CN106961716B - 一种能耗优先的能源代价最小化基站休眠方法 - Google Patents
一种能耗优先的能源代价最小化基站休眠方法 Download PDFInfo
- Publication number
- CN106961716B CN106961716B CN201710157931.6A CN201710157931A CN106961716B CN 106961716 B CN106961716 B CN 106961716B CN 201710157931 A CN201710157931 A CN 201710157931A CN 106961716 B CN106961716 B CN 106961716B
- Authority
- CN
- China
- Prior art keywords
- energy
- base station
- time slot
- storage device
- consumption
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
- H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于通信系统节能技术领域,尤其涉及一种能耗优先的能源代价最小化基站休眠方法,包括:建立包括电网、可再生能源和储能装置在内的可选能量源提供电能的多基站协作系统;以消耗功率最小为目标建立基站休眠机制,并建立基站功率损耗模型;按照目标函数,选取对应最小能耗的基站组作为该时隙激活基站,使冗余基站进入休眠状态;对于已选择的激活基站,优先选用低价能源为其进行能源供给,最小化基站系统能源代价。本发明采用分时电价策略,结合可再生能源和不可再生能源为基站系统混合供能,考虑电网回收剩余可再生能源机制,减少环境污染,设置相应储能装置,提升通信系统可靠性、平抑能源代价,并考虑其自放电现象。
Description
技术领域
本发明属于通信系统节能技术领域,尤其涉及一种能耗优先的能源代价最小化基站休眠方法。
背景技术
当前,移动通信已融入至社会生活的每个角落,越来越多的用户加入宽带系统,渴望在移动状态下更快的因特网接入,联网连接无线设备的数量将达到世界人口的1000倍。为满足用户日益膨胀的通信需求,运营商部署基站数量急剧增加,而其增长将带来一系列环境和经济问题,通信系统节能已经变成了迫在眉睫的问题。通信系统节能问题可从通信侧和基站侧两个方面进行考虑。统览移动通信网络,无线接入网(Radio Access Network,RAN)的花销约为整个系统的60%。由于内部器件的功能和能效问题,基站系统耗能在总能耗中占有巨大比重,其中60%—70%的能量用于驱动功率放大器(Power Amplifier,PA)。功率消耗主要集中于基站端,因而基站系统节能问题便显得异常重要。
基于移动网络动态性的应用特点,用户移动性与作息规律使得网络业务负载具有空时变化特性。通过休眠机制选择性的关闭基站可达到基站系统节能的目的。但现有技术未考虑能源价格,没有体现能源代价与通信系统间的关系;同时通信系统的搭建也具有局限性,虽研究了用户连接数的变化,但是没有考虑用户移动性的影响;并且建立的基站系统模型不具备储能装置,忽略了用户的移动特性,同时未考虑现行的分时电价政策。
发明内容
针对上述问题,本发明提出了一种能耗优先的能源代价最小化基站休眠方法,包括:
步骤1、建立包括电网、可再生能源和储能装置在内的可选能量源提供电能的多基站协作系统;
步骤2、以多基站协作系统能源消耗功率最小为目标建立基站休眠机制,并建立相应的基站功率损耗模型;
步骤3、按照目标函数,选取最小能耗作为该时隙基站系统能耗,选取对应最小能耗的基站组作为该时隙激活基站,使冗余基站进入休眠状态;
步骤4、对于已选择的激活基站,优先选用低价能源为其进行能源供给,最小化基站系统能源代价。
所述基站功率损耗模型为:
其中,PBS,t为第t个时隙基站的能量损耗,Pactive,t为第t个时隙基站激活耗能,Psleep,t代表第t个时隙基站休眠功耗,Pfix为激活状态基站的固有损耗,Ptx,t为第t个时隙基站的发射功率,η为一固定常数,代表增加单位发射功率时基站能耗的增量。
所述步骤3中的目标函数为:
P为基站系统能耗,Γ={1,…,T},Γ为将一天的时间划分为T个时隙的集合,N'为处于激活状态的基站集合,Pfix为激活状态基站的固有损耗,Ptx,t为第t个时隙基站的发射功率,计算基站系统功率损耗,η为一固定常数,代表增加单位发射功率时基站能耗的增量,Psleep代表基站休眠功耗。
