CN103870935B - 一种自适应电源管理方法 - Google Patents

Abstract

本发明涉及一种自适应电源管理方法，该方法由电源管理系统来实现，所述系统包括无线基站、电力网、可再生能源、电池、自适应电源管理控制器；所述自适应电源管理控制器分别与电力网、电池、无线基站连接；所述可再生能源与自适应电源管理控制器连接；所述电池与所述无线基站连接。所述方法包括：(1)自适应电源管理控制器接收数据收集器发送的数据；(2)设置自适应电源管理控制器管理方案；(3)执行自适应。本发明自动适应不同的供电环境，调节供电的方案，降低用户购买用电而产生的供电花费。采用了绿色通信，使用可再生能源能减少能源的消耗，减少二氧化碳的排放量。

Description

一种自适应电源管理方法

技术领域

本发明涉及一种绿色通信系统，具体讲涉及一种自适应电源管理方法。

背景技术

随着全球对环境的关注不断增加，对新的绿色能源的投入不断加大，由此引发了一场对现有能源使用方法的改革。无线产业中，日益广泛关注绿色无线通信，并有望在减少功耗中扮演重要的角色。考虑到保护环境，节省无线通信能源的必要性日益突出。

无线通信系统在频谱效率、传输可靠性以及用户对移动终端应用诸方面的满意度都得到了很好的提高和优化。但随着能源技术的日益蓬勃发展，无线通信系统出现了新的挑战，即要求不断增加能源投入以及提高通信业务量。不仅如此，能源的供应也会诸如更加动态化等，这就要求无线通信系统必须适应这种变化。这就是人们称之的“智能电网”。考虑到满足各种需求，无线系统能源管理的问题变的更加重要，而且对出现的问题需要相应的技术解决手段。传统的无线通信系统由核心网、接入网、移动单元三部分组成。接入网是无线网络中能耗最大的部分，无线基站更是如此，因为它的数量巨大，相应的能耗自然就很高。在这种前提下，对于网络操作者而言，节省无线基站的能源则是降低无线网络能耗的关键所在。

目前用于无线接收基站(BTS，Base Transceiver Stations)的方法有三种可再生能源：NFB(No Frills BTS PV)型、微型BTS PV柴油型、分散BTS PV风力型。NFB PV型使用太阳能电池板配合电池来为基站提供能源；微型BTS PV柴油型则是在NFB PV型的基础上，配合柴油发电；分散BTS PV风力型是一种大量分散建设的基站，在电池的基础上，通过太阳能电池板和和两个风力发电机；这三种可再生能源一定程度上都能够减少二氧化碳的排放量。

这就需要提供一种新型的“绿色”无线通信，以满足用户根据基站负载、电价、污染情况的不同和动态的控制蜂窝网络来选择供电商。考虑到用户同样的服务质量QoS(quality of service)时，概念、设计、用途等方面也能提高无线系统能源的使用效率。绿色无线通信不仅能使网络操作提供更高的服务效能来节省能耗，还可以减少二氧化碳的排放量对当前环境的影响。

发明内容

针对现有技术的不足，本发明提供一种自适应电源管理方法，针对如何在环境保护的前提下提高无线通信中节能问题，基于一种绿色通信系统的模型——通过可再生能源与电网的有效结合来为无线基站提供能源，在考虑用户需求的前提下，最小化能量消耗所带来的花费。本发明提出的一种基于基站供电环境历史数据的自适应电源管理方法，该方案能够在许多不确定性(如可再生能源的生产量、电价、无线传输的负载)的情况下有效的控制无线基站的供电。

本发明的目的是采用下述技术方案实现的

一种自适应电源管理系统，其改进之处在于，所述系统包括无线基站、电力网、可再生能源、电池、自适应电源管理控制器；

所述自适应电源管理控制器分别与电力网、电池、无线基站连接；

所述可再生能源与自适应电源管理控制器连接；

所述电池与所述无线基站连接。

本发明基于另一目的提供的一种自适应电源管理方法，其改进之处在于，所述方法包括：

(1)自适应电源管理控制器接收数据收集器发送的数据；

(2)设置自适应电源管理控制器管理方案；

(3)执行自适应。

优选的，所述步骤(1)包括收集电价、可再生能源产电量、电池存量和无线基站功耗的数据，并发送给自适应电源管理控制器。

优选的，所述步骤(2)包括更新已收集的数据、存储并根据电价p_t、可再生能源产电量r_t、无线基站能耗n_t计算出其概率；得出随机概率方案概率空间Ω，根据p_t,r_t和n_t组合成K个方案w和Pr(w)。

