考慮交直流博弈的混合電網(wǎng)網(wǎng)損優(yōu)化研究

栗 然，張 凡，范 航

(新能源電力系統(tǒng)國家重點實驗室(華北電力大學(xué))，河北 保定 071003)

考慮交直流博弈的混合電網(wǎng)網(wǎng)損優(yōu)化研究

栗 然，張 凡，范 航

(新能源電力系統(tǒng)國家重點實驗室(華北電力大學(xué))，河北 保定 071003)

隨著高壓/特高壓直流輸電逐漸成為區(qū)域電網(wǎng)互聯(lián)的主要方式，交直流混合電網(wǎng)的網(wǎng)損優(yōu)化問題已成為需要關(guān)注和解決的重要問題。首先以直流輸電線路自身的利益和送受端系統(tǒng)內(nèi)部的網(wǎng)損最小為不同博弈方，建立了交直流混合電網(wǎng)的主從博弈優(yōu)化模型。將交直流電網(wǎng)的博弈模式分為4種情況，分析了不同博弈模式下直流線路的功率分配情況和無功優(yōu)化方案及其對各方利益及全網(wǎng)網(wǎng)損的影響。然后，基于改進粒子群算法(MPSO)來確定不同博弈模式下的直流功率分配情況及無功優(yōu)化方案，并對比了有功調(diào)度和無功優(yōu)化對交直流混合電力系統(tǒng)降損程度的影響。最后，通過2個以直流線路相連的IEEE9節(jié)點系統(tǒng)驗證所提出模型和算法的有效性。

交直流電網(wǎng)；主從博弈；降損；改進粒子群

0 引言

近年來，國家電網(wǎng)公司積極推動構(gòu)建全球能源互聯(lián)網(wǎng)，結(jié)合落實“一帶一路”戰(zhàn)略，研究實現(xiàn)東北亞、南亞及中國-歐洲的聯(lián)網(wǎng)工程。而高壓直流輸電對于電能的遠距離大規(guī)模傳輸具有巨大的優(yōu)勢。可以預(yù)見，未來將有更多的HVDC/UHVDC工程投入建設(shè)以連接區(qū)域乃至國家之間的電網(wǎng)。因此，在確保系統(tǒng)穩(wěn)定的前提下，提高交直流混聯(lián)系統(tǒng)運行的經(jīng)濟性已被擺到了愈加重要的地位，交直流混合電網(wǎng)的網(wǎng)損降低問題受到了普遍關(guān)注[1-7]。傳統(tǒng)電力系統(tǒng)主要是通過合理安排系統(tǒng)無功配置、變壓器分接頭位置以及機端電壓等手段使得系統(tǒng)在允許的運行方式下網(wǎng)損最小[8-12]。對于交直流混聯(lián)系統(tǒng)，除以上措施外，一種有效的方法是通過合理安排直流線路輸送有功的分布達到降低全網(wǎng)損耗的目的。文獻[4]1082將直流系統(tǒng)的有功和無功功率設(shè)作和電壓相關(guān)的交流負荷，提出了一種能夠計及平衡節(jié)點的交直流混聯(lián)系統(tǒng)的網(wǎng)損微增率算法。文獻[5,6]106，131主要通過調(diào)整有著不同的損耗系數(shù)或網(wǎng)損微增率特性的交直流線路輸送的功率，達到使輸電通道網(wǎng)損最小的目的。但沒有計及不同直流線路輸送功率的改變對于送受端系統(tǒng)網(wǎng)損的影響。文獻[7]1019進一步考慮了送電通道的有功調(diào)整對其本身及送受端系統(tǒng)網(wǎng)損的影響，提出使全網(wǎng)網(wǎng)損最小的等微增率條件，但這種方式將有功功率調(diào)整和無功優(yōu)化孤立進行，無法真正確保能達到全網(wǎng)網(wǎng)損最小的目標(biāo)。

另外，上述研究實際上均假設(shè)交直流系統(tǒng)同屬某一區(qū)域或國家電網(wǎng)而可以統(tǒng)籌調(diào)度，而當(dāng)區(qū)域或國家之間進行電能交易時，很可能并沒有統(tǒng)一的進行輸電線路有功功率協(xié)調(diào)調(diào)度的機構(gòu)，送電、輸電與受電方作為不同的利益主體，各自有獨立的利益訴求。當(dāng)然也有可能出現(xiàn)其中兩方組成聯(lián)盟與另一方博弈，或三方組成聯(lián)盟尋求總體利益最大化的場景。研究這一情況下的混合電網(wǎng)降損問題時，就要引入博弈論的理論進行分析，求得使各方都能接受的Nash均衡解。博弈論是研究智能的理性決策者之間合作與沖突的理論，已廣泛用于經(jīng)濟學(xué)和國際關(guān)系的分析。在電力系統(tǒng)規(guī)劃、電力市場、調(diào)度和控制等領(lǐng)域也已有一些應(yīng)用[13-16]。

