CN114006399A - 一种规模化5g基站参与配电网需求响应的优化调度方法 - Google Patents

Abstract

本发明涉及一种规模化5G基站参与配电网需求响应的优化调度方法，属于配电网优化调度技术领域。应用于辅助电网需求侧管理，通过利用规模化5G基站储能的可调度能量资源，在大时间尺度负荷高峰时段为电网提供削峰服务，并在小时间尺度以降低基站用能成本为目标，对能量共享模式下规模化5G基站的能量流进行优化。首先，通过最优契约的设计鼓励规模化基站参与智能配电网大时间尺度需求响应；其次，在需求响应过程中，从小时间尺度角度对规模化基站内部层与交互层的能量流进行优化，有效地降低基站用能成本并提高基站储能出力的稳定性。

Description

一种规模化5G基站参与配电网需求响应的优化调度方法

技术领域

本发明涉及一种规模化5G基站参与配电网需求响应的优化调度方法，属于配电网优化调度技术领域。

背景技术

目前，移动数据业务的爆炸式增长与智能设备的迅速普及加速了第五代 (5G)通信系统的研发与部署。然而，规模化5G基站在保证网络覆盖与高通信服务质量的同时，导致通信运营商面临高昂的用能成本，预计在2025年5G 基站数量将突破1310万，总体功耗将达到2000亿kW.h。因此，5G基站高功耗特性已然成为制约5G时代超密集网络部署的首要因素，也将对智能电网的稳定运行造成冲击。

配备分布式光伏发电装置与储能单元的规模化5G基站参与智能配电网需求响应有望成为降低5G基站用能成本的最佳途径，尽管附加设备的引入增加了通信运营商的运营成本，但光伏能源的廉价性与清洁性将大幅度降低5G基站的用能成本，储能单元的时空平移特性也将进一步提高可再生能源的消纳能力，并在此基础上，为智能配电网提供大量灵活性调节资源，实现电力系统与通信系统的合作共赢。

尽管存在上述优势，但由于规模化5G基站具有分布广泛、单站体量较小且负荷波动较大的特点，使得规模化5G基站参与需求响应仍面临以下挑战：首先，规模化5G基站配备分布式光伏与储能增加了通信系统的能量管理难度，使得智能电网难以直接对规模化基站进行协同调度。其次，缺乏一种有效的需求响应激励机制。5G基站在保证不间断供电需求的前提下才能参与需求响应，然而不同时空分布的基站供电需求差异大，基站可调度容量评估较为复杂，加之5G基站参与需求响应将增加储能运维成本，致使基站缺乏参与积极性。此外，5G基站参与需求响应过程中，在小时间尺度发电与功耗的难以精准预测提升了保证能量平衡的难度，对能量调度决策的实时性也提出了更高要求。

有鉴于上述的缺陷，本发明需要开展基于契约理论与李亚普诺夫优化的规模化5G基站参与配电网需求响应优化调度方法的相关研究，为促进5G基站节能降本、辅助电网需求侧管理提供支撑。

发明内容

为解决上述技术问题，本发明的目的是提供一种规模化5G基站参与配电网需求响应的优化调度方法。应用于辅助电网需求侧管理，通过利用规模化5G基站储能的可调度能量资源，在大时间尺度负荷高峰时段为电网提供削峰服务，并在小时间尺度以降低基站用能成本为目标，对能量共享模式下规模化5G基站的能量流进行优化。首先，通过最优契约的设计鼓励规模化基站参与智能配电网大时间尺度需求响应；其次，在需求响应过程中，从小时间尺度角度对规模化基站内部层与交互层的能量流进行优化，有效地降低基站用能成本并提高基站储能出力的稳定性。

本发明的一种规模化5G基站参与配电网需求响应的优化调度方法，具体调度方法为：

(1)在聚合商掌握基站类型概率分布的情况下利用契约理论设计激励机制，以鼓励规模化5G基站参与需求响应；

(2)在5G基站履行契约过程中，提出基于李亚普诺夫优化的在线能量优化算法，对规模化基站内部层与交互层的能量流进行优化，以有效降低基站用能成本并提高基站储能出力的稳定性。

