CN104219749A - 基于电网与基站协同的电网供需调节方法 - Google Patents
基于电网与基站协同的电网供需调节方法 Download PDFInfo
- Publication number
- CN104219749A CN104219749A CN201410480955.1A CN201410480955A CN104219749A CN 104219749 A CN104219749 A CN 104219749A CN 201410480955 A CN201410480955 A CN 201410480955A CN 104219749 A CN104219749 A CN 104219749A
- Authority
- CN
- China
- Prior art keywords
- base station
- power
- supply
- energy
- cognitive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于电网与基站协同的电网供需调节方法,它将能量供需比作为智能电网中的供能主体与基站之间互动的主要参量,以最大化能效比为目标,建立基站下行链路OFDM系统的认知基站子信道和功率优化分配模型,通过对认知基站子信道和功率优化分配模型进行分步求解得到通信基站资源的分配方案,使基站发射的信息量与所消耗的能量之比最大,并保证电能供需的瞬间平衡,维护电网的稳定。本发明在认知基站子信道和功率优化分配模型中引入了能量供需比,在使智能电网提供的电力资源得到合理配置和高效利用的同时,还可保证电能供需的瞬间平衡,维护电网的稳定。
Description
技术领域
本发明涉及一种根据能量供需比的高低来调整通信基站的耗能量、实现通信基站(电力用户)的最大化能效比的方法,属于通信技术领域。
背景技术
随着智能移动终端的普及,各种高速数据应用业务快速增长,通信行业的能量消耗也以惊人的速度上升。据报道,包括蜂窝网络在内的整个信息通信行业的能耗占到了全球二氧化碳排放量的2%。移动运营商的能耗在信息通信行业中居于最高,且移动网络的能耗增长速度远远超过整个行业平均水平。据统计,无线基站(Base Station, BS)能耗已经占到移动通信的近60%。无线基站的巨大能耗也产生了大量电费支出,在成熟的欧洲市场,移动运营商大约18%的运营支出用于电费;在发展中国家印度则至少占到32%,而仅中国联通2012年电费支出就近百亿元。因此,对基站侧的节能和能量有效性的研究显得格外有意义。
智能电网中既包含传统能源,又包含易波动的新能源,能源构成的多样化容易导致能量的供应出现波动和起伏。此外,社会总的耗能量也在不断变化,如何在已有的需求侧响应机制下保证电能供需的瞬间平衡,维护电网的稳定,同时使电力资源得到合理配置和高效利用也成为电网迫切需要解决的问题。
目前已有不少文献提出蜂窝网络基站节能和提高能量有效性的方法,如有的文献在主蜂窝与家庭基站同时具有认知能力的异构认知网络中,基于博弈论研究频谱共享与功率分配的能量效率问题。有的文献对OFDMA网络下行链路中的导频信号与数据之间的功率进行分配以最大化能量效率。有的文献对代价有效的绿色蜂窝网络中的蜂窝半径缩放进行研究。有的文献对基于OFDM的认知网络进行能量有效的子信道和功率分配。有的文献建立下行MIMO 系统能效模型,设计一个完成下行MIMO系统最优能效的自适应功率分配算法。有的文献对存在多小区干扰和越区切换情况下蜂窝网络的网络频谱效率和能量效率函数进行研究。但是,上述研究仅仅考虑了基站本身的能耗问题且未涉及能量捕获维度,由于移动通信基站能耗量巨大,这种单一从基站本身入手来降低能耗的方法逐渐显得力不从心。
目前仅有少量文献对智能电网供电下的无线通信网络的能效问题进行了研究。有的文献提到电网与BS(基站)可以合作节能,将BS作为电力用户或电器,BS可以与其它BS以及电力系统合作来管理能量的消耗,将BS纳入智能电网可以极大地提升功率效率,而不影响QoS(服务质量)和容量;有的文献研究基站由常规电网和绿色能源共同供电时,通过最大化绿色能源的利用以节约常规电网能源,绿色能源的生产和信息流量的时空多样性决定绿色能源的最优利用情况,但是仅考虑的是中时间尺度的蜂窝服务半径缩放措施;有的文献研究存在多个电力零售商供电下的基站,通过基站和电力零售商的双向选择博弈,实现基站最优能效和电力零售商利益的最大化;有的文献对包含可再生能源和常规能源供电下的基站能效进行了研究,其方法分为基于分数规划的离线资源分配和基于随机动态规划的在线资源分配。但上述文献所提方法没有考虑电网的能量供需比,不能有效调节电网电能量的波动,因此不能起到稳定电网的作用。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种基于电网与基站协同的电网供需调节方法,使基站发射的信息量与所消耗的能量之比最大,并保证电能供需的瞬间平衡,维护电网的稳定。
