摘要

  随着5G技术的快速发展，高能耗5G基站的规模化应用增大了基站运营成本，加剧了配电网供需不平衡等问题。首先，基于5G基站能耗特性，分析了基站调控潜力，结合5G基站能耗和光伏出力的动态变化，构建了基站间能量共享以及基站与配电网间能量交易模型。然后，以促进5G基站能量共享、提高基站运营效益和参与削峰填谷收益为优化目标，构建了5G融合配电网基站储能调控优化模型，并提出基于能量共享与交易协同的5G基站储能调控算法求解。最后，仿真结果表明：所提方法能够提高基站运营效益，促进配电网削峰填谷，同时实现对光伏出力的有效消纳。

  01 5G基站调控潜力分析

  1.1 5G基站能耗特性分析

  5G基站能耗可分为静态能耗和动态能耗。其中，静态能耗主要包括直流电源损耗、网络传输设备负荷和维持基站室内环境的用电负荷，如空调、照明等；动态能耗主要为有源天线单元（active antenna unit，AAU）负荷能耗、基带单元（base band unit，BBU）负荷能耗等。5G基站运行时，AAU的耗电量随基站的通信负载动态变化。

  受用户移动性和行为随机性的影响，基站通信负载在时间上呈现周期性动态变化，在空间上呈现区域性差异。在时间分布上，基站通信负载以一天24 h为周期动态变化；在空间分布上，办公、住宅、商业区域的用户数量随时间的变化呈现明显差异，导致不同区域的基站通信负载也呈现差异，例如，工作时段办公区基站通信负载明显高于住宅区，而非工作时段居住区基站通信负载明显高于办公区。

  1.2 5G基站储能调控潜力

  基站在建设时配置储能电池作为不间断电源，保障供电需求。可根据基站的用电需求实时调控基站储能，在保障基站供电的前提下提供用电灵活性。基站储能容量包括最小备用容量和可调度容量2个部分，如图1所示。在高通信负载时段，通过降低可调度容量，增加最小备用容量，保障基站供电和通信服务质量；在低通信负载时段，通过降低最小备用容量，提高可调度容量，在保证自身供电可靠性的前提下，参与基站间能量共享和配电网能量交易，提高基站运营效益，促进配电网削峰填谷。

图1 5G基站储能电池可调度容量示意

Fig.1 Schematic diagram of dispatching capacity of energy storage batteries in 5G base stations

  02 系统模型

  考虑能量共享与能量交易的5G融合配电网基站储能调控场景如图2所示，包括5G基站、配电网和储能运营商等实体。假设场景中共存在K个5G基站，其集合表示为 S={S1,⋯,SK} 。5G基站配备分布式光伏和储能电池，在保障自身能量需求的前提下，参与基站间能量共享和配电网能量交易。将储能调控总优化时长划分为T个时段。基站与基站、基站与配电网间通过双向交直流逆变器相互连接，能量可以通过直流电力总线在基站及配电网之间相互共享与交易；储能运营商根据每个时段内5G基站的储能可调控容量和配电网的实时电价，协同优化基站间的能量共享以及基站与配电网之间的能量交易。

图2 考虑能量共享与能量交易的5G融合配电网基站储能调控场景

Fig.2 Scenario of energy storage regulation of base stations in 5G integrated distribution network with energy sharing and energy trading

  2.1 5G基站能耗模型

  2.2 5G基站光伏出力模型

  2.3 5G基站类型判断模型

  2.4 基站调控模型

  2.4.1 5G基站间能量共享模型

  2.4.2 5G基站能量交易模型

  2.4.3 5G基站储能容量更新模型

  2.5 5G基站运营效益模型

  2.5.1 5G基站与配电网能量交易效益模型

  2.5.2 5G基站参与配电网削峰填谷收益模型

  03 5G融合配电网基站储能调控优化问题构建

  3.1 目标函数和优化变量

  3.2 约束条件

  3.2.1 5G基站类型约束

  第 t 个时段，充电型基站和放电型基站的集合应满足

  3.2.2 5G基站间能量共享约束

  3.2.3 5G基站储能模型约束

  3.2.4 5G基站与配电网能量交易约束

  04 基于能量共享交易协同的5G基站储能调控算法

  本文提出基于能量共享交易协同的5G基站储能调控算法求解上述问题。首先，根据基站类型判断模型将基站划分为充电型基站和放电型基站。其次，根据优化目标函数构建充电型基站和放电型基站之间的双向偏好列表。最后，基于双向偏好列表，进行能量共享请求-拒绝迭代与能量交易，实现能量共享与能量交易的协同优化。

