CN107918812B - 多电力零售商与多蜂窝基站的能量供需方法 - Google Patents

多电力零售商与多蜂窝基站的能量供需方法 Download PDF

Info

Publication number
CN107918812B
CN107918812B CN201711235769.1A CN201711235769A CN107918812B CN 107918812 B CN107918812 B CN 107918812B CN 201711235769 A CN201711235769 A CN 201711235769A CN 107918812 B CN107918812 B CN 107918812B
Authority
CN
China
Prior art keywords
base
base station
matching
group
base group
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
Application number
CN201711235769.1A
Other languages
English (en)
Other versions
CN107918812A (zh
Inventor
李保罡
黄文婵
孔英会
赵伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201711235769.1A priority Critical patent/CN107918812B/zh
Publication of CN107918812A publication Critical patent/CN107918812A/zh
Application granted granted Critical
Publication of CN107918812B publication Critical patent/CN107918812B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0605—Supply or demand aggregation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例公开了一种多电力零售商与多蜂窝基站的能量供需方法，在电力零售商与基群买卖电能过程中，利用匹配理论进行相互匹配，通过电力零售商的售电价格与基群的业务调节导致的电量需求变化间的博弈，多个电力零售商对基群进行匹配，而且基群对多个电力零售商进行匹配，即从电力零售商和基站两侧都进行了最优的匹配，从而使得电力零售商的利润以及蜂窝基群的整体净收益达到整体最优的效果。

