考虑5G基站和数据中心接入的变电站多目标优化方法

张辉, 程啸,凌孺, 张思璐,刘念,韩建沛

(1.国网安徽省电力有限公司经济技术研究院, 合肥市 230000;2.华北电力大学电气与电子工程学院,北京市 102206)

0 引 言

随着5G技术、数据中心的发展,5G基站的建设数量和建设密度逐渐增加,基站能耗相应增大[1],未来新型数字基础设施大量接入,将给电力系统带来巨大挑战与机遇[2]。一方面,由于新型数字基础设施负荷功率高,分布密集,其大规模接入会增加电网运行尖峰负荷[3],因此需要协调新型数字基础设施与光伏、储能、充电桩等电网资源,减小尖峰负荷给电网运行带来的影响。另一方面,新型数字基础设施接入可以丰富和增加电网可调手段[4]。通过新型数字基础设施与光伏储能充电桩等电网资源的协调互动,可以为电网运行提供更多可调资源和手段,利用新型数字基础设施用电灵活性及配备资源,平滑电网负荷波动,参与配用电侧的需求侧响应和管理[5]。

在新型数字基础设施的研究中,5G技术的快速发展和应用引发了国内外专家学者对无线通信网络能耗的关注。5G技术提供高速率、大容量、低延时通信服务的同时,其耗电量也相应增加[6]。5G基站配置大规模天线技术[7],提升收发通道数和带宽,其额定满载功耗约为4 kW,相当于4G基站的3倍[8];对于集成多个频段的高频5G基站,单基站功耗仍可能达到10 kW,甚至更高[9-10]。此外,5G基站属于高频基站,信号平均覆盖范围远小于4G基站,为了保证5G信号的正常覆盖,5G基站的建设数量和密度随之上升[11]。在未来5G基站大规模部署的情况下用电成本将是网络运营商亟需面对的现实问题。为了保证供电可靠性和通信服务质量,5G基站在建设时均配备了储能设备,闲置储能资源可以作为灵活性资源参与电力系统优化调度。配电网运营商根据负荷需求调整基站电价或发放需求响应补贴,引导储能资源进行需求响应,从而有效降低5G基站用电成本。目前已有研究在考虑电网支撑作用的基站能量优化、基站储能可调度容量评估、通信网参与电网调峰、调频等辅助服务等方面进行了尝试,文献[12]考虑基站间的能量共享,提出了最小化购电成本的基站能量优化方法;文献[13]评估了5G基站备用储能系统在配电网中的可调度容量,并分析了其在配电网优化调度中的应用;文献[14]考虑了通信网向配电网提供辅助服务的应用场景,提出了基站的启停及能量管理策略。

针对数据中心,考虑数据中心与电网资源的协同优化,降低数据中心的运营成本与配电网运行成本已成为国内外研究的热点。文献[15]提出在空间范围内,将数据中心负荷分散迁移至光伏、太阳能等可再生能源附近,在提高可再生能源利用率的同时,也降低了数据中心的用电成本。除了通过空间位置的负荷迁移提升数据中心的运行经济性,在时间尺度上可以以数据中心部分负荷可转移的特点,利用数据中心储能设备和其可迁移负荷等灵活性资源,提高数据中心的能源利用效率[16]。文献[17]研究了数据中心在期望的能源成本与运营风险之间的最优权衡问题,构建了数据中心参与远期市场与现货市场的两阶段随机规划模型。分布式能源出力随机性与不确定性会对数据中心的安全可靠运行造成一定的影响,因此实际运行中需要配置相关储能元件。文献[18]利用数据中心电池存储和热能存储系统参与需求响应,提出了降低数据中心用电成本的储能配置框架。文献[19]基于对数据中心用电需求的分析,提出一种利用电价引导的数据中心光伏和储能设备协同优化调度模型。文献[20]基于延迟容忍型工作负荷的可调度特性,提出数据中心面向用户侧的可再生能源补贴机制,建立数据中心日前最优的运行调度模型,提升数据中心对可再生能源发电的消纳能力。