  4.1 充放电型基站之间的双向偏好列表构建

  4.2 储能调控算法实施流程

  本文提出的基于能量共享交易协同的5G基站储能调控算法流程如图3所示，具体实施步骤如下。

图3 基于能量共享交易协同的5G基站储能调控算法流程

Fig.3 Flow chart of energy storage regulation algorithm of 5G base stations based on energy sharing and trading coordination

  1）基站类型判断与初始化。根据5G基站储能容量、光伏出力与放电下限，基于式（5）将基站划分为充电型基站和放电型基站两类。定义未建立能量共享关系的充电型基站和放电型基站集合为 Ωin 和 Ωout ，放电型基站 Sj 的备选基站集合为 Θj 。初始化 t=1 ，图片图片Ωin=Sin(t) ， Ωout=Sout(t) ， Θj=∅ 。

  2）双向偏好列表构建。基于式（25）和式（26）得到集合图片基于式（27）计算充电型基站 Si对放电型基站的偏好值，并降序排序得到偏好列表图片基于式（28）计算放电型基站 Sj 对充电型基站的偏好值，并降序排序得到偏好列表图片完成充放电型基站之间的双向偏好列表构建。

  3）能量共享请求-拒绝迭代。充电型基站 Si 根据偏好列表图片向偏好值最大的放电型基站 Sj 发出能量共享请求。 Sj 将向其发出请求的充电型基站加入备选基站集合 Θj ，根据偏好列表图片接受 Θj中偏好值最大的充电型基站 Si ，令能量共享指示变量 xi,j(t) = 1 ，将 Si 移出 Ωin 、 Sj 移出 Ωout ，并拒绝其他充电型基站的能量共享请求。被拒绝的充电型基站将 Sj 移出其偏好列表，并重新发出能量共享请求，直至除已被接受的充电型基站外，其余充电型基站的偏好列表为空集。

  4）能量交易。未参与能量共享的充放电型基站参与能量交易，并将能量交易指示变量设置为1。充电型基站向配电网购买能量以补足能量缺额，放电型基站将能量盈余出售至配电网。令 t=t+1 ，返回步骤1）。

  5）当 t＞T 时，算法结束。

  05 仿真算例与分析

  5.1 基础数据

  本文选取规划地区的住宅、商业、大学区为例，各区域大小为1 km×1 km，地区总面积为2 km×3 km，设置5G基站部署密度为每km2 3个，基站部署情况如表1所示。该地区分时电价如表2所示。基站配置的储能参数如表3所示。本文将总优化时长设置为24 h，并将其划分为24个优化时段。

表1 基站部署情况

Table 1 Basic situation of base stations

表2 分时电价

Table 2 TOU power price

表3 储能参数

Table 3 Energy storage parameters

  本文设置该地区基站所配置光伏面板尺寸为1.64 m×0.99 m×0.05 m，光电转换效率为15%。由于不同区域通信负载的时空分布差异，其基站光伏出力与通信负载变化如图4所示，各基站分布式光伏出力存在5%的波动。

图4 不同类型区域通信负载及光伏出力

Fig.4 Communication loads and photovoltaic outputs in different regions

  本文考虑2种对比算法。对比算法1为基于单边匹配的基站能量共享算法，将基站分为充电型基站和放电型基站2类，充电型基站根据放电型基站的状态信息确立偏好列表进行单边匹配，可实现基站间能量共享，但无法实现基站参与配电网削峰填谷。对比算法2为基站最优购电算法，无法实现基站间能量共享，主要根据基站当前状态与分时电价信息制定最优购电策略，向配电网购电以实现低成本正常运行。

  5.2 5G基站调控优化分析

  5.2.1 基站能量共享与运营效益优化结果

  图5为能量共享与基站运营效益加权和随时段变化曲线，可以看出，能量共享与基站运营效益加权和在00:00—08:00呈下降趋势，在08:00—18:00呈现上升趋势，18:00—24:00呈下降趋势，且所提算法能量共享与基站运营效益加权和性能表现最优。这是因为在08:00前，光伏出力较少，大多基站均通过购电保障能量需求，能量共享与基站运营效益加权和下降；在08:00—18:00，由于光伏出力较多，基站通过能量共享满足需求，并可将盈余能量交易出售至配电网，故能量共享与基站运营效益加权和升高；在18:00—24:00，光伏出力减小，基站通过购买能量保障运行所需能耗需求，能量共享与基站运营效益加权和降低。所提算法协同优化了能量共享与能量交易，促进能量共享，提高运营收益与参与配电网削峰填谷收益，因此优化目标性能最优。相比于对比算法1与对比算法2，能量共享与基站运营效益加权和分别提高了74.1%和196.0%。

