CN110198031A - 电动汽车充电站与5g通信基站协同规划方法 - Google Patents
电动汽车充电站与5g通信基站协同规划方法 Download PDFInfo
- Publication number
- CN110198031A CN110198031A CN201910478055.6A CN201910478055A CN110198031A CN 110198031 A CN110198031 A CN 110198031A CN 201910478055 A CN201910478055 A CN 201910478055A CN 110198031 A CN110198031 A CN 110198031A
- Authority
- CN
- China
- Prior art keywords
- base station
- electric vehicle
- communication
- node
- small base
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000010276 construction Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000013178 mathematical model Methods 0.000 claims abstract description 13
- 230000010354 integration Effects 0.000 claims description 58
- 230000005540 biological transmission Effects 0.000 claims description 18
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 238000013144 data compression Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 12
- 238000005265 energy consumption Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 11
- 230000006855 networking Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种电动汽车充电站与5G通信基站协同规划方法，包括以下步骤：获取电动汽车充电站、多类5G基站的建设参数和运行参数，以及配电网馈线参数和规划时间参数；根据各参数建立全社会成本最小化目标函数；根据电动汽车的交通流量数据分别计算电动汽车充电站的充电功率，以及电动汽车充电站、道路行驶电动汽车和各类5G基站的通信需求量；建立电动汽车充电站、配网以及5G基站的约束条件；得到协同优化规划数学模型，求解得到电动汽车充电站和各类5G基站的规划结果。该方法能够缓解随着电动汽车充电站等覆盖终端数量增多、分布广而导致的通信基站数量及能耗急剧增加的问题，提高全社会的经济效益。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种电动汽车充电站与5G通信基站协同规划方法。
背景技术
近年来，交通拥堵和交通安全等问题受到了广泛关注，智能交通的快速发展对车联网的安全及服务提出了更高的要求，在车联网内用户可完成车辆与车辆间的通信、车辆与基础设施(如通信基站、无线接入点等)间的通信，从而实现信息的传输与共享，同时也导致车联网面临着通讯需求的爆发式增长，无线频谱资源无法满足现有应用需求。并且现有无线网络存在部署不均匀、车辆在高速移动过程中通信质量稳定性差、车辆在行驶过程中会移出无线网络的覆盖范围等问题。EV(Electric Vehicle，电动汽车)充电站参与市场调频等V2G(Vehicle to Grid，车辆到电网)服务，需要通过通信系统获取充电站停靠EV与道路行驶的计划充电EV的实时信息，并传送EV数据到DSO(Distribution System Operators，配网运行商)，便于配网控制中心制定合理有效的电动汽车充电策略，在满足EV用户充电需求的同时减小充电费用支出，缓解负荷高峰电网供电压力。同时，配网中心需要根据配网实时运行状态，发送电价、调度指令等信息给EV充电站，以获取相应辅助服务。
现阶段，由于在通信基站规划过程中未考虑车联网通信与EV充电站通信问题，出现了较多的通信弱覆盖区域和覆盖空洞，包括部分道路、EV充电站等覆盖盲区。规划建设与部署新型通信基站是满足数字化、智能化车联网与EV充电站通信需求，实现“信息随心至，万物触手及”的数字社会的必然选择。在体积大、高耗电、产品单一的宏蜂窝基站建设运行成本高，新建宏基站造成与现有宏基站重叠覆盖过大或者无适宜的宏基站建站条件的情况下，可考虑规划高集成、高性能、低功耗、低成本、小型化、安装使用更灵活、便利的小基站提供高质量通信服务。更高频谱、更高带宽，更密集组网将成为新的趋势，小基站大发展的时代已经到来：2015年华为提出了“使小基站成为5G网络基石”的计划，目前爱立信、华为等厂家陆续发布了5G小基站产品和方案；预计到2020年，全球部署5G小基站将达到900万个。作为4G之后的新一代移动通信技术，5G通信性能在各方面均明显优于4G，传输速率提升10～100倍，峰值传输速率达到20Gb/s，端到端时延达到毫秒级，连接设备密度增加10～100倍，流量密度提升100倍，频谱效率提升3～5倍，能够在500km/h的速度下满足用户对更高速率和带宽的通信需求。
在配电网中，EV充电站集成了快速充电设备和分散式充电桩，通过10kV接入配电网，其接入不但需要新建供电线路，在有些重负荷区域还产生较大线路损耗。在通信网络方面，5G网络虽然可以满足无缝覆盖、高容量、低时延、高可靠的通信需求，但在小基站超密集组网场景下，会消耗大量电能，带来更多的配网电能损失，甚至可能引起同电压等级的上级进线过载，影响配网安全稳定运行。如何有效减小电能消耗与电能损失，成为5G小基站超密集组网规划部署需要重点解决的问题。目前的通信基站规划方法仅仅以能效、通信成本等单一因素为优化目标，缺乏对于配电无线网络规划的多方位因素的衡量，所得到的通信网络规划方案对于配电网络的适用程度较低；而配网EV充电站规划仅考虑EV用户充电需求与充电站充电负荷对配网节点电压或馈线功率影响，往往忽略通信基站耗能对配网冲击与通信网络覆盖范围问题。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种电动汽车充电站与5G通信基站协同规划方法，以缓解随着电动汽车充电站等覆盖终端数量增多、分布广而导致的通信基站数量及能耗急剧增加的问题，提高全社会的经济效益。
本发明提出的一种电动汽车充电站与5G通信基站协同规划方法，包括以下步骤：获取电动汽车充电站、多类5G基站的建设参数和运行参数，以及配电网馈线参数和规划时间参数，其中，所述多类5G基站包括回程集成节点、小基站和机器类型集成器；根据所述建设参数、所述运行参数、所述配电网馈线参数和所述规划时间参数建立全社会成本最小化目标函数；基于空间引力模型生成电动汽车的交通流量数据；根据所述交通流量数据分别计算电动汽车充电站的充电功率，以及电动汽车充电站、道路行驶电动汽车和各类5G基站的通信需求量；建立电动汽车充电站和配网的约束条件，以及对5G基站的规划区域进行微网格化划分，并基于划分结果建立5G基站的约束条件；基于所述全社会成本最小化目标函数、所述充电功率、各通信需求量和各约束条件建立协同优化规划数学模型，并对所述协同优化规划数学模型进行求解，得到电动汽车充电站和各类5G基站的规划结果。
本发明实施例的电动汽车充电站与5G通信基站协同规划方法，兼顾EV充电站运营商、5G通信基站运营商、电网企业三方利益，得到的电动汽车充电站和各类5G基站的规划结果，能够实现配电无线通信网终端的高覆盖率和网络低能耗之间的均衡，在提升网络覆盖率的同时尽可能减少新建的通信基站数量，进而有效缓解随着电动汽车充电站等覆盖终端数量增多、分布广而导致的通信基站数量及能耗急剧增加的问题，提高了全社会的经济效益。
具体地，所述全社会成本最小化目标函数通过下式表示：