优选的，所述步骤(3)包括

(3.1)随机规划建模；

(3.2)对随机规划模进行求解；

(3.3)控制相应的设备执行结果。

进一步地，所述步骤(3.1)包括随机规划建模

进一步地，所述步骤(3.2)包括对进行Benders分解；

分解为主问题和子问题并进行迭代求解。

进一步地，根据购买用电造成的花费建模其中x_tp_t为购买电量的花费，s_tLp_loss为电池电量流失造成的花费，为退回电量的电价花费。

进一步地，所述Benders分解包括

(7.1)初始化，V＝1；

(7.2)求解子问题；

(7.3)根据公式判断是否收敛；

(7.4)求解主问题；其中，V＝V+1，并加入Benders剪枝约束；重复步骤2～4直到得出主问题；

(7.5)重复步骤2～3直到得出x_t,w和s_t,w。

与现有技术比，本发明的有益效果为：

1)本发明根据供电环境的历史数据，自动适应不同的供电环境，调节供电的方案，降低用户购买用电而产生的供电花费。采用了绿色通信，使用可再生能源能减少能源的消耗，减少二氧化碳的排放量。

2)本发明基于智能电网中电源管理，采用绿色通信模型，提出了基于基站供电环境历史数据的自适应电源管理方法——即电价、可再生能源供电功率、无线基站能耗。通过最优化的使用可再生能源辅助供电，可以最小化能量消耗所带来的花费、减少二氧化碳的排放，有益于环保。

3)本发明自适应电源管理器定期采集环境历史数据，根据历史数据设置随机方案并求出相应随机概率空间。根据随机概率方案进行供电花费的最优化算法。解决了用户用电需求量大小，以及可再生能源产量、电价等的不确定性，自动适应系统供电环境，根据供电环境的不同，采用不同的自适应电源管理，决定用户从主电力网购买电量的多少，从而降低由于用户购买用电所造成的花费。

附图说明

图1为本发明提供的一种自适应电源管理系统示意图。

图2为本发明提供的一种自适应电源管理方法流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

如图1所示，本发明提供的一种自适应电源管理系统包括无线基站、电力网、可再生能源、电池和自适应电源管理控制器。

自适应电源管理控制器有自己的机制，决定为电池和无线基站供电是通过可再生能源还是电力网。当无线基站需要供电时，自适应电源管理控制器将会以最小的能耗为目的进行决策的最优化。自适应电源管理控制器会定期的更新并保存以下的数据：电力网的电价、可再生能源的生产量、电池存量、无线基站的能耗。控制器要与电力网和可再生能源联网，这在智能电网中是可行的，如利用以太网或ADSL。

自适应电源管理可以被看做是决策侧管理(DSM)。自适应电源管理控制器可以根据电力网给出的各种不同的电价以及可再生能源的生产能量来控制消费者的电量购买。当在高峰期时电价高，控制器将会推迟电量的购买，将电力消费的需求转移(如转移给电池)，直至非高峰期到来，如半夜。

无线基站的能耗分为二个部分，静态的和动态的。静态的能耗是一个固定的常数，无论基站是否与用户连接，只要基站处于活动状态就会消耗能量。另一方面，动态的能耗与基站的连接量和负载相关。在本专利中，我们考虑的是一种微型的无线基站，它的能耗主要依赖于负载的大小。基站的能耗可以表示为：C＝E_st+E_dyN，E_st表示静态的能耗，E_dy表示动态的能耗，N表示连接量。

其中，无线基站的自适应电源管理最大的挑战就是环境和系统的不确定性。为了解决这一问题，随机最优化问题可以用公式表示出来并解决，使自适应电源管理控制器控制器得出最好的决定，来使无线基站的能源的花费最小化。供电环境考虑的因素如下：

可再生能源：可再生能源如太阳能和风能的电量产生根据天气情况有很高的随机性。例如，太阳能要依靠阳光的量。多云和雨天是不可以测的，会减少能量的生产。

电力网的电价：由于电力网的许多不可预测情况(如需求量)，使得电价可能在某个范围内随机的分布。例如，在某一时期电价可能会变高，而通过电价信号特性，智能电网的用户会被告知电价。

无线基站通信负载：可达到的连接量是多变的，同样无线基站连接的需求也是依靠使用情况的(如某一特殊情况而在成的高峰期)。这就造成了连接量N是随机的。而且从上述能耗模型得到的能耗也是随机的。

本发明一种自适应电源管理方法为基于供电环境历史数据优化的自适应电源管理方法，其具体为：

第一步：数据收集。通过各种辅助工具收集电价、可再生能源产电量、电池存量、无线基站功耗的数据，发送给自适应电源管理控制器。

我们设可再生能源所能提供的最大的功率定为R千瓦；电池所能存储的最大电能为B度(千瓦每小时)，而电池单位时间流逝电量的速率为L，所带来的花费为P_loss。

第二步：设置方案。自适应电源管理控制器将收集到的数据更新并存储，并以固定天数(如60天)为基础，通过历史数据，按照上文所提到的环境历史数据统计中的方法，设计出关于电价p_t、可再生能源产电量r_t、无线基站能耗n_t的各种方案，并分别计算出其概率。得出随机概率方案概率空间Ω，然后根据p_t,r_t和n_t组合成方案成K个方案w和Pr(w)。

基站供电环境历史数据统计——电价、可再生能源供电功率、无线基站能耗的统计方法如下：表1为算法中所用到的变量的总表。

表1

考虑到一天24小时，且前后12小时基站功耗，可再生能源供电功率差距可能过大，所以取决策期T＝24，即24小时优化一次，每个决策时段为1小时。我们定义总方案和分别为在t时期的电价、可再生能源产量、基站通信连接量的具体某一方案即子方案。总方案对应的概率为Pr(w^k)。Pr(w^k)即是指采用方案时，子方案为和各个子方案采用自己对应的概率。P_t,R_t和N_t分别表示电力网电价的方案集合，可再生能源生产量的方案集合，无线基站的通信连接量方案集合。Ω＝(P_t,R_t,N_t)是一个随机概率方案空间。如果有K个方案，对应方案表示为w¹,...w^K。当各个子方案的个数不同即出现和这种情况，取k₁,k₂和k₃中的最大值(如k₃)为K，作为方案w的个数，则p_t和r_t的方案数补到k₃。多出来方案按概率为0计算。即其中的和方案的概率为0。

我们把电价作为随机变量从一个离散的随机的集合中取值，如电价可以被定为{0.74,0.74，1.23，0.74}元每度电即分别对应早上(6:00-12:00)，下午(12:00-18:00)，晚上(18:00-24:00)，凌晨(0:00-6:00)。相应的也可以定为{0.74，1.23，1.23，0.74}即考虑到下午如果是高峰期的话。像电价方案为{0.74，0.74，1.23，0.74}元每度电一样，可再生能源产电功率的方案可是设计为{130，290，0，0}瓦每小时，这些方案是从历史数据中得到的。

各子方案(即和)的概率计算的数学公式为：

下面以电价方案的统计方法为例：

对于方案中电价、可再生能源供电功率、无线基站能耗的概率分布是可以计算的。以60天为例，就电价而言，电价为{0.74，0.74，1.23，0.74}的天数为15天，而{0.74，1.23，1.23，0.74}的天数为45天，这样就计算出第一种和第二中电价方案的概率分别为：15/60＝0.25；45/60＝0.75。

对于可再生能源供电功率我们也考虑两种方案，一种是晴天(假设在7:00到18:00之间功率为196Wh)，一种是阴天(假设7:00到18:00为100Wh)，以60天为例，如果阴天天数为24天，晴天天数为36天，则可再生能源供电功率为195Wh的概率为0.6，功率为100Wh的概率0.4。

无线基站能耗可以考虑为五种方案：一般高峰、一般中等、一般清线、极度高峰，且每分钟的连接到达率分别为0.56、0.22、0.15、0.8。因为24小时内，各方案有重复的，所以概率计算稍有不同。一小时为单位，根据连接到达率得到每小时基站的功耗。根据这个小时在60天里出现的天数计算其概率。比如早上8点，以上各方案的概率为0.15、0.15、0.3、0.4。

