计及通信负载与供电可靠性的5G基站储能与配电网协同优化调度

doi:10.16183/j.cnki.jsjtu.2021.542

计及通信负载与供电可靠性的5G基站储能与配电网协同优化调度

李俊双, 胡炎^,, 邰能灵

上海交通大学电力传输与功率变换控制教育部重点实验室,上海 200240

Collaborative Optimization Scheduling of 5G Base Station Energy Storage and Distribution Network Considering Communication Load and Power Supply Reliability

LI Junshuang, HU Yan^,, TAI Nengling

Key Laboratory of Control of Power Transmission and Conversion of the Ministry of Education, Shanghai Jiao Tong University, Shanghai 200240, China

通讯作者: 胡炎,副研究员,博士生导师,电话(Tel.):021-34202690;E-mail:yanhu@sjtu.edu.cn.

责任编辑: 王一凡

收稿日期: 2021-12-31 修回日期: 2022-01-24 接受日期: 2022-02-7

基金资助:

国家重点研发计划(2019YFE0102900)
自然科学重大项目(2019-01-07-00-02-E00044)

Received: 2021-12-31 Revised: 2022-01-24 Accepted: 2022-02-7

作者简介 About authors

李俊双(1988-),硕士,从事电力系统优化运行研究.

摘要

5G基站的电费成本已经成为阻碍5G通信技术发展的因素.通过盘活5G基站储能资源,以实现降低5G基站用电成本的目的.首先建立考虑通信负载的5G基站负荷模型和考虑5G基站对储能备用电量需求与配电网供电可靠性的5G基站储能容量可调度模型;提出了一种针对5G储能调度的充放电策略;建立了5G基站储能参与配电网协同优化调度的模型.通过不同方案对5G基站储能优化调度的经济性进行对比.算例分析结果表明,将5G基站闲置储能参与配电网统一优化调度,可在降低5G基站的用电成本的同时,缓解配电网供电压力,提高系统内新能源消纳率,实现通信运营商与电网之间的双赢.

关键词： 5G基站; 储能; 配电网; 可再生能源; 优化调度

Abstract

The electricity cost of 5G base stations has become a factor hindering the development of the 5G communication technology. This paper revitalized the energy storage resources of 5G base stations to achieve the purpose of reducing the electricity cost of 5G base stations. First, it established a 5G base station load model considering the communication load and a 5G base station energy storage capacity schedulable model considering the energy storage backup power demand of the 5G base station and the power supply reliability of the distribution network. Then, it proposed a 5G energy storage charge and discharge scheduling strategy. It also established a model for 5G base station energy storage to participate in coordinated and optimized dispatching of the distribution network. Finally, it compared the economy of optimized dispatch of 5G base station energy storage of different schemes. The analysis results show that the participation of idle energy storage of 5G base stations in the unified optimized dispatch of the distribution network can reduce the electricity cost of 5G base stations, alleviate the pressure on the power supply of the distribution network, increase the rate of new energy consumption in the system, and realize a win-win situation between the communication operator and the grid.

Keywords： 5G base station; energy storage; distribution network; renewable energy; optimal scheduling

PDF (4126KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

李俊双, 胡炎, 邰能灵. 计及通信负载与供电可靠性的5G基站储能与配电网协同优化调度[J]. 上海交通大学学报, 2023, 57(7): 791-802 doi:10.16183/j.cnki.jsjtu.2021.542

LI Junshuang, HU Yan, TAI Nengling. Collaborative Optimization Scheduling of 5G Base Station Energy Storage and Distribution Network Considering Communication Load and Power Supply Reliability[J]. Journal of Shanghai Jiaotong University, 2023, 57(7): 791-802 doi:10.16183/j.cnki.jsjtu.2021.542

2019年6月6日,工信部向国内4家移动通信运营商发放5G商用牌照,标志着我国正式进入5G技术商用阶段^[1].截至2020年底,中国5G基站总数超过71.8万个^[2].预计到2025年,5G基站将达到800万个^[3].海量建设的5G基站用电成本占运营商网络维护成本(OPEX)成倍上升^[4],如不加以控制,运营商5G基站的电费成本将超过其营业收入^[5].高昂的电费成本已经成为阻碍5G发展的因素.预计2026年三大运营商全部升级5G后,5G基站电能消耗将达到全国总用电量的2.1%,高于数据中心的耗电量水平^[6].各通信运营商及5G设备生产商正在积极推进解决5G基站耗电过高的问题.国家能源局出台政策支持多渠道降低5G基站用电成本^[7].

为保障市电故障时通信服务的连续性,基站配有储能电池.2020年,5G基站备用电源储能需求为7.6 GW·h,预计2025年5G基站对备用电池需求量将达到78.6 GW·h^[8].这将是一笔重要的储能资源.5G基站对储能的备用需求与4G基站相比有所不同.5G基站负荷随通信负载变化的特点^[9]使得不同时刻储能的备用需求不同,为储能提供了可调度空间;同时,5G基站完备的通信系统为其储能统一优化调度提供支撑.因此,可通过挖掘5G基站闲置储能资源,降低用电成本.

目前,越来越多的学者与企业致力于降低5G基站用电成本的方法研究^[10-11].浙江铁塔集团和华为合作的智能化5G基站可以实现基站储能闲时充电忙时放电的错峰模式,降低基站用电成本^[12].文献[13]中考虑了电价零售合同建立了价格型与激励型需求响应模型,促进客户主动参与电能管理,降低用电成本.文献[14]中对分布式储能参与削峰填谷及调频辅助服务的技术经济性进行分析,并提出用户侧分布式储能在盈利中所要关注的影响因素.文献[15]中基于典型基站标准配置研究了5G基站参与需求响应降低用电成本的可行性与经济性.文献[16]中在论述通信基站电源运行方式基础上,利用基站储能进行配电网削峰填谷,参与电网经济调度.文献[17]中提出一种5G基站节能技术措施并建立利用其内部储能电池的虚拟电厂优化调度模型,将5G基站负荷纳入虚拟电厂范畴,并对其采取节能措施优化供电需求.文献[18]中基于数字储能系统,提出具有本地自治功能的通信基站备用电池储能系统设计和云储能系统的运营模式.文献[19]中以盘活通信基站闲置储能资源目的,提出考虑通信负载情况下的5G基站储能可调度潜力的分析方法.文献[20]中对5G通信基站参与电力系统需求响应的可行性与关键技术进行了论述,并就其前景进行了展望.上述研究针对5G基站储能优化调度的可行性提出了分析,并对5G基站储能参与电力系统需求相应进行了研究,但研究过程中并未研究5G基站的具体负荷,同时研究中将5G基站储能全部纳入电力系统调度,并未考虑5G基站对储能备用容量的动态需求.

综上所述,以充分盘活5G基站闲置储能,降低5G基站用电成本为目的,建立5G基站负荷模型与5G基站储能电池的可调度容量模型,并提出了一种5G基站储能电池的充放电策略,建立了5G基站储能电池优化调度的模型,通过算例分析对比5G基站储能在不同调度方案下通信运营商与电力系统的经济性,验证了本文所提模型的有效性与合理性,为研究5G基站参与电网需求响应提供了参考.

1 5G基站负荷模型及储能可调度容量模型

1.1 5G基站的基本构成及考虑通信负载率影响的基站负荷模型

5G基站主要有通信设备和辅助设备两类组成.其中,通信设备主要包含有源天线单元(Active Antenna Unit,AAU)、基带单元(Base Band Unit,BBU)和传输设备(Pass and Transmission equipment of Network,PTN);辅助设备主要包含电源设备、监控设备(Monitoring equipment,MON)、照明设备、空调设备、机柜(机房)以及杆塔等.以当前常见的室外柜型5G基站为研究对象,该类基站耗电及发热最大的AAU置于杆塔之上,机柜内设备自然散热,其典型组成如图1所示.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 5G基站构成

Fig.1 Structure composition of 5G base station

通信设备主要负责无线信号的收发,以及数字化处理后的无线信号进行与5G主干网络之间的通信.AAU即为4G基站的射频单元和天线阵列的组合^[21].BBU用于基带数字信号处理,功能包括快速傅里叶变换/逆变换、调制/解调、信道编码/解码等.传输设备用于实现5G基站的网络接入.辅助设备中的电源设备主要实现5G基站内各设备间电能的分配以及转换.市电故障时,由储能电池为通信设备供电^[22],同时监控设备将基站的状态远传给中心局.照明设备为工作人员检修提供照明,平时处于关闭状态.机柜(机房)用于放置基站除AAU外的各设备,杆塔用于悬挂AAU.