本文首先以直流輸電線路自身的利益和送受端系統(tǒng)內(nèi)部的網(wǎng)損最小為不同博弈方，建立了交直流混合電網(wǎng)的主從博弈優(yōu)化模型，將交直流電網(wǎng)的博弈模式分為4種情況，分析了不同博弈模式下直流線路的功率分配情況和無功優(yōu)化方案及其對各方利益及全網(wǎng)網(wǎng)損的影響。然后，本文提出了一種改進粒子群算法(MPSO)來確定不同博弈方的優(yōu)化方案，對比了有功調(diào)度和無功優(yōu)化對交直流混合電力系統(tǒng)降損程度的影響。最后，通過2個以直流線路相連的IEEE9節(jié)點系統(tǒng)驗證本文所提出模型和算法的有效性。

1 混聯(lián)電網(wǎng)的主從博弈模型

主從博弈也稱為Stackelberg均衡[17]，它主要強調(diào)的是領(lǐng)導(dǎo)者相對于跟隨者的優(yōu)先決策權(quán)。區(qū)域電網(wǎng)或國家電網(wǎng)之間通過高壓直流線路輸送功率時，在送電計劃給定的情況下，掌握輸電權(quán)的一方將以自身網(wǎng)損最小為目標(biāo)進行各輸電線路的有功調(diào)度。而這必將改變其他方的潮流分布并引起其他方的網(wǎng)損變化。而其他方將通過制定內(nèi)部的優(yōu)化方案來盡量減少自身的損失，這就構(gòu)成了一個典型的主從博弈場景。

1.1 博弈基礎(chǔ)

(1)參與者

交直流混合電網(wǎng)的有功和無功調(diào)度方案是由送端系統(tǒng)、輸電系統(tǒng)、受端系統(tǒng)作為參與者構(gòu)成的三方博弈的結(jié)果，分別用F,D,T表示3個參與者。

(2)策略集

F,D,T三方在進行博弈時，決策變量包括由領(lǐng)導(dǎo)者決定的其內(nèi)部的優(yōu)化方案和由跟隨者確定的對應(yīng)方案。記為:

PD={P1,P2,…,Pn}

Pi∈[Pimin,Pimax],i=1,2,…,n

(1)

SF={PGF,UGF,TF,QcF}={[PGmin,PGmax],

[UGmin,UGmax]，[Tmin,Tmax],[Qcmin,Qcmax]}

(2)

ST={PGT,UGT,TT,QcT}={[PGmin,PGmax],

[UGmin,UGmax]，[Tmin,Tmax],[Qcmin,Qcmax]}

(3)

式中:PD為不同直流線路實際輸送功率的集合;Pimin和Pimax分別為直流線路i輸送功率的下限和上限;n為直流線路總數(shù);SF和ST分別為送受端的無功分配方案;PGF,UGF,TF,QcF分別代表送電端內(nèi)部可以調(diào)節(jié)的發(fā)電機有功功率、機端電壓、變壓器分接頭及無功補償容量;PGT,UGT,TT,QcT分別代表受電端內(nèi)部可以調(diào)節(jié)的發(fā)電機有功功率、機端電壓、變壓器分接頭及無功補償容量;PGmax和PGmin分別為發(fā)電機有功功率上下限值;UGmax和UGmin分別為機端電壓上下限值;Tmax和Tmin分別為變壓器分接頭上下限值;Qcmax和Qcmin分別為無功補償容量的上下限值。

(3)各方收益

F,D,T各方的收益對應(yīng)于博弈后其各自網(wǎng)損降低所帶來的效益，分別記為IF,ID,IT。各參與者收益可表示為：

(4)

