방향성 과전류 계전기(DOCRs)의 협조(coordination)는 현대 전력 보호 시스템의 신뢰성과 견고성을 확보하는 데 핵심적인 역할을 한다. 다중 루프 전력 네트워크에서 최적의 계전기 협조를 달성하는 일은 계전기 동작 시간을 최소화하고, DG 통합의 영향을 고려하면서 time dial settings(TDS)와 plug settings(PS)를 최적 조정하는 것을 동시에 요구하는 복잡한 최적화 문제이다. 제안된 방법은 Quantum-Inspired Adaptive Walrus Optimization Algorithm(QIAWOA)을 사용하며, 이는 양자 영감 원리의 비율을 반영하도록 수정된 군집 기반 인공지능(AI) 기법으로서, 적응형 양자 회전 게이트(adaptive quantum rotation gates)와 같은 원리를 통합하여 탐색 동역학을 향상시키고 정밀한 계전기 협조를 용이하게 한다. QIAWOA의 성능은 IEEE 3, 8, 15-bus 시스템과, 다중모달 및 다목적 최적화 함수(MMOOF)를 포함하는 CEC 2020 벤치마크 스위트를 사용하여 검증된다. QIAWOA는 전역 최적해를 식별하는 데 있어 우수한 능력을 보이며, 계전기 동작 시간을 유의미하게 감소시키고 견고한 협조를 달성한다. 경험적 누적분포함수(CDF), 박스플롯, 히스토그램, 확률 플롯, 분위수-분위수(quantile–quantile, QQ) 플롯을 포함한 종합적인 통계 분석은 제안 방법의 신뢰성과 효율성을 뒷받침한다. 최첨단 자연 영감 기법들과의 비교 평가는 QIAWOA의 향상된 성능을 추가로 강조하며, 이를 복잡한 전력 네트워크에서 보호 시스템 성능을 개선하기 위한 강력한 도구로 자리매김한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.