中國儲(chǔ)能網(wǎng)訊：隨著5G基站建設(shè)速度加快、開站數(shù)量上升，運(yùn)營商OPEX支出已超過凈利潤，電費(fèi)快速增長且占比高達(dá)26%左右，給運(yùn)營商經(jīng)營帶來非常大的挑戰(zhàn)和壓力，急需新的技術(shù)和解決方案幫助運(yùn)營商降低基站電費(fèi)支出。
傳統(tǒng)基站電池僅用于市電停電時(shí)的應(yīng)急備電，沒有成為基站資產(chǎn)經(jīng)營的一種生產(chǎn)工具，造成運(yùn)營商較大的儲(chǔ)能設(shè)備沉默資產(chǎn)浪費(fèi)。當(dāng)前電力部門結(jié)合電網(wǎng)的負(fù)荷變化，將每天24小時(shí)劃分為尖峰、高峰、平時(shí)、低谷等幾個(gè)時(shí)段，對各時(shí)段分別制定不同的電價(jià)，來鼓勵(lì)用戶合理安排用電時(shí)間，削峰填谷，提高設(shè)備的利用效率并節(jié)約能源，保障電網(wǎng)的安全穩(wěn)定運(yùn)行，對于降低用電客戶用電成本、優(yōu)化供電電網(wǎng)供電結(jié)構(gòu)有著重大的效益收益和社會(huì)收益。
5G基站電源及儲(chǔ)能工況更為復(fù)雜
通信基站儲(chǔ)能系統(tǒng)削峰填谷需要優(yōu)先保障備電可靠性及電池資產(chǎn)安全性，這部分受到市電停電、負(fù)載波動(dòng)、電池容量、電池新舊等多重因素影響。不同于2G/ 3G/4G時(shí)代，5G基站電源及儲(chǔ)能工況更為復(fù)雜，主要體現(xiàn)在：
5G基站負(fù)載功率更大，負(fù)載波動(dòng)影響更為劇烈，電池放電電流變化更大，削峰時(shí)電池放電開始時(shí)刻、放電停止時(shí)刻需要更為精準(zhǔn)，不同站點(diǎn)電池的SOC和SOH不同，需要儲(chǔ)能系統(tǒng)調(diào)度及時(shí)、動(dòng)態(tài)按站響應(yīng)，固定錯(cuò)峰模型下難以準(zhǔn)確計(jì)算出批量站點(diǎn)的設(shè)置參數(shù)，一刀切的做法很容易導(dǎo)致部分站點(diǎn)異常宕站或收益不足。
按用戶差異化供備電管理，浙江鐵塔建站要求依照負(fù)載2G/3G/4G備電3小時(shí)、5G備電1小時(shí)配置電池容量，不同站點(diǎn)備電時(shí)長不統(tǒng)一、相同站點(diǎn)備電時(shí)長分梯次，需要智能化算法自動(dòng)匹配站點(diǎn)削峰填谷策略。
存在大量的電池混搭，人工完成海量數(shù)據(jù)分析和測算成本太高且難以實(shí)現(xiàn)，給不出準(zhǔn)確的固定錯(cuò)峰設(shè)置參數(shù)。
5G建站按需擴(kuò)容，不同時(shí)期的基站電源容量、電池配置和負(fù)載大小會(huì)發(fā)生變化，需要應(yīng)用數(shù)字化工具實(shí)時(shí)監(jiān)測站點(diǎn)配置變化，智能化調(diào)整削峰填谷參數(shù)。
由此可見，在5G基站上直接應(yīng)用統(tǒng)一固定削峰填谷可能會(huì)引起電池過放導(dǎo)致備電不足而產(chǎn)生宕站，或電池欠放導(dǎo)致收益不能最大化，或深度放電導(dǎo)致影響電池壽命和投資資產(chǎn)安全，統(tǒng)一固定模型無法做到節(jié)省電費(fèi)收益最優(yōu)、資產(chǎn)全生命周期綜合收益最優(yōu)。
5G基站由市電供電，通過直流電源實(shí)現(xiàn)交流轉(zhuǎn)直流能源轉(zhuǎn)換，由電池儲(chǔ)能系統(tǒng)實(shí)現(xiàn)交流停電時(shí)電池備電，保障通信設(shè)備負(fù)載持續(xù)供電和業(yè)務(wù)持續(xù)運(yùn)行。根據(jù)每天峰谷電價(jià)情況設(shè)置錯(cuò)峰用電參數(shù)，實(shí)現(xiàn)谷價(jià)使用外市電(電池儲(chǔ)能)、峰價(jià)不使用外市電(電池放電)的功能，最終達(dá)到降低電費(fèi)的目的。5G智能電源可利用現(xiàn)網(wǎng)具備循環(huán)能力的電池實(shí)現(xiàn)錯(cuò)峰用電，也可以在現(xiàn)網(wǎng)備電電池基礎(chǔ)上疊加智能鋰電實(shí)現(xiàn)錯(cuò)峰用電。
5G基站AI削峰填谷需要?jiǎng)討B(tài)監(jiān)測電網(wǎng)、負(fù)載和電池情況，進(jìn)行持續(xù)數(shù)據(jù)訓(xùn)練及建模，實(shí)現(xiàn)站點(diǎn)能源綜合尋優(yōu)?，F(xiàn)網(wǎng)站點(diǎn)動(dòng)環(huán)監(jiān)控單元檢測數(shù)量足夠，但是每小時(shí)上報(bào)一次數(shù)據(jù)實(shí)時(shí)性不夠。5G智能電源可以實(shí)現(xiàn)站點(diǎn)數(shù)字化精細(xì)管理，數(shù)據(jù)處理能力強(qiáng)大，通信上報(bào)響應(yīng)高達(dá)秒級，智能鋰電BMS實(shí)現(xiàn)高精準(zhǔn)度的SOC和SOH預(yù)測，這些構(gòu)成AI削峰填谷站點(diǎn)單元的基本數(shù)字化要素。
站點(diǎn)單元數(shù)據(jù)上報(bào)給云端匯流形成數(shù)據(jù)湖，基于大數(shù)據(jù)持續(xù)訓(xùn)練出AI停電模型、AI負(fù)載模型和AI電池模型，支持基于歷史數(shù)據(jù)離線仿真回測，促進(jìn)迭代提升，支持用戶配置一站一策、一時(shí)一策多種靈活的省電策略，構(gòu)建AI動(dòng)態(tài)推理能力。
AI削峰填谷原理及尋優(yōu)策略
AI削峰填谷實(shí)現(xiàn)動(dòng)態(tài)精準(zhǔn)預(yù)測，需要滿足以下條件——
過去的歷史數(shù)據(jù)特征分析和建模，從站點(diǎn)單元的歷史停電、負(fù)載和電池特征、基站屬性中提取特征字，把網(wǎng)絡(luò)中提取的特征字聚類分析，依照特性算法，構(gòu)建出基礎(chǔ)模型。
現(xiàn)在的站點(diǎn)單元數(shù)據(jù)快速響應(yīng)和處理，當(dāng)前站點(diǎn)單元上報(bào)數(shù)據(jù)和基礎(chǔ)模型比對與計(jì)算，綜合考慮加權(quán)因子，給出站點(diǎn)單元預(yù)測信息。
未來的變化及自學(xué)習(xí)迭代。基于時(shí)空預(yù)測算法，既有時(shí)間上的負(fù)載變化規(guī)律的學(xué)習(xí)，又有空間上站與站業(yè)務(wù)切換帶來的負(fù)載變化的學(xué)習(xí)；在兩個(gè)空間上的每個(gè)原始特征都會(huì)被衍生變換出更多高階特征，幫助模型充分挖掘數(shù)據(jù)規(guī)律。
根據(jù)站點(diǎn)負(fù)載的不同和突變情況，在AI預(yù)測算法中加入數(shù)據(jù)突變的趨勢檢測和概念漂移(是否判斷數(shù)據(jù)規(guī)律發(fā)生變化)特性張量，使負(fù)載變量場景可迅速響應(yīng)跟隨。
錯(cuò)峰過程曲線轉(zhuǎn)折點(diǎn)是尋優(yōu)算法(電費(fèi)模型)自助優(yōu)化決策的結(jié)果，無人工規(guī)則的干預(yù)。由尋優(yōu)模型直接輸出充放電時(shí)間和充放電量，電源、鋰電聯(lián)動(dòng)并做異常保護(hù)逃生，達(dá)到可靠備電前提下的電費(fèi)最小。
AI削峰填谷還需要分析和處理特殊場景情況。
在高速路口等負(fù)載強(qiáng)隨機(jī)波動(dòng)站點(diǎn)場景，能夠?qū)崿F(xiàn)較高的動(dòng)態(tài)預(yù)測精度，試點(diǎn)測試負(fù)載預(yù)測精度平均誤差為5.7%。
在福利院等負(fù)載波動(dòng)較小站點(diǎn)場景，能夠進(jìn)一步提高負(fù)載預(yù)測精度，試點(diǎn)測試平均誤差為1.1%。同時(shí)通過充放電策略尋優(yōu)獲得全局最優(yōu)的充放電量和充放電位置，實(shí)現(xiàn)節(jié)能收益最大化和系統(tǒng)可靠性的平衡，自動(dòng)選擇間歇式放電，控制溫升，利于電池壽命延長。
在商務(wù)樓宇等重要站點(diǎn)場景，電池備電安全系數(shù)要求較高，系統(tǒng)判斷冗余備電時(shí)間不足，不做削峰填谷，優(yōu)先確保供電可靠。
AI技術(shù)應(yīng)用于5G基站削峰填谷，有利于站點(diǎn)備電可靠性的提升，配置簡化，無須根據(jù)不同站點(diǎn)配置不同的備電深度，非人工進(jìn)行充放電策略設(shè)計(jì)，并實(shí)現(xiàn)站點(diǎn)削峰填谷綜合收益最大化。
AI技術(shù)試點(diǎn)應(yīng)用及效果分析
AI削峰填谷節(jié)省基站電費(fèi)
針對杭州13個(gè)局點(diǎn)選取不同的負(fù)載大小與電池容量站點(diǎn)，進(jìn)行AI削峰填谷特性驗(yàn)證，每年平均收益1784元/站，平均收益比例為17.1%，經(jīng)濟(jì)效益明顯。全部試點(diǎn)投入運(yùn)營長達(dá)半年多時(shí)間，站點(diǎn)零起宕站事故，站點(diǎn)供備電可靠性得到有效保障。
實(shí)現(xiàn)電池精準(zhǔn)配置預(yù)測
通過對現(xiàn)網(wǎng)站點(diǎn)的停電信息、風(fēng)險(xiǎn)因子等大數(shù)據(jù)分析(如交流停電、負(fù)載功率、電池容量配置等)，結(jié)合電池容量和負(fù)載預(yù)測，判斷站點(diǎn)的電池欠配或過配容量，對電池進(jìn)行精準(zhǔn)運(yùn)維和電池配置的優(yōu)化指導(dǎo)，在可靠供電的前提下實(shí)現(xiàn)電池精準(zhǔn)配置。
有益于供電可用度提升
PAV(Power Availability，供電可用度)特性實(shí)現(xiàn)站點(diǎn)級、區(qū)域級能源動(dòng)力可用度有效看護(hù)，及時(shí)發(fā)現(xiàn)超過基線的異常情況，挖掘TOP N問題站點(diǎn)，便于及時(shí)采取有效措施。通過對全網(wǎng)站點(diǎn)進(jìn)行動(dòng)力可用度看護(hù)，電池備電風(fēng)險(xiǎn)性分析，識別供電薄弱點(diǎn)，實(shí)現(xiàn)精準(zhǔn)改造，提高維護(hù)效率。
智能化風(fēng)險(xiǎn)預(yù)警
通過對現(xiàn)網(wǎng)站點(diǎn)的實(shí)時(shí)告警及下級設(shè)備的狀態(tài)進(jìn)行智能化分析，快速識別站點(diǎn)風(fēng)險(xiǎn)，基于風(fēng)險(xiǎn)提醒運(yùn)維提前預(yù)防或宕站預(yù)測的方式降低站點(diǎn)宕站率，指導(dǎo)運(yùn)維精準(zhǔn)下站。
總體分為兩部分：預(yù)防性預(yù)警分析與風(fēng)險(xiǎn)性預(yù)警分析。
預(yù)防性風(fēng)險(xiǎn)分析：基于站點(diǎn)電源設(shè)備的告警、性能數(shù)據(jù)及配置信息，進(jìn)行大數(shù)據(jù)分析，提前識別有隱患的站點(diǎn)，給出隱患的具體信息及處理建議，指導(dǎo)前瞻性的運(yùn)維，提前消除隱患，避免宕站。如電池老化、電池單體高溫等風(fēng)險(xiǎn)。
風(fēng)險(xiǎn)性預(yù)警分析：基于站點(diǎn)需要及時(shí)處理的風(fēng)險(xiǎn)，及時(shí)上報(bào)風(fēng)險(xiǎn)預(yù)警，給出智能化原因分析及處理建議，指導(dǎo)運(yùn)維精準(zhǔn)下站，如不及時(shí)處理會(huì)引發(fā)站點(diǎn)宕站的風(fēng)險(xiǎn)。如PSU輸出能力不足、電池熔絲斷、電池剩余備電時(shí)長不足、交流停電時(shí)長過長等。
宕站根因智能化分析
針對已宕站站點(diǎn)，根據(jù)告警與歷史性能數(shù)據(jù)自動(dòng)分析，遠(yuǎn)程識別站點(diǎn)宕站根因，免運(yùn)維下站定位故障。
* *
以上簡要分析和論證了AI技術(shù)在5G基站儲(chǔ)能系統(tǒng)削峰填谷應(yīng)用的原理和可行性方法，該研究可以有效解決固定錯(cuò)峰方案在5G演進(jìn)中的不足，極大提升通信基站備電可靠性，最大化削峰填谷節(jié)電收益。
通信基站運(yùn)用數(shù)字化和智能化技術(shù)，加強(qiáng)了站點(diǎn)綜合能源調(diào)度管理，實(shí)現(xiàn)站點(diǎn)級、網(wǎng)絡(luò)級能源利用率最優(yōu)，打下智能運(yùn)維基礎(chǔ)。
在3060(二氧化碳排放力爭2030年前達(dá)到峰值，力爭2060年前實(shí)現(xiàn)碳中和)政策的驅(qū)動(dòng)下，預(yù)計(jì)運(yùn)營商會(huì)積極試點(diǎn)及推廣AI技術(shù)在通信基站的應(yīng)用。該研究在業(yè)務(wù)上為運(yùn)營商降本增效和基站能源架構(gòu)轉(zhuǎn)型保駕護(hù)航，在行業(yè)內(nèi)初步實(shí)踐基站能源調(diào)度尋優(yōu)理論，為更多領(lǐng)域?qū)崿F(xiàn)能源信息化提供了重要的理論和技術(shù)支撐。