所述步骤3具体包括:
步骤301,初始化:根据用户移动性特点,在每个时隙内均随机产生一次用户分布,并依据天气状况概率确定可再生能源产能速率;
步骤302,采用ZF预编码,消除多用户间干扰;
步骤303,遍历所有可能选取的基站组,逐一计算基站系统功率损耗p(b1,b2);
步骤304,按照目标函数,选取最小能耗作为该时隙基站系统能耗Pt,
Pt=minp(b1,b2),p(b1,b2)为b1,b2为激活基站时对应的系统能耗;
步骤305,选取对应最小能耗的基站组作为该时隙激活基站BS1,BS2。
(BS1,BS2)=find(p(b1,b2)==Pt)。
所述步骤4具体包括:
步骤401,根据低价能源优先原则,首先由可再生能源供能,若第t个时隙可再生能源供给电量Pr,t大于等于该时隙基站系统能耗Pt,即可再生能源可满足基站功率需求,则基站系统单纯由可再生能源进行能量供给,电网回购剩余可再生能源电量Pe,t,此时能源代价为
price2t=pb_losst(BS1,BS2)-qbackPe,t
pb_losst(BS1,BS2)为BS1,BS2作为激活基站时对应的储能装置自放电损耗代价,qback为电网回购剩余可再生能源电量的价格;
否则执行步骤402;
步骤402,比较传统能源与储能装置供能电价,选取低价能源优先供能。
ql=min(qn,t,qb),ql为选取低价能源的价格,qn,t为电网分时用电的价格,qb为储能装置的用电价格,
若qn,t=ql,即传统能源电价较低,则由传统能源为基站系统提供能量,并按照下式为储能装置充电,
Ct+1=Ct+Rb×ωt,if Ct<Cmax,qn,t<qb
Ct为第t个时隙储能装置中的电量,Rb为储能装置的充电速率,ωt为时隙宽度,Cmax为基站储能装置的最大容量;
否则,优先由储能装置进行能量供给,其能源代价为
price2t=ql|Pt-Pr,t|+pb_losst(BS1,BS2);
步骤403,考虑储能装置自放电效应,利用下式计算储能装置剩余电量,
Ct+1=(1-L)Ct-Pb,t,0≤Pb,t≤Ct,if Ct≥0,L为放电速率;
步骤404,计算一天能源代价,对各时隙能源代价进行求和
本发明的有益效果在于:本发明从能量域的角度出发,立足于基站休眠机制,合理建立功率消耗模型及通信系统模型,联系能源消耗与能源代价,实现基站系统能源代价最小化。采用分时电价策略,结合可再生能源和不可再生能源为基站系统混合供能,考虑电网回收剩余可再生能源机制,减少环境污染,促进环境友好型通信系统的形成。此外,配置基站储能装置可进一步提升通信系统可靠性、平抑能源代价,并考虑其自放电现象。
附图说明
图1为多基站协作系统模型;
图2为基站无储能装置时每时隙平均价格;
图3为基站无储能装置时不同情形下的能源代价;
图4为基站具有储能装置时隙平均价格;
图5为基站具有储能装置时不同情形下的能源代价;
图6为基站切换次数比较;
图7为考虑自放电效应时隙平均价格;
图8为考虑自放电效应不同情形下能源代价曲线。
具体实施方式
下面结合附图,对实施例作详细说明。
考虑一个采用联合处理(Joint Process,JP)方式的多基站协作系统。该系统由固定的N个基站组成,每个基站具有M根发射天线,天线发射功率为Pt,具有各自独立的新能源供给装置。基站的新能源供给装置的差异,导致各基站新能源供给速率有所区别。在基站覆盖范围内随机产生K个单天线用户,接收功率记为Pr。系统模型如图1所示。
根据基站休眠机制,使冗余基站进入休眠状态可大大降低基站系统能耗。假设该系统需要N'=2个基站处于激活状态即可满足用户需求,分别记为BS1,BS2,其余个基站进入休眠状态。那么用户k的接收信号可以表示为
其中,hk∈C1×2M为用户k的信道向量,σ2为高斯白噪声,xk∈C2M×1为用户k的预编码信号。在考虑大尺度衰落的情况下,其信道向量可表示为
xk=vksk
其中,vk是用户k的预编码矢量,sk为用户的发送信号。那么用户k的SINRk可以表示为
由于激活状态基站数N'>1,需要利用联合信道hk进行预编码,而计算预编码矢量vk首先需要对信道hk进行归一化处理,即
gk=hk/||hk||
vk=gk'*inv(gk*gk')
其中,||hk||是求矢量hk的欧几里得范数。
