計及通信負載的5G 基站儲能調控策略

麻秀范 孟祥玉 朱秋萍 段 穎 王 志

（華北電力大學電氣與電子工程學院 北京 102206）

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電池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31.8GW·h，這是一個非常大的儲能資源。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，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參考策略。

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、分布廣、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、分布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、起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。

圖1 5G 基站云儲能系統調控流程 Fig.1 Control process of base station cloud energy storage system

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 5G 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。基站通信負載時空特性如圖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]。

圖2 基站通信負載時空特性 Fig.2 Spatio-temporal characteristics of base station communication load

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24h 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。眾多的場所如商業區、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 5G 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。

基站負載表現出基站承擔業務量的多少，可以用基站接入用戶數、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量表示基站負載量，并引入一個基站負載率指標λload為

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λload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λload∈[0,1]。根據λload的大小對基站負載狀態進行劃分，見表1。

表1 基站負載狀態劃分 Tab.1 Division of base station load status

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。

圖3 基站儲能SOC 狀態示意圖 Fig.3 Schematic diagram of base station energy storage SOC state

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

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λload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有利于基站備電可靠性，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

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

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為

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

同理，儲能放電時，基站i儲能的最大放電功率為

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

3 計及通信負載的5G 基站儲能調控策略

3.1 5G 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，目前對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，因其承擔的用戶數量大，業務多，對基站儲能的備電可靠性需求也會增高。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。

圖4 基站儲能分群判別流程 Fig.4 Discrimination process of base station energy storage grouping

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 基站的推廣和建設進程。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

式中，D(t)為t時刻電網的負荷需求；Pch(t)、Pdiss(t)分別為t時刻5G 基站儲能總充電放電功率，且

2）目標函數2：最大化基站儲能調控效益

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

式中，βch、βdiss分別為儲能充、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

3）儲能充放電等式約束

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。

4）儲能充放電功率約束

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 限約束

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

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

2）極大化目標函數歸一化處理

式中，Fi、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，即

式中，ωi為權重系數，且。權重系數可按照實際調控需求調節，本文以ω1=0.5 和ω2=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五種不同功能區域，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。

圖5 區域日負荷曲線 Fig.5 Daily load curve of a certain area

表2 分時電價 Tab.2 TOU power price

圖6 典型5G 基站通信負載變化趨勢 Fig.6 Typical 5G base station communication load change trend

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48V/400A·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。

表3 儲能電池相關參數 Tab.3 Related parameters of energy storage battery

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。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如圖7 所示，其中正值為儲能充電功率，負值為放電功率。

圖7 基站儲能充放電策略優化結果 Fig.7 Optimized results of base station energy storage charging and discharging strategies

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。

表4 基站儲能削峰填谷效果 Tab.4 The effect of base station energy storage peak cutting and valley filling

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圖8 所示。

圖8 不同區域典型基站儲能充放電結果 Fig.8 Charging and discharging results of typical base station energy storage in different regions

由圖8 可知，0:00～8:00 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10:00～13:00，位于商業區和工作區的基站儲能放電主要集中于17:00～22:00，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。

圖9 充放電策略對比 Fig.9 Comparison of charging and discharging strategies

由圖9 可知，本文提出策略在基站通信負載高峰時段（如9:00～20:00）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9:00～20:00 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低儲高放收益如圖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。

圖10 儲能低儲高放收益 Fig.10 Charging and discharging benefits of energy storage

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。