其中，min F为所述全社会成本最小化目标函数，fcon为电动汽车充电站及5G基站的建设成本，fop为总运行成本，fpl为配网总网络损耗成本，为电动汽车充电站内的设备投资成本，为电动汽车充电站的占用土地成本，uk、ub、us和um分别为第k个电动汽车充电站、第b个回程集成节点、第s个小基站和第m个机器类型集成器建设情况的二进制变量，zk为第k个电动汽车充电站的容量，为回程集成节点的投资成本，为小基站的投资成本，为机器类型集成器的投资成本，和分别为电动汽车充电站、回程集成节点、小基站和机器类型集成器的有功潮流，和分别为电动汽车充电站、回程集成节点、小基站和机器类型集成器的年运行成本，Ty为运行年数，δpl为电动汽车充电引起的网络损耗占配电网总网络损耗的百分比，cE为配网年电能损失成本，Ui,t、Uj,t分别为节点i、j在时间t的节点电压，θij,t和Gij分别为支路ij在时间t两端电压相角差和电导，ΩLD、ΩK、ΩB、ΩS、ΩM和ΩT分别为配电网馈线、候选电动汽车充电站、候选回程集成节点、候选小基站、候选机器类型集成器和规划时间的集合。
具体地，所述电动汽车充电站和配网的约束条件包括：
各电动汽车充电站容量约束条件：其中，zmax、zmin分别为电动汽车充电站容量上下限；
各配网节点所能安装的充电站类型的约束条件：
配电网多时段潮流等式约束条件：
以及
其中， 分别为配网中节点i在时间t的有功注入功率、无功注入功率、负荷有功需求、负荷无功需求，Bij为支路ij的电纳，Ωi TP、Ωi B、Ωi S、Ωi M分别为位于节点i的候选电动汽车充电站集合、候选回程集成节点集合、候选小基站集合、候选机器类型集成器集合；
变压器容量约束条件：其中，为位于节点i的变压器的视在功率；
配网支路潮流方程：
以及
支路ij传输功率约束条件：其中，Pij,t、Qij,t、分别为配网中支路ij在时间t的有功功率、无功功率、额定传输功率，为位于节点i的变压器的视在功率；
节点电压幅值约束条件：其中，分别为节点i的电压幅值上下限，ΩND为配网节点集合。
具体地，所述交通流量数据通过下式表示：
TFt rs＝2Wt rWt s/3drs，
其中，TFt rs为在时间t连接起始节点r与终点节点s的道路rs交通流量，drs为起始点与终点间的最短路径，Wt r、Wt s分别为交通节点r、s在时间t的权重。
具体地，通过如下公式计算电动汽车充电站的充电功率：
其中，为在时间t、配网节点i、电动汽车充电站k的每辆电动汽车的充电功率，为位于配网节点i的电动汽车充电站k在时间t捕获的交通流量，λi,k,t，为位于配网节点i的电动汽车充电站k在时间t捕获的充电站中电动汽车的比率。
具体地，停靠在电动汽车充电站的电动汽车的通信需求量通过下式表示：
其中，为停靠在位于配网节点i的电动汽车充电站k在时间t的电动汽车通信需求量，为在时间t停靠在电动汽车充电站的每辆电动汽车通信流量；
在道路行驶的电动汽车的通信需求量通过下式表示：
其中，为在t时间道路rs行驶的电动汽车的通信需求量，为在时间t由起始节点r到终点节点s的每辆电动汽车的通信流量；分别为行驶在道路rs的所有车辆中电动汽车的比率与电动汽车中有充电需求的电动汽车比率；
小基站s在时间t的通信需求量rs,t通过下式表示：
其中，为普通移动用户在时间t的通信需求，Ss为小基站s覆盖的通信子区域，Area(Ss)为子区域Ss的面积，为普通移动用户平均密度，ΩSA为通信子区域的集合；
机器类型集成器m在时间t的通信需求量rm,t通过下式表示：
其中，Sm为机器类型集成器覆盖的通信子区域。
具体地，所述5G基站的约束条件包括：
回程集成节点b对子区域a覆盖情况的约束条件：其中，uba为子区域a被回程集成节点b覆盖情况的二进制变量；
小基站s对子区域a覆盖情况的约束条件：其中，usa为子区域a被小基站s覆盖情况的二进制变量；
回程集成节点b与小基站s之间的连接情况的约束条件：其中，ubs为回程集成节点b与小基站s之间的连接情况的二进制变量；
小基站p与小基站s之间的连接情况的约束条件：其中，ups为小基站p与小基站s之间的连接情况的二进制变量；
对于子区域a，回程集成节点b为小基站s提供下行数据路由情况的约束条件：其中，为针对子区域a的回程集成节点b是否为小基站s提供下行数据路由的二进制变量；
对于子区域a，基站p为小基站s提供下行数据路由情况的约束条件：其中，为针对子区域a的小基站p是否为小基站s提供下行数据路由的二进制变量；
回程集成节点b与机器类型集成器m之间的连接情况的约束条件：其中，ubm为回程集成节点b是否为机器类型集成器m提供回程的二进制变量；
子区域a只能被回程集成节点或小基站覆盖：
回程集成节点b的回程容量的约束条件：其中，Nb为回程集成节点b能够提供的最大回程链路数；
小基站s被决策构建，需配置回程集成节点b或者小基站p为小基站s提供回程链路：
子区域a被小基站s的通信范围覆盖，需配置回程集成节点b为该小基站s提供下行链路数据路由：
子区域a内的普通移动用户或者电动汽车通过子区域a内的小基站s进行通信时，小基站s作为中继为其他小基站p提供数据路由：
保证小基站s的数据被其他小基站p中继传输时的延迟在规定范围内的约束条件；其中，N为通信数据在小基站之间路由时最大的多跳中继数；
回程集成节点或小基站提供回程服务时，回程集成节点或小基站通信容量设置约束条件：其中，rs,t为小基站s在时间t接收到的通信覆盖范围内道路行驶电动汽车与普通移动用户总的通信需求量，rm,t为机器类型集成器m在时间t接收到的通信覆盖范围内充电站停靠电动汽车的通信需求量，Cps和Cbs分别为小基站p与回程集成节点b为小基站s提供的最大回程容量，Cms为机器类型集成器m为电动汽车e提供的最大回程容量，pro1为设定的第一中断概率门限值；
每辆电动汽车通信范围至多被一个机器类型集成器覆盖：其中，ume为电动汽车e的通信范围是否被机器类型集成器m覆盖的二进制变量，ΩEV为电动汽车的集合；
电动汽车的通信距离约束条件：其中，dme和Dmt分别为机器类型集成器m到电动汽车e的距离和机器类型集成器m的最大通信覆盖范围；
机器类型集成器被决策构建，需配置回程集成节点为该机器类型集成器提供回程链路：
机器类型集成器的回程容量满足覆盖范围内所有电动汽车的通信需求的约束条件为：其中，δt为在时间t的数据压缩率，0＜δt≤1。
进一步地，所述5G基站的约束条件还包括：
各子区域通信质量约束条件：或者，其中，γba、γsa分别为子区域a中心接收到的来自回程集成节点b和小基站s的信噪比，γt为信噪比门限值，pro为设定的第二中断概率门限值，dba、dsa、Dbt、Dst分别为回程集成节点b、小基站s到各自覆盖子区域a中心的距离和各自的最大通信覆盖范围。
其中，对所述5G基站的规划区域进行100*100米微网格化划分。
其中，利用非线性求解器Knitro对所述协同优化规划数学模型进行求解。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是本发明实施例的电动汽车充电站与5G通信基站协同规划方法的流程图；
图2是本发明一个示例的EV充电站与5G基站协同规划通信网络架构的示意图；
图3是本发明一个具体示例的电动汽车充电站与5G通信基站协同规划方法的流程图；
图4中(a)是采用本发明方法得到的EV充电站的规划结果图，(b)是采用单独规划方法得到的EV充电站的规划结果图；
图5中(a)是采用本发明方法得到的5G基站的规划结果图，(b)是采用单独规划方法得到的5G基站的规划结果图。
具体实施方式
就现阶段技术而言，缺少一种配电网EV充电站与新一代5G通信基站协同规划方法。针对这一问题，本发明在综合考虑EV充电站运营商、5G通信基站运营商、电网企业三方利益的基础上，提出了一种电动汽车充电站与5G通信基站协同规划方法。
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的电动汽车充电站与5G通信基站协同规划方法。
图1是本发明实施例的电动汽车充电站与5G通信基站协同规划方法的流程图。如图1所示，该方法包括以下步骤：
S1，获取电动汽车充电站、多类5G基站的建设参数和运行参数，以及配电网馈线参数和规划时间参数，其中，多类5G基站包括回程集成节点、小基站和机器类型集成器。
具体地，SBS(Small Base Station，小基站)一般指的是低功率的无线接入节点，覆盖范围10～200m，主要包括微基站、皮基站和飞基站等类型。由于无线信号在传播时射束发散，信号能量会快速衰减，该衰减与传播距离相关，传播距离越远衰减越大，所以对于动辄覆盖1公里的传统宏基站，其总功耗主要来源于功放等传输功耗。与宏蜂窝基站相比，小基站发射功率低(比宏基站低10倍左右)，覆盖范围小，传输功耗大幅降低，且多分布于数据流量集中区域，因此，小基站具有更低的每bit能耗，耗电量大幅降低，有利于运营商实现网络节能减排。未来5G时代，小基站将大量引入，有助于提升5G网络总体能效；同时，小基站由于体积较小，部署速度大幅提升，目前已经实现单人抱杆安装，在网络大规模部署争分夺秒时期具有较大的优势。因此在5G时代，小基站在网络部署中正发挥着重要作用，除了弥补超高频段损耗大、覆盖较差的劣势，还可以完善网络中的覆盖盲区，提供大带宽数据业务服务。但由于5G时代流量暴增，小基站越来越密集，网络整体能耗上升不可避免，所以需要有效的通信基站规划方法实现5G小基站最优部署，降低基站投资成本与网络整体能耗。
本发明采用的智能配电网异构通信网络架构如图2所示，参照图2，配电子站层具有通信汇集和监控功能，负责所辖区域内包括EV充电站等配电终端的数据采集和处理，并向配电终端转发电网电价信息、调频等辅助服务的控制指令。本发明规划的5G基站类型包括：BAN(Backhaul Aggregate Node,回程集成节点)、SBS、MA(Machine Aggregator,机器类型集成器)，接入网层主要是由BAN、SBS和MA这三种类型基站组成的分层网络，为配电终端提供接入服务。BAN为主网络与SBS之间连接的媒介，为SBS提供BL(Backhaul Link，回程链路)，为保证通信可靠性，BAN通过骨干光纤传输至配电子站层；同时，SBS也可为相邻的或者距离较近的SBS提供回程链路。业务终端主要包括智能配电网中与通信相关的各类HTC(Human-Type Communication,用户类型通信，如普通移动用户)终端、MTC(Machine-TypeCommunication，机器类型通信，如电动汽车)终端，规划时根据终端通信类型、分布位置与通信需求等因素将业务终端信息配置不同种类5G基站进行数据传输。
5G基站的布置需要满足MTC与HTC需求，EV充电站中停靠的EV与充电站控制中心之间、停靠的EV之间(Machine to Machine,M2M)通信方式属于MTC，所以MA一般部署于EV充电站附近，既满足充电站站内通信，又可以将站内EV实时数据通过BAN提供的回程链路传输给DSO，便于配网调度中心根据配网运行情况及EV可调度容量制定EV充放电调度方案，满足调频等辅助服务需求；充电站控制中心与道路行驶电动汽车，普通移动用户之间的信息交互属于HTC，通常SBS用于HTC类型通信。
5G频谱包括6GHz以下低频段和6～100GHz高频段，其中低频段是5G的核心频段，用于实现网络的无缝覆盖；高频段作为辅助频段，在热点区域实现高速率数据传输。5G全频谱接入采用低频和高频混合组网，充分挖掘了低频和高频的优势，得以同时满足无缝覆盖、高速率、大容量等通信需求。本发明中，对于HTC、接入链路和回程链路在正交毫米波(mmW)波段工作；相比较于HTC，MTC需要实现长距离覆盖，对数据速率要求不高，所以MTC在低于6GHz频段通信。
S2，根据建设参数、运行参数、配电网馈线参数和规划时间参数建立全社会成本最小化目标函数。
在该实施例中，全社会成本最小化目标函数通过下式(1)表示：
其中，min F为全社会成本最小化目标函数，fcon为电动汽车充电站及5G基站的建设成本，fop为总运行成本，fpl为配网总网络损耗成本，为电动汽车充电站内的设备(如配电变压器、及充电机等设备)投资成本，为电动汽车充电站的占用土地成本，uk、ub、us和um分别为第k个电动汽车充电站、第b个回程集成节点、第s个小基站和第m个机器类型集成器建设情况的二进制变量，即相应充电站或基站投建时取值为1，反之为0；zk为第k个电动汽车充电站的容量，为回程集成节点的投资成本，为小基站的投资成本，为机器类型集成器的投资成本；和分别为电动汽车充电站、回程集成节点、小基站和机器类型集成器的有功潮流，这里EV充电站与各类5G基站运行成本分别与各自有功潮流成正比；和分别为电动汽车充电站、回程集成节点、小基站和机器类型集成器的年运行成本，Ty为运行年数；由电动汽车充电引起的网络损耗为配电网总网络损耗的一部分，δpl为电动汽车充电引起的网络损耗占配电网总网络损耗的百分比，cE为配网年电能损失成本，Ui,t、Uj,t分别为节点i、j在时间t的节点电压，θij,t和Gij分别为支路ij在时间t两端电压相角差和电导，ΩLD、ΩK、ΩB、ΩS、ΩM和ΩT分别为配电网馈线、候选电动汽车充电站、候选回程集成节点、候选小基站、候选机器类型集成器和规划时间的集合。
具体地，EV充电站与5G基站在进行选址定容时不仅应考虑运各营商的效益，还应考虑其社会服务作用。本发明在综合考虑EV充电站运营商、5G基站运营商、电网企业电力负荷均匀性、配电网结构与容量、电动汽车用户充电便利性的基础上，提出了一种全社会成本最小化的电动汽车充电站及多种类型5G基站选址定容联合优化规划方法，其数学模型的目标函数如上式(1)所示，包括了EV充电站及5G基站的建设成本fcon，总运行成本fop，及配网总网络损耗成本fpl。
需要说明的是，由于本发明涉及的5G基站占地面积一般较小，尤其是部分小型基站，可以依附于大多数的社会资源，比如楼顶小抱杆、监控杆、路灯杆，都可以作为小基站的承载体，所以这里只考虑各类基站设备投资成本，包括上述的和、忽略各类基站占地成本。
S3，基于空间引力模型生成电动汽车的交通流量数据。
在该实施例中，交通流量数据可通过下式表示：
TFt rs＝2Wt rWt s/3drs (2)
其中，TFt rs为在时间t连接起始节点r与终点节点s的道路rs交通流量，drs为起始点与终点间的最短路径，Wt r、Wt s分别为交通节点r、s在时间t的权重。
具体地，本发明采用交通系统中常用的空间引力模型(gravity spatialinteraction model)生成交通流量数据，以模拟现实交通系统车流量动态变化情况。如上式(2)所示，为了节省时间与行驶成本，drs可由EV用户通过与充电站之间的通信或者导航系统确定，drs可由Floyd算法计算得到。
S4，根据交通流量数据分别计算电动汽车充电站的充电功率，以及电动汽车充电站、道路行驶电动汽车和各类5G基站的通信需求量。
在该实施例中，可通过如下公式(3)计算电动汽车充电站的充电功率：
其中，为在时间t、配网节点i、电动汽车充电站k的每辆电动汽车的充电功率，为位于配网节点i的电动汽车充电站k在时间t捕获的交通流量，λi,k,t，为位于配网节点i的电动汽车充电站k在时间t捕获的充电站中电动汽车的比率。
由此，将EV充电站充电功率带入上式(1)进行优化计算，最终可得到各EV充电站的最优设计容量。
在该实施例中，停靠在电动汽车充电站的电动汽车的通信需求量通过下式表示：
其中，为停靠在位于配网节点i的电动汽车充电站k在时间t的电动汽车通信需求量，为在时间t停靠在电动汽车充电站的每辆电动汽车通信流量。
具体地，位于配网节点i的EV充电站k，其通信需求与充电站捕获的交通量成正比关系，具体通信内容包括到达时间、离开时间、充电需求、电池SOC(State of Charge，荷电状态)等信息；如果充电站运营商参与调频、需求响应等市场服务，采集的EV信息需要由通信范围覆盖此充电站的MA将信息通过回程网络传递给配网控制中心，便于DSO制定相应调度策略。在道路中行驶的EV，也需要与充电站进行实时信息交互，包括车辆的位置、速度、承载情况、充电需求及周边路况等信息，随后通过5G无线通信网络完成对采集数据的传输工作，充电站控制中心通过信息处理平台完成对数据的处理，并向EV反馈充电站位置，距离，获取充电服务所需充电等待时间等信息，使EV用户做出最优的路径与充电站选择。
在道路行驶的电动汽车的通信需求量通过下式(5)表示：
其中，为在t时间道路rs行驶的电动汽车的通信需求量，为在时间t由起始节点r到终点节点s的每辆电动汽车的通信流量；分别为行驶在道路rs的所有车辆中电动汽车的比率与电动汽车中有充电需求的电动汽车比率。
在该实施例中，可认为只有具有充电需求的电动汽车才有必要与EV充电站进行通信，因此，小基站s在时间t的通信需求量rs,t通过下式表示：
其中，为普通移动用户在时间t的通信需求，表示5G移动通信网络提供的语音呼叫业务服务；Ss为小基站s覆盖的通信子区域，Area(Ss)为子区域Ss的面积，为普通移动用户平均密度，ΩSA为通信子区域的集合。
机器类型集成器m在时间t的通信需求量rm,t通过下式表示：
其中，Sm为机器类型集成器覆盖的通信子区域。
S5，建立电动汽车充电站和配网的约束条件，以及对5G基站的规划区域进行微网格化划分，并基于划分结果建立5G基站的约束条件。
其中，可对规划区域进行100*100米微网格化划分。
在该实施例中，EV充电站与5G通信基站规划需要考虑电力负荷均匀性、配电网结构与容量约束等，电动汽车充电站和配网的约束条件具体包括：
各电动汽车充电站容量约束条件：
其中，zmax、zmin分别为电动汽车充电站容量上下限；
各配网节点所能安装的充电站类型的约束条件：
配电网多时段潮流等式约束条件：
其中，分别为配网中节点i在时间t的有功注入功率、无功注入功率、负荷有功需求、负荷无功需求，Bij为支路ij的电纳，Ωi TP、Ωi B、Ωi S、Ωi M分别为位于节点i的候选电动汽车充电站集合、候选回程集成节点集合、候选小基站集合、候选机器类型集成器集合；
变压器容量约束条件：
其中，为位于节点i的变压器的视在功率；
配网支路潮流方程：
支路ij传输功率约束条件：
其中，Pij,t、Qij,t、分别为配网中支路ij在时间t的有功功率、无功功率、额定传输功率；
节点电压幅值约束条件：
其中，分别为节点i的电压幅值上下限，ΩND为配网节点集合。
需要说明的是，上式(9)表明每个配网节点只能安装一种类型的充电站；上式(10)-(16)为配网交流潮流方程与安全运行约束条件，且上式(12)是为了防止变压器功率越限，维持配网变压器安全稳定运行，上式(16)是为了保证配网电能质量。
在该实施例中，假设包括所有EV充电站、5G基站在内的配网规划区域为A，为了方便描述各类基站的通信覆盖范围，将区域A以100×100米网格维度进行微网格化均等划分，实现对通信网络覆盖范围的精准定位。将区域A等分后的一系列子区域用集合ΩSA表示，ΩSA＝{1,2,…,SA}；对于每个子区域a∈ΩSA，其中心点用来描述基站覆盖范围。EV充电站与5G基站协同规划还应该满足通信基站规划约束，5G基站的约束条件具体可包括：
回程集成节点b对子区域a覆盖情况的约束条件：
其中，uba为子区域a被回程集成节点b覆盖情况的二进制变量，uba＝1表示子区域a被回程集成节点b覆盖，uba＝0表示子区域a未被回程集成节点b覆盖；
小基站s对子区域a覆盖情况的约束条件：
其中，usa为子区域a被小基站s覆盖情况的二进制变量，usa＝1表示子区域a被小基站s覆盖，usa＝0表示子区域a未被小基站s覆盖；
回程集成节点b与小基站s之间的连接情况的约束条件：
其中，ubs为回程集成节点b与小基站s之间的连接情况的二进制变量，ubs＝1表示回程集成节点b为小基站s提供回程，ubs＝0表示回程集成节点b不为小基站s提供回程；
小基站p与小基站s之间的连接情况的约束条件：
其中，ups为小基站p与小基站s之间的连接情况的二进制变量，ups＝1表示小基站p为小基站s提供回程，ups＝0表示小基站p不为小基站s提供回程；
对于子区域a，回程集成节点b为小基站s提供下行数据路由情况的约束条件：
其中，为针对子区域a的回程集成节点b是否为小基站s提供下行数据路由的二进制变量，对于子区域a，表示回程集成节点b为小基站s提供下行数据路由，表示回程集成节点b不为小基站s提供下行数据路由；
对于子区域a，基站p为小基站s提供下行数据路由情况的约束条件：
其中，为针对子区域a的小基站p是否为小基站s提供下行数据路由的二进制变量，对于子区域a，表示小基站p为小基站s提供下行数据路由，表示小基站p不为小基站s提供下行数据路由；
回程集成节点b与机器类型集成器m之间的连接情况的约束条件：
其中，ubm为回程集成节点b是否为机器类型集成器m提供回程的二进制变量，ubm＝1表示回程集成节点b为机器类型集成器m提供回程，ubm＝0表示回程集成节点b不为机器类型集成器m提供回程；
任意子区域a只能被回程集成节点或小基站覆盖：
回程集成节点b的回程容量的约束条件：
其中，Nb为回程集成节点b能够提供的最大回程链路数；
小基站s被决策构建，需配置回程集成节点b或者小基站p为小基站s提供回程链路(这里只考虑SBS与一个BAN或者一个SBS连接的情况)：
子区域a被小基站s的通信范围覆盖，需配置回程集成节点b为该小基站s提供下行链路数据路由：
子区域a内的普通移动用户或者电动汽车通过子区域a内的小基站s进行通信时，小基站s作为中继为其他小基站p提供数据路由：
多跳中继约束，即用于保证小基站s的数据被其他小基站p中继传输时的延迟在规定范围内的约束条件；
其中，N为通信数据在小基站之间路由时最大的多跳中继数；
回程集成节点或小基站提供回程服务时，回程集成节点或小基站通信容量设置约束条件：
其中，rs,t为小基站s在时间t接收到的通信覆盖范围内道路行驶电动汽车与普通移动用户总的通信需求量，rm,t为机器类型集成器m在时间t接收到的通信覆盖范围内充电站停靠电动汽车的通信需求量，Cps和Cbs分别为小基站p与回程集成节点b为小基站s提供的最大回程容量，Cms为机器类型集成器m为电动汽车e提供的最大回程容量，pro1为设定的第一中断概率门限值，即式(30)表示BAN或SBS提供回程服务时的回程链路容量约束，BAN与SBS通信容量设置应满足用户通信需求，使通信中断概率低于pro1；
为避免冗余覆盖，提高基站利用率减小新建基站投资成本，每辆电动汽车通信范围至多被一个机器类型集成器覆盖：
其中，ume为电动汽车e的通信范围是否被机器类型集成器m覆盖的二进制变量，ume＝1表示电动汽车e的通信范围被机器类型集成器m覆盖，ume＝0表示电动汽车e的通信范围未被机器类型集成器m覆盖，ΩEV为电动汽车的集合；
电动汽车的通信距离约束条件：
其中，dme和Dmt分别为机器类型集成器m到电动汽车e的距离和机器类型集成器m的最大通信覆盖范围；
机器类型集成器被决策构建，需配置回程集成节点为该机器类型集成器提供回程链路：
机器类型集成器的回程容量满足覆盖范围内所有电动汽车的通信需求的约束条件为：
其中，δt为在时间t的数据压缩率，0＜δt≤1。
需要说明的是，式(17)-(23)表示在候选基站集合中只有在规划中决定部署的基站才能为其他基站、EV或普通移动用户提供通信回程或者下行链路数据路由。
进一步地，5G基站的约束条件还包括：
各子区域通信质量约束条件：
或者
其中，γba、γsa分别为子区域a中心接收到的来自回程集成节点b和小基站s的信噪比，γt为信噪比门限值，接收信噪比低于γt则认为通信发生中断；pro为设定的第二中断概率门限值，dba、dsa、Dbt、Dst分别为回程集成节点b、小基站s到各自覆盖子区域a中心的距离和各自的最大通信覆盖范围。
具体地，式(35)用于规定各类通信基站覆盖区域的通信中断概率不能大于设定的第二中断概率门限值pro；因为接收信号信噪比主要受传输距离影响，所以式(35)可转化为基于距离的约束，即式(36)。
S6，基于全社会成本最小化目标函数、充电功率、各通信需求量和各约束条件建立协同优化规划数学模型，并对协同优化规划数学模型进行求解，得到电动汽车充电站和各类5G基站的规划结果。
其中，可利用非线性求解器Knitro对协同优化规划数学模型进行求解；电动汽车充电站和各类5G基站的规划结果可包括EV充电站站址、容量，各类5G基站数量与站址、回程链路布局框架。
具体地，可采用IEEE 33节点系统和25节点交通系统在MATLAB 2016a环境中进行仿真，利用YALMIP工具箱构建数学模型，采用商用非线性求解器Knitro求解模型。
由此，式(1)-(35)组成EV充电站与5G基站协同优化规划数学模型，具体规划过程可如流程图3所示。
进一步地，求解模型后，可将求解结果与目前单独规划方法对比，以验证本发明所提出的EV充电站及多种类型5G基站选址定容协同优化规划方法的有效性。
具体地，对比方案采用传统的单独规划方法，对EV充电站与5G基站分开规划，即先进行EV充电站规划，再对5G基站规划。本发明方案与对比方案规划结果如图4、图5所示，成本对比如表1所示。本发明提出的协同规划方法与单独规划方法的全社会总成本分别为877.47万美元和943.59万美元，协同规划方法相较于单独规划节省7.01％的成本，优越性显著；虽然先进行配网EV充电站规划可以带来更小的EV充电站建设、运行及配网网络损耗成本，但是由于规划时未考虑通信网络覆盖范围问题，为了保证配网所有通信节点可靠通信，需要建设更多的5G通信基站来扩大通信覆盖范围，使得通信设备投资成本增加，导致全社会的成本大幅增加。
表1
本发明实施例的电动汽车充电站与5G通信基站协同规划方法，兼顾EV充电站运营商、5G通信基站运营商、电网企业三方利益，规划结果可以得到最优的EV充电站、5G通信基站数量、容量配置与最合理的地点部署，实现了配电无线通信网终端的高覆盖率和网络低能耗之间的均衡，在提升网络覆盖率的同时尽可能减少新建的通信基站数量，有效缓解随着电动汽车充电站等覆盖终端数量增多、分布广而导致的通信基站数量及能耗急剧增加的问题，提高了全社会的经济效益。并且，该方法还可以推广到智慧城市、智慧园区、车联网等连续广域覆盖、热点高容量等5G应用场景。
进一步地，本发明还提出了一种计算机可读存储介质。
在本发明的实施例中，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的电动汽车充电站与5G通信基站协同规划方法。
本发明实施例的计算机可读存储介质，在其上存储的与上述电动汽车充电站与5G通信基站协同规划方法对应的计算机程序被处理器执行时，能够得到最优的EV充电站、5G通信基站数量、容量配置与最合理的地点部署，实现了配电无线通信网终端的高覆盖率和网络低能耗之间的均衡，在提升网络覆盖率的同时尽可能减少新建的通信基站数量，有效缓解随着电动汽车充电站等覆盖终端数量增多、分布广而导致的通信基站数量及能耗急剧增加的问题，提高了全社会的经济效益。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种电动汽车充电站与5G通信基站协同规划方法，其特征在于，包括以下步骤：
获取电动汽车充电站、多类5G基站的建设参数和运行参数，以及配电网馈线参数和规划时间参数，其中，所述多类5G基站包括回程集成节点、小基站和机器类型集成器；
根据所述建设参数、所述运行参数、所述配电网馈线参数和所述规划时间参数建立全社会成本最小化目标函数；
基于空间引力模型生成电动汽车的交通流量数据；
根据所述交通流量数据分别计算电动汽车充电站的充电功率，以及电动汽车充电站、道路行驶电动汽车和各类5G基站的通信需求量；
建立电动汽车充电站和配网的约束条件，以及对5G基站的规划区域进行微网格化划分，并基于划分结果建立5G基站的约束条件；
基于所述全社会成本最小化目标函数、所述充电功率、各通信需求量和各约束条件建立协同优化规划数学模型，并对所述协同优化规划数学模型进行求解，得到电动汽车充电站和各类5G基站的规划结果。
2.根据权利要求1所述的电动汽车充电站与5G通信基站协同规划方法，其特征在于，所述全社会成本最小化目标函数通过下式表示：
其中，minF为所述全社会成本最小化目标函数，fcon为电动汽车充电站及5G基站的建设成本，fop为总运行成本，fpl为配网总网络损耗成本，为电动汽车充电站内的设备投资成本，为电动汽车充电站的占用土地成本，uk、ub、us和um分别为第k个电动汽车充电站、第b个回程集成节点、第s个小基站和第m个机器类型集成器建设情况的二进制变量，zk为第k个电动汽车充电站的容量，为回程集成节点的投资成本，为小基站的投资成本，为机器类型集成器的投资成本，和分别为电动汽车充电站、回程集成节点、小基站和机器类型集成器的有功潮流，和分别为电动汽车充电站、回程集成节点、小基站和机器类型集成器的年运行成本，Ty为运行年数，δpl为电动汽车充电引起的网络损耗占配电网总网络损耗的百分比，cE为配网年电能损失成本，Ui,t、Uj,t分别为节点i、j在时间t的节点电压，θij,t和Gij分别为支路ij在时间t两端电压相角差和电导，ΩLD、ΩK、ΩB、ΩS、ΩM和ΩT分别为配电网馈线、候选电动汽车充电站、候选回程集成节点、候选小基站、候选机器类型集成器和规划时间的集合。
3.根据权利要求2所述的电动汽车充电站与5G通信基站协同规划方法，其特征在于，所述电动汽车充电站和配网的约束条件包括：
各电动汽车充电站容量约束条件：zmin≤zk≤zmax,其中，zmax、zmin分别为电动汽车充电站容量上下限；
各配网节点所能安装的充电站类型的约束条件：uk≤1,
配电网多时段潮流等式约束条件：
以及
其中， 分别为配网中节点i在时间t的有功注入功率、无功注入功率、负荷有功需求、负荷无功需求，Bij为支路ij的电纳，分别为位于节点i的候选电动汽车充电站集合、候选回程集成节点集合、候选小基站集合、候选机器类型集成器集合；
变压器容量约束条件：其中，为位于节点i的变压器的视在功率；
配网支路潮流方程：
以及
支路ij传输功率约束条件：其中，Pij,t、Qij,t、分别为配网中支路ij在时间t的有功功率、无功功率、额定传输功率，为位于节点i的变压器的视在功率；
节点电压幅值约束条件：其中，分别为节点i的电压幅值上下限，ΩND为配网节点集合。
4.根据权利要求1所述的电动汽车充电站与5G通信基站协同规划方法，其特征在于，所述交通流量数据通过下式表示：
TFt rs＝2Wt rWt s/3drs，
其中，TFt rs为在时间t连接起始节点r与终点节点s的道路rs交通流量，drs为起始点与终点间的最短路径，Wt r、Wt s分别为交通节点r、s在时间t的权重。
5.根据权利要求4所述的电动汽车充电站与5G通信基站协同规划方法，其特征在于，通过如下公式计算电动汽车充电站的充电功率：
其中，为在时间t、配网节点i、电动汽车充电站k的每辆电动汽车的充电功率，为位于配网节点i的电动汽车充电站k在时间t捕获的交通流量，λi,k,t，为位于配网节点i的电动汽车充电站k在时间t捕获的充电站中电动汽车的比率。
6.根据权利要求1所述的电动汽车充电站与5G通信基站协同规划方法，其特征在于，
停靠在电动汽车充电站的电动汽车的通信需求量通过下式表示：
其中，为停靠在位于配网节点i的电动汽车充电站k在时间t的电动汽车通信需求量，为在时间t停靠在电动汽车充电站的每辆电动汽车通信流量；
在道路行驶的电动汽车的通信需求量通过下式表示：
其中，为在t时间道路rs行驶的电动汽车的通信需求量，为在时间t由起始节点r到终点节点s的每辆电动汽车的通信流量；分别为行驶在道路rs的所有车辆中电动汽车的比率与电动汽车中有充电需求的电动汽车比率；
小基站s在时间t的通信需求量rs,t通过下式表示：
其中，为普通移动用户在时间t的通信需求，Ss为小基站s覆盖的通信子区域，Area(Ss)为子区域Ss的面积，为普通移动用户平均密度，ΩSA为通信子区域的集合；
机器类型集成器m在时间t的通信需求量rm,t通过下式表示：
其中，Sm为机器类型集成器覆盖的通信子区域。
7.根据权利要求6所述的电动汽车充电站与5G通信基站协同规划方法，其特征在于，所述5G基站的约束条件包括：
回程集成节点b对子区域a覆盖情况的约束条件：uba≤ub,其中，uba为子区域a被回程集成节点b覆盖情况的二进制变量；
小基站s对子区域a覆盖情况的约束条件：usa≤us,其中，usa为子区域a被小基站s覆盖情况的二进制变量；
回程集成节点b与小基站s之间的连接情况的约束条件：ubs≤us,ubs≤ub,其中，ubs为回程集成节点b与小基站s之间的连接情况的二进制变量；
小基站p与小基站s之间的连接情况的约束条件：ups≤us,ups≤up,其中，ups为小基站p与小基站s之间的连接情况的二进制变量；
对于子区域a，回程集成节点b为小基站s提供下行数据路由情况的约束条件：其中，为针对子区域a的回程集成节点b是否为小基站s提供下行数据路由的二进制变量；
对于子区域a，基站p为小基站s提供下行数据路由情况的约束条件：其中，为针对子区域a的小基站p是否为小基站s提供下行数据路由的二进制变量；
回程集成节点b与机器类型集成器m之间的连接情况的约束条件：ubm≤ub,其中，ubm为回程集成节点b是否为机器类型集成器m提供回程的二进制变量；
子区域a只能被回程集成节点或小基站覆盖：
回程集成节点b的回程容量的约束条件：其中，Nb为回程集成节点b能够提供的最大回程链路数；
小基站s被决策构建，需配置回程集成节点b或者小基站p为小基站s提供回程链路：
子区域a被小基站s的通信范围覆盖，需配置回程集成节点b为该小基站s提供下行链路数据路由：
子区域a内的普通移动用户或者电动汽车通过子区域a内的小基站s进行通信时，小基站s作为中继为其他小基站p提供数据路由：
保证小基站s的数据被其他小基站p中继传输时的延迟在规定范围内的约束条件；其中，N为通信数据在小基站之间路由时最大的多跳中继数；
回程集成节点或小基站提供回程服务时，回程集成节点或小基站通信容量设置约束条件：其中，rs,t为小基站s在时间t接收到的通信覆盖范围内道路行驶电动汽车与普通移动用户总的通信需求量，rm,t为机器类型集成器m在时间t接收到的通信覆盖范围内充电站停靠电动汽车的通信需求量，Cps和Cbs分别为小基站p与回程集成节点b为小基站s提供的最大回程容量，Cms为机器类型集成器m为电动汽车e提供的最大回程容量，pro1为设定的第一中断概率门限值；
每辆电动汽车通信范围至多被一个机器类型集成器覆盖：其中，ume为电动汽车e的通信范围是否被机器类型集成器m覆盖的二进制变量，ΩEV为电动汽车的集合；
电动汽车的通信距离约束条件：umedme≤Dmt,其中，dme和Dmt分别为机器类型集成器m到电动汽车e的距离和机器类型集成器m的最大通信覆盖范围；
机器类型集成器被决策构建，需配置回程集成节点为该机器类型集成器提供回程链路：
机器类型集成器的回程容量满足覆盖范围内所有电动汽车的通信需求的约束条件为：其中，δt为在时间t的数据压缩率，0＜δt≤1。
8.根据权利要求7所述的电动汽车充电站与5G通信基站协同规划方法，其特征在于，所述5G基站的约束条件还包括：
各子区域通信质量约束条件：或者，其中，γba、γsa分别为子区域a中心接收到的来自回程集成节点b和小基站s的信噪比，γt为信噪比门限值，pro为设定的第二中断概率门限值，dba、dsa、Dbt、Dst分别为回程集成节点b、小基站s到各自覆盖子区域a中心的距离和各自的最大通信覆盖范围。
9.根据权利要求1所述的电动汽车充电站与5G通信基站协同规划方法，其特征在于，对所述5G基站的规划区域进行100*100米微网格化划分。
10.根据权利要求1所述的电动汽车充电站与5G通信基站协同规划方法，其特征在于，利用非线性求解器Knitro对所述协同优化规划数学模型进行求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910478055.6A CN110198031B (zh) | 2019-06-03 | 2019-06-03 | 电动汽车充电站与5g通信基站协同规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910478055.6A CN110198031B (zh) | 2019-06-03 | 2019-06-03 | 电动汽车充电站与5g通信基站协同规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110198031A true CN110198031A (zh) | 2019-09-03 |
| CN110198031B CN110198031B (zh) | 2020-10-16 |
Family
ID=67753869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910478055.6A Active CN110198031B (zh) | 2019-06-03 | 2019-06-03 | 电动汽车充电站与5g通信基站协同规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110198031B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111582585A (zh) * | 2020-05-11 | 2020-08-25 | 燕山大学 | 一种充电站与无线充电站的联合规划方法及系统 |
| CN111861192A (zh) * | 2020-07-16 | 2020-10-30 | 云南电网有限责任公司 | 一种电动汽车充电站的选址方法及装置 |
| US20210046842A1 (en) * | 2019-08-14 | 2021-02-18 | Honda Motor Co., Ltd. | Systems and methods for chaining data between electric vehicles and electric vehicle stations |
| CN112688352A (zh) * | 2020-12-18 | 2021-04-20 | 国网重庆市电力公司 | 一种集成5g基站和充电站的一站多能配电站优化规划方法 |
| CN112701797A (zh) * | 2020-12-22 | 2021-04-23 | 国网重庆市电力公司 | 一种基于5g通信的电动汽车车联网电力优化分配方法 |
| CN112862317A (zh) * | 2021-02-07 | 2021-05-28 | 国网山东省电力公司滨州供电公司 | 一种协调5g通讯基站选址接入的配电网网架规划方法 |
| CN113904372A (zh) * | 2021-10-15 | 2022-01-07 | 华北电力大学 | 考虑5g基站接入的主动配电网多目标优化运行方法 |
| CN114302325A (zh) * | 2021-12-22 | 2022-04-08 | 天翼电信终端有限公司 | 港口环境布置5g cpe的方法、装置、服务器及存储介质 |
| CN115314908A (zh) * | 2022-09-06 | 2022-11-08 | 中国联合网络通信集团有限公司 | 一种网络规划方法、装置、电子设备及存储介质 |
| CN115333950A (zh) * | 2022-05-12 | 2022-11-11 | 四川大学 | 计及混合通信组网的信息物理主动配电系统协调规划方法 |
| WO2022246149A3 (en) * | 2021-05-20 | 2022-12-29 | Aiven Group, Llc. | Telsmart electric vehicle charging with 5g small cell/wireless, digital out of home advertising, combined in multi technology network infrastructure |
| CN115833267A (zh) * | 2023-02-15 | 2023-03-21 | 江西惜能照明有限公司 | 基于智慧灯杆和区块链的充电控制方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
| CN105357680A (zh) * | 2015-10-23 | 2016-02-24 | 江苏省电力公司南京供电公司 | 电力无线接入网中的接入点位置选择方法 |
| CN109353246A (zh) * | 2018-10-29 | 2019-02-19 | 国网浙江电动汽车服务有限公司 | 一种充电站智能运维系统以及方法 |
| AU2019100273A4 (en) * | 2019-03-15 | 2019-05-02 | Data One Technologies Pty Ltd | BinWin is a modern-day waste collection technology enabling councils and waste management authorities to manage waste effectively. The framework consists of IoT, AI, mobile & web applications integrated to monitor, track, and plan. The bins ensure eco-friendliness by keeping a constant check on fill levels enabling waste collection on a needs basis preventing over-flow, maintaining a hygienic environment using solar self-charging capability. BinWin promises to increase operational efficiencies in the waste collection chain, reducing cost and labour associated with rubbish collection & removal. |
-
2019
- 2019-06-03 CN CN201910478055.6A patent/CN110198031B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139096A (zh) * | 2015-09-28 | 2015-12-09 | 东南大学 | 一种基于两阶段优化的电动汽车充电站选址定容方法 |
| CN105357680A (zh) * | 2015-10-23 | 2016-02-24 | 江苏省电力公司南京供电公司 | 电力无线接入网中的接入点位置选择方法 |
| CN109353246A (zh) * | 2018-10-29 | 2019-02-19 | 国网浙江电动汽车服务有限公司 | 一种充电站智能运维系统以及方法 |
| AU2019100273A4 (en) * | 2019-03-15 | 2019-05-02 | Data One Technologies Pty Ltd | BinWin is a modern-day waste collection technology enabling councils and waste management authorities to manage waste effectively. The framework consists of IoT, AI, mobile & web applications integrated to monitor, track, and plan. The bins ensure eco-friendliness by keeping a constant check on fill levels enabling waste collection on a needs basis preventing over-flow, maintaining a hygienic environment using solar self-charging capability. BinWin promises to increase operational efficiencies in the waste collection chain, reducing cost and labour associated with rubbish collection & removal. |
Non-Patent Citations (1)
| Title |
|---|
| 孟彦伟: "电动汽车为通信基站提供应急供电的应用分析", 《电信网技术》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210046842A1 (en) * | 2019-08-14 | 2021-02-18 | Honda Motor Co., Ltd. | Systems and methods for chaining data between electric vehicles and electric vehicle stations |
| US11584252B2 (en) * | 2019-08-14 | 2023-02-21 | Honda Motor Co., Ltd. | Systems and methods for chaining data between electric vehicles and electric vehicle stations |
| CN111582585B (zh) * | 2020-05-11 | 2022-03-22 | 燕山大学 | 一种充电站与无线充电站的联合规划方法及系统 |
| CN111582585A (zh) * | 2020-05-11 | 2020-08-25 | 燕山大学 | 一种充电站与无线充电站的联合规划方法及系统 |
| CN111861192A (zh) * | 2020-07-16 | 2020-10-30 | 云南电网有限责任公司 | 一种电动汽车充电站的选址方法及装置 |
| CN112688352A (zh) * | 2020-12-18 | 2021-04-20 | 国网重庆市电力公司 | 一种集成5g基站和充电站的一站多能配电站优化规划方法 |
| CN112688352B (zh) * | 2020-12-18 | 2023-04-07 | 国网重庆市电力公司 | 一种集成5g基站和充电站的一站多能配电站优化规划方法 |
| CN112701797A (zh) * | 2020-12-22 | 2021-04-23 | 国网重庆市电力公司 | 一种基于5g通信的电动汽车车联网电力优化分配方法 |
| CN112701797B (zh) * | 2020-12-22 | 2023-04-21 | 国网重庆市电力公司 | 一种基于5g通信的电动汽车车联网电力优化分配方法 |
| CN112862317A (zh) * | 2021-02-07 | 2021-05-28 | 国网山东省电力公司滨州供电公司 | 一种协调5g通讯基站选址接入的配电网网架规划方法 |
| WO2022246149A3 (en) * | 2021-05-20 | 2022-12-29 | Aiven Group, Llc. | Telsmart electric vehicle charging with 5g small cell/wireless, digital out of home advertising, combined in multi technology network infrastructure |
| CN113904372A (zh) * | 2021-10-15 | 2022-01-07 | 华北电力大学 | 考虑5g基站接入的主动配电网多目标优化运行方法 |
| CN113904372B (zh) * | 2021-10-15 | 2024-02-27 | 华北电力大学 | 考虑5g基站接入的主动配电网多目标优化运行方法 |
| CN114302325A (zh) * | 2021-12-22 | 2022-04-08 | 天翼电信终端有限公司 | 港口环境布置5g cpe的方法、装置、服务器及存储介质 |
| CN115333950A (zh) * | 2022-05-12 | 2022-11-11 | 四川大学 | 计及混合通信组网的信息物理主动配电系统协调规划方法 |
| CN115333950B (zh) * | 2022-05-12 | 2024-05-03 | 四川大学 | 计及混合通信组网的信息物理主动配电系统协调规划方法 |
| CN115314908A (zh) * | 2022-09-06 | 2022-11-08 | 中国联合网络通信集团有限公司 | 一种网络规划方法、装置、电子设备及存储介质 |
| CN115314908B (zh) * | 2022-09-06 | 2023-09-05 | 中国联合网络通信集团有限公司 | 一种网络规划方法、装置、电子设备及存储介质 |
| CN115833267A (zh) * | 2023-02-15 | 2023-03-21 | 江西惜能照明有限公司 | 基于智慧灯杆和区块链的充电控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110198031B (zh) | 2020-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110198031B (zh) | 电动汽车充电站与5g通信基站协同规划方法 | |
| Chiaraviglio et al. | Bringing 5G into rural and low-income areas: Is it feasible? | |
| Yu et al. | Deployment and dimensioning of fog computing-based internet of vehicle infrastructure for autonomous driving | |
| Ranaweera et al. | Design and optimization of fiber optic small-cell backhaul based on an existing fiber-to-the-node residential access network | |
| Wang et al. | Cell-less communications in 5G vehicular networks based on vehicle-installed access points | |
| CN104734372A (zh) | WRSNs中联合地理位置路由的能量自适应充电方法 | |
| Li et al. | Electric vehicles network with nomadic portable charging stations | |
| CN111314940A (zh) | 一种针对5g nsa组网模式下的无线网络部署方法 | |
| CN102740373B (zh) | 基于端到端中断概率约束的功率分配方法 | |
| Nakayama et al. | ABSORB: Autonomous base station with optical reflex backhaul to adapt to fluctuating demand | |
| CN105282757A (zh) | 一种网络结构最优的多运营商无线网协同规划系统及规划方法 | |
| CN112564767B (zh) | 无人机网络中基于自组织优化协作的连续覆盖方法 | |
| CN108738151A (zh) | 一种基于粗略信息的无线预测资源分配方法 | |
| CN102421139A (zh) | 一种基于动态负载传递的异构网络融合方法 | |
| Wang et al. | Software defined Wi-V2G: A V2G network architecture | |
| Cao et al. | Data collection and network architecture analysis in internet of vehicles based on NB-IoT | |
| Bousia et al. | Sharing the small cells for energy efficient networking: How much does it cost? | |
| Saatloo et al. | Hierarchical user-driven trajectory planning and charging scheduling of autonomous electric vehicles | |
| Qin et al. | Performance Analysis of Charging Infrastructure Sharing in UAV and EV-involved Networks | |
| Kement et al. | Sustaining dynamic traffic in dense urban areas with high altitude platform stations (HAPS) | |
| Mehrabi et al. | Mobile edge computing assisted green scheduling of on-move electric vehicles | |
| CN107708126A (zh) | 一种基于td‑lte230网络的电网基站优化方法 | |
| Afshar et al. | Optimal scheduling of electric vehicles in the presence of mobile charging stations | |
| Zhang et al. | Joint optimal allocation and scheduling for electric buses with vehicle-to-grid regulation service | |
| CN109050301A (zh) | 一种新能源车移动供电系统 |
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 | ||
| CB02 | Change of applicant information |
Address after: 413002 Yiyang City, Hunan province Heshan District Long Ridge Industrial Park, West Road, No. 1 Applicant after: Huaxiang XiangNeng Technology Co.,Ltd. Applicant after: HUNAN University Address before: 413002 Yiyang City, Hunan province Heshan District Long Ridge Industrial Park, West Road, No. 1 Applicant before: HXXN ELECTRICITY Co.,Ltd. Applicant before: HUNAN University |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210222 Address after: 413002 No. 1 Xuefu Road West, Longling Industrial Park, Heshan District, Yiyang City, Hunan Province Patentee after: Huaxiang XiangNeng Technology Co.,Ltd. Address before: 413002 No. 1 Xuefu Road West, Longling Industrial Park, Heshan District, Yiyang City, Hunan Province Patentee before: Huaxiang XiangNeng Technology Co.,Ltd. Patentee before: HUNAN University |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Collaborative Planning Method for Electric Vehicle Charging Station and 5G Communication Base Station Effective date of registration: 20231106 Granted publication date: 20201016 Pledgee: China Co. truction Bank Corp Yiyang branch Pledgor: Huaxiang XiangNeng Technology Co.,Ltd. Registration number: Y2023980063452 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |