《Renewable Energy》：A meta-heuristic MPPT algorithm based photovoltaic storage DC microgrid system applied to 5G base station energy supply
编辑推荐：
5G基站光储直流供电系统结合ATD-ECO MPPT算法有效降低能耗提升光伏效率67%并经实验验证。
杜琦|莫书琴|王亚楠|王树生|秦团发|朱彬鑫|郑汉波
广西大学电力系统优化与能源技术重点实验室，中国南宁530004
摘要
第五代移动网络（5G通信）的开发正在进行中。然而，5G基站的高能耗及其相关的碳排放已成为重大挑战。基于5G基站的直流负载特性，本文设计并构建了一种创新的光伏-储能直流供电系统，并提出了一种自适应t分布教育竞赛优化（ATD-ECO）最大功率点跟踪（MPPT）算法。与传统交流供电系统相比，该系统不仅减少了由交流-直流转换过程引起的能量损失，还具有更低的建设成本，从而提高了经济可行性和可靠性。此外，所提出的ATD-ECO MPPT算法在部分遮挡环境下表现出优异的跟踪性能，进一步提升了5G基站光伏发电效率。通过MATLAB/Simulink进行的仿真和实验表明，在部分遮挡条件下，该系统的光伏发电效率可提高67%以上。为了进一步验证系统的性能，我们建立了一个直流实验平台对基站进行了供电实验，结果证实了该系统的适用性和优越性。
引言
随着全球对清洁能源重视程度的提高，如何最大限度地利用清洁能源成为许多学者正在思考和追求的目标[1]。与4G网络相比，5G网络具有“高带宽、高容量、高可靠性和低延迟”的特点，这将提高通信服务的质量[2]。截至2020年9月，中国已开通了690000个5G基站，占全球总数的近70%。据专家预测，到2030年中国将建设超过1000万个5G基站[3]。
然而，通过比较4G和5G测试网络设备的单系统能耗，可以发现5G网络的能耗提高了数倍[4]。同时，为了覆盖相同的信号范围，新网络所需的基站数量将是原来的3到4倍。此外，许多5G基站是从原有的4G基站改造而来的，因此大多数基站的现有电力系统容量需要升级[5]。然而，在扩展过程中，高成本、长周期和协调困难等问题严重阻碍了5G网络的部署和建设[6]。
为了解决5G基站的高能耗问题，现有的大多数方案主要集中在通信领域，通过优化无线通信的能效来实现节能。具体策略包括动态控制睡眠时长[7]、[8]、自适应负载调整算法[9]、[10]、中继和协作通信[11]以及资源分配优化[12]、[13]。例如，采用智能节能卸载决策[7]、遗传算法[8]和组件级关闭策略来提高能效。此外，还提出了一种基于流量波动和用户联合分配[9]的方法，并结合博弈论框架来保证服务质量[10]，无人机辅助中继通信进一步拓宽了协作节能的范围[11]。在计算资源方面，利用次优迭代算法[12]和混合整数线性规划模型[13]来优化虚拟机部署和服务器利用率，从而降低数据中心的能耗。尽管这些通信方面的优化方法可以产生一定的节能效果，但其节能潜力受到网络负载和服务质量（QoS）限制，基站整体能耗的降低也受到限制。
因此，学者们将研究重点转向了能源供应方面，即通过整合可再生能源为基站供电[14]。对于偏远地区的基站，光伏/储能/柴油混合供电系统的优化设计已被证明在技术和经济上是可行的[15]。参考文献[16]强调提供绿色能源对于减少碳足迹至关重要，并提出了分析方法以实现移动网络中更高效的能源管理和分配。为了提高可再生能源的利用率，提出了基站之间的能源合作和共享机制以减轻能源浪费问题[17]。同时，配置储能系统被视为平滑波动和降低电力成本的关键解决方案[18]。然而，上述大多数研究都是基于传统的交流配电架构，其中供电链路通常涉及多次交流-直流转换，导致额外的转换损失，限制了系统整体能效的提高。
鉴于光伏在基站绿色供电中的核心作用，其MPPT技术的效率至关重要。特别是在地形复杂且易受局部遮挡影响的基站场景中，光伏阵列的功率-电压（P-V）特性表现出多峰行为，这对MPPT算法构成了重大挑战。尽管传统的扰动观察（P&O）方法及其改进版本响应迅速，但在部分遮挡条件下（PSC）它们很容易陷入局部最优解[19]。基于模糊逻辑[20]或高阶滑模[21]的控制器可以实现快速跟踪，但其性能受到模糊规则设计的主观性和复杂性的限制。数据驱动方法，包括人工神经网络（ANN）[22]、强化学习（RL）[23]和机器学习（ML）[24]，为这一问题提供了新的解决方法。然而，它们的泛化能力高度依赖于大规模和高质量的训练数据集，这在实际部署过程中带来了可靠性挑战。基于全局扫描的策略[25]可以找到全局最大功率点（GMPP），但在扫描期间的功率损失不可避免。基于自适应控制的方案[26]在动态环境中表现稳定，但参数调整较为复杂。此外，为了降低硬件成本，提出了基于并网电流同步的MPPT方法[27]，但其应用仅限于并网系统。近年来，各种元启发式优化算法（如马群优化[28]、灰狼优化[29]和蝴蝶优化算法[30]）因具有强大的全局搜索能力而被应用于MPPT，在动态条件下表现出良好的跟踪速度。然而，这些算法仍面临平衡收敛速度和准确性的挑战，以及过早收敛到局部最优解的潜在问题。因此，开发一种结合全局搜索能力和快速响应特性的MPPT算法对于保证复杂环境中基站的供电效率具有重要意义。
总之，现有研究仍存在以下不足：1）传统的交流供电架构与本质上是直流负载的5G基站设备不兼容，这导致了额外的转换损失和设备成本；2）在PSC条件下，现有的MPPT算法难以同时兼顾跟踪速度、全局最优性、可靠性和低计算成本。为系统地解决上述问题，本文提出了一种与5G基站高度兼容的光伏-储能直流供电系统及其核心高效的MPPT控制算法。本文的主要贡献如下：
- 1.
