考慮5G基站和數據中心接入的變電站多目標優化方法

張輝, 程嘯,凌孺, 張思璐,劉念,韓建沛

(1.國網安徽省電力有限公司經濟技術研究院, 合肥市 230000;2.華北電力大學電氣與電子工程學院,北京市 102206)

0 引 言

隨著5G技術、數據中心的發展,5G基站的建設數量和建設密度逐漸增加,基站能耗相應增大[1],未來新型數字基礎設施大量接入,將給電力系統帶來巨大挑戰與機遇[2]。一方面,由于新型數字基礎設施負荷功率高,分布密集,其大規模接入會增加電網運行尖峰負荷[3],因此需要協調新型數字基礎設施與光伏、儲能、充電樁等電網資源,減小尖峰負荷給電網運行帶來的影響。另一方面,新型數字基礎設施接入可以豐富和增加電網可調手段[4]。通過新型數字基礎設施與光伏儲能充電樁等電網資源的協調互動,可以為電網運行提供更多可調資源和手段,利用新型數字基礎設施用電靈活性及配備資源,平滑電網負荷波動,參與配用電側的需求側響應和管理[5]。

在新型數字基礎設施的研究中,5G技術的快速發展和應用引發了國內外專家學者對無線通信網絡能耗的關注。5G技術提供高速率、大容量、低延時通信服務的同時,其耗電量也相應增加[6]。5G基站配置大規模天線技術[7],提升收發通道數和帶寬,其額定滿載功耗約為4 kW,相當于4G基站的3倍[8];對于集成多個頻段的高頻5G基站,單基站功耗仍可能達到10 kW,甚至更高[9-10]。此外,5G基站屬于高頻基站,信號平均覆蓋范圍遠小于4G基站,為了保證5G信號的正常覆蓋,5G基站的建設數量和密度隨之上升[11]。在未來5G基站大規模部署的情況下用電成本將是網絡運營商亟需面對的現實問題。為了保證供電可靠性和通信服務質量,5G基站在建設時均配備了儲能設備,閑置儲能資源可以作為靈活性資源參與電力系統優化調度。配電網運營商根據負荷需求調整基站電價或發放需求響應補貼,引導儲能資源進行需求響應,從而有效降低5G基站用電成本。目前已有研究在考慮電網支撐作用的基站能量優化、基站儲能可調度容量評估、通信網參與電網調峰、調頻等輔助服務等方面進行了嘗試,文獻[12]考慮基站間的能量共享,提出了最小化購電成本的基站能量優化方法;文獻[13]評估了5G基站備用儲能系統在配電網中的可調度容量,并分析了其在配電網優化調度中的應用;文獻[14]考慮了通信網向配電網提供輔助服務的應用場景,提出了基站的啟停及能量管理策略。

針對數據中心,考慮數據中心與電網資源的協同優化,降低數據中心的運營成本與配電網運行成本已成為國內外研究的熱點。文獻[15]提出在空間范圍內,將數據中心負荷分散遷移至光伏、太陽能等可再生能源附近,在提高可再生能源利用率的同時,也降低了數據中心的用電成本。除了通過空間位置的負荷遷移提升數據中心的運行經濟性,在時間尺度上可以以數據中心部分負荷可轉移的特點,利用數據中心儲能設備和其可遷移負荷等靈活性資源,提高數據中心的能源利用效率[16]。文獻[17]研究了數據中心在期望的能源成本與運營風險之間的最優權衡問題,構建了數據中心參與遠期市場與現貨市場的兩階段隨機規劃模型。分布式能源出力隨機性與不確定性會對數據中心的安全可靠運行造成一定的影響,因此實際運行中需要配置相關儲能元件。文獻[18]利用數據中心電池存儲和熱能存儲系統參與需求響應,提出了降低數據中心用電成本的儲能配置框架。文獻[19]基于對數據中心用電需求的分析,提出一種利用電價引導的數據中心光伏和儲能設備協同優化調度模型。文獻[20]基于延遲容忍型工作負荷的可調度特性,提出數據中心面向用戶側的可再生能源補貼機制,建立數據中心日前最優的運行調度模型,提升數據中心對可再生能源發電的消納能力。

總體上來說,目前針對配電網資源與新基建的協同優化的研究正處于起步階段,考慮配電網資源與5G基站、數據中心等新型數字基礎設施的多主體互動能量優化方面的研究較少,配電網資源與新型數字基礎設施的互動機理、協同優化模式尚不清晰,亟需深入研究。在應用場景方面,現有研究較少考慮5G基站、數據中心等新型數字基礎設施與光伏、儲能系統、電動汽車充電樁等電網資源間的協同互動,本文提出了在多站融合場景下5G基站、數據中心與光儲充等電力系統資源協同的調度運行策略;在研究思路方面,現有的5G基站、數據中心等新型數字基礎設施資源優化調度較少兼顧多個決策目標,本文構建了考慮電網運行經濟性和電網運行穩定性的多目標優化模型,并采用基于ε-約束的優化求解方法對模型求解,并使用模糊隸屬度法評估滿意度,得到最優折中解。最后,通過算例仿真,驗證了所提多目標優化方法的有效性。

1 多主體協同優化框架

多主體協同優化運行框架利用變電站閑置電力配置、閑余空間資源和通信資源,配套建設5G基站、數據中心站等新型數字基礎設施,優化資源配置,提高資源利用率,進行負荷就地消納,實現多站一體化協同運營。5G基站一般配備儲能系統作為后備電源來滿足5G基站的不間斷供電需求,其在配電網正常運行時處于閑置狀態,因此,考慮利用5G基站閑置儲能資源參與電力系統優化調度,在保證5G基站供電可靠性的前提下,備用儲能作為靈活性資源參與電力調度,根據分時電價實施充放電策略,對配電網負荷削峰填谷,同時可以降低5G基站運行電費。

對于多站融合場景,由于各類資源配置相對集中,且集中式優化具有更高的信息安全性,一般采用集中式協同優化調度框架來輔助變電站進行資源調度決策,多主體協同優化運行框架如圖1所示。

圖1 多主體協同優化運行框架

在多主體協同優化框架中,變電站主要為用戶穩定提供電能;5G基站能耗與其接入通信負載有關,同時其自帶的備用儲能可以作為靈活性資源,參與電力系統優化調度;電動汽車充電站兼有負荷消耗和儲能特性;數據中心能耗與到達數據任務量有關,其中部分數據具有可延時特性,可以利用可遷移負載參與電力系統優化調度;光伏作為新能源接入電網,可以減少變電站與上級電網交換功率;儲能電站作為備用電源,在電網供電異?；蜇摵刹▌虞^大時,為用戶提供電能,同時,配電網運營商可以利用分時電價引導儲能設備進行需求響應,參與電力系統優化調度,減小電力系統負荷峰值,提升電力系統運行經濟性和安全性。

2 模型構建

2.1 5G基站模型

2.1.1 5G基站能耗模型

5G基站的基礎設施主要包括供電設施(備用儲能)和通信設施[21]。其中,通信設備能耗分為靜態能耗和動態能耗:靜態能耗主要為基帶單元提供能量,其大小不隨接入移動負載的數量而改變;動態能耗是可調的,其大小與5G基站接入的移動用戶的通信流量有關,數值上呈線性關系[22]。因此,5G基站能耗表達式如下:

Pbs=Ps,t+βPd,t

(1)

式中:Pbs為5G基站能耗;Ps,t和Pd,t分別表示基站在t時刻的靜態功耗和動態功耗;β表示基站的能量效率系數。

2.1.2 5G基站備用儲能模型

5G基站通常會配置儲能作為備用電源來保證基站運行的可靠性,該備用儲能可作為可調度資源參與電力系統協同優化,其儲能模型如下:

5G基站儲能荷電狀態(state of charge, SOC)在充放電時滿足以下等式約束:

(2)

根據5G基站儲能電池特性,5G基站儲能的充放電行為不會同時發生,滿足約束:

(3)

式(3)保證5G基站儲能的充放電行為不會同時發生。

為保證安全性和儲能電池壽命,應盡量避免過充過放行為,因此,5G基站儲能充放電功率滿足約束:

(4)

(5)

同時,5G基站儲能荷電狀態滿足約束:

Sbs,min≤Sbs,t≤Sbs,max

(6)

Sbs,t=1=Sbs,t=N

(7)

式中:Sbs,max和Sbs,min分別為5G基站儲能SOC上下限;N為一個優化周期內的時段數。

2.2 數據中心模型

2.2.1 數據中心能耗模型

IT設備能耗是數據中心能耗的主要組成部分,數據中心總能耗與IT設備能耗的比值,即電能使用效率(power usage effectiveness , PUE),直接反映了數據中心的能耗效率,PUE數值越接近1,表示數據中心能耗效率越高[23],目前國內數據中心電能使用效率大約為1.4～2.0[24]。通過計算IT設備能耗和PUE值可以得到數據中心總能耗,數據中心能耗表達式如下:

Pdc=ηPUE×PIT

(8)

式中:Pdc為數據中心總能耗;PIT為IT設備能耗;ηPUE表示數據中心電能使用效率。

IT設備能耗與數據中心需要處理的數據任務量有關[25]。在t時刻,到達數據中心的數據任務越多,需要運行的IT設備越多,IT設備能耗越大。IT設備能耗模型表達式如下:

Pser,t=Pwnt+Ph(M-nt)

(9)

式中:Pser,t為t時刻IT設備總能耗;Pw為處于運行工作狀態時的IT設備能耗;Ph為處于休眠狀態的IT設備能耗;M為IT設備總數;nt為t時刻處于工作狀態的IT設備數量。

2.2.2 數據中心負載遷移模型

數據中心負載可以分為需要實時處理和允許延時處理兩類,其中,可延時處理負載具有在時間維度上的遷移能力。數據中心利用可遷移負載參與電力系統優化調度,實現需求響應,其負載遷移模型如下:

數據中心的可遷移負載應滿足在全時刻的遷移功率總量平衡,約束如下:

(10)

式中:Pdc,disp,t表示t時刻的數據中心遷移負載功率量,當Pdc,disp,t>0時,數據中心處理從其他時刻遷移至t時刻的負載;當Pdc,disp,t<0時,數據中心在t時刻的負載遷移至其他時刻。

可延時處理的負載功率應滿足約束:

Pdc,disp,t,min≤Pdc,disp,t

(11)

式中:Pdc,disp,t,min表示t時刻可以延時處理的負載功率下限。

考慮數據中心設備數量限制,應滿足約束:

Pdc,t+Pdc,disp,t≤Pdc,max

(12)

式中:Pdc,t表示數據中心在t時刻的負載功率;Pdc,max表示數據中心的負載功率上限。

2.3 儲能系統、EV充電站模型

EV充電站具有儲能容量,其模型與電網儲能系統相似,儲能充放電模型如下:

(13)

儲能系統、EV充電站的電池部分容量可以參與電力系統調峰,考慮電池壽命和充放電安全,儲能電池充放電上下限約束如下:

(14)

(15)

SESS,min≤St≤SESS,max

(16)

SESS,t=1=SESS,t=N

(17)

(18)

3 多目標優化

3.1 優化目標

隨著電力系統的快速發展,電力系統對電網的安全性與經濟性的要求進一步提高,在此背景下,需求側響應作為一種資源有效利用方法得到廣泛使用。配電網運營商結合自身負荷特性,利用分時電價引導其他運營主體利用其自身配備的可調度資源積極參與需求響應,降低配電網負荷波動。其他運營商在參與電力系統優化調度的過程中,提高靈活性資源利用率,降低用電成本,推動新型數字基礎設施的建設。為實現達到新型數字基礎設施與電網友好協同互動,本文構建多目標優化模型:

1)目標函數1,電網運行成本F1最小化:

(19)

2)目標函數2,負荷峰谷差F2最小化:

F2=ε(Pnet,max-Pnet,min)

(20)

式中:ε為負荷峰谷差懲罰系數;Pnet,max為凈負荷最大值;Pnet,min為凈負荷最小值。

負荷峰谷差是評估配電網波動性和穩定性的重要指標,同時,為了降低負荷波動,配電網運營商利用分時電價引導其他運營商參與協同優化調度,可以提高其他運營商運行經濟性。因此,在構建多目標優化模型時,將電網運行成本和負荷峰谷差設置為目標函數,其中,電網運行成本對應電網運行經濟性,負荷峰谷差對應電網運行穩定性。

3.2 約束條件

1)功率平衡約束:

變電站電能來源為上級電網購電、光伏發電及儲能儲存的能量,負荷包括常規用電負荷、5G基站、數據中心、EV充電站負荷與儲能的充電,功率平衡等式約束如下:

(21)

式中:PPV,t為t時刻光伏出力。

2)配電網交換功率約束。

變電站與上級電網最大交換功率應考慮與上級電網連接處變壓器、線路容量限制,約束如下:

Pnet,t≤Pnet,lim

(22)

式中:Pnet,lim為與上級電網最大交換功率。

3)5G基站儲能、EV充電站儲能、電網儲能約束。

為了保證儲能充放電的可靠性,需滿足式(2)—(7)、(13)—(18)約束。

4)數據中心負載遷移約束。

數據中心可遷移負荷需滿足式(10)—(12)約束。

5)光伏出力約束。

光伏電站發電量要滿足光伏最大發電功率約束:

0≤PPV,t≤PPV,max

(23)

式中:PPV,max為光伏電站最大發電功率。

3.3 求解方法

考慮電網運行成本最小化和負荷峰谷差最小化兩個目標,構建多目標優化模型:

(24)

在本算例中,i=2,具體表達式如下:

(25)

對于多目標優化問題,其常見求解方法包含加權求和法、ε-約束法等。由于加權求和法的權重選取存在較強的主觀性,本文采用ε-約束法對所提多目標優化模型進行求解,得到Pareto解集,并使用模糊隸屬度評估滿意度,得到最優折中解[26]。

在Pareto最優解集中,需要找到最符合實際的最優解,本文通過考慮每個目標的滿意度,確定符合每個目標預期的最優折衷解。首先,采用定義模糊隸屬度函數,分別計算每個Pareto解中各個目標函數的滿意度;然后計算每個Pareto解的標準化滿意度,通過比較最終確定最優折中解。定義模糊隸屬度函數為:

(26)

式中:μi代表每個Pareto解中目標函數i的滿意度;當μi越大,則表示該目標函數結果越滿意;Fimax、Fimin分別為目標函數i的上限和下限。

根據式(26)求解Pareto最優解集中的每個解的標準化滿意度值,其中滿意度值最大的解即為最優折衷解:

(27)

式中:μ為標準化后的滿意度值;m為目標函數個數。

4 算例分析

4.1 算例設置

為了驗證多資源協同優化的有效性,采用某融合型變電站負荷曲線作為算例數據,典型日負荷曲線如圖2所示,分時電價曲線如圖3所示。常規峰值負荷為1.7 MW;EV儲能容量為200 kW·h,充放電功率限制為40 kW,5G基站備用儲能容量為300 kW·h,充放電功率限制為100 kW,初始時刻SOC為0.4,充放電效率均為0.95;數據中心可用服務器數量為500臺。算例分析時間間隔為1 h,任意時刻到達5G基站的實時通信流量和到達數據中心的任務量已知,利用上文中構建的5G基站和數據中心能耗模型計算出5G基站和數據中心負荷,運用分時電價對5G基站備用儲能功率、數據中心可遷移負載和EV充放電功率進行優化調度。

圖2 某融合型變電站日負荷曲線

圖3 分時電價曲線

4.2 優化結果

運用ε-約束法對多目標函數進行求解,得到Pareto前沿解集如圖4所示。

圖4 Pareto最優解集分布

對于圖4所示的Pareto解集,通過計算標準化滿意度μ=1/2(μ1+μ2)來表征決策者對該解的滿意程度。遍歷整個Pareto解集,標準化滿意度最大的解即為最優折衷解。其標準化滿意度計算結果如圖5所示。