第三步：自适应。每天结束时段根据公式1-5得出最优解问题，然后按照公式6-15进行Benders分解并进行迭代求解。第二天开始按照前一天所得结果控制相应的设备执行结果。然后返回第一步。

其中，基于供电环境历史数据优化的自适应电源管理算法为：

随机规划建模——如用户在某一时段购买用电，所造成的花费我们表示为也就是购买电量的花费加上电池电量流失造成的花费减去退回电量的电价花费。

自适应电源管理控制器的多时段的随机规划模型用式子1-5表示。和就是环境历史数据统计出来的各概率方案。这个最优化的模型被分割成T个决策时段，我们认为每个时段长度为1小时，K为方案个数。

等式1的目的是最小化各个时段的花费的期望，花费是由于买点和电池电量流失而造成的。是电价，p^e是退回已购买的电量的电价，假设为固定值，且已经被WBS所知道。Ω是一个空间，Pr(w^k)为空间内w^k相对应的概率。方程中的基为从电力网中购买走的电量x_t,w和电池的存储量s_t,w，是退回已经购买的电量。我们就是通过最优的方法求得这两个基，以使花费最小化。电池的存量可以通过电力网或可再生能源提供。

等式2是决策时段t时电量输入与输出的平衡式。t时段开始阶段电量的输入包括s_t,w，x_t,w，可再生能源产生的电量r_t,w。在决策时段t最后阶段，电量的输出包括电池剩余的存储电量s_t+1,w，无线基站消耗电量c_t,w且c_t,w＝E_st+E_dyn_t,w。等式的左边表示的是：t时段开始阶段购进的电量与电池存量和可再生能源产能的总和，也就是输入。等式的右边表示的是：电池在t时刻结束阶段(t+1时刻的开始阶段)的电量总和，也就是输出后的电量总和。

等式3表示电池各时段的存储量要小于或等于电池的最大存储量B。

等式4表示的是电池在初始时刻的存储量。

等式5表示能量值功率值不能为负数。

Benders分解法——多时段的随机规划模型的求解，我们可以使用Benders分解法。把优化问题分解为诸问题和多重子问题。复杂变量就是一种阻碍问题得到简单直接的解且存在多重限制的变量。一旦复杂变量的值能够确定，那么最初的优化问题就可以分解成子问题。

其中，等式(1)—(5)是一个由复杂变量的优化问题。如果复杂变量是x_t,w和s_t,w，那么这个函数就可以分解为主问题和子问题，因为x_t,w和s_t,w出现在公式2和3里。它们妨碍了问题的并行解。因此x_t,w和s_t,w分别定为和这样我们通过Benders分解法可以求出问题的解。Benders分解法是通过不停的迭代直到找到解为止。每一次迭代，主问题(公式6-11)根据当时复杂变量的值求出解，并把解在子问题(公式12-15)中验算。目标函数的近似最优值的上下限可以计算出来。一旦解达到了充分优化，算法就停止。主变量(公式12-15)和对偶变量的近似最优质可以得出benders剪枝约束，可以提高求解速度和执行下一次迭代。

Benders分解法具体描述如下：

S.t.α_v≥α^low (7)

(15)

步骤1：初始化。对于公式6—11，v表示迭代次数，初始值为1.主问题的目标函数是从公式1中分离出来的。x_t,w,v和s_t,w,v分别表示决策变量x_t,w和s_t,w在第v次迭代时。α_v表示子问题的额外能量花费的近似值。α_v将会在第v次迭代时计算出来。α^low表示的是下限，它可从历史数据中估计出来。约束式(9)表示的是在t时段w方案时，能量的输入要大于或等于能量的输出。步骤1只执行一次，步骤2到步骤4在算法中将会被多次执行。约束式(8)(叫做Benders剪枝约束)在步骤1时会忽略。这个约束会在下一次迭代时执行。为在第v次迭代时，对应于约束(14)的对偶变量的值。该值将会在步骤4中被用到。

步骤2：求解子问题。子问题(公式12-15)可以求出解。约束式(13)确保了在t时段方案w时，能量的输入输出相等。和表示为主问题的固定的解。目标函数就是为了最优化额外电能花费。