基站可由电网(默认为传统能源)、可再生能源(包括风能和太阳能)以及储能装置为其提供电能。随着对储能装置研究的日益深入,目前储能装置的使用寿命可达36年之久,并且在深度放电试验中,历经四年并未显示老化的任何明显迹象,因此本发明对老化现象不予考虑,仅对自放电现象作进一步研究。设置储能装置可进一步平抑基站系统能源代价,同时提高基站系统可靠性。由于新能源的产能周期约为15分钟,故将一天的时间划分为96个时隙,记为Γ={1,…,T},每个时隙宽度ωt=15min。其中,电网采用分时电价策略,其用电价格与用电时间有关,记为qn,t;电网回购剩余可再生能源价格固定为qback,且qback<qn,t,qback<qb;基站储能装置的最大容量为Cmax,电价固定为qb,充电速率为Rb,放电速率L=0.1%,电池自放电代价为cb,那么储能装置自放电损耗代价可表示为
pb_losst=CtLcb
在一天的时间内,太阳能产能速率近似服从正态分布,可表示为
风能的产能速率固定为
energy_wind(t)=λw,λw∈{0.60.3}
利用统计数据表明天气状况的概率,选取不同的参数λs,λw。利用统计数据表明一年内晴天、阴天概率{Psun Pcloud}={0.6 0.4},同时,强风和微风的概率{Pgale Pbreeze}={0.2 0.8}。
在构建通信系统模型的同时,建立相应的基站功率损耗模型,
其中,PBS,t为第t个时隙基站的能量损耗,Pactive,t为对应时隙激活基站耗能,Psleep,t代表对应时隙基站休眠功耗。Pfix为激活状态基站的固有损耗,Ptx,t为第t个时隙基站的发射功率,η为一固定常数,代表增加单位发射功率时基站能耗的增量。
基于基站休眠机制的节能算法
针对所提出的模型,本发明主要研究在保证用户服务质量(Quality of Servers,QoS)的前提下,优化能量域资源分配,最小化基站系统能源代价,并提出了基于基站休眠机制的能耗优先(Power Consumption First,PCF)算法。为了突出本发明算法的优越性,引入传统供能方式加以比较。下面针对两种方式分别进行分析,若基站系统不具有相应储能装置,则忽略相关部分即可。其中,Pr,t,Pn,t,Pb,t和Pe,t分别代表第t个时隙可再生能源供给电量、传统能源供给电量、储能装置供给电量和可再生能源剩余电量;energy_re,Rb分别为可再生能源产能速率和储能装置充电速率,Ct为第t个时隙储能装置中的电量,SINRl为用户的最低信干噪比要求。
传统供能方式
传统供能方式采用分时电价策略,单纯利用传统能源(默认为不可再生能源)为基站系统进行能量供给,忽略了能量多样性对降低基站系统能源代价的作用;随着智能电网技术日益成熟,在基站上配置太阳能电池板、风车等设施,充分利用可再生能源等低价能源,结合传统能源为基站系统进行混合供能已成为主流趋势,电网回购剩余可再生能源可进一步降低基站系统能源代价,同时在可再生能源不充足的情况下供给电量以保证系统的正常运行,提高通信可靠性。
在该情况下,基站系统能源代价最小等价于基站系统能源消耗最小,其目标函数为
其中,
Ptx,t≤Ptx-max
SINRk≥SINRl
Ct+1=Ct+Rb×ωt,if Ct<Cmax,qn,t<qb
Ct+1=(1-L)Ct-Pb,t,0≤Pb,t≤Ct,if Ct≥0
令qlow,t=min(qn,t,qb),可计算得其相应能源代价为
能耗优先算法
基站系统由可再生能源、传统能源和储能装置供给电量,以功耗最小为目标函数,进行基站休眠,其目标函数为
计算基站系统功率损耗,而该损耗由可再生能源、传统能源、储能装置三者进行供给。
同理将能量损耗及能源代价问题分解为各个时隙能量损耗及能源代价子问题,即
其中,
Pr,t≤energy_re×t
Ptx,t≤Ptx-max
SINRk≥SINRl
Ct+1=Ct+Rb×ωt,if Ct<Cmax,qn,t<qb
Ct+1=(1-L)Ct-Pb,t,0≤Pb,t≤Ct,if Ct≥0
针对上述问题,本发明提出能耗优先的能源代价最小化PCF算法。该算法可分为两个阶段:1、以基站系统能源消耗最小化为目标,选择服务基站,使冗余基站进入休眠状态;2、对于已选择的激活基站,优先选用低价能源为其进行能源供给,最小化基站系统能源代价,其具体过程如下:
阶段1:
(1)初始化:根据用户移动性特点,在每个时隙内均随机产生一次用户分布,并依据天气状况概率确定可再生能源产能速率。
(2)采用ZF预编码,消除多用户间干扰。
(3)遍历所有可能选取的基站组,逐一计算基站系统功率损耗p(b1,b2)。
(4)按照目标函数,选取最小能耗作为该时隙基站系统能耗Pt。
Pt=minp(b1,b2)
(5)选取对应最小能耗的基站组作为该时隙激活基站BS1,BS2。
(BS1,BS2)=find(p(b1,b2)==Pt)
阶段2:
(1)根据低价能源优先原则,首先由可再生能源供能,若Pr,t≥Pt,即可再生能源可满足基站功率需求,则基站系统单纯由可再生能源进行能量供给,电网回购剩余可再生能源Pe,t,此时能源代价为