Description

多电力零售商与多蜂窝基站的能量供需方法
技术领域
本发明涉及电力及通信领域，尤其涉及一种多电力零售商与多蜂窝基站的能量供需方法。
背景技术
随着电力市场的不断完善，新的电力零售商的不断出现使用户不再必须从发电商购电，而是从大中小型的电力零售商处直接购电，这样不仅打破了传统的垂直购电模式，方便了用户，而且增加了电力零售商的数量，有效地制约了电力市场的卖方垄断，促进了电力市场的优化运行。在电力零售商参与的电力市场中，电能的买卖双方制定策略并且相互影响，决定其交易价格和交易能量。
针对蜂窝网络的售电过程中，如何使得电力零售商的利润以及蜂窝基群的整体净收益达到整体最优的效果，是本领域技术人员亟待解决的问题。
发明内容
为解决上述技术问题，本发明实施例提供了多电力零售商与多蜂窝基站的能量供需和业务关联方法，使得电力零售商的利润以及蜂窝基群的整体净收益(效用)达到整体最优的效果。基群优先向更偏好的零售商提出申请(即最大化其效用值)，而电力零售商也会在申请向其匹配的基群中选择最符合条件的基群，所以在整个匹配过程中基群和零售商都通过自己的行为匹配到了最合适的对象，尽可能优化了自身效用值。
为解决上述问题，本发明实施例提供了如下技术方案：
一种多电力零售商与多蜂窝基站的能量供需方法，其特征在于，所述方法包括：
多个电力零售商根据自身策略向所有基群公布电价；利用匹配理论将所有基群与多个电力零售商进行匹配。
其中，所述利用匹配理论将所有基群与多个电力零售商进行匹配，具体包括：
每个基群根据所述电价和基群自身效用函数建立对多个电力零售商的偏好列表；
每个基群根据所述偏好列表依次向电力零售商提出匹配申请；
电力零售商在收到匹配申请后，根据电力零售商效用表达式对匹配申请的基群从高到低的排序，与满足条件的基群达成匹配，拒绝未满足条件的基群，使其参加下一轮匹配；
当基群的匹配集合为空或者匹配轮次达到设定的最大限时停止匹配，得到电力零售商的电价向量以及基群的电能需求向量。
其中，在所述利用匹配理论将所有基群与多个电力零售商进行匹配之前，还包括：
每个基群内的基站根据信道状态和用户的需求，利用匹配理论将用户与基站的子信道进行匹配，将没有分配用户的基站调整为睡眠模式，得到匹配矩阵以及活跃基站的集合。
利用凸优化理论将功率分配给用户，并且根据基群内基站效用函数的大小将集合中的活跃基站从低到高排序。
其中，在每个基群根据所述偏好列表向电力零售商提出匹配申请之前，还包括：
每个基群对内部基站的开关策略进行相应的修改。
其中，所述每个基群对内部基站的开关策略进行相应的修改，具体包括：
将电力零售商的电价带入效用函数表达式后求得基群的初始效用值；
将基群内活跃基站集合中效用值最低的基站设定为休眠模式，将该基站从活跃基站集合以及所有用户的偏好列表中除去，并将与该基站匹配的用户加入用户匹配集合，与余下的活跃基站进行匹配，将资源重新合理分配后得到改变后的基群效用值UZ'；
将改变后的基群效用值UZ'与初始效用值UZ进行对比，若UZ'-UZ≥0，则表示改变后基群效用值增加，令UZ＝UZ'，继续取活跃基站集合中效用最低的基站将其调整为休眠模式，重复上一步骤；若UZ'-UZ＜0，则表示改变后基群效用值减少，确定基群在向电力零售商m提出匹配申请时的最佳基站开关策略，并以该策略向该电力零售商提出匹配申请。
与现有技术相比，上述技术方案具有以下优点：
本发明实施例所提供的方法，在电力零售商与基群买卖电能过程中，利用匹配理论进行相互匹配，多个电力零售商对基群进行匹配，而且基群对多个电力零售商进行匹配，即从电力零售商和基站两侧都进行了最优的匹配，基群优先向更偏好的零售商提出申请(即最大化其效用值)，而电力零售商也会在申请向其匹配的基群中选择最符合条件的基群，所以在整个匹配过程中基群和零售商都通过自己的行为匹配到了最合适的对象，尽可能优化了自身效用值。从而使得电力零售商的利润以及蜂窝基群的整体净收益(即整体效用)达到整体最优的效果。
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为本发明一个实施例所提供的方法的流程示意图。
具体实施方式
正如背景技术部分所述，如何使得电力零售商的利润以及蜂窝基群的整体净收益(效用)达到整体最优的效果，是本领域技术人员亟待解决的问题。
