電力基礎設施薄弱地區的基站自供電技術研究

王亞會 周振宇 賈云健

摘要：提出基于可再生能源與柴油發電機互補的混合供電系統。通過深入分析多種混合供電系統的性能，給出了適用于坦桑尼亞邊遠地區基站供電的解決方案，緩解了邊遠地區電力基礎薄弱、基站供電穩定性差等問題。同時，混合供電系統的建設降低了移動網絡運營商的發電成本以及溫室氣體的排放量。

關鍵詞：可再生能源；混合供電系統；移動網絡運營商；溫室氣體排放量

近年來，隨著無線通信技術的迅猛發展以及移動用戶數量的不斷增加，移動通信在農業、教育和礦業等諸多社會經濟部門發揮著重要的作用[1-2]。然而，亞太、非洲等地區的發展中國家以及邊遠地區，由于電力基礎設施薄弱、穩定性差，基站供電的相關問題限制了移動通信的進一步發展。

以非洲的坦桑尼亞為例，到2014年，坦桑尼亞的電氣化率僅為36%，其中僅有11%的農村地區接入到配電網。由于電力供應不足，坦桑尼亞農村地區的移動基站主要采用柴油發電機供電，不僅能源效率低、運行成本高，而且溫室氣體排放量大，對環境產生了惡劣的影響。此外，一些并網基站也會受到甩負荷和頻繁斷電的影響，電力供應極不穩定，通信服務質量難以得到保障。如果能為移動基站配備新能源發電系統，不僅可以解決通信系統的供電問題，還可以有效降低溫室氣體排放以及供電成本[3]。

新能源種類繁多，主要包括太陽能、風能、水能、生物質能、潮汐能、地熱能和氫能等可再生能源[4]，其供電系統主要為太陽能和風力發電系統。太陽能發電系統利用光伏效應將太陽能光電板收集的太陽輻射能轉化為電能[5]，具有能源利用率高、設備簡單、易擴展、維護成本低等優點。但是，太陽能發電易受到天氣影響，不能連續為用戶負荷供電，因此作為獨立供電系統時面臨巨大的挑戰。風力發電系統通過風機旋轉葉片將風的動能間接轉化為電能，其建設周期短、環境要求低、儲能豐富[6]。但是，風電場只能建立在風能資源豐富的地區，且風力發電機在雷暴中容易受損，還需要不斷完善風力供電系統。因此，在基站供電規劃和設計中，應綜合考慮新能源與柴油發電機互補的混合供電系統[7]。

近年來，印度、南非、尼日利亞、土耳其和澳大利亞等國家對混合供電系統展開了廣泛研究。研究內容大多涉及獨立發電機與太陽能和風能等可再生能源結合的混合供電系統[8-9]。研究表明：可再生能源發電，尤其是太陽能發電、風力發電、柴油發電機結合，可以顯著降低柴油燃料消耗、系統運行和維護成本以及溫室氣體的排放量[10]。

盡管坦桑尼亞可再生資源豐富且潛力巨大，但是面向通信基站的混合供電系統尚未廣泛部署。因此，文中我們針對坦桑尼亞邊遠地區新能源基站建設所面臨的挑戰開展分析，研究新能源基站的架構及評估原理，并通過HOMER軟件對多種混合供電系統方案進行仿真驗證和結果分析，以提供經濟可行和環境友好的解決方案。

1 邊遠地區通信基站供電

現狀分析及挑戰

本文采用調查問卷的方法，分析坦桑尼亞邊遠地區通信基站供電現狀以及新能源基站建設所面臨的挑戰。問卷對象為坦桑尼亞多個移動網絡運營商（包括Tigo Tanzania、Airtel Tanzania、Vodacom Tanzania和TTCL Public Company Limited）的電信工程師，合計21人。

針對坦桑尼亞通信基站供電來源的調查結果如圖1所示，主要結論如下：首先，通信基礎設施的主要電力來源仍然是電網和柴油發電機（95%），僅有19%的受訪者指出一些運營商利用太陽能發電為基礎設施供電；其次，對于邊遠地區的基站，由于電網穩定性差，主要采用柴油發電機作為電力來源（62%），而太陽能發電所占的比例很少（19%）；最后，無論是基礎設施還是邊遠地區基站供電，風力發電的應用均非常少。由此可見：可再生能源不是坦桑尼亞通信網絡基礎設施的主要電力來源，其原因如表1所示。結果顯示：高昂的安裝成本（95%）、不可預測的天氣情況（95%）、技術人員（57%）的缺乏和可再生能源設備不足（76%）等因素是目前新能源基站建設所面臨的主要挑戰。綜上所述，移動網絡運營商未廣泛利用可再生能源為其基礎設施供電。

2 新能源基站架構及評估原理

對于基站供電困難的邊遠地區而言，新能源與柴油發電機互補的混合供電系統是一種經濟可行的解決方案。通信基站的混合供電系統一般由太陽能發電、風力發電、柴油發電機和蓄電池組成。文中，我們主要考慮以下4種供電方式：

（1）柴油發電機獨立供電系統，用符號S0表示；

（2）風力發電與柴油發電機互補供電系統，用符號S1表示；

（3）太陽能發電與柴油發電機互補供電系統，用符號S2表示；

（4）風力發電、太陽能發電與柴油發電機互補的供電系統，用符號S3表示。

圖2介紹了風力發電、太陽能發電與柴油發電機互補供電系統結構示意圖（S3），包括基站、發電機、控制器和儲能裝置4部分。在該系統中，將太陽能和風能作為主要能源，柴油發電機作為備用能源。當發電量超過負荷需求時，過剩電能被存儲在電池組中；當發電量不能滿足基站負荷需求時，柴油發電機和電池組將為基站供電。

為了定量地分析混合供電系統的環境友好性、經濟可行性和發電穩定性，我們考慮了凈現值（NPC）、能源成本（COE）、可再生能源發電量比例（RGR）、溫室氣體排放量等評價指標，并對不同系統配置的性能指標進行比較分析。

（1）NPC

系統的NPC指一個生命周期內所有成本減去該期間收益的值。成本包括投資成本、重置成本、運行和維護成本、燃料成本。如果產生溫室氣體，成本中還包括氣體排放處罰。凈現值如式（1）：

（2）COE

COE指每千瓦時電力的平均成本，通過將年度發電成本除以總用電量來計算，即：

（3）RGR

RGR由可再生能源的年度總發電量除以所有能源的年度總發電量來計算，即：

（4）二氧化碳排放量

溫室氣體是化石燃料燃燒的產物。碳排放量（CEQ），如二氧化碳（CO2）排放量計算如式（4）：

3 系統性能評估

本研究的可再生能源數據取自坦桑尼亞中部辛吉達地區，這個研究區域為西經4.8118°—5.4684°，北緯34.6976°—34.357°。通過HOMER軟件對不同的供電系統建模，并對離網和并網供電系統的不同設計進行評估。在本研究中，HOMER軟件的主要輸入包括柴油發電機、太陽能光伏電池、風力發電機、基站負荷需求、逆變器等系統組件的成本，以及用于模型優化的其他相關數據。同時，HOMER軟件將NPC、COE、溫室氣體排放量和RGR作為輸出，對一年的數據進行仿真。

3.1 參數設置

在模型建立中，考慮的負荷為54千瓦時/天，峰值負荷為668 kW·h，發電機的額定功率為7.5 kW。將風能和太陽能作為主要能源，并從SWAT數據庫的全球天氣數據[11]獲得研究區域的風速和太陽輻射數據。本研究還從不同供應商網站獲得基站供電系統各種組件的成本數據，如表2所示。

3.2 結果分析

在環境方面，移動網絡運營商需要降低溫室氣體排放量，以減少其對環境的污染和對全球變暖的影響。各系統具體的溫室氣體排放量如表3所示。

仿真結果表明：S0系統每年產生約27.227 t二氧化碳，S3系統每年僅排放約3.122 t二氧化碳。在混合供電系統中，通過將太陽能發電產生的過剩電能儲存在電池組中，降低柴油發電機的運行時間，減少化石燃料的燃燒，降低溫室氣體排放量。因此，混合供電系統更有利于環境的可持續發展。

在經濟方面，S2系統更具成本效益。表4給出了不同供電系統的經濟分析。結果顯示：S2系統為凈現值和能源成本提供了更經濟的解決方案。與S0系統相比，S2系統的NPC降低了130 246美元，能源成本降低了0.512美元/千瓦時。雖然混合供電系統的初始投資成本高，但是隨著技術的進步，太陽能和風力發電成本逐漸降低，這將會促進新能源發電的廣泛部署。

在供電方面，混合供電系統具有更大的發電潛力?；旌瞎╇娤到y發電量如表5所示。與S0系統和S1系統相比，S2系統和S3系統的可再生能源發電量最大，可再生能源比例約為83%。其中主要為太陽能發電，其發電量超過系統總發電量的80%。與太陽能發電相比，風能的貢獻并不顯著，例如S3系統中風力發電量僅占總發電量的0.6%，而柴油發電機的發電量約為14%。

以上結果表明：該站址在利用太陽能發電為邊遠網絡基礎設施供電方面具有更大的潛力，并且發電量大，能夠滿足負荷需求。

圖3進一步顯示了S3系統在10月份的發電量與負荷需求。結果表明：S3系統不僅能夠滿足用戶負荷需求，并且所產生的過剩電能還可以存儲在儲能裝置中，從而可以在峰值期間使用。

同時結果顯示：太陽能發電幾乎可以滿足白天所有負荷需求，而柴油發電機和風力發電機則在太陽能發電量不足時使用，例如在夜間沒有光照的時候。

4 結束語

本研究調查了移動網絡運營商利用可再生能源為其基礎設施供電所面臨的挑戰。通過對不同的系統進行仿真和分析，獲得經濟可行的混合供電系統模型。由于風能的發電量并不顯著，所以S2系統不僅對環境友好，而且更加經濟可行，并為坦桑尼亞移動網絡運營商的基站供電問題提供了可持續的解決方案。研究結果對研究人員、政府管理人員、政策制定者、電網公司和環境部門都有很大的幫助，并且可以為研究可再生能源為坦桑尼亞偏遠地區供電所起的作用提供有用的數據。

參考文獻

[1] WU J， ZHOU S， NIU Z S. Traffic-Aware Base Station Sleeping Control and Power Matching for Energy-Delay Tradeoffs in Green Cellular Networks[J]. IEEE Transactions on Wireless Communications， 2013， 12（8）： 4196-4209. DOI：10.1109/twc.2013.071613.122092

[2] SU L， YANG C， CHIH-LIN I. Energy and Spectral Efficient Frequency Reuse of Ultra Dense Networks [J]. IEEE Transactions on Wireless Communications， 2016， 15（8）：5384-5398. DOI： 10.1109/TWC.2016.2557790

[3] 孫儼.風能、太陽能互補供電型基站的應用[J]. 通信電源技術， 2011， 28（4）： 33-37. DOI：10.19399/j.cnki.tpt.2011.04.010

[4] 馬懷新. 新能源與減碳 [J]. 四川水力發電， 2010， 29（s2）：286-301

[5] 丁強. 太陽能并網發電在通信基站中的應用研究[C]//中國通信學會信息通信網絡技術委員會2011年年會論文集（下冊）. 2011

[6] 劉波， 賀志佳， 金昊. 風力發電現狀與發展趨勢[J]. 東北電力大學學報， 2016， 36（2）： 7-13. DOI：10.3969/j.issn.1005-2992.2016.02.002

[7] 崔志剛， 呂宇欣， 郝穎， 等. 新能源供電系統在通信基站中應用的關鍵技術研究[J]. 通信電源技術， 2011， 28（4）： 5-8， 94. DOI：10.19399/j.cnki.tpt.2011.04.001

[8] ADEFARATI T， BANSAL R C， JOHN JUSTO J. Techno-Economic Analysis of a PV-Wind-Battery-Diesel Standalone Power System in A Remote Area [J]. The Journal of Engineering， 2017（13）： 740-744. DOI：10.1049/joe.2017.0429

[9] BHOWMIK D， SINHA A K. Cost-Based Allocation Model for Hybrid Power System Considering Solar， Wind and Thermal Generations Separately [J]. IET Generation， Transmission & Distribution， 2017， 11（18）： 4576-4587. DOI：10.1049/iet-gtd.2017.0305

[10] GONG J， THOMPSON J S， ZHOU S， et al. Base Station Sleeping and Resource Allocation in Renewable Energy Powered Cellular Networks [J]. IEEE Transactions on Communications， 2014， 62（11）： 3801-3813. DOI：10.1109/tcomm.2014.2359883