計及5G基站儲能和技術(shù)節(jié)能措施的虛擬電廠調(diào)度優(yōu)化策略

劉雨佳，樊艷芳

（新疆大學(xué)電氣工程學(xué)院，烏魯木齊 830047）

自2019年11月第五代移動通信技術(shù)5G（5th generation mobile networks）開通商用以來，各大運營商在5G基站的建設(shè)上不斷加大投入，截至2020年10月，全國已累計開通超過70萬個5G基站，終端用戶數(shù)量超1.8億[1]。在未來5年中5G基站數(shù)量將迎來高速增長，預(yù)計到2025年我國5G基站數(shù)量將達(dá)800萬個[2]。而5G基站由于射頻單元AAU（ac?tive antenna unit）功耗增大，導(dǎo)致基站需要配備更大功率的散熱和制冷設(shè)備，因此其功耗大約是傳統(tǒng)4G基站的3倍[3]。同時5G技術(shù)采用的高頻信號衰減嚴(yán)重，要覆蓋相同范圍需要的5G基站數(shù)量較4G成倍增加，龐大數(shù)量的5G基站將對城市配電網(wǎng)形成很大的挑戰(zhàn)。本文考慮將5G基站負(fù)荷納入到虛擬電廠VPP（virtual power plant）范疇，利用基站內(nèi)部儲能電池參與VPP優(yōu)化調(diào)度，促進(jìn)可再生能源消納；采用5G基站節(jié)能技術(shù)，優(yōu)化供電需求，進(jìn)一步降低VPP運行成本。

目前，國內(nèi)外對5G基站節(jié)能措施和應(yīng)用其內(nèi)部儲能裝置參與電網(wǎng)調(diào)度已開展了諸多研究：文獻(xiàn)[4]改進(jìn)了5G基站的分離式網(wǎng)絡(luò)結(jié)構(gòu)，通過實驗表明分離式網(wǎng)絡(luò)結(jié)構(gòu)具有更好的能效；文獻(xiàn)[5]通過設(shè)置基礎(chǔ)覆蓋4G小區(qū)門限，建立領(lǐng)區(qū)忙時喚醒機(jī)制，使實驗區(qū)域24 h內(nèi)基站功耗降低了10%～20%；文獻(xiàn)[6]將基站內(nèi)備用電池儲能統(tǒng)一接入微網(wǎng)進(jìn)行削峰、填谷等調(diào)度，實驗表明，單個基站每年平均節(jié)省電費0.67萬元；文獻(xiàn)[7]將基站備用儲能接入電網(wǎng)調(diào)度運行，有效降低運行成本，提高系統(tǒng)穩(wěn)定性。上述研究只分別針對基站節(jié)能和基站儲能接入電網(wǎng)的問題進(jìn)行研究，并未考慮兩者綜合應(yīng)用對基站用電成本的影響；同時也未研究基站負(fù)荷接入VPP后可再生能源消納水平的變化。

綜上所述，本文提出一種計及5G基站的節(jié)能措施和利用儲能電池參與調(diào)度的VPP優(yōu)化調(diào)度模型。從減少基站與VPP綜合運行成本角度出發(fā)，以積極利用基站內(nèi)部儲能電池為基礎(chǔ)，結(jié)合5G基站節(jié)能措施，降低運行能耗，減輕電網(wǎng)負(fù)擔(dān)，同時盡量提高VPP可再生能源的消納水平。最后以VPP運行成本最小化為目標(biāo)，綜合考慮社區(qū)購電成本、基站運行穩(wěn)定性、儲能電池壽命等因素，針對粒子群算法收斂速度慢、易陷入局部最優(yōu)解的問題，應(yīng)用無網(wǎng)格光線尋優(yōu)算法對問題進(jìn)行求解，仿真結(jié)果驗證了模型和算法的經(jīng)濟(jì)性和優(yōu)越性。

1 5G基站節(jié)能措施與電池壽命模型

1.1 通道關(guān)斷

通道關(guān)斷是指關(guān)斷基站進(jìn)行收發(fā)信號的數(shù)據(jù)傳輸通道。傳統(tǒng)的4G基站一般為發(fā)射2T（trans?mit）接收2R（receive），即擁有2個數(shù)據(jù)傳輸通道，并且2個通道可同時發(fā)射和接收信號。目前，5G宏基站一般為64T64R，天線數(shù)量較4G基站大幅增加，從而造成基站功耗較高。各大設(shè)備廠商正在積極開發(fā)32T32R、16T16R、8T8R等型號的基站，減少天線數(shù)量，降低5G基站的能耗。因此，在基站處于低負(fù)載狀態(tài)時關(guān)閉部分通道，可達(dá)到降低基站能耗的目的。以4T4R設(shè)備為例，在凌晨業(yè)務(wù)量較少時，關(guān)閉2個通道，經(jīng)測試節(jié)電約15%，且對信號覆蓋影響較小[8-9]。采用該項節(jié)能技術(shù)，需在系統(tǒng)中設(shè)定節(jié)能時間段和觸發(fā)條件，系統(tǒng)在設(shè)定的節(jié)能時間段內(nèi)持續(xù)監(jiān)測當(dāng)前資源塊的利用率，如果資源塊利用率過低滿足觸發(fā)條件，系統(tǒng)執(zhí)行通道關(guān)斷操作；當(dāng)不滿足觸發(fā)條件或節(jié)能時間段結(jié)束時，退出通道關(guān)斷狀態(tài)[10]。

1.2 符號關(guān)斷

對于一個傳輸信號的資源塊，其中的符號并不是所有時刻都充滿有效信息，在傳輸無數(shù)據(jù)符號時，關(guān)斷功放模塊的發(fā)射功率，可起到降低基站能耗的目的。該功能需要AAU或射頻拉遠(yuǎn)單元RRU（remote radio unit）支持才能開啟，開啟符號關(guān)斷功能后，AAU或RRU持續(xù)對當(dāng)前傳輸符號進(jìn)行檢測，當(dāng)檢測到當(dāng)前傳輸符號不承載數(shù)據(jù)則關(guān)閉功放電源。該功能適用于業(yè)務(wù)量變化明顯且對時延不敏感的場景，例如商場、辦公樓等，對于必要的控制信道和信號保持原來的發(fā)射功率，當(dāng)業(yè)務(wù)量上升時可迅速停止符號關(guān)斷功能，功放發(fā)射功率恢復(fù)正常水平，保證網(wǎng)絡(luò)穩(wěn)定[9-10]。

1.3 節(jié)能效果分析

選取某小區(qū)附近的單個5G基站進(jìn)行節(jié)能技術(shù)驗證，通過測量基站開啟通道和符號關(guān)斷功能后的實際功耗，研究兩項節(jié)能技術(shù)對基站能耗的影響和節(jié)能效果，其節(jié)能前后功耗曲線對比如圖1所示。

圖1 采取節(jié)能措施前后5G基站功耗曲線Fig.1 Power consumption curve of 5G base station before and after the adoption of energy-saving measures

由圖1可知，由于測試基站位于小區(qū)附近，主要業(yè)務(wù)量來自小區(qū)用戶，上班時間用戶離開小區(qū)，業(yè)務(wù)量大幅下降，因此從上午06：00—15：00期間節(jié)能效果顯著優(yōu)于其他時段。

節(jié)能措施開啟前基站AAU每小時平均功耗約為876 W，兩項節(jié)能技術(shù)均開啟后AAU每小時平均功耗約為666 W，平均節(jié)能系數(shù)約為23%，節(jié)能效果顯著。且兩項節(jié)能技術(shù)開啟后，對于網(wǎng)絡(luò)穩(wěn)定性和用戶綜合體驗影響較小，均在可接受范圍內(nèi)。

1.4 基站儲能電池循環(huán)壽命模型

利用基站儲能電池參與VPP調(diào)度，會消耗額外的電池壽命，導(dǎo)致成本增加，因此需要建立模型，計算儲能電池放電深度DOD（depth of discharge）與電池壽命的關(guān)系[11]，在保證電池壽命的前提下，提高系統(tǒng)經(jīng)濟(jì)性。

本文以磷酸鐵鋰電池為例，建立基站儲能電池DOD與循環(huán)壽命模型。對某型號磷酸鐵鋰電池容量保持率η與循環(huán)次數(shù)n的關(guān)系進(jìn)行多項式擬合，得到數(shù)學(xué)關(guān)系表達(dá)式為