步骤3：判断收敛。求得的解的下限可以从主问题中得到。表示在第v次迭代时的下限。则表示在第v次迭代时的上限。则 和每次迭代都会更新。ε表示一个很小的值，当时，算法停止。在第v次迭代中就求得了近似的最优解。此外，步骤4还将继续。

步骤4：求解主问题。每次迭代过后v都会加1。Benders剪枝约束将会被添加进主问题。换句话说，主问题构造中会有更多的约束，以使其更好的求解，因为这些约束都是基于子问题的近似最优情况的。主问题的最优解将会根据约束(8)来调节花费α_v。Benders剪枝约束是根据迭代1至v-1中，子问题和主问题的近似最优解得到的。当主问题解决时，重复步骤2到3。

在以上的情况下，自适应电源管理控制器的作用就是在考虑无线基站能耗需求的情况下根据收集到的环境历史数据最小化买电所造成的经济花费。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种自适应电源管理方法，该方法由自适应管理系统来实现，所述系统包括无线基站、电力网、可再生能源、电池、自适应电源管理控制器；所述自适应电源管理控制器分别与电力网、电池、无线基站连接；所述可再生能源与自适应电源管理控制器连接；所述电池与所述无线基站连接；其特征在于，所述方法包括：

(1)自适应电源管理控制器接收数据收集器发送的数据，并发送给自适应电源管理控制器，其中数据收集器收集电价、可再生能源产电量、电池存量和无线基站功耗的数据；

(2)设置自适应电源管理控制器管理方案；

(3)执行自适应；

所述步骤(2)包括更新已收集的数据、存储并根据电价p_t、可再生能源产电量r_t、无线基站能耗n_t，计算出其概率；得出随机概率方案概率空间，根据p_t，r_t和n_t组合成K个方案w和Pr(w)；

所述步骤(3)包括

(3.1)随机规划建模；

(3.2)对随机规划模型进行求解；

(3.3)控制相应的设备执行结果。

2.如权利要求1所述的一种自适应电源管理方法，其特征在于，所述步骤(3.1)

包括随机规划建模式中，t表示每天的某一时段，T表示一天分为T个时段，x_t代表在t时段从电力网中购买走的电量，p_t表示在t时段购买时的电价，s_t表示在t时段电池的存量，x_tp_t为购买电量的花费，s_tLp_loss为电池电量流失造成的花费，为退回电量的电价花费，w表示数据统计总方案。

3.如权利要求2所述的一种自适应电源管理方法，其特征在于，所述步骤(3.2)

包括对进行Benders分解；分解为主问题和子问题并进行迭代求解，式中，t表示每天的某一时段，T表示一天分为T个时段，x_t代表在t时段从电力网中购买走的电量，p_t表示在t时段购买时的电价，s_t表示在t时段电池的存量，w^k特指某一历史数据统计总方案，s_tLp_loss为电池电量流失造成的花费，为退回电量的电价花费，Ω表示随机概率方案概率空间，表示总方案w^k中包含的购买电价的子方案，表示t时段总方案w^k下退回的电量，x_t，w，v代表的是第v次迭代时，在t时段w方案下从电力网中购买走的电量，s_t，w，v代表在的是第v次迭代时，t时段w方案下电池的存储量，α_v表示子问题的额外能量花费的近似值，α_v将会在第v次迭代时计算出来，p^e表示退回已购买的电量的电价，w表示数据统计总方案，表示在第v次迭代时，t时段w^k方案下从电力网中购买走的电量，表示在第v次迭代时，t时段w^k方案下电池的存储量。

4.如权利要求3所述的一种自适应电源管理方法，其特征在于，所述Benders分解包括

(5.1)初始化，v＝l；

(5.2)求解子问题；

(5.3)根据公式判断是否收敛；表示在第v次迭代时的上限，表示在第v次迭代时的下限；

(5.4)求解主问题；其中，v＝v+l，并加入Benders剪枝约束；重复步骤(5.2)～(5.4)直到得出主问题；

(5.5)重复步骤(5.2)～(5.3)直到得出x_t,w和s_t,w，其中，x_t,w是t时段方案w下从电力网中购买走的电量，s_t,w是t时段方案w下电池的存储量。