进一步的，步骤(1)中所述的在聚合商掌握基站类型概率分布的情况下利用契约理论设计激励机制，以鼓励规模化5G基站参与需求响应时，需要考虑特定基站类型下基站与聚合商的总体效用问题：

1)首先考虑存在I种基站类型，在契约项(p_i(m),r_i(m))下，θ_i(m)型基站的效用函数为

p_i(m)和r_i(m)分别表示θ_i(m)型基站的放电功率与放电奖励；ξ为放电损耗成本系数；θ_i(m)f(r_i(m))为削峰补偿奖励的价值；T₀τ为负荷高峰时段时长；

2)聚合商的目标是在信息不对称的情况下，通过优化每个契约项以最大化基站与聚合商的总体预期效用，目标函数为：

P1:

s.t.C1:θ₁(m)f(r₁(m))-T₀τξp₁(m)≥0,

C2:θ_i(m)f(r_i-1(m))-T₀τξp_i-1(m)≤θ_i(m)f(r_i(m))-T₀τξp_i(m),

C3:0≤r₁(m)＜...＜r_i(m)＜...＜r_。(m),

C4:p_i(m)≤θ_i(m),

C5:

其中，C1,C2,C3分别为个体理性(individual rationality，IR)约束、激励兼容(incentive compatibility，IC)约束以及单调性约束；C4表示契约所制定的放电功率需求不会超出基站的放电能力范围；C5为削峰需求功率平衡约束，R(m)为电网在时段m的削峰需求；通过使用KKT(Karush-Kuhn-Tucher)条件即可求出目标函数中的最优契约。

进一步的，步骤(2)中所述的基于李亚普诺夫优化的在线能量优化算法，在确定参与大时间尺度需求响应的基础上，通过在小时间尺度角度对基站能量流进行建模，以最大化光伏消纳与保证储能队列为目标，定义漂移减奖励项构建规模化5G基站在线能量优化问题，对规模化基站内部层与交互层的能量流进行优化，其步骤如下所示：

1)基于李雅普诺夫优化算法中的“漂移+罚函数”方法，定义漂移减奖励项构建规模化5G基站在线能量优化问题，表示为：

P2:

s.t.C6:

C7:∑_iX_i(t)＝0and0≤|X_i(t)|≤X_max,

C8:

其中，V是非负权重参数，它表示储能队列稳定性与光伏消纳率之间的相对重要性，即队列稳定性和奖励最大化之间的权衡；C6为储能队列平均速率稳定约束；C7为共享能量功率平衡约束与上限；C8为能量输出型基站与能量输入型基站共享能量数值约束；

2)为便于求解上述问题，基于“漂移+罚函数”上限约束转化上述问题，并取迭代期望并化简即可得出线性规划问题，利用MATLAB软件调用线性规划求解器即可得出能量共享模式下规模化5G基站的共享能量调度策略，即：

P3:

s.t.C6:

C7:∑_iX_i(t)＝0and0≤|X_i(t)|≤X_max,

C8:

借由上述方案，本发明至少具有以下优点：

本发明引入能量聚合商有效聚合规模化5G基站储能资源，模拟了三层架构的规模化5G基站参与配电网需求响应典型场景，提出了一种规模化5G基站参与配电网需求响应的两阶段优化调度方法。该方法在满足规模化基站不间断供电需求的基础上，充分调度规模化5G基站储能资源以响应大时间尺度电网需求，并在小时间尺度基于基站能量共享模式，优化规模化基站内部层与交互层的能量流，进一步降低规模化5G基站的用能成本，并保证规模化5G基站的储能稳定性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某个实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是规模化5G基站参与电网需求响应典型场景图；

