計及通信負載的5G基站儲能調控策略

　　摘要 5G 基站建設作為“新基建”的重要組成部分，正加快推進建設進程。隨著 5G 基站建設數量劇增，基站備用儲能將是一筆容量可觀的儲能資源。由于 5G 基站仍處于建設初期，其作為新的儲能配置主體參與配電網協同互動的策略仍亟待研究。文中設計了以盤活通信基站閑置儲能資源為目的的 5G 基站云儲能系統，提出計及通信負載的基站儲能可調度潛力分析方法，并建立了 5G 基站儲能參與電網協同調度模型。算例分析結果表明，文中所提 5G 基站儲能調控策略可降低儲能充放電對備電作用的影響，并利用基站通信負載的時間差異性與空間互補性，有效達到輔助電網削峰填谷、減少基站運營成本的效果，使電網與通信運營商互利共贏。

　　麻秀范; 孟祥玉; 朱秋萍; 段穎; 王志， 電工技術學報 發表時間：2021-09-06

　　關鍵詞：5G 基站備用儲能 通信負載 云儲能系統 可調度潛力

　　0 引言

　　近兩年，我國明確提出加快“新基建”發展步伐，5G 基站建設作為新基建之一，正穩步推進建設進程。5G 通信的頻段較高，單個 5G 基站覆蓋范圍較 4G 基站小，且由于使用了更大規模的陣列天線、更高的帶寬，其耗能明顯高于 3G、4G 基站，各大運營商都在積極探索降低電費的方法。5G 基站通常會配置儲能作為備用電源來保證基站的不間斷供電需求，據工信部預計 2023 年 5G 基站對備用電池需求量將達到 31.8 GW•h，這是一筆非常大的儲能資源。隨著我國配電網更加堅強可靠，在市電正常供電時，通信基站儲能電池一直處于閑置狀態，造成了資源的浪費。因此，如何盤活碎片化閑置儲能資源，使 5G 基站作為新的儲能配置主體參與到與配電網的協同互動中來，從而實現電網與通信運營商的互利共贏將成為研究的重點。

　　目前，在 5G 基站能效管理方面，國內外研究者多聚焦于基站休眠技術的研究[1-4]，其意在從源頭降低基站的能耗，進而達到節約能源、降低運營商電費成本的目的。但這種方法在節能降費的同時往往伴隨運營商通信服務質量受損，5G 通信用戶體驗感降低等風險，因此亟待研究結合基站通信負載情況及不同時間空間尺度的動態功耗管理技術。

　　在儲能調控技術方面，越來越多的學者致力于研究使各類分布式儲能資源參與電力系統協同調度的方法[5-10]。文獻[11]提出電動汽車分布式儲能概念，考慮電池、電網和車主使用約束，提出計及電動汽車 出 行 不 確 定 性 的 儲 能 充 放 電 控 制 策 略 。 文 獻 [12-13]基于規模化聚合管理分布式儲能的研究思路，分別建立了電力市場環境下分布式儲能聚合商參與電網協同調控模型。文獻[14]總結了 5G 基站設備組成和用電特性，并對基站后備儲能作為靈活需求側資源參與電力系統協調互動進行展望，但并未提出 5G 基站儲能參與協調互動的具體調控方法。由于 5G 基站具備自身通信業務特性，其他形式的儲能調控研究成果無法完全適配于 5G 基站儲能調控，因此考慮通信基站后備儲能特殊性的參與電網協同調度方法將成為研究重點。

　　隨著能源與信息領域深度融合的不斷推進，通過構建儲能云平臺，利用能量信息化技術和先進通信技術對分散的儲能資源進行數字化管控逐漸受到研究學者的關注[15]。文獻[16]解釋了云儲能及其相關概念，詳細闡述了云儲能模式的各個要素及未來研究展望。文獻[17]設計了本地自治的基站備用電池云儲能系統，并提出了云儲能系統的運營模式，但并未針對基站備用電池的能量管控方法進行具體研究。總結來看，目前關于 5G 基站儲能參與電網協同調度的具體方式研究還比較缺乏，亟待對其進行進一步探索與完善研究。

