5G基站储能参与备用与调频辅助服务的分布式调度方法

本发明属于电力系统控制，更具体地，涉及一种5g基站储能参与备用与调频辅助服务的分布式调度方法。

背景技术：

1、大规模新能源并网使得传统的电力系统调节灵活性受到了挑战。传统电力系统通常由基于化石燃料的发电机组成，这些发电机具有较高的调节能力，可以快速响应负荷变化和故障事件。然而，以风电、光伏为代表的大规模新能源发电受天气等因素影响，具有随机性和波动性，这导致电力系统调节能力不足，难以保障电力系统的有功功率实时平衡。此外，电力系统在发生事故后面临频率安全的问题。随着基于变流器接入的新能源设备对传统同步机组的大规模替代，电力系统的惯性响应与一次调频响应能力减弱，使得系统在事故后面临频率失控的风险。综上所述，新型电力系统下，备用与调频辅助服务资源稀缺，需要挖掘利用响应的灵活性资源。

2、随着信息通信技术的高速发展，5g基站建设部署的数量快速增加。5g宏基站配备有电池储能，以维持基站供电的可靠性。然而，5g基站负荷具有显著的潮汐效应，在全天各时段内对电池储能的备电需求存在差异，这为5g基站电池储能参与电力系统调度提供了可调度空间。

3、然而，如何计及5g基站电池储能的动态备电需求，构建其参与备用与调频辅助服务的调度模型，并解决含海量5g基站电池储能的电力系统调度模型集中式求解计算资源不足的问题，成为亟待解决的难题。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提供了一种5g基站储能参与备用与调频辅助服务的分布式调度方法，其目的在于构建了考虑可调度容量的5g基站电池储能提供备用与调频辅助服务的调度模型，进而在现有两阶段随机机组组合模型中加入多个所述5g基站电池储能的调度模型，并进行适应性的调整得到目标两阶段随机机组组合模型，利用分布式求解方法求解目标两阶段随机机组组合模型得到调度策略，最终实现分布式调度，由此解决集中式调度时计算资源不足的技术问题。

2、为实现上述目的，按照本发明的一个方面，提供了一种5g基站储能参与备用与调频辅助服务的分布式调度方法，包括：

3、s1：获取5g基站储能参与备用与调频辅助服务的电力系统中各元件的参数，电力系统中各元件的参数包括：多个同步机组的参数、多个新能源场站出力曲线和电负荷曲线、多个5g基站的参数、电网参数和电负荷参数；

4、s2：基于所述5g基站的参数构建单个5g基站电池储能的调度模型；所述5g基站的参数包括：充/放电成本系数、上/下备用容量成本系数、上/下备用部署成本系数、一次调频备用容量成本系数、惯性响应备用容量成本系数、通信负载预测值、基站功耗模型参数和、备电时长需求、电池储能充/放电功率上限、初始储能值、储能上限和基站电源功率；

5、s3：以电力系统运行成本最小为目标，基于所述电力系统的元件的参数和多个所述5g基站电池储能的调度模型构建含海量5g基站电池储能的目标两阶段随机机组组合模型；所述目标两阶段随机机组组合模型为在现有两阶段随机机组组合模型中加入多个所述5g基站电池储能的调度模型，并进行适应性的调整得到；

6、s4：基于分布式求解方法求解所述目标两阶段随机机组组合模型，得到同步机组、可再生能源电站、5g基站电池储能各自的调度策略，从而进行分布式调度。

7、在其中一个实施例中，

8、所述同步机组的参数包括：上/下备用容量成本系数上/下备用部署成本系数一次调频备用容量成本系数有功出力上/下限分段出力上限最大上/下爬坡容量惯量一次调频功率增益系数和一次调频响应时间常数

9、所述新能源场站出力曲线和电负荷曲线包括：新能源场站的预测最大有功出力曲线随机场景s下新能源场站的最大有功出力曲线电负荷预测曲线ll,t。

10、在其中一个实施例中，所述5g基站电池储能的调度模型的约束包括：

11、电池储能k在随机场景s下能提供的备用部署为：s为新能源出力随机场景索引；为随机场景s下电池储能k在时段t内的上/下备用部署，为5g基站电池储能k在预测场景/随机场景下s时段t的功率；电池储能k在随机场景s下的备用部署应不大于其备用容量；

12、电池储能k在随机场景s下的储能值满足：表示电池储能k在随机场景s下时段t的储能值；δt为单个时段长度；t为总调度时段数；为电池储能k在随机场景s下的初始储能值；为5g基站电池储能k在时段t的备电需求，为储能上限；

13、5g基站电池储能k在预测场景和随机场景s下的惯性响应/一次调频响应备用部署不能超过惯性响应备用/一次调频响应备用容量。

14、在其中一个实施例中，所述目标两阶段随机机组组合模型的：

15、一阶段决策包括：机组启停、出力计划，以及同步机组和5g基站电池储能的备用容量、一次调频响应/惯性响应备用容量；

16、二阶段实时决策用于处理在日内运行过程中的新能源出力不确定性，包括:上调/下调备用和一次调频响应/惯性响应备用的部署。

17、在其中一个实施例中，所述目标两阶段随机机组组合模型表示为：

18、

19、其中，xdc为调度中心所有决策变量所构成的向量；和表示5g基站k决策变量所构成的向量，具体地，中的变量仅与基站k本身直接耦合，而中的变量与xdc存在直接耦合关系；cdc和分别为调度中心和5g基站电池储能k成本系数所构成的响应；ssys为电力系统功率平衡约束、同步机组个体约束、频率安全约束、新能源场站个体约束所构成的决策变量的可行域；为5g基站电池储能k的个体约束所构成的决策变量的可行域。

20、在其中一个实施例中，所述s4包括：基于admm算法的分布式求解方法求解所述含海量5g基站电池储能的目标两阶段随机机组组合模型，得到同步机组、可再生能源电站、5g基站电池储能各自的调度策略，从而进行分布式调度。

21、在其中一个实施例中，所述基于admm算法的分布式求解方法求解所述调度模型，包括：

22、s41:各5g基站的电池储能k通过求解问题确定其决策变量的值；n为admm算法迭代次数索引；将问题等效为问题随后，

23、各基站的电池储能k将其决策变量的值上传至调度中心；

24、s42：调度中心通过求解问题确定其决策变量和辅助变量的值；进而将问题等效为问题随后，调度中心将辅助变量的值传递给5g基站的电池储能k；

25、s43：调度中心校验收敛判据是否满足：当两条式子均得到满足时，视为admm算法找到所述含海量5g基站电池储能的目标两阶段随机机组组合模型的最优解。

26、按照本发明的另一方面，提供了一种5g基站储能参与备用与调频辅助服务的分布式调度装置，包括：

27、获取模块，用于获取5g基站储能参与备用与调频辅助服务的电力系统中各元件的参数，电力系统中各元件的参数包括：多个同步机组的参数、多个新能源场站出力曲线和电负荷曲线、多个5g基站的参数、电网参数和至少一个电负荷参数；

28、第一构建模块，用于基于所述5g基站的参数构建单个5g基站电池储能的调度模型；所述5g基站的参数包括：充/放电成本系数、上/下备用容量成本系数、上/下备用部署成本系数、一次调频备用容量成本系数、惯性响应备用容量成本系数、通信负载预测值、基站功耗模型参数和、备电时长需求、电池储能充/放电功率上限、初始储能值、储能上限和基站电源功率；

29、第二构建模块，用于以电力系统运行成本最小为目标，基于所述电力系统的元件的参数和多个所述5g基站电池储能的调度模型构建含海量5g基站电池储能的目标两阶段随机机组组合模型；所述目标两阶段随机机组组合模型为在现有两阶段随机机组组合模型中加入多个所述5g基站电池储能的调度模型，并进行适应性的调整得到；

30、调度模块，用于基于分布式求解方法求解所述含海量5g基站电池储能的目标两阶段随机机组组合模型，得到同步机组、可再生能源电站、5g基站电池储能各自的调度策略，从而进行分布式调度。

31、按照本发明的另一方面，提供了一种电力控制系统，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

32、按照本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

33、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

34、(1)本发明提供了一种5g基站储能参与备用与调频辅助服务的分布式调度方法，通过构建考虑可调度容量的5g基站电池储能提供备用与调频辅助服务的调度模型，进而在现有两阶段随机机组组合模型中加入多个所述5g基站电池储能的调度模型并进行适应性的调整得到目标两阶段随机机组组合模型，利用分布式求解方法求解目标两阶段随机机组组合模型得到调度策略，最终实现分布式调度；本发明相较于集中式调度，考虑5g基站电池储能提供备用与调频辅助服务，充分利用5g基站电池储能的快速响应特性，增强了整个电力系统的响应能力，为维护电力系统实时有功功率平衡与事故后动态频率安全提供了灵活性可调节资源。

35、(2)本方案提供的5g基站电池储能的调度模型的约束包括：5g基站电池储能k在随机场景s下能提供的备用部署、在随机场景s下的储能值以及在预测场景和随机场景s下的惯性响应/一次调频响应备用部署，通过调用5g基站电池储能的可调容量，为电力系统提供备用、惯性响应与一次调频响应辅助服务，增强了电力系统应对新能源随机性的灵活性以及应对有功扰动的频率安全性。

36、(3)本方案在现有两阶段随机机组组合模型中加入多个所述5g基站电池储能的调度模型并进行适应性的调整得到目标两阶段随机机组组合模型，具体表示为最小化电力系统运行成本，包括日前阶段的同步机组能量成本、备用容量成本和一次调频响应备用容量成本，5g基站电池储能的充/放电成本、备用容量成本和惯性响应/一次调频响应备用容量成本，以及日内阶段的同步机组备用容量部署成本同步机组的备用部署成本，5g基站电池储能的备用部署成本和新能源弃电成本，通过合理安排各同步机组、5g基站电池储能和新能源的运行策略，提升电力系统运行经济性。

37、(4)本方案在目标两阶段随机机组组合模型的一阶段决策在已知新能源预测出力场景的电力系统日前调度中进行，决策包括机组启停、出力计划，以及同步机组和5g基站电池储能的备用容量、一次调频响应/惯性响应备用容量。二阶段实时决策用于处理在日内运行过程中的新能源出力不确定性，包括上调/下调备用和一次调频响应/惯性响应备用的部署。将随机机组组合构建成为一个两阶段优化问题，可以应对新能源出力的随机性。

38、(5)本方案在基于admm算法的分布式求解方法求解所述含海量5g基站电池储能的目标两阶段随机机组组合模型，解决了海量5g基站电池储能参与调度情况下集中式求解计算复杂度高的问题，能够快速且准确的求解得到调度策略，从而实现灵活快速的资源调度。充分利用了分布式计算资源，使得所提方法具有规模化应用的潜力。