一种考虑储能动态调度容量的多站融合经济调度方法

一种考虑储能动态调度容量的多站融合经济调度方法
1.本发明涉及多站融合领域，尤其涉及一种考虑储能动态调度容量的多站融合经济调度方法。


背景技术：

[0002]“多站融合”是泛在电力物联网背景下的一个典型应用，通过将变电站、5g基站、数据中心、储能站和电动汽车充电站在地理、能量、信息三方面融合在一起，实现了数字化信息互联。随着万物互联的不断推进，数据的处理不再限制于云计算中心，而是通过边缘计算下放到了边缘数据中心，因此5g基站和数据中心得到了蓬勃发展，但5g基站和数据中心的高能耗问题愈发突出，阻挡了其经济性的实现，如何实现多站融合的经济运行成为了关键问题。
[0003]
中国专利公开号cn202110374807.1公开了一种多站融合容量联合规划方法，针对站间融合方案提出配套的联合运行方法；中国专利公开号cn202011368304.5公开了一种多站融合的储能系统，涉及多站融合技术领域，解决了现有系统一般只能进行单一储能，没有充分发挥多站融合的优势的技术问题。
[0004]
以上方法都是储能提供固定容量的备用电，均未考虑5g基站和数据中心的动态备电问题。本发明提供一种考虑储能动态调度容量的多站融合经济调度方法，创建了储能动态可调度容量模型。在系统的负荷侧引入分时电价需求侧响应，考虑5g基站和数据中心的供电可靠性，保证做出的调整满足5g基站和数据中心的正常运行。


技术实现要素：

[0005]
本发明提供了一种考虑储能动态调度容量的多站融合经济调度方法，通过以下技术方案实施：
[0006]
s1：获取多站融合场景下的融合站各单元设备信息；储能站包括容量、功率、充放电效率、soc上下限等信息；数据中心包括服务器额定功率以及休眠功率和休眠策略等信息；5g基站包括其通信负载的变化趋势以及功率等信息；电动汽车充电站包括汽车出行规律和充电功率等；
[0007]
s2：考虑储能电站为5g基站和数据中心提供备电容量，建立一种考虑5g基站供电可靠性的储能动态调度容量模型；
[0008]
s3：利用多站融合场景下的融合站各单元设备信息，建立多站融合体系下的各个单元模型；
[0009]
s4：结合储能动态调度容量模型，建立了一种考虑储能动态调度容量的多站融合经济调度模型；
[0010]
s5：利用考虑储能动态调度容量的多站融合经济调度模型，得到多站融合之间的能量调度策略和储能电站充放电配置策略。
[0011]
所述的一种考虑储能动态调度容量的多站融合经济调度方法中，建立了一种考虑5g基站和数据中心供电可靠性的多站融合经济调度模型。通过发掘5g通信基站、数据中心、
电动汽车充电站负荷的灵活性，创建了储能动态可调度容量模型。在系统的负荷侧引入分时电价需求侧响应，考虑5g基站和数据中心的供电可靠性，保证做出的调整满足5g基站和数据中心的正常运行。
[0012]
所述的储能动态可调度容量模型是考虑5g基站、数据中心的通信负载和供电可靠性建立得来，具体计算如下：
[0013][0014]
式中：表示储能站在t时刻的最小备用容量；δt表示最小储能备用时间；ε表示配电网故障系数，其值越低说明配电网可靠性越高，备电容量越小；表示第t时段考虑5g基站通信负载的用电负荷。
[0015]
由于储能需要为5g基站和数据中心提供备用动态备用容量，因此储能的充放电下限阈值提高，如下：
[0016][0017]
式中，为考虑了储能提供动态备用容量的充放电下限；s
min
为避免储能过度充电放电设置的上下限；e
soc
为额定容量。
[0018]
所述的多站融合经济调度模型是以多站融合场景下单位调度周期内电费支出最小为目标，具体计算如下：
[0019][0020]
式中：r
t
、c
b,t
分别为t时段电动汽车充电站负荷、变电站负荷、数据中心负荷、5g基站负荷、储能充放电功率、上网电价和储能充放电损耗成本。
[0021]
所述的c
b,t
为t时的储能充放电折旧损耗成本，模型如下:
[0022][0023]
式中：βb为折旧损耗系数；p
b,t
为储能站充放电功率；δt为单位时间，设为60min将一天分为24个时段；
[0024]
所述的储能电站充放电配置策略，通过一种考虑储能动态调度容量的多站融合经济调度模型，利用收集到融合站各单元设备信息，通过yalimp工具箱调用cplex求解该模型，得到融合站在单位调度周期内储能每小时的充放电配置情况，包括功率大小、传输方向等信息。
[0025]
与现有技术相比，本发明取得的有益效果是：
[0026]
(1)通过发掘5g通信基站、数据中心、电动汽车充电站负荷的灵活性，创建了储能动态可调度容量模型；
[0027]
(2)考虑5g基站和数据中心的供电可靠性，保证做出的调整满足5g基站和数据中心的正常运行。
附图说明
[0028]
图1为本发明所提供的一种考虑储能动态调度容量的多站融合经济调度方法结构示意图。
[0029]
图2为本发明所提供的多站融合场景储能调度策略流程图。
具体实施方式
[0030]
下面结合附图，对本发明作详细说明。
[0031]
结合图1所示，本发明所提供的一种考虑储能动态调度容量的多站融合经济调度方法，包括以下步骤：
[0032]
s1：获取多站融合场景下的融合站各单元设备信息；储能站包括容量、功率、充放电效率、soc上下限等信息；数据中心包括服务器额定功率以及休眠功率和休眠策略等信息；5g基站包括其通信负载的变化趋势以及功率等信息；电动汽车充电站包括汽车出行规律和充电功率等；
[0033]
s2：考虑储能电站为5g基站和数据中心提供备电容量，建立一种考虑5g基站供电可靠性的储能动态调度容量模型；
[0034]
所述的储能动态可调度容量模型是考虑5g基站、数据中心的通信负载和供电可靠性建立得来，具体计算如下：
[0035][0036]
式中：表示储能站在t时刻的最小备用容量；δt表示最小储能备用时间；ε表示配电网故障系数，其值越低说明配电网可靠性越高，备电容量越小；表示第t时段考虑5g基站通信负载的用电负荷。
[0037]
由于储能需要为5g基站和数据中心提供备用动态备用容量，因此储能的充放电下限阈值提高，如下：
[0038][0039]
式中，为考虑了储能提供动态备用容量的充放电下限；s
min
为避免储能过度充电放电设置的上下限；e
soc
为额定容量。
[0040]
储能电站需要保证5g基站和数据中心在市电停电情况下3小时的备电需求，因此储能的备电容量随着通信负载的变化而随之改变，剩余的容量用于实现削峰填谷作用。
[0041][0042]
式中：s
min
为储能电站的最小荷电状态；s
max
为储能电站的最大荷电状态；为储能电站给数据中心和5g基站提供的备电容量比。
[0043]
s3：利用多站融合场景下的融合站各单元设备信息，建立多站融合体系下的各个单元模型；
[0044]
(1)储能模型
[0045]
储能站在融合站中起到平衡电量随机波动、削峰填谷等作用。蓄电池当前的剩余电量主要是由当前的充放电功率其、前一时刻的剩余电量和储能本身的充放电功率决定的。数学模型为
[0046][0047]
式中：soc
t
为储能在t时刻的荷电状态；δ为充放电系数；p
in,t
、p
out,t
为储能的充电功率和放电功率；e
soc
为额定容量；η
in
、η
out
为储能的充放电效率。
[0048]
(2)5g基站模型
[0049]
5g基站的负荷包括基础能耗和动态能耗，其大小是根据其通信负载来决定的[8-10]，本文将5g基站简化成如下模型:
[0050][0051]
式中，为5g基站和数据中心的用电功率；p0是最小功耗；λ
t
为第t时段的负载系数；p
out
为发射功率。
[0052]
(3)边缘数据中心模型
[0053]
边缘数据中心的负荷大小主要由it设备、制冷系统和配电系统组成，其中配电系统占比较小，本文不予考虑，模型如下：
[0054][0055]
式中，为数据中心在t时刻能耗；为t时刻服务器能耗；pc为制冷设备能耗。
[0056][0057]
式中，pw为在满载工作的服务器能耗；n
t
为在满载工作的服务器数量；p
sl
为在睡眠服务器的能耗；m为数据中心的服务器总数。
[0058]
(4)充电站模型
[0059]
电动汽车充电站的模型本文经过简化，充电站的负荷由充电桩的数量和充电功率求得，如下：
[0060][0061]
式中，为电动汽车充电站在t时刻的负荷大小；n4为电动汽车充电位数量。
[0062]
(5)变电站模型
[0063]
融合站中变电站的负荷主要由制冷负荷、照明负荷、安防负荷以及动力负荷等构成。本文建立变电站负荷模型如下:
[0064][0065]
式中：为总负荷；p
ml
为动力负荷；p
al
为照明负荷；p
l
为制冷负荷；p
gl
为照明负荷。
[0066]
s4：结合储能动态调度容量模型，建立了一种考虑储能动态调度容量的多站融合经济调度模型；
[0067]
所述的多站融合经济调度模型是以多站融合场景下单位调度周期内电费支出最小为目标，具体计算如下：
[0068]
(1)目标函数
[0069][0070]
(2)约束条件
[0071]
储能动态soc约束：
[0072]
储能电站需要保证5g基站和数据中心在市电停电情况下3小时的备电需求，因此储能的备电容量随着通信负载的变化而随之改变，剩余的容量用于实现削峰填谷作用。
[0073][0074]
式中：s
min
为储能电站的最小荷电状态；s
max
为储能电站的最大荷电状态；为储能电站给数据中心和5g基站提供的备电容量比。
[0075]
储能充放电状态约束：
[0076]
0≤β
ch
+β
diss
≤1
[0077]
其中，β
ch
、β
diss
为储能电站的充放电状态，是开关变量。控制储能不能同时处于充电和放电状态。
[0078]
储能充放电功率约束：
[0079][0080]
式中，是储能在t时段充放电最大功率。
[0081]
s5：利用考虑储能动态调度容量的多站融合经济调度模型，得到多站融合之间的能量调度策略和储能电站充放电配置策略。
[0082]
所述求解融合站在单位调度周期内储能每小时的充放电配置情况，包括功率大小、传输方向等信息。
[0083]
结合图2所示，本发明所提供的多站融合场景储能调度策略流程图如下：
[0084]
s21：输入当前时刻5g基站、数据中心、充电站、变电站的实时负荷需求以及储能电站soc状态和电网分时电价等数据。
[0085]
s22：判断是否停电，如果停电，由储能为融合站供电；如果市电正常，判断储能充放电状态。
[0086]
s23：判断储能充放电状态，放电时段由市电供应电能，下一步判断储能soc状态。
[0087]
s24：判断储能soc状态，分为储能向整站供电和储能只提供备电容量两种情况。
[0088]
以上对本发明实施例所提供的一种考虑储能动态调度容量的多站融合经济调度方法进行了详细介绍，本文中利用具体实例对本发明的原理进行了介绍，用于阐述本发明的核心思想，不能将本说明书内容理解为对本发明保护范围的限制。

技术特征：
1.一种考虑储能动态调度容量的多站融合经济调度方法，其特征在于包括以下步骤：s1：获取多站融合场景下的融合站各单元设备信息；s2：考虑储能电站为5g基站和数据中心提供备电容量，建立一种考虑5g基站供电可靠性的储能动态调度容量模型；s3：利用多站融合场景下的融合站各单元设备信息，建立多站融合体系下的各个单元模型；s4：结合储能动态调度容量模型，建立了一种考虑储能动态调度容量的多站融合经济调度模型；s5：利用考虑储能动态调度容量的多站融合经济调度模型，得到多站融合之间的能量调度策略和储能电站充放电配置策略。2.根据权利要求1所述的多站融合场景下的融合站各单元设备信息，其特征在于，储能站包括容量、功率、充放电效率、soc上下限等信息；数据中心包括服务器额定功率以及休眠功率和休眠策略等信息；5g基站包括其通信负载的变化趋势以及功率等信息；电动汽车充电站包括汽车出行规律和充电功率等。3.根据权利要求1所述的考虑5g基站供电可靠性的储能动态调度容量模型，其特征在于，所述的储能动态可调度容量模型是考虑5g基站、数据中心的通信负载和供电可靠性建立得来，具体计算如下：式中：表示储能站在t时刻的最小备用容量；δt表示最小储能备用时间；ε表示配电网故障系数，其值越低说明配电网可靠性越高，备电容量越小；表示第t时段考虑5g基站通信负载的用电负荷。由于储能需要为5g基站和数据中心提供备用动态备用容量，因此储能的充放电下限阈值提高，如下：式中，为考虑了储能提供动态备用容量的充放电下限；s
min
为避免储能过度充电放电设置的上下限；e
soc
为额定容量。4.根据权利要求1所述的多站融合体系下的各个单元模型，其特征在于，建立了包含储能电站、数据中心、5g基站、变电站电动和汽车充电站在内的模型。5.根据权利要求1所述的一种考虑储能动态调度容量的多站融合经济调度模型，其特征在于，以多站融合场景下单位调度周期内电费支出最小为目标，具体计算如下：式中：r
t
、c
b,t
分别为t时段电动汽车充电站负荷、变电站负
荷、数据中心负荷、5g基站负荷、储能充放电功率、上网电价和储能充放电损耗成本。c
b,t
为t时的储能充放电折旧损耗成本，模型如下:式中：β
b
为折旧损耗系数；p
b,t
为储能站充放电功率；δt为单位时间，设为60min将一天分为24个时段。6.根据权利要求1所述的储能电站充放电配置策略，其特征在于，通过一种考虑储能动态调度容量的多站融合经济调度模型获得储能电站充放电配置策略，利用收集到融合站各单元设备信息，通过yalimp工具箱调用cplex求解该模型，得到融合站在单位调度周期内储能每小时的充放电配置情况，包括功率大小、传输方向等信息。

技术总结
为了解决多站融合(5G通信基站、数据中心、储能站、电动汽车充电站)的协调运行和经济调度问题，本发明公开了一种考虑储能动态调度容量的多站融合经济调度方法。通过发掘5G通信基站、数据中心、电动汽车充电站负荷的灵活性，创建了储能动态可调度容量模型。在系统的负荷侧引入分时电价需求侧响应，考虑5G基站和数据中心的供电可靠性，保证做出的调整满足5G基站和数据中心的正常运行；最后，基于matlab对所建立的优化模型进行仿真，结果表明该模型能够减少经营的成本。与现有技术相比，本发明优化在于发掘5G通信基站、数据中心、电动汽车充电站负荷的灵活性，创建了储能动态可调度容量模型，考虑5G基站和数据中心的供电可靠性，保证做出的调整满足5G基站和数据中心的正常运行。做出的调整满足5G基站和数据中心的正常运行。做出的调整满足5G基站和数据中心的正常运行。


技术研发人员：刘子豪 王颖 麻秀范
受保护的技术使用者：华北电力大学
技术研发日：2022.03.07
技术公布日：2022/5/25