面向无线网–能源互联网双网融合系统的碳效用评估指标

面向无线网–能源互联网双网融合系统的碳效用评估指标 黄朋博,余涛,郑嘉怡,张舜卿*,陈小静 上海大学通信与信息工程学院,上海200444*通信作者. E-mail: shunqing@shu.edu.cn 收稿日期: 2023–09–04;修回日期: 2024–01–13;接受日期: 2024–02–01;网络出版日期: 2024–04–11 国家重点研发项目(批准号: 2022YFB2902304, 2022YFB2902005, 2022YFB2902022)、国家自然科学基金(批准号: 62071284,61904101)、广东省重点领域研发计划(批准号: 2020B0101130012)和上海市科学技术委员会创新计划(批准号: 21ZR1422400)资助项目 摘要随着国家“双碳战略”的稳步推进,无线通信领域缺少合理评估碳效用的相关指标,而传统的碳效用评估指标无法满足变化愈加剧烈的网络流量和网络部署、运维的特点.针对上述问题以及无线通信网–能源互联网双网融合的新趋势,本文提出了面向双网融合系统的集成相对碳效用指标(integrated relative carbon efficiency, IRCE).该指标不仅可以反映无线通信网络的容量和流量在时空上的动态变化,而且能够准确反映能源互联网的各个单元对双网融合系统的碳效用的影响.实验证明,所提出的集成相对碳效用指标不仅可以评估双网融合系统的碳效用水平,还可以反映能源供给侧不同的电能调度方式对碳效用的影响. 关键词碳效用评估,无线网络,能源互联网,双网融合,虚拟电厂 1引言 随着信息通信技术的发展,无线通信领域的能耗需求逐年增加.截至2022年,信息和通信技术(information and communication technology, ICT)行业的用电量占各行业总用电量的近12%,并且该占比还在以6%∼9%的增长率逐年增加[1],预计到2040年, ICT行业的能源消耗将占全球能源消耗的20%[2].从电力成本的角度来看,每年蜂窝移动网络的耗电费用超过100亿美元[3].从二氧化碳排放量的角度来看,我国2020年的总碳排放量为0.17亿吨,预计到2030年,会增加到1.45亿吨[4].在ICT行业的能源消耗中,无线通信网络的占比超过一半.在通信网络的运营支出(operationalexpenditure, OPEX)中,能源消耗占支出的90%[5].为了减少无线通信领域的碳排放,学术界进行了广泛研究.目前的研究方向主要分为两个:一是利用新能源收集技术,结合传统电网的供电模式,将可 再生能源(renewable energy, RE)转换为电能供ICT行业利用,以减少化石能源的消耗.二是开发节能网络管理算法,提升系统的能源效率(energy efficiency, EE)来高效利用能源,减少碳排放[6]. 为了更有效地利用能源,能源互联网已经成为广泛研究和应用的焦点.能源互联网是一种能源系统的新兴发展形式,通常包括分布式可再生能源发电机(distributed renewable generator, DRG)、柴油发电机(diesel generator, DG)、分布式电能存储装置(distributed power storage device, DPSD)和能源路由器(energy router, ER),可以实现能量流、信息流和业务流的整合[7].能源互联网能够容纳不同类型的分布式能源(distributed energy resources, DERs),包括太阳能、风能、核能和电磁能等.其次,能源互联网不依赖传统电网结构,通过能源路由器完成能源和信息的交互.此外,能源互联网中的每个能源中心可以同时充当多种角色,既充当能源供应商又充当消费者.最后,能源互联网不局限于区域系统,支持大规模分布式发电系统和分布式储能系统的接入.