通过以上分析,建立5G基站负荷模型如下:

(1)P_5G=nP_AAU+P_BBU+P_PTN+P_SP+P_MON

式中:P_5G为5G基站功率;n为5G基站配置的AAU数量;P_AAU为基站内AAU功率,其大小与设备选型、载波配置以及基站的通信负载有关;P_BBU为BBU功率;P_PTN、P_SP、P_MON分别为传输设备、开关电源、监控设备功率;除AAU外,其他设备功率基本恒定.

现有的求取AAU功耗与基站通信负载率之间关系的方法,通常为用专门的功耗测试仪测量不同通信负载率下AAU的功耗,得到一系列离散的数据点,然后采用线性回归算法通过建立线性拟合回归方程^[23]:

(2)P_AAU=a₀U+b₀

式中:U为5G基站通信负载率;a₀、b₀为待拟合常数.以某运营商针对华为生产的5G基站设备实际测试结果为例^[24],其功率与通信负载率之间关系如表1所示,线性拟合结果如图2所示.图中:R²为回归平方和与总离差平方和的比值,取值为0~1,其值越接近1拟合效果越好.

表1 不同通信负载率时5G基站主设备功率

Tab.1 Main equipment power of 5G base station at different communication load rates

U/%	P_AAU/W	P_BBU/W
0	663.0	330
10	738.6	319
20	797.5	319
30	856.9	319
50	956.8	325.8
100	1 175.4	325.8

新窗口打开| 下载CSV

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 5G基站AAU功率与通信负载率关系

Fig.2 Relationship between AAU power of 5G base station and communication load rate

1.2 考虑供电可靠性的5G基站储能可调度容量

模型依据通信行业标准GB 51194—2016^[25],5G基站建设中储能电池容量简化计算公式如下:

(3)E_bat=K[(n

P_{A A U}^{m a x}

+P_BBU)T₁/η₁+ (P_PTN+P_MON)T₂/η₂]

式中:E_bat为蓄电池容量;K为安全系数; $P_{A A U}^{m a x}$ 为5G基站AAU最大功率;T₁为5G基站AAU和BBU的后备供电时长,一般取3 h;T₂为5G基站传输监控设备的后备供电时长,一般取10 h;放电容量系数η₁=0.75,η₂=0.8.

由于对5G基站储能进行优化调度,应综合考虑基站对储能备用容量需求的动态变化与其所接入的配电网可靠性两方面的影响.5G基站储能电池最小备用容量的动态需求为

(4)E_bat,rel(t)=

\int_{t}^{t + t_{1, r e l}}

(nP_AAU(t)+P_BBU)dt+

\int_{t}^{t + t_{2, r e l}}

(P_PTN+P_MON)dt

式中:E_bat,rel(t)为t时刻5G基站储能最小备用容量;t_1,rel为基站AAU、BBU最小备用供电时间;t_2,rel为基站传输监控设备最小备用供电时间;P_AAU(t)为t时刻AAU耗电功率.

在通信负载高的时段,5G基站对储能电池备用容量需求高,可调度容量低;通信负载低的时段,5G基站对储能电池备用容量需求低,可调度容量高,如图3所示.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 不同时段5G基站储能可调度容量示意图

Fig.3 Schematic diagram of energy storage schedulable capacity of 5G base station in different periods

5G基站主设备与传输监控设备的最小备用供电时长与所接入配电网的平均停电时间之间的关系为

(5)t_1,rel=

\{\begin{array}{l} t_{f}, & t_{f} \leq 3 \\ 3, & t_{f} > 3 \end{array}

(6)t_2,rel=

\{\begin{array}{l} t_{f}, & t_{f} \leq 10 \\ 10, & t_{f} > 10 \end{array}

式中:t_f为5G基站所接入的配电网年平均停电总时长.

则在t时刻该基站可供调用的储能容量为

(7)E_bat,ava(t)=E_bat-E_bat,rel(t)

式中:E_bat,ava(t)为5G基站储能t时刻可调度容量.

2 5G基站储能参与配电网调度优化模型

针对调度过程中5G基站储能的备用供电要求,提出了一种5G基站储能的充放电策略,建立了与配电网协同的5G基站储能优化调度模型.在该模型中设置针对5G基站储能调度主体的不同目标函数,优化储能充放电及最大化风力发电机、光伏发电单元出力,综合考虑5G基站功率约束、基站储能电池容量及充放电功率约束、风力发电机和光伏出力约束以及系统潮流约束等,以满足目标函数.

2.1 5G基站储能电池控制策略

在一个调度周期内,基站储能电池只进行一种充/放电行为,如图4所示.图中:P_bat为5G基站储能电池充放电功率;P_dch(t)为t时刻5G基站储能放电功率;P_ch(t)为t时刻5G基站储能充电功率;a、b为一组布尔型逻辑变量,a、b取值为0或1,且不能同时为1;黄色区域为优化调度区间.具体的控制策略如下:

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 5G基站储能电池控制策略

Fig.4 Control strategy of 5G base station energy storage battery

(1) 首先判断市电供应状态.如果市电正常则进入下一步.否则,由储能电池为基站设备供电,直至市电恢复正常或通信运营商调度柴油发电机为5G基站供电.

(2) 判断当前5G基站储能电池剩余电量能否满足下一时段基站对储能电池备用电量的需求,如果能满足则进行下一步.否则,以最大充电电流为储能电池充电至其电量满足下一时段5G基站对储能的最小要求.

(3) 对5G基站储能电池闲置容量进行调度,满足该调度时段结束时储能电池电量满足下一时段5G基站对储能的最小要求.

(4) 调度过程中如发生市电故障则执行(1).

(5) 该时段基站储能调度结束.

2.2 约束条件

2.2.1 5G基站运行约束

(1) 接入配电网节点i的功率交换约束.

(8)

P_{n e t, m i n}^{i}

≤

P_{n e t}^{i}

(t)≤

P_{n e t, m a x}^{i}

式中: $P_{n e t, m a x}^{i}$ 、 $P_{n e t, m i n}^{i}$ 分别为接入节点i的所有5G基站与配电网最大/小交换功率; $P_{n e t}^{i}$ (t)为t时刻接入节点i的所有5G基站与配电网交换功率,

(9)

P_{n e t}^{i}

(t)=

\overset{N_{i}}{\sum_{n = 1}} P_{n e t}^{i, n}

(t)

(10)

P_{n e t}^{i, n}

(t)=

P_{5 G}^{i, n}

(t)+

P_{b a t}^{i, n}

(t)

式中: $P_{n e t}^{i, n}$ (t)为t时刻接入节点i的第n个5G基站与配电网交换功率;N_i为接入节点i的5G基站数量; $P_{5 G}^{i, n}$ 为t时刻接入节点i的第n个5G基站运行功率; $P_{b a t}^{i, n}$ (t)为t时刻接入节点i的第n个5G基站储能电池充放电功率.

(2) 单个5G基站的购售电功率约束.

(11)

P_{n e t}^{i, n}

(t)=c

P_{b u y}^{i, n}

(t)+d

P_{s e l l}^{i, n}

(t)

(12)0≤

P_{b u y}^{i, n}

(t)≤

P_{n e t, m a x}^{i, n}

(13)

P_{n e t, m i n}^{i, n}

≤

P_{s e l l}^{i, n}

(t)<0

式中: $P_{b u y}^{i, n}$ (t)、 $P_{s e l l}^{i, n}$ (t)分别为t时刻接入节点i的第n个5G基站向配电网的购/售电功率;c、d为一组布尔型逻辑变量,c、d取值为0或1,且不能同时为1.

(3) 单个5G基站的储能电池充放电功率约束.

(14)

P_{b a t}^{i, n}

(t)=e

P_{c h}^{i, n}

(t)+f

P_{d c h}^{i, n}

(t)

(15)0≤

P_{c h}^{i, n}

(t)≤

P_{b a t, m a x}^{i, n}

(16)

P_{b a t, m i n}^{i, n}

≤

P_{d c h}^{i, n}

(t)<0

式中: $P_{b a t, m i n}^{i, n}$ 、 $P_{b a t, m a x}^{i, n}$ 分别为接入节点i的第n个5G基站的储能电池的最大/小出力功率; $P_{c h}^{i, n}$ (t)、 $P_{d c h}^{i, n}$ (t)分别为t时刻接入节点i的第n个5G基站储能电池充/放电功率;e、f为一组布尔型逻辑变量,e、f取值为0或1,且不能同时为1.

(4) 单个5G基站的储能电池容量约束.

(17)

E_{b a t, r e l}^{i, n}

(t)≤

E_{b a t}^{i, n}

(t)≤

E_{b a t, m a x}^{i, n}

(18)

E_{b a t}^{i, n}

(t+1)=

E_{b a t}^{i, n}

(t)+c

η_{c h}^{i, n} P_{c h}^{i, n}

(t)ΔT+d

P_{d c h}^{i, n}

(t)ΔT/

η_{d c h}^{i, n}

(19)

E_{b a t}^{i, n}

(N_TΔT)≥

E_{b a t}^{i, n}

(1)

式中: $E_{b a t}^{i, n}$ (t)为t时刻接入节点i的第n个5G基站储能电池容量; $E_{b a t, m a x}^{i, n}$ 为接入节点i的第n个5G基站储能电池最大容量; $E_{b a t, r e l}^{i, n}$ (t)为t时刻接入节点i的第n个5G基站最小储能备用容量; $η_{c h}^{i, n}$ 、 $η_{d c h}^{i, n}$ 分别为接入节点i的第n个5G基站储能电池充/放电效率; N_T为储能调度周期内时段数总数;ΔT为每一时段的时长.

在本文优化过程中, 调度时长为1 h,t时刻每个5G基站的储能最小备用容量为

(20)

E_{b a t, r e l}^{i, n}

\overset{t + t_{1, r e l}}{\sum_{t}} P_{M A I N}^{i, n}

(t)+

\overset{t + t_{2, r e l}}{\sum_{t}} P_{P I N}^{i, n}

(t)

式中: $P_{M A I N}^{i, n}$ (t)、P_PTN(t)分別为t时刻接入节点i的第n个5G基站主/传输设备功率.

2.2.2 风力发电机出力约束

主要针对5G基站储能优化调度,对于风力发电机主要考虑其能在一定情况下允许弃电.假设风力发电机仅与有功出力有关.同时考虑风力发电机对电网的无功影响.其表达式如下:

(21)0≤

P_{w t}^{i}

(t)≤

P_{w t, m a x}^{i}

(t)

(22)

Q_{w t}^{i}

(t)=tan φ _wt×

P_{w t}^{i}

(t)

式中: $P_{w t}^{i}$ (t)、 $Q_{w t}^{i}$ (t)分别为t时刻节点i处风力发电机实际有功/无功出力; $P_{w t, m a x}^{i}$ (t)为t时刻节点i处风力发电机有功最大出力;tan φ_wt为风力发电机功率因数.

2.2.3 光伏出力约束

光伏出力处理方式同风力发电机.其表达式如下:

(23)0≤

P_{p v}^{i}

(t)≤

P_{p v, m a x}^{i}

(t)

(24)

Q_{p v}^{i}

(t)=tan φ _pv×

P_{p v}^{i}

(t)

式中: $P_{p v}^{i}$ (t)、 $Q_{p v}^{i}$ (t)分别为t时刻节点i处光伏实际有功/无功出力; $P_{p v, m a x}^{i}$ (t)为t时刻节点i处光伏有功最大出力;tan φ_pv为光伏功率因数.

2.2.4 潮流约束

(1) 节点功率平衡.

(25)

\begin{array}{l} P_{j} = \sum_{k \in δ (j)} P_{j k} - \sum_{i \in π (j)} (P_{i j} - I_{i j}^{2} r_{i j}) + g_{j} V_{j}^{2} \\ Q_{j} = \sum_{k \in δ (j)} Q_{j k} - \sum_{i \in π (j)} (Q_{i j} - I_{i j}^{2} x_{i j}) + b_{j} V_{j}^{2} \end{array}\}

式中:P_j、Q_j分别为节点j的有功/无功注入功率;P_jk、Q_jk分别为接入节点j的各元件的有功/无功出力;P_ij、Q_ij分别为支路ij上的有功/无功功率;I_ij为支路ij上电流;r_ij、x_ij分别为支路ij的电阻/电抗;g_j、b_j分别为与节点相连的电导/电纳;V_j为节点j的电压;δ(j)、π(j)分别为以j为首/末端点的所有支路末端的节点集合.

(2) 支路容量约束.

(26)

\underline{P_{i j}}

≤P_ij≤

\bar{P_{i j}}

式中:P_ij为节点i流向节点j的有功功率; $\bar{P_{i j}}$ 、 $\underline{P_{i j}}$ 分别为支路ij上允许流过的最大/最小有功功率.

(3) 节点电压约束.