　　本文從聚合大規模、分布式的基站儲能資源以參與電網協同互動的角度，設計了以盤活通信基站閑置儲能資源為目的的 5G 基站云儲能系統。提出考慮基站通信負載差異性的基站儲能可調度潛力分析方法，并根據基站儲能的可調度容量，使用最小化負荷曲線方差及最大化儲能調控收益作為優化目標，建立 5G 基站儲能參與電網協同調度模型。并通過算例分析驗證了模型的有效性與合理性，為 5G 基站儲能參與電網協同調度提供了策略參考。

　　1 5G 基站云儲能系統簡介

　　1.1 5G 基站云儲能系統控制架構

　　5G 基站儲能具有數量多，分散廣，個體容量小的特點。若由電網直接控制各單個基站儲能的充放電行為，會給電網帶來過重的計算負擔及工作量[18-19]，也削弱了電網利用基站分布式小容量儲能的意愿，因此由電網直接調控基站儲能的可行性較低。本文在電網與各單個 5G 基站儲能之間引入 5G 基站云儲能調控平臺這個類似中間代理商的角色，形成由電網-云儲能調控平臺-5G 基站三個主體構成的 5G 基站云儲能系統，利用云儲能的形式將小而分散的 5G 基站儲能虛擬聚合，意在利用先進的通信技術打破物理連接局限，使電網靈活利用這種容量小、分散廣的儲能資源成為可能。

　　在該控制架構下，大量且分散的 5G 基站儲能以終端形式接入云儲能調控平臺，并受其調控進行充放電響應。基站云儲能調控平臺作為 5G 基站儲能和電網之間的交互平臺，根據采集終端儲能的狀態參數，制定充放電計劃并將其上傳至電力系統調度中心，經電網安全校核并反饋結果后將具體的充放電策略下達至各 5G 基站，起到了傳遞信息流的作用。5G 基站儲能執行收到的調控指令信息，通過儲能的充電與放電實現與電網之間能量流的傳遞。

　　1.2 5G 基站云儲能系統調控模式

　　5G 基站儲能參與電網優化運行的目的主要是為盤活閑置的基站備用電池儲能資源，通過合理的充放電過程實現參與電網削峰填谷，并利用峰谷電價差獲取一定的收益。其可選擇的調控模式可大致分為以下兩種：

　　1)基站自主調控

　　在該調控模式下，基站僅考慮自身備用電池實際使用情況，根據當前電價控制基站儲能的充放電行為，通過儲能的低儲高放獲得收益。

　　2)云儲能調控平臺運營方通過與通信運營商簽訂合同直接調控基站儲能

　　在該調控模式下，云儲能調控平臺運營方通過與通信運營商簽訂合同，獲取基站儲能設備的調控權，并通過與電網的信息交互按照電網實際運行需求下達調控指令，調整包括儲能功率、啟停等在內的充放電行為。

　　考慮到 5G 基站個體容量小且數量多，基站依據電價自主調控儲能，缺少與電網之間信息的交互，未必會真正滿足電網實際運行需求。甚至由于對電價信息的敏感程度和響應速度的差異性出現過響應或響應滯后等結果，嚴重影響了基站儲能參與電網優化運行的效果。因此，本文對 5G 基站儲能調控策略的研究采用基于合同的直接調控模式。

　　1.3 5G 基站云儲能系統調控流程

　　基站云儲能調控平臺實現將分散的 5G 基站儲能聚合以服務電網，其與電網和 5G 基站的交互流程如圖 1 所示。

　　調控平臺運營方在 5G 基站側安裝終端量測、通信和控制設備，對基站的運行狀態、儲能設備參數和基站負載狀態等信息進行實時監測，并結合各 5G 基站的備用電池需求情況分析基站儲能的可調度潛力，制定聚合后的基站儲能調用出力計劃并上報給電網。電網經安全校核反饋給調控平臺需求指令，調控平臺根據指令制定具體的調控策略并下達至各 5G 基站，控制各基站儲能的充放電行為。

　　2 5G 基站儲能可調度潛力分析

　　2.1 基站通信負載特性

　　用戶作為基站通信數據流量產生的來源，其日常使用行為在一定程度上導致了通信流量負載在不同時刻呈動態變化的特性。且用戶在移動網絡中隨時可能處于移動狀態，隨著用戶在空間位置上的移動，其通信過程也會在不同基站覆蓋區之間移動。如圖 2 所示，以目前應用成熟的 4G 基站通信負載時空特性舉例說明[20]。