提出了一种新的光伏-储能直流供电系统拓扑结构。该架构充分利用了5G基站的能耗特性，这些基站主要由直流负载组成。通过消除不必要的交流-直流转换环节，有效减少了系统线路损耗和设备投资成本。
- 2.
提出了一种名为ATD-ECO的新元启发式MPPT算法。该算法在PSC条件下实现了快速、精确且稳健的全局最大功率点跟踪。
- 3.
仿真结果表明，在典型的PSC条件下，本文提出的直流供电系统结合ATD-ECO MPPT算法，可以将光伏系统的发电效率提高67%以上，相比传统的交流参考系统。
- 4.
建立了完整的交流实验平台和直流实验平台，从实际应用的角度验证了所提出架构和MPPT算法在5G基站场景中的优越性和可靠性。
本文的后续部分结构如下：第二节将传统的交流供电系统与提出的新型直流供电系统进行比较。第三节讨论了提出的ATD-ECO MPPT算法。第四节构建了比较仿真模型。第五节介绍了所提出直流系统的实际应用案例。最后，第六节总结了本文的主要研究工作。图1总结了本文的主要内容。
系统结构
根据供电方式，5G基站的负载需求可以分为交流负载和直流负载[31]。交流负载主要包括照明负载、空调负载等。相反，直流负载是基站内的主要负载类型[32]，包括有源天线单元（AAU）负载、基站基带单元（BBU）负载和传输设备负载[33]。
根据现有文献，将5G基站与光伏发电相结合的概念
教育竞赛优化（ECO）算法
ECO算法是由Lian, JB在2024年提出的一种新型元启发式算法，旨在解决复杂的优化问题[34]。ECO算法的核心概念是模拟教育系统中的学生竞争，利用这种竞争机制来寻找和优化解决方案。算法的详细步骤如下所述。
仿真模型
我们在MATLAB/Simulink平台上为传统的交流系统和新提出的直流系统构建了仿真模型。在两个系统中，光伏阵列都由八个545W的太阳能电池板组成，尽管它们的配置不同。在交流系统中，八个太阳能电池板串联排列。输出电压通过MPPT算法稳定后转换为220V电压，然后供电给负载。在直流系统中，八个太阳能电池板
平台实验
在我们的实验室中，我们使用了传统的交流供电方案（案例1）和提出的新型直流供电方案（案例2）为两个基站供电。两种方案安装的光伏阵列都位于南宁的广西大学，受到类似的遮挡条件。图14（a）显示了传统交流方案的光伏系统和基站的物理图像。图14（b）显示了所提出方案的光伏系统的物理图像
结论
5G基站的高能耗及其导致的碳排放增加已成为亟需关注的挑战。将可再生能源系统整合到基站供电基础设施中为缓解这一问题提供了可行的解决方案。然而，现有方法尚未充分利用5G基站作为典型直流负载的运行特性，因此在能效方面仍有很大的改进空间
CRediT作者贡献声明
杜琦：写作 – 审稿与编辑，撰写 – 原始草案，概念化。莫书琴：方法论，形式分析。秦团发：资金获取，形式分析。朱彬鑫：监督。王亚楠：方法论，数据整理。王树生：验证，软件。郑汉波：写作 – 审稿与编辑，资金获取
利益冲突声明
? 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
本工作得到了国家自然科学基金（项目编号：52277139、52367014）；广西壮族自治区重点研发计划（项目编号：AB23026037）；以及广西杰出青年学者科学基金（项目编号：2024GXNSFFA999017）的支持。