式中：A、B、C為擬合系數(shù)，其數(shù)值如表1所示。

表1 擬合系數(shù)Tab.1 Fitting coefficient

當(dāng)蓄電池最大放電容量不能達(dá)到額定容量的80%以上，可認(rèn)為此組蓄電池使用壽命已耗盡，因此對式（1）中η取0.8，通過擬合系數(shù)計算得到磷酸鐵鋰電池不同DOD下的循環(huán)次數(shù)如表2所示。

表2 不同DOD下電池循環(huán)次數(shù)Tab.2 Number of battery cycles under different values of DOD

實際工況運行下儲能電池等效循環(huán)次數(shù)和運行時間可分別表示為

式中：neq為工況下儲能電池等效循環(huán)次數(shù)；T為調(diào)度周期，取T=24 h，即以1 d為1個調(diào)度周期，1 h為1個調(diào)度時段；Et為儲能電池在t時段放電總能量；E為儲能電池最大能量；N為儲能電池運行時間；n100為儲能電池在對應(yīng)DOD下循環(huán)次數(shù)。

2 VPP模型構(gòu)建及系統(tǒng)控制策略

VPP技術(shù)無需改變現(xiàn)有分布式能源DER（distrib?uted energy resource）和電網(wǎng)結(jié)構(gòu)，通過使用先進(jìn)的計量、通信、控制技術(shù)，將屬于多個不同利益群體的分布式發(fā)電、儲能裝置、可控負(fù)荷、電動汽車等不同類型的DER整合形成一個可控虛擬實體，參與電網(wǎng)運行和電力市場交易。同時能夠降低DER運行成本和管理難度，促進(jìn)可再生能源消納，提高電網(wǎng)穩(wěn)定性[12-14]。

2.1 VPP模型的構(gòu)建

本文將小區(qū)風(fēng)力和光伏發(fā)電單元、柴油發(fā)電機(jī)組、小區(qū)負(fù)荷、5G基站儲能、負(fù)荷共同組成VPP模型，除基站儲能電池外，VPP不再單獨配置儲能裝置。構(gòu)建的VPP模型采用集中控制方式，各DER分散接入電網(wǎng)，控制中心通過通信系統(tǒng)對各DER進(jìn)行統(tǒng)一控制，并整合內(nèi)部電能資源參與電網(wǎng)調(diào)度。

2.2 VPP模型調(diào)度系統(tǒng)控制策略

在構(gòu)建的VPP模型中，首先考慮新能源發(fā)電消納最大化，在此基礎(chǔ)上以基站和VPP綜合運行成本最小化為目標(biāo)，制定調(diào)度系統(tǒng)控制策略。其中，5G基站儲能電池因其自身具有應(yīng)急備用特性和運行經(jīng)濟(jì)性的要求，需要對它制定特殊的控制策略，以保證基站運行穩(wěn)定。

2.2.1 風(fēng)光發(fā)電單元控制策略

在所構(gòu)建模型中，風(fēng)力、光伏發(fā)電單元按照實際出力全部參與調(diào)度，盡量避免棄風(fēng)、棄光。

2.2.2 基站儲能電池控制策略

（1）在VPP模型中，基站儲能電池主要用于補償VPP內(nèi)部負(fù)荷與風(fēng)、光出力之差。在電價低谷時段對儲能電池充電，高峰時段儲能電池放電，如果風(fēng)、光出力大于當(dāng)前VPP內(nèi)部負(fù)荷，則剩余電能也優(yōu)先對儲能電池進(jìn)行充電。

（2）考慮到VPP中包含柴油發(fā)電機(jī)組，可以在供電中斷30 s內(nèi)啟動對基站進(jìn)行供電，且城市電網(wǎng)穩(wěn)定性較高，斷電幾率小，所以初步設(shè)定VPP可以利用基站儲能電池的全部容量。但調(diào)度容量的變化對VPP經(jīng)濟(jì)性、電池壽命產(chǎn)生直接影響，因此需要根據(jù)儲能電池循環(huán)壽命模型在考慮經(jīng)濟(jì)性的情況下對DOD作進(jìn)一步研究。

2.2.3 VPP購售電策略

當(dāng)風(fēng)、光出力供給小區(qū)、基站、儲能電池之后仍有剩余，剩余電力采取余電上網(wǎng)措施，減少運行成本。如果電池當(dāng)前儲能不足以補償VPP內(nèi)部負(fù)荷與風(fēng)、光出力之差，或當(dāng)前電價處于谷時段且儲能電池具有充電需求，應(yīng)從電網(wǎng)購電，滿足負(fù)荷、電池需求。