　　可以看到，在時間特性方面，受用戶生活習慣的影響，基站通信負載在一天 24 h 內處于波動狀態，且存在明顯負載高峰和低谷;在空間特性方面，工作時段辦公區域的基站通信負載明顯高于居民區域，而非工作時段，居民區域的基站通信負載明顯高于辦公區域。我們身邊的眾多場所如商業區，辦公區，住宅區等區域均隨人類移動行為而存在明顯的用戶數量波動性，這使得處于不同地理區域的基站通信負載情況存在明顯差異性與一定程度的互補性。隨著 4G 時代向 5G 時代邁進，定然會催生出依托于 5G 高傳輸速率、低延遲等優勢的新業務及應用，但其對于人類移動行為的影響比較有限，故處于不同功能區域的 5G 基站通信負載也會存在一定程度的差異與互補。目前 5G 基站儲能的容量主要參考基站峰值負載所對應的峰值功耗進行配置，由于基站通信負載并不是時刻都處于峰值狀態，故其儲能的配置存在一定冗余，這也為基站儲能參與電網協調互動提供了可挖掘的調度潛力。

　　2.2 基站儲能可調度容量模型

　　5G 基站儲能最主要的功能是作為備用電源來保證基站的不間斷供電需求，因此 5G 基站儲能充放電方案的制定，需要根據基站對備用電源需求的緊要程度，以最小化市電突然停供對基站連接用戶的影響為前提，進行制定。

　　基站負載表示了基站承擔業務量的多少，可以由基站接入用戶數、占用帶寬比、占用子帶寬數等表示[21]。本文以基站接入的用戶數目表示基站負載量，并引入一個基站負載率指標?load 為 load = all L L ? (1)式中，L 為基站當前接入用戶數;Lall 為基站可承擔最大用戶接入量。基站負載率指標?load 定義為基站當前接入用戶量和基站最大用戶接入量的比值，反映了基站當前負載狀態的繁重程度，由于用戶接入基站時不允許超負載，故 [0,1] ?load ?。根據?load 的大小對基站負載狀態進行劃分，見表 1。

　　其中，基站負載狀態指標閾值 n 可根據基站自身情況及調控需求靈活調整。由于基站負載狀態直接影響其對于備用電源需求的緊要程度，對于處于重負載狀態的基站，其接入用戶數目大，承擔業務量多，對備用電源的容量穩定性和備電可靠性要求很高，而儲能調控參與電網互動會影響其作為備用電源的可靠性，故本文不考慮對處于重負載狀態的基站儲能進行調控。對于處于零負載狀態和正常狀態的基站，因其對備用電源需求的緊要程度相對較低，隨著市電供電可靠性的提高，為了避免基站儲能在市電供應正常時長期處于閑置狀態而造成資源的浪費，考慮對此類基站儲能進行合理調控，提高資源利用率。

　　為了提高基站儲能調控的合理性，考慮通過限制基站儲能充放電的荷電狀態(State of Charge, SOC)范圍將基站儲能可調控容量與基站負載狀態相關聯，盡量降低儲能調控對備電作用的影響。

　　具體實現方法如圖 3 所示。

　　由圖 3 可知，Sup 和 Sdown 分別為儲能電池為避免過充過放設置的 SOC 上、下限值，Smin 和 Smax 分別為考慮基站負載狀態而設定的儲能充放電 SOC 上下限，其中 min load S k ? ? (2)式(2)將基站儲能的放電 SOC 下限與基站負載狀態相關聯，k 為關聯系數且 k ?[0,1] 。當基站負載狀態指標?load 值增大時，儲能的放電 SOC 下限 Smin 隨之增高，儲能放電到約束的 SOC 值時便停止放電，盡可能提升儲能的備電可靠性。