price2t=pb_losst(BS1,BS2)-qbackPe,t
否则执行步骤(2)。
(2)比较传统能源与储能装置供能电价,选取低价能源优先供能。
ql=min(qn,t,qb)
若qn,t=ql,即传统能源电价较低,则由传统能源为基站系统提供能量,并按照下式为储能装置充电;
Ct+1=Ct+Rb×ωt,if Ct<Cmax,qn,t<qb
否则,优先由储能装置进行能量供给。其能源代价为
price2t=ql|Pt-Pr,t|+pb_losst(BS1,BS2)
(3)考虑储能装置自放电效应,利用下式计算储能装置剩余电量
Ct+1=(1-L)Ct-Pb,t,0≤Pb,t≤Ct,if Ct≥0。
(4)计算一天能源代价,对各时隙能源代价进行求和。
仿真结果
网络拓扑由N=5个基站组成,记为n=1,2,…,5,其中,基站1、5具有风能转换装置,基站2、4配置太阳能转换装置,而基站3既配置风能转换装置也具有太阳能转换装置,每个基站具有M=4根发射天线,单天线最大发射功率为Pt,max=25W。基站间采用联合调度的方式,可选的供给能量源包括传统能源、可再生能源及储能装置,根据不同假设选取部分或全部能量源。基站采用不同的新能源供给方式,便对应不同的可再生能源供给速率。新能源的产生周期约为15min,以此划分时隙,则每个时隙长为ωt=15min,每天有96个时隙。为符合用户移动性的特点,在每个时隙内随机产生K=8个单天线用户,那么每时隙仅需要N'=2个基站处于激活状态,其余基站进入休眠状态以降低基站系统能耗及系统能源代价。具体仿真参数如表4-1所示。
表4-1仿真参数
传统能源采用峰谷分时电价,将每天24小时划分为高峰(9:00—12:00,17:00—22:00,共8小时)、平段(8:00—9:00,12:00—17:00,22:00—23:00,共7小时)、低谷(23:00—次日8:00,共9小时)等多个时段,设置电价系数为α,则对应电价分别为1.33α/kWh、0.87α/kWh和0.51α/kWh。储能装置供能电价固定为0.6α/kWh。
首先考虑最简单的情况,基站不配备储能装置,仅由传统能源与可再生能源相结合为基站系统供给能源。图2以时隙平均价格为研究对象,将PCF算法与传统供能方式进行对比。由对比结果可知,利用PCF算法可使系统能源代价大大降低。这是由于PCF算法在最小化基站消耗的基础上,结合可再生能源与传统能源进行混合供能,并优先选用低价能源进行能量供给。在基站系统能耗相同的情况下,最大程度地降低了系统的能源代价。
为显示出本发明所提节能算法的优越性,将每时隙能源代价相加,得到基站系统一天的能源代价,并进行对比,如图3。从该图可知本发明所提的PCF算法每天可减少能源代价约为60%。
图4在上述分析的基础上,研究储能装置对于基站系统能源代价的影响。在每一个基站上配置一最大容量为2kW的储能装置,固定储能装置供能电价qb,其电价应大于传统能源的最低电价,以补偿设置储能装置及保存能源付出的代价。在储能装置电价低于当前时刻传统能源电价时,储能装置才能作为此时刻备选能量源;当传统能源为最低电价时,储能装置进行充电而不参与基站系统能源供给。由于PCF算法根据低价优先原则会优先选用可再生能源为基站系统进行能量供给,导致储能装置放电过程会存在差异,代价曲线各时隙斜率有所区别。但是从总体上而言,PCF算法可大幅降低系统能源代价,优越性显著。
图5呈现了配置储能装置后一天能源代价的对比。储能装置的设置可进一步平抑电价,提高系统可靠性。从该图可知,两种方式的能源代价均有所降低,曲线趋于平滑,利用PCF算法可每天减少约58%的能源代价,具有显著的优越性。
图6表示了PCF算法和传统供能方式配置储能装置前后,基站切换次数的对比图。对比两种方式,基站切换次数相同,这是由于PCF算法的阶段1是遍历所有可能选定的基站组,搜索系统最小能耗,并以此确定激活基站组,与传统方式计算基站系统能耗,确定激活基站组的过程相同,因此两种方式的基站切换频率没有差异。
图7在研究储能装置的作用时进一步考虑储能装置的自放电效应,从而使研究结果更加切合实际。由该图可知两种方式每时隙能源代价的变化情况。由于储能装置放电速率固定,其单位时间内损失电量多少仅仅与储能装置内剩余电量有关,当剩余电量较多时,对应自放电损耗能量也相对增加,导致价格曲线出现尖刺。但从总体上而言,利用PCF算法保证了在相同能耗下能源代价最小,从而在最大程度上降低了能源代价,改善了基站系统的性能。
