CN104822162A - 一种混合能源网络中的绿色基站分流方法及装置 - Google Patents

Abstract

本发明实施例公开了一种混合能源网络中的绿色基站分流方法及装置，该方法中针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量，并获取该绿色基站当前的剩余能量，从而确定该时隙内绿色基站分流的第一UE数量，根据该第一UE数量，对混合能源网络中的传统基站进行分流。由于在本发明实施例中根据绿色能源模型，确定了绿色基站在该时隙内采集到的绿色能量，并根据该绿色基站当前的剩余能量，从而确定该绿色基站还可以承载的负载数量，在降低能源消耗的同时，能够有效保证为用户提供的服务质量。

Description

一种混合能源网络中的绿色基站分流方法及装置

技术领域

本发明涉及无线通信技术领域，特别涉及一种混合能源网络中的绿色基站分流方法及装置。

背景技术

近年来，随着移动通信业务飞速发展，网络规模日益扩大。随着Android及iPhone等终端的兴起，iPad及Kindle等手持电子设备的盛行，用户对移动通信网络的数据业务需求与日剧增。为了满足用户的需求，越来越多的通信设备己投入使用，与此同时，无线通信行业的能源消耗也急剧上升。2010年三大电信运营商的综合耗电量超过了300亿度。能源消耗过大所引起的全球变暖及气候变化给人类的生存带来挑战，日益昂贵的能源价格使得网络运营的成本急剧上升。为了减低能源消耗，减小环境污染，降低运营商运营成本，大量国内外学者正致力于研究高效的移动通信系统节能机制。“绿色通信”已成为近年来的研究热点之一，全球较有影响力的节能减排的项目包括：英国2009年启动的Green Radio项目、欧盟2010年启动的EARTH项目、及目前规模较大的GreenTouch联盟等。

在典型的无线蜂窝网中，网络运营能耗一半以上源自于基站能耗。据统计，截止2011年全球移动基站数已超过400万，平均每个基站的年耗电量超过25MWh，预计2012年发展中国家的基站数将成倍增加。随着高速数据传输等相关通信标准的发布，基站功耗也将越来越高，据统计，每个基站的能源成本约为3200美元/年，二氧化碳的排放量约11吨/年。基站节能已成为通信领域节能减排的重要研究方向。传统基站节能可分为设备级节能、基站间协作节能以及基站供电系统的优化等方面。

随着绿色能源技术的发展，基站可以只由绿色能源供电以减少传统能耗，例如太阳能、风能，这类基站被称为绿色基站。绿色基站能够以多种方式与传统基站协作，从而大幅度降低传统能源的消耗，从根本上提升网络的节能效果。现有技术中提出了通过交接控制和覆盖优化算法指导更多用户有效地接入绿色基站，从而显著降低系统能耗；或者，或者也可以采用基于能源感知的小区自适应算法，通过该算法均衡基站间的能源消耗并让更多的用户被绿色能源基站服务；还可以通过使传统能源最小化问题公式化，来达到混合能源网络中最大化绿色能源利用率的目的；再或者将原本由传统基站服务的用户分配给绿色微基站/宏基站以达到充分利用绿色能源、最小化传统能源消耗的启发式算法来寻找可行的用户分配策略，来降低能源的消耗。

但现有技术中提到的多种方案虽然将绿色基站引入到了传统网络中，通过使用绿色能源降低了传统基站的能源消耗，但却只考虑了如何让更多用户接入到绿色基站上的问题，大量的用户接入到绿色基站后，绿色基站是否能够保证用户服务质量在现有技术中并没有考虑，如果接入的用户数量太大，绿色基站将无法保证用户服务质量，因此如何能够高效准确的利用绿色基站为传统基站分担负载，即有效降低能源消耗的前提下，又保证用户服务质量成为一个重要的研究方向。

发明内容

本发明实施例公开了一种混合能源网络中的绿色基站分流方法及装置，以在绿色基站分流时，降低能源消耗的同时，提高用户服务质量。

为达到上述目的，本发明实施例公开了一种混合能源网络中的绿色基站分流方法，所述方法包括：

针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量；

获取该绿色基站当前的剩余能量；

根据该绿色基站在该时隙内采集到的绿色能量、当前的剩余能量以及当前接入该绿色基站的UE数量，确定该时隙内该绿色基站分流的第一UE数量；

根据该第一UE数量，对所述混合能源网络中的传统基站进行分流。

进一步地，所述确定该时隙内该绿色基站分流的第一UE数量后，所述方法还包括：

根据绿色能源效率模型，及确定的所述第一UE数量，确定绿色能源效率最大值时接入该绿色基站的第二UE数量；

所述根据该第一UE数量，对所述混合能源网络中的传统基站进行分流包括：

在所述第一UE数量及第二UE数量中选择最小值，根据所述最小值，对所述混合能源网络中的传统基站进行分流。

进一步地，所述每个时隙的确定包括：

根据用户业务的类型，及每个业务的持续时间，确定每个时隙的时长。

进一步地，所述采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量包括：

判断该时隙的时长是否大于设定的时长阈值；

如果是，采用中期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量；

否则，采用短期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量。

进一步地，所述获取该绿色基站当前的剩余能量包括：

接收所述绿色基站提供的其当前的剩余能量；或，

根据绿色能源模型，确定该时隙之前该绿色基站的剩余能量。

本发明实施例公开了一种混合能源网络中的绿色基站分流装置，所述装置包括：

第一确定模块，用于针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量；

获取模块，用于获取该绿色基站当前的剩余能量；

第二确定模块，用于根据该绿色基站在该时隙内采集到的绿色能量、当前的剩余能量以及当前接入该绿色基站的UE数量，确定该时隙内该绿色基站分流的第一UE数量；

分流模块，用于根据该第一UE数量，对所述混合能源网络中的传统基站进行分流。

进一步地，所述装置还包括：

第三确定模块，用于根据绿色能源效率模型，及确定的所述第一UE数量，确定绿色能源效率最大值时接入该绿色基站的第二UE数量；

所述分流模块，还用于在所述第一UE数量及第二UE数量中选择最小值，根据所述最小值，对所述混合能源网络中的传统基站进行分流。

进一步地，所述装置还包括：

时隙确定模块，用于根据用户业务的类型，及每个业务的持续时间，确定每个时隙的时长。

进一步地，所述第一确定模块，具体用于判断该时隙的时长是否大于设定的时长阈值；如果是，采用中期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量；否则，采用短期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量。

