权重；zp为帕累托解集的平均解；xp为帕累托解集的第p个粒子的位置变量；nz为帕累托解集的个数；zp,min为zp的最小值；zp,max为zp的最大值；αa为ωahp,λ的相关系数；αc为ωcri,λ的相关系数。

46、与现有技术相比，本发明具有如下优点和有益效果：

47、1.本发明通过优化反时限过流保护定值，能够有效减小相间故障以及iidg(inverter interfaced distributed generator，逆变型分布式电源)的影响，可以较好地满足小电阻接地配电网的后备保护要求。

48、2.本发明具有很好的普遍性，对于不同的故障类型以及逆变型电源的接入，均能可靠、高效地采取保护动作。

49、3.本发明具有实现成本低、适用范围较广和实用性强等优点，具备通信自动化功能的配电线路均能应用此方法。