图8比较了两种方式的一天能源代价。考虑储能装置自放电效应后,能源代价均有所提升,曲线间差距减少,PCF算法减少能源代价的效果有所降低,每天可节约能源代价降至50%左右。
从能量域的角度出发考虑基站系统能源代价问题对于缓解环境及经济压力至关重要。为此,本发明立足于基站休眠机制,结合能源多样性,利用传统能源与可再生能源进行混合供能,权衡能量损耗和能量代价问题,提出了PCF算法。PCF算法以最小化基站系统能耗的基础上,利用低价优先原则,优先利用价格较低的能源为基站系统进行能量供给,从最大程度上减少系统能源代价。在此基础上,本发明研究了储能装置及其自放电效应对于能源代价的影响。基站配置储能装置可进一步平抑能源代价,提高系统的可靠性。利用PCF算法在降低基站系统能源代价的同时不增加基站的切换频率,表现出了优异的性能。考虑其自放电效应从而更加切合实际的分析两种算法的性能,在该情况下,PCF算法减少能源代价的效果有所降低,但依旧可减少基站系统能源代价50%左右。
此实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种能耗优先的能源代价最小化基站休眠方法,其特征在于,包括:
步骤1、建立包括电网、可再生能源和储能装置在内的可选能量源提供电能的多基站协作系统;
步骤2、以多基站协作系统能源消耗功率最小为目标建立基站休眠机制,并建立相应的基站功率损耗模型;
步骤3、按照目标函数,选取最小能耗作为第t个时隙基站系统能耗,选取对应最小能耗的基站组作为第t个时隙激活基站,使冗余基站进入休眠状态;
步骤4、对于已选择的激活基站,优先选用低价能源为其进行能源供给,最小化基站系统能源代价;
所述步骤3具体包括:
步骤301,初始化:根据用户移动性特点,在每个时隙内均随机产生一次用户分布,并依据天气状况概率确定可再生能源产能速率;
步骤302,采用ZF预编码,消除多用户间干扰;
步骤303,遍历所有可能选取的基站组,逐一计算基站系统功率损耗p(b1,b2);
步骤304,按照目标函数,选取最小能耗作为第t个时隙基站系统能耗Pt,
Pt=min p(b1,b2),p(b1,b2)为b1,b2为激活基站时对应的系统能耗;
步骤305,选取对应最小能耗的基站组作为第t个时隙激活基站BS1,BS2;
(BS1,BS2)=find(p(b1,b2)==Pt)。
4.根据权利要求1所述方法,其特征在于,所述步骤4具体包括:
步骤401,根据低价能源优先原则,首先由可再生能源供能,若第t个时隙可再生能源供给电量Pr,t大于等于第t个时隙基站系统能耗Pt,即可再生能源可满足基站功率需求,则基站系统单纯由可再生能源进行能量供给,电网回购剩余可再生能源电量Pe,t,此时能源代价为
price2t=pb_losst(BS1,BS2)-qbackPe,t
pb_losst(BS1,BS2)为BS1,BS2作为激活基站时对应的储能装置自放电损耗代价,qback为电网回购剩余可再生能源电量的价格;
否则执行步骤402;
步骤402,比较传统能源与储能装置供能电价,选取低价能源优先供能;
ql=min(qn,t,qb),ql为选取低价能源的价格,qn,t为电网分时用电的价格,qb为储能装置的用电价格,
若qn,t=ql,即传统能源电价较低,则由传统能源为基站系统提供能量,并按照下式为储能装置充电,
Ct+1=Ct+Rb×ωt,if Ct<Cmax,qn,t<qb
Ct为第t个时隙储能装置中的电量,Rb为储能装置的充电速率,ωt为时隙宽度,Cmax为基站储能装置的最大容量;
否则,优先由储能装置进行能量供给,其能源代价为
price2t=ql|Pt-Pr,t|+pb_losst(BS1,BS2);
步骤403,考虑储能装置自放电效应,利用下式计算储能装置剩余电量,
Ct+1=(1-L)Ct-Pb,t,0≤Pb,t≤Ct,if Ct≥0,L为放电速率;
步骤404,计算一天能源代价,对各时隙能源代价进行求和
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710157931.6A CN106961716B (zh) | 2017-03-16 | 2017-03-16 | 一种能耗优先的能源代价最小化基站休眠方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710157931.6A CN106961716B (zh) | 2017-03-16 | 2017-03-16 | 一种能耗优先的能源代价最小化基站休眠方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106961716A CN106961716A (zh) | 2017-07-18 |
CN106961716B true CN106961716B (zh) | 2020-03-06 |
Family
ID=59471405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710157931.6A Active CN106961716B (zh) | 2017-03-16 | 2017-03-16 | 一种能耗优先的能源代价最小化基站休眠方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106961716B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107682055B (zh) * | 2017-10-30 | 2020-11-10 | 华北电力大学(保定) | 无线异构网络中基于能源代价的用户选择方法 |
CN110650518A (zh) * | 2018-06-27 | 2020-01-03 | 上海华为技术有限公司 | 一种基站设备的节能方法和设备 |
CN110120667A (zh) * | 2019-05-07 | 2019-08-13 | 华北电力大学(保定) | 用于降低能源代价的可再生能源与传统能源的分配方法 |
CN113408837B (zh) * | 2020-03-16 | 2023-09-26 | 图灵人工智能研究院(南京)有限公司 | 用能控制策略生成方法、系统、装置、发配能系统及介质 |
CN114501596B (zh) * | 2020-10-23 | 2024-01-12 | 中国移动通信集团河北有限公司 | 多层网络关断节能方法、装置、设备及存储介质 |
CN114679772B (zh) * | 2022-04-15 | 2023-11-24 | 天津大学 | 一种基于用户关联的5g基站自寻优休眠方法及装置 |
CN115630584B (zh) * | 2022-12-21 | 2023-05-23 | 睿至科技集团有限公司 | 一种基于人工智能的能源分析方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103297505A (zh) * | 2013-05-10 | 2013-09-11 | 华中科技大学 | 动态云服务请求下数据中心多能源的在线控制方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080040263A1 (en) * | 2006-08-10 | 2008-02-14 | V2 Green, Inc. | Business Methods in a Power Aggregation System for Distributed Electric Resources |
-
2017
- 2017-03-16 CN CN201710157931.6A patent/CN106961716B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103297505A (zh) * | 2013-05-10 | 2013-09-11 | 华中科技大学 | 动态云服务请求下数据中心多能源的在线控制方法和系统 |
Non-Patent Citations (2)
Title |
---|
Cooperative Energy Trading in CoMP Systems;Jie Xu等;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20160415;第4卷(第65期);全文 * |
基于能量收集的异构蜂窝网络基站接入与休眠控制机制研究;宋燕子;《中国优秀硕士学位论文全文数据库信息科技辑》;20170115;第I136-148页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106961716A (zh) | 2017-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106961716B (zh) | 一种能耗优先的能源代价最小化基站休眠方法 | |
Han et al. | Powering mobile networks with green energy | |
Han et al. | On optimizing green energy utilization for cellular networks with hybrid energy supplies | |
Piro et al. | Hetnets powered by renewable energy sources: Sustainable next-generation cellular networks | |
Han et al. | Optimizing cell size for energy saving in cellular networks with hybrid energy supplies | |
CN105898851B (zh) | 超密集网络中考虑能量收集的高能效功率控制方法 | |
CN109168197B (zh) | 基于异构小蜂窝网络能量采集效率最大化的功率分配方法 | |
CN110312269B (zh) | 一种基于能量-信息权衡传输的无线携能通信系统及其方法 | |
Yao et al. | Energy efficiency characterization in heterogeneous IoT system with UAV swarms based on wireless power transfer | |
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 | |
Liu et al. | Profit-driven user association and smart grid energy transfer in green cellular networks | |
CN104053162A (zh) | 可再生能源基站及其覆盖调整方法、无线蜂窝系统 | |
Han et al. | Hybrid energy ratio allocation algorithm in a multi-base-station collaboration system | |
Aktar et al. | User association for efficient utilization of green energy in cloud radio access network | |
Aktar et al. | Energy sustainable traffic aware hybrid powered off-grid cloud radio access network | |
Wang et al. | Energy management for cost minimization in green heterogeneous networks | |
Hu et al. | Green relay station assisted cell zooming scheme for cellular networks | |
Binh et al. | A reinforcement learning algorithm for resource provisioning in mobile edge computing network | |
CN107682055B (zh) | 无线异构网络中基于能源代价的用户选择方法 | |
CN108200609B (zh) | 一种适用于5g绿色通信的小区选择方法 | |
CN106817754B (zh) | 一种代价优先的能源代价最小化基站休眠方法 | |
CN114679772B (zh) | 一种基于用户关联的5g基站自寻优休眠方法及装置 | |
Yao et al. | Hybrid small cell base station deployment in heterogeneous cellular networks with wireless power transfer | |
Hossain et al. | Techno-economic investigation of optimal solar power system for LTE cellular base stations | |
Han et al. | Cost efficiency in coordinated multiple-point system based on multi-source power supply |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |