云计算模式下的继电保护定值优化算法*

李 捷，周红阳，丁晓兵，孙铁鹏

(1.中国南方电网电力调度控制中心，广东 广州510663；2.广西电网有限责任公司贵港供电局，广西 贵港537100)

在互联大电网发展模式下，电网结构日渐复杂，对安全稳定性要求也愈来愈高。 继电保护装置的正确、可靠动作是保障电力系统安全运行的重要基础，继电保护整定计算结果的准确性是继保装置正确、可靠动作的有力保障[1-4]。

目前，针对继电保护已有一定的研究基础。 文献[5]对国内外继电保护可靠性指标和评估模型方面的研究进展进行了综述，比较不同继电保护可靠性评价指标及方法，分析目前主要的不足所在以及全数字化继电保护系统、广域保护等新技术给继电保护可靠性研究带来的新挑战；文献[6-7]提出一种基于保护隐藏故障模式分析的N-k 故障分析方法，该方法通过剖析继电保护隐藏故障的根本机理，分析出不同隐藏故障模式下保护装置以及线路故障的准确位置，该方法能够定量评估电网中继电保护隐藏故障对系统可靠性的影响；文献[8]应用继电保护隐性故障的概率模型，对保护装置引起电力系统风险的影响特性及其在连续故障中的作用机理进行分析，并对电力系统发生连续故障的风险度进行推理，进一步提出了一种能够降低系统发生连续故障概率的控制策略；文献[9]对继电保护整定软件在智能电网下的发展状况进行解析，说明应用在线整定与校核技术对整定结果准确性的作用以及广域保护对全区域电网安全的作用，并对智能电网下基于云计算的继电保护整定计算的发展趋势做出预测；文献[10]将云计算技术应用到继电保护工作中去，从而实现电力系统的安全稳定运行，大大提升了电力系统的运行效率及供电质量；文献[11]综合时间差配合方式，提出一种区分不同短路故障配置差异化定值的优化策略，实例分析结果表明所提优化策略可以显著增大保护范围；文献[12]应用云计算技术搭建了分布式电网故障监测系统，从大电网层面对分散的继电保护装置以及系统故障信息进行并行化监测，利用云计算处理技术使工作人员能够实时掌握整个电网的继电保护设备运行状态，有效提升了整个系统的稳定性与可用性；文献[13]设计了一套基于“云计算”的电厂继电保护整定系统，对系统的基本架构以及主要功能进行设计，对系统的网路拓扑和保护装置进行建模，算例应用结果证明了该系统的经济性和实用性。

上述文献对提升继电保护可靠性的方法策略进行探究，大多是运用传统有限的计算机资源进行继电保护计算，且在继电保护整定方法上通常仅考虑相邻线路保护定值间的配合，未充分考虑全局协调的能力。 为此，本文充分调动可应用计算资源，同时考虑电力系统中各线路的全局协调的能力，提出了一种基于云计算的整定计算平台架构，通过描述云计算在电力系统数据计算的应用，说明云计算与继电保护相结合的必要性，建立了基于云模式的继电保护定值优化数学模型，应用高精度的遗传算法将问题转化为遗传问题进行求解，结合云计算的强大的数据处理效率和并行计算能力，将并行遗传算法应用于继电保护定值优化，以保证算法的精确性和运算速度。

1 云计算的定义及应用

如图1 所示，为云计算的基本组成结构，主要由服务器、中央处理器、PC、移动电子设备、APP 以及集成开发环境等部分组成，通过互联网服务器集群资源进行分布式处理、并行处理以及网格计算，具有网络化服务、数据处理计算量庞大、业务支持范围广、流动性强等优势[14-15]。 当客户需要数量庞大且计算复杂的服务时，无需购置昂贵的硬件运算支持，只需将相关数据上传至云服务器，付费应用云服务器所包含的大量分布式计算机进行分析计算，等待所需结果返回本地即可。

图1 云计算的基本组成结构

目前，电力数据中心主要应用云计算进行非同源信息共享、大量分布式数据的存储和管控以及快速并行计算等相关方面的工作，下面对其主要应用情况展开介绍[16]。

(1)非同源信息共享

由于电力系统中存在的信息多是分散的，不同的业务部门对信息数据的要求形式各不相同，不同系统间对信息数据的采集描述方式也各不相同，一定程度上，造成信息与资源不匹配，横纵向沟通困难。 而电力数据中心的重要作用之一就是实现非同源信息资源的管控，通过云计算应用各种虚拟化技术手段进行服务配置，解决因软硬件问题造成的业务数据、信息资源差异，建立互通协作的数据处理平台，实现资源集约化处理，满足未来大电网发展对数据信息的集成性与共享性的需求。

(2)大量分布式数据的存储和管控

随着电力系统规模的不断扩大，所产生的电网数据日渐庞大，传统的电网信息数据库管理方式已无法适应如此庞大数量等级与分布结构的电网信息存储要求。 电力数据中心基于云计算服务，采用Hadoop 的分布式文件系统对电网随时随地产生的信息数据进行分布式存储，用户向主服务器发送需求申请，主服务器响应并查找存储有用户需求数据的子服务器读写权限给用户，用户直接与该子服务器进行数据交互，这样一来，大大降低了主服务器同时响应用户控制需求和数据传输需求的负载程度。

(3)快速并行计算

电力系统规模不断扩大发展、日渐稳固可靠的建设过程，是基于大量电气数据进行仿真计算分析、不断进行优化设计的过程。 电力数据中心基于云计算服务，为电力系统提供并行运算模式，应用MapReduce 对电力系统中庞大的数据并行编程模型进行处理，简化了对技术人员的编程要求，极大程度地缩短了计算时间，提升了效率。

2 基于云计算的整定平台架构

基于第1 节的分析可知，随着计算机网络技术的飞速发展以及电网中大量分布式数据的存储和管控需求，充分应用云计算服务的优势对电力数据进行管控具有重要意义[17]。 本文基于电力系统大数据整定计算的基本要求，考虑云计算服务的组织结构，建立了大电网数据整定平台，其基本架构如图2 所示。

图2 大电网数据整定平台架构

大电网数据整定平台架构由基础设施层、平台层、应用接口层和高级访问层四个部分组成。 基础设施层作为整个平台的基础，负责管理大电网数据、负载以及资源，应用虚拟化技术实现硬件装置的状态监控、故障处理等抽象化管理；平台层基于分布式管理系统、各主从服务器以及网格计算方式对负载进行分工和矛盾管制，协调电网中多个装置并行运作，并给予外围装置有力的存储以及数据容灾技术支持；应用接口层作为平台最具有可扩展性的层级，基于不同用户的不同需求以及用户所具有的实际操作权限，分配对应的应用接口和技术支持；高级访问层具有短路计算、电网拓扑分析、在线校核等功能，各级电网具有操作权限的用户都能够通过高级访问层使用云计算服务。

3 基于云模式的继电保护定值优化

3.1 基于遗传算法的继电保护定值优化

整定计算云数据中心通过互联网将电网各级单位进行连接，各级电网整定计算系统定期将本管辖区域的整定计算数据CIM/XML 文件上传至整定计算云数据中心，整定计算云数据中心基于模型拼接技术将分散的各级电网模型组合成完整的电网数据模型，供各级电网进行整定计算。 本节以距离保护Ⅱ段的整定为例，对多变量、多目标和多约束条件的全局优化问题进行探究[18]。

对于各段线路保护，采用适应度公式对其进行判定，若适应度值越大，则说明解的最优性越强[19]。 以适应度最大为寻优目标，对最优目标函数进行求解:

式中:F 为适应度值；I 是定时限保护的数目；k 为常数；ai为保护i 所在线路的权重；βi为该线路距离Ⅱ段保护的级差约束权重，εi为该线路距离Ⅱ段保护的灵敏度约束权重，δi为该线路距离Ⅱ段保护的选择性约束权重，三者的取值大小决定了适应度公式的侧重方向；fint(t)、fsen(t)、fsel(t)为惩罚函数，暂用f(t)进行统称，当符合对应的约束条件时，f(t)＝0，否则f(t)等于惩罚时间t′。

设保护i 与其下级保护i+1 配合，其约束条件为:

若下一级保护存在多条出线，则将下一级与这条线路无配合关系线路的保护定值代入上述约束条件进行检验，确定线路之间的关联性。

将最优目标函数的候选解编码成“染色体”形式，各保护的染色体由出线配合关系和保护配合方式两部分确定，以图3 所示电网为例，距离Ⅱ段保护染色体编码如下:

(1)出线配合关系

对线路的下一级出线数量进行检验，根据本级保护染色体的出线数目采用相应数量的二进制位数进行配合关系描述，二进制数只有0 和1 两种关系表示方式，其中1 表示与该线路存在配合关系，按照保护序号从到小到大的顺序进行定义。 以图3 为例，保护1 与保护9、保护10 配合整定，对应两位二进制数，保护9 对应二进制数为01，保护10 对应二进制数为10。

图3 案例分析

(2)保护配合方式

采用三位二进制数对保护配合方式进行编码，其中，与下一级距离保护Ⅰ段配合用100 表示；与下一级距离保护Ⅱ段配合用010 表示；与灵敏度配合整定用001 表示。

综上，假定电网中存在n 个保护，则整个电网的染色体编码基因位数为:

式中:Sn为第n 个保护的出线数量，即保护n 的出线配合关系二进制位数。 由此得到从保护1 至保护n 的完整染色体基因序列，计算机经对各个保护间的配合关系进行诊断，检测是否存在环状的结构，若不存在，则根据整定原则开始对保护进行逐级整定，一直到求解出全网定值；否则，重新生成新的染色体基因序列再进行保护的整定计算。

3.2 保护定值优化并行计算策略

目前，主要的并行遗传算法模型有主从式、粗粒度、细粒度和混合模型四种[20]。 为了减少各个模块间的通信，降低算法粒度，减少计算耗时，选择主从式并行遗传算法模型进行优化，其流程步骤如图4 所示。

按照本文所述染色体基因编码方法，形成M 个保护染色体，假定云服务器中有N 个从服务器，则每个从服务器所负担的保护个体数为P ＝M/N。 当M 非N 的整数倍时，将余下的保护染色体依次从最大编号从服务器至最小编号从服务器进行分配。 在云计算模式下，所包含的从服务数量庞大，通常每个从服务器负责一个保护染色体的定值计算。

图4 保护定值优化并行计算流程图

各从处理器基于染色体基因编码，分析各保护的动作定值以及时间的配合特性，进一步对全网保护定值进行整定，确定各保护动作时间和定值，并基于式(2)～式(4)对各保护约束条件进行检验，明确不符合约束条件的保护数量及惩罚时间。 基于式(1)求解出染色体的适应度，将染色体适应度值反馈给主处理器，主处理器检测是不是达到迭代次数的上限值或是目标适应度值，若满足两个条件中的其中一个，则结束寻优过程；若不满足条件，则根据适应度大小对各保护的染色体做出排序，记录整体最优染色体适应度。 主处理器根据适应度值有选择性地对染色体做交叉、变异运算后，再次发送到从处理器，计算各保护染色体的适应度，再次执行上述过程。 一直到满足结束条件，得到适应度最大的染色体，并解析出其对应的保护整定值。

4 算例分析

本文以如图5 所示的简单电网为例，对所提定值优化策略进行分析。 在该简单电网中有2 个电源，6 个节点，14 个保护装置，7 条线路，其中各段线路阻抗值均标注在图中。

应用云服务器中的一台主机，基于Relay 软件对保护定值进行整定计算，设置适应度公式各参数分别为:k ＝100，βi＝δi＝2，εi＝3，初始解数目为80。采用转轮法对染色体进行选取、交叉、变异，设置均匀交叉的概率为0.7，多位变异的概率为0.003，迭代次数的上限为600，适应度为5，时间差为0.3 s，当达到迭代次数上限时，不再进行迭代。 当保护无法满足灵敏度或级差约束要求时，增加2 s 时长。

图5 简单电网算例分析图

按照第3 节所述方法，遵循确保本线路末端灵敏度、与下级保护距离Ⅰ段配合以及与下级保护距离Ⅱ段配合的整定原则对Ⅱ段距离保护进行了值优化。 在整定计算的过程中，由于保护12 的选择性定值较小，导致其灵敏度和选择性无法同时满足，调整保护12 与下级保护6 进行保护Ⅱ段配合仍无法满足要求，因此，系统自动对其下下级保护配合情况进行调整，将原有保护6 与保护3 的Ⅰ段配合改为保护6 与保护3 的Ⅱ段相互配合，进而提升保护定值，使得保护12 的灵敏性和选择性能够同时满足要求。进一步地，得到各保护最终的保护定值计算结果如表1 所示，计算所耗费的时间为15 s。

表1 优化前后的继电保护定值比较

保持上述运算模型及参数设置不变，增加云服务器中参与整定计算主机数量至4 台，设定其中1台主机为主处理器，其余3 台为从处理器，搭建并行计算环境，对基于并行化遗传算法的保护整定计算速度进行了校验，此时得到保护整定计算结果的耗时为1s。 由此可见，应用并行遗传算法能够显著降低耗时，对提升工作效率有重要意义。 对于大电网而言，其所在云服务器中的计算机节点越多，则所需的计算时间越短，越有利于维持电网稳定。

5 结论

本文对云计算在电力系统数据计算的应用特性进行分析，提出了一种基于云计算的整定计算平台架构。 首先分析了云计算与继电保护相结合的必要性，应用高精度的遗传算法结合云计算的强大的数据处理效率和并行计算能力，将并行遗传算法应用于继电保护定值优化，建立了基于云模式的继电保护定值优化数学模型，通过算例分析证明了所提云模式下的继电保护定值优化算法在继电保护定值计算的快速性和优越性。