本发明所述问题是以下述技术方案实现的:
一种基于电网与基站协同的电网供需调节方法,所述方法将能量供需比作为智能电网中的供能主体与基站之间互动的主要参量,以最大化能效比为目标,建立基站下行链路OFDM系统的认知基站子信道和功率优化分配模型,通过对认知基站子信道和功率优化分配模型进行分步求解得到通信基站资源的分配方案,使基站发射的信息量与所消耗的能量之比最大,并保证电能供需的瞬间平衡,维护电网的稳定。
上述基于电网与基站协同的电网供需调节方法,所述方法包括以下步骤:
a.智能电网中的供电主体与通信基站耗能主体相连,智能电网在给基站供应电力的同时与基站保持通信联络,传递的数据包括供电主体的供电总容量和各耗能主体的消耗能量;
b.通信基站根据上述信息计算相应的能量供需比 :
其中表示电力用户认知基站在时隙t消耗的总功率,表示供电区域预定的总功率(即供电主体的供电总容量);
c.以最大化能效比为目标,对基站下行链路OFDM系统建立认知基站子信道和功率优化分配模型:
,
,
,
其中为认知基站的传输功率限制,为第m个主用户的干扰容忍门限,B为认知网络可共享的主用户授权频段被分成的N 个OFDM子信道的带宽,为认知基站的静态能耗,表示子信道n是否被第k个认知用户占用,其值等于1或0,为能量供需刺激因子,为认知基站产生的修正能效判据,, ,为表示基站在第n个子信道上为第k个认知用户分配的功率,为基站在第n个子信道上对第m个PU造成的干扰,为第k个认知用户具有最低的速率需求,为代表在第n个子信道上第k个认知用户的传输速率,为表示附加的高斯白噪声的功率谱密度,为表示PU信号对第k个SU造成的干扰,为表示在第n个子信道上从CBS发射机到第k个SU接收机的信道增益;
d.对认知基站子信道和功率优化分配模型进行分步求解,得到通信基站资源的分配方案。
上述基于电网与基站协同的电网供需调节方法,所述认知基站子信道和功率优化分配模型的求解步骤如下:
①基于认知用户的不同QoS(服务质量)需求进行子信道分配,具体步骤如下:
第一步,定义子信道分配因子:
其中,为第k个认知用户的最低的速率需求;
第二步,如果不等于0,则给第k个认知用户分配一个子信道,同时使;否则,转向为第k+1个认知用户分配子信道,依次为所有认知用户分配子信道;
第三步,如果子信道数量仍有剩余,继续转向第二步,为不等于0的认知用户分配子信道;如果子信道数量用完,则子信道分配结束;
②基于典型Dinkelbach型算法计算分数规划;将难求解的分数规划问题转化为多个次优功率分配子问题;
③基于利用Armijo搜索的BFGS与内点法进行最优功率分配。
本发明在认知基站子信道和功率优化分配模型中引入了能量供需比,在使智能电网提供的电力资源得到合理配置和高效利用的同时,还可保证电能供需的瞬间平衡,维护电网的稳定。当能量供需比为1时,表明电能供需达到了平衡,供大于求时,能量供需比小于1,此时资源分配模型中的目标函数分母的代价变小,为了最大化目标函数,认知基站增加电能使用量,反过来又影响能量供需比,最终能量供需比更加接近1,同时目标函数最大;反之,供小于求时,能量供需比大于1,此时资源分配模型中的目标函数分母的代价变大,为了最大化目标函数,认知基站减少电能使用量,反过来影响能量供需比,使之更接近1。
附图说明
下面结合附图对本发明作进一步详述。
图1是供能主体与基站的耗能主体的连接方法;
图2是基于能效比的通信基站能量分配模型;
图3是智能电网供电下的异构认知蜂窝网络系统图;
图4是通信基站能量分配模型优化问题求解流程;
图5是认知基站平均能效与传输功率限制关系;
图6是认知基站平均能耗与传输功率限制关系;
图7是能量供需比与区域电力供应总容量的关系。
文中所用符号:为认知基站的传输功率限制,为第m个主用户的干扰容忍门限,B为认知网络可共享的主用户授权频段被分成的N 个OFDM子信道的带宽,为认知基站的静态能耗,表示子信道n是否被第k个认知用户占用,其值等于1或0,为能量供需刺激因子,为认知基站产生的修正能效判据,,为表示基站在第n个子信道上为第k个认知用户分配的功率,为基站在第n个子信道上对第m个PU造成的干扰,为第k个认知用户具有最低的速率需求,为代表在第n个子信道上第k个认知用户的传输速率,为表示附加的高斯白噪声的功率谱密度,为表示PU信号对第k个SU造成的干扰,为表示在第n个子信道上从CBS发射机到第k个SU接收机的信道增益,为子信道分配因子,表示分配给第k个认知用户的子信道集合,为第k个认知用户的最低的速率需求,容差 ,更新比例因子等参数。
具体实施方式
本发明将智能电网中起伏的能量供需比作为通信基站和电网提高能效互动的主要参量,通信基站根据能量供需比的高低来调整自身的耗能情况,实现通信基站(电力用户)的最大化能效比,即发射的信息量与所消耗的能量之比最大。电网能量有所剩余时,能量供需比较低,通信基站通过多耗能来提高能效比,使得电网剩余能量得到合理利用;电网能量已经透支时,能量供需比较高,通信基站通过降低能耗来换取能效比的提高。