(4) Nash均衡

1.2 模型建立

1.2.1 三方系統(tǒng)的博弈模式

考慮到高壓/特高壓直流輸電工程一般由輸電方投資、建設(shè)和運行，本文認為輸電方有實際的直流線路功率分配權(quán)，所以考慮4種博弈模式：

(1)直流線路的功率分配權(quán)由輸電方掌握，表示為({F},{D},{T})；

(2)直流線路的功率分配權(quán)由輸電方與送電方組成的聯(lián)盟掌握，表示為({F,D},{T})；

(3)直流線路的功率分配權(quán)由輸電方與受電方組成的聯(lián)盟掌握，表示為({F},{D,T})；

(4)直流線路的功率分配權(quán)由三方組成的聯(lián)盟掌握，實際上相當(dāng)于三方有統(tǒng)一的協(xié)調(diào)調(diào)度機構(gòu)，這種情況表示為({F,D,T})。

顯然，有功和無功協(xié)調(diào)調(diào)度的情況只有在后3種博弈模式下才有可能，在模式1下，有功和無功只能孤立調(diào)度，即輸電方先按照使自身損耗最小的原則確定直流線路功率分配方案，然后送受端系統(tǒng)內(nèi)部再基于確定的直流線路功率分配決定己方內(nèi)部的無功優(yōu)化方案。

1.2.2 博弈模型與博弈過程

直流線路的功率損耗[5]為：

(5)

式中：ki為各條直流線路的損耗系數(shù)。

送、受端系統(tǒng)的網(wǎng)損可以通過潮流計算得到[18]。其損耗可分別表示為：

Floss=fF(PD,SF)

(6)

Tloss=fT(PD-PDloss,ST)

(7)

式中：PDloss={P1loss,P2loss,…,PNloss}為各直流線路在傳輸過程中的功率損耗;fF為根據(jù)送端系統(tǒng)的潮流方程得到的送端系統(tǒng)的網(wǎng)損與各直流線路送出功率及其自身的無功優(yōu)化方案的關(guān)系式;fT為根據(jù)受端系統(tǒng)的潮流方程得到的受端系統(tǒng)的網(wǎng)損與各直流線路饋入功率及其自身的無功優(yōu)化方案的關(guān)系式。

以送電-輸電方組成聯(lián)盟與受電方博弈，即({F,D},{T})為例說明主從博弈過程。

參與者包括領(lǐng)導(dǎo)者{F,D}和跟隨者{T}

信息集包括送端系統(tǒng)參數(shù)，各直流線路損耗系數(shù)，受端系統(tǒng)參數(shù)，直流線路輸送功率約束。

各方收益為

IFD(PD,SF,ST)，IT(PD,SF,ST)

式中：IFD為送電-輸電聯(lián)盟的收益，即送電-輸電方收益之和。

(8)

博弈后送電-輸電聯(lián)盟的收益必為正(否則其不會做出該決策)。而受端系統(tǒng)的收益則可能為正，也可能為負。假如其收益為正，則三方均得到了正的收益，且Nash均衡條件滿足，可認為博弈結(jié)束。假如其收益為負，則需分2種情況討論：

(1)受電方雖然收益為負但仍滿足式(8)的第三項。此時受電方利益雖然受損，但其無法通過給予聯(lián)盟方比聯(lián)盟方所獲收益更大的利潤而使聯(lián)盟方放棄現(xiàn)有的決策，所以現(xiàn)有的均衡點仍是穩(wěn)定的。

(2)受電方利益受損且不滿足式(8)的第三項。說明此時該博弈過程給受電方帶來損失的程度要大于聯(lián)盟方獲得收益的程度。這時受電方將愿意向聯(lián)盟方支付小于其損失的利潤而使聯(lián)盟方改變現(xiàn)有的決策，所以這時的狀態(tài)是不穩(wěn)定的。

可見，主從博弈的結(jié)果穩(wěn)定的條件建立在各方總的收益有所提高的基礎(chǔ)上，而這實際上意味著系統(tǒng)總網(wǎng)損的降低，即博弈過程是有利于降損的。另外需要說明的是，聯(lián)盟方的總收益為正。并不代表其內(nèi)部成員均通過一輪決策得到了正的收益。但由于其總收益能在聯(lián)盟內(nèi)部進行分配，所以各內(nèi)部成員最終仍將得到正的收益，聯(lián)盟方做出的決策仍是內(nèi)部穩(wěn)定的。

2 改進粒子群算法

本文通過MPSO來確定直流線路的功率分配及送受端的無功優(yōu)化方案，MPSO的性能將決定各方的網(wǎng)損降低程度，甚至對博弈進程產(chǎn)生影響。標(biāo)準(zhǔn)粒子群算法(Particle Swarm Optimization，PSO)[19,20]的應(yīng)用已非常普遍，此處不再詳述。由于PSO較依賴于初始值的設(shè)定，容易遇到早熟收斂和收斂性能差的問題，下面對其作出兩點改進。

2.1 慣性權(quán)重因子改進

文獻[21]通過調(diào)整慣性權(quán)重因子，使得靠近最優(yōu)點的粒子在最優(yōu)點附近進行搜索，而讓遠離最優(yōu)點的粒子去承擔(dān)更大范圍的搜索任務(wù)。這樣既不至于錯失可能的最優(yōu)解，又保證了整個粒子群的搜索能力。經(jīng)過推導(dǎo)得到的慣性權(quán)重w的計算公式為:

(9)

式中：wmax和wmin分別為最大、最小權(quán)重；li表示第i個粒子與全局最優(yōu)粒子的距離；lmax和lmin為事先指定的最大和最小距離；k和Kmax分別表示為當(dāng)前迭代次數(shù)和最大迭代次數(shù)。

該改進相比原始PSO算法有相當(dāng)?shù)膬?yōu)越性，但仍存在如下一些不足:當(dāng)某粒子與當(dāng)前最優(yōu)粒子距離為lmin時，它本應(yīng)在最優(yōu)粒子附近搜索。但按照式(9)，其w值為wmax,反而遠離了最優(yōu)粒子。相反，當(dāng)某粒子與當(dāng)前粒子距離為lmax時，它本應(yīng)該有更大的搜索能力，但按照式(9)，它不能按照wmax進行搜索，而是等效于原始PSO的搜索方式，這與文獻[21]69的本意相反。另外，文獻[21]69將lmax、lmin均取為固定的常數(shù)，兩值均憑主觀經(jīng)驗給出，若取值不當(dāng)將對結(jié)果造成較壞影響。而且，由于lmin是固定的，在迭代后期，大部分粒子都將滿足小于lmin的條件，從而被賦予很小的權(quán)重而無法充分搜索。因此，本文在文獻[21]69的基礎(chǔ)上再做出兩點改進:

(10)

式中：wi=wmin+(li-lmin)(wmax-wmin)/(lmax-lmin)；u表征某粒子與最優(yōu)粒子的距離對其權(quán)重的影響程度；1-u表征迭代次數(shù)對粒子權(quán)重的影響程度(為保證前期充分搜索而使用非線性遞減)。本文將u取為0.5。這樣，粒子的權(quán)重可以真正參考兩方面的因素。而且，迭代次數(shù)較小時，距離最優(yōu)點近的粒子也可以被賦予較大權(quán)重而充分搜索。而迭代次數(shù)較大時，距離最優(yōu)點遠的粒子則會適當(dāng)降低搜索權(quán)重從而增強收斂能力。

(2)不事先指定lmax和lmin，而是對兩值進行動態(tài)調(diào)整。每一代計算出li后，將li從小到大排序。將第0.2×N個粒子的li取為lmin，將第0.8×N個粒子的li的取為lmax。這意味著在每一代，距離最優(yōu)粒子最近的20%的粒子會取最小權(quán)重，在最優(yōu)粒子周圍搜索。距離最優(yōu)粒子最遠的20%的粒子則會取最大權(quán)重而得以在可行域內(nèi)充分搜索。其余粒子根據(jù)其與最優(yōu)粒子距離的遠近取相應(yīng)的慣性權(quán)重。這樣既避免了主觀賦值造成的誤差，簡化了參數(shù)設(shè)定，也使得粒子群不至于過早的趨同。

2.2 粒子的學(xué)習(xí)方式改進

粒子學(xué)習(xí)方式的改進本質(zhì)在于防止當(dāng)前找到的最優(yōu)解為局部最優(yōu)解時，易將粒子群引向局部最優(yōu)這一問題[22]。本文使各粒子在迭代過程前期更多的向自身極值學(xué)習(xí)，能較充分的搜索。而在迭代后期更多的向全局極值學(xué)習(xí)，逐漸增強收斂能力，避免錯過全局最優(yōu)點。即改進粒子的速度更新公式為：

(11)

2.3 改進后算法描述

結(jié)合上述改進，形成新的改進粒子群算法(MPSO)。

適應(yīng)度值取全網(wǎng)網(wǎng)損加電壓和無功越限懲罰項，即：

(12)

式中：fit(i)為第i個粒子的適應(yīng)度值；Zloss為全網(wǎng)總網(wǎng)損；N1為電壓標(biāo)幺值超過上限的粒子集合；N2為電壓標(biāo)幺值低于下限的粒子集合；Qmax為節(jié)點輸出最大無功限制；Qmin為節(jié)點輸入最小無功限制；M1和M2分別為節(jié)點輸出無功越限的粒子集合和節(jié)點輸入無功越限的粒子集合。

改進后的粒子群算法的步驟如下：

(1)初始化粒子群:初始化種群規(guī)模、粒子維數(shù)、粒子速度、粒子位置。

(2)得到初始的粒子個體最優(yōu)值,并計算全局最優(yōu)值。

(3)根據(jù)式(10)計算動態(tài)慣性權(quán)重,根據(jù)修改的速度更新公式分別更新粒子速度和位置,并限定速度和位置的范圍。

(4)對于每個粒子, 比較當(dāng)前適應(yīng)度值和它的個體最優(yōu)解,若當(dāng)前適應(yīng)度更好, 則更新其個體最優(yōu)解為其當(dāng)前適應(yīng)度值；并比較當(dāng)前適應(yīng)度值和全局最優(yōu)解,若當(dāng)前適應(yīng)度更好, 則更新全局最優(yōu)解為其當(dāng)前適應(yīng)度值。

(5)判斷是否到達最大迭代次數(shù),如果達到則輸出結(jié)果并結(jié)束迭代, 否則重復(fù)第(3)步。

3 算例分析

不失一般性，本文采用如圖1所示的2個標(biāo)準(zhǔn)IEEE9節(jié)點系統(tǒng)稍作改動作為送受電方。

圖1 交直流混合系統(tǒng)結(jié)構(gòu)

對于送電方，將節(jié)點5、9作為送電出口，總送出功率設(shè)為248 MW；去掉受端系統(tǒng)的2臺發(fā)電機，通過2條直流線路將功率饋入原電源點。節(jié)點5、9的初始送出功率分別設(shè)為124 MW和124 MW,節(jié)點7的負荷功率設(shè)為67 MW，其他參數(shù)不變。直流線路1,2參數(shù)參考文獻[10]1981中的參數(shù)，損耗系數(shù)分別取為0.000 16和0.000 086，傳輸功率極限分別取200 MW和300 MW。受端系統(tǒng)參數(shù)不作其他改動。送、輸、受電三方的網(wǎng)損隨直流線路1傳輸?shù)挠泄β首兓那€如圖2所示。可見三方對于使自身網(wǎng)損最小有著不同的直流功率分配需求。

圖2 直流線路1輸送功率對三方網(wǎng)損的影響

3.1 各博弈模式下結(jié)果分析

設(shè)初始狀態(tài)的各方收益和系統(tǒng)總收益均為0，網(wǎng)損每降低1 kW可獲收益1元，則初始狀態(tài)及4種博弈模式下的直流線路功率分配情況、各方網(wǎng)損及收益情況如表1所示。

(1)直流線路的功率分配權(quán)由輸電方掌握即({F},{D},{T})。此時輸電方作為領(lǐng)導(dǎo)者，首先按照使自身的網(wǎng)損最小來分配功率，即令直流線路1分配86.699 MW,線路2分配161.301 MW。由表1可見，輸電方‘自私’的決策在使己方獲得343元收益的同時，造成了受電方網(wǎng)損的巨大增加，并進一步導(dǎo)致了全網(wǎng)網(wǎng)損的增加。隨后送電方通過在內(nèi)部進行無功優(yōu)化獲得了63元的收益，而受電方則虧損378元。此時送電方將愿意向輸電方支付小于63元的利潤以使其維持該決策，而受電方將愿意向輸電方支付小于378元的利潤而使輸電方放棄該決策。對于輸電方來說，維持該決策顯然可以獲得406元的收益，所以其將選擇維持該決策。由表1可見該決策造成了總網(wǎng)損的降低。

表1 不同博弈模式對各方網(wǎng)損及收益的影響

(2)直流線路的功率分配權(quán)由輸電方與送電方組成的聯(lián)盟掌握，即({F,D},{T})。此時輸電方犧牲了自身的部分利益而抬高了聯(lián)盟的總收益。并最終通過聯(lián)盟內(nèi)部的收益分配，可以獲得較之前獨立決策更高的收益。此時受電方雖收益為-289元，但其無力支付給聯(lián)盟大于422元(聯(lián)盟總收益)的利潤使聯(lián)盟方改變自身的決策。因為那樣將得不償失，所以該狀態(tài)是穩(wěn)定的。

(3)直流線路的功率分配權(quán)由輸電方與受電方組成的聯(lián)盟掌握，表示為({F,D},{T})。由圖2可見，使輸電方網(wǎng)損最小的直流功率分配情況和使受電方網(wǎng)損最小的直流功率分配情況相差較大，兩者的利益不好協(xié)調(diào)。但兩方聯(lián)盟仍取得了116(247+771-902)元的正收益，且輸電-受電聯(lián)盟內(nèi)部協(xié)調(diào)的結(jié)果恰恰使得送電方得到了較大的收益(90元)。所以該狀態(tài)也是穩(wěn)定的。

(4)直流線路的功率分配權(quán)由三方組成的總聯(lián)盟掌握，實際上相當(dāng)于三方有統(tǒng)一的協(xié)調(diào)調(diào)度機構(gòu)，這種情況表示為({F,D,T})。此時三方合作追求總收益的最大化，此時全網(wǎng)網(wǎng)損為12.755 MW，在各博弈模式中是最小的，且三方總收益與輸電-受電方組成聯(lián)盟時的情況接近。因為由圖1可見，直流功率分配在初始狀態(tài)附近進行調(diào)整時，對于受電方的影響最大。所以任何與受電方組成的聯(lián)盟都將較大的增加全網(wǎng)的總收益。顯然，該博弈狀態(tài)是穩(wěn)定的。

綜上可見，各博弈模式下的三方總收益均大于初始狀態(tài)的收益。而任由輸電方獨立進行有功調(diào)度時全網(wǎng)網(wǎng)損在4種博弈模式下最大。因此，相關(guān)部門有必要進行適當(dāng)?shù)膮f(xié)調(diào)，促成送電、輸電、受電各方的聯(lián)盟，或鼓勵電力交易各方合作決策，以產(chǎn)生最大的總收益，盡量避免不合理的博弈方式造成的有功損耗。

另外，如前所述，在模式2下輸電方通過兩輪博弈過程最多可獲得不超過406元的收益。但如果輸電方愿意在博弈結(jié)束各方回到初始狀態(tài)后再進一步作第三輪決策，令直流功率按照使全網(wǎng)網(wǎng)損最小(模式5)的目標(biāo)來分配，則可得到最多不超過589(252+1 478-1 383+766 -524)元的收益，此時其收益將是其可以獲得的最大收益。因為多出的183元收益實際上是由于第三輪決策造成全網(wǎng)網(wǎng)損進一步降低至最小網(wǎng)損引起的。可見輸電方主觀追求利益最大的努力將使得全網(wǎng)網(wǎng)損向著最小的目標(biāo)靠攏。其他的2種聯(lián)盟方式也與此類似。

3.2 結(jié)果對比

如果模式3、4、5下聯(lián)盟方不是統(tǒng)一協(xié)調(diào)有功與無功分布，而是根據(jù)以往文獻[6,7]，先進行有功調(diào)度使聯(lián)盟網(wǎng)損最小，再在送受端系統(tǒng)內(nèi)部做無功優(yōu)化。其降損效果如表2所示。

對比表1和表2可見，3種模式下，聯(lián)盟方通過有功和無功協(xié)調(diào)調(diào)度均可獲得比孤立進行有功調(diào)度和無功優(yōu)化更好的降損效果。另外可見假如不做無功優(yōu)化，孤立的有功調(diào)度也能起到降低系統(tǒng)網(wǎng)損的效果，但無功優(yōu)化對系統(tǒng)的降損效果更加顯著。這部分是由于本文所用算例直流線路較少[3]，但足以說明無功優(yōu)化對送受端系統(tǒng)進行降損具有較大潛力，送受端應(yīng)該重視無功優(yōu)化對系統(tǒng)降損的作用，研究與實施更好的無功優(yōu)化方案，在節(jié)能降損的同時，獲得更高的收益。

以模式5為例，用所提改進粒子群算法(MPSO)確定有功及無功分配方案。說明對算法改進的必要性。本文將送、受端系統(tǒng)的無功補償位置分別設(shè)在節(jié)點4、9、13和18處，每處5組電容器，每組容量10 Mvar。送電計劃確定的情況下，其他的可調(diào)變量包括直流線路1的功率([0,200 MW])，節(jié)點1、2、3和10處的端電壓(可在[0.95,1.1]范圍內(nèi)均勻調(diào)節(jié))，以及支路1-4、2-8、3-6、10-13、11-17和12-15的變壓器變比(1±4×2.5%共9檔)。粒子群規(guī)模取為100，迭代次數(shù)50次。優(yōu)化過程分別如圖3所示。PSO和MPSO分別將全網(wǎng)損耗降低至12.810 MW和12.755 MW。且MPSO有著更快的收斂速度。

表2 孤立進行有功和無功調(diào)度對各方網(wǎng)損及收益的影響

圖3 模式5的無功優(yōu)化過程

4 結(jié)論

(1)任何組成聯(lián)盟的博弈模式均能對全網(wǎng)網(wǎng)損的降低起到積極的效果，決策方追求己方效益最大化的努力將使得全網(wǎng)網(wǎng)損趨于最小。但除非三方組成總聯(lián)盟，其他模式雖然也能達到降低全網(wǎng)網(wǎng)損的目的，但可能會損害非決策方的利益。這一結(jié)論對于跨國跨區(qū)的直流工程建設(shè)和運營有一定的理論價值。

(2)有功與無功協(xié)調(diào)調(diào)度較孤立的先按照聯(lián)盟內(nèi)部有功損耗最小(或等網(wǎng)損微增率)確定直流線路的有功功率，再基于確定的有功分配對交流系統(tǒng)內(nèi)部做無功優(yōu)化的調(diào)度方式能取得更好的降損效果。本文所用直流線路較少，可以推斷隨著直流線路的增多，其有功分配對系統(tǒng)降損將產(chǎn)生更大的影響。

(3)提出一種改進的粒子群算法為確定具體的有功和無功調(diào)度方案提供參考，改進算法能夠提高粒子群搜索全局最優(yōu)解的能力，并在一定程度上提高了收斂速度。

本文對于直流功率分配權(quán)掌握在送電方，受電方，送電-受電聯(lián)盟方的3種情況未作討論?？梢酝茢啵偃邕@3種情況存在，也會在基于決策方有較大收益的前提下拉低全網(wǎng)網(wǎng)損。此外，對于不同博弈模式下聯(lián)盟內(nèi)部具體的收益分配方案本文未做細致探討，而這將涉及博弈論用于經(jīng)濟學(xué)的一些理論，未來將考慮對該問題作進一步研究。

[1] 顏偉, 張海兵, 田甜,等.交直流系統(tǒng)的動態(tài)無功優(yōu)化[J].電力系統(tǒng)自動化, 2009, 33(10):43-46.

[2] 彭磊, 吳耀武, 熊信銀,等.交直流混合輸電系統(tǒng)的無功優(yōu)化[J].電力系統(tǒng)保護與控制, 2006, 34(4):35-39.

[3] 何智文.交直流混合電力系統(tǒng)無功優(yōu)化模型及線性規(guī)劃算法[D].廣州：華南理工大學(xué), 2013.

[4] 常鮮戎, 李衍孜.交直流混聯(lián)系統(tǒng)節(jié)點網(wǎng)損微增率算法[J].電網(wǎng)技術(shù), 2016, 40(4):1081-1086.

[5] 邱有強, 劉洪濤, 鄒江,等.南方電網(wǎng)直流輸電損耗分析及基于降損的交直流潮流優(yōu)化探討[J].南方電網(wǎng)技術(shù), 2008, 2(4):104-107.

[6] 劉愷, 陳亦平, 張昆,等.大型交直流并聯(lián)輸電網(wǎng)網(wǎng)損優(yōu)化理論及其在南方電網(wǎng)中的實現(xiàn)[J].中國電機工程學(xué)報, 2014，34(1):130-137.

[7] 孫雁斌, 劉愷, 陳亦平,等.異步聯(lián)網(wǎng)的交直流輸電網(wǎng)損在線優(yōu)化方法及其在南方電網(wǎng)的實現(xiàn)[J].電網(wǎng)技術(shù), 2016, 40(4):1018-1024.

[8] IBA K.Reactive power optimization by genetic algorithm[J].IEEE Transactions on Power Systems, 1994, 9(2):685-692.

[9] 黃弘揚, 楊汾艷, 徐政,等.基于改進軌跡靈敏度指標(biāo)的動態(tài)無功優(yōu)化配置方法[J].電網(wǎng)技術(shù), 2012, 36(2):88-94.

[10] SOTO S, HINOJOSA V.Stochastic optimal allocation of reactive power banks for system loss minimization[J].IEEE Latin America Transactions, 2016, 14(4):1980-1987.