图5 能量共享与基站运营效益加权和

Fig.5 Weighted sum of energy sharing and operating benefit of base stations

  图6为基站间能量共享总能量、累计购电成本和累计售电收益情况，结合图4可以看出，随着05:00后光伏出力的逐渐增加，基站间能量共享总量逐渐增加，故虽然图4中负荷曲线升高，但是购电成本并未显著提升，在10:00后，随着光伏出力达到最大，放电型基站数量增多，充电型基站数量减少，放电型基站出售能量盈余，累计售电收益开始增加。在18:00后，放电型基站减少，结合图7基站储能容量变化情况，通过05:00—10:00能量共享以及10:00—17:00能量出售，本文所提方法有效缓解购电成本的提升，同时增加基站售电收益。

图6 能量共享总量与购售电成本收益

Fig.6 Total amount of energy sharing and cost/benefits of electricity purchase and sale

图7 基站储能容量变化情况

Fig.7 Storage capacity changes of base stations

  从图7还可以看出，由于通信负载动态变化，放电下限动态变化。结合图4可知，在电价低谷段，由于光伏出力不足，多数基站均为充电型基站，其储能满足放电下限，即保障自身能量运营。而当06:00—08:00，随着光伏出力增加，部分放电型基站可存储一定能量。在08:00—12:00时，光伏出力增加，充电型基站减少，在14:00—17:00，部分基站通信负载降低，充电型基站减少，所提算法使放电型基站出售盈余能量至配电网，提高自身运营效益，储能容量维持在放电下限，保障基站动态备电需求。

  5.2.2 供电稳定性优化结果

  图8为5G基站与配电网间能量交易总量与配电网负荷曲线变化情况。在00:00—10:00和18:00—24:00，基站从配电网购买能量保障能量需求，同时参与填谷，提高配电网负荷曲线；在11:00—17:00，基站向配电网出售能量参与削峰，将峰谷差值降低了18.6%。所提算法协同优化能量共享与能量交易，保证自身运行能量的同时可在适当时段向配电网出售或购买能量，降低电网的高峰负荷，提高低谷负荷，减小配电网负荷峰谷差，避免负荷峰值过高导致能量不足情况的出现，提升配电网运行稳定性。

图8 能量交易总量与配电网负荷曲线

Fig.8 Curves of total amount of energy trading and distribution network load

  5.2.3 光伏消纳优化结果

  表4为不同算法下光伏消纳率和能量共享与基站运营效益加权和情况。所提算法下光伏消纳率高于对比算法1，但低于对比算法2。对比算法1无法实现基站参与配电网能量交易，因此当无充电基站时，大部分光伏发电量被浪费，所提算法相比于对比算法1提高了光伏消纳率10.2%。对比算法2仅考虑与配电网能量交易，无法通过能量共享以及根据分时电价变化调整能量交易策略，与对比算法2相比，所提算法的光伏消纳率虽然降低了3.8%，但是其能量共享与基站运营效益加权和提高了196.0%。

表4 光伏消纳率和能量共享与基站运营效益加权和

Table 4 Photovoltaic consumption rate and weighted sum of energy sharing and operating benefit of base stations

  06 结论

  本文针对5G基站规模化应用面临的基站运营成本提升和配电网能量供需不稳定加剧的问题，设计了基站间能量共享以及基站与配电网间能量交易模型，提出了一种基于能量共享交易协同的5G基站储能调控算法，通过能量共享和能量交易的协同优化，提高基站运营效益，促进配电网削峰填谷，同时实现对光伏出力的有效消纳。通过仿真分析验证，得到如下结论。

  1）通过综合考虑基站储能和光伏出力，制定储能调控策略，有效促进5G基站间能量共享，提高基站运营效益。相比于所提算法，能量共享与基站运营效益加权和分别提高了74.1%和196.0%。

  2）通过能量共享与能量交易的协同优化，提高基站光伏消纳能力，保证基站参与削峰填谷收益，有效促进配电网削峰填谷。与对比算法1相比，光伏消纳率提高了10.2%；与对比算法2相比，光伏消纳率虽然下降了3.8%，但是能量共享与基站运营效益加权和提高了196.0%。

  注：本文内容呈现略有调整，如需要请查看原文。