云計算模式下的繼電保護定值優化算法*

李 捷，周紅陽，丁曉兵，孫鐵鵬

(1.中國南方電網電力調度控制中心，廣東 廣州510663；2.廣西電網有限責任公司貴港供電局，廣西 貴港537100)

在互聯大電網發展模式下，電網結構日漸復雜，對安全穩定性要求也愈來愈高。 繼電保護裝置的正確、可靠動作是保障電力系統安全運行的重要基礎，繼電保護整定計算結果的準確性是繼保裝置正確、可靠動作的有力保障[1-4]。

目前，針對繼電保護已有一定的研究基礎。 文獻[5]對國內外繼電保護可靠性指標和評估模型方面的研究進展進行了綜述，比較不同繼電保護可靠性評價指標及方法，分析目前主要的不足所在以及全數字化繼電保護系統、廣域保護等新技術給繼電保護可靠性研究帶來的新挑戰；文獻[6-7]提出一種基于保護隱藏故障模式分析的N-k 故障分析方法，該方法通過剖析繼電保護隱藏故障的根本機理，分析出不同隱藏故障模式下保護裝置以及線路故障的準確位置，該方法能夠定量評估電網中繼電保護隱藏故障對系統可靠性的影響；文獻[8]應用繼電保護隱性故障的概率模型，對保護裝置引起電力系統風險的影響特性及其在連續故障中的作用機理進行分析，并對電力系統發生連續故障的風險度進行推理，進一步提出了一種能夠降低系統發生連續故障概率的控制策略；文獻[9]對繼電保護整定軟件在智能電網下的發展狀況進行解析，說明應用在線整定與校核技術對整定結果準確性的作用以及廣域保護對全區域電網安全的作用，并對智能電網下基于云計算的繼電保護整定計算的發展趨勢做出預測；文獻[10]將云計算技術應用到繼電保護工作中去，從而實現電力系統的安全穩定運行，大大提升了電力系統的運行效率及供電質量；文獻[11]綜合時間差配合方式，提出一種區分不同短路故障配置差異化定值的優化策略，實例分析結果表明所提優化策略可以顯著增大保護范圍；文獻[12]應用云計算技術搭建了分布式電網故障監測系統，從大電網層面對分散的繼電保護裝置以及系統故障信息進行并行化監測，利用云計算處理技術使工作人員能夠實時掌握整個電網的繼電保護設備運行狀態，有效提升了整個系統的穩定性與可用性；文獻[13]設計了一套基于“云計算”的電廠繼電保護整定系統，對系統的基本架構以及主要功能進行設計，對系統的網路拓撲和保護裝置進行建模，算例應用結果證明了該系統的經濟性和實用性。

上述文獻對提升繼電保護可靠性的方法策略進行探究，大多是運用傳統有限的計算機資源進行繼電保護計算，且在繼電保護整定方法上通常僅考慮相鄰線路保護定值間的配合，未充分考慮全局協調的能力。 為此，本文充分調動可應用計算資源，同時考慮電力系統中各線路的全局協調的能力，提出了一種基于云計算的整定計算平臺架構，通過描述云計算在電力系統數據計算的應用，說明云計算與繼電保護相結合的必要性，建立了基于云模式的繼電保護定值優化數學模型，應用高精度的遺傳算法將問題轉化為遺傳問題進行求解，結合云計算的強大的數據處理效率和并行計算能力，將并行遺傳算法應用于繼電保護定值優化，以保證算法的精確性和運算速度。

1 云計算的定義及應用

如圖1 所示，為云計算的基本組成結構，主要由服務器、中央處理器、PC、移動電子設備、APP 以及集成開發環境等部分組成，通過互聯網服務器集群資源進行分布式處理、并行處理以及網格計算，具有網絡化服務、數據處理計算量龐大、業務支持范圍廣、流動性強等優勢[14-15]。 當客戶需要數量龐大且計算復雜的服務時，無需購置昂貴的硬件運算支持，只需將相關數據上傳至云服務器，付費應用云服務器所包含的大量分布式計算機進行分析計算，等待所需結果返回本地即可。

圖1 云計算的基本組成結構

目前，電力數據中心主要應用云計算進行非同源信息共享、大量分布式數據的存儲和管控以及快速并行計算等相關方面的工作，下面對其主要應用情況展開介紹[16]。

(1)非同源信息共享

由于電力系統中存在的信息多是分散的，不同的業務部門對信息數據的要求形式各不相同，不同系統間對信息數據的采集描述方式也各不相同，一定程度上，造成信息與資源不匹配，橫縱向溝通困難。 而電力數據中心的重要作用之一就是實現非同源信息資源的管控，通過云計算應用各種虛擬化技術手段進行服務配置，解決因軟硬件問題造成的業務數據、信息資源差異，建立互通協作的數據處理平臺，實現資源集約化處理，滿足未來大電網發展對數據信息的集成性與共享性的需求。

(2)大量分布式數據的存儲和管控

隨著電力系統規模的不斷擴大，所產生的電網數據日漸龐大，傳統的電網信息數據庫管理方式已無法適應如此龐大數量等級與分布結構的電網信息存儲要求。 電力數據中心基于云計算服務，采用Hadoop 的分布式文件系統對電網隨時隨地產生的信息數據進行分布式存儲，用戶向主服務器發送需求申請，主服務器響應并查找存儲有用戶需求數據的子服務器讀寫權限給用戶，用戶直接與該子服務器進行數據交互，這樣一來，大大降低了主服務器同時響應用戶控制需求和數據傳輸需求的負載程度。

(3)快速并行計算

電力系統規模不斷擴大發展、日漸穩固可靠的建設過程，是基于大量電氣數據進行仿真計算分析、不斷進行優化設計的過程。 電力數據中心基于云計算服務，為電力系統提供并行運算模式，應用MapReduce 對電力系統中龐大的數據并行編程模型進行處理，簡化了對技術人員的編程要求，極大程度地縮短了計算時間，提升了效率。

2 基于云計算的整定平臺架構

基于第1 節的分析可知，隨著計算機網絡技術的飛速發展以及電網中大量分布式數據的存儲和管控需求，充分應用云計算服務的優勢對電力數據進行管控具有重要意義[17]。 本文基于電力系統大數據整定計算的基本要求，考慮云計算服務的組織結構，建立了大電網數據整定平臺，其基本架構如圖2 所示。

圖2 大電網數據整定平臺架構

大電網數據整定平臺架構由基礎設施層、平臺層、應用接口層和高級訪問層四個部分組成。 基礎設施層作為整個平臺的基礎，負責管理大電網數據、負載以及資源，應用虛擬化技術實現硬件裝置的狀態監控、故障處理等抽象化管理；平臺層基于分布式管理系統、各主從服務器以及網格計算方式對負載進行分工和矛盾管制，協調電網中多個裝置并行運作，并給予外圍裝置有力的存儲以及數據容災技術支持；應用接口層作為平臺最具有可擴展性的層級，基于不同用戶的不同需求以及用戶所具有的實際操作權限，分配對應的應用接口和技術支持；高級訪問層具有短路計算、電網拓撲分析、在線校核等功能，各級電網具有操作權限的用戶都能夠通過高級訪問層使用云計算服務。

3 基于云模式的繼電保護定值優化

3.1 基于遺傳算法的繼電保護定值優化

整定計算云數據中心通過互聯網將電網各級單位進行連接，各級電網整定計算系統定期將本管轄區域的整定計算數據CIM/XML 文件上傳至整定計算云數據中心，整定計算云數據中心基于模型拼接技術將分散的各級電網模型組合成完整的電網數據模型，供各級電網進行整定計算。 本節以距離保護Ⅱ段的整定為例，對多變量、多目標和多約束條件的全局優化問題進行探究[18]。

對于各段線路保護，采用適應度公式對其進行判定，若適應度值越大，則說明解的最優性越強[19]。 以適應度最大為尋優目標，對最優目標函數進行求解:

式中:F 為適應度值；I 是定時限保護的數目；k 為常數；ai為保護i 所在線路的權重；βi為該線路距離Ⅱ段保護的級差約束權重，εi為該線路距離Ⅱ段保護的靈敏度約束權重，δi為該線路距離Ⅱ段保護的選擇性約束權重，三者的取值大小決定了適應度公式的側重方向；fint(t)、fsen(t)、fsel(t)為懲罰函數，暫用f(t)進行統稱，當符合對應的約束條件時，f(t)＝0，否則f(t)等于懲罰時間t′。

設保護i 與其下級保護i+1 配合，其約束條件為:

若下一級保護存在多條出線，則將下一級與這條線路無配合關系線路的保護定值代入上述約束條件進行檢驗，確定線路之間的關聯性。

將最優目標函數的候選解編碼成“染色體”形式，各保護的染色體由出線配合關系和保護配合方式兩部分確定，以圖3 所示電網為例，距離Ⅱ段保護染色體編碼如下:

(1)出線配合關系

對線路的下一級出線數量進行檢驗，根據本級保護染色體的出線數目采用相應數量的二進制位數進行配合關系描述，二進制數只有0 和1 兩種關系表示方式，其中1 表示與該線路存在配合關系，按照保護序號從到小到大的順序進行定義。 以圖3 為例，保護1 與保護9、保護10 配合整定，對應兩位二進制數，保護9 對應二進制數為01，保護10 對應二進制數為10。

圖3 案例分析

(2)保護配合方式

采用三位二進制數對保護配合方式進行編碼，其中，與下一級距離保護Ⅰ段配合用100 表示；與下一級距離保護Ⅱ段配合用010 表示；與靈敏度配合整定用001 表示。

綜上，假定電網中存在n 個保護，則整個電網的染色體編碼基因位數為:

式中:Sn為第n 個保護的出線數量，即保護n 的出線配合關系二進制位數。 由此得到從保護1 至保護n 的完整染色體基因序列，計算機經對各個保護間的配合關系進行診斷，檢測是否存在環狀的結構，若不存在，則根據整定原則開始對保護進行逐級整定，一直到求解出全網定值；否則，重新生成新的染色體基因序列再進行保護的整定計算。

3.2 保護定值優化并行計算策略

目前，主要的并行遺傳算法模型有主從式、粗粒度、細粒度和混合模型四種[20]。 為了減少各個模塊間的通信，降低算法粒度，減少計算耗時，選擇主從式并行遺傳算法模型進行優化，其流程步驟如圖4 所示。

按照本文所述染色體基因編碼方法，形成M 個保護染色體，假定云服務器中有N 個從服務器，則每個從服務器所負擔的保護個體數為P ＝M/N。 當M 非N 的整數倍時，將余下的保護染色體依次從最大編號從服務器至最小編號從服務器進行分配。 在云計算模式下，所包含的從服務數量龐大，通常每個從服務器負責一個保護染色體的定值計算。

圖4 保護定值優化并行計算流程圖

各從處理器基于染色體基因編碼，分析各保護的動作定值以及時間的配合特性，進一步對全網保護定值進行整定，確定各保護動作時間和定值，并基于式(2)～式(4)對各保護約束條件進行檢驗，明確不符合約束條件的保護數量及懲罰時間。 基于式(1)求解出染色體的適應度，將染色體適應度值反饋給主處理器，主處理器檢測是不是達到迭代次數的上限值或是目標適應度值，若滿足兩個條件中的其中一個，則結束尋優過程；若不滿足條件，則根據適應度大小對各保護的染色體做出排序，記錄整體最優染色體適應度。 主處理器根據適應度值有選擇性地對染色體做交叉、變異運算后，再次發送到從處理器，計算各保護染色體的適應度，再次執行上述過程。 一直到滿足結束條件，得到適應度最大的染色體，并解析出其對應的保護整定值。

4 算例分析

本文以如圖5 所示的簡單電網為例，對所提定值優化策略進行分析。 在該簡單電網中有2 個電源，6 個節點，14 個保護裝置，7 條線路，其中各段線路阻抗值均標注在圖中。

應用云服務器中的一臺主機，基于Relay 軟件對保護定值進行整定計算，設置適應度公式各參數分別為:k ＝100，βi＝δi＝2，εi＝3，初始解數目為80。采用轉輪法對染色體進行選取、交叉、變異，設置均勻交叉的概率為0.7，多位變異的概率為0.003，迭代次數的上限為600，適應度為5，時間差為0.3 s，當達到迭代次數上限時，不再進行迭代。 當保護無法滿足靈敏度或級差約束要求時，增加2 s 時長。

圖5 簡單電網算例分析圖

按照第3 節所述方法，遵循確保本線路末端靈敏度、與下級保護距離Ⅰ段配合以及與下級保護距離Ⅱ段配合的整定原則對Ⅱ段距離保護進行了值優化。 在整定計算的過程中，由于保護12 的選擇性定值較小，導致其靈敏度和選擇性無法同時滿足，調整保護12 與下級保護6 進行保護Ⅱ段配合仍無法滿足要求，因此，系統自動對其下下級保護配合情況進行調整，將原有保護6 與保護3 的Ⅰ段配合改為保護6 與保護3 的Ⅱ段相互配合，進而提升保護定值，使得保護12 的靈敏性和選擇性能夠同時滿足要求。進一步地，得到各保護最終的保護定值計算結果如表1 所示，計算所耗費的時間為15 s。

表1 優化前后的繼電保護定值比較

保持上述運算模型及參數設置不變，增加云服務器中參與整定計算主機數量至4 臺，設定其中1臺主機為主處理器，其余3 臺為從處理器，搭建并行計算環境，對基于并行化遺傳算法的保護整定計算速度進行了校驗，此時得到保護整定計算結果的耗時為1s。 由此可見，應用并行遺傳算法能夠顯著降低耗時，對提升工作效率有重要意義。 對于大電網而言，其所在云服務器中的計算機節點越多，則所需的計算時間越短，越有利于維持電網穩定。

5 結論

本文對云計算在電力系統數據計算的應用特性進行分析，提出了一種基于云計算的整定計算平臺架構。 首先分析了云計算與繼電保護相結合的必要性，應用高精度的遺傳算法結合云計算的強大的數據處理效率和并行計算能力，將并行遺傳算法應用于繼電保護定值優化，建立了基于云模式的繼電保護定值優化數學模型，通過算例分析證明了所提云模式下的繼電保護定值優化算法在繼電保護定值計算的快速性和優越性。