图2是规模化5G基站参与电网需求响应多时间尺度图；

图3是能量输出型与能量输入型基站的能量流向图；

图4是本发明进行仿真时的仿真参数；

图5是不同基站类型下基站的放电能力、最优响应功率、基站效用与聚合商效用对比图；

图6是基站的最优响应功率、放电奖励、基站效益与不同契约项的关系图；

图7是有无在线能量优化算法下的5G基站储能单元荷电状态对比图；

图8是在线能量优化算法下的5G基站共享能量与不平衡量图；

图9是两阶段优化调度方法优化前后的光伏消纳对比图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明引入能量聚合商有效聚合规模化5G基站储能资源，模拟了三层架构的规模化5G基站参与配电网需求响应典型场景，提出了一种规模化5G基站参与配电网需求响应的两阶段优化调度方法。该方法在满足规模化基站不间断供电需求的基础上，充分调度规模化5G基站储能资源以响应大时间尺度电网需求，并在小时间尺度基于基站能量共享模式，优化规模化基站内部层与交互层的能量流，进一步降低规模化5G基站的用能成本，并保证规模化5G基站的储能稳定性，该方法包括以下步骤：

1)图1为规模化5G基站参与配电网需求响应典型场景，由智能配电网、能量聚合商以及5G基站系统组成。5G基站系统包括I个5G基站，每个基站均配备光伏发电装置与储能单元，并通过智能电表的部署实现与配电网之间能量流的交互。其中，智能配电网能够为基站提供稳定的供电服务；能量聚合商作为智能配电网与5G基站系统的中介，通过激励5G基站在负荷峰谷时段参与需求响应，并辅助基站间能量共享，能够在降低配电网净负荷峰谷差的同时，大幅度降低通信系统的用能成本。

负荷高峰时段的配电网需求响应规划与5G基站的实时能量管理是不同时间尺度上的优化问题，本发明采用双时间尺度模型，如图2所示。将电网负荷高峰时段划分为T个长度为τ的时隙，集合定义为

连续T₀个时隙组合成为一个大时间尺度时段，集合为M＝{1,...,m,...,M}。第m个时段的时隙集合为

在每个时段初，聚合商根据5G基站的放电能力定义基站类型，相比于低类型的基站，高类型的基站更愿意参与需求相应。假设在第m个时段，根据I个5G 基站的放电能力，将其按照升序排列分为I类，表示为Θ(m)＝{θ₁(m),...,θ_i(m),...,θ_I(m)}，其中，θ_i(m)随递增i，且数值越大表示基站放电能力越强。

基站参与需求响应的放电能力，取决于第m个时段初的基站储能剩余电量、在m时段负荷缺额与光伏剩余的历史经验统计，以及在响应结束后储能剩余电量应满足放电深度的最低要求，即

E_i(t)+[c_i-p_i(m)]·T₀τ≥E_min,t＝(m-1)T₀+1

其中，t为第m个时段的第1个时隙，T₀τ为负荷高峰时段时长，p_i(m)为i型基站在第m个时段的放电功率，p_i(m)·T₀τ为放电量，c_i是由i型基站在负荷高峰时段内的历史平均光伏出力与平均功耗的差值所确定的“源—荷”不平衡量裕度，单位为kW，当历史平均光伏出力大于平均功耗时c_i为正值，小于平均功耗时c_i为负值,E_min为储能最低剩余电量。因此，可用于向电网提供的放电功率为：

基站类型可量化为：

聚合商将I个基站分为I种类型，并基于契约理论为I类基站设计I项条款，每一项条款对应每类基站。基站在类型为θ_i(m)的情况下签订契约项(p_i(m),r_i(m))， p_i(m)和r_i(m)分别表示θ_i(m)型基站的放电功率与放电奖励，契约集合为

在契约项(p_i(m),r_i(m))下，θ_i(m)型基站的效用函数为：

其中，ξ为放电损耗成本系数；θ_i(m)f(r_i(m))为削峰补偿奖励的价值；f(r_i(m))为奖励评估函数，为关于r_i(m)的单调递增凹函数，为不失一般性，定义f(r_i(m))为二次函数，即