本发明所提出的通信基站功率分配步骤如下:
第一步,智能电网中的供电主体与通信基站耗能主体相连,在供应电力的同时保持相应数据的通信联络,传递的数据包括供电主体的供电总容量和各耗能主体如通信基站的消耗能量。
第二步,通信基站基于上述信息,得到相应的能量供需比。
第三步,基于能量供需比,以最大化能效比为目标,对基站下行链路OFDM系统形成认知基站子信道和功率优化分配模型(非线性混合整数规划分配模型)。
第四步,基于认知用户不同QoS需求进行子信道分配。
第五步,基于典型Dinkelbach型算法计算分数规划。
第六步,基于利用Armijo搜索的BFGS与内点法进行最优功率分配。以下将本发明涉及到的关键步骤作进一步说明:
1、求出能量供需比
能量供需比定义为各耗能主体的耗能量与供能主体的电力提供容量之比。能量供需比可以反映整个区域电力的盈亏情况,是电网是否稳定的重要衡量标准,也是通信基站功率分配的重要参考量。为了实现分布式机制,考虑固定供电区域内的电力用户,一个离散时隙t,则能量供需比表达式如下
(1)
其中表示电力用户认知基站在时隙t消耗的总功率(在电力系统中或称负荷)。表示供电区域预定的总功率,与电力公司的发电容量和该区域的需求负荷有关。数据采集传递阶段,通过智能电网中的供电主体与通信基站耗能主体的数据交互,由或的取值波动来表征电力用户耗能或电网供能的变化。
2、基于能量供需比的能效判据
认知基站为各认知用户发送信息时会付出能耗代价。在认知基站的能耗模型中,作为静态能耗部分的基站电路耗能是不能忽视的一部分,不失一般性,通常将其设为一个常量,可以表示为。通过认知基站为认知用户分配最优的子信道与功率,使能效比最大化。考虑在一个离散的时隙t,定义认知基站产生的修正能效判据(分式)为
(2)
其中表示子信道n是否被第k个认知用户占用,其值等于1或0。由基站发射信息的动态功耗与基站电路的静态功耗共同组成。为调节电力用户对该区域能量供求比的敏感度,引入能量供需刺激因子。为了简化,后文叙述中省略了角标t。作为能效判据,该式表示发送信息量与修正后的耗能代价之比,即修正后的单位能耗所发送的信息容量,也称为修正能效比。令 。
3、基于能量供需比的通信基站资源分配模型
面向包含两个蜂窝的异构认知蜂窝网络,其中一个为主用户蜂窝,分布有M个主用户(PUs, primary users),另一个为认知用户蜂窝,分布有一个认知基站(CBS, cognitive base station)和K个认知用户(SUs, secondary users)。认知基站由智能电网来供电,负责为认知用户分配已授权给主用户的频段。在发射功率和主用户干扰容限的共同约束下,认知用户以Underlay方式进行工作。为保证基本的业务质量要求,假设第k个认知用户具有最低的速率需求。认知网络可共享的主用户授权频段被分成N 个带宽为B的OFDM (orthogonal frequency division multiplexing)子信道。见图3。
根据上文所建立的修正能效判据,以最大化能效比为目标,该目标在考虑能效要求的同时还考虑了电能的瞬间供需平衡要求,体现了蜂窝基站与电网协同节能的初衷。形成的优化问题模型可以表示为
(3)
其中表示认知基站的传输功率限制,约束C1保证每个认知用户的最小速率需求,约束C2保证CBS传输功率不超过总的传输功率限制。约束C4包含对主用户的干扰容限水平,其中表示第m个主用户的干扰容忍门限,条件C5和C6保证每个子信道只分配给一个认知用户。
4、通信基站能量分配模型优化问题求解
上述优化问题中包含整数变量和实数变量,是一个非线性混合整数规划问题,也是一个NP难问题。本发明提出一个有效的分步求解次优解决方案,这个优化问题可以分为两个步骤,第一步是对子信道进行分配,第二步是对每个子信道的功率进行分配。
(1)子信道分配方法
通过分析优化问题(3)的结构,观察到系统容量随带宽成线性增长,但是与功率成对数比例关系。同时考虑到信道分集对系统性能提升的重要性,因此为使问题简化可以忽略所分配功率的大小,首先基于认知用户QoS需求对子信道进行分配。而信道条件、认知用户对主用户的干扰和功率约束将在功率分配时考虑。子信道分配的过程简述如下:
第一步,定义子信道分配因子,通过下式对QoS需求比例进行四舍五入取整运算而得到。
(4)
第二步,如果不等于0,则一个子信道被分配给第k个认知用户,同时;否则,转向为第k+1个 认知用户分配子信道,依次为所有认知用户分配子信道。
第三步,如果子信道数量仍有剩余,继续转向第二步为不等于0的认知用户分配子信道;如果子信道数量用完,则子信道分配结束。
用表示分配给第k个认知用户的子信道集合,则子信道分配结束后优化问题(3)可以转化为
(5)
(2)功率分配方法
目标函数(5)是一个非线性分数规划,仍然是非凸的,很难直接获得最优的解决方案。本发明利用典型的Dinkelbach型算法对分数规划问题进行求解,提出最优功率分配方案。因为对于给定的子信道k是固定的,实数变量中可以省略参数k,记。为了后文分析方便,记,
