考慮5G基站低碳賦能的主動配電網(wǎng)優(yōu)化運行

2020年9月22日，國家主席習近平在第七十五屆聯(lián)合國大會上代表我國政府提出了“碳達峰、碳中和”目標.電力行業(yè)作為碳排放大戶，如何盡可能提高可再生能源(Renewable Energy Source，RES)在終端能源消費中的占比和利用效率，構建以新能源為主體的新型電力系統(tǒng)已成為“雙碳”目標下未來我國能源體系建設面臨的重要課題.

在配用電側，近年來主動配電網(wǎng)(Active Distribution Network，ADN)技術的提出為大規(guī)模分布式RES并網(wǎng)創(chuàng)造了良好條件.但受當前配電網(wǎng)結構及RES間歇性的固有限制，要在ADN框架下實現(xiàn)對RES充分利用和碳減排目標，必須挖掘大量靈活性資源參與電力系統(tǒng)運行調度，以平抑RES發(fā)電大量接入對系統(tǒng)功率平衡造成的影響.

近年來，隨著第5代移動通信技術(簡稱5G通信)在我國的快速普及和推廣，5G基站已逐漸發(fā)展成為配電網(wǎng)中的一類重要新興負荷.截至2020年9月，我國已累計建成5G基站69萬座，終端連接數(shù)超過1.8億個，未來5G基站的商業(yè)化推廣和大規(guī)模應用成為大勢所趨.在運行過程中，通過科學手段對5G基站中的供電和用電設備進行調度管理，可以充分發(fā)揮5G基站蘊含的互動響應潛力，為電網(wǎng)提供可觀的靈活性支撐，最終達到在降低基站自身用電成本的同時，提高配電網(wǎng)對RES消納和碳減排的目的.

目前，國內外針對含RES的ADN優(yōu)化運行問題已取得大量的研究成果.例如，文獻[6]考慮風光荷的不確定性導致的運行越限風險，兼顧調度經(jīng)濟性與安全性，提出了一種考慮越限風險的主動配電網(wǎng)日前優(yōu)化調度運行方法；文獻[7]考慮電動汽車的充電需求，建立了含規(guī)?；妱悠嚱尤氲腁DN優(yōu)化調度模型；文獻[8]研究并提出了一種兼顧不同市場參與主體利益的ADN優(yōu)化調度方法；文獻[9]綜合考慮分布式電源(Distributed Generation, DG)有功、無功出力控制、儲能設備充放電以及可中斷負荷，提出了一種面向促進RES跨區(qū)域消納的ADN多目標運行優(yōu)化方法.但是，在上述研究中，均未涉及5G基站及其靈活性潛力的影響.

在ADN運行中有效發(fā)揮5G基站的低碳賦能潛力，必須深入考慮其信息域屬性(如通信服務質量)對5G基站運行的影響，建立面向能量-信息多域耦合下5G基站運行可調節(jié)特性的精細化描述模型.除此之外，為確保所得運行方案的有效性，現(xiàn)有研究大多采用隨機優(yōu)化或魯棒優(yōu)化方法以考慮ADN中的不確定性(例如RES出力或負荷需求的波動性)，如文獻[10]以智能軟開關、有載分接開關、投切電容器組、儲能系統(tǒng)和需求響應為調控手段，提出了一種考慮不確定性的ADN風險規(guī)避型隨機優(yōu)化調度方法；文獻[11]考慮可再生能源出力的不確定性，建立了ADN分布式魯棒優(yōu)化調度模型.而實際應用中，隨機優(yōu)化必須借助大量可靠的歷史數(shù)據(jù)(數(shù)據(jù)量足夠滿足統(tǒng)計學中假設檢驗的要求)才能提煉出關于不確定因素的準確描述，而魯棒優(yōu)化一般只關注對系統(tǒng)目標實現(xiàn)最為不利的不確定場景，所得運行策略往往過于保守.因此，上述方法并不能很好地滿足以促進RES利用為主要目標的ADN運行決策的需要.

企業(yè)文化僅僅追求企業(yè)形象設計等外在淺表性特征，職工的個人目標與企業(yè)的經(jīng)營理念、戰(zhàn)略目標未能很好的結合在一起，企業(yè)文化難以為公司發(fā)展戰(zhàn)略提供強有力的智力保障和精神支撐，導致我國企業(yè)長不大，百年老店較少，走不出周期律的魔咒。

針對上述問題，本文提出一種利用5G基站運行靈活性提升ADN低碳效益的多目標區(qū)間優(yōu)化調度方法.該方法通過綜合考慮5G基站的能耗管理及內部儲能電池的靈活調度能力，將其靈活性納入ADN運行調度，并利用區(qū)間方法計及RES出力和通信負載不確定性對運行策略的影響，以達到對系統(tǒng)經(jīng)濟與低碳效益的協(xié)同優(yōu)化.相比傳統(tǒng)隨機或魯棒優(yōu)化，區(qū)間優(yōu)化方法只利用變量的上下界建模，無需獲得各不確定參數(shù)的先驗概率分布.此外，區(qū)間優(yōu)化能夠有效兼顧決策的最優(yōu)性與抗風險能力，因此具有更好的工程實用價值.目前，有關區(qū)間優(yōu)化方法及其在工程應用中衍生問題已引起國內外學界的廣泛關注.例如，文獻[12]基于針對區(qū)間參數(shù)優(yōu)化的偏好多面體理論，提出了一種在優(yōu)化過程中與決策者交互來獲得最優(yōu)解的高效進化算法；文獻[13]為解決進化算法需要大量的目標函數(shù)評估才能找到有效Pareto前沿的弊端，提出了一種模因算法來解決多目標區(qū)間優(yōu)化問題.上述研究成果表明，區(qū)間優(yōu)化方法在處理含不完全信息的不確定性優(yōu)化問題中具有獨特優(yōu)勢，且在工程推廣應用方面具有廣闊空間.根據(jù)所建模型特點，借助區(qū)間序關系和可能度方法將其轉化為確定性多目標問題，然后采用NSGA-II算法進行求解.算例仿真結果驗證了本文所提方法的有效性.

1 5G基站與配電網(wǎng)協(xié)同運行的低碳效益

1.1 5G基站基本構成及站-網(wǎng)互動潛力

圖1所示為一個典型5G基站的設備構成，主要由通信裝置和供電裝置兩方面組成.其中，前者主要包括有源天線單元(Active Antenna Unit, AAU)、基帶處理單元(Base Band Unit, BBU)和信號傳輸設備(如光纖)，而后者主要包括配電網(wǎng)接入電源和儲能電池.

Complexbond JY-5713A環(huán)氧樹脂、液態(tài)芳香胺固化劑，天津福賽科技發(fā)展有限公司；帶羧基的多壁碳納米管MWCNTs-COOH(TNMC3，純度大于98%，外徑10 ～ 20 nm)，中科時代納米；丙酮(工業(yè)級)，揚州市成宇化工廠。

相比4G基站，5G基站無論在功耗方面或是基站數(shù)量方面均大幅增加.此外，為確保通信服務的可靠性，5G基站一般還會配置一定容量的儲能電池， 以在電網(wǎng)供電中斷時作為應急工作電源，上述因素為5G基站參與電網(wǎng)互動提供了廣闊的空間.具體來講， 一方面， 5G基站運營商可通過多種運行控制手段(如安排收發(fā)器啟停、功率調控等)來實時調整自身功耗，以參與電力需求側響應；另一方面，5G基站還可利用內部儲能電池進行充放電，在保證自身供電和通信服務質量的前提下，參與電網(wǎng)優(yōu)化運行，提高系統(tǒng)對RES的消納能力.

1.2 基于系統(tǒng)動力學的5G基站低碳賦能分析

為明確5G基站靈活性對ADN碳減排的作用機制，采用系統(tǒng)動力學(System Dynamics, SD)方法對含5G基站ADN低碳效益的關鍵影響因素及其相互關系進行分析，以此構建考慮5G基站低碳賦能的ADN多目標優(yōu)化運行模型.

SD理論認為系統(tǒng)的動態(tài)結構及反饋方式?jīng)Q定著其作用模式及特性，系統(tǒng)在內外動力和制約因素的作用下按一定的規(guī)律發(fā)展演化，由SD方法構建的模型能夠有效反映系統(tǒng)各因素之間動態(tài)反饋的影響關系.

含5G基站ADN的低碳效益主要體現(xiàn)在5G基站節(jié)能、促進電網(wǎng)網(wǎng)損下降、提高RES消納等，這些方面相互作用、互相影響，故上述作用的形成是一個典型動態(tài)反饋系統(tǒng)，具有顯著的SD特征.通過將涉及主體成本量化，用函數(shù)表示因果關系，建立SD模型，設計的環(huán)路圖如圖2所示，其中，“+”為變量增加(減少)導致變量增加(減少)；“-”為變量增加(減少)導致變量減少(增加).