其中a,b为满足f(0)＝0，f'(r_i(m))＞0，f”(r_i(m))＜0的常数。

聚合商设计契约与基站签订契约的原则均为实现自身效用最大化。对于聚合商而言，考虑到存在I种类型的基站，其预期效用为：

其中，T₀τ为负荷高峰时段时长，λ(m)为第m个时段的上网电价，T₀τλ(m)p_i(m)为聚合商所获得的需求响应补贴。不等式T₀τλ(m)p_i(m)-r_i(m)≥0恒成立，即基站参与需求响应对聚合商有利，否则聚合商将失去聚合动力。

依据契约设计与签订原则，聚合商的目标是在信息不对称的情况下，通过优化每个项目条款最大化聚合商与I种类型基站的总效用，因此相应的目标函数为：

P1:

s.t.C1:θ₁(m)f(r₁(m))-T₀τξp₁(m)≥0,

C2:θ_i(m)f(r_i-1(m))-T₀τξp_i-1(m)≤θ_i(m)f(r_i(m))-T₀τξp_i(m),

C3:0≤r₁(m)＜...＜r_i(m)＜...＜r_I(m),

C4:p_i(m)≤θ_i(m),

C5:

其中，C1,C2,C3分别为个体理性(individual rationality，IR)约束、激励兼容(incentive compatibility，IC)约束以及单调性约束；C4表示契约所制定的放电功率需求不会超出基站的放电能力范围；C5为削峰需求功率平衡约束，R(m)为电网在时段m的削峰需求。其中，IR约束是指基站签订契约并参与需求响应后将获得非负效益；IC约束是指基站面对任何契约项，仅在选择为其自身类型设计的契约项时才会获得最佳效用；单调性约束是指基站类型越高其削峰奖励越高。通过使用KKT(Karush-Kuhn-Tucher)条件求解目标函数中的最优契约，该契约规定了基站放电功率与获得的奖励之间的关系，每个基站都将选择其期望的契约项响应电网削峰需求，以最大化其收益。

2)在确定参与大时间尺度需求响应的基站类型与最优响应功率的基础上，从小时间尺度角度对基站能量流展开分析，以确定规模化5G基站之间的实时能量共享策略。定义BS⁺和BS^-分别为能量输出型基站和能量输入型基站的集合，服从以下两个基本原则：1)存在剩余光伏能量C_i(t)时，BS_i∈BS⁺，此时共享能量仅来自于C_i(t)，储能单元ES_i并不参与能量共享，且在其他基站不存在负荷缺额时，C_i(t)将与ES_i一同参与需求响应。2)存在负荷能量缺额时，BS_i∈BS^-，此时输入的共享能量只能用于平衡负荷能量缺额以降低ES_i的放电深度，而不能参与需求响应。在能量共享过程中，对于BS_i∈BS⁺，BS_i可以将多余的C_i(t)输出到需要共享能量的基站，以保持ES_i稳定的响应电网需求。对于BS_i∈BS^-，BS_i可以通过获得输入能量弥补自身的负荷能量缺额，降低ES_i的放电深度。BS⁺和BS^-的能量流如图3所示。

规模化5G基站储能单元的电量水平可视为储能队列，队列长度表示储能剩余电量，队列集合为E(t)＝[E₁(t),E₂(t),...,E_I(t)]，其中E_i(t)是ES_i在时隙t的剩余电量，并满足约束条件E_min≤E_i(t)≤E_max。储能队列E_i(t)满足

则称储能队列为平均速率稳定。确保规模化5G基站在参与需求响应期间储能队列的稳定性原因如下：储能放电深度过大将严重影响其使用寿命，并且储能单元成本较高，因此在参与需求响应期间应尽可能地避免储能过放。

每个基站在时隙t的剩余光伏能量集合为C(t)＝[C₁(t),C₂(t),...,C_I(t)]，其中，BS_i在时隙t的剩余光伏能量表示为：

式中：C_max为剩余光伏能量传输线路最大传输功率。

每个基站在时隙t的共享能量集合为X(t)＝[X₁(t),X₂(t),...,X_I(t)]，其中，X_i(t)表示BS_i的共享能量，是在线能量共享模型的决策变量。X_i(t)＞0表示为X_i(t)⁺，此时 C_i(t)＞0；X_i(t)＜0表示为X_i(t)^-，意味着BS_i存在负荷能量缺额，需要其他基站共享能量。X_i(t)需满足功率平衡约束与数值约束，表示为：

∑_iX_i(t)＝0and0≤|X_i(t)|≤X_max

式中：X_max为共享能量传输线路最大传输功率。

此外，基于能量共享原则，共享能量将服从以下约束：

在无能量共享模式下，储能单元在时隙t的放电量集合为

其中，ES_i在时隙t的放电量表示为：

式中：p_i·τ为BS_i在时隙t响应电网需求的放电量，B_max为储能最大放电量，取决于储能最大放电功率。

根据BS⁺和BS^-的能量流，可以进一步得出E_i(t)的动态更新方程式为：

基于上述队列模型，小时间尺度在线能量优化的目标为提高规模化5G基站对光伏能量的充分消纳，并保证储能队列放电稳定性，定义光伏消纳率指标表示为：

式中：∑_iX_i(t)⁺表示规模化5G基站内实际共享能量的总和，其来自于规模化5G 基站的剩余光伏能量，N_i(t)表示BS_i在时隙t及时消纳的光伏发电量，即 N_i(t)＝min(S_i(t),L_i(t))。

在线能量优化问题旨在通过对基站间共享能量的实时决策，以提高整个负荷高峰时段的光伏消纳率，同时保证储能队列稳定性为目标，进而实现规模化 5G基站参与需求响应的用能成本最低。基于李雅普诺夫优化算法中的“漂移+罚函数”方法，本发明提出规模化5G基站在线能量优化算法，定义漂移减奖励项构建规模化5G基站在线能量优化问题，表示为

P2:

s.t.C6:

C7:∑_iX_i(t)＝0and0≤|X_i(t)|≤X_max,

C8:

其中，V是非负权重参数，它表示储能队列稳定性与光伏消纳率之间的相对重要性，即队列稳定性和奖励最大化之间的权衡。

基于“漂移+罚函数”上限约束，在所有可能的E(t)和V的情况下，漂移减奖励项的上限可由下式给出：

因此P2可转化为最小化上式右侧表达式，对表达式取迭代期望并化简即可得出线性规划问题，利用MATLAB软件调用线性规划求解器即可得出能量共享模式下规模化5G基站的共享能量调度策略，即：

P3:

s.t.C6:

C7:∑_iX_i(t)＝0and0≤|X_i(t)|≤X_max,

C8:

因此，基于李雅普诺夫的小时间尺度在线能量优化算法仅需要基站“荷—储”状态的及时信息，即可做出共享能量的实时决策，有效地提高了算法执行效率。并且，随着基站数量规模的扩大，在线能量优化算法的计算复杂度仅呈线型增加，相比传统优化算法具有较好的扩展性。

本发明的原理及仿真验证效果如下：

本发明的实施方式分为两个步骤，第一步为建立模型，第二步为算法的实施。其中，建立的模型如图1所示，它和发明内容中规模化5G基站参与电网需求响应典型场景图的介绍完全对应。

1)对于系统模型，由聚合商获取大时间尺度智能配电网削峰需求与5G基站类型概率分布，考虑到信息与隐私安全，第三方聚合商无法掌握基站的精确信息，急需设计一种针对信息不对称情况的激励机制。契约理论是经济学的经典理论，能够有效地解决信息不对称问题。目前，契约理论已广泛应用于信息资源优化与能量资源优化。如图1所示，聚合商根据契约制定聚合规模化5G基站，并作为共享能量载体支持基站间的能量共享。5G基站与聚合商签订契约后将依据契约内容在大时间尺度向电网平稳放电。在此过程中，小时间尺度下光伏发电与基站功耗均难以精准预测，传统离线算法将无法适用于能量共享模式下规模化5G基站的能量调度决策，因此在小时间尺度需要提出有效的在线能量优化算法，规模化5G基站参与电网需求响应多时间尺度如图2所示。

2)为解决上述问题，首先要设计一种有效的激励机制激励5G基站参与大时间尺度需求响应。由于各基站功耗、光伏出力以及储能剩余电量均存在差异，可以将规模化5G基站将表现分为不同类型。通过针对每种类型基站设计契约项，在个体理性、激励兼容性、单调性与配电网削峰需求约束下，最大化聚合商与参与基站的总体预期效用。为便于求解，通过探索相邻基站类型之间的关系对个体理性和激励兼容性约束进行降维，并通过使用Karush-Kuhn-Tucker (KKT)条件求解目标函数，得出最优响应功率。其次要提出一种有效的小时间尺度在线能量优化方法。小时间尺度下发电与负荷的实时不平衡将造成光伏能源舍弃与储能过放，为此，对能量共享模式下能量输出型与能量输入型基站的能量流展开分析，能量输出型与能量输入型基站的能量流如图3所示，并建立动态队列模型。提出基于李雅普诺夫优化的小时间尺度在线能量优化算法，以履行大时间尺度契约为约束，优化小时间尺度下规模化5G基站光伏出力与负荷之间的不平衡，以提高光伏消纳率与保证储能队列稳定性为目标，对规模化 5G基站间的共享能量做出实时决策。

本发明进行了大量仿真。仿真中的具体参数如图表4所示。为验证本发明所提出的两阶段优化调度方法的可行性，模拟能量聚合商与10个5G基站签订契约参与配电网需求响应的场景，5G基站需履行契约于上午10:00—11:00为电网提供削峰服务，上网电价为0.42元/kW.h，需求响应量为37.5kW，10个5G 基站的功耗数据在功耗区间[2.193,10]kW上服从随机分布，以1min为小时间尺度、1h为大时间尺度进行负荷高峰时段的仿真实验。

图5显示了不同基站类型下基站的放电能力、最优响应功率、基站效用与聚合商效用的对比。结果表明，具有不同放电能力的5G基站均选择符合自身类型的契约项以获得最优收益，并且基站效用、聚合商效用均随基站类型的增加而增大。

图6显示了最优响应功率、放电奖励、基站效益与不同契约项之间的关系。研究结果表明，放电奖励和需求响应功率随基站类型单调增加，表明契约满足 IR约束。当且仅当基站签订符合其类型的契约项时才能实现最大效用，表明契约满足IC约束。此外，基站效用随类型增加而增加，表明契约满足单调性约束。

图7比较了有无在线能量优化算法下的5G基站储能单元荷电状态，研究结果表明，在无能量共享场景下，5G基站参与需求响应将导致基站储能单元过放以及储能电量未充分调度情况，如基站1、基站2储能剩余电量已低于最低限额，基站6、基站7储能单元仍有较大放电空间。而基于在线能量共享算法的5G基站参与需求响应则具有更高的储能放电稳定性与电量水平。

图8为在线能量共享算法下10个5G基站的共享能量与“源—荷”不平衡量，其中，曲线表示共享能量，柱体表示“源—荷”不平衡量。研究结果表明，存在剩余光伏时不平衡量大于0，此时基站为能量输出型基站，能够向能量输入型基站传输能量；存在负荷缺额时不平衡量小于0，此时基站为能量输入型基站，需要接收能量输出型基站输出的能量。当曲线与柱体相切时表示共享能量完全弥补了不平衡量，此时基站储能单元处于稳定输出状态，仅需履行契约内容输出恒定功率。

图9为本发明所提出的两阶段优化调度方法优化前后的光伏消纳对比。研究结果表明，基于两阶段优化调度方法的5G基站参与需求响应相较于基站自主供电模式，弃光量显著下降，光伏消纳率得到了明显提高，高达99.87％，提升了17.47％。其中，基于契约理论的大时间尺度需求响应规划能够确保在整个负荷高峰时段对光伏出力的整体消纳，在线能量共享算法则保证了光伏出力的实时充分消纳，从而实现了整个时段的最大光伏消纳。

以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (3)

1.一种规模化5G基站参与配电网需求响应的优化调度方法，其特征在于具体调度方法为：

(1)在聚合商掌握基站类型概率分布的情况下利用契约理论设计激励机制，以鼓励规模化5G基站参与需求响应；

(2)在5G基站履行契约过程中，提出基于李亚普诺夫优化的在线能量优化算法，对规模化基站内部层与交互层的能量流进行优化，以有效降低基站用能成本并提高基站储能出力的稳定性。

2.根据权利要求1所述的一种规模化5G基站参与配电网需求响应的优化调度方法，其特征在于：

步骤(1)中所述的在聚合商掌握基站类型概率分布的情况下利用契约理论设计激励机制，以鼓励规模化5G基站参与需求响应时，需要考虑特定基站类型下基站与聚合商的总体效用问题：

1)首先考虑存在I种基站类型，在契约项(p_i(m),r_i(m))下，θ_i(m)型基站的效用函数为：

p_i(m)和r_i(m)分别表示θ_i(m)型基站的放电功率与放电奖励；ξ为放电损耗成本系数；θ_i(m)f(r_i(m))为削峰补偿奖励的价值；T₀τ为负荷高峰时段时长；

2)聚合商的目标是在信息不对称的情况下，通过优化每个契约项以最大化基站与聚合商的总体预期效用，目标函数为：

P1:

s.t.C1:θ₁(m)f(r₁(m))-T₀τξp₁(m)≥0,

C2:θ_i(m)f(r_i-1(m))-T₀τξp_i-1(m)≤θ_i(m)f(r_i(m))-T₀τξp_i(m),

C3:0≤r₁(m)＜...＜r_i(m)＜...＜r_I(m),

C4:p_i(m)≤θ_i(m),

C5:

其中，C1,C2,C3分别为个体理性约束、激励兼容约束以及单调性约束；C4表示契约所制定的放电功率需求不会超出基站的放电能力范围；C5为削峰需求功率平衡约束，R(m)为电网在时段m的削峰需求；通过使用KKT条件即可求出目标函数中的最优契约。

3.根据权利要求1所述的一种规模化5G基站参与配电网需求响应的优化调度方法，其特征在于：

步骤(2)中所述的基于李亚普诺夫优化的在线能量优化算法，在确定参与大时间尺度需求响应的基础上，通过在小时间尺度角度对基站能量流进行建模，以最大化光伏消纳与保证储能队列为目标，定义漂移减奖励项构建规模化5G基站在线能量优化问题，对规模化基站内部层与交互层的能量流进行优化，其步骤如下所示：

1)基于李雅普诺夫优化算法中的“漂移+罚函数”方法，定义漂移减奖励项构建规模化5G基站在线能量优化问题，表示为：

P2:minΔ(E(t))-VE{K_pcr(t)}

s.t.C6:

C7:∑_iX_i(t)＝0 and 0≤|X_i(t)|≤X_max,

C8:

其中，V是非负权重参数，它表示储能队列稳定性与光伏消纳率之间的相对重要性，即队列稳定性和奖励最大化之间的权衡；C6为储能队列平均速率稳定约束；C7为共享能量功率平衡约束与上限；C8为能量输出型基站与能量输入型基站共享能量数值约束；

2)为便于求解上述问题，基于“漂移+罚函数”上限约束转化上述问题，并取迭代期望并化简即可得出线性规划问题，利用MATLAB软件调用线性规划求解器即可得出能量共享模式下规模化5G基站的共享能量调度策略，即：

P3:

s.t.C6:

C7:∑_iX_i(t)＝0 and 0≤TX_i(t)|≤X_max,

C8:

Images