进一步地，所述获取模块，具体用于接收所述绿色基站提供的其当前的剩余能量；或，根据绿色能源模型，确定该时隙之前该绿色基站的剩余能量。

本发明实施例公开了一种混合能源网络中的绿色基站分流方法及装置，该方法中针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量，并获取该绿色基站当前的剩余能量，从而确定该时隙内绿色基站分流的第一UE数量，根据该第一UE数量，对混合能源网络中的传统基站进行分流。由于在本发明实施例中根据绿色能源模型，确定了绿色基站在该时隙内采集到的绿色能量，并根据该绿色基站当前的剩余能量，从而确定该绿色基站还可以承载的负载数量，在降低能源消耗的同时，能够有效保证为用户提供的服务质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1为本发明实施例提供的一种混合能源网络中的绿色基站分流过程；

图2为本发明实施例一提供的一种混合能源网络中的绿色基站分流过程；

图3为建立的包含一个传统基站网络和一个绿色基站网络的混合能源网络模型示意图；

图4为本发明实施例提供的一种混合能源网络中的绿色基站的详细分流过程；

图5为本发明实施例提供的一种混合能源网络中的绿色基站分流装置结构示意图；

图6为对本发明实施例仿真分流过程中传统能耗和绿色能耗的变化趋势；

图7为对本发明实施例仿真绿色基站总能量与其分流用户数的关系；

图8为对本发明实施例仿真一个时隙内，当绿色基站的理论最大能效一定时，绿色基站的实际能效随分流用户数的增加而变化的趋势图。

具体实施方式

为在绿色基站分流时，降低能源消耗的同时，保证为用户提供的服务质量，本发明实施例提供了一种混合能源网络中的绿色基站分流方法及装置。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的一种混合能源网络中的绿色基站分流过程，该过程包括以下步骤：

S101：针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量。

本发明实施例中在每个分流时间段内的每个时隙，确定每个绿色基站可以分流的用户(UE)数量。其中分流时间段的确定属于现有技术，在本发明实施例中不对分流时间段的确定过程进行赘述。

每个分流时间段包括若干个时隙，将分流时间段划分为若干个时隙可以采用现有技术中的划分方式，也可以根据用户业务的类型，及每个业务的持续时间进行划分，即分流时间段内时隙长度的确定是依据用户业务类型得到的，应综合考虑所有用户的所有业务类型，算出一个最优的时隙长度，所有时隙长度也是一致的。根据业务类型确定时隙长度属于现有技术，在本发明实施例对该时隙长度的具体计算过程不进行限定，相信本领域技术人员根据本发明实施例的描述，可以根据业务类型确定时隙长度。

S102：获取该绿色基站当前的剩余能量。

具体的，可以是绿色基站定期上报自身当前的剩余能量，从而获取器当前的剩余能量，当然也可以采用其他方式获取绿色基站当前的剩余能量。

S103：根据该绿色基站在该时隙内采集到的绿色能量、当前的剩余能量以及当前接入该绿色基站的UE数量，确定该时隙内该绿色基站分流的第一UE数量。

在该时隙内，根据绿色基站在该时隙采集到的绿色能量，以及其当前的剩余能量，可以得知该绿色基站在该时隙内的总能量，根据每个UE消耗的能量，可以确定该时隙内可以服务的UE数量，根据当前已经接入的UE数量，即可获知该时隙内该绿色基站分流的第一UE数量。

在本发明实施例中，为了保证确定的第一UE数量的准确性，需要考虑绿色基站自身在该时隙内的消耗，该消耗与绿色基站的负载无关，包括：其制冷系统、功率放大器和信号处理等消耗，该消耗一般可以认为是随时隙长度呈线性变化的数值。绿色基站的消耗的获取属于现有技术，在本发明实施例中不对该获取过程进行赘述，认为已经得到了该数值。

S104：根据该第一UE数量，对所述混合能源网络中的传统基站进行分流。

将原接入传统基站的UE分配给该绿色基站，实现绿色基站对传统基站的分流，分流的UE的最大数量为该第一UE数量。

由于在本发明实施例中根据绿色能源模型，确定了绿色基站在该时隙内采集到的绿色能量，并根据该绿色基站当前的剩余能量，从而确定该绿色基站还可以承载的负载数量，在降低能源消耗的同时，能够有效保证为用户提供的服务质量。

当分流时间段到来时，将该分流时间段划分为若干个时隙。在本发明实施例中时隙的划分应考虑网络中所有用户业务的持续时间，由于不同类型的业务持续时间不同，若时隙过长，部分业务持续时间较短的用户将会在时隙间离开基站，从而造成本时隙资源的浪费；若时隙过短，则会出现部分业务持续时间较长的用户业务不能在本时隙结束时完成，必须拖延到下一时隙期间，造成下一时隙的资源浪费。为了避免这种情况的发生，时隙长度的确定应综合考虑该分流时间段内基站服务用户的业务类型，以及每种业务的持续时长。

根据划分后的时隙，较佳地，可以在每个时隙的时隙之初，根据上个时隙绿色基站的分流情况，对当前接入每个绿色基站的UE数量进行更新，并在时隙之初确定该时隙内每个绿色基站的分流数量。

绿色基站通过能量捕获技术可以将绿色能源(例如太阳能和风能等)转化为电能，但由于绿色能源的不稳定性，因此必须解决由此带来的在不同时刻采集到的绿色能源总量不断变化的问题。例如，由于昼夜循环，天气状况的不断变化以及季节性周期变更等原因，由太阳能驱动的绿色基站在不同时刻下能够捕获到的绿色能量差异显著。为了缓解这种捕获到的绿色能源既不稳定又不连续的问题，绿色能量预测模型应运而生，该绿色能量预测模型可以预测一定时间段内可以摄入的能量值。

本发明实施例采用的绿色能源预测模型，为2012年电子电气工程师协会第九届国际会议，移动自组织和传感器系统，75-83.Cammarano A,Petrioli C,SpenzaD.Pro-Energy的无线传感器网络中的一种新型太阳能和风能采集量预测模型(Cammarano A,Petrioli C,Spenza D.Pro-Energy:A novel energy prediction modelfor solar and wind energy-harvesting wireless sensor networks[C]//Mobile Adhoc andSensor Systems(MASS),2012IEEE 9th International Conference on.IEEE,2012:75-83)所提出的Pro-Energy能源预测模型。该绿色能源预测模型(Pro-Energy模型)包括短期能量预测模型和中期能量预测模型，分别可以对未来短期(几分钟到半小时)以及中期(一到几个小时)时间段内可摄入的绿色能量进行预测，具体算法如下：

将每天划分为N个等长的时隙，在每个时隙初完成对该时隙可采集能量的预测，当天采集到的能量全部存储在长度为N的向量C中，利用在不同类型的天气状况下采集的绿色能量值，完成对未来短期或中期时间段内的采集的能量预测。该绿色能源预测模型算法的中心思想是针对不同类型的天气状况，收集绿色基站在每个时隙内采集到的能量值，收集到的信息被保存在一个D×N的矩阵E中，代表了在D种“典型”天气类型下所能够获得的能量。

对每个时隙而言，绿色能源预测模型(Pro-Energy模型)根据该时隙之前的若干个时隙内绿色基站采集的能量，从矩阵E中确定出与当天最相似的一种天气类型E^d。天气类型E^d的确定方法，如下：

       $E^d=\underset{E^d}{\min }\stackrel{t}{\mathrm{\Σ}}\frac{1}{K}|C_i-E_i^d|---\left(1\right)$

上述公式中当前时隙为t，K表示当前分流时间段内时隙t之前的存在K个时隙；C_i表示实际情况中第i个时隙内绿色基站采集到的能量；E^d表示第E^d种天气类型中第i个时隙采集到的能量。

确定了采用的天气类型后，根据当前时隙的长度，判断该时隙的时长是否大于设定的时长阈值；如果是，采用中期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量；否则，采用短期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量。该时长阈值可以为半个小时，或一个小时，或者10分钟等等。

其中，上述预测模型中的时隙长度与分流时间段内每个时隙的长度一致，可以先根据用户业务类型，确定时隙长度，该时隙长度即为绿色能源预测模型中的时隙长度，从而完成绿色能量预测。

其中，短期能量预测模型如下：

       ${\hat{E}}_{t+1}=\mathrm{\α}\·C_t+(1-\mathrm{\α})\·E_{t+1}^d---\left(2\right)$

上述公式中当前时隙为t+1，该短期能量预测模型对t+1时隙内绿色基站可采集能量的预测是基于对当天t时隙内绿色基站实际采集到的能量C_t以及选定的天气模型E^d中的第t+1时隙内采集到的能量的联合考虑，具体计算公式如(2)式，其中，表示当天t+1时隙内预测的绿色基站可采集的能量；α为权重因子，且0≤α≤1。

中期能量预测模型如下：

       ${\hat{E}}_{t+i}={\mathrm{\γ}}_i\·C_t+(1-{\mathrm{\γ}}_i)\·E_{t+i}^d---\left(3\right)$

上述短期能量预测模型，考虑了两个连续时隙的相关性，从而提高预测的准确度，但这种方法并不适用于中期能量预测。事实上，两个时隙间隔越远，其相关性越差。由于了解时隙间的相关性可以更好的进行能量预测，为了分析这种相关性，根据在一天内太阳能和风能所采集到能量的数据，分别画出了两者的皮尔逊相关曲线，并引入了一个新的参数γ来表征观察到的最后一个时隙的能量对预测未来时隙可采集能量的影响。

       ${\mathrm{\γ}}_i=\left\{\begin{array}{ccc}\mathrm{\α}\·(1-\frac{i-1}{G}),& \mathrm{if}& i\≤G\\ 0& \mathrm{if}& i>G\end{array}\right.{\∀}_i,1\≤i\≤F---\left(4\right)$

假定当两个时隙之间的距离大于或等于G时，会表现出弱相关性。参数γ_i用来表示当前时隙与其后的第i个时隙的相关性，其定义如(4)式，其中α是在公式(2)中定义的权重因子；G表示相对于当前时隙t而言，与其相关性在给定阈值之上的未来时隙数，为已知值，即如果第i个时隙和当前时隙之间的距离大于G个时隙时，则第i个时隙和当前时隙间相关性为0；F表示该中期能量预测模型所要预测的未来时隙数。举例说明为：若F＝3，G＝2，则表明可以预测该时隙之后的第一、二、三个时隙，但前两个时隙与当前时隙之间相关性不为零，第三个时隙与当前时隙之间相关性为0。

绿色能源预测模型中维护了一个包含D种“典型”天气类型的资源池，为了适应季节的周期性变化，该资源池需要进行实时更新。在每一天结束时，依据当天采集的绿色能量值决定是否对资源池进行更新，其中，判断是否对资源池进行更新包括：

1)若资源池中的某种天气类型的存储时间超过A天，则用当前天C将其替换。采用该方法可以保证资源池中保存的每种天气类型的信息都不过时，能够反映当前季节，或最近一段时间内的天气状态下的能量采集信息。

2)若资源池中的某两种天气类型非常相似，则用当前天C替换掉两者中与C最为相似的一天。采用该更新方法可以保证资源池中每种天气类型的数据都不相同，从而可以保存更多种天气状态下的能量采集信息。

图2为本发明实施例一提供的一种混合能源网络中的绿色基站分流过程，该过程包括以下步骤：

S201：根据用户业务的类型及每个业务的持续时间，将分流时间段划分为若干个时隙。其中划分得到的每个时隙的长度相同，或不同。

S202：针对当前时隙，判断该时隙的时长是否大于设定的时长阈值，如果是，进行S203，否则，进行S204。

S203：采用中期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量，之后进行S205。

S204：采用短期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量。

S205：获取该绿色基站当前的剩余能量。

S206：根据该绿色基站在该时隙内采集到的绿色能量、当前的剩余能量以及当前接入该绿色基站的UE数量，确定该时隙内该绿色基站分流的第一UE数量。

S207：根据该第一UE数量，对所述混合能源网络中的传统基站进行分流。

在分流时间段的每个时隙的时隙之初，对该时隙内绿色基站采集到的能量进行预测，并获取该绿色基站在该时隙之初的剩余能量，如果将该时隙之初作为当前时刻，则需要获取绿色基站当前时刻的剩余能量。

绿色基站当前的剩余能量可以是根据绿色基站上报的信息获取的，也可以是采用绿色能量存储模型预测的。绿色基站通过将绿色能源转化为电能来驱动负载，由于绿色能源具有不稳定性和非连续性的特点，绿色能量的存储便尤为重要，可以认为绿色基站本身具有能量存储系统，通过能量存储系统存储能量。通常可以采用电池存储系统来模拟绿色基站内部的能量存储系统，因此绿色能量的存储和消耗就相当于电池的充放电过程。

现有技术中电气与电子工程的最新进展,2014,7(1):3-9中Li J，Wei W，Peng Y提出的一种基于马尔科夫电池存储模型的风力发电系统经济评估的随机方法(Li J,Wei W,Peng Y.A Stochastic Method for the Economic Evaluation of theWind Power System Using Markov Model of Battery[J].Recent Advances inElectrical&Electronic Engineering(Formerly Recent Patents on Electrical&Electronic Engineering),2014,7(1):3-9)中提出的马尔科夫电池存储模型来描述电池在充放电过程中的每一个能量等级的变化，并分析电池剩余能量的波动。该电池存储模型利用离散时间马尔可夫链为电池存储系统的剩余能量等级建模，其平稳分布就表征了电池存储系统能为负载提供多少能量。本发明实施例可以将该电池存储模型作为绿色能量存储模型，当然也可以选择其他的电池存储模型来作为绿色能量存储模型，在本发明实施例中对此不进行赘述，相信本领域技术人员能够根据本发明实施例的描述，确定相应的绿色能量存储模型。

若绿色基站实时产生的电能在驱动负载后有剩余，绿色基站会进入充电状态将多出的能量存储起来，存储起来的能量即为理解为绿色基站的剩余能量。由于在本发明实施例中采用电池存储系统来模拟绿色基站内部的能量存储系统，电池的特性主要由它的电荷状态(SOC)来表征，即绿色基站的剩余能量，采用电荷状态表征电池特性属于现有技术，在本发明实施例中对该过程不进行赘述。SOC用来反映电池的剩余容量，其数值上定义为剩余容量占电池容量的比值。

马尔科夫电池存储模型可以对电池的SOC进行有效建模，其每一个状态都代表了能量存储系统的一个剩余能量等级，如下公式(5)所示：

       $S_{\mathrm{soc}}\left(t^{\′}\right)={\mathrm{sat}}_{[a,b]}(S_{\mathrm{soc}}(t^{\′}-1)+\frac{\mathrm{\ΔT}}{C_b{V}_b}\·P_B\left(t^{\′}\right))---\left(5\right)$

sat_[a,b](x)is a saturation function satisfying：

       ${\mathrm{sat}}_{[a,b]}\left(x\right)=\left\{\begin{array}{cc}x,& a<x<b\\ a,& x\&le;a\\ b,& x\&GreaterEqual;b\end{array}\right.$

当前时隙为t′，S_soc(t′)表示电池在时刻t′的荷电状态；V_b表示电池两端的电压；C_b表示电池的容量；P_B(t′)表示电池在t时刻的功率传输值，ΔT为该时隙的时长。

由于绿色基站采集到的能量也需要存储，所以在绿色基站内部存在绿色能量存储系统，在这里只是用马尔科夫电池存储模型来为绿色基站内部的存储系统建模，所以可以当作在绿色基站内部也存在一个电池存储系统。绿色基站内部的电池存储系统就同样具有荷电状态参数，可以用来计算剩余绿色能量值。Vb、Cb、Pb即分别对应绿色基站内部电池的相应参数。

在时刻t′，电池内部的供电平衡可以用公式(6)式来描述：

(S_soc(t′)-S_soc(t′-1))·C_bV_b＝P_B(t′)·ΔT   (6)

其中S_soc(t′)表示电池在时刻t′的电荷状态；V_b表示电池两端的电压；C_b表示电池的容量；P_B(t′)表示电池在t时刻的功率传输值。若P_B(t′)>0，电池处于充电状态；若P_B(t′)<0，电池处于放电状态。

根据SOC的定义可得下式，其中Q_C(t′)表示电池在时刻t′的剩余容量；Q_I表示电流/放电时所具有的容量。

Q_C(t′)＝S_soc(t′)·Q_I  (7)

根据上述描述可知，在绿色基站内部存在用于能量存储的电池装置，电池是有容量的，上式中的容量Q_I即为绿色基站内部电池的容量。

由电池容量与电池可供能量之间的关系可得，绿色基站在时刻t′的剩余能量为：

S(t′)＝Q_C(t′)·V_b   (8)

绿色基站的第一UE数量，也可以成为绿色基站的最大分流因子代表了一个绿色基站能够在该时隙内，在原有接入UE的基础上再接入UE数量的最大值。对于不同的绿色基站和不同的时隙而言，该值都是不同的。

另外，在本发明实施例中为了保证确定的第一UE数量的准确性，在确定该第一UE数量时，还可以考虑绿色基站的耗能。其中绿色基站的耗能主要包括：绿色基站在一个时隙内无用户时的自身消耗P_c，以及绿色基站对已接入的UE在该时隙内服务的能量消耗。所以，t时隙内第m个绿色基站的最大分流因子的计算方法如下：

       $N_{T_{\max }^{\&prime;}}^{m,t}=\frac{S_m\left(t^{\&prime;}\right)+\widehat{E_t^m}-(P_c+P_U\&CenterDot;U_m\left(t\right)}{P_U}---\left(9\right)$

其中S_m(t′)表示第m个绿色基站在t时隙初的剩余能量，t′为t时隙初所处的时刻；表示第m个绿色基站在t时隙内可采集能量的预测值，P_U表示接入一个用户需要消耗的功率，U_m(t)为在t时隙初已经接入该绿色基站的UE数量，计算的第一UE数量的候选值。经过上述计算，的值可能不是一个整数，但分流数量必须为整数，所以将绿色基站的最大分流因子定义如下：

      

由于在本发明实施例中根据绿色能源模型，确定了绿色基站在该时隙内采集到的绿色能量，并根据该绿色基站当前的剩余能量，从而确定该绿色基站还可以承载的负载数量，在降低能源消耗的同时，能够有效保证为用户提供的服务质量。

图3为建立的包含一个传统基站网络和一个绿色基站网络的混合能源网络模型示意图。B_T1代表传统基站，B_G1代表绿色基站，表示混合能源网络的覆盖范围等同于单个传统基站的覆盖范围，表示一个绿色基站的覆盖范围。网络中存在六个UE，最初都是接入B_T1，由B_T1提供服务的。其中U₅和U₆处于B_G1的覆盖范围内，所以U₅和U₆既可以接入B_T1，也可以接入B_G1。若B_G1在该时隙内的分流因子大于等于2，此时便可将U₅和U₆由B_T1分流到B_G1下。在绿色基站分流因子的范围内，将原本被传统基站服务的UE接入到绿色基站下，即实现了绿色基站对传统基站的分流。

上述实施方式中第m个绿色基站在时隙t内的最大分流因子是指其理论上该绿色基站可以分流的最大UE数量，对于混合能源网络中不同的绿色基站而言，该值都是不同的。因此，的值表征了绿色基站的分流能力。当时，说明在该时隙内该绿色基站可采集到的绿色能量大于其自身消耗，绿色基站可以为传统基站分流，从而减小传统能源的使用率，达到节能的目的；当时，说明绿色基站可采集到的绿色能量与其自身消耗相等；当时，说明绿色基站可采集到的绿色能量不能满足其自身消耗，绿色基站必须将自身已接入的部分UE分出，以保证剩余UE的服务质量可以得到满足。随着的增加，更多UE可以接入到绿色基站，传统基站便被绿色基站分流。为了保证用户的服务质量，在实际的分流过程中，每个绿色基站最终接入的UE数量N_P不能大于最大分流因子。

绿色基站的第二UE数量，也可以成为其最佳分流因子是指该绿色基站可以分流的最佳用户数，是以最大化绿色能源效率为目标的。对于网络中的任何一个绿色基站而言，实际分流的UE数量N_P越接近该绿色基站的绿色能源效率越高。当时，绿色能源效率达到最大。

因此，在本发明实施例中为了进一步保证接入绿色基站的UE的服务质量，在确定绿色基站在混合能源网络中的分流时，还包括：

根据绿色能源效率模型，及确定的所述第一UE数量，确定绿色能源效率最大值时接入该绿色基站的第二UE数量；

所述根据该第一UE数量，对所述混合能源网络中的传统基站进行分流包括：

在所述第一UE数量及第二UE数量中选择最小值，根据所述最小值，对所述混合能源网络中的传统基站进行分流。

绿色基站的分流因子N_T是指网络中的绿色基站理论上可以为传统基站分流的UE数量。N_T的值不得大于和之中的任何一个。

为了得到本发明实施例对包含M个绿色基站的混合能源网络在T时间段内的绿色能源效率进行定义。参照现有技术全球通信大会，2012年电子电子工程师协会，2012:3189-3194中He G，Zhang S，Chen Y，et al提出的异构无线网络下的能源效率与部署效率的权衡策略(He G,Zhang S,Chen Y,et al.Energy efficiency and deployment efficiency tradeoff for heterogeneous wirelessnetworks[C]//Global Communications Conference(GLOBECOM),2012IEEE.IEEE,2012:3189-3194)和2014年电子电器工程师协会无线通信会议，21(2):10-17中Zhang X，Zhang Y，Yu R，et al提出的基于用户社会形态的高级LTE异构网络下的频谱能源效率增强策略(Zhang X,Zhang Y,Yu R,et al.Enhancingspectral-energy efficiency forLTE-advanced heterogeneous networks:a users socialpattern perspective[J].Wireless Communications,IEEE,2014,21(2):10-17)中对能量效率的建模方法以及2014年电子电气工程师协会，计算、管理和电信国际会议,2014:122-127中Li X，Zhang X，Wang W提出的基于实际流量数据的异构网络高效节能小区规划策略(Li X,Zhang X,Wang W.An energy-efficient cellplanning strategy for heterogeneous network based on realistic trafficdata[C]//Computing,Management and Telecommunications(ComManTel),2014International Conference on.IEEE,2014:122-127)和2014年电子电器工程师协会，通信研讨国际会议，2010:1-5中Chen Y，Zhang S，Xu S提出的表征绿色能效与部署能效关系的绿色网络架构设计(Chen Y,Zhang S,Xu S.Characterizing energyefficiency and deployment efficiency relations for green architecturedesign[C]//Communications Workshops(ICC),2010IEEE International Conferenceon.IEEE,2010:1-5)中对基站功耗的定义方式，以第m个绿色基站为例，其在第t个时隙内的绿色能源效率可以表示为如下形式：

       ${\mathrm{\&eta;}}_{\mathrm{GEE}}^{m,t}=\frac{R_{m,t}}{P_{m,t}}=\frac{\underset{i=1}{\overset{U_{m,t}}{\mathrm{\&Sigma;}}}{R}_i^{m,t}}{\underset{i=1}{\overset{U_{m,t}}{\mathrm{\&Sigma;}}}{p}^{m,t}+P_c}=\frac{\underset{i=1}{\overset{U_{m,t}}{\mathrm{\&Sigma;}}}\left({W\log }_2(1+{\mathrm{SINR}}_i^{m,t})\right)}{U_{m,t}\&CenterDot;p^{m,t}+P_c}---\left(1\right)$

上式中，R_m,t表示第m个绿色基站在t时隙内的网络容量；P_m,t表示第m个绿色基站在t时隙内消耗的总功率，包括基站发射功率和基站静态功率两部分；U_m,t表示第m个绿色基站在t时隙内服务的UE数量；表示在t时隙内第m个绿色基站下的第i个UE所占用的网络容量，可以用香农公式展开；p^m,t表示第m个绿色基站在t时隙内对每个用户的发射功率，该功率在一个时隙内为定值，在不同的时隙内，基站发射功率不同。绿色基站在每个时隙内的发射功率与其自身能量有关，绿色基站的能量被划分为多个能级，每个能级都有其最佳发射功率，能级越高，发射功率越大，覆盖范围也越大。P_c表示绿色基站在一个时隙内的静态功率，是绿色基站总功率的主要部分，与绿色基站的负载无关，包括制冷系统、功率放大器和信号处理等；W表示绿色基站为每个用户分配的带宽，始终为定值。表示在t时隙内，第m个绿色基站下的第i个用户的信噪比，由于网络中绿色基站的分布较为稀疏，在此只考虑同处一个绿色基站网络内的用户间干扰以及传统基站干扰，实际情况下各个用户的信噪比可通过测量得到。

第m个绿色基站在一段时间T(包含t个时隙)内的绿色能源效率如公式(12)所示：

       ${\mathrm{\&eta;}}_{\mathrm{GEE}}^{m,T}=\underset{t=\mathrm{1,2}...t}{\mathrm{\&Sigma;}}{\mathrm{\&eta;}}_{\mathrm{GEE}}^{m,t}---\left(12\right)$

综上，混合能源网络在T时间段内总的绿色能源效率如公式(13)所示：

       ${\mathrm{\&eta;}}_{\mathrm{GEE}}^T=\underset{m=\mathrm{1,2}...M}{\mathrm{\&Sigma;}}{\mathrm{\&eta;}}_{\mathrm{GEE}}^{m,T}=\underset{m=\mathrm{1,2}...M}{\mathrm{\&Sigma;}}\underset{t=\mathrm{1,2}...t}{\mathrm{\&Sigma;}}\frac{\underset{i=1}{\overset{U_{m,t}}{\mathrm{\&Sigma;}}}\left({W\log }_2(1+{\mathrm{SINR}}_i^{m,t})\right)}{U_{m,t}\&CenterDot;p^{m,t}+P_c}---\left(13\right)$

由公式(13)可以看出，混合能源网络的绿色能源效率与网络中每个绿色基站服务的用户数以及在每个时隙内的发射功率有关。

绿色能源虽然无穷无尽，但也不能肆意浪费。当绿色基站实际接入的用户数达到基站最大分流因子时，此时的绿色能源效率并不一定最大。本文制定的绿色基站分流模型是在保证绿色基站用户基本服务质量的前提下，以最大化绿色能源效率为目标的。具体的目标函数及其约束条件可以表述为：

       $\underset{m,t}{\max }({\mathrm{\&eta;}}_{\mathrm{GEE}}^T=\underset{m=\mathrm{1,2}...M}{\mathrm{\&Sigma;}}\underset{t=\mathrm{1,2}...t}{\mathrm{\&Sigma;}}\frac{\underset{i=1}{\overset{U_{m,t}}{\mathrm{\&Sigma;}}}\left({W\log }_2(1+{\mathrm{SINR}}^{m,t})\right)}{U_{m,t}\&CenterDot;p^{m,t}+P_c})$

s.t.

R_h≥β·R_t(0<β<1)          (14)

上式中的目标函数为混合能源网络在T时间段内绿色能效最大，约束条件为混合能源网络的容量不小于传统网络容量的β倍，β的具体值视网络需求而定。R_h表示混合能源网络容量，R_t代表传统网络容量，β为比例因子。上述分流目标的实现建立在混合网络中每个绿色基站在每个时隙内的绿色能效最大的基础上的，所以对于第m个绿色基站在t时隙内的目标函数及约束条件如下：

       $\underset{m,t}{\max }({\mathrm{\&eta;}}_{\mathrm{GEE}}^{m,t}=\frac{\underset{i=1}{\overset{U_{m,t}}{\mathrm{\&Sigma;}}}\left({W\log }_2(1+{\mathrm{SINR}}^{m,t})\right)}{U_{m,t}\&CenterDot;p^{m,t}+P_c})$

s.t

       $R^{m,t}\&GreaterEqual;\mathrm{\&beta;}\&CenterDot;U_{m,t}{R}^{B_T}(0<\mathrm{\&beta;}<1)---\left(15\right)$

R^m,t表示第m个绿色基站在t时隙内的网络容量；表示绿色基站下的用户被传统基站服务时所分配的容量。网络中任何一个绿色基站在任一时隙内都必须以上式为目标进行分流策略的设计。

绿色基站对传统基站分流的用户数量，也称为分流因子，由和共同决定。保证了绿色能源的可靠调度，则是通过最大化绿色能效得到的。以第m个绿色基站为例，对公式(14)采用搜索式算法，将U_m,t依次取区间内的整数值代入，使得结果最大的U_m,t即为第m个绿色基站在t时隙内服务的最佳用户总数则第m个绿色基站在t时隙内的最佳分流因子为：

       $N_{T_{\mathrm{best}}}^{m,t}=N_{T_{\text{best}}^{\&prime;}}^{m,t}-U_m\left(t\right)---\left(16\right)$

第m个绿色基站在t时隙内的分流因子为：

       $N_T^{m,t}=\min (N_{T_{\max }}^{m,t},N_{T_{\mathrm{best}}}^{m,t})---\left(17\right)$

图4为本发明实施例提供的一种混合能源网络中的绿色基站的详细分流过程，该过程包括以下步骤：

S401：针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量。

S402：获取该绿色基站当前的剩余能量。

S403：根据该绿色基站在该时隙内采集到的绿色能量、当前的剩余能量以及当前接入该绿色基站的UE数量，确定该时隙内该绿色基站分流的第一UE数量。

S404：根据绿色能源效率模型，及确定的所述第一UE数量，确定绿色能源效率最大值时接入该绿色基站的第二UE数量。

S405：在所述第一UE数量及第二UE数量中选择最小值，根据所述最小值，对所述混合能源网络中的传统基站进行分流。

由于在本发明实施例中根据绿色基站在该时隙内能量，确定该时隙内绿色基站对传统基站分流的第一UE数量，并根据绿色基站能效最大时的第二UE数量，确定混合能源网络中每个绿色基站对传统基站的分流数量，从而可以在有效保证接入绿色基站的用户的服务质量，并有效的提高绿色基站的能效。

图5为本发明实施例提供的一种混合能源网络中的绿色基站分流装置结构示意图，所述装置包括：

第一确定模块51，用于针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量；

获取模块52，用于获取该绿色基站当前的剩余能量；

第二确定模块53，用于根据该绿色基站在该时隙内采集到的绿色能量、当前的剩余能量以及当前接入该绿色基站的UE数量，确定该时隙内该绿色基站分流的第一UE数量；

分流模块54，用于根据该第一UE数量，对所述混合能源网络中的传统基站进行分流。

所述装置还包括：

第三确定模块55，用于根据绿色能源效率模型，及确定的所述第一UE数量，确定绿色能源效率最大值时接入该绿色基站的第二UE数量；

所述分流模块54，还用于在所述第一UE数量及第二UE数量中选择最小值，根据所述最小值，对所述混合能源网络中的传统基站进行分流。

所述装置还包括：

时隙确定模块56，用于根据用户业务的类型，及每个业务的持续时间，确定每个时隙的时长。

所述第一确定模块51，具体用于判断该时隙的时长是否大于设定的时长阈值；如果是，采用中期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量；否则，采用短期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量。

所述获取模块52，具体用于接收所述绿色基站提供的其当前的剩余能量；或，根据绿色能源模型，确定该时隙之前该绿色基站的剩余能量。

采用仿真的方式对本发明实施例进行验证，仿真的目标区域包含一个传统基站和四个均匀分布但位置固定的绿色基站，网络中均匀分布100名用户，每一时隙初，所有用户会重新均匀分布一次，这100名用户初始都是被传统基站服务的。

仿真所做出的假定包括：1)混合能源网络中的用户可以接入某一基站的条件是该基站可以为其分配满足其需要的固定功率的子载波，而与两者之间的距离无关。所以绿色基站在每一时隙对每个用户的发射功率为一个定值。2)由于网络中绿色基站的分布较为稀疏，相邻绿色基站小区用户间的干扰无需考虑。在同一绿色基站网络内采用正交频分复用技术，使得同一小区内各用户间无干扰，传统基站的干扰也暂不考虑。所以各个时隙内的信噪比为定值。主要的仿真参数设置如下表所示。

      

参数	取值	参数	取值
				W	10MHZ	PC	0.0876w
PU	0.5w	SINR	-134dB

利用MATLAB仿真工具进行仿真，图6为对本发明实施例仿真分流过程中传统能耗和绿色能耗的变化趋势，横轴为仿真的时间以时隙数来表示，纵轴为能耗值，单位为焦耳。从图6中可以看出，在前八个时隙，分流后网络中绿色能耗随着仿真时间不断增加，分流后网络中传统能耗随着仿真时间不断减少，分流后网络中绿色能耗的增加量与传统能耗的减少量相等。第八个时隙之后，由于网络中所有用户已被绿色基站服务，所以传统能耗为零，绿色能耗为网络中所有用户的能耗和。

图7为对本发明实施例仿真绿色基站总能量与其分流用户数的关系。横轴为仿真的时间以时隙数来表示，纵轴为分流用户数及绿色基站总能量，绿色基站总能量的单位为焦耳。从图7中可以看出，在前八个时隙绿色基站实际分流用户数的变化趋势与绿色基站总能量的变化趋势基本一致，当绿色能源总能量升高时，绿色基站实际分流用户数也随之增加，反之亦然。这是因为当绿色能源总能量升高时，由绿色基站最大分流因子的计算公式以及绿色能效的定义可知绿色基站理论上可以分流的最大用户数和绿色基站最佳分流因子都将变大，从而导致绿色基站分流因子变大。所以绿色基站实际分流的用户数也会增加。第八个时隙后，由于用户已被分完，所以分流用户数为零，不再随着总能量而变化。

图8为对本发明实施例仿真一个时隙内，当绿色基站的理论最大能效一定时，用图8中纵轴最高点对应的直线表示，绿色基站的实际能效随分流用户数的增加而变化的趋势图。横轴为用户数，纵轴为能效，单位为bps/w。假设理论最大能效下对应的最佳分流用户数为88，从图8中可以看出，当实际分流用户数小于88时，实际绿色能效随着用户数的增加而不断增大，当分流用户数等于88时，实际绿色能效与理论绿色能效相等。

本发明实施例公开了一种混合能源网络中的绿色基站分流方法及装置，该方法中针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量，并获取该绿色基站当前的剩余能量，从而确定该时隙内绿色基站分流的第一UE数量，根据该第一UE数量，对混合能源网络中的传统基站进行分流。由于在本发明实施例中根据绿色能源模型，确定了绿色基站在该时隙内采集到的绿色能量，并根据该绿色基站当前的剩余能量，从而确定该绿色基站还可以承载的负载数量，在降低能源消耗的同时，能够有效保证为用户提供的服务质量。

对于系统/装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种混合能源网络中的绿色基站分流方法，其特征在于，所述方法包括：

针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量；

获取该绿色基站当前的剩余能量；

根据该绿色基站在该时隙内采集到的绿色能量、当前的剩余能量以及当前接入该绿色基站的UE数量，确定该时隙内该绿色基站分流的第一UE数量；

根据该第一UE数量，对所述混合能源网络中的传统基站进行分流。

2.如权利要求1所述的方法，其特征在于，所述确定该时隙内该绿色基站分流的第一UE数量后，所述方法还包括：

根据绿色能源效率模型，及确定的所述第一UE数量，确定绿色能源效率最大值时接入该绿色基站的第二UE数量；

所述根据该第一UE数量，对所述混合能源网络中的传统基站进行分流包括：

在所述第一UE数量及第二UE数量中选择最小值，根据所述最小值，对所述混合能源网络中的传统基站进行分流。

3.如权利要求1或2所述的方法，其特征在于，所述每个时隙的确定包括：

根据用户业务的类型，及每个业务的持续时间，确定每个时隙的时长。

4.如权利要求3所述的方法，其特征在于，所述采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量包括：

判断该时隙的时长是否大于设定的时长阈值；

如果是，采用中期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量；

否则，采用短期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量。

5.如权利要求1所述的方法，其特征在于，所述获取该绿色基站当前的剩余能量包括：

接收所述绿色基站提供的其当前的剩余能量；或，

根据绿色能源模型，确定该时隙之前该绿色基站的剩余能量。

6.一种混合能源网络中的绿色基站分流装置，其特征在于，所述装置包括：

第一确定模块，用于针对每个绿色基站，在分流时间段内的每个时隙，采用绿色能源预测模型，预测该绿色基站在该时隙内采集到的绿色能量；

获取模块，用于获取该绿色基站当前的剩余能量；

第二确定模块，用于根据该绿色基站在该时隙内采集到的绿色能量、当前的剩余能量以及当前接入该绿色基站的UE数量，确定该时隙内该绿色基站分流的第一UE数量；

分流模块，用于根据该第一UE数量，对所述混合能源网络中的传统基站进行分流。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

第三确定模块，用于根据绿色能源效率模型，及确定的所述第一UE数量，确定绿色能源效率最大值时接入该绿色基站的第二UE数量；

所述分流模块，还用于在所述第一UE数量及第二UE数量中选择最小值，根据所述最小值，对所述混合能源网络中的传统基站进行分流。

8.如权利要求6或7所述的装置，其特征在于，所述装置还包括：

时隙确定模块，用于根据用户业务的类型，及每个业务的持续时间，确定每个时隙的时长。

9.如权利要求3所述的装置，其特征在于，所述第一确定模块，具体用于判断该时隙的时长是否大于设定的时长阈值；如果是，采用中期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量；否则，采用短期能量预测模型，预测该绿色基站在该时隙内采集到的绿色能量。

10.如权利要求6所述的装置，其特征在于，所述获取模块，具体用于接收所述绿色基站提供的其当前的剩余能量；或，根据绿色能源模型，确定该时隙之前该绿色基站的剩余能量。