[11] 黃偉, 田羽洲.基于新型兩階段混合算法的電力系統(tǒng)無功優(yōu)化[J].華北電力大學(xué)學(xué)報(自然科學(xué)版), 2016, 43(1):46-51.

[12] SAPKOTA B, VITTAL V.Dynamic VAr planning in a large power system using trajectory sensitivities[J].IEEE Transactions on Power Systems, 2010, 25(1):461-469.

[13] 盧強, 陳來軍, 梅生偉,等.博弈論在電力系統(tǒng)中典型應(yīng)用及若干展望[J].中國電機工程學(xué)報, 2014,34(29):5009-5017.

[14] 張明曄, 郭慶來, 孫宏斌,等.基于主從博弈的多目標(biāo)無功電壓優(yōu)化模型及其解法[J].電力系統(tǒng)自動化, 2012, 36(18):116-121.

[15] 梅生偉, 王瑩瑩, 劉鋒.風(fēng)—光—儲混合電力系統(tǒng)的博弈論規(guī)劃模型與分析[J].電力系統(tǒng)自動化, 2011, 35(20):13-19.

[16] 黃文杰, 黃奕.基于投資者風(fēng)險偏好和期權(quán)博弈理論的發(fā)電投資決策模型[J].華北電力大學(xué)學(xué)報(自然科學(xué)版), 2010, 37(2):99-103.

[17] BASAR T, OLSDER G J.Dynamic non-cooperative game theory[M].SIAM, 1999:139-152.

[18] 常鮮戎, 張亮平.基于擴展功率方程的網(wǎng)損微增率算法[J].電網(wǎng)技術(shù), 2012, 36(6):148-151.

[19] SHI Y, EBERHART R.Modified particle swarm optimizer[C]// IEEE International Conference on Evolutionary Computation Proceedings, 1998.IEEE World Congress on Computational Intelligence， 1998:69-73.

[20] 盛四清, 遠樹平.基于粒子群算法的電力系統(tǒng)無功規(guī)劃[J].電力科學(xué)與工程, 2009, 25(6):16-19.

[21] 劉建華, 樊曉平, 瞿志華.一種慣性權(quán)重動態(tài)調(diào)整的新型粒子群算法[J].計算機工程與應(yīng)用, 2007, 43(7):68-70.

[22] 張玉芳, 薛青松, 熊忠陽.基于禁忌搜索的動態(tài)粒子群算法[J].計算機工程與應(yīng)用, 2008, 44(24):56-58.

Network Loss Optimization of AC / DC Hybrid Power Grid Based on Game Theory

LI Ran, ZHANG Fan, FAN Hang

(State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Baoding 071003, China)

With the high-voltage/ultra-high voltage direct current transmission (HVDC/UHVDC) becoming the main way of regional power grid interconnection, the loss reduction of AC/DC hybrid power grid has become an important subject which needs to be concerned.In view of the situation mentioned above, a Stackelberg game optimization model of AC/DC hybrid power grid is established in this paper firstly, which takes the interest of DC transmission lines and network loss of sending-end and receiving-end as different players.The four possible game modes of AC/DC hybrid system are discussed.Secondly, the power distribution of DC transmission lines and reactive power optimization schemes under different game modes is analysed, and its effects on the interests of all parties and the loss of the whole network are evaluated.Then, a modified particle swarm optimization (MPSO) algorithm is proposed to determine the power distribution of DC lines and reactive power optimization schemes of the sending-end and receiving-end.The effect of active power dispatching and reactive power optimization on the AC/DC hybrid power system are compared afterwards.Finally, the validity of the proposed model and algorithm is verified by two IEEE 9-node systems which are connected by DC transmission lines.

AC/DC hybrid power grid; Stackelberg game; loss reduction; MPSO

10.3969/j.ISSN.1672-0792.2017.06.004

2017-04-01。

廣東電網(wǎng)有限責(zé)任公司電力調(diào)度控制中心科技項目(036000QQ00150002)。

TM714.3

A

1672-0792(2017)06-0019-08

栗然(1965-)，女，博士，教授，主要研究方向為交直流電網(wǎng)優(yōu)化降損，電力系統(tǒng)分析、運行與控制。

張凡 (1993-)，男，碩士研究生，主要研究方向為交直流電網(wǎng)優(yōu)化降損，電力系統(tǒng)分析、運行與控制。

范航(1993-)男，碩士研究生，主要研究方向為電力系統(tǒng)分析、運行與控制。