总体上来说,目前针对配电网资源与新基建的协同优化的研究正处于起步阶段,考虑配电网资源与5G基站、数据中心等新型数字基础设施的多主体互动能量优化方面的研究较少,配电网资源与新型数字基础设施的互动机理、协同优化模式尚不清晰,亟需深入研究。在应用场景方面,现有研究较少考虑5G基站、数据中心等新型数字基础设施与光伏、储能系统、电动汽车充电桩等电网资源间的协同互动,本文提出了在多站融合场景下5G基站、数据中心与光储充等电力系统资源协同的调度运行策略;在研究思路方面,现有的5G基站、数据中心等新型数字基础设施资源优化调度较少兼顾多个决策目标,本文构建了考虑电网运行经济性和电网运行稳定性的多目标优化模型,并采用基于ε-约束的优化求解方法对模型求解,并使用模糊隶属度法评估满意度,得到最优折中解。最后,通过算例仿真,验证了所提多目标优化方法的有效性。

1 多主体协同优化框架

多主体协同优化运行框架利用变电站闲置电力配置、闲余空间资源和通信资源,配套建设5G基站、数据中心站等新型数字基础设施,优化资源配置,提高资源利用率,进行负荷就地消纳,实现多站一体化协同运营。5G基站一般配备储能系统作为后备电源来满足5G基站的不间断供电需求,其在配电网正常运行时处于闲置状态,因此,考虑利用5G基站闲置储能资源参与电力系统优化调度,在保证5G基站供电可靠性的前提下,备用储能作为灵活性资源参与电力调度,根据分时电价实施充放电策略,对配电网负荷削峰填谷,同时可以降低5G基站运行电费。

对于多站融合场景,由于各类资源配置相对集中,且集中式优化具有更高的信息安全性,一般采用集中式协同优化调度框架来辅助变电站进行资源调度决策,多主体协同优化运行框架如图1所示。

图1 多主体协同优化运行框架

在多主体协同优化框架中,变电站主要为用户稳定提供电能;5G基站能耗与其接入通信负载有关,同时其自带的备用储能可以作为灵活性资源,参与电力系统优化调度;电动汽车充电站兼有负荷消耗和储能特性;数据中心能耗与到达数据任务量有关,其中部分数据具有可延时特性,可以利用可迁移负载参与电力系统优化调度;光伏作为新能源接入电网,可以减少变电站与上级电网交换功率;储能电站作为备用电源,在电网供电异常或负荷波动较大时,为用户提供电能,同时,配电网运营商可以利用分时电价引导储能设备进行需求响应,参与电力系统优化调度,减小电力系统负荷峰值,提升电力系统运行经济性和安全性。

2 模型构建

2.1 5G基站模型

2.1.1 5G基站能耗模型

5G基站的基础设施主要包括供电设施(备用储能)和通信设施[21]。其中,通信设备能耗分为静态能耗和动态能耗:静态能耗主要为基带单元提供能量,其大小不随接入移动负载的数量而改变;动态能耗是可调的,其大小与5G基站接入的移动用户的通信流量有关,数值上呈线性关系[22]。因此,5G基站能耗表达式如下:

Pbs=Ps,t+βPd,t

(1)

式中:Pbs为5G基站能耗;Ps,t和Pd,t分别表示基站在t时刻的静态功耗和动态功耗;β表示基站的能量效率系数。

2.1.2 5G基站备用储能模型

5G基站通常会配置储能作为备用电源来保证基站运行的可靠性,该备用储能可作为可调度资源参与电力系统协同优化,其储能模型如下:

5G基站储能荷电状态(state of charge, SOC)在充放电时满足以下等式约束:

(2)

根据5G基站储能电池特性,5G基站储能的充放电行为不会同时发生,满足约束:

(3)

式(3)保证5G基站储能的充放电行为不会同时发生。

为保证安全性和储能电池寿命,应尽量避免过充过放行为,因此,5G基站储能充放电功率满足约束:

(4)

(5)

同时,5G基站储能荷电状态满足约束:

Sbs,min≤Sbs,t≤Sbs,max

(6)

Sbs,t=1=Sbs,t=N

(7)

式中:Sbs,max和Sbs,min分别为5G基站储能SOC上下限;N为一个优化周期内的时段数。

2.2 数据中心模型

2.2.1 数据中心能耗模型

IT设备能耗是数据中心能耗的主要组成部分,数据中心总能耗与IT设备能耗的比值,即电能使用效率(power usage effectiveness , PUE),直接反映了数据中心的能耗效率,PUE数值越接近1,表示数据中心能耗效率越高[23],目前国内数据中心电能使用效率大约为1.4～2.0[24]。通过计算IT设备能耗和PUE值可以得到数据中心总能耗,数据中心能耗表达式如下:

Pdc=ηPUE×PIT

(8)

式中:Pdc为数据中心总能耗;PIT为IT设备能耗;ηPUE表示数据中心电能使用效率。

IT设备能耗与数据中心需要处理的数据任务量有关[25]。在t时刻,到达数据中心的数据任务越多,需要运行的IT设备越多,IT设备能耗越大。IT设备能耗模型表达式如下:

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

(9)

式中:Pser,t为t时刻IT设备总能耗;Pw为处于运行工作状态时的IT设备能耗;Ph为处于休眠状态的IT设备能耗;M为IT设备总数;nt为t时刻处于工作状态的IT设备数量。

2.2.2 数据中心负载迁移模型

数据中心负载可以分为需要实时处理和允许延时处理两类,其中,可延时处理负载具有在时间维度上的迁移能力。数据中心利用可迁移负载参与电力系统优化调度,实现需求响应,其负载迁移模型如下:

数据中心的可迁移负载应满足在全时刻的迁移功率总量平衡,约束如下:

(10)

式中:Pdc,disp,t表示t时刻的数据中心迁移负载功率量,当Pdc,disp,t>0时,数据中心处理从其他时刻迁移至t时刻的负载;当Pdc,disp,t<0时,数据中心在t时刻的负载迁移至其他时刻。

可延时处理的负载功率应满足约束:

Pdc,disp,t,min≤Pdc,disp,t

(11)

式中:Pdc,disp,t,min表示t时刻可以延时处理的负载功率下限。

考虑数据中心设备数量限制,应满足约束:

Pdc,t+Pdc,disp,t≤Pdc,max

(12)

式中:Pdc,t表示数据中心在t时刻的负载功率;Pdc,max表示数据中心的负载功率上限。

2.3 储能系统、EV充电站模型

EV充电站具有储能容量,其模型与电网储能系统相似,储能充放电模型如下:

(13)

储能系统、EV充电站的电池部分容量可以参与电力系统调峰,考虑电池寿命和充放电安全,储能电池充放电上下限约束如下:

(14)

(15)

SESS,min≤St≤SESS,max

(16)

SESS,t=1=SESS,t=N

(17)

(18)

3 多目标优化

3.1 优化目标

随着电力系统的快速发展,电力系统对电网的安全性与经济性的要求进一步提高,在此背景下,需求侧响应作为一种资源有效利用方法得到广泛使用。配电网运营商结合自身负荷特性,利用分时电价引导其他运营主体利用其自身配备的可调度资源积极参与需求响应,降低配电网负荷波动。其他运营商在参与电力系统优化调度的过程中,提高灵活性资源利用率,降低用电成本,推动新型数字基础设施的建设。为实现达到新型数字基础设施与电网友好协同互动,本文构建多目标优化模型:

1)目标函数1,电网运行成本F1最小化:

(19)

2)目标函数2,负荷峰谷差F2最小化:

F2=ε(Pnet,max-Pnet,min)

(20)

式中:ε为负荷峰谷差惩罚系数;Pnet,max为净负荷最大值;Pnet,min为净负荷最小值。

负荷峰谷差是评估配电网波动性和稳定性的重要指标,同时,为了降低负荷波动,配电网运营商利用分时电价引导其他运营商参与协同优化调度,可以提高其他运营商运行经济性。因此,在构建多目标优化模型时,将电网运行成本和负荷峰谷差设置为目标函数,其中,电网运行成本对应电网运行经济性,负荷峰谷差对应电网运行稳定性。

3.2 约束条件

1)功率平衡约束:

变电站电能来源为上级电网购电、光伏发电及储能储存的能量,负荷包括常规用电负荷、5G基站、数据中心、EV充电站负荷与储能的充电,功率平衡等式约束如下:

(21)

式中:PPV,t为t时刻光伏出力。

2)配电网交换功率约束。

变电站与上级电网最大交换功率应考虑与上级电网连接处变压器、线路容量限制,约束如下:

Pnet,t≤Pnet,lim

(22)

式中:Pnet,lim为与上级电网最大交换功率。

3)5G基站储能、EV充电站储能、电网储能约束。

为了保证储能充放电的可靠性,需满足式(2)—(7)、(13)—(18)约束。

4)数据中心负载迁移约束。

数据中心可迁移负荷需满足式(10)—(12)约束。

5)光伏出力约束。

光伏电站发电量要满足光伏最大发电功率约束:

0≤PPV,t≤PPV,max

(23)

式中:PPV,max为光伏电站最大发电功率。

3.3 求解方法

考虑电网运行成本最小化和负荷峰谷差最小化两个目标,构建多目标优化模型:

(24)

在本算例中,i=2,具体表达式如下:

(25)

对于多目标优化问题,其常见求解方法包含加权求和法、ε-约束法等。由于加权求和法的权重选取存在较强的主观性,本文采用ε-约束法对所提多目标优化模型进行求解,得到Pareto解集,并使用模糊隶属度评估满意度,得到最优折中解[26]。

在Pareto最优解集中,需要找到最符合实际的最优解,本文通过考虑每个目标的满意度,确定符合每个目标预期的最优折衷解。首先,采用定义模糊隶属度函数,分别计算每个Pareto解中各个目标函数的满意度;然后计算每个Pareto解的标准化满意度,通过比较最终确定最优折中解。定义模糊隶属度函数为:

(26)

式中:μi代表每个Pareto解中目标函数i的满意度;当μi越大,则表示该目标函数结果越满意;Fimax、Fimin分别为目标函数i的上限和下限。

根据式(26)求解Pareto最优解集中的每个解的标准化满意度值,其中满意度值最大的解即为最优折衷解:

(27)

式中:μ为标准化后的满意度值;m为目标函数个数。

4 算例分析

4.1 算例设置

为了验证多资源协同优化的有效性,采用某融合型变电站负荷曲线作为算例数据,典型日负荷曲线如图2所示,分时电价曲线如图3所示。常规峰值负荷为1.7 MW;EV储能容量为200 kW·h,充放电功率限制为40 kW,5G基站备用储能容量为300 kW·h,充放电功率限制为100 kW,初始时刻SOC为0.4,充放电效率均为0.95;数据中心可用服务器数量为500台。算例分析时间间隔为1 h,任意时刻到达5G基站的实时通信流量和到达数据中心的任务量已知,利用上文中构建的5G基站和数据中心能耗模型计算出5G基站和数据中心负荷,运用分时电价对5G基站备用储能功率、数据中心可迁移负载和EV充放电功率进行优化调度。

图2 某融合型变电站日负荷曲线

图3 分时电价曲线

4.2 优化结果

运用ε-约束法对多目标函数进行求解,得到Pareto前沿解集如图4所示。

图4 Pareto最优解集分布

对于图4所示的Pareto解集,通过计算标准化满意度μ=1/2(μ1+μ2)来表征决策者对该解的满意程度。遍历整个Pareto解集,标准化满意度最大的解即为最优折衷解。其标准化满意度计算结果如图5所示。

图5 满意度分布

Np为Pareto最优解集数。可以看出,当Np=4时满意度值最大,此时对应的各主体的优化调度策略如图6所示。

图6 优化调度策略

5G基站备用储能和EV储能的荷电状态变化如图7所示,图中虚线分别表示储能SOC上下限。

图7 储能荷电状态

由图6和图7可知,5G基站、EV充电桩储能系统充放电策略如下:在运行负荷低或光伏资源充足时向电网购电,此时分时电价较低,在运行负荷高的时候储能系统放电,减少5G基站、EV充电桩向电网购电功率,降低运行成本;数据中心降迁移的数据由电价较高的时刻迁移至电价较低的时刻处理,可以降低数据中心运行成本。值得注意的是,在时段12至时段13,5G基站备用储能在电价较高的时段向电网充电,这表明调度策略兼顾了电网经济性与稳定性两方面指标。最优的调度运行方案在保证电网运行收益较高的同时减小负荷峰谷差,并引导变电站内的可调度资源改变用电曲线从而降低自身用电成本,其结果并不是某一方收益的绝对最大值,而是综合考虑各方利益的最优折衷解,因此有可能出现当电价较高而区域净负荷较小时储能进行充电的情况。

图8为多目标协同优化前后负荷曲线,由图8可知,在5G基站、数据中心和EV充电桩的可调度资源均不参与协同优化调度,仅视作常规负荷的场景下,电网负荷波动较大。本文所采用的多目标优化方法可以促进5G基站、数据中心和EV充电桩与电网的积极互动,电网负荷尖峰减小,可以有效对电网负荷进行削峰填谷,平滑电力负荷。

图8 多目标协同优化前后负荷曲线对比

为了充分说明本文所提方法的有效性,各种资源参与多目标协同优化前后的电网净负荷峰谷差效果对比的具体数值如表1所示。

表1 削峰填谷效果对比

基于优化调度策略,计算不同运行商的运行成本,一天中5G基站、数据中心、EV充电桩运营商参与多目标协同优化前后运行成本对比如表2所示。

表2 多目标协同优化经济性对比

表2表明,新型数字基础设施配备资源参与电力系统优化,可以减少其购电成本,5G基站运行成本下降5.19%,数据中心运行成本下降4.37%,EV充电站运行成本下降3.40%,电网通过让利鼓励其他运营商参与协同优化,减小尖峰负荷,提高电力系统运行稳定性和安全性,实现多利益主体共赢。

4.3 敏感性分析

在本文中采用标准化满意度最大值所对应的Pareto解为最优解,兼顾配电系统经济性与稳定性。经济性和稳定性在优化目标中的权重大小与相应优化结果如表3所示,若以减小配电网运行成本,提高配电系统经济性为主要目标,即提高满意度指标中μ1的权重,则应选择Np=16时对应的调度策略,此时配电网运行成本最小,但负荷峰谷差增大;若以减小配电网峰谷差,提高配电系统稳定性为主要目标,即提高满意度指标中μ2的权重,则应选取N=1时的调度策略,此时负荷峰谷差最小,但电网运行成本增加。

因此,本文选取标准化满意度最大值作为最优折中解,在合理范围内兼顾配电系统经济性和稳定性。

5 结 论

本文针对5G基站、数据中心的大规模接入,构建考虑电网运行经济性和稳定性的多目标优化模型,并提出了基于ε-约束的多目标模型求解方法。主要结论如下:

1)5G基站、数据中心具有可观的参与需求响应的潜力,其自身配置的可调度资源可以积极响应分时电价,参与电力系统优化调度,降低新型数字基础设施运行成本,在本算例中,5G基站运行成本降低5.19%,数据中心运行成本下降4.37%;

2)电网运营商通过适当让利与新型数字基础设施友好互动,有效削峰填谷,增加电力系统运行稳定性,在本文算例中,电网负荷峰谷差由1 231.7 kW下降至1 017.3 kW。

通过上述模型和求解方法,可以有效降低新型数字基础设施的运行成本,同时,减小电力负荷波动,兼顾配电系统经济性和稳定性,实现多利益主体共赢。