令,其中μ为一个正的参数因子。
基于原优化问题(5),形成一个新的优化问题如下
(6)
现在需要证明新优化问题(6)和原优化问题(5)在哪种条件下是等价的。假定,S是优化问题(5)和(6)中l的定义域,文献[25]中已给出定理进行证明。
现有的文献已经证明了通过实现,可使优化问题(6)与优化问题(5)等价,从优化问题(6)可以得到(5)的最优解决方案。基于上述定理,有的文献提出了Dinkelbach型算法来解决分式规划问题,通过在每一步解决一个次优子问题,建立一个非递增的序列,最终收敛于优化问题(5)的最优目标值。具体计算步骤如下:
第一步. 设定 , 计算 ,并设定 k:=1;
第二步. 确定 ;
第三步. 如果 , 则 是问题 (5)在下的最优值,停止;否则,转向步骤四;
第四步. 令 ; 令 k:= k+1, 转向 Step 1。
上述算法的关键是求取步骤二中的次优功率分配,因此现在问题转化为在给定的前提下,如何求出优化问题(6)的最优解。
为了降低复杂度,提出一种利用Armijo搜索基于BFGS的内点法。首先,定义一个对数障碍函数以及参数v,该参数决定了估计的准确性,目标问题被转化为一系列的无约束最小优化问题。然后,无约束最优化问题被BFGS算法解决,能够降低因求解Hesse矩阵的计算难度。具体步骤如下:
第一步,内点法的初始化阶段,定义起始点,容差 ,更新比例因子等参数。
第二步,内点法的外循环,构造优化问题(6)的对数障碍函数,并形成如式(7)无约束最小化问题,其中v >0,进行估计以得到优化问题(6)的解
(7)
第三步,BFGS 算法的初始化和计算内循环,利用基于Armijo搜索的BFGS 算法解决无约束最小化问题(7)。当v逐渐增加时,问题(6)的解估计值会越来越准确。
第四步,停止准则: 。
第五步,递增更新:
5、所提通信基站资源分配方法的论证仿真与分析
此部分说明所提方法能够比现有方法提高能量效率,提高电网能量供需平衡,节约能耗,现有文献并未考虑依据能量供需比的资源分配方法。
假定一个异构认知蜂窝网络,包括一个主用户蜂窝和一个认知用户蜂窝,随机分布有4个主用户和10个认知用户。认知基站由智能电网来供电,预算供电功率根据情况在(0.1,2)范围取值。可共享的整个频谱带宽可以分成64个OFDM子信道,每个子信道的带宽为B=0.275MHz。假定认知用户具有最低的速率需求, = 8Mbit/s。干扰门限为20×10-12W,信道增益h 与 g服从均值为0dB的Rayleigh分布,高斯白噪声功率 ,基站电路能耗=0.25W。
图5描述了在不同能量供需刺激因子的条件下,认知基站平均能效与不同传输功率限制之间的关系。从图中可以看到,本专利所提方法能够比现有方法达到更高的平均能效,而且随着=1,2的逐渐增大,所提方法的平均能效逐渐增大,可见能量供需刺激因子起到了很好的作用。例如稳定以后,=1和2时所提方法的平均能效比现有方法分别提高了大约30%和7.5%。
图6描述了认知基站平均能耗与不同传输功率限制之间的关系。从图中可以看到,本专利所提方法能够比现有方法达到更低的平均能耗,而且随着=1,2的逐渐增大,所提方法的平均能效逐渐降低,可见能量供需刺激因子起到了很好的节能作用。从图中可以看到,系统稳定后的认知基站能耗逐渐降低,其中现有方法中的认知基站能耗维持在0.63W左右,本专利所提方法=1时的认知基站能耗维持在0.54W左右,本专利所提方法=2时的认知基站能耗维持在0.51W左右。可见,能量供需刺激因子增大,使得认知基站的能耗代价增加,会适当减少对能耗的依赖,增强了能量供需刺激因子对能耗的调节作用。
图7描述了能量供需比与区域电力供应总容量之间的关系。从图中可以看到,随着供应总容量的逐渐提高,能量供需比从高于100%逐渐下降到低于100%,而这个过程中现有方法曲线的波动比本专利所提方法曲线要大,可见本专利所提方法较好地控制能量供需比曲线在均衡比1位置附近波动。由于供电区域内电力用户的QoS指标要求,使得在供应总容量较小阶段,认知基站耗能需求大于供应总容量。
综合图5、图6和图7也可以看到,通过能量供需比的引入可以调节认知基站能耗的高低,能量供需比刺激因子的提高更能够加大上述调节作用,从而对平衡电网可靠稳定发挥作用,使电能的能量效率得到更好提高。
Claims (3)
1.一种基于电网与基站协同的电网供需调节方法,其特征是,所述方法将能量供需比作为智能电网中的供能主体与基站之间互动的主要参量,以最大化能效比为目标,建立基站下行链路OFDM系统的认知基站子信道和功率优化分配模型,通过对认知基站子信道和功率优化分配模型进行分步求解得到通信基站资源的分配方案,使基站发射的信息量与所消耗的能量之比最大,并保证电能供需的瞬间平衡。
2.根据权利要求1所述的基于电网与基站协同的电网供需调节方法,其特征是,所述方法包括以下步骤:
a.智能电网中的供电主体与通信基站耗能主体相连,智能电网在给基站供应电力的同时与基站保持通信联络,传递的数据包括供电主体的供电总容量和各耗能主体的消耗能量;
b.通信基站根据上述信息计算相应的能量供需比 :
其中表示电力用户认知基站在时隙t消耗的总功率,表示供电区域预定的总功率(即供电主体的供电总容量);
c.以最大化能效比为目标,对基站下行链路OFDM系统建立认知基站子信道和功率优化分配模型:
其中为认知基站的传输功率限制,为第m个主用户的干扰容忍门限,B为认知网络可共享的主用户授权频段被分成的N 个OFDM子信道的带宽,为认知基站的静态能耗,表示子信道n是否被第k个认知用户占用,其值等于1或0,为能量供需刺激因子,为认知基站产生的修正能效判据,, ,为表示基站在第n个子信道上为第k个认知用户分配的功率,为基站在第n个子信道上对第m个PU造成的干扰,为第k个认知用户具有最低的速率需求,为代表在第n个子信道上第k个认知用户的传输速率,为表示附加的高斯白噪声的功率谱密度,为表示PU信号对第k个SU造成的干扰,为表示在第n个子信道上从CBS发射机到第k个SU接收机的信道增益;
d.对认知基站子信道和功率优化分配模型进行分步求解,得到通信基站资源的分配方案。
3.根据权利要求2所述的基于电网与基站协同的电网供需调节方法,其特征是,所述认知基站子信道和功率优化分配模型的求解步骤如下:
①基于认知用户的不同QoS(服务质量)需求进行子信道分配,具体步骤如下:
第一步,定义子信道分配因子:
其中,为第k个认知用户的最低的速率需求;
第二步,如果不等于0,则给第k个认知用户分配一个子信道,同时使;否则,转向为第k+1个认知用户分配子信道,依次为所有认知用户分配子信道;
第三步,如果子信道数量仍有剩余,继续转向第二步,为不等于0的认知用户分配子信道;如果子信道数量用完,则子信道分配结束;
②基于典型Dinkelbach型算法计算分数规划;
③基于利用Armijo搜索的BFGS与内点法进行最优功率分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410480955.1A CN104219749B (zh) | 2014-09-19 | 2014-09-19 | 基于电网与基站协同的电网供需调节方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410480955.1A CN104219749B (zh) | 2014-09-19 | 2014-09-19 | 基于电网与基站协同的电网供需调节方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104219749A true CN104219749A (zh) | 2014-12-17 |
CN104219749B CN104219749B (zh) | 2018-05-04 |
Family
ID=52100788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410480955.1A Active CN104219749B (zh) | 2014-09-19 | 2014-09-19 | 基于电网与基站协同的电网供需调节方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104219749B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106102095A (zh) * | 2016-07-15 | 2016-11-09 | 复旦大学 | 协同多点通信系统下的双尺度动态资源优化配置方法 |
CN106162852A (zh) * | 2016-06-27 | 2016-11-23 | 嘉兴国电通新能源科技有限公司 | 一种微电网供电的多小区无线通信系统能源调度方法 |
CN106162847A (zh) * | 2016-06-29 | 2016-11-23 | 重庆邮电大学 | 一种基于多用户多信道感知的频谱共享能量消耗优化方法 |
CN106600098A (zh) * | 2016-10-29 | 2017-04-26 | 上海救要救信息科技有限公司 | 用于实现救援保障资源动态调配的方法及设备 |
CN110337111A (zh) * | 2019-04-17 | 2019-10-15 | 北京科技大学 | 一种无线通信网络功率分配方法 |
CN112330492A (zh) * | 2020-11-24 | 2021-02-05 | 国网河南省电力公司经济技术研究院 | 一种基于通信可靠性约束的主动配电网能源共享方法 |