因此,能源互联网能够在大规模利用可再生能源的情况下提高能源利用率,优化能源需求分配,减少碳排放[8].在现有研究中,能源互联网的定义、组成和节能设计均已经得到广泛关注. Hussain等[9]综合了现有文献中能源互联网的定义和概念,提出了一个能源互联网的通用定义. Wang等[10]总结了近年来能源互联网在通信领域的研究进展,并介绍了实现能源互联网通信的关键技术. Hebal等[11]和Guo等[12]分别采用了混合路由方法和双层优化方法优化了能源互联网的成本.但是以上工作对能源互联网的研究相对独立,将能源互联网和无线网双网融合的工作也多停留在理论阶段.现有的双网融合理论将双网系统分为5个层次,分别是动力层、物理层、数据层、应用层和业态层.其中,动力层是实现网络运转的能量系统,目前主要有煤炭、石油和电能等能源形式;物理层是设施和设备的集合,包括电力设备、光缆和基站等;数据层包括系统、企业和用户数据等;应用层是业务与服务的集合;业态层包括双网利益相关方以及合作模式等.本文基于动力层和物理层,构建了能源互联网和无线网的双网融合系统,并采用电能供需队列对双网之间的电能供给关系进行建模,不仅将可再生能源(包括太阳能和风能)作为双网融合系统的能源供应,而且实现了能源互联网中能源中心的能源供需角色转换,从而保证了双网融合系统的供需平衡,减少了双网融合系统的碳排放. 为了实现无线通信领域的节能减排目标,除了构建合适的双网融合系统,还需要一个评估双网融合系统碳效用的指标.目前,对于ICT行业的碳足迹分析和碳排放评估已经有了一些研究成果.对于ICT行业产品的参数化碳足迹模型,常用的工具是产品属性到影响算法(product attribute to impactalgorithm, PAIA)和环境影响估计(eco-impact estimator)[13]. PAIA是一个基于网络的工具,需要用户不断地输入产品参数进行迭代计算,直到所需的模型分辨率通过蒙特卡洛(Monte Carlo)模拟验证才能评估ICT产品(例如服务器、网络交换机和各种形式的电脑等设备)的碳足迹[14].但是该工具目前没有公开使用,且不是为电信设备开发的.面向行业的环境影响估计是一种组件分析方法,每个产品都会被分成多个组件,然后对碳足迹进行建模.但是这种方法没有给出详细的数据源和验证过程.对于ICT行业的碳排放评估,目前常用的方法是生命周期评估(life cycle assessment, LCA).作为简化的LCA方法,环境扩展输入输出(environmentally extended input-output, EEIO)方法、生命周期阶段比率分析(life cycle stage ratio profiling)和硬件参数化和部件表征(hardware parametrization andcomponent characterization methods)方法常被应用于ICT行业的碳排放评估[15].简化的LCA方法侧重各有不同. EEIO采用宏观的经济数据作为反映碳排放的指标,将工业部门的能源和物质转移通过投入和产出表示,从而对温室气体的排放进行估算[16].生命周期阶段比率分析是通过类似产品的历史LCA结果来估计一个生命周期阶段(例如原材料提取、制造)对另一个生命周期阶段(例如使用阶段)的影响.但是EEIO和生命周期阶段比率分析都需要最新的数据来支持.最新的数据在获取上存在困难,可能会导致评估的结果无法反映碳排放的变化趋势.硬件参数化和部件表征是使用更广泛 的方法,旨在建立产品特性与影响类别之间的关系.虽然该方法需要更详细的产品知识,但是评估的结果会更具体.然而现有的碳效用指标的碳排放计算是基于传统电能调度的,即按需供能,不考虑能源供给侧.因此,现有的碳效用指标无法评估无线网–能源网双网融合系统中的可再生能源发电、电能交易等场景.为了解决双网融合系统的碳效用评估问题,本文提出了集成相对碳效用指标IRCE,该指标面向双网融合系统,其碳排放的计算基于电能供需队列的调度方式,与传统的电能调度方式不同,因此该指标可以描述包括可再生能源发电和电能交易等场景的双网融合系统的碳效用. 本文提出了基于无线网–能源互联网的双网融合系统,然后通过电能供需队列对双网融合系统间的电能供给关系进行建模,不仅将可再生能源(包括太阳能和风能)作为双网融合系统的能源供应,而且实现了能源互联网中能源中心的能源供需角色转换.最后,本文针对现有的碳效用指标不能对双网融合系统中可再生能源发电、电能交易等场景下的碳效用进行有效评估的问题,提出了集成相对碳效用IRCE指标,该指标面向双网融合系统,碳排放的计算基于电能供需队列的调度方式,可以描述包括可再生能源发电和电能交易等场景的双网融合系统的碳效用. 2预备知识 本节首先构建了现有无线网的网络容量、用户流量和功耗的模型,然后介绍了现有能源互联网的组成部分,包括能源中心和公用电网.最后具体说明了能源中心内部的可再生能源、柴油发电机、电能存储装置和能源路由器的模型构建. 2.1无线通信网络 无线通信系统的基本构成通常包括基站、移动站和无线信道等[17].本文的无线通信系统包括NBS个基站和NU个用户,无线网络的覆盖空间为A,用户随机分布在无线网络的覆盖区域内.无线通信网络所能提供的网络容量采用香农(Shannon)容量计算,因此第n个基站在给定位置L和时间τ的网络容量为(Pn/PL) 其中,Bn表示第n个基站的可用传输带宽,Pn表示第n个基站的信号发射功率, PLn是归一化的路径损失系数,In是其余(NBS−1)个基站对本基站产生的干扰,其取值为In=∑NBSi=1,i̸=nPiPLn,N0是噪声谱密度.无线通信系统的总容量为所有基站的容量之和,所以系统的总容量CT(L, τ)可表示为 对于用户流量的时空分布,可以用ρn(L, τ)表示用户n在给定位置L和时间τ的激活概率,dn(L, τ)表示用户在给定位置L和时间τ的数据流量,那么所有用户在给定位置L和时间τ的数据流量DT(L, τ)可表示为N∑ 无线通信系统的功率由两部分组成,分别是系统的静态功率Pc(t)和系统内所有基站的信号发射功率.因此系统的总功率Pw(t)可表示为 无线网络的容量和流量在短时间尺度τ上变化,但是功率的调度周期为长时间尺度t.因此构建无线网和能源网的双网融合系统需要协调长时间尺度调度t和短时间尺度τ之间的关系. 2.2能源互联网 2.2.1能源中心 能源互联网通常包括能源中心(energy hub, EH)、公用电网和功率负载3个部分,结构图如图1中的能源互联网部分所示.能源中心作为能源互联网的核心部分,主要负责电力的产生、调配和储存.能源中心的组成包括分布式可再生能源发电机、柴油发电机、分布式电能存储装置和能源路由器[18],详细结构如图1中的能源中心所示. 近年来,太阳能和风能等可再生能源的采集技术已经相对成熟,但是光伏发电不仅会受到太阳能光伏板安装位置的影响,还会受到太阳能光伏板的等级、材料和倾斜程度等因素的影响.风能发电也会受到风速、风向和空气密度等因素的影响.对于光伏发电,t时刻的输出功率可由下式计算得到[19]: 其中, PPV(t)为t时刻光伏发电的输出功率,fPV是光伏发电的阴影因子,即光伏发电板未照光部分占发电板总面积的比例.PSTC表示光伏发电装置的额定功率,GSTC和TSTC分别表示标准实验条件下的太阳辐照和温度,K为功率温度系数,α,β和γ为实验参数.但是太阳能辐照的真实值G(t)、环境的实时温度T(t)和实时风速v(t)等实时环境参数会随时间改变,导致光伏发电出现发电量随机、发电时间分布不均匀和有效利用时间短的问题. 对于风力发电,当风速v(t)低于启动风速或者高于截止风速时,风力涡轮机不工作.当风速高于启动风速且低于额定风速时,输出功率与风速v(t)近似呈线性关系.当v(t)增加到额定风速时,输出功率稳定在额定功率.因此,t时刻风力发电的输出功率可表示为[19] 其中,PWT(t)表示