李金雨，宋福龍，馬俊杰，丁禹杰，余瀟瀟

（1.國網(wǎng)遼寧省電力有限公司沈陽供電公司，遼寧省 沈陽市 110811；2.全球能源互聯(lián)網(wǎng)發(fā)展合作組織，北京市 100031；3.全球能源互聯(lián)網(wǎng)集團有限公司，北京市 100031）

0 引言

近年來，隨著中國“新基建”的推進，第5 代移動通信（5th generation mobile communication，5G）網(wǎng)絡呈現(xiàn)迅猛的發(fā)展趨勢［1］。據(jù)中華人民共和國工業(yè)和信息化部最新數(shù)據(jù)，截至2023 年2 月末，國內5G基站（base station，BS）總數(shù)已達238.4 萬個。相比于4G 基站，5G 基站單站功耗高且覆蓋范圍?。?］，為滿足通信網(wǎng)絡覆蓋的有效性，會產(chǎn)生較大的用電需求（約為4G 基站的9 倍以上），進而給電網(wǎng)帶來挑戰(zhàn)。此外，5G 基站配有自備儲能作為后備電源以提高通信可靠性，但往往配置冗余且長期處于閑置狀態(tài)［3］，有一定的利用空間。與此同時，儲能（energy storage system，ESS）雖能有效解決新型電力系統(tǒng)演變過程帶來的一些問題［4］，但其受限于自身的高成本而難以大規(guī)模普及。因此，亟須開展考慮5G 基站兼作新興大型能耗用戶及靈活性資源雙重身份與電網(wǎng)協(xié)同互動的配電網(wǎng)ESS 規(guī)劃研究，對于挖掘現(xiàn)有可調控的閑置儲能資源、促進分布式光伏（distributed photovoltaic，DPV）消納、平抑電網(wǎng)峰谷差等方面具有重要意義。

現(xiàn)階段，對于5G 基站的研究多集中在節(jié)能措施及其參與電網(wǎng)優(yōu)化運行等方面［5-11］。目前，節(jié)能措施雖能達到能耗管控的目的［5-6］，但在一定程度上會影響通信業(yè)務的質量，且忽略了與電網(wǎng)的互動。文獻［7］考慮基站之間的空間協(xié)同作用，利用實時電價和用戶距離引導基站間進行接入用戶的遷移。文獻［8］提出一種基于Stackelberg 博弈的配電網(wǎng)與移動網(wǎng)絡協(xié)同優(yōu)化方法。兩者都起到了降低通信網(wǎng)絡運營成本的效果，但模型中僅考慮了基站功耗，忽略了基站配套設備（如自備儲能）的價值潛力。學者們已開展了一些關于基站自備儲能參與調度的研究。文獻［9］將基站納入虛擬電廠范疇，利用其儲能參與優(yōu)化調度，但僅將基站儲能視作常規(guī)ESS，并未考慮通信的影響。文獻［10］提出一種考慮基站低碳賦能的主動配電網(wǎng)優(yōu)化運行方法，但通信服務方面多聚焦于基站設備啟停計劃，未涉及備用容量對基站儲能實際調度可行域的影響。文獻［11］提出將基站自備儲能作為靈活性資源參與需求響應的構想，但并未提出具體的模型與策略。事實上，基站自備儲能應在確保備用的前提下再參與調度，這是與常規(guī)ESS 的最大不同。

而計及5G 基站的電網(wǎng)規(guī)劃目前研究較少［12-14］，且現(xiàn)有研究多針對傳統(tǒng)基站系統(tǒng)或者新能源接入基站所組成的“綠色基站”系統(tǒng)，即研究對象多停留在微電網(wǎng)層面，實質上是對基站系統(tǒng)的配套設施（新能源/自備儲能）的優(yōu)化配置。而適應5G 基站規(guī)?；瘧?，探索基站與DPV、ESS 等協(xié)同優(yōu)化的配電網(wǎng)和輸電網(wǎng)規(guī)劃仍有待深入。

優(yōu)于傳統(tǒng)的集中式處理方法，集群控制方式以其一定的自治特性受到廣泛關注。集群內耦合強，對外是一個整體；集群間耦合弱，可以相互聯(lián)系協(xié)作［15］。目前，電力系統(tǒng)領域對集群劃分的研究多應用于運行中的電壓控制方面［16-18］，結合集群劃分的電網(wǎng)規(guī)劃研究還較少［19］?，F(xiàn)有的集群劃分方法均未考慮當前以5G 為代表的新一代信息通信技術發(fā)展與電網(wǎng)的交互影響。在配電網(wǎng)中，接入的基站與DPV 數(shù)量多、分散性強，且基站自備儲能個體容量小，這會加重通信、計算、管理等方面的負擔。因此，可以通過集群的形式，將基站與DPV 匹配打捆、虛擬聚合，促進基站盡可能使用光伏綠電，減小基站給配電網(wǎng)造成的供電壓力，提升電網(wǎng)對可再生能源的消納能力，同時也利于系統(tǒng)對資源的控制調用。

基于上述研究背景，本文聚焦配電網(wǎng)中“DPV+5G 基站+ESS”場景，提出一種基于5G 基站可調度潛力與配電網(wǎng)集群劃分的ESS 選址定容方法。首先，考慮能量-信息流耦合關系，從基站能耗和自備儲能參與調度兩方面建立5G 基站精細化模型；其次，提出一種考慮5G 基站與DPV 接入的配電網(wǎng)集群劃分方法，將基站與光伏盡可能匹配；然后，建立 ESS 選址定容雙層規(guī)劃（bi-level programming，BLP）模型實現(xiàn)規(guī)劃-運行一體化優(yōu)化；最后，通過算例仿真驗證了所提模型的有效性。

1 計及能量-信息流耦合的5G 基站特性模型

5G 基站分為宏基站和小基站（微、皮、飛）兩類，考慮到宏基站功耗更高、覆蓋面更廣，且現(xiàn)階段僅宏基站配有自備儲能，本文針對可調度潛力更大的宏基站展開研究。

1.1 5G 基站的基本構成與可調度潛力分析

5G 基站的典型構成及能量-信息流如附錄A 圖A1 所示。工程中，為提高通信可靠性，按照斷電狀態(tài)下以最高功耗運行一定時間的標準，5G 基站往往配有較大容量的儲能電池。但隨著配電網(wǎng)趨于更加堅強智能化，且基站運行在最高功耗的時段較少，冗余配置的自備儲能長期處于閑置狀態(tài)，有一定的可調度潛力，為基站與電網(wǎng)的交互提供了契機。本文基于系統(tǒng)動力學（system dynamics，SD）方法，對5G基站特性賦能電網(wǎng)所涉及的主要影響因素及相互作用關系進行梳理、總結，得到附錄A 圖A2 所示的因果關系回路圖?？梢钥闯?，5G 基站為電網(wǎng)帶來的效益主要體現(xiàn)在增加靈活性資源潛力、提高新能源消納水平、減少主網(wǎng)購電量、減少ESS 需求量、減少碳排放量等方面，這些都源于其自身能耗及靈活性資源的特點。

5G 基站作為電力系統(tǒng)與通信系統(tǒng)的交匯節(jié)點，由于基站內部能量流和信息流存在強耦合關系，不能孤立地將5G 基站視作一般負荷或儲能電池進行處理，必須考慮通信業(yè)務強度、帶寬、通信速率等信息流因素對基站功耗和可調度容量的影響。為此，本文引入通信負載率［20］這一指標來建立能量流和信息流之間的聯(lián)系。

1.2 5G 基站特性模型

通信負載率可用于量化基站在某一時段承擔業(yè)務的繁重程度，其定義如式（1）所示。

式中：ρm，t為t時段基站m的通信負載率；Rm，t為t時段基站m匹配的用戶傳輸數(shù)據(jù)需求占用的帶寬數(shù)；Wmaxm為基站m的最大可利用帶寬數(shù)。

數(shù)據(jù)傳輸時，基站分配給相連用戶的帶寬不能超過基站可提供的總帶寬，即滿足約束：

易知ρm，t∈［0，1］。

1.2.1 基站用電負荷需求模型

5G 基站的用電負荷對通信負載的變化較為敏感。通過實驗與總結發(fā)現(xiàn)，基站功耗可歸類為與通信負載無關的靜態(tài)功耗和對通信負載敏感的動態(tài)功耗兩方面?？捎镁€性模型近似表示為［21］：

1.2.2 基站自備儲能可調度容量評估方法

5G 基站自備儲能的首要作用是為基站提供備用容量，以免配電網(wǎng)發(fā)生故障時基站失電而影響通信業(yè)務?？蓪⒒咀詡鋬δ芸闯捎蓛刹糠纸M成：一部分是用于保障基站高可靠性供電的備用容量；另一部分是可參與需求響應的可調度容量［23］。因此，制定基站自備儲能的調用策略與常規(guī)ESS 的最大區(qū)別，在于應當首先解決評估可調度容量這一關鍵問題，而其受到基站通信負載狀態(tài)的直接影響。

可知，當處于負載高峰狀態(tài)時基站功耗大，故備電要求高、可調度容量少；反之則備電要求低、可調度容量少。基于此，從對應指標出發(fā)，將基站自備儲能容量及荷電狀態(tài)（state of charge，SOC）與通信負載率聯(lián)系起來，進而確定動態(tài)變化的可調度容量，如附錄A 圖A3 所示。

為使基站自備儲能參與電網(wǎng)調度交互盡可能不影響其備電作用，進而考慮通信負載狀態(tài)所設置的，求解如下：

進一步，基站m自備儲能在t時段通信負載狀態(tài)下的備用容量為：

式中：Em，UPS，t為t時段基站m自備儲能在通信負載狀態(tài)下的備用容量；為t時段調用基站m自備儲能時采用的可放電容量下限；為基站m自備儲能的額定容量。附錄A 圖A3 中的與Em，UPS，t之間的區(qū)域即為可調度容量，可通過式（9）求得。

1.2.3 基站自備儲能參與電網(wǎng)調度交互模型

由式（9）可計算出考慮通信負載狀態(tài)對基站自備儲能預調度交互的可充放電最大功率。由于大電流充放電會損害電池性能、縮短運行壽命，故引入最小值函數(shù)。具體計算如下：

2 考慮5G 基站與DPV 接入的配電網(wǎng)集群劃分

2.1 集群劃分的綜合性能指標

2.1.1 結構性指標：電氣距離

電氣距離（electrical distance，ED）用于描述節(jié)點間的電氣耦合關系，即節(jié)點間的影響程度，其可直接影響集群劃分的結果與質量。電氣距離可以通過電壓對功率的靈敏度來定義［15］，如式（11）所示。

2.1.2 功能性指標：光伏-基站供電率

為增強集群內基站與光伏在有功功率上的互補匹配，本文提出光伏-基站供電率這一指標，以體現(xiàn)基站使用光伏發(fā)電的情況。而衡量光伏分配給基站的功率可以應用潮流追蹤技術［24］來實現(xiàn)。進而，可定義光伏-基站供電率如下：

2.1.3 綜合性評價函數(shù)

集群劃分與復雜網(wǎng)絡的社區(qū)檢測問題有所相似，因而可以借鑒其評價函數(shù)與相關算法。本文使用Newman 所提的模塊度函數(shù)［25］，其定義為：

式中：Φ為模塊度；Ω為節(jié)點集合；Aij為賦予連接節(jié)點i、j的邊的權重，Aij∈［0，1］；ki為所有與節(jié)點i相連的邊的權重之和，即節(jié)點i的度；a為所有邊的權重之和；φ(i，j)體現(xiàn)了集群劃分的結果，若節(jié)點i、j在同一集群內，則φ(i，j)=1，反之則為0。

模塊度可用于衡量集群的結構強度，進而評價集群劃分的優(yōu)劣。模塊度的值越大，代表集群的結構強度越強，則集群劃分的結果越好。靈敏度、電氣距離、邊權重、耦合性以及分到同一集群的概率之間的關系如附錄B 表B1 所示。

邊權重的傳統(tǒng)賦值規(guī)則［26］為：若節(jié)點i與j相連，則Aij=1，否則Aij=0。由附錄B 表B1 關系，本文綜合考慮前述的結構性和功能性指標來決定邊權重的值，即

2.2 集群劃分的實現(xiàn)方法

本文采用Fast-Newman 算法來實現(xiàn)集群劃分。該算法是Newman 基于貪婪算法思想提出的一種自底向上進行的聚類算法［27］，兼具快速、準確的性能，用在復雜網(wǎng)絡的社區(qū)檢測問題上能得到較好的效果。

3 配電網(wǎng)ESS 選址定容雙層規(guī)劃模型

3.1 雙層決策優(yōu)化的概念與架構

BLP 問題中，內、外層優(yōu)化之間存在傳遞關系：外層依賴于內層的最優(yōu)解，而內層又受到外層決策變量的影響，相互迭代進而得到整體的最優(yōu)解［28］?？紤]到規(guī)劃與運行之間的耦合關系，本文針對多集群互聯(lián)配電網(wǎng)的ESS 規(guī)劃問題提出了BLP 模型，具體架構如附錄C 圖C1 所示。ESS 的投資者為電網(wǎng)，且該規(guī)劃研究框架是假定在電力市場背景下，系統(tǒng)內各柔性資源所有者愿意參與市場，進而電網(wǎng)從宏觀層面對整體的規(guī)劃和運行進行優(yōu)化。

3.2 外層優(yōu)化模型——規(guī)劃層

考慮經(jīng)濟性以及環(huán)保性，外層以配電網(wǎng)年綜合成本F最小為目標，決策變量為各集群安裝的ESS容量、功率和并網(wǎng)位置。

3.2.1 規(guī)劃層目標函數(shù)

式中：Cins為等年值安裝成本；Com為年運行維護成本；Cbuy為主網(wǎng)購電成本；CCO2為碳排放權交易成本。

1）等年值安裝成本：

式中：Nclu為集群數(shù)量；r為貼現(xiàn)率；yESS為ESS 的回收年限；為ESS 的單位容量投資成本；為ESS 的單位功率投資成本；為集群c安裝的ESS 的額定容量；為集群c安裝的ESS 的額定功率。

2）年運行維護成本：

3）主網(wǎng)購電成本：

式中：T為全年運行時長，即8 760 h；Npcc為連接母線和某一集群內節(jié)點的支路數(shù)量，即上級電網(wǎng)聯(lián)絡支路數(shù)量；為t時段電網(wǎng)實時電價；為t時段上級電網(wǎng)聯(lián)絡支路l的有功功率。

4）碳排放權交易成本。在“雙碳”目標下，有必要增強配電網(wǎng)的碳減排效益，使經(jīng)濟、運行、環(huán)保三方面在一定的平衡中實現(xiàn)共贏［29］。因此，本文引入碳排放權交易成本［30］來評估、分析碳排流，主要考慮從上級電網(wǎng)購電而產(chǎn)生的碳排放，即

式中：CCout為碳交易價格；δC為碳排放權交易額，其具體計算如式（20）所示。

式中：δp為配電網(wǎng)產(chǎn)生的碳排放量；δq為政府相關部門向配電網(wǎng)分配的碳排放配額；εp、εq分別為單位電量所對應的碳排放量、碳排放配額。

3.2.2 規(guī)劃層約束條件

1）配電網(wǎng)潮流約束：

式中：Pi，t、Qi，t分別為t時段節(jié)點i注入的有功和無功功率；Ui，t、Uj，t分別為t時段節(jié)點i、j的電壓幅值；Gij、Bij分別為支路ij的電導和電納；θij，t為t時段電壓相角差。

2）節(jié)點電壓約束：

3）支路電流約束：

式中：Iij，t為t時段線路ij的電流幅值；Imaxij為允許通過線路ij的電流幅值上限。

4）功率平衡約束：

式中：Nc為集群c包含的節(jié)點數(shù)量；為t時段節(jié)點i安裝的DPV 的輸出功率；為t時段節(jié)點i安裝的ESS 的充放電功率，正值表示放電、負值表示充電；分別為t時段節(jié)點i接入的基站自備儲能的充、放電功率；為t時段節(jié)點i的負荷功率；為t時段線路ij的網(wǎng)損；L為配電網(wǎng)線路集合。

5）與上級電網(wǎng)交互功率約束：

6）ESS 安裝容量約束：

3.3 內層優(yōu)化模型——運行層

為充分發(fā)揮靈活性資源的作用和集群自治的特點，內層以調度周期（24 h）內運行成本f最小為目標，決策變量為ESS 及基站自備儲能的調度方案。

3.3.1 運行層目標函數(shù)

式中：T0為調度周期時長，取24 h。

3.3.2 運行層約束條件

1）ESS 運行約束

2）DPV 出力約束：

3）基站自備儲能充放電狀態(tài)約束。在實際運行過程中，5G 基站自備儲能在同一時段內不能既充電又放電，即

4）基站自備儲能充放電功率約束：

式中：Mi為節(jié)點i所接入的基站數(shù)目。

5）基站自備儲能充放電電量約束：

6）基站自備儲能可調度容量及SOC 約束?；咀詡鋬δ軈⑴c調度須首先滿足備電需求：

7）節(jié)點電壓約束。詳見3.2.2 節(jié)中的節(jié)點電壓約束說明。

3.4 模型求解方法

針對本文所提的配電網(wǎng)ESS 雙層規(guī)劃模型，外層優(yōu)化采用自適應鄰域粒子群算法［31］求解；內層優(yōu)化為混合整數(shù)線性規(guī)劃問題，基于CPLEX 求解器實現(xiàn)求解。求解流程如附錄C 圖C2 所示。

鄰域搜索是在搜索時只把粒子群周圍的部分粒子看作鄰域，增強了粒子多樣性，利于多區(qū)域搜索。自適應鄰域粒子群算法運行時，鄰域大小會根據(jù)迭代進行中適應度的情況自動調整，進而使搜索模式在鄰域和全局間切換，防止陷入局部最優(yōu)?，F(xiàn)有的大量驗證及應用表明，該算法在優(yōu)化效率、運算精度、穩(wěn)定性等方面均具有較好的性能。

4 算例分析

4.1 算例概況與參數(shù)設置

為驗證所提模型及算法的有效性，本文以修改的IEEE 33 節(jié)點配電網(wǎng)為例進行仿真分析，其拓撲如圖1 所示。系統(tǒng)典型日負荷曲線、分時電價見附錄C 圖C3、表C1。

圖1 修改的IEEE 33 節(jié)點配電網(wǎng)拓撲Fig.1 Topology of modified IEEE 33-bus distribution network

由圖1 可見，為適應本文研究需要，在節(jié)點4、9、14、20、28 接入DPV；配電網(wǎng)中共有200 個5G 基站，以基站群的形式接入節(jié)點7、17、21、24、31，分別對應工作區(qū)、住宅區(qū)、商業(yè)區(qū)、寄宿制學校區(qū)、工作住宅混合區(qū)5 種不同功能區(qū)域，各區(qū)域的基站數(shù)量占比分別為38%、17%、14%、8%、23%。單個基站的網(wǎng)絡參數(shù)［7］、自備儲能配置參數(shù)、通信負載的日變化情況［23］以及相關規(guī)劃參數(shù)見附錄C 表C2、表C3、圖C4、表C4。

4.2 結果分析

4.2.1 集群劃分結果

規(guī)劃區(qū)的集群劃分結果如圖2 所示。由結果可見，集群劃分未出現(xiàn)孤立節(jié)點，各集群都是連通的，集群包含的節(jié)點是相鄰且直接相連的，滿足邏輯性要求；模塊度函數(shù)Φ峰值為0.967 4，說明集群結構強度良好，保證了集群內的強耦合性和集群間的弱耦合性，滿足結構性要求；最優(yōu)的集群劃分數(shù)目為4，小于，數(shù)目合理且適宜［17］，滿足數(shù)量性要求；每個集群的大小均較為適中、規(guī)模相近，滿足規(guī)模性要求；各集群都包含DPV 和5G 基站群，實現(xiàn)了將基站與光伏匹配打捆、虛擬聚合，滿足功能性要求。綜合來看，本文的集群劃分方法合理且結果較好，可應用于規(guī)劃研究。

圖2 規(guī)劃區(qū)集群劃分結果Fig.2 Cluster partition result of planning area

4.2.2 ESS 選址定容規(guī)劃方案

為突出本文所提規(guī)劃策略的優(yōu)勢，即規(guī)劃過程中考慮集群劃分和5G 基站自備儲能參與調度的影響，本文設立3 種場景對比分析，具體如表1 所示。

表1 對照場景設置Table 1 Setting of comparison scenarios

在考慮集群劃分進行ESS 配置的情況下，各集群安裝ESS 的數(shù)量限制為1 個。

1）各場景規(guī)劃結果及成本對比。不同場景的ESS 配置結果及各項成本如表2 所示。

表2 不同場景下的系統(tǒng)規(guī)劃結果對比Table 2 Comparison of system planning results in different scenarios

由表2 中的規(guī)劃成本可知，在配電網(wǎng)年綜合成本的各項指標中，主網(wǎng)購電成本占據(jù)較大比例。其主要原因為：DPV 出力受日照影響而存在間歇、波動的特點，因而在時序上與系統(tǒng)負荷需求無法匹配；同時，由于ESS 的安裝成本高，不能大規(guī)模配置而忽略經(jīng)濟性，系統(tǒng)中ESS 將DPV 所有功率進行時序轉移的能力較為有限。因此，配電網(wǎng)對主網(wǎng)和聯(lián)絡線有較高的要求和較強的依賴性。

圖3 所示為場景1 中各集群5G 基站參與電網(wǎng)調度的運行優(yōu)化結果。圖中：對于基站自備儲能的充放電策略結果，正值表示充電、負值表示放電。

圖3 5G 基站參與電網(wǎng)調度的運行優(yōu)化結果Fig.3 Operation optimization results of 5G base stations participating in power grid dispatching

由圖3 可得，在DPV 出力較大時，基站自備儲能多處于放電狀態(tài)而不是充電狀態(tài)。這是因為基站自身能耗水平較高，DPV 發(fā)電多用于供應集群內負荷及基站而難有剩余，基站自備儲能消納DPV 很少，但也存在部分基站自備儲能進行充電，以促進系統(tǒng)對DPV 的消納。在DPV 出力較小甚至為零時，存在基站自備儲能進行放電，可以減少主網(wǎng)購電量，進而減少碳排放。從分時電價的角度來看，在10：00—15：00、18：00—21：00 電價高峰時段，基站自備儲能整體上處于放電狀態(tài)，釋放電能供應自身及系統(tǒng)其他負荷運行。在23：00—次日07：00 電價低谷時段，無光伏出力，除個別集群內的基站由于區(qū)域內實時負荷較大而選擇自備儲能放電以減少電網(wǎng)購電外，大部分基站自備儲能進行電能存儲。綜上，配電網(wǎng)中的5G 基站可以在一定程度上起到削峰填谷的效果，擴大系統(tǒng)對DPV 的消納空間，并利于實現(xiàn)碳減排。

將場景1 和場景2 進行對比，分析調控5G 基站自備儲能的可調度容量對配電網(wǎng)規(guī)劃的影響。由表2 可知，相對于場景2，場景1 的主網(wǎng)購電成本從2 594.2 萬元降低到2 540.4 萬元，減少了53.8 萬元；ESS 安裝總容量減少了556 kW·h，為場景2 安裝總容量的85.06%，安裝和運維成本減少了25.626 萬元。場景1 各項指標明顯優(yōu)于場景2。進而可得，在配電網(wǎng)規(guī)劃中考慮基站自備儲能的可調度容量參與電網(wǎng)互動，是對現(xiàn)存可供調控的閑置儲能資源的充分利用，減少了ESS 的額外高成本投入，且主網(wǎng)購電成本減少較多，增強了配電網(wǎng)規(guī)劃的經(jīng)濟性和環(huán)保性。

將場景1 和場景3 進行對比，分析集群劃分對配電網(wǎng)規(guī)劃的影響。由表2 可知，相對于場景1，場景3 的ESS 安裝總容量減少了12 kW·h，與場景1 的安裝總容量需求極為相近，安裝和運維成本減少了0.992 萬元，但主網(wǎng)購電成本增加了12.9 萬元，增大了主網(wǎng)和聯(lián)絡線的負擔，也違背了“雙碳”目標的意愿。此外，從ESS 的分布角度而言，場景3 中ESS基本接在配電網(wǎng)主干線路的中端，較為集中，且部分ESS 的安裝過于鄰近，在實際充放電中容易造成部分線路阻塞、過負荷等問題；而場景1 中ESS 的安裝較為分散，均勻分布在各集群。綜合來看，場景1 仍優(yōu)于場景3。進而可得，在配電網(wǎng)規(guī)劃中考慮基于集群劃分分散部署儲能，利于改善ESS 的分布情況，提高各區(qū)域的源-荷-儲平衡度，并能減少主網(wǎng)購電成本，有利于提高配電網(wǎng)規(guī)劃的經(jīng)濟性和環(huán)保性。

2）各場景典型日節(jié)點電壓值對比。不同場景對應的典型日系統(tǒng)節(jié)點電壓變化曲線如附錄C 圖C5 所示。由數(shù)據(jù)及曲線可知，不考慮5G 基站自備儲能參與電網(wǎng)優(yōu)化調度時，場景2 中系統(tǒng)節(jié)點電壓偏低，最小值為0.923 1 p.u.。調控基站自備儲能的情況下，場景3 將電壓最小值提高至0.935 9 p.u.，場景1 進一步提高至0.941 9 p.u.。此外，可以看出，場景1、3 中系統(tǒng)節(jié)點電壓波動幅度有較明顯的減小。進而可得，基站自備儲能的可調度容量參與電網(wǎng)互動能夠改善系統(tǒng)電壓水平，主要體現(xiàn)在對系統(tǒng)節(jié)點電壓最小值的提升作用，以及對系統(tǒng)電壓波動的抑制作用。

3）各場景迭代收斂特性對比。為體現(xiàn)集群劃分對配電網(wǎng)ESS 選址定容求解的影響，將各場景的尋優(yōu)求解過程進行對比。附錄C 圖C6 所示為3 種場景的收斂過程?？梢?，場景1、2 的收斂速度明顯快于場景3，在40 代左右時已經(jīng)收斂到最優(yōu)解，而場景3 迭代到近100 代時才收斂。這是因為場景1、2 是在配電網(wǎng)集群劃分的基礎上，以集群為單位并行優(yōu)化配置，各集群內的決策變量較少、求解難度較小，故優(yōu)化效率較高；而場景3 是在整個配電網(wǎng)范圍內進行規(guī)劃，決策變量較多、求解難度較大，故優(yōu)化效率較低。進而可得，將集群劃分應用于配電網(wǎng)優(yōu)化規(guī)劃問題中，可以有效降低變量維數(shù)以降低優(yōu)化復雜度，并具有更好的收斂性能。

5 結語

“新基建”的大力發(fā)展使得5G 基站規(guī)?；尤肱潆娋W(wǎng)，針對5G 基站這一兼有大型能耗用戶和靈活性資源雙重身份的新型負荷，本文以聚合、利用閑散的基站自備儲能來減少系統(tǒng)引入ESS 的成本為初衷，考慮能量流與信息流的耦合關系，提出一種基于基站可調度潛力與配電網(wǎng)集群劃分的ESS 選址定容方法。通過算例仿真及場景對比分析，驗證了所提模型的有效性，并得到如下結論：

1）考慮5G 基站可調度容量能顯著降低年綜合成本。其原理在于：充分利用5G 基站自備的冗余儲能，盤活了已有的儲能調度資源，因此，配電網(wǎng)對ESS 的需求減少，從而降低了投資成本；基站自備儲能出力能夠助力電網(wǎng)削峰填谷，減輕主網(wǎng)與聯(lián)絡線的負擔，在提高經(jīng)濟性的同時也帶來了可觀的低碳效益。

2）通過配電網(wǎng)集群劃分，能使ESS 規(guī)劃配置水平進一步提高，ESS 選址更為平衡，與DPV 出力匹配度更高；在規(guī)劃后的運行階段，系統(tǒng)電壓水平得到提升，便于調控管理。同時，采用分區(qū)優(yōu)化的方式也顯著提高了優(yōu)化求解效率，收斂性能更好。

3）本文所提的基于5G 基站可調度潛力與配電網(wǎng)集群劃分的配電網(wǎng)ESS 雙層規(guī)劃模型，采用外層規(guī)劃、內層調度的結構，使得ESS 選址定容結果在規(guī)劃-運行一體化的影響下更為精細化，在經(jīng)濟、運行、環(huán)保等方面綜合效果更優(yōu)，具有良好的工程價值與實用意義。

本文在制定5G 基站自備儲能調度可行域的評估量化方法時，雖然考慮了實時通信業(yè)務下的備用容量需求，但仍存在一定的理想化和保守性處理。在本文研究基礎上，在5G 基站特性建模中添加供電可靠性等因素的影響并進一步精細化調控策略，圍繞指標體系及算法等方面對集群劃分方法進行完善，建立綜合考慮光伏不確定性等因素的雙層規(guī)劃模型，是作者接下來要研究的問題。

附錄見本刊網(wǎng)絡版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡全文。