　　對于基站儲能充電上限的約束沒有放電下限約束那么嚴格，因為基站儲能處于容量充裕狀態是有利于基站備電可靠性的，故可將 Smax 默認設置為 Smax=Sup。

　　綜合考慮儲能的兩種約束，得到基站 i 的最終充放電 SOC 上、下限分別為 ,min min max{ , } i down S S S ? (3) S S S i up ,max max ? ? (4)根據基站 i 儲能的實時 SOC 狀態和充放電 SOC 上、下限可計算儲能的向上可充電容量和向下可放電容量分別為 ,max ( ) [ ( )] pc E t S S t E i i i ? ? ? (5) ,min ( ) [ ( ) ] pd E t S t S E i i i ? ? ? (6)式中， () pc E t i 和 ( ) pd E t i 分別為向上可充電容量和向下可放電容量;Si(t)為 t 時刻基站 i 儲能的 SOC 值; Si,max 和 Si,min 為基站 i 的儲能充放電 SOC 上下限，E 為儲能額定容量。

　　根據儲能的可充電容量和可放電容量可以計算出在一個調度的時間間隔 Δt 內，基站 i 儲能的最大充電功率和最大放電功率為 ,max ( ) ( ) min( , ) pc c i i i E t p t p t ??? (7)式中， ,max pc i p 為基站 i 儲能在 Δt 內的最大充電功率; i p ?為儲能電池的最大充電功率限制值。

　　假設充電基站儲能群的基站數量為 M 個，則 t時刻充電儲能群的最大充電功率為 max ,max 1 ( ) ( ) M c c i i P t p t ??? (8)同理，儲能放電時 ,max ( ) ( ) min( , ) pd d i i i E t p t p t ??? (9)式中， ,max pd i p 為基站 i 儲能在 Δt 內的最大放電功率; i p ? 為儲能電池的最大放電功率限制值。假設放電基站儲能群的基站數量為 N 個，則 t 時刻放電儲能群的最大放電功率為 max ,max 1 ( ) ( ) N d d i i P t p t ??? (10)

　　3 計及通信負載的 5G 基站儲能調控策略

　　3.1 基站儲能分群調控原理

　　本文選取了 5G 基站儲能分群依據的四個指標，分別為：市電供應狀態、基站負載狀態、儲能荷電狀態和儲能充放電次數。

　　1)市電供應狀態：是最先需要考慮的狀態量，我們所研究的對 5G 基站儲能的調控都是基于儲能閑置條件下的，若市電故障停電，基站儲能必然要履行其備電作用。

　　2)基站負載狀態：不同基站在不同時刻的流量負載是不同的，可根據基站流量負載程度不同為其添加零負載、輕負載、重負載標簽。對于流量負載過高的重負載基站，因其承擔的用戶數目大，業務多，對基站儲能的備電可靠性需求也會增高，我們考慮不對重負載基站的儲能進行調控，令其僅作備電。

　　3)儲能荷電狀態：根據儲能荷電狀態的不同來決定是將其編入充電儲能群還是放電儲能群，并可以通過設定一定的荷電狀態限制值來限制儲能的充放電深度。

　　4)儲能充放電次數：儲能充放電次數與儲能系統壽命直接相關，設定充放電次數限制可以避免儲能因受電網調控而頻繁充放電導致其使用壽命下降的問題。對于儲能充放電次數達到上限的基站儲能不考慮繼續對其進行調控。

　　具體分群判別的流程如圖 4 所示。

　　3.2 儲能調控目標函數

　　隨著智能電網的快速發展，電網對削減峰時用電、緩解線路阻塞、提高電力系統運行安全性與經濟性的需求逐步提升，同時，通信運營商也急需利用現有資源降本增效從而進一步推動 5G 基站的推廣建設進程。故為切實達到基站儲能與電網互動的友好協調，本文考慮以下兩個優化目標函數。

　　1)目標函數 1：最小化負荷曲線方差? ? 24 1 1 2 24 1 1 min ( ) ( ) ( ) 24 1 ( ) ( ) ( ) 24 ch diss t ch diss t F D t P t P t D t P t P t ???? ? ? ???? ? ? ?????(11)式中，D(t)為 t 時刻電網的負荷需求;Pch(t)、Pdiss(t) 為 t 時 刻 5G 基 站 儲 能 總 充 電 放 電 功 率 ， 且 Pch(t)=ΣPi,ch(t)，Pdiss(t)=ΣPi,diss(t)。

　　2)目標函數 2：最大化基站儲能調控效益max ( ) ( ) ( ) ( ) diss t diss ch t ch t b diss ch t F P t t P t t C P t P t t ? ???? ? ? ?? ? ???(12)式中，πch,t 和 πdiss,t 分別為基站儲能在 t 時刻的充放電價格;Cb 為基站儲能損耗成本系數;Δt 為單位時間間隔。

　　3.3 儲能調控約束條件

　　1)基站儲能的充放電狀態約束? ? 0 1 , ,0 1 ch diss ch diss ? ?? ?? ? ? ? ??? ? ? (13)式中，βch、βdiss 為儲能充放電狀態變量，上述約束保證單個 5G 基站儲能在同一時段不可處于既充電又放電狀態。

　　2)調控平臺充放電指令約束

　　5G 基站云儲能調控平臺在任一調度時段內不能同時下達充電和放電指令，但可以處于既不充電也不放電的待機狀態，故調控平臺的充放電指令約束為 diss ( ) ( )=0 P t P t ch ? (14)

　　3)儲能充放電等式約束 , , , , , , i diss t i t i t t ch i ch t diss P t E E P t ?????? ? ? ?(15)式中，Ei,t 為 t 時刻儲能 i 容量;ηch 為儲能充電系數; ηdiss 為儲能放電系數;E 為儲能額定容量。

　　4)儲能充放電功率約束 , , ,max , , ,max 0 ( ) ( ) 0 ( ) ( ) c i ch ch t i d i diss diss t i P t P t P t P t ??? ? ? ??? ? ? ? (16)式中，Pi,ch(t)為儲能 i 在 t 時刻的充電功率;Pi,diss(t) 為儲能 i 在 t 時刻的放電功率。

　　5)儲能 SOC 上下限約束 i t i t i t ,min, , ,max, S SOC S ? ? (17)式中，Si,min,t 為儲能 i 在 t 時刻的 SOC 下限;Si,max,t 為儲能 i 在 t 時刻的 SOC 上限。

　　6)電網功率約束 min max min max ( ) ( ) grid ch grid grid diss grid P P t P P P t P ? ? ? ??? ? ? ? (18)式中， max grid P 、 min grid P 分別為當前區域電網允許的傳輸功率上、下限。

　　3.4 多目標處理

　　文中所提模型為多目標優化問題，為便于模型求解，首先利用 min-max 標準化方法消除目標函數間量綱及數量級的差異，對各目標函數歸一化處理如下： 1)極小化目標函數歸一化處理 ' min max min i i i i i F F F F F ??? (19) 2)極大化目標函數歸一化處理 ' max max min i i i i i F F F F F ??? (20)式中，Fi、F ’ i 分別為歸一化前后目標函數值;Fimax、 Fimin 分別為目標函數最大、最小值。利用權系數法將多目標轉換為單目標優化： 2 ' 1 min i i i F F ???? (21)式中，ωi 為權重系數，且 Σωi=1。權重系數可按照實際調控需求調節，本文以 ωi 分別為 0.5，0.5 進行求解。

　　4 算例分析

　　4.1 算例數據

　　為驗證模型有效性，采用某地區典型日負荷曲線[22]作為原始負荷數據，負荷曲線如圖 5 所示，分時電價見表 2。假設該地區共有 200 個 5G 基站參與電網協同調度，且分散于工作區、住宅區、商業區、寄宿制大學中學區和工作住宅混合區 5 種不同功能區域，每種功能區域的 5G 基站數量占比分別為 38%、 17%、14%、8%和 23%。由于目前 5G 基站的建設覆蓋范圍和用戶使用情況還未達到穩定水平，故初步利用文獻[23]中的 4G 基站通信負載變化趨勢來模擬算例中涉及的 5G 基站通信負載變化，即各功能區域典型 5G 基站通信負載變化趨勢如圖 6 所示。

　　根據當前 5G 基站后備電源配置情況，本文研究的單個 5G 基站均配置一組 48 V/400 A•h 的儲能電池，各基站儲能在調度時段初始的 SOC 值為 0.3，且每小時最大充放電功率為 0.3 倍額定容量，具體儲能設備參數見表 3。

　　4.2 結果分析

　　4.2.1 儲能充放電策略結果

　　根據各區域基站通信負載變化趨勢，本文不考慮對基站負載狀態指標大于 0.8 的繁重基站進行儲能調控，即基站負載狀態指標閾值 n 取 0.8[21]，且 2.2 節所述關聯系數 k 取 0.5，利用 matlab 平臺調用 cplex 求解器進行優化求解，得到最終基站儲能充放電策略。圖 7 展示了在一個調度周期內 5G 基站儲能受基站云儲能調控平臺調控的充放電策略結果及原始負荷曲線和疊加儲能出力后的實際負荷曲線，其中正值為儲能充電功率，負值為放電功率。

　　由圖 7 可知，基站儲能參與電網協同調度可以平抑峰谷差，達到削峰填谷的效果，且不會因儲能的出力而引起新的負荷尖峰或負荷低谷。具體削峰填谷效果見表 4。

　　4.2.2 各區域儲能充放電結果

　　五種功能區域典型 5G 基站充放電策略結果如由圖 8 可知，0~8 時各區域基站儲能處于充電階段緩慢積累電量，達到填谷效果。在放電階段，基站通信負載高峰時段儲能處于待機狀態不與電網進行協調互動，進而保證儲能留有一定余量進行備電;基站通信負載正常及低谷時段基站儲能放電，達到削峰效果。位于大學及寄宿制中學區和住宅區的基站儲能放電主要集中于 10~13 時，位于商業區和工作區的基站儲能放電主要集中于 17~22 時，放電時段對應各區域基站通信負載較低時段。由于不同區域基站通信負載變化存在一定互補性，使得各區域儲能的充放電動作相互配合，因此集中后的基站儲能可調度潛力不會在某個時段過低或過高。

　　4.2.3 儲能充放電策略對比分析

　　本文提出的計及基站通信負載狀態的工作住宅混合區典型儲能充放電策略及不計及通信負載狀態的儲能充放電策略如圖 9 所示。

　　由圖 9 可知，本文提出策略在基站通信負載高峰時段(如 19~20 時)處于待機狀態，保留了一定儲能容量進行備電;不計及通信負載狀態的充放電策略在 19~20 時儲能已放電至容量較低水平，而基站通信負載卻處于高峰狀態，若此時市電突然停供，儲能將沒有足夠的剩余容量向基站進行緊急供電，從而影響基站的通信服務質量。

　　4.2.4 基站儲能參與協同調度收益分析

　　一個調度周期內基站儲能參與電網協同調度的收益如圖 10 所示。

　　由圖 10 可知，本文提出的儲能充放電策略在一個 調 度 周 期 內 可 獲 得 的 儲 能 低 儲 高 放 收 益 為 1 287.21 元，與不計及通信負載狀態的儲能調控策略相比收益相對低一些，但是其基站的備電可靠程度得到提高。

　　5 結論

　　本文以盤活通信基站閑置儲能資源為初衷，提出考慮基站通信負載差異性與互補性的基站儲能參與電網協同調控策略，該策略針對 5G 基站儲能的特殊性，計及通信負載實時變化對基站備電需求的影響，可減少基站儲能參與協同調度對其自身備電可靠程度的影響。通過算例分析驗證了模型的有效性及合理性，并得到以下結論：

　　1)通過基站儲能云調控平臺將大量且分散的 5G 基站儲能聚合以參與電網協同互動，可切實達到輔助電網平抑峰谷差、削峰填谷的效果，本文所提策略使區域峰谷差減少 34.67%。

　　2)將基站儲能可調控潛力與基站通信負載狀態相關聯進而制定儲能調控策略，可避免通信負載高峰時儲能剩余備電容量過低的情況出現，并可利用不同區域通信負載變化的互補性，使集中后的基站儲能可調度潛力不會在某個時段過低或過高。

　　3)基站儲能參與電網協同互動可在平抑電網峰谷差的同時通過儲能的低儲高放獲得收益，本文所提策略在一個調度周期內可獲得的儲能低儲高放收益 1 287.21 元，在一定程度上減少了基站運營成本，實現電網與通信運營商的互利共贏。