首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 5G基站储能技术在虚拟电厂能量调度中的应用

5G基站储能技术在虚拟电厂能量调度中的应用

2024-10-18 67 上传者：管理员

摘要：虚拟电厂能量调度过程中，忽略储能出力的不确定性，使得调度后负荷功率峰谷差值明显。因此，提出5G基站储能技术在虚拟电厂能量调度中的应用。以系统日运行成本最小为目标，建立虚拟电厂能量调度目标模型，根据5G基站储能调度流程，建立电网功率约束，对储能出力进行确定性调节；利用列和约束生成法对调度模型进行求解，得到虚拟电厂能量调度策略。实验结果表明，将5G基站储能技术应用于虚拟电厂能量调度中，能够有效削峰填谷，可达到良好的调度效果。

关键词：
5G基站储能
电网功率约束
虚拟电厂能量调度
调度虚拟电厂
负荷功率峰谷差
加入收藏

5G基站储能是电力系统基础建设的重要组成部分，为虚拟电厂的能量调度带来极大的便利[1]。虚拟电厂能量调度过程中，虚拟电厂系统存在功耗相对较高、无法满足供电需求、弃风弃光现象严重以及运行成本较高等缺陷。相关学者对虚拟电厂的能量调度进行了研究，应飞祥等人[2]以虚拟电厂经济效益最优为目标，在满足各约束条件的前提下，对其进行调度优化策略研究。通过线性惯性权重粒子群算法及非线性惯性权重粒子群算法对所提模型进行求解；施泉生等人[3]分析虚拟电厂内部各单元功率不确定因素，建立弃风弃光风险惩罚机制与需求响应风险惩罚机制，制定虚拟电厂协调调度策略。但上述文献忽略储能出力的不确定性，使得调度后负荷功率峰谷差值明显。

鉴于此，本文研究5G基站储能技术在虚拟电厂能量调度中的应用。充分利用5G基站储能技术的高频信号覆盖范围广、低碳赋能潜力大、调节特性精细化等诸多优势，调控虚拟电厂，将5G基站储能内部的蓄电池组输出全部参与虚拟电厂的能量调度，将基站负荷纳入到虚拟电厂范围，合理利用清洁能源，提升风力、光伏等清洁能源的消纳能力，优化供电需求，在最大程度上降低系统运行成本。

1、制定虚拟电厂能量调度策略

5G基站储能技术能够将虚拟电厂中分布在各个系统的能量进行聚合，实现对虚拟电厂的集中调度，具体能量调度流程如图1所示。

调度平台运营商在5G基站处安装终端监测设备、通信设备和控制设备，对基站的运行状态、储能设备技术参数以及基站通信负载运行情况等数据信息进行实时监测，保证当下采集数据的时效性，结合虚拟电厂当前的实际运行情况与系统各设备的能力需求，全面分析虚拟电厂可调度的能量，制定合理的能量调度策略并及时向上级电网发送审核请求，电网对调度策略进行安全审核并反馈审核结果，若审核无误，则向基站调控平台寻求指令，调控平台根据能量调度策略对虚拟电厂周边的基站下达调度指令，约束基站储能的充放电行为，将调度效果达到最优。

图1 5G基站储能调度流程

根据5G基站对系统的调度流程，制定电厂能量调度策略。本文将风力、光伏发电单元、受控负荷组、5G基站储能和储能系统组成虚拟电厂模型，并参与电网运行。除基站储能电源外，虚拟电厂系统不再额外接入储能装置。构造能量调度目标函数，实现虚拟电厂在运行成本最低的条件下执行最佳调度策略。利用集中调度的方式对构建的虚拟电厂进行迭代，由于电网系统中的各分布式能源是分散式接入系统的，因此，对分布式能源的调度方式，采用控制中心的通信设备进行统一调度，并联合其内部的储能电池全额参与电网调度。

1.1 建立虚拟电厂能量调度目标模型

在建立虚拟电厂能量调度模型时，充分考虑将5G基站储能技术引入虚拟电厂能量调度中对系统带来的经济方面的影响[4]。因此，将5G基站储能纳入虚拟电厂模型，将系统运行成本最小作为模型目标函数。其中清洁电源发电单元出力包括预测值和实际值，所有设备的输出能量均对虚拟电厂负荷进行优先供给，基站储能电池组综合储能系统对电源出力进行补偿[5]。因此，为实现基站储能与电网系统间协调的要求，本文考虑将虚拟电厂经济效益最好作为能量调度目标函数。

1.1.1 平衡市场偏差惩罚成本

在平衡市场中，由于风力、光伏随机波动，发电不稳定，导致虚拟电厂在不同时刻向外供能率与日前申报功率存在一定偏差，从而影响电网运行的安全性，因此，在日内平衡市场中，虚拟电厂受到供能偏差惩罚。

式中，Ppv(t)和Pwi(t)分别表示虚拟电厂在时刻t开启调度策略时调用的光伏与风力清洁能源的发电量；分别表示在时刻t清洁能源的实际处理值；Pac(t)为空调虚拟储能出力，放电时，其值为正，充电时，其值为负；c+(t) p+(t)表示虚拟电厂高估交互惩罚，c+(t)表示在时刻t时高估交互成本，取值大小为当前时刻购入电能价格的2倍，p+(t)表示调度交互与实际交互功率的差值，即高估交互功率；c-(t) p-(t)表示虚拟电厂低估交互惩罚，c-(t)表示在时刻t时的低估交互成本，p-(t)表示低估交互功率。

1.1.2 替代性负荷响应成本

替代性负荷之间的转换与替代影响用电客户的日常用电习惯[6]，因此，需要对不同类型的能源设置相应的激励机制吸引用户参与，负荷响应激励机制成本如式（4）所示。

式中，Rel、Rhl和Rgl分别表示虚拟电厂电负荷、热负荷和气负荷的单位调节成本；Pre(t)、Prh(t)和Prg(t)分别表示在时刻t时三种负荷的功率转化量，功率增多时，其值为正，功率减少时，其值为负。

1.1.3 虚拟储能调节成本

由于虚拟电厂自调节带来舒适度下降[7]，因此，需要采用分层式经济激励机制对电能用户进行补偿。

式中，Rac表示电厂虚拟储能单位调节成本；Pac(t)表示在时刻t电厂充放电功率。

1.1.4 燃气轮机环境成本

当燃气轮机运行时，产生对空气造成污染的排放气体，因此需要考虑相应的环境损失。

式中，Pgt(t)表示在时刻t机组的无功功率；i表示排放污染气体的序号，i=1,2,…,N;Qi表示第i项污染气体的排放强度；Yi和Bi分别表示第i项污染气体受到的惩罚成本和环境价值数量级。

1.1.5 售电收益

虚拟电厂在调度时，将多余的电能向上级电网出售以获取利益，因此，售电收益为售电利润与购电成本的差值。

式中，Rsell(t)表示虚拟电厂在时刻t向上级电网售电的成本；Rbuy(t)表示购电成本；Pgridsell(t)和Pbuygrid(t)表示购电和售电功率。

综合以上分析计算，得到虚拟电厂能量调度过程以日运行成本最低为目标函数的调度模型，如式（8）所示。

式中，ψ1表示虚拟电厂在t时刻所有设备的出力决策变量；ψ2表示清洁能源的实际出力值。

在实时调度阶段，虚拟电厂的运行状态受到多种条件约束，因此分析并结合约束条件对调度模型进行求解，实现符合实际的最佳能量调度策略[8]。

1.2 5G基站储能的调度约束条件

结合5G基站储能对虚拟电厂的能力调度流程，本文研究的模型约束条件包含5G基站储能的充放电状态约束、基站调控平台充放电指令约束、储能充放电等式约束和电网功率约束。

1.2.1 5G基站储能充放电状态约束

单一5G基站储能不能同时充电和放电。

式中，βch表示基站储能充电状态变量；βdiss表示放电状态变量。

1.2.2 基站调控

基站调控平台充放电指令约束，5G基站储能调控平台执行调度策略时不能同时充电和放电[9]。

式中，Pch(t)、Pdiss(t)分别表示基站在时刻t的充电功率和放电功率。

1.2.3 储能充放电等式约束

式中，Ei,t表示在时刻t对虚拟电厂中第j个设备进行储能；t表示储能时延；ηch表示基站储能充电系数；Pj,ch、Pj,diss分别表示第j个设备充、放电功率；ηdiss表示基站储能风电系数。

1.2.4 电网功率约束

式中，Pmingrid和Pmaxgrid分别表示虚拟电厂位于的电力系统所允许输入功率的最大值和最小值。

由于建立的调度模型为多目标函数，因此，为将模型求解过程简单化，在约束条件下，对各目标函数进行标准化处理成为单一函数[10]，公式如下：

式中，m表示各目标函数；ωm表示目标函数相对应的权重系数，且。假设本文中建立的5个目标函数的重要性等级一致，因此，各目标函数的权重系数均为0.2[11]。

针对上述建立的虚拟电厂能量调度模型，为得到最优解，采用列和约束生成算法，将虚拟电厂能量调度问题分成两个阶段进行迭代求解，提高算法收敛速度。

1.3 能量调度模型求解

本文采用列和约束生成算法求解虚拟电厂能量调度模型，该算法在迭代过程中可通过调节储能出力并对其进行优化，从而得到最佳能量调度策略。其求解调度模型流程图如图2所示。

图2 能量调度模型求解流程图

依据图2，可得对模型的求解步骤如下：

(1）将虚拟电厂储能充放电功率初始值设置为0，不参与电网系统调节；

(2）引入辅助变量，在初次迭代中，利用初始化虚拟电厂储能出力进行确定性调节，在第k次迭代中，利用上一次迭代中找出的所有实际场景以及虚拟电厂储能出力进行运行优化，求得虚拟电厂中各能源设备出力策略和各项调度单位成本的收益数值，计算最终运行成本k;

(3）根据主问题计算得出最优解并寻找清洁能源出力不确定性导致的恶劣场景，即子问题；

(4）基于自问题的计算结果，得到k个清洁能源随机波动导致的小便短赤系统日内供能与日前偏差，通过协调虚拟储能充放电平抑偏差[12]，使得日内平衡市场受到的惩罚成本最低，此时得到的整体成本为σk;

(5）判断算法是否符合收敛条件，给定收敛精度ε，若当前算法满足，则迭代结束，输出模型最优解；反之，令迭代次数k=k+1，将主问题与子问题互相迭代直到算法满足收敛条件。

2、实验论证

本文以某地社区为例，该社区的内部系统可构成一个虚拟电厂，通过仿真模拟计算验证分析所提方法的可行性。

2.1 实验说明

本文以某智慧社区为例，该社区内部系统主要包括风力、光伏等清洁能源发电机组、居民用电负荷、输出功率为200 k W的3台柴油发电机组以及15座含储能的5G基站，上述各设备共同组成一个虚拟电厂。风电单元的发电机组装机容量为1 000 kW，其输出的电能将全额参与虚拟电厂的能量调度。参照相关文件标准，单个5G基站通信设备最高功耗不大于5 kW，为保证系统不间断供电，采用60组规格、类型均相同的基站用50 V、200 Ah蓄电池并联于基站储能电池组，得到最大电池容量362.5 kWh，额定充电功率为72.9 kW，可持续放电功率达到210 k W。5G基站基本参数如表1所示。

表1 5G基站基本参数

2.2 实验准备

读取虚拟电厂负荷历史数据，预测相同未来一天内风力、光伏发电出力预测值和用电负荷量，如图3所示。

由图3(a）可知，在2 h～15 h期间，风电资源较为充足，在能量调度过程中，要考虑在此期间最大化限度地利用具有随机波动性的清洁能源，达到最大程度消纳风电的目的；在图3(b）中可以看出从7 h开始。用户用电负荷逐渐增多，大约在11 h达到用电高峰。

系统的分时电价在高峰期为1.102元，平段期为0.661元，低谷期为0.320元；将各基站储能在调度时间段初始SOC设为0.5，且损耗成本系数为0.14。

图3 虚拟电厂风电出力及用电负荷量日前预测曲线

2.3 虚拟电厂能量调度策略效果实验分析

基于上述实验准备，对5G基站储能在虚拟电厂中的调度应用进行分析。考虑到不同基站通信负载的变化趋势不同，在实验中主要分析一个调度周期即24 h取基站负载状态指标阈值为0.4。利用仿真平台对调度模型进行优化求解，得到最佳调度策略，负荷功率峰谷差越小，表明调度效果越好。5G基站储能调度策略结果如图4所示。

图4 基站储能调度策略结果

由图4可知，5G基站储能技术未参与虚拟电厂能量调度时，其负荷功率存在较大的峰谷差，调度效果较差；而5G基站储能技术参与虚拟电厂能量调度可以调节负荷峰谷差，有效降低负荷功率峰谷差值，而且不会引起新的负荷尖峰或低谷，能够达到良好的调度效果。

3、结束语

本文根据5G基站储能技术对虚拟电厂的调控流程，根据调控流程制定能量调度策略，通过以系统日运行成本最低建立虚拟电厂能量调度目标函数，综合调度约束条件利用列和约束生成法对调度模型进行求解，经实验论证证明，将5G基站储能技术应用于虚拟电厂能量调度中，可以达到良好的效果，为系统的稳定运行提供保障。

参考文献:

[1]张立辉,戴谷禹,聂青云,等.碳交易机制下计及用电行为的虚拟电厂经济调度模型[J].电力系统保护与控制,2020,48(24):154-163.

[2]应飞祥,徐天奇,李琰,等.含电动汽车充电站商业型虚拟电厂的日前调度优化策略研究[J].电力系统保护与控制,2020,48(21):92-100.

[3]施泉生,张小彪,任洪波,等.基于风险惩罚机制的虚拟电厂优化调度[J].科学技术与工程,2020,20(30):12428-12435.

[4]周孟戈,谢松,彭搏,等.计及5G基站负荷概率特性的配电网扩展规划方法[J].电工电能新技术,2022,41(1):60-68.

[5]李红霞,樊伟,李楠,等.考虑风光不确定性的电气互联虚拟电厂近零碳调度优化模型[J].电力建设,2020,41(9):10-19.

[6]牛壮壮,刘三明,刘扬.基于能源路由器的多区域虚拟电厂优化调度[J].电测与仪表,2020,57(24):84-92.

[7]潘华,梁作放,薛强中,等.基于分时电价的含风-光-气-储虚拟电厂经济调度[J].太阳能学报,2020,41(8):115-122.