中国储能网讯：大规模可再生能源接入导致电力系统中灵活性资源不足、惯量水平下降，对系统的可再生发电消纳和频率安全性带来挑战。对此，迫切需要挖掘需求侧的资源灵活性，为电力系统提供备用和频率支撑辅助服务。
随着信息通信技术（information communication technology，ICT）的飞速发展，5G基站的规划与建设数量迅速增加。根据广东省工业和信息化厅的数据，预计到2025年，广东省将累计建设16万座5G宏基站，其备用电池的总功率容量将达到1600 MW，约占广东省2025年预测峰值负荷的1%。由于5G基站备用电池具有快速响应的优势，可为电力系统提供备用和事故后的惯性及一次调频响应辅助服务。目前，基站备用电池长期处于闲置状态，导致潜在的灵活性资源浪费，因此，研究大规模5G基站为电力系统提供备用和频率支撑辅助服务的优化调度策略具有重要意义。
1 如何在确保基站供电可靠性的前提下，调度其备用电池为电力系统提供运行备用与频率支撑辅助服务？
5G基站备用电池的首要功能是保障基站供电的可靠性，通常要求基站在遭受停电事故后，其备用电池能够为基站不间断提供3小时的供电服务。由于5G基站的通信业务存在显著的“潮汐效应”，其有功负载也随着基站通信业务的变化而改变，因此，满足基站备电需求的备用电池最小荷电状态（state of charge, SOC）也随基站有功负载而改变，如图1所示，备用电池超出最小SOC需求的部分可为电力系统辅助服务提供可调空间。
图1 基站备用电池最小SOC需求评估
2 如何协同调度蜂窝网基站备用电池及电源侧机组，从而应对新能源随机场景下的功率平衡与频率安全挑战？
本文基于各基站通信业务需求，计算各时段备用电池的最小SOC需求，在此基础上构建其调度模型，调用基站备用电池提供运行备用、惯性响应和一次调频响应辅助服务。将上述模型纳入考虑频率安全约束的电力系统两阶段随机机组组合模型中。第一阶段对应日前调度，优化决策机组的启/停机、机组和基站备用电池的出力曲线、运行备用容量、惯性响应和一次调频响应备用容量；第二阶段对应日内实时调整，根据实际的新能源和负荷曲线，优化决策机组和基站备用电池的运行备用、惯性响应和一次调频响应备用部署，以保障各新能源随机场景下的功率平衡与频率安全。
3 如何高效求解海量蜂窝网基站备用电池参与的两阶段机组组合问题，同时保障基站隐私？
为实现所提两阶段随机机组组合问题求解的分布式部署，本文首先对模型进行重构，如图2所示。原问题（图2(a)）是一个近似的“N-block”优化问题，但由于存在功率平衡、线路潮流和频率安全等约束条件，直接耦合了各基站备用电池之间的决策变量，难以直接进行问题分解。对此，本文引入一系列辅助决策变量，解耦了各基站备用电池之间的直接耦合关系，如图2(b)所示。
图2 解耦各基站备用电池耦合关系的两阶段随机机组组合问题重构 (a) 原优化问题结构 (b) 重构后优化问题结构
针对重构后的两阶段随机机组组合问题（图2(b)），构建增广拉格朗日函数并对其应用交替方向乘子（alternating direction method of multipliers, ADMM）算法，将两阶段机组组合问题分解为两部分：调度中心的优化决策问题和基站备用电池的自主优化决策问题。由于此时各基站备用电池之间不存在直接耦合关系，它们能够以分布式且并行的方式自主优化其调度策略。所提出的分布式优化框架如图3所示，有效地解决了海量基站备用电池参与的调度策略高效求解和隐私泄露问题。
图3 分布式优化框架
4 蜂窝网基站备用电池提供电力系统运行备用与频率支撑辅助服务的效果如何？
本文首先在IEEE 14节点电力系统上验证了所提基站备用电池调度模式的有效性，设置了3个对比案例。Case 1：基站备用电池仅提供能量服务；Case 2：基站备用电池提供能量和运行备用辅助服务；Case 3：基站备用电池提供能量、运行备用和频率支撑辅助服务。Case 1-Case3的运行成本对比如表1所示，结果表明所提调度模式下，基站备用电池的参与有效促进了新能源的消纳，并显著提高了系统运行经济性。图4展示了基站备用电池调度的结果，表明在本文提出的调度模式下，基站备用电池的功率/能量容量得到了充分利用，充分发挥了其灵活性潜力，同时提高了闲置资源的利用率。
表1 运行成本对比
图4 基站备用电池调度结果 (a) Case 1：功率与备用调度结果 (b) Case 2：功率与备用调度结果 (c) Case 3：功率与备用调度结果 (d) Case 1：SOC曲线 (e) Case 2：SOC曲线 (f) Case 3：SOC曲线
5 所提分布式优化框架的收敛性和实用性如何？
本文基于广东省500 kV网架电力系统进行仿真，分析了不同规模基站备用电池参与提供辅助服务时的总运行成本与分布式算法迭代次数变化情况，如图5所示。随着基站备用电池数量的增加，总运行成本逐渐降低，其经济性优于不考虑基站备用电池需求响应的案例，证明了所提方法在提升运行经济性方面的有效性。此外，采用所提分布式调度框架，优化迭代次数始终低于20次，且不随基站数量增多而增加，验证了本文所提分布式优化框架具备可规模化应用的潜力。
图5 针对参与调度的基站备用电池规模的敏感性分析