有鉴于此，如图1，本发明实施例提供了一种多电力零售商与多蜂窝基站的能量供需方法，所述方法包括：
多个电力零售商根据自身策略向所有基群公布电价，其中基群指几个邻近基站作为一个整体共同服务相关区域用户，每个基群中有多个基站，通过对每个基站的开关模式以及业务分配的调整改变基群整体耗电量，参与和电力零售商的匹配。
利用匹配理论将所有基群与多个电力零售商进行匹配。
其中，基群根据电价信息和业务需求开闭基站和分配功率以调整所需用电量，反过来，所需电量变化又影响电力零售商的最终电价。
其中，所述利用匹配理论将所有基群与多个电力零售商进行匹配，具体包括：
每个基群根据所述电价和基群自身效用函数建立对多个电力零售商的偏好列表；
每个基群根据所述偏好列表依次向电力零售商提出匹配申请；
电力零售商在收到匹配申请后，根据电力零售商效用表达式对匹配申请的基群从高到低的排序，与满足条件的基群达成匹配，拒绝未满足条件的基群，使其参加下一轮匹配。
当基群的匹配集合为空或者匹配轮次达到设定的最大限时停止匹配，得到电力零售商的电价向量以及基群的电能需求向量。
可见，本申请实施例所述的方法，在电力零售商与基群买卖电能过程中，利用匹配理论进行相互匹配，多个电力零售商对基群进行匹配，而且基群对多个电力零售商进行匹配，即从电力零售商和基站两侧都进行了最优的匹配，从而使得电力零售商的利润以及蜂窝基群的整体净收益达到整体最优的效果。
并且，在电力零售商与基群的匹配过程中，电力零售商的决策为电价，基群的决策为能耗，在买卖电能的匹配中，将两者的决策变化分离开，降低匹配算法复杂度。
本发明实施例提供了又一种多电力零售商与多蜂窝基站的能量供需方法，所述方法与上述方法的区别在于，在所述利用匹配理论将所有基群与多个电力零售商进行匹配之前，所述方法还包括：
每个基群内的基站根据信道状态和用户的需求，利用匹配理论将用户与基站的子信道进行匹配，将没有分配用户的基站或业务量较低的基站调整为睡眠模式，得到匹配矩阵以及活跃基站的集合。
利用凸优化理论将功率分配给用户，并且根据基群内基站效用函数的大小将集合中的活跃基站从低到高排序。
可见，本申请该实施例是针对基群的行为决策，采取匹配理论和凸优化算法进行资源分配，并结合基站的睡眠模式将业务转移，利用匹配理论将用户转移至次优信道对象。即在电力零售商与基群的匹配过程中，将基群中没有分配用户的基站或业务量较低的基站调整为睡眠模式，使得基群的能耗开销降低，从而达到节约电能的目的，提高效用。
而且，在电力零售商与基群的匹配过程中，基群与用户间的交互形成了一个复杂的问题模型，利用匹配理论有效地将基站与零售商的买卖电能以及基站信道与移动用户的资源分配联系起来，并得到了合理的解决。即，在电力零售商与基群的匹配过程中，不但考虑了基群与电力零售商之间的需求关系，同时还考虑了基群与用户间之间的资源分配，从而使得电力零售商的利润以及蜂窝基群的整体净收益达到整体最优的效果。
下面以单个基群为例，介绍用户和基站信道的匹配过程：
假设，在基群内共有K个基站，需要服务N个用户，可用频段为B，分为J个子载波，每个子载波带宽为W＝B/J。定义每个子信道最大可分配的用户数量为omax，每个用户仅分配一个子信道来传输信号。已知基站k用子信道j服务用户n的传输速率如下所示：
Figure BDA0001488942980000061
其中w为单个子载波带宽，
Figure BDA0001488942980000062
分别表示基站k的第j个子信道与用户n之间和基站l的第j个子信道与用户n之间的信道增益，这通常包括路径损失、阴影和天线增益。
Figure BDA0001488942980000063
分别表示第n个移动终端在基站k使用子信道j和第i个移动终端在基站l使用子信道j的传输功率，
Figure BDA0001488942980000064
表示其他噪声。
Figure BDA0001488942980000065
表示在传输过程中影响移动终端n的噪声和。
在以上情况中需要将用户合理分配至相对较优的子信道中，其优化目标可以如下表示：
Figure BDA0001488942980000066
该匹配以最大化传输速率为优化目标，
Figure BDA0001488942980000071
表示基站与用户的匹配策略，
Figure BDA0001488942980000072
为基于匹配策略
Figure BDA0001488942980000073
下的传输速率，
Figure BDA0001488942980000074
为元素
Figure BDA0001488942980000075
的矩阵，表示在该基群中基站与用户的所有匹配情况，其中
Figure BDA0001488942980000076
表示第k个基站第j个子信道与用户n的匹配情况，成功匹配为1，未匹配为0。限制条件(a)表示
Figure BDA0001488942980000077
只有0和1两个取值；(b)表示每个子信道服务用户的数量不能超过最大的服务用户数量omax；(c)表示每个用户最多只能与一个基站的子信道相连。
匹配过程中的选择偏好设定，如下所示：
用户的效用函数表达式：
Figure BDA0001488942980000078
子信道的效用函数表达式：
Figure BDA0001488942980000079
该效用函数表示为在gen匹配轮次中所有向该子信道提出申请用户与其的信道增益和，其中
Figure BDA00014889429800000710
表示用户n选择向第k个基站第j个子信道申请匹配函数，1表示申请，0表示不申请，其中gen表示匹配轮次，
Figure BDA00014889429800000711
表示基站k的第j个子信道与用户n之间的信道增益。基站为了最大化其效用函数，需要增加自身的信道的信道增益，降低其他基站同频段的干扰，因此用户更倾向于选择信道增益较好的信道传输信号。为了简化问题，将每个基站给子信道分配的传输功率一致化，设
Figure BDA00014889429800000712
着重分析由于信道情况的不同对基站子信道与用户间匹配的影响。
假设在匹配中双方都是自私而理性的个体，用户在过程中希望最大化自己的传输速率，因而作出一些有利于自身的行为决策。我们首先要做的是建立起用户和子信道的偏好列表。
对于用户UEn而言，用户会根据所有可能的信道状况在偏好列表UELISTn中进行一个从高到低的排序，排在用户n偏好列表第一位的信道是
Figure BDA0001488942980000081
在除去该子信道后对剩下信道情况进行排序，直到剩下最后一个，此时用户对信道的偏好列表建立完成。
在偏好列表建立完成后，每个用户为了满足使自己的效用函数最大化，它们会首先会对自己偏好列表中的第一位基站进行匹配申请，这里对申请函数进行设定：
Figure BDA0001488942980000082
与此同时子信道对向其申请匹配的用户生成从高到低的偏好列表，子信道对用户的效用函数表达式如下所示：
Figure BDA0001488942980000083
其中
Figure BDA0001488942980000084
表示用户n选择向第k个基站第j个子信道申请匹配函数，1表示申请，0表示不申请，其中gen表示匹配轮次，
Figure BDA0001488942980000085
表示基站k的第j个子信道与用户n之间的信道增益。根据此效用函数对用户的偏好进行一个排序，在接收到用户的匹配申请后选择效用值较大的用户完成匹配，因为每个子信道均有最大用户匹配上限omax，如若数量超过omax，则需要从其中选取最合适的omax个用户进行匹配并拒绝剩余用户来使其功能最大化。以下是第一个子匹配算法的实现过程：
步骤2101：所有用户建立自己对信道的偏好列表，并建立用户匹配集合。
步骤2102：用户向偏好列表中还未提出申请的第一位信道申请匹配。
步骤2103：子信道在收集到所有用户的匹配申请后根据自身效用函数对本轮申请匹配用户以及已经匹配成功的用户进行从高到低排序：
如果申请用户数小于或等于最大可服务用户数omax，则所有申请用户匹配成功。将成功匹配的用户从用户匹配列表中移除，该子信道进入下一轮匹配。
如果申请用户数大于最大可服务用户数omax，则子信道取偏好列表前omax个用户匹配，将其移除用户匹配集合，并拒绝余下申请匹配的用户，将其加入用户匹配集合。然后执行步骤2102。
判断用户匹配集合是否为空，若为空集，执行步骤2104。
步骤2104：结束匹配。
下面举例介绍电力零售商和基站的匹配过程：
假设，共有M个零售商向Z个基群出售电能，为了能够同时满足零售商和基群的需求，采用匹配理论让双方以合适的价格买卖电能，在以上情况中需要将电力零售商与基群合理匹配，其限制条件可以如下表示：
Figure BDA0001488942980000091
限制条件(a)表示vm,z只有0和1两个取值，分别表示未匹配和匹配；(b)表示每个电力零售商最多只能向qmax个基群售电；(c)表示每个基群最多只能购买一个电力零售商的电能。
首先说明双方的效用函数，也是偏好列表的建立依据：
电力零售商m的效用函数：
Figure BDA0001488942980000092
该函数表示为售电量与电能利润的乘积，其中q(φz)为对基群z的售电量，φz为基群z的开关策略，em,z为零售商m向基群z售电的电价，cm,z为零售商m向基群z售电的单元能量的成本。
基群z的效用函数为：
Uz＝αR(φz)-em,zq(φz)
该公式前部分αR(φZ)为基群创造的价值，其中R(φz)为基群z的总传输速率即吞吐量，α为固定正系数，表示为权重比；后半部分em,zq(φZ)为基群中所有基站的能耗开销，其中em.z为零售商m提供给基群z的单元电价，q(φz)为对基群z的售电量。
在电力零售商与基群的每轮匹配过程中，将零售商的决策变化与基群的决策变化分离开，匹配的基本步骤如下所示：
步骤2201：首先零售商向所有基群公布自己的单元电价。
步骤2202：基群根据所获得的价格信息对电力零售商建立相应的偏好列表，并建立集群匹配集合。
步骤2203：基群向偏好列表中未提出申请的第一位电力零售商申请匹配，根据该零售商的售电价格，在申请匹配前对基群内基站的开关策略进行最优调整。
步骤2204：零售商收到匹配申请后，根据效用函数对本轮申请匹配的基群以及已经匹配成功的基群进行从高到低排序，会有以下几种情况：
(i)申请的基群数小于或等于最大限额qmax，则所有申请基群匹配成功(令vm,z＝1)。将成功匹配的基群从基群匹配集合中移除，该零售商继续参与下一轮匹配。
(ii)申请的基群数大于最大限额qmax，为使获得利润增加，将单元电价提升ε，提升后价格变化为pi＝pi+ε。价格变化后若申请的基群小于qmax，则以该价格匹配成功；若大于qmax，则继续提升价格直至申请匹配数小于qmax与基群成功匹配将成功匹配的基群从基群匹配集合中移除。
当所有基群均成功匹配(基群匹配集合为空)或者到了匹配轮次的最大限度，步骤2205。
步骤2205：零售商与基群的匹配结束。
其中，从售电侧角度研究，零售商在公布电价后，根据基群的申请数量及其需求的能量可以合理调整单元电价，提高售电利润。用户在基于电价变化的情况下可以选择继续购买或者不购买该零售商的电能，这是对场景的合理设计，可以使零售商增加售电利润，并让用电用户行为合理化。
其中，基群内基站的开关策略，包括：
在蜂窝网络中，基站的能耗被分为静态能耗和动态能耗两部分。静态能耗是指在没有任何流量负载的情况下基站的功耗。而动态能耗指的是在基站上的交通负荷造成的额外的电力消耗。当移动用户终端与基站之间没有业务的传输时，基站的动态能耗为零。
为了让基站消耗的能量效率更高，在本发明中引入了基站的睡眠模式降低基群的耗能，当基站没有业务或者是业务较少时，将其状态由活跃模式转换至睡眠模式能节省下大量的能耗，具体的基站能耗表达式如下所示：
Figure BDA0001488942980000111
在该式中Pst,k表示基站的静态能耗，根据基站类型的不同设定为不同值，一般设为常数。
Figure BDA0001488942980000112
为基站的动态能耗，ζ为动态能耗的权重，
Figure BDA0001488942980000113
表示基站基站k的第j个子载波服务(不服务)用户n，用1(0)表示，
Figure BDA0001488942980000114
表示基站k的第j个子载波服务用户n时的传输功率，Psleep,k表示基站k在睡眠模式下的能耗。基站与用户的匹配参数以及分配的传输功率关系为
Figure BDA0001488942980000121
当基站的动态能耗Pdy,k＝0时，表示该基站的总的业务量为零，没有需要服务的移动终端，又因为Psleep,k＜＜Pst,k，此时将基站的运行状态调整为睡眠模式，能够节省基站的大量静态耗能，提高能量使用效率。
一个基群中共有K个基站，需服务N个移动用户，基群的效用函数表达式为：
Figure BDA0001488942980000122
该公式前部分
Figure BDA0001488942980000123
为基群创造的价值，即吞吐量；后半部分
Figure BDA0001488942980000124
为基群中所有基站的能耗开销，其中em.z为零售商m提供给基群z的电价。
在给出以上效用函数表达式后，基群在与电力零售商的匹配中，将会优先考虑电价较低的零售商，在提出匹配申请前，为了使效用值最大化，除了将没有业务的基站调整为睡眠模式，还可以将业务量较低的基站用户分配给其他活跃基站，降低基群能耗，由于基群内的K个基站均有开关两种模式，因此基群的开关策略共有2k种，基站数量越大，情况越多。在这种情况下，基群开关策略的决定采用了一种启发式算法，即将基群内所有基站的效用函数从高到低排序，依次将效用函数最低的基站调整为睡眠模式，并将之前与该基站匹配的用户重新与剩下的活跃基站匹配，对比调整前后基群效用值的变化，最终确定效用值最大的策略为基群开关基站最优决策。
可见，本申请采用基群中基站开关策略，基群通过启发式算法依次将基站调整为睡眠模式，使能耗开销降低，提高效用。
本发明实施例提供了又一种多电力零售商与多蜂窝基站的能量供需方法，所述方法与第一个实施例所述的方法的区别在于，在每个基群根据所述偏好列表向电力零售商提出匹配申请之前，所述方法还包括：
每个基群对内部基站的开关策略进行相应的修改。
其中，所述每个基群对内部基站的开关策略进行相应的修改，具体包括：
步骤3101：将电力零售商的电价带入效用函数表达式后求得基群的初始效用值；
步骤3102：将基群内活跃基站中效用值最低的基站设定为休眠模式，将该基站从活跃基站集合以及所有用户的偏好列表中除去，并将与该基站匹配的用户加入用户匹配集合，与余下的活跃基站进行匹配，执行步骤2102和步骤2103，将资源重新合理分配后得到改变后的基群效用值U'Z，执行步骤3103；
步骤3103：将改变后的基群效用值U'Z与初始效用值UZ进行对比，若U'Z-UZ≥0，则表示改变后基群效用值增加，令U'Z＝UZ，执行步骤3102；若U'Z-UZ＜0，则表示改变后基群效用值减少，确定基群在向电力零售商m提出匹配申请时的最佳基站开关策略，并以该策略向该电力零售商提出匹配申请。
可见，本申请实施例在每个基群根据所述偏好列表向电力零售商提出匹配申请之前，每个基群对内部基站的开关策略进行相应的修改。将效用值最低的基站设定为休眠模式，从而降低了基群效用值，即节约了基群的电能。
本说明书中各个部分采用递进的方式描述，每个部分重点说明的都是与其他部分的不同之处，各个部分之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种多电力零售商与多蜂窝基站的能量供需方法，其特征在于，所述方法包括：
多个电力零售商根据自身策略向所有基群公布电价；利用匹配理论将所有基群与多个电力零售商进行匹配；
其中，所述利用匹配理论将所有基群与多个电力零售商进行匹配，具体包括：
每个基群根据所述电价和基群自身效用函数建立对多个电力零售商的偏好列表；
每个基群根据所述偏好列表依次向电力零售商提出匹配申请；
电力零售商在收到匹配申请后，根据电力零售商效用表达式对匹配申请的基群从高到低的排序，与满足条件的基群达成匹配，拒绝未满足条件的基群，使其参加下一轮匹配；
当基群的匹配集合为空或者匹配轮次达到设定的最大限时停止匹配，得到电力零售商的电价向量以及基群的电能需求向量；
其中，在所述利用匹配理论将所有基群与多个电力零售商进行匹配之前，还包括：
每个基群内的基站根据信道状态和用户的需求，利用匹配理论将用户与基站的子信道进行匹配，将没有分配用户的基站调整为睡眠模式，得到匹配矩阵以及活跃基站的集合，使得基群的能耗开销降低；
利用凸优化理论将功率分配给用户，并且根据基群内基站效用函数的大小将集合中的活跃基站从低到高排序；
其中，在每个基群根据所述偏好列表向电力零售商提出匹配申请之前，还包括：
每个基群对内部基站的开关策略进行相应的修改，将效用值最低的基站设定为睡眠模式，以降低基群电能开销，具体包括：
将电力零售商的电价带入效用函数表达式后求得基群的初始效用值；
将基群内活跃基站集合中效用值最低的基站设定为睡眠模式，将睡眠模式的基站从活跃基站集合以及所有用户的偏好列表中除去，并将与睡眠模式的基站匹配的用户加入用户匹配集合，与余下的活跃基站进行匹配，将资源重新合理分配后得到改变后的基群效用值UZ'；
将改变后的基群效用值UZ'与初始效用值UZ进行对比，若UZ'-UZ≥0，则表示改变后基群效用值增加，令UZ＝UZ'，继续取活跃基站集合中效用最低的基站将其调整为睡眠模式，重复上一步骤；若UZ'-UZ＜0，则表示改变后基群效用值减少，确定基群在向电力零售商m提出匹配申请时的最佳基站开关策略，并以该策略向该电力零售商提出匹配申请；
其中，基群内基站的开关策略，包括：
在蜂窝网络中，基站的能耗被分为静态能耗和动态能耗两部分，静态能耗是指在没有任何流量负载的情况下基站的功耗，而动态能耗指的是在基站上的交通负荷造成的额外的电力消耗，当移动用户终端与基站之间没有业务的传输时，基站的动态能耗为零；
为了让基站消耗的能量效率更高，引入了基站的睡眠模式降低基群的耗能，当基站没有业务或者是业务较少时，将其状态由活跃模式转换至睡眠模式能节省下大量的能耗，具体的基站能耗表达式如下所示：
Figure FDA0002902268910000021
在该式中Pst,k表示基站的静态能耗，根据基站类型的不同设定为不同值，一般设为常数，
Figure FDA0002902268910000022
为基站的动态能耗，ζ为动态能耗的权重，
Figure FDA0002902268910000023
表示基站k的第j个子信道服务用户n，用1(0)表示，
Figure FDA0002902268910000024
表示基站k的第j个子信道服务用户n时的传输功率，Psleep,k表示基站k在睡眠模式下的能耗，基站与用户的匹配参数以及分配的传输功率关系为
Figure FDA0002902268910000031
当基站的动态能耗Pdy,k＝0时，表示该基站的总的业务量为零，没有需要服务的移动终端，又因为Psleep,k＜＜Pst,k，此时将基站的运行状态调整为睡眠模式，能够节省基站的大量静态耗能，提高能量使用效率；
一个基群中共有K个基站，需服务N个移动用户，基群的效用函数表达式为：
Figure FDA0002902268910000032
该公式前部分
Figure FDA0002902268910000033
为基群创造的价值，即吞吐量，
Figure FDA0002902268910000034
表示基站k的第j个子信道与用户n之间的信道增益，
Figure FDA0002902268910000035
表示基站l的第j个子信道与用户n之间的信道增益，
Figure FDA0002902268910000036
表示其他噪声，l为基站标号；后半部分
Figure FDA0002902268910000037
为基群中所有基站的能耗开销，其中em.z为零售商m提供给基群z的电价；
在给出以上效用函数表达式后，基群在与电力零售商的匹配中，将会优先考虑电价较低的零售商，在提出匹配申请前，为了使效用值最大化，除了将没有业务的基站调整为睡眠模式，还将业务量较低的基站用户分配给其他活跃基站，降低基群能耗，由于基群内的K个基站均有开关两种模式，因此基群的开关策略共有2k种，基站数量越大，情况越多；在这种情况下，基群开关策略的决定采用了一种启发式算法，即将基群内所有基站的效用函数从高到低排序，依次将效用函数最低的基站调整为睡眠模式，并将之前与睡眠模式的基站匹配的用户重新与剩下的活跃基站匹配，对比调整前后基群效用值的变化，最终确定效用值最大的策略为基群开关基站最优决策。
CN201711235769.1A 2017-11-30 2017-11-30 多电力零售商与多蜂窝基站的能量供需方法 Active CN107918812B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711235769.1A CN107918812B (zh) 2017-11-30 2017-11-30 多电力零售商与多蜂窝基站的能量供需方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711235769.1A CN107918812B (zh) 2017-11-30 2017-11-30 多电力零售商与多蜂窝基站的能量供需方法

Publications (2)

Publication Number Publication Date
CN107918812A CN107918812A (zh) 2018-04-17
CN107918812B true CN107918812B (zh) 2021-02-26

Family

ID=61898194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711235769.1A Active CN107918812B (zh) 2017-11-30 2017-11-30 多电力零售商与多蜂窝基站的能量供需方法

Country Status (1)

Country Link
CN (1) CN107918812B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103096335A (zh) * 2012-12-26 2013-05-08 陈宏滨 一种无线通信系统频谱效率和能量效率的优化方法
CN104602329A (zh) * 2015-01-30 2015-05-06 北京邮电大学 应用于蜂窝异构网络的基站协作休眠方法及系统
CN106454850A (zh) * 2016-10-14 2017-02-22 重庆邮电大学 蜂窝异构网络能效优化的资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103096335A (zh) * 2012-12-26 2013-05-08 陈宏滨 一种无线通信系统频谱效率和能量效率的优化方法
CN104602329A (zh) * 2015-01-30 2015-05-06 北京邮电大学 应用于蜂窝异构网络的基站协作休眠方法及系统
CN106454850A (zh) * 2016-10-14 2017-02-22 重庆邮电大学 蜂窝异构网络能效优化的资源分配方法

Also Published As

Publication number Publication date
CN107918812A (zh) 2018-04-17

Similar Documents

Publication Publication Date Title
Zhang et al. Joint computation offloading and resource allocation optimization in heterogeneous networks with mobile edge computing
Feng et al. BOOST: Base station on-off switching strategy for energy efficient massive MIMO HetNets
Huynh et al. Joint computational offloading and data-content caching in NOMA-MEC networks
CN111182495B (zh) 一种5g车联网部分计算卸载方法
CN111132191A (zh) 移动边缘计算服务器联合任务卸载、缓存及资源分配方法
CN111182570A (zh) 提高运营商效用的用户关联和边缘计算卸载方法
CN106954234B (zh) 一种超密集异构网络中的用户连接和虚拟资源分配方法
CN110493854B (zh) 一种基于优化理论的wpt-mec网络上下行资源分配与功率控制机制
CN103929819B (zh) 一种认知无线电网络从用户联合定价及资源分配方法
CN102711179B (zh) 异构无线网络环境下的多业务动态带宽分配方法
CN101662810A (zh) 一种移动通信多业务多连接的管理方法及管理系统
Jiang et al. Base station association game in multi-cell wireless networks (special paper)
CN108848535B (zh) 一种面向共享模式的雾计算环境资源分配方法
CN105682231A (zh) 认知无线电网络协作通信的功率和时间联合分配方法
Opadere et al. Energy-efficient virtual radio access networks for multi-operators cooperative cellular networks
CN103281786A (zh) 一种基于能量效率的家庭基站双层网络的资源优化方法
CN112654058A (zh) D2d多播网络中的移动边缘计算卸载与资源分配算法
CN109451542B (zh) 一种基于频谱开销的预售系统模型及分层学习方法
CN103595516B (zh) 一种资源分配方法及基站
CN107820295B (zh) 一种基于用户需求的分布式中继资源分配方法
CN107918812B (zh) 多电力零售商与多蜂窝基站的能量供需方法
Hoang et al. Dynamic spectrum allocation with second-price auctions: When time is money
CN105163392B (zh) 保证服务质量的多基站多用户比例公平调度方法
CN109219069B (zh) 基于多运营商合作的绿色回程网络的能源分配和定价方法
CN107995639B (zh) 一种基于压缩搜索空间和能量采集的能效优化双链接数据分流方法

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