CN109219069A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN109219069A
CN109219069A CN201811087766.2A CN201811087766A CN109219069A CN 109219069 A CN109219069 A CN 109219069A CN 201811087766 A CN201811087766 A CN 201811087766A CN 109219069 A CN109219069 A CN 109219069A
Authority
CN
China
Prior art keywords
operator
assembling
demand
price
renewable energy
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
Application number
CN201811087766.2A
Other languages
English (en)
Other versions
CN109219069B (zh
Inventor
李大鹏
张婷婷
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.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication 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 Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201811087766.2A priority Critical patent/CN109219069B/zh
Publication of CN109219069A publication Critical patent/CN109219069A/zh
Application granted granted Critical
Publication of CN109219069B publication Critical patent/CN109219069B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Electromagnetism (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了的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，首先建立需求运营商与组装运营商合作的蜂窝回程通信网络链路，组装运营商作为回程通信网络链路的节点，所有组装运营商之间相互合作，为需求运营商提供通信链路，节点由可再生能源供应者来供能，通过每个节点实现链路传输数据；然后采用Stackelberg领导者追随者博弈模型，得到可再生能源供应者的最优均衡存储组装运营商的价格策略的均衡的价格份额以及需求运营商的定价策略的均衡价格最后采用逆向博弈和分布式算法使得需求运营商、组装运营商和可再生能源供应者之间的利润均达到最高，从而达到一种Stackelberg均衡；本发明实现了需求运营商、组装运营商和可再生能源供应者的各自利润最大化。