圖5 滿意度分布

Np為Pareto最優解集數?？梢钥闯?當Np=4時滿意度值最大,此時對應的各主體的優化調度策略如圖6所示。

圖6 優化調度策略

5G基站備用儲能和EV儲能的荷電狀態變化如圖7所示,圖中虛線分別表示儲能SOC上下限。

圖7 儲能荷電狀態

由圖6和圖7可知,5G基站、EV充電樁儲能系統充放電策略如下:在運行負荷低或光伏資源充足時向電網購電,此時分時電價較低,在運行負荷高的時候儲能系統放電,減少5G基站、EV充電樁向電網購電功率,降低運行成本;數據中心降遷移的數據由電價較高的時刻遷移至電價較低的時刻處理,可以降低數據中心運行成本。值得注意的是,在時段12至時段13,5G基站備用儲能在電價較高的時段向電網充電,這表明調度策略兼顧了電網經濟性與穩定性兩方面指標。最優的調度運行方案在保證電網運行收益較高的同時減小負荷峰谷差,并引導變電站內的可調度資源改變用電曲線從而降低自身用電成本,其結果并不是某一方收益的絕對最大值,而是綜合考慮各方利益的最優折衷解,因此有可能出現當電價較高而區域凈負荷較小時儲能進行充電的情況。

圖8為多目標協同優化前后負荷曲線,由圖8可知,在5G基站、數據中心和EV充電樁的可調度資源均不參與協同優化調度,僅視作常規負荷的場景下,電網負荷波動較大。本文所采用的多目標優化方法可以促進5G基站、數據中心和EV充電樁與電網的積極互動,電網負荷尖峰減小,可以有效對電網負荷進行削峰填谷,平滑電力負荷。

圖8 多目標協同優化前后負荷曲線對比

為了充分說明本文所提方法的有效性,各種資源參與多目標協同優化前后的電網凈負荷峰谷差效果對比的具體數值如表1所示。

表1 削峰填谷效果對比

基于優化調度策略,計算不同運行商的運行成本,一天中5G基站、數據中心、EV充電樁運營商參與多目標協同優化前后運行成本對比如表2所示。

表2 多目標協同優化經濟性對比

表2表明,新型數字基礎設施配備資源參與電力系統優化,可以減少其購電成本,5G基站運行成本下降5.19%,數據中心運行成本下降4.37%,EV充電站運行成本下降3.40%,電網通過讓利鼓勵其他運營商參與協同優化,減小尖峰負荷,提高電力系統運行穩定性和安全性,實現多利益主體共贏。

4.3 敏感性分析

在本文中采用標準化滿意度最大值所對應的Pareto解為最優解,兼顧配電系統經濟性與穩定性。經濟性和穩定性在優化目標中的權重大小與相應優化結果如表3所示,若以減小配電網運行成本,提高配電系統經濟性為主要目標,即提高滿意度指標中μ1的權重,則應選擇Np=16時對應的調度策略,此時配電網運行成本最小,但負荷峰谷差增大;若以減小配電網峰谷差,提高配電系統穩定性為主要目標,即提高滿意度指標中μ2的權重,則應選取N=1時的調度策略,此時負荷峰谷差最小,但電網運行成本增加。

因此,本文選取標準化滿意度最大值作為最優折中解,在合理范圍內兼顧配電系統經濟性和穩定性。

5 結 論

本文針對5G基站、數據中心的大規模接入,構建考慮電網運行經濟性和穩定性的多目標優化模型,并提出了基于ε-約束的多目標模型求解方法。主要結論如下:

1)5G基站、數據中心具有可觀的參與需求響應的潛力,其自身配置的可調度資源可以積極響應分時電價,參與電力系統優化調度,降低新型數字基礎設施運行成本,在本算例中,5G基站運行成本降低5.19%,數據中心運行成本下降4.37%;

2)電網運營商通過適當讓利與新型數字基礎設施友好互動,有效削峰填谷,增加電力系統運行穩定性,在本文算例中,電網負荷峰谷差由1 231.7 kW下降至1 017.3 kW。

通過上述模型和求解方法,可以有效降低新型數字基礎設施的運行成本,同時,減小電力負荷波動,兼顧配電系統經濟性和穩定性,實現多利益主體共贏。