(27)

\underline{V_{i}}

≤V_i≤

\bar{V_{i}}

式中:V_i为节点i的电压幅值; $\bar{V_{i}}$ 、 $\underline{V_{i}}$ 分别为节点i允许的电压幅值上/下限.

2.3 目标函数

2.3.1 方案1

在本方案中,5G基站储电池处于满电量浮充的备用状态,不进行优化调度,基站由配电网供电并按峰谷电价向售电公司支付电费.该方案即通信运营商与售电公司之间关系的现状,二者之间没有互动.

2.3.2 方案2

该方案储能调度主体为通信运营商,通过对5G基站闲置储能“谷时充电,峰时放电”套取峰谷价差从而降低5G基站用电成本.优化目标为基站总成本最低,目标函数为

(28)min F=F_5G+F_bat

式中:F_5G为5G基站电费成本;F_bat成本为5G基站储能电池损耗成本.

(1) 5G基站电费成本.

(29)F_5G=

\overset{B}{\sum_{i = 1}} \overset{N_{i}}{\sum_{n = 1}} \overset{N_{T}}{\sum_{t = 1}}

(

P_{b u y}^{i, n}

(t)c_buy(t)+

P_{s e l l}^{i, n}

(t)c_sell(t))ΔT

式中:c_buy(t)、c_sell(t)分别t时刻购/售电价;B为系统中节点总数.

(2) 5G基站储能损耗成本.

(30)F_bat=c_bat

\overset{B}{\sum_{i = 1}} \overset{N_{i}}{\sum_{n = 1}} \overset{N_{T}}{\sum_{t = 1}}

η_{c h}^{i, n} P_{c h}^{i, n}

(t)ΔT|+ |

P_{d c h}^{i, n}

(t)ΔT/

η_{d c h}^{i, n}

式中:c_bat为5G基站储能损耗单价.

2.3.3 方案3

该方案主体为售电公司,通过对系统内5G基站闲置储能进行优化调度实现降低网络损耗与增加新能源消纳率的目的.通信运营商通过赚取储能调度的补贴来降低用电成本.目标函数为

(31)min F=R_Loss+R_5G+R_DG

式中:R_Loss配电网网络损耗成本;R_5G为配电网向5G通信运营商支付的基站储能参与电网调度的补贴费用;R_DG为弃风弃光成本.

(1) 配电网网络损耗成本.

(32)R_Loss=c_Loss

\overset{L}{\sum_{i j = 1}} \overset{N_{T}}{\sum_{t = 1}} I_{i j}^{2}

(t)R_ijΔT

式中:c_Loss为网损电价;I_ij(t)为t时刻支路ij电流值;R_ij为支路ij电阻;L为系统支路总数.

(2) 5G基站储能补贴费用.

5G基站闲置储能参与电力系统调度时,售电公司需要向通信运营商支付相关费用,该费用由于不同地区政策不同,补贴方式也有所不同.本节采取售电公司补贴5G基站储能实际参与调度的电量的方式,即

(33)R_5G=c_sub

\overset{B}{\sum_{i = 1}} \overset{N_{i}}{\sum_{n = 1}} \overset{N_{T}}{\sum_{t = 1}}

η_{c h}^{i, n} P_{c h}^{i, n}

(t)ΔT|+ |

P_{d c h}^{i, n}

(t)ΔT/

η_{d c h}^{i, n}

式中:c_sub为售电公司为5G基站储能参与调度补贴单价.

(3) 弃风弃光成本.

针对新能源不完全消纳产生的弃风弃光现象,引入弃风弃光成本:

(34)R_DG=R_wt+R_pv

(35)R_wt=c_wt

\overset{N_{W}}{\sum_{i = 1}} \overset{N_{T}}{\sum_{t = 1}}

[(

P_{w t, m a x}^{i}

(t)-

P_{w t}^{i}

(t))ΔT]

(36)R_pv=c_pv

\overset{N_{P}}{\sum_{i = 1}} \overset{N_{T}}{\sum_{t = 1}}

[(

P_{p v, m a x}^{i}

(t)-

P_{p v}^{i}

(t))ΔT]

式中:R_wt、R_pv分别为弃风/光成本;c_wt、c_pv分别为弃风/光单价; N_W为系统中风力发电机总数;N_P为系统中光伏总数.