Description

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
技术领域
本发明属于无线通信技术领域，尤其涉及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。
背景技术
近些年无线网络的持续增长应用程序结合移动终端的激增已经导致了无线的前所未有的数据量增长，因此需要建立更多的链路，需要更多的中继点，同时也会消耗更多的能源。主要的研究内容是在一个蜂窝回程网络中运营商相互合作的环境，单元回程网的能源分配的设计和价格体系。现有文献大多假设通信链路的节点都是自己来建造，没有考虑和其他运营商相互合作，直接使用别人的链路节点，达到传输数据的目的。但是作为中继节点，必将耗费节点自身的能量。当主要运营商选择其他运营商的链路节点进行合作来达到通信的目的时，设计合理的能源存储和定价方案即能得到理想的系统总体性能，又使得节点之间的相互协作关系稳定，提高了节点的利用率，是非常重要的问题。
经对现有技术文献的检索发现，O Semiari等人在《IEEE Transaction onWireless Communications，2017,pp(99).1-1(电气电子工程师协会无线通信领域期刊，2007年，第1页)》上发表了题为“Inter-OperatorResource Management forMillimeterWave,Multi-Hop Backhaul Networks(毫米波多跳回传网络的运营商间资源管理)”一文，该文提出在毫米波多跳回传网络中实现运营商之间的合作框架，分析了能源管理的问题并为网络运营商提供更多的利益和回程链路的激励共享机制。但是却没有解决能源存储的问题以及合作运营商之间和主要运营商之间的定价问题。
另经检索发现，Dapeng Li等人在《IEEE Journal On Selected Areas InCommunication,vol.34,no.5,May,2016.pp.1140-1155(电气电子工程师协会通信领域期刊)》上发表了题为“DecentralizedRenewable Energy Pricing andAllocationforMillimeterWave Cellular Backhaul(分布式毫米波蜂窝回程网络的能量定价与分配)”一文，该文提出使用可再生能源给能源节点供能的方案并且提出了一种基于有效的分布式算法，通过博弈论来寻找均衡的存储策略和定价方案，同时在能源的节约和降低运营商成本之间提供了合理的解释。该文针对毫米波回程网络的通信链路的节点是自己所建立的，并未考虑通过选择其他运营商本身已有的链路节点来实现合作从而形成自己的通信链路。
经检索还发现，Jie Xu等在《IEEE Transactions onVehicovar Technology》上发表的文章“Cooperative Energy Trading in CoMP Systems Powedby Smart Grids(智能电网驱动CoMP系统的合作能源交易)”。该文提出基于凸优化技术和上行链路—下行双重性技术以及基于ZF的复杂度较低的次优解决方案，开发了一种新的协作能量交易方法来解决在智能电网驱动的多点合作系统中(CoMP)的能源管理问题。与传统方法相比，该方案通过可再生能源降低了BS之间的能源成本和消耗，只考虑了合作能源的交易但未考虑节点的合作和以及运营商的价格问题。
发明内容
本发明的主要目的在于提供了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，该方法通过组装运营商相互合作从而构建需求运营商的链路来实现通信，实现了回程链路的节点合作以及保证了能源的均衡存储和所有运营商以及能源供应者的最大利润；具体技术方案如下：
一种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，所述绿色回程网络由需求运营商、组装运营商和以及所述组装运营商中的可再生能源供应者构成，所述方法包括步骤：
S1、由宏小区基站和所述宏小区的覆盖区域内解聚的小区基站组成蜂窝回程网络，并建立由组装运营商作为节点的需求运营商与组装运营商合作模式蜂窝回程网络通信网络链路；并由运营商i中的可再生能源供应者j向所述运营商所在节点i提供能量；
S2、由所述需求运营商、组装运营商和可再生能源供应者基于Stackelberg模型构成领导者和追随者模型；并由所述需求运营商决定所述组装运营商的价格策略p，所述组装运营商根据所述价格策略p决定所述可再生能源供应者的价格份额策略γ，所述可再生能源供应者根据所述价格策略p和价格份额策略γ确定自身的存储策略Sij；
S3、采用逆向博弈和分布算法计算所述组织运营商的最优价格策略p*，所述可再生能源供应者的最优均衡价格策略γ*以及所述可再生能源供应者自身的最优存储策略Sij *。
进一步的，所述方法还包括步骤：定义矢量p＝(p1,...,pN)是需求运营商决定给组装运营商的价格，矢量γ＝(γ1,...,γN)是所有的组装运营商决定的价格份额，其中矢量是组装运营商i决定给第i个运营商的第j个所述可再生能源供应者的价格份额，i＝1,...,N,j＝1,...,mi，定义为帕累托最优的数据量值，其中Sij表示第i个组装运营商的第j个可再生能源供应者的能源存储，Qi是组装运营商i的预先留存的数据量，ki是组装运营商i的为预先存储单位数据量的单位成本，组装运营商i为预先存储的数据量要付出的代价为kiQi，k0为所述需求运营商的预先存储单位数据量的单位成本，Q0是需求运营商要预先存储的数据量，需求运营商为预先存储数据量的代价为k0Q0；Lij表示组装运营商i的节点j的能源传输效率；
定义矢量为所有可再生能源供应者的能源存储，定义矢量Q＝((Qi),Q0)所有运营商的数据量，kij是第i个组装运营商的第j个可再生能源供应者的单位可再生能源的存储损失成本，cij表示第i个组装运营商的第j个可再生能源供应者的单位能源成本，pi需求运营商支付给组装运营商单位数据量的价格，γij表示第i个组装运营商给第j个可再生能源供应者的的价格份额，E[min(LijSij,D)]是数据量D的累积分布函数F，数据量D的概率密度函数为f,并且F＝1-F。
进一步的，所述步骤S3中还包括：
S31、基于第i个所述组装运营商中第j个所述可再生能源供应者的存储策略Sij确定所有所述可再生能源供应者的最优存储策略具体过程为：
由利润函数公式定义第i个所述组装运营商中第j个所述可再生能源供应者πij的利润，获取所述最优存储策略
由利润函数公式πi(S,Q,p,γ)＝-kiQi+(piγi0-ci)E[min(Qi,D)]定义第i个所述组装运营商πi的利润，获取第i个所述组装运营商的利润；其中，ci表示第i个所述组装运营商传输单位数据量的成本，pi表示对应第i所述组装运营商的所述需求运营商支付给所述组装运营商单位数据量的价格，
由利润函数公式π0(S,Q,p,γ)＝-k0Q0+(p0-c0)E[min(Q0,D)]定义所述需求运营商的利润，式中，p0表示所述需求运营商的单位数据量单位收入，c0表示所述需求运营商传输单位数据量的成本；
根据利润公式πi(S,Q,p,γ)＝-kiQi+(piγi0-ci)E[min(Qi,D)]和公式π0(S,Q,p,γ)＝-k0Q0+(p0-c0)E[min(Q0,D)]计算第i个所述组装运营商中第j个所述可再生能源供应者的能源存储第i个所述组装运营商的预先存储数据量以及对应所述需求营运商的预先存储数据量并由此得到帕累托最优均衡数据量最后得到帕累托最优存储变量
S32、获取所述需求运营商支付个第i个所述组装运营商的最优均衡价格
由公式计算所述需求运营商支付给第i个所述组装运营商的价格策略pi，并基于所述需求运营商此时对应的利润函数公式根据公式计算所述需求运营商的最优均衡价格；
根据所述组装运营商的利润函数πi(S,Q,p,γ)＝-kiQi+(piγi0-ci)E[min(Qi,D)]定义并结合公式计算得到所述组装运营商的最优均衡价格份额其中Q*(p)表示所述组装运营商预留数据量的独特的帕累托最优值。
进一步的，所有所述组装运营商中满足条件以及条件
本发明的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，由需求运营商、组装运营商以及所述组装运营商中的可再生能源供应者构成的绿色回程网络，所有组装运营商作为绿色回程网络中的节点，为了实现节点之间的数据量传输，本发明中需求运营商通过与组装运营商合作形成回程链路，并由可再生能源供应者提供回程链路的能量实现，并且建立基于Stackelberg模型的领导者追随者模型，采用逆向博弈方式和分布算法计算得到需求运营商、组装运营商和可再生能源供应者利润最大化的方法；与现有技术相比，本发明中的需求运营商通过选择其他运营商的合作，为其提供回程通信链路；分为三阶段的相互博弈过程，达到Stackelberg均衡；通过逆向博弈分析以及分布式算法，兼顾系统的利润与集中式的相差几乎微乎其微的同时，能最大限度的实现各个参与者的最大利润，最终形成稳定公平的运营商之间的协作关系。
附图说明
图1为本发明实施例中所述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的流程框图示意；
图2为本发明实施例中所述绿色回程网络的系统模型示意图；
图3为本发明实施例中所述绿色回程网络系统中参与者之间相互博弈示意图；
图4为本发明实施例中集中式与分布式的能源存储比较图示意；
图5为本发明实施例中绿色回程网络系统选择运营商合作方式获得利益与非合作方式获得利益的比较图示意。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
结合图1～图5，在本发明实施例中，提供了一种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，绿色回程网络由需求运营商、组装运营商和以及所述组装运营商中的可再生能源供应者构成，方法具体过程如下：
首先，由宏小区基站和所述宏小区的覆盖区域内解聚的小区基站组成蜂窝回程网络，并建立由组装运营商作为节点的需求运营商与组装运营商合作模式蜂窝回程网络通信网络链路，链路上的不同节点属于不同的组装运营商，其中，组装运营商为离网型节点[1,...,ui]，节点[1,...,mi]由可再生能源供应能量。mi+ui节点相互连接实现链路的数据量传输；本实施例以mi＝4，ui＝1为例进行说明，需求运营商通过其他组装运营商合作组成自己的回程链路；通信链路中，无线回传链路的频率为60GHz，带宽为200MHz，链路传输速率为100Mbit/s.对于路径损耗函数，f是载波频率，β是路径损耗指数，本实施例中取β＝2.2，A＝16dB/km,h是链路距离，这里h从80m取到260m，则对应不同的可再生能源供能的节点可获得的
然后，基于Stackelberg领导者追随者博弈模型，参与者是组装运营商，需求运营商和可再生能源供应者，在博弈中，需求运营商作为领导者首先决定要支付给组装运营商的价格策略p,组装运营商在根据所得到的价格确定给可再生能源供应者的价格份额策略γ，可再生能源供应者根据需求运营商的价格策略和组装运营商的价格份额策略决定自己的存储策略Sij。
最后，执行逆向博弈过程和分布式算法；采用逆向博弈和分布算法计算组织运营商的最优价格策略，可再生能源供应者的最优均衡价格策略可再生能源供应者自身的最优存储策略和需求运营商的最优价格，构建三者之间的Stackelberg均衡，具体包括步骤：
(1)计算可再生能源供应者的能源存储策略
先通过可再生能源供应者的存储策略来决定整个策略的均衡存储使可再生能源供应者的利润此时达到最大化。
再根据得到的帕累托最优均衡数据的计算公式帕累托最优存储变量
(2)获取组装运营商最优价格份额和需求运营商的最优加价格
首先，需求运营商决定支付给组装运营商的价格pi表示为：此时，需求运营商的利润函数为可以得到利润函数最大时值，这样可以得到需求运营商的均衡价格可通过公式和公式获取，并由此求得值为
然后，根据组装运营商的利润函数πi(S,Q,p,γ)＝-kiQi+(piγi0-ci)E[min(Qi,D)]，其中，函数πi(S,Q,p,γ)＝-kiQi+(piγi0-ci)E[min(Qi,D)]为凹函数，组装运营商i的利润函数有独特的最优解并定义是组装运营商预留数据量的独特的帕累托最优值，对于所有的i值和同时根据公式得到的均衡价格可以得到组装运营商的均衡价格份额则可求得组装运营商1的价格份额组装运营商2的均衡价格份额
最后，根据得到的需求运营商的价格和组装运营商的均衡价格份额，基于公式计算得到可再生能源供应者的均衡存储为具体的，当可再生能源传输效率为0.9，求得组装运营商1的可再生能源的存储为[57.136358.558759.717060.6980]，组装运营商2的可再生能源的存储为[61.551862.309562.992163.7617]。
根据以上的结果，需求运营商根据自己的定价策略使自己利润最大化，得出要给组装运营商i的均衡价格组装运营商i根据自己得到的均衡价格决定提供给自己的第j个可再生能源供应者的均衡的价格份额从而使彼此的利润达到最大化。同时均衡第三阶段的所有可再生能源供应者的均衡能源存储；同时，整个系统达到Stackelber均衡。.
本实施例得到的合作关系具有帕累托最优性和稳定性，即对不同运营商的不同的节点所形成的合作关系，使得每个节点都能够得到更好的协作效益。
本发明方法得到的绿色回程网络系统总收益和选择非合作模式所得到的利益如图5所示，从图中可知，通过选择组装运营商的回程链路建立的合作关系得到的系统总收益高于非合作模式。
本发明的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，由需求运营商、组装运营商以及所述组装运营商中的可再生能源供应者构成的绿色回程网络，所有组装运营商作为绿色回程网络中的节点，为了实现节点之间的数据量传输，本发明中需求运营商通过与组装运营商合作形成回程链路，并由可再生能源供应者提供回程链路的能量实现，并且建立基于Stackelberg模型的领导者追随者模型，采用逆向博弈方式和分布算法计算得到需求运营商、组装运营商和可再生能源供应者利润最大化的方法；与现有技术相比，本发明中的需求运营商通过选择其他运营商的合作，为其提供回程通信链路；分为三阶段的相互博弈过程，达到Stackelberg均衡；通过逆向博弈分析以及分布式算法，兼顾系统的利润与集中式的相差几乎微乎其微的同时，能最大限度的实现各个参与者的最大利润，最终形成稳定公平的运营商之间的协作关系。
以上仅为本发明的较佳实施例，但并不限制本发明的专利范围，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本发明专利保护范围之内。

Claims (4)

1.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，所述绿色回程网络由需求运营商、组装运营商和以及所述组装运营商中的可再生能源供应者构成，其特征在于，所述方法包括步骤：
S1、由宏小区基站和所述宏小区的覆盖区域内解聚的小区基站组成蜂窝回程网络，并建立由组装运营商作为节点的需求运营商与组装运营商合作模式蜂窝回程网络通信网络链路；并由运营商i中的可再生能源供应者j向所述运营商所在节点i提供能量；
S2、由所述需求运营商、组装运营商和可再生能源供应者基于Stackelberg模型构成领导者和追随者模型；并由所述需求运营商决定所述组装运营商的价格策略p，所述组装运营商根据所述价格策略p决定所述可再生能源供应者的价格份额策略γ，所述可再生能源供应者根据所述价格策略p和价格份额策略γ确定自身的存储策略Sij；
S3、采用逆向博弈和分布算法计算所述组织运营商的最优价格策略p*，所述可再生能源供应者的最优均衡价格策略γ*以及所述可再生能源供应者自身的最优存储策略Sij *。
2.根据权利要求1所述的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，其特征在于，所述方法还包括步骤：定义矢量p＝(p1,...,pN)是需求运营商决定给组装运营商的价格，矢量γ＝(γ1,...,γN)是所有的组装运营商决定的价格份额，其中矢量是组装运营商i决定给第i个运营商的第j个所述可再生能源供应者的价格份额，i＝1,...,N,j＝1,...,mi，定义为帕累托最优的数据量值，其中Sij表示第i个组装运营商的第j个可再生能源供应者的能源存储，Qi是组装运营商i的预先留存的数据量，ki是组装运营商i的为预先存储单位数据量的单位成本，组装运营商i为预先存储的数据量要付出的代价为kiQi，k0为所述需求运营商的预先存储单位数据量的单位成本，Q0是需求运营商要预先存储的数据量，需求运营商为预先存储数据量的代价为k0Q0；Lij表示组装运营商i的节点j的能源传输效率；
定义矢量为所有可再生能源供应者的能源存储，定义矢量Q＝((Qi),Q0)所有运营商的数据量，kij是第i个组装运营商的第j个可再生能源供应者的单位可再生能源的存储损失成本，cij表示第i个组装运营商的第j个可再生能源供应者的单位能源成本，pi需求运营商支付给组装运营商单位数据量的价格，γij表示第i个组装运营商给第j个可再生能源供应者的的价格份额，E[min(LijSij,D)]是数据量D的累积分布函数F，数据量D的概率密度函数为f,并且
3.根据权利要求1所述的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，其特征在于，所述步骤S3中还包括：
S31、基于第i个所述组装运营商中第j个所述可再生能源供应者的存储策略Sij确定所有所述可再生能源供应者的最优存储策略具体过程为：
由利润函数公式定义第i个所述组装运营商中第j个所述可再生能源供应者πij的利润，获取所述最优存储策略
由利润函数公式πi(S,Q,p,γ)＝-kiQi+(piγi0-ci)E[min(Qi,D)]定义第i个所述组装运营商πi的利润，获取第i个所述组装运营商的利润；其中，ci表示第i个所述组装运营商传输单位数据量的成本，pi表示对应第i所述组装运营商的所述需求运营商支付给所述组装运营商单位数据量的价格，
由利润函数公式π0(S,Q,p,γ)＝-k0Q0+(p0-c0)E[min(Q0,D)]定义所述需求运营商的利润，式中，p0表示所述需求运营商的单位数据量单位收入，c0表示所述需求运营商传输单位数据量的成本；
根据利润公式πi(S,Q,p,γ)＝-kiQi+(piγi0-ci)E[min(Qi,D)]和公式π0(S,Q,p,γ)＝-k0Q0+(p0-c0)E[min(Q0,D)]计算第i个所述组装运营商中第j个所述可再生能源供应者的能源存储第i个所述组装运营商的预先存储数据量以及对应所述需求营运商的预先存储数据量并由此得到帕累托最优均衡数据量最后得到帕累托最优存储变量
S32、获取所述需求运营商支付个第i个所述组装运营商的最优均衡价格
由公式计算所述需求运营商支付给第i个所述组装运营商的价格策略pi，并基于所述需求运营商此时对应的利润函数公式根据公式计算所述需求运营商的最优均衡价格；
根据所述组装运营商的利润函数πi(S,Q,p,γ)＝-kiQi+(piγi0-ci)E[min(Qi,D)]定义并结合公式计算得到所述组装运营商的最优均衡价格份额其中Q*(p)表示所述组装运营商预留数据量的独特的帕累托最优值。
4.根据权利要求3所述的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，其特征在于，所有所述组装运营商中满足条件以及条件
CN201811087766.2A 2018-09-18 2018-09-18 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 Active CN109219069B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811087766.2A CN109219069B (zh) 2018-09-18 2018-09-18 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811087766.2A CN109219069B (zh) 2018-09-18 2018-09-18 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

Publications (2)

Publication Number Publication Date
CN109219069A true CN109219069A (zh) 2019-01-15
CN109219069B CN109219069B (zh) 2021-10-26

Family

ID=64984193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811087766.2A Active CN109219069B (zh) 2018-09-18 2018-09-18 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

Country Status (1)

Country Link
CN (1) CN109219069B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381577A (zh) * 2020-11-16 2021-02-19 合肥工业大学 基于Stackelberg博弈的空调需求响应程度估计方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2067314A1 (en) * 2006-09-28 2009-06-10 TeliaSonera AB Resource allocation in wireless communications system
CN107071881A (zh) * 2016-12-08 2017-08-18 南京邮电大学 一种基于博弈论的小蜂窝网络分布式能量分配方法
CN107111597A (zh) * 2015-06-01 2017-08-29 华为技术有限公司 用于动态地控制基于需求收费的网络中的客户流量的方法和设备
CN107172606A (zh) * 2017-06-29 2017-09-15 南京邮电大学 一种可共用的绿色能源联合频谱在无线网络中的分配方法
CN107248920A (zh) * 2017-06-29 2017-10-13 南京邮电大学 一种基于主从博弈的可再生能源分配算法
US20180007568A1 (en) * 2016-07-01 2018-01-04 Forsvarets Forskningsinstitutt Channel selection in unlicensed bands using peer-to-peer communication via the backhaul network
CN108541027A (zh) * 2018-04-24 2018-09-14 南京邮电大学 一种基于边缘云网络的通信计算资源置换方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2067314A1 (en) * 2006-09-28 2009-06-10 TeliaSonera AB Resource allocation in wireless communications system
CN107111597A (zh) * 2015-06-01 2017-08-29 华为技术有限公司 用于动态地控制基于需求收费的网络中的客户流量的方法和设备
US20180007568A1 (en) * 2016-07-01 2018-01-04 Forsvarets Forskningsinstitutt Channel selection in unlicensed bands using peer-to-peer communication via the backhaul network
CN107071881A (zh) * 2016-12-08 2017-08-18 南京邮电大学 一种基于博弈论的小蜂窝网络分布式能量分配方法
CN107172606A (zh) * 2017-06-29 2017-09-15 南京邮电大学 一种可共用的绿色能源联合频谱在无线网络中的分配方法
CN107248920A (zh) * 2017-06-29 2017-10-13 南京邮电大学 一种基于主从博弈的可再生能源分配算法
CN108541027A (zh) * 2018-04-24 2018-09-14 南京邮电大学 一种基于边缘云网络的通信计算资源置换方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DAPENG LI: "Decentralized Renewable Energy Pricing and Allocation for Millimeter Wave Cellular Backhaul", 《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》 *
杨洪涛 等: "多跳回程网络和接入网络的资源分配方案研究", 《电信科学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381577A (zh) * 2020-11-16 2021-02-19 合肥工业大学 基于Stackelberg博弈的空调需求响应程度估计方法
CN112381577B (zh) * 2020-11-16 2022-09-13 合肥工业大学 基于Stackelberg博弈的空调需求响应程度估计方法

Also Published As

Publication number Publication date
CN109219069B (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
Xu et al. Peer-to-peer multienergy and communication resource trading for interconnected microgrids
Anoh et al. Energy peer-to-peer trading in virtual microgrids in smart grids: A game-theoretic approach
Xiao et al. A local energy market for electricity and hydrogen
Wang et al. Incentivizing energy trading for interconnected microgrids
Lin et al. Optimal scheduling with vehicle-to-grid regulation service
Querini et al. Cooperative energy management system for networked microgrids
CN110378729B (zh) 一种基于动态能源价格策略的综合需求响应方法
Li et al. Decentralized energy allocation for wireless networks with renewable energy powered base stations
Reyhanian et al. Game-theoretic approaches for energy cooperation in energy harvesting small cell networks
CN107086885A (zh) 一种针对混合能量供电分布式天线系统能量有效的功率分配方法
Duan et al. A day-ahead optimal operation strategy for integrated energy systems in multi-public buildings based on cooperative game
CN109672568A (zh) 一种边缘计算网络中绿色能源分配和协调定价的方法
CN115587668A (zh) 多园区综合能源系统分布式协同优化调度方法
Han et al. Optimization of distribution network and mobile network with interactive balance of flexibility and power
Zuo et al. Delay-limited computation offloading for MEC-assisted mobile blockchain networks
Motalleb et al. A game-theoretic demand response market with networked competition model
CN109219069A (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
Liwang et al. Overbooking-empowered computing resource provisioning in cloud-aided mobile edge networks
Ma et al. Relaying-assisted communications for demand response in smart grid: Cost modeling, game strategies, and algorithms
Cheng et al. Energy-aware offloading and power optimization in full-duplex mobile edge computing-enabled cellular IoT networks
CN116862144A (zh) 一种基于双重博弈的多园区低碳调度方法及系统
CN115082235B (zh) 一种虚拟能源站内部多能共享的交易方法及系统
CN113902178B (zh) 一种中继功率分配比例和能量价格的协同优化方法及系统
Leung et al. Energy Management for Renewable Microgrid Cooperation: Theory and Algorithm
CN114977271A (zh) 一种考虑社会因素的新型电力系统调度方法

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