2.2.4 柴油發(fā)電機(jī)組控制策略

柴油發(fā)電機(jī)組首先保證對基站的應(yīng)急供電需求；此外，如果負(fù)荷需求功率大于當(dāng)?shù)刈儔浩鳌⒕€路限額，也應(yīng)啟動柴油發(fā)電機(jī)組對負(fù)荷供電，緩解電網(wǎng)壓力。

3 VPP調(diào)度優(yōu)化數(shù)學(xué)模型

本文綜合考慮了5G基站儲能納入VPP，以及開啟基站設(shè)備節(jié)能功能后對基站、VPP綜合運行成本的影響，同時為進(jìn)一步研究基站儲能電池DOD影響基站運行經(jīng)濟(jì)性的問題，建立VPP調(diào)度優(yōu)化模型。在該模型中以VPP最小運行成本為目標(biāo)：風(fēng)、光發(fā)電單元按照實際預(yù)測值進(jìn)行出力，優(yōu)先供給VPP內(nèi)負(fù)荷；基站儲能電池聯(lián)合柴油發(fā)電機(jī)組、電網(wǎng)購電對風(fēng)光出力缺額進(jìn)行補償；出力補償最優(yōu)值采用光線尋優(yōu)算法計算，綜合考慮功率平衡約束、基站儲能電池能量，以及充放電功率約束、柴油發(fā)電機(jī)組處理約束、電網(wǎng)線路功率約束，以滿足該目標(biāo)函數(shù)。

3.1 目標(biāo)函數(shù)

在構(gòu)建的模型中，以VPP綜合最小運行成本為目標(biāo)，考慮新能源余電上網(wǎng)收益、基站儲能電池削峰填谷收益、柴油發(fā)電機(jī)組燃料成本、各發(fā)電、儲能單元管理成本及購電成本，目標(biāo)函數(shù)可表示為

式中：Zt為t時段VPP綜合運行費用；Yt為t時段VPP運行總成本；St為t時段VPP總收益。Yt、St的表達(dá)式分別為

式中：Mt為t時段各發(fā)電、儲能單元管理成本；Dt,1為t時段VPP購電費用；Rt為t時段柴油發(fā)電機(jī)組發(fā)電成本；Dt,2為t時段余電上網(wǎng)收益；Dt,3為t時段基站儲能電池參與削峰填谷收益。Mt、Dt,1、Rt、Dt,2、Dt,3的表達(dá)式分別為

3.2 電網(wǎng)功率交互模型

VPP需要與電網(wǎng)進(jìn)行售電和購電2種功率交互，交互總功率不得超過當(dāng)?shù)刈儔浩骱途€路限額，其約束為

式中：為VPP與電網(wǎng)t時刻的交互總功率；為當(dāng)?shù)刈儔浩髋c線路最大功率限額。

根據(jù)發(fā)改委2020第511號文件，VPP多余電力上網(wǎng)補貼價格為0.08￥/(kW·h)。當(dāng)VPP內(nèi)部風(fēng)、光出力不滿足負(fù)荷需求或需要對基站儲能電池進(jìn)行充電時從電網(wǎng)購電，價格采用峰谷電價的形式，購電價格為

3.3 約束條件

1）功率平衡約束

2）出力約束

3）基站儲能電池充放電功率約束

式中：為t時刻儲能電池能量；分別為儲能電池充、放電最大功率；ηC、ηD分別為儲能電池充、放電效率；分別為儲能電池充、放電最大深度。

4 無網(wǎng)格光線尋優(yōu)算法

光線尋優(yōu)算法是一種新型的智能優(yōu)化算法，最早由沈繼紅于2007年提出[15]，通過模擬光線在介質(zhì)傳播中不斷從不同角度的折射和反射過程，來進(jìn)行迭代搜索求取最優(yōu)值，簡化了運算過程，且具有求解速度快，搜索能力強(qiáng)，需修改的參數(shù)少，結(jié)構(gòu)簡單并適用于多種問題求解的優(yōu)點。但普通光線尋優(yōu)算法依賴于網(wǎng)格，在優(yōu)化求解時隨著優(yōu)化問題維度的增加，導(dǎo)致選取網(wǎng)格時的計算量增大，光線傳播需要判別的次數(shù)增加，從而降低了計算速度，并且網(wǎng)格的形狀與大小也會對結(jié)果產(chǎn)生影響。因此文獻(xiàn)[16]提出了無網(wǎng)格光線尋優(yōu)算法，提高了光線尋優(yōu)算法在計算多維目標(biāo)函數(shù)時的速度。無網(wǎng)格光線尋優(yōu)算法原理如圖2所示，其計算步驟如下。