3 算例分析

3.1 参数选取

本文应用IEEE33节点系统^[26],系统中接入风力发电机、光伏,如图5所示.图中:WT为风力发电机;PV为光伏.首先根据节点负荷大小将节点分为3类:一类为密集城区,二类为一般市区,三类为开发区,不同类型地区的基础负荷曲线如图6所示,图中:P为有功功率.

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 IEEE33节点系统

Fig.5 IEEE33 node system

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 不同类型地区负荷曲线

Fig.6 Load curves of different types of areas

为得到IEEE33节点系统各节点需要接入5G基站的数量.首先,根据各节之间的支路阻抗参数使用10 kV架空线路模拟得到各节点间长度距离;其次,将各节点间的长度距离与5G基站典型覆盖半径结合,按照满足5G信号覆盖的最小建站原则,得到每个节点所需接入的5G基站数量,5G接入系统的数量如表2所示.除5G基站的储能外,系统内不再配置其他储能资源.

表2 5G基站接入各节点数量

Tab.2 Number of 5G base station access nodes

节点	基站数量
11, 26, 33	1
2, 4, 5, 6, 9, 10, 12, 18, 27, 28	2
13, 16, 17	3
3, 7, 14, 22, 23, 25, 29	4
19, 21	5
20, 32	6
8	7
24, 20, 31	8

新窗口打开| 下载CSV

风力和光伏发电机组装机容量均为0.5 MW,产生的电能全部归配电网调度,选取典型气象日的风力发电机和光伏的最大出力曲线如图7所示.

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 风力发电机和光伏最大出力曲线

Fig.7 Maximum output curves of wind turbine and photovoltaic

考虑四运营商共建设的情况,则每个5G基站储能电池容量86.4 kW·h,单个5G基站标准充电功率为 60 kW,最大持续放电功率为100 kW,充放电效率为0.9.调度开始时,各5G基站初始储能电量均为总装机容量的0.7.单个5G基站的P_BBU=0.33 kW,P_PTN=0.4 kW,P_MON=0.1 kW,P_SP=0.2 kW.基站供电采用商业峰谷电价,如表3所示.配电网的供电可靠率取99.99%,基站储能参与电网统筹调度补偿为0.25 元/(kW·h).弃风弃光成本为0.3 元/(kW·h).基站通信负载率曲线及特点如表4所示.

表3 分时电价

Tab.3 Step electricity price

时段	c_buy/元	c_sell /元
0:00—7:00	0.425	0.225
7:00—10:00, 15:00—18:00, 22:00—0:00	0.725	0.425
10:00—15:00, 18:00—22:00	1.025	0.625

新窗口打开| 下载CSV

表4 系统内5G基站通信负荷率情况

Tab.4 Communication load rate of 5G base station in the system

场景	5G基站通信负曲线	特点
密集城区		基站通信负载率较高; 9:00—23:00为运行活跃期; 9:00—13:00、15:00—23:00为负载高峰期
一般市区		基站通信负载率中等; 6:00—23:00为运行活跃期; 8:00—13:00、18:00—23:00为负载高峰期
开发区		基站通信负载率中等; 8:00—21:00为运行活跃期; 9:00—13:00、18:00—20:00为负载高峰期

新窗口打开| 下载CSV

3.2 结果分析

为了验证模型的有效性,将上述线性化模型采用商业求解软件Cplex进行求解.程序在MATLAB R2018a环境下基于Yalmip+Cplex12.6.0算法包进行计算.3种方案运行结果如表5~6及图8~11所示,具体分析如下.

表5 5G基站3种方案运行结果对比

Tab.5 Comparison of operation results of the three schemes of 5G base station

方案	F_5G×10^-4/元	F_bat×10^-4/元	R_5G×10^-4/元	F×10^-4/元
1	5.156	0	0	5.156
2	4.438	0.168	0	4.616
3	5.156	0.040	0.989	4.105

新窗口打开| 下载CSV

表6 配电网3种方案运行结果对比

Tab.6 Comparison of operation results of the three schemes of distribution network

方案	弃风率/%	R_wt×10^-4/元	弃光率/%	R_pv×10^-4/元	网损率/%	R_Loss×10^-4/元	负荷方差
1	20.54	0.942	28.55	0.526	15.42	1.471	0.024 45
2	11.11	0.398	17.76	0.295	8.03	0.942	0.007 38
3	2.64	0.121	6.34	0.117	2.54	0.096	0.003 88

新窗口打开| 下载CSV

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 3种方案系统内有功功率情况

Fig.8 Power in the system of the three schemes

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 不同方案下各节点基站储能充放电策略优化结果

Fig.9 Optimization results of charging and discharging strategies for energy storage in base stations of each node of different schemes

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 3种方案风力发电机实际出力与最大出力值对比

Fig.10 Comparison of actual wind turbine output and maximum value of the three schemes

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 3种方案光伏实际出力与最大出力值对比

Fig.11 Comparison of actual photovoltaic output and maximum value of the three schemes

(1) 5G基站用电成本.

从表5中可以看出,对5G基站闲置储能进行优化调度后可降低基站用电成本.当系统中5G基站储能采用方案2的调度方案时,其成本相较于采用方案1降低0.54 万元(10.47%);当系统中5G基站储能采用第3种调度方案时,通信基站依靠基站闲置储能参与电网调度赚取补贴,其成本相较于采用方案1降低1.051 万元(20.38%),5G基站用电成本显著降低.

(2) 网络损耗情况.

由表6及图8可知,对5G基站内闲置储能进行调度后可降低系统内网络损耗.方案2由于只考虑5G基站内的用能成本,“谷时充电,峰时放电”的基站内部储能调度策略对系统网损降低效果有限;方案3全局考虑系统网损最小, 其网络损耗相比于方案2网损降低了0.946 万元(5.49%),可以抵消电网给5G通信运营商的储能调度补贴.

(3) 弃风弃光率与弃风弃光成本.

由表6及图9~10可知,在对5G基站闲置储能进行调度后,全时段提高新能源消纳率效果显著.

方案2只考虑基站内部用能经济性最优,造成在低谷时段系统中仍存在一定的弃风弃光;方案3全局考虑基站用能经济性与系统网损最低,全时段提高了新能源消纳率,弃风率由最初的20.54%降至2.64%,弃光率由最初的28.55%降至6.34%.

(4) 负荷方差.

由表6及图8可知,当5G基站接入系统后,为原有负荷曲线带了“峰上加峰”的效果,拉大了原有负荷的峰谷差.方案2由于采用基站闲置储能谷时充电峰时放电,提高了新能源消纳率的同时降低了峰谷方差;方案3充分消纳了系统中的风光资源,使得负荷方差降低至 0.003 88,配电网的经济性最优.

在确定接入IEEE33节点系统的5G基站数量时,采用满足5G信号覆盖的最少建站原则.随着通信运营为改善5G信号覆盖、提高通信服务质量而建设更多的5G基站,系统内可调度的5G基站闲置储能数量增多,对降低电力系统的网络损耗及负荷方差、提升新能源消纳率的效果将更加明显.

4 结论

通过建立5G基站负荷模型,得到5G基站储能电池的可调度容量模型,提出了一种5G基站储能电池的充放电策略,并建立了5G基站储能电池调度的模型,通过算例分析5G基站储能电池在不同调度方案下的通信运营商与电力系统的经济性,得到如下结论:

(1) 5G基站负荷随基站通信负载变化的特点,使得其储能电池存在可调度空间;配电网供电可靠性的提高,进一步加大5G基站储能电池的可调度空间,同时系统内的5G基站储能可调度容量,在空间上和时间上互补.

(2) 相比于对5G基站闲置储能“谷时充电、峰时放电”进行峰谷套利的调度方式,通信运营商将5G基站闲置储能租赁给售电公司统一调度赚取补贴的方式对降低5G基站的用电成本效果更好.

(3) 随着5G基站的接入,配电网的网络损耗升高.通过对5G基站储能进行调度,可减小系统的网络损耗与负荷波动的方差,同时提高系统内的新能源消纳水平,提升配电网运行的经济性.

本文考虑了5G基站储能在不同调度方案下,5G基站用电成本以及配电网内的新能源消纳、网络损耗、负荷波动方差等情况.但未考虑电池温度、老化等因素对电池寿命及充放电的影响;同时对同一节点的5G基站储能状态处理上有所简化.如何对复杂状态下的5G基站储能进行调度,以及如何对5G基站负荷用电功率进行控制,将5G基站储能与基站内用电设备结合参与电力系统的需求响应值得进一步的研究.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

刘志坚

深化全面互联网化运营转型助力5G万物互联新时代

[J]. 信息通信技术, 2019, 13(3): 4-6.