一水平中央泵房排水系統(tǒng)核定能力為16.41萬t/a，二水平中央泵房排水系統(tǒng)核定能力為342.97萬t/a，三水平中央泵房排水系統(tǒng)核定能力為173.01萬t/a，礦井排水能力核定為532萬 t/a。

由圖2可見，含5G基站ADN的預期碳排放量主要受系統(tǒng)中RES發(fā)電量、5G基站能耗、5G基站儲能電池充電/放電等內生因素的影響.另外，還與政策、系統(tǒng)運行策略等外在因素緊密相關.上述各因素共同作用，使得5G基站互動響應對ADN的碳減排作用可歸結為以下3個方面：

(1) 提升自身能效，降低系統(tǒng)負荷需求.

(2) 改善電網(wǎng)潮流分布，提高電能傳輸效率.

大規(guī)模RES發(fā)電并網(wǎng)加劇了配電網(wǎng)中功率和電壓的波動.這一方面將影響配電網(wǎng)的網(wǎng)損水平.另一方面，為確保滿足電網(wǎng)安全性約束，系統(tǒng)運行者有時不得不采取棄風/棄光，從而降低了RES資源利用率.而通過對5G基站進行電源管理和儲能電池靈活充放電，可以顯著改變配電網(wǎng)中的潮流/電壓分布，不僅能夠降低網(wǎng)損、提高電能傳輸效率，還可以有效緩解線路阻塞，提升配電網(wǎng)對RES發(fā)電的并網(wǎng)消納能力.

(3) 提高電能供需匹配性，促進可再生能源利用.

對于部分RES發(fā)電(如風電)，其出力在時序性上具有明顯的反負荷調節(jié)特性.在ADN下，這種電能供需的時序不匹配性將嚴重阻礙系統(tǒng)對可再生能源的消納及利用效率.而在運行調度中利用5G基站的互動潛力，通過儲能電池使基站在RES出力高峰時段增加從電網(wǎng)的購電，而在RES發(fā)電低谷時段降低從電網(wǎng)的購電，可有效提升RES的利用效率，進而促進系統(tǒng)實現(xiàn)碳減排.

2 含5G基站的ADN多目標運行優(yōu)化模型

2.1 5G基站運行特性建模

..5G基站能耗模型 總體來看，5G基站的能耗包括靜態(tài)功耗和動態(tài)功耗2個方面.其中，靜態(tài)功耗是指與業(yè)務負載和輸出傳輸功率無關的能量需求，主要由電源系統(tǒng)、BBU信號處理和冷卻系統(tǒng)的固定損耗組成.而動態(tài)功耗指與5G業(yè)務負載有關的能量需求，其是5G基站輸出傳輸功率的函數(shù).綜上，單個5G基站的總功耗可表示為

(1)

(2)

(3)

∈,∈

在運行過程中，受設備配置容量限制，5G基站內收發(fā)器的最大開啟數(shù)量應滿足如下約束條件：

(4)

要求解上述ADN多目標優(yōu)化調度模型，需要提前確定模型中各參數(shù)的數(shù)值.對于其中一部分參數(shù)，如儲能電池折損費用、碳排放系數(shù)、煤耗系數(shù)等，可借助科學預測方法確定其取值；而對于另一部分參數(shù)，如RES發(fā)電出力和用戶實時通信負載，由于受預測手段和預測精度的限制，決策者往往難以提前獲得關于這些參數(shù)的準確預測值，所以為模型求解帶來了顯著的不確定性.

此外，由于5G運營者需要滿足在分得的頻段帶寬內傳輸信號并符合傳輸設備標準，5G基站內收發(fā)器的數(shù)據(jù)傳輸帶寬數(shù)還應滿足如下約束：

(5)

..通信服務質量特性 為確保ADN區(qū)域用戶的通信服務質量，系統(tǒng)中5G基站所提供的帶寬容量需實時滿足區(qū)域內所有用戶所需的吞吐量，其數(shù)學表達如下：

(6)

此外，對于單個5G基站而言，還需要確保與其連接的每個用戶都能獲得滿意的通信吞吐量：

(7)

∈,∈

式中：,,表示時段用戶是否和基站連接的 0-1 變量.

又如樂善秦腔中表演的秦劇《轅門斬子》，楊延景一、二、三帳的大段唱腔，都是一個演員演唱，而且演員嗓音宏亮，唱腔優(yōu)美，演出深受群眾歡迎?？梢姡輪T唱腔是完全可以作為一門獨特的技藝來提升戲曲藝術層次，繼而來提升秦腔藝術的內涵和吸引力的。

2.2 運行優(yōu)化模型構建

鑒于5G基站靈活性及其對未來配電網(wǎng)低碳化發(fā)展的潛在貢獻，本文在傳統(tǒng)ADN運行模式的基礎上，深入考慮5G基站參與互動響應對促進分布式RES消納的作用，將其視為靈活性資源納入配電網(wǎng)運行調度模型，結合系統(tǒng)供電成本、運行安全性和碳排放等方面因素，確定配電網(wǎng)內分布式電源和5G負荷資源的最優(yōu)協(xié)調運行策略.

對于配電網(wǎng)運營商而言，ADN的優(yōu)化運行既要盡量降低系統(tǒng)運行的經(jīng)濟成本，還希望盡可能增加對RES的利用，實現(xiàn)系統(tǒng)碳排放降低.在現(xiàn)有技術水平和市場條件下，由于上述經(jīng)濟性與碳減排目標實現(xiàn)之間存在天然矛盾，所以可歸納為一個典型的多目標優(yōu)化問題.具體模型構建如下.

患者,女,65歲,患者出現(xiàn)了眩暈以及嘔吐的癥狀,病情發(fā)作時患者如坐舟船之中,且出現(xiàn)了口苦耳鳴的情況,進食出現(xiàn)困難,舌紅苔白,其脈弦滑。選擇小柴胡湯加味進行治療:太子參l0g,柴胡24g,黃芩l0g,半夏l0g,枳殼l0g,竹茹10g,茯苓l5g,白術30g,澤瀉30g,焦三仙各l0g,甘草6g,水煎服,每天1劑?；颊叻?劑以后,眩暈之癥不再出現(xiàn),再次服用數(shù)劑對藥效進行鞏固,隨訪數(shù)天,未見復發(fā)。

..目標函數(shù)

(1) 系統(tǒng)運行成本最小化.

含5G基站ADN的運行成本主要包括外部市場的購電成本、從內部分布式發(fā)電的購電成本以及5G基站儲能損耗成本，具體計算式如下：

(8)

(2) 系統(tǒng)碳排放最小化.

“高校固定資產(chǎn)管理平臺”使用后，資產(chǎn)管理部門不再像以前那樣只關注某個問題，如以前主要關注驗收入賬問題，現(xiàn)在可以關注資產(chǎn)從入賬、驗收、變動、處置到銷賬等整個周期過程，哪個過程發(fā)生改變，可以及時在平臺中進行相關操作。從系統(tǒng)管理出發(fā)，研究各部分間的聯(lián)系和規(guī)律，完善和加強全周期的系統(tǒng)管理，使資產(chǎn)管理的每個過程協(xié)調發(fā)展，形成一個“整體”的結構，從而形成互相促進、互相影響、互相監(jiān)督、互相制約的良性循環(huán)。固定資產(chǎn)實施信息化管理，明確和優(yōu)化了固定資產(chǎn)全周期各個環(huán)節(jié)中應遵守的要求，建立了動態(tài)化、規(guī)范化、科學化的固定資產(chǎn)管理模式。

為綜合反映5G基站參與需求響應為配電系統(tǒng)帶來的碳減排效益，本文以系統(tǒng)碳排放最小作為優(yōu)化運行模型的另一個目標.其中，系統(tǒng)的碳排放量與發(fā)電側化石燃料消耗直接相關，運行調度周期內CO排放量等于其從外部市場購電量乘以單位發(fā)電煤耗系數(shù)及發(fā)電側碳排放系數(shù)，具體如下：

發(fā)酵床墊料管理作為異位發(fā)酵床管理工作的核心部分，其主要是通過翻堆機進行墊料的翻堆處理。影響墊料發(fā)酵的糞污添加量也是影響發(fā)酵效果的一個重要因素，主要是由于缺乏與墊料處理能力相適應的糞污添加量控制體系，且經(jīng)常性出現(xiàn)過量添加等問題，導致發(fā)酵床變成過濾床，其發(fā)酵功能無法得到充分發(fā)揮。因此，生豬養(yǎng)殖人員還需要進行異位發(fā)酵床管理規(guī)程的合理制定，并需要在此基礎上進行發(fā)酵床墊料的嚴格管理，以獲得良好的糞污處理效果[4]。

(9)

式中：為單位煤耗發(fā)電量對應的碳排放；為外部電網(wǎng)中單位發(fā)電量對應的煤耗系數(shù).

..約束條件 本文優(yōu)化模型的約束條件主要包括5G基站運行特性約束、RES發(fā)電出力約束、系統(tǒng)潮流約束和運行安全性約束等4個方面.

(1) 5G基站運行約束.

本文研究的5G基站運行約束主要包括基站自身能耗特性、通信特性和其內部儲能電池的運行約束.關于5G基站能耗及通信特性的模型已在上一節(jié)給出，故本節(jié)主要對5G基站儲能電池模型進行說明.

3.1.1 器官捐獻者是否應得到經(jīng)濟補償 表2顯示，61.26%的護士認為器官捐獻者應該得到一定的經(jīng)濟補償，高于李超[5]等人的研究（29.70%）。經(jīng)濟補償目前還存在較多爭議。在護士看來，這種經(jīng)濟補償是對器官捐獻的一種激勵方式，但由于相關法律對補償金額沒有明確規(guī)定，導致公眾或患者誤將經(jīng)濟補償?shù)韧谄鞴儋I賣。提示我們?yōu)槭构姳M快接受器官捐獻，除了知識宣傳外，更重要的是完善、細化法律對器官捐獻的激勵機制。

首先，在實際運行中，同一時段5G基站內的儲能電池不能同時進行充放電過程，故有：

(10)

受儲能電池技術限制，其運行過程中充、放電功率需滿足如下約束：

這42個實例分批提交給神經(jīng)網(wǎng)絡模型進行訓練，第一批是相應于所有地震記錄的無損與50%損壞的頻譜；第二批是相應于75%損壞的頻譜。通過1200～1400 周期（epoch，是對所有輸入進行一次完整的前饋與誤差反傳所作運算）迭代而收斂。其中采用了0.2的學習率和10%的最大允許誤差。這個用于構件損壞評估的單隱層BP模型的訓練，其輸出PE活性值的結果與期望的活性值之間應符合得相當好。

(11)

式中：為儲能電池的最大充放電功率.

另外，在運行調度周期內，5G基站中儲能設備在當前時段的存儲電量與前序電量狀態(tài)及充放電功率的變化關系表示如下：

(12)

∈,∈

式中：,為節(jié)點基站儲能電池在時段的蓄電量；、分別為儲能裝置的充電、放電效率.

為確保儲能電池的運行壽命，防止過度充放電，針對儲能荷電狀態(tài)(State of Charge，SOC)還需設置如下約束：

(13)

∈,∈

海量5G基站運行產(chǎn)生的巨大用電將顯著增加配電系統(tǒng)總體的負荷需求，進而造成發(fā)電側碳排放量增加.而5G基站可通過基站休眠、收發(fā)器關斷、下行功率控制等技術管理手段，在保證通信服務質量的條件下，降低自身用電需求，提高系統(tǒng)能效，從而間接減少了發(fā)電側碳排放.

此外，5G基站作為ADN系統(tǒng)中的能源供給/消費節(jié)點，其內部需要滿足功率平衡約束：

(14)

(15)

(2) RES發(fā)電出力約束.

各時段RES發(fā)電的實際調用功率不能超過該時段最大可發(fā)功率，故有如下約束：

(16)

此外，參考當前國內外分布式電源的典型運行方式，本文假設RES發(fā)電始終工作在恒定功率因數(shù)下，故有：

《洪范五行傳》災異思想析論—以戰(zhàn)國秦漢五行及時月令文獻為背景……………………………………程蘇東（184）

(17)

(3) 配電網(wǎng)潮流約束.

在完成6點部位的連弧焊操作后，到達5點和7點位置，為了減少熔池過渡墜瘤，改為斷弧焊工藝。由于鎳基材料熔池流動性差、冷卻速度快等特點，因此斷弧打底時的頻率要快，再起弧的位置要準，通常在上一熔池冷卻到二分之一時，進行下一弧的引燃，并在熔池溫度最高的地方再起?。慈鄢刈盍恋牡胤剑?。打底時熔池易往焊縫中間聚集、兩側易夾溝，因此焊條要做左右擺動，使熔池能夠到達焊縫坡口的兩側，分散熔池中間的溫度，確保背面焊縫兩側熔合良好。

與傳統(tǒng)配電網(wǎng)相似，含5G基站的配電系統(tǒng)運行也應滿足有功/無功潮流約束.其潮流約束為

(18)

,∈,∈

(4) 系統(tǒng)運行安全性約束.

為確保含5G基站ADN的運行安全性，需考慮如下約束.

節(jié)點有功/無功功率平衡約束為

(19)

,,∈,∈

為保證用戶的電壓質量符合國家規(guī)定，需要對系統(tǒng)節(jié)點電壓偏移做出限制，故有：

(20)

系統(tǒng)中各線路流過的有功和無功功率均不能超過線路的容量上限，故有線路載流量約束為

(21)

∈,∈

(22)

∈,∈

與上級電網(wǎng)之間功率約束為

(23)

要求：（1）標志設計需簡明（最少線條）、清楚（表意清晰）、形象（一目了然）；（2）可以設計成走路禮讓、保持安靜、不許亂扔紙屑、不準吸煙等內容；（3）請說明設計想法。

一般情況下，項目總體是由技術隊長、專冊循序漸進成長的。根據(jù)鐵路項目實踐，可研究將學歷、資歷等靜態(tài)指標轉變?yōu)槟芰?、個性等動態(tài)評價標準，作為總體人才的選取原則(見表3)。

2.3 優(yōu)化變量

2.4 不確定性分析

當前處理含不確定性參數(shù)優(yōu)化問題最為常用的兩種方法是隨機優(yōu)化和魯棒優(yōu)化.其中，隨機優(yōu)化是在大量歷史數(shù)據(jù)基礎上，利用統(tǒng)計學方法提煉出關于不確定性因素的特征分布，并據(jù)此通過生成一系列確定性場景集合表征不確定因素對系統(tǒng)決策的影響.但對于本文研究而言，含5G基站ADN運行將同時涉及電力流和通信流兩方面的調度控制.相較于電力需求，用戶的數(shù)據(jù)使用行為無論在時間或空間方面均具有更為顯著的隨機性，此外還表現(xiàn)出高度異質、隨時間動態(tài)演化等復雜特性，系統(tǒng)運營商通常難以獲得關于數(shù)據(jù)需求參數(shù)的準確概率分布，上述原因使得隨機優(yōu)化方法在本文研究中面臨極大障礙.而魯棒優(yōu)化方法主要考慮的是對系統(tǒng)目標實現(xiàn)最為不利的不確定性場景，所得結果通常較為保守，因而難以充分挖掘5G基站資源的低碳賦能潛力.

針對上述問題，本文采用區(qū)間方法對系統(tǒng)運行中的各不確定性因素，即RES發(fā)電出力及通信負載進行建模.相比隨機優(yōu)化和魯棒優(yōu)化，區(qū)間優(yōu)化方法不用提前獲取關于不確定性參數(shù)的精確概率分布函數(shù)，只需根據(jù)波動區(qū)間的上下限信息即可實現(xiàn)對不確定性影響的描述.

3 求解方法

由于上述所建優(yōu)化模型中含有區(qū)間型參數(shù)，所以難以通過求解器或現(xiàn)成算法對其直接計算求解.本文首先對含區(qū)間變量的目標函數(shù)和約束條件進行預處理，采用區(qū)間序關系和區(qū)間可能度方法使原有問題轉化為確定性多目標優(yōu)化問題.然后，采用 NSGA-II 算法求解Pareto非支配解集.

3.1 模型轉化

(24)

(25)

(26)

式中：、分別為體現(xiàn)決策者對各優(yōu)化目標期望和波動性偏好的權重系數(shù).

(27)

根據(jù)區(qū)間可能度法，可將上述含不確定性的約束條件轉化為如下確定性約束：

(28)

通過上述處理，原始多目標區(qū)間優(yōu)化模型即轉化為常規(guī)確定性多目標優(yōu)化問題.

3.2 算法流程

4 算例分析

4.1 參數(shù)設置

本文以修改的IEEE-33節(jié)點配電網(wǎng)為例，通過仿真分析驗證所提方法的有效性，如圖4所示，修改的IEEE-33節(jié)點配電網(wǎng)包括33個負荷節(jié)點，S為與上級電網(wǎng)連接的變電站.

由圖4可見，為適應本文研究需要，假設在節(jié)點4、10、13、29接入風力發(fā)電機組，且各節(jié)點裝機容量均為800 kW.風力發(fā)電的日出力預測曲線根據(jù)文獻[26]確定，且預測誤差為±20%.另外，假設在節(jié)點6、8、15、31接入含儲能的5G基站群，每個基站群的基站個數(shù)均為100，并將其命名為基站群1、2、3、4.單個基站的基本參數(shù)如表2所示.基站儲能電池的額定容量為18 kW·h，最大充電、放電功率為 3 kW，最大、最小荷電狀態(tài)分別為90%和10%，充放電效率設為0.85.

針對日前調度，根據(jù)文獻[27-28]，系統(tǒng)中通信負荷和用電負荷的日變化情況如圖5所示，且預測誤差分別設為±10%和±15%.圖中：為通信負載量，為用電負荷量.假設外部市場中的發(fā)電煤耗系數(shù)為310 g/(kW·h)，單位標準煤的CO排放因子為2.62 kgCO/kg，ADN從外部市場的購電價格為0.38元/(kW·h)，從風電運營商購電價格為0.8元/(kW·h).在優(yōu)化過程中，取系統(tǒng)運行仿真周期為1 d(即24個時段)，且=1 h.

基于前期測試，NSGA-II的參數(shù)選擇如下：種群規(guī)模為100，最大進化代數(shù)為300，變異因子為0.2，交叉因子為0.6.

4.2 計算結果分析

..Pareto最優(yōu)解 基于本文多目標區(qū)間優(yōu)化模型得到的Pareto前沿集如圖6所示.

由圖6可見，所形成的優(yōu)化解分布均勻且涉及范圍較廣，可以為ADN運行策略制定提供重要的參考依據(jù).進一步可見，ADN的運行成本與碳排放量之間的存在緊密關聯(lián).伴隨系統(tǒng)運行經(jīng)濟性的提升，系統(tǒng)的環(huán)境效益會下降.相反，當ADN運行者追求低碳效益最優(yōu)時，系統(tǒng)對應的運行成本則會增加.這說明為促進RES利用和降低碳排放而開發(fā)利用5G基站的靈活性響應潛力，將不可避免地導致儲能電池損耗和運行管理成本增加，從而造成系統(tǒng)運行的經(jīng)濟性下降.因此，在實際運行中，需根據(jù)決策者的需求，綜合考慮上述兩方面因素，得出符合實際要求的科學運行方案.同時，上述結果也證明了本文多目標優(yōu)化方法在考慮5G基站低碳賦能ADN調度研究中的適用性.

..5G基站靈活性對電網(wǎng)運行效益的影響分析 為揭示5G基站參與互動響應對ADN效益的影響，本節(jié)分別對有無5G基站參與需求響應情況下所得調度方案進行對比分析.其中，無需求響應場景是指在系統(tǒng)調度時基站未參與電網(wǎng)互動，僅從自身用能角度對用電設備進行功耗管理.針對各場景下的Pareto前沿，假設決策者對經(jīng)濟性和低碳目標具有相同的偏好，并采用逼近理想解排序法確定唯一的折中方案.相關指標計算結果見表3.

可見，當5G基站參與電網(wǎng)優(yōu)化調度時，雖然系統(tǒng)運行成本有所上升，但系統(tǒng)對RES消納量提升了49.22%.由于利用靈活通信響應和儲能設備促進了RES消納，間接減少了ADN從主網(wǎng)的購電量，因此系統(tǒng)的碳排放總量降低.

兩種場景下系統(tǒng)功率平衡圖和棄風功率情況分別如圖7、8所示，圖中：為功率.由圖可知，相比未參與需求響應情況，5G基站參與互動能有效改善系統(tǒng)負荷曲線，起到削峰填谷的作用，改善負荷高峰和低谷時段的電能供需矛盾情況.同時，5G基站的靈活互動使得棄風功率顯著降低，在風電高發(fā)時段的風電并網(wǎng)量大幅提高.

產(chǎn)生上述現(xiàn)象主要因為5G基站通過改變自身通信設備進行能耗管控，在用電負荷高峰時段降低自身用能，利用基站儲能在負荷高峰放電、低谷充電，提升RES消納，降低主網(wǎng)購電，同時靈活互動還對線路潮流起到了平衡作用，降低了網(wǎng)損.為此，圖9、10分別給出了5G基站參與需求響應前后的運行結果，圖中為收發(fā)器開啟個數(shù).

由圖可知，5G基站未參與需求響應時，可視為普通用電負荷.5G基站參與互動后，儲能電池在風力發(fā)電高發(fā)時段充電，盡可能增加系統(tǒng)對RES的消納.在風力發(fā)電的低發(fā)時段，通過儲能電池向基站或者電網(wǎng)送電，可以降低ADN從外部市場的購電量，進而減少發(fā)電側碳排放.由圖10可知，在電力負荷高峰時段，基站在滿足通信服務質量的前提下，管控收發(fā)器數(shù)量使得5G基站的功耗顯著降低，加之儲能放電，各5G基站群總用能大幅降低，與系統(tǒng)總負荷曲線呈反相關，從而起到削峰效果，減少主網(wǎng)購電，提升運行效益.

分析5G基站參與響應對改善系統(tǒng)潮流分布的影響效果，圖11所示為有無響應情況下配電網(wǎng)各線路負載率的日變化情況.圖中：為線路編號，為線路載流量.可見，在未參與互動情況下，線路1～5、10～11、13～14、29～30載流量處于重載狀態(tài)，線路15～17、18～21、31～32載流量處于輕載狀態(tài).上述潮流分布的不均勻性一方面對RES發(fā)電消納造成不利影響，另一方面使得系統(tǒng)平均線損率較高(由重載線路導致).由圖11(b)可見，在5G基站參與電網(wǎng)調度后，線路1～5的負載率下降，同時風電機組接入節(jié)點的臨近線路的載流量也得以下降，系統(tǒng)各線路潮流分布均勻化，因而系統(tǒng)網(wǎng)損降低.

..區(qū)間不確定性分析方法的適用性 為驗證所提區(qū)間優(yōu)化模型較傳統(tǒng)方法的優(yōu)勢，對本文方案與確定性優(yōu)化和魯棒優(yōu)化方案在實際運行下的預期效益進行對比分析.其中，確定性優(yōu)化是在假設系統(tǒng)各不確定元素均固定為中值時得到的最優(yōu)方案，而魯棒優(yōu)化是指以不確定性下系統(tǒng)最悲觀場景作為優(yōu)化目標下得到的方案.兩種對比場景對應的具體數(shù)學模型可參見文獻[31].此外，其他參數(shù)設置與前節(jié)相同，優(yōu)化目標的權重保持不變.

分別假設各不確定參數(shù)以預測值的 ±5%、±15%、±25% 作為變化區(qū)間，且符合均勻分布.采用蒙特卡洛模擬法隨機抽樣得到各不確定變量的樣本序列，并以此為基礎計算3種情況下運行方案在上述環(huán)境下的系統(tǒng)運行成本和碳排放量，所得結果如圖12所示，圖中：′為波動范圍.

由圖可知，采用確定性優(yōu)化得出的結果具有更低的預期成本和較小的預期碳排放量.但該方案沒有考慮不確定性因素的作用.結合圖中實際成本與碳排放量隨不確定性變化的情況可知，確定性優(yōu)化方案所得優(yōu)化目標要低于實際目標值，且隨著不確定性波動程度的增加其差距加大.而區(qū)間和魯棒優(yōu)化方法則是考慮了運行中的不確定性因素影響，魯棒優(yōu)化方案考慮的是運行中的最劣場景，其預期成本和碳排放量較實際情況偏高，優(yōu)化結果比較保守，不利于RES消納.而區(qū)間優(yōu)化方法選取不確定參數(shù)的中值進行運算，兼顧了悲觀場景和樂觀場景，此優(yōu)化方案更加合理.

5 結論

為推動ADN下對RES資源的高效消納、實現(xiàn)配網(wǎng)側碳減排，本文以5G基站參與電網(wǎng)側互動響應促進RES利用效率提升作為切入點，提出了一種考慮5G基站低碳賦能的ADN多目標區(qū)間優(yōu)化運行方法.相比現(xiàn)有研究，本文綜合計及了RES出力以及5G通信負載兩方面不確定性的影響，通過對系統(tǒng)中分布式電源以及5G基站設備啟停計劃和儲能電池的協(xié)同調度，從而達到對ADN運行經(jīng)濟性與低碳效益的同時趨優(yōu).通過算例分析，所得結論如下：

(1) 在現(xiàn)有發(fā)電結構下，含5G基站的ADN在運行經(jīng)濟成本與碳排放量之間存在著特定的矛盾，通過利用5G基站的靈活響應能力參與電網(wǎng)側調度能夠有助于電力系統(tǒng)提高可再生能源消納和利用效率，從而帶來可觀的低碳效益.

(2) 5G基站的響應特性受到基站收發(fā)器開啟數(shù)量、儲能電池運行參數(shù)等多方面因素的影響，在滿足用戶通信服務質量的前提下，通過對基站設備及儲能電池運行狀態(tài)進行聯(lián)合優(yōu)化，能夠改善ADN潮流分布，減少網(wǎng)損，擴大電網(wǎng)對RES的消納空間.

(3) 區(qū)間優(yōu)化方法能夠在充分尊重決策者主觀偏好的基礎上，使所得決策方案靈活兼具最優(yōu)性和抗風險能力，具有良好的工程價值.