圖2 無網(wǎng)格光線尋優(yōu)算法原理Fig.2 Schematic of meshless light ray optimization algorithm

步驟1由圖2選擇初始點Xk=(xk,yk)、初始方向Pk=(pk,qk)，步長λ，設(shè)定k=0；其中，xk、yk分別為初始點的x、y軸坐標(biāo)；pk、qk分別為初始方向的角度、斜率。

步驟2計算Xk+1，即

將Xk+1帶入適應(yīng)度函數(shù)進(jìn)行計算，若產(chǎn)生最優(yōu)解則停止，否則繼續(xù)下一步。

步驟3選y=yk+1為分界線，x=xk+1為法線，計算迭代速度vk、vk+1為

步驟5計算Xk+2，如滿足終止條件則停止，否則繼續(xù)下一步，Xk+2為

步驟6選x=xk+2為分界線，y=yk+2為法線，計算迭代速度vk+1、vk+2為則發(fā)生反射，計算下一迭代方向Pk+2為

步驟8k=k+2，轉(zhuǎn)至步驟2。

無網(wǎng)格光線尋優(yōu)算法，簡化了復(fù)雜判別條件，降低了結(jié)果對初值的依賴，具有計算速度快、求解結(jié)果穩(wěn)定、精確等優(yōu)點，適用于求解本文所構(gòu)建的模型。

5 算例分析

本文以某地智慧社區(qū)為例，智慧社區(qū)內(nèi)部包含風(fēng)力和光伏發(fā)電機(jī)組、居民負(fù)荷，其周圍有20座5G基站的負(fù)荷與儲能電池，以及2臺100 kW應(yīng)急柴油發(fā)電機(jī)組共同構(gòu)成VPP；風(fēng)力和光伏發(fā)電機(jī)組裝機(jī)容量均為500 kW，產(chǎn)生的電能全額參與VPP調(diào)度。

根據(jù)《中國移動5G基站建設(shè)方案》，單個5G基站通信設(shè)備最高功耗約為4.25 kW，儲能電池容量按每個基站斷電后維持通信設(shè)備在最大負(fù)荷下運行4 h配置。因此20座5G基站儲能電池容量總共為340 kW·h。為提高電池最大充、放電功率，采用71組某型通信基站用48 V、100 Ah磷酸鐵鋰電池并聯(lián)，并聯(lián)后電池組最大容量為340.8 kW·h，標(biāo)準(zhǔn)充電功率為68.16 kW，最大持續(xù)放電功率為170 kW，充放電效率為0.87，設(shè)計使用年限為10 a。

仿真環(huán)境為 MatlabR2019a，CPU Ryzen R5 4600U，RAM 16 GB，采用改進(jìn)無網(wǎng)格光線尋優(yōu)算法進(jìn)行求解。

5.1 負(fù)荷曲線與風(fēng)光出力

某夏季典型日，風(fēng)力、光伏發(fā)電機(jī)組出力和VPP負(fù)荷曲線如圖3所示。由圖3可以看出，在對5G基站采取技術(shù)節(jié)能措施前、后VPP內(nèi)總負(fù)荷曲線差異明顯，全時段節(jié)能效果顯著，對于用電高峰時段作用較大，單時段功耗最大減少24.51 kW·h，單日功耗總共減少約343.61 kW·h。且風(fēng)光出力難以滿足高峰時段用電需求，因此需要基站儲能電池、柴油發(fā)電機(jī)組、電網(wǎng)購電3者聯(lián)合補償。

圖3 負(fù)荷與風(fēng)光出力曲線Fig.3 Curves of load，wind power output，and photovoltaic power output

5.2 基站儲能電池DOD經(jīng)濟(jì)性分析

根據(jù)第1.4節(jié)計算結(jié)果，分別取DOD為40%、60%、80%、100%，從儲能電池容量成本、使用壽命及參與VPP調(diào)度收益進(jìn)行經(jīng)濟(jì)性分析，即

式中：YB為儲能電池運行成本；NC為儲能電池設(shè)計運行時間，取為10 a；k為儲能電池每千瓦時單位成本，取2 000￥/（kW·h）。

根據(jù)第3節(jié)模型，計算得到儲能電池在不同DOD下單日可調(diào)度容量變化曲線如圖4所示。由圖4可知，由于在低谷時段風(fēng)、光出力滿足負(fù)荷需求后仍有較大剩余，可在8：00之前通過風(fēng)、光出力剩余電能結(jié)合電網(wǎng)購電將電池充滿，使每日儲能電池可調(diào)度容量相同，保證了VPP調(diào)度的規(guī)律性和可靠性。因此第1調(diào)度時段初始能量設(shè)置為在不同DOD下的最大放電能量，在電池可調(diào)度容量用盡之后，通過第24個調(diào)度時段的充電，可以減少第2日充電能量。

圖4 儲能電池在不同DOD下單日可調(diào)度容量變化曲線Fig.4 Daily schedulable capacity curve of energystorage battery under different values of DOD

在不同DOD下對VPP系統(tǒng)運行成本進(jìn)行計算，結(jié)果如表2所示。

表3 基站儲能電池在不同DOD下運行成本Tab.3 Operating cost of energy-storage battery in the base station under different values of DOD

在實際使用中，由于溫度、電極老化等原因，磷酸鐵鋰電池使用壽命一般不會超過10 a，因此40%DOD下的基站儲能電池以使用壽命10 a為準(zhǔn)計算運行成本。從全周期運行成本分析，60%DOD下的儲能電池全周期運行成本出現(xiàn)了約3.6×104￥的盈余，主要是由于其可調(diào)度容量與風(fēng)、光出力剩余電能數(shù)值相近，可最大限度消納，節(jié)約了購電費用；且其使用壽命十分接近設(shè)計運行年限，通過采取相應(yīng)的維護(hù)措施可完成設(shè)計運行年限，運行成本進(jìn)一步降低，相對其他DOD具有顯著優(yōu)勢，因此在優(yōu)化模型中儲能電池DOD以60%進(jìn)行計算。剩余40%容量用于存儲維持5G基站斷電狀態(tài)下正常運行的電能，因此在最極端情況下，基站儲能電池至少可以保持40%的能量，保證基站約1.3 h的運行。

5.3 VPP新能源消納及運行成本分析

各單元出力變化情況如圖5所示，由圖5可知，VPP的風(fēng)、光出力在供給負(fù)荷、基站儲能電池后做到了大部分消納，少數(shù)剩余電能采取余電上網(wǎng)措施。基站儲能電池參與前后，VPP風(fēng)、光出力各調(diào)度時段剩余電能如圖6所示，基站儲能電池參與VPP前風(fēng)、光發(fā)電剩余電能為226.3 kW·h，參與后剩余59.52 kW·h，基站儲能電池的參與極大提高了VPP新能源消納水平。

圖5 各單元出力情況曲線Fig.5 Curve of power output from each unit

圖6 儲能電池參與前后風(fēng)、光出力各時段剩余電能Fig.6 Remaining power of wind and photovoltaic power output at different time intervals before and after the participation of energy-storage battery

基站儲能電池在低谷時段通過風(fēng)光出力、電網(wǎng)進(jìn)行充電，高峰時放電，達(dá)到了削峰填谷的效果；負(fù)荷缺口通過電網(wǎng)購電和柴油發(fā)電機(jī)組共同補足，保證VPP功率平衡；柴油發(fā)電機(jī)組只有在電網(wǎng)功率限額達(dá)到上限時才啟動，平時處于關(guān)閉狀態(tài)，最大限度減少VPP運行成本。

分別對5G基站采取節(jié)能措施前后和儲能電池參與VPP調(diào)度前后系統(tǒng)成本進(jìn)行對比分析，如表4所示。由表4可知，在儲能電池未參與VPP調(diào)度情況下，對5G基站采取節(jié)能措施后，VPP單日綜合運行成本較節(jié)能前減少290.7￥；在對5G基站采取節(jié)能措施情況下，儲能電池參與VPP調(diào)度后，VPP單日綜合運行成本較參與前減少103.9￥。成本整體降幅達(dá)到15.9%，效果顯著。

表4 VPP綜合運行成本Tab.4 Comprehensive operating cost of VPP ￥

5.4 算法性能分析

本文為驗證所采用的無網(wǎng)格光線尋優(yōu)算法具有的良好性能，利用線性遞減權(quán)重粒子群算法進(jìn)行對比分析。粒子群算法中的參數(shù)設(shè)定：慣性權(quán)重最大值為0.9；最小值為0.4；最大迭代次數(shù)為2 000次；粒子種群個數(shù)為200；學(xué)習(xí)因子c1=c2=2.05。

無網(wǎng)格光線尋優(yōu)算法初始位置和方向采用與粒子群算法相同的方法隨機(jī)取得，經(jīng)多次實驗，當(dāng)初始步長取值為初始范圍的0.01倍時，2種算法性能最好，步長更新系數(shù)α取0.99，試探方向點取0.5個步長，最大迭代次數(shù)為2 000次。以基站采取節(jié)能措施后儲能電池60%DOD為例，2種算法各求解15次，平均后結(jié)果如表5所示。

由表5可以看出，在本例中改進(jìn)無網(wǎng)格光線尋優(yōu)算法較線性遞減權(quán)重粒子群算法在計算速度上具有顯著優(yōu)勢，線性遞減權(quán)重粒子群算法花費時間約為無網(wǎng)格光線尋優(yōu)算法的2.6倍。其原因為改進(jìn)的無網(wǎng)格光線尋優(yōu)算法初始結(jié)構(gòu)簡單，且每次迭代目標(biāo)函數(shù)值都會不斷更新，釋放舊值，提升了運算速度。在VPP運行成本方面，無網(wǎng)格光線尋優(yōu)算法求解結(jié)果更為精確，偏差更小，更適應(yīng)于本文所構(gòu)建的模型。

表5 算法性能對比Tab.5 Comparison of performance between different algorithms

6 結(jié)論

本文通過分析5G基站儲能電池在不同DOD下的經(jīng)濟(jì)性，并對基站采取技術(shù)節(jié)能措施，提出了一種計及5G基站節(jié)能措施和利用其儲能電池參與調(diào)度的VPP優(yōu)化調(diào)度模型。通過案例驗證得出以下結(jié)論。

（1）對5G基站采取通道關(guān)閉和符號關(guān)斷2項節(jié)能措施后，節(jié)能效果顯著，在不影響網(wǎng)絡(luò)穩(wěn)定性和用戶體驗的情況下，平均節(jié)能約23%，顯著降低了5G基站的能耗、運行成本和電網(wǎng)運行負(fù)擔(dān)。

（2）基站儲能電池采取不同DOD策略對其循環(huán)壽命和系統(tǒng)經(jīng)濟(jì)性影響較大，實驗發(fā)現(xiàn)60%DOD下的儲能電池在使用壽命和運行成本方面具有較大優(yōu)勢。

（3）5G基站儲能電池參與VPP調(diào)度前后，VPP風(fēng)、光出力每日剩余電能分別為226.297 kW·h、59.519 kW·h，極大提高了VPP新能源消納水平。在對5G基站采取節(jié)能措施情況下，儲能電池參與VPP調(diào)度后，VPP單日綜合運行成本較參與前減少105￥，成本降幅約15.6%，效果顯著。如果要達(dá)到近似效果，不應(yīng)用基站儲能電池而單獨配置儲能電池，其投資成本則約增加15.17×104￥。

（4）通過改進(jìn)無網(wǎng)格光線尋優(yōu)算法對模型進(jìn)行分析求解，驗證了該算法在計算中具有計算速度快、求解結(jié)果穩(wěn)定、精確的優(yōu)點，更適應(yīng)于本文所構(gòu)建的模型。

本文僅考慮了不同DOD策略對基站儲能電池循環(huán)壽命的影響，但未考慮溫度、峰值電流、電極老化等因素的作用，對于電池等效使用壽命的計算也過于簡單；同時如何對5G基站采取更進(jìn)一步的節(jié)能措施，怎樣與2G～4G基站配合值得今后更深入地研究。