CN113449950A (zh) * | 2020-03-25 | 2021-09-28 | 本田技研工业株式会社 | 能量供给系统、能量供给方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130215843A1 (en) * | 2012-02-16 | 2013-08-22 | Telefonaktiebolaget L M Ericsson (Publ) | Methods of transmitting access requests using reduced response intervals and related mobile stations and base station subsystems |
CN103582100A (zh) * | 2013-10-15 | 2014-02-12 | 西安电子科技大学 | 一种在动态能量获取下的ofdma下行系统的动态资源分配方法 |
CN103580806A (zh) * | 2013-10-31 | 2014-02-12 | 西安电子科技大学 | 一种认知网络中鲁棒性能效传输的方法 |
CN103781168A (zh) * | 2014-02-18 | 2014-05-07 | 中国科学院声学研究所 | 蜂窝网络中的功率分配方法和系统 |
-
2014
- 2014-09-19 CN CN201410480955.1A patent/CN104219749B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130215843A1 (en) * | 2012-02-16 | 2013-08-22 | Telefonaktiebolaget L M Ericsson (Publ) | Methods of transmitting access requests using reduced response intervals and related mobile stations and base station subsystems |
CN103582100A (zh) * | 2013-10-15 | 2014-02-12 | 西安电子科技大学 | 一种在动态能量获取下的ofdma下行系统的动态资源分配方法 |
CN103580806A (zh) * | 2013-10-31 | 2014-02-12 | 西安电子科技大学 | 一种认知网络中鲁棒性能效传输的方法 |
CN103781168A (zh) * | 2014-02-18 | 2014-05-07 | 中国科学院声学研究所 | 蜂窝网络中的功率分配方法和系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106162852A (zh) * | 2016-06-27 | 2016-11-23 | 嘉兴国电通新能源科技有限公司 | 一种微电网供电的多小区无线通信系统能源调度方法 |
CN106162852B (zh) * | 2016-06-27 | 2019-04-12 | 嘉兴国电通新能源科技有限公司 | 一种微电网供电的多小区无线通信系统能源调度方法 |
CN106162847A (zh) * | 2016-06-29 | 2016-11-23 | 重庆邮电大学 | 一种基于多用户多信道感知的频谱共享能量消耗优化方法 |
CN106162847B (zh) * | 2016-06-29 | 2019-09-10 | 重庆邮电大学 | 一种基于多用户多信道感知的频谱共享能量消耗优化方法 |
CN106102095A (zh) * | 2016-07-15 | 2016-11-09 | 复旦大学 | 协同多点通信系统下的双尺度动态资源优化配置方法 |
CN106102095B (zh) * | 2016-07-15 | 2020-05-12 | 复旦大学 | 协同多点通信系统下的双尺度动态资源优化配置方法 |
CN106600098A (zh) * | 2016-10-29 | 2017-04-26 | 上海救要救信息科技有限公司 | 用于实现救援保障资源动态调配的方法及设备 |
CN110337111A (zh) * | 2019-04-17 | 2019-10-15 | 北京科技大学 | 一种无线通信网络功率分配方法 |
CN110337111B (zh) * | 2019-04-17 | 2020-07-10 | 北京科技大学 | 一种无线通信网络功率分配方法 |
CN113449950A (zh) * | 2020-03-25 | 2021-09-28 | 本田技研工业株式会社 | 能量供给系统、能量供给方法 |
CN112330492A (zh) * | 2020-11-24 | 2021-02-05 | 国网河南省电力公司经济技术研究院 | 一种基于通信可靠性约束的主动配电网能源共享方法 |
CN112330492B (zh) * | 2020-11-24 | 2022-09-30 | 国网河南省电力公司经济技术研究院 | 一种基于通信可靠性约束的主动配电网能源共享方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104219749B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104219749A (zh) | 基于电网与基站协同的电网供需调节方法 | |
Sheng et al. | Energy efficiency and delay tradeoff in device-to-device communications underlaying cellular networks | |
Bu et al. | Green cognitive mobile networks with small cells for multimedia communications in the smart grid environment | |
Jiang et al. | Load shaping strategy based on energy storage and dynamic pricing in smart grid | |
Kwon et al. | Distributed resource allocation through noncooperative game approach in multi-cell OFDMA systems | |
CN104301985B (zh) | 一种移动通信中电网与认知基站间能源分配方法 | |
CN106879029B (zh) | 一种基于协作通信的高安全能量效率的信息传输方法 | |
CN103052134B (zh) | 一种可再生能源供能基站接入选择方法和系统 | |
CN102811443B (zh) | 家庭基站系统中基于频谱分配及功率控制的干扰管理方法 | |
CN104796900B (zh) | 基于拍卖理论的蜂窝网络中d2d通信资源分配方法 | |
CN103582100B (zh) | 一种在动态能量获取下的ofdma下行系统的动态资源分配方法 | |
CN102665219B (zh) | 一种基于ofdma的家庭基站系统的动态频谱分配方法 | |
Bu et al. | Energy-efficient cognitive heterogeneous networks powered by the smart grid | |
CN109618399A (zh) | 多用户移动边缘计算系统中的分布式能量管理优化方法 | |
Han et al. | Energy sharing-based energy and user joint allocation method in heterogeneous network | |
CN107124757A (zh) | 一种混合能量供电分布式天线系统的功率分配方法 | |
Tan et al. | Resource allocation of fog radio access network based on deep reinforcement learning | |
Han et al. | Hybrid energy ratio allocation algorithm in a multi-base-station collaboration system | |
CN104883727A (zh) | 蜂窝异构网络中d2d用户速率最大化的功率分配方法 | |
CN109787737A (zh) | 一种基于混合能量采集的ofdm系统下行链路多用户资源优化方法 | |
Zheng et al. | Energy provision minimization of energy-harvesting cognitive radio networks with minimal throughput demands | |
Feng et al. | Power-spectrum trading for full-duplex D2D communications in cellular networks | |
Mu et al. | Latency constrained partial offloading and subcarrier allocations in small cell networks | |
CN105611640B (zh) | 一种公平度可调的CoMP下行用户调度方法 | |
Huang et al. | Smooth scheduling for electricity distribution in the smart grid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |