CN113743800A - 基于用户优先级的配电网用户调度方法 - Google Patents

基于用户优先级的配电网用户调度方法 Download PDF

Info

Publication number
CN113743800A
CN113743800A CN202111049878.0A CN202111049878A CN113743800A CN 113743800 A CN113743800 A CN 113743800A CN 202111049878 A CN202111049878 A CN 202111049878A CN 113743800 A CN113743800 A CN 113743800A
Authority
CN
China
Prior art keywords
user
users
priority
scheduling
service
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.)
Pending
Application number
CN202111049878.0A
Other languages
English (en)
Inventor
李沛哲
陈仲伟
肖振锋
林志勇
伍也凡
刘浩田
冷阳
李达伟
何书耘
郑楚玉
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.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
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 State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111049878.0A priority Critical patent/CN113743800A/zh
Publication of CN113743800A publication Critical patent/CN113743800A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于用户优先级的配电网用户调度方法，包括获取待调度区域的区域数据信息；建立待调度区域的调度模型；将普通用户配对分组并计算普通用户的优先级；采用计算高级用户的优先级；对待调度区域内的所有用户进行优先级排序；根据优先级排序结果进行配电网的用户调度。本发明极大地提升系统的吞吐量性能，保证电力通信业务的正常运行；而且针对不同用户采用不同算法可以得到更准确的优先级排序，能够精准地对配电网业务进行调度，充分地利用了有限的网络资源；而且本发明方法的性能优异、可靠性高且实用性好。

Description

基于用户优先级的配电网用户调度方法
技术领域
本发明属于电气自动化领域，具体涉及一种基于用户优先级的配电网用户调度方法。
背景技术
随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保障电力的稳定可靠供应，就成为了电力系统最重要的任务之一。
目前，智能电网的配网侧采用了超密集宏微异构的网络架构，建立了超密集网络和大规模MIMO相结合的系统模型，大规模MIMO技术可以充分利用空间资源，满足电力配网中海量设备的接入需求。
随着电力配网侧基站配置的天线数量的增加，不同用户与基站间的信道逐渐呈现正交性，系统的空间利用率也随之增加。因此在相同的时间和频率资源下，更多的独立数据流被同时传输，极大地提升了电力配网系统中的数据传输速率。在宏微异构模式下，超密集网络实现了控制与承载分离；在业务层面，宏基站负责低速率、高移动性类业务的传输，微基站负责高带宽业务的传输；在功能实现层面，宏基站负责区域的覆盖和微基站间的资源协同管理，微基站负责容量管理。超密集宏微异构网络架构，通过在小区内部署大量的小功率基站，极大地增加了系统容量，同时也提高了频谱效率和服务质量。但是在配电网络的热点高容量密集场景下，无线环境复杂且干扰多变，基站的超密集组网在一定程度上可以提高系统的频谱效率；但是，目前尚没有性能优秀的用户调度算法来进行资源的调度，这使得系统的无线资源利用率和频谱效率依旧低下。
发明内容
本发明的目的在于提供一种性能优异、可靠性高且实用性好的基于用户优先级的配电网用户调度方法。
本发明提供的这种基于用户优先级的配电网用户调度方法，包括如下步骤：
S1.获取待调度区域的区域数据信息；
S2.根据步骤S1获取的数据信息，建立待调度区域的调度模型；
S3.将步骤S2建立的调度模型中的普通用户进行配对分组，并计算普通用户的优先级；
S4.采用熵权法计算步骤S2建立的调度模型中的高级用户的优先级；
S5.根据步骤S3和S4计算得到的优先级数据，对待调度区域内的所有用户进行优先级排序；
S6.根据步骤S5得到的优先级排序结果，进行配电网的用户调度。
步骤S2所述的建立待调度区域的调度模型，具体包括如下步骤：
待调度区域包括一个宏基站、Q个微基站和M个用户；用户与微基站在待调度区域内随机分布，宏基站下部署Q个微基站，宏基站包括B根天线，每个微基站均可服务若干个用户，每个用户只能接入一个微基站；
将配电自动化、精准负荷控制的生产控制类业务划分到安全I区；将计量自动化的生产非控制类业务划分到安全II区；将输电环境线路监测的生产管理类业务划分到安全III区；将智能充电桩的管理信息类业务划分到安全IV区；同时规定，承载安全I区和安全II区业务的终端用户为高级用户且数量为H，承载安全III区和安全IV区业务的终端用户为普通用户且数量为L；高级用户集合为Uh＝{Uh1,Uh2，…UhH}，普通用户集合为Ul＝{Ul1,Ul2,…,UlL}，且L+H＝M。
步骤S3所述的将步骤S2建立的调度模型中的普通用户进行配对分组，具体包括如下步骤：
小区i内的L个普通用户分到K个配对组中，则小区i内普通用户的配对用户组集合表示为Zi＝{1,2,3,…,K}；对于
Figure BDA0003252359020000034
第j个配对组中包含的用户数目为Wj，则配对用户组j的用户数目集合表示为Groupj＝{1,2,3,…,Wj}；小区i内普通用户的K个配对用户组的用户数目集合表示为Zi＝{W1,W2,W3…,WK}，且满足W1+W2+W3+…+WK＝L。
步骤S3所述的计算普通用户的优先级，具体包括如下步骤：
A.采用如下公式计算配对用户组j的Wj个用户在时刻t的瞬时速率平均值rj(t)：
Figure BDA0003252359020000031
式中Vw,t为配对用户组j中的第w个用户在t时刻的瞬时速率；
B.采用如下算式计算配对用户组j的Wj个用户在过去一段设定时间内的吞吐量的平均值：
Figure BDA0003252359020000032
Figure BDA0003252359020000033
式中Rj(t-1)为Wj个用户在时刻t-1之前的一段设定时间的吞吐量的平均值；t0为计算平均吞吐量的初始时刻；τ为传输时间间隔；
C.采用如下算式计算用户组j的调度优先级Dj：
Figure BDA0003252359020000041
式中
Figure BDA0003252359020000042
为接入到小区i的用户组j的调度优先级。
步骤S4所述的采用熵权法计算步骤S2建立的调度模型中的高级用户的优先级，具体包括如下步骤：
a.采用如下算式规定业务重要度评价指标集Cn：
Cn＝{c1,c2,c3,…,cY}
式中n＝1,2,...,Y；
b.采用如下算式计算评价指标Cn下的业务重要度比较矩阵
Figure BDA00032523590200000411
Figure BDA0003252359020000043
式中
Figure BDA0003252359020000044
为在评价指标Cn下业务yi相对于业务yj的重要性，且规定若业务yi比业务yj重要则
Figure BDA0003252359020000045
业务yi与业务yj同等重要则
Figure BDA0003252359020000046
业务yj比业务yi重要则
Figure BDA0003252359020000047
且i≠j；
c.将所有指标集下的业务重要度比较矩阵求和，再采用如下算式计算业务相对综合重要度矩阵A＝[aij]H×H，
Figure BDA0003252359020000048
d.采用如下公式对相对综合重要度矩阵A进行求和处理，得到业务yi相对于其他业务的相对综合重要度之和
Figure BDA0003252359020000049
e.采用如下算式对业务yi相对于其他业务的相对综合重要度之和
Figure BDA00032523590200000410
进行线性归一化处理，得到归一化后的业务yi重要度值ai *：
Figure BDA0003252359020000051
式中
Figure BDA0003252359020000052
为待归一化的变量
Figure BDA0003252359020000053
的最大值；
Figure BDA0003252359020000054
为待归一化的变量
Figure BDA0003252359020000055
的最小值；
f.采用如下算式将归一化后的业务yi重要度值ai *进行投影：
Figure BDA0003252359020000056
式中s(i)为投影后的业务yi的综合重要度；F为设定的投影倍数；
g.设定评价矩阵为
Figure BDA0003252359020000057
其中oi1表示投影后的业务yi的综合重要度；oi2表示业务yi的业务流量e(i)；
h.对步骤g的评价矩阵O进行如下规范化处理：
Figure BDA0003252359020000058
式中ojmin＝min{o1j,o2j}，ojmax＝max{o1j,o2j}；
ii.采用如下算式计算指标j的熵值Ij：
Figure BDA0003252359020000059
式中k为常数且
Figure BDA00032523590200000510
ρij为第j项指标下，第i个样本值占该指标的比重,且
Figure BDA00032523590200000511
j取值为1或2，而且
Figure BDA00032523590200000512
当ρi1＝ρi2＝0时，ρi1lnρi1＝ρi2lnρi2＝ρi1＝ρi2＝0；
jj.得到指标在信息熵权法下求得的权重值为
Figure BDA0003252359020000061
式中Isum为所有指标的熵值之和，且
Figure BDA0003252359020000062
kk.采用如下算式计算得到高级用户的调度优先级Dhi：
Dhi＝αs(i)+βe(i)
式中α为第一权重且
Figure BDA0003252359020000063
β为第二权重且
Figure BDA0003252359020000064
e(i)为用户yi的业务流量。
步骤S5所述的对待调度区域内的所有用户进行优先级排序，具体为采用如下规则进行优先级排序：
将高级用户按照调度优先级，从大到小进行排序Ph＝{Dh1,Dh2,Dh3…DhH}；
将普通用户按照调度优先级，从大到小进行排序Pl＝{Dl1,Dl2,Dl3,…,DlK}；
最后，对待调度区域内的所有用户进行优先级排序为P＝Ph∪PL＝{Dh1,Dh2,…,DhH,Dl1,Dl2,Dl3…,DlL}。
步骤S6所述的根据步骤S5得到的优先级排序结果，进行配电网的用户调度，具体为根据步骤S5得到的优先级排序结果，按照优先级从高到低的顺序，依次为用户分配资源，完成配电网的用户调度。
本发明提供的这种基于用户优先级的配电网用户调度方法，依据业务种类不同，完成电力业务的优先级划分，针对不同的用户采取不同的算法计算优先级，得到综合的优先级集合对多用户资源调度，极大地提升系统的吞吐量性能，保证电力通信业务的正常运行；同时，在计算普通用户优先级时，以瞬时速率和一段时间内的平均吞吐量为参考元素计算优先级，针对高级用户，运用了熵权法求取业务重要度和业务流量的权重系数，根据权重求得出综合优先级大小；本发明方法针对不同用户采用不同算法可以得到更准确的优先级排序，能够精准地对配电网业务进行调度，充分地利用了有限的网络资源；而且本发明方法的性能优异、可靠性高且实用性好。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法的实施例的电力通信网模型示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图：本发明提供的这种基于用户优先级的配电网用户调度方法，包括如下步骤：
S1.获取待调度区域的区域数据信息；
S2.根据步骤S1获取的数据信息，建立待调度区域的调度模型；具体包括如下步骤：
待调度区域包括一个宏基站、Q个微基站和M个用户；用户与微基站在待调度区域内随机分布，宏基站下部署Q个微基站，宏基站包括B根天线，每个微基站均可服务若干个用户，每个用户只能接入一个微基站；
将配电自动化、精准负荷控制的生产控制类业务划分到安全I区；将计量自动化的生产非控制类业务划分到安全II区；将输电环境线路监测的生产管理类业务划分到安全III区；将智能充电桩的管理信息类业务划分到安全IV区；同时规定，承载安全I区和安全II区业务的终端用户为高级用户且数量为H，承载安全III区和安全IV区业务的终端用户为普通用户且数量为L；高级用户集合为Uh＝{Uh1,Uh2，…UhH}，普通用户集合为Ul＝{Ul1,Ul2,…,UlL}，且L+H＝M；
S3.将步骤S2建立的调度模型中的普通用户进行配对分组，并计算普通用户的优先级；
具体实施时，配对分组具体包括如下步骤：
小区i内的L个普通用户分到K个配对组中，则小区i内普通用户的配对用户组集合表示为Zi＝{1,2,3,…,K}；对于
Figure BDA0003252359020000084
第j个配对组中包含的用户数目为Wj，则配对用户组j的用户数目集合表示为Groupj＝{1,2,3,…,Wj}；小区i内普通用户的K个配对用户组的用户数目集合表示为Zi＝{W1,W2,W3…,WK}，且满足W1+W2+W3+…+WK＝L；
计算普通用户的优先级具体包括如下步骤：
A.采用如下公式计算配对用户组j的Wj个用户在时刻t的瞬时速率平均值rj(t)：
Figure BDA0003252359020000081
式中Vw,t为配对用户组j中的第w个用户在t时刻的瞬时速率；
B.采用如下算式计算配对用户组j的Wj个用户在过去一段设定时间内的吞吐量的平均值：
Figure BDA0003252359020000082
Figure BDA0003252359020000083
式中Rj(t-1)为Wj个用户在时刻t-1之前的一段设定时间的吞吐量的平均值；t0为计算平均吞吐量的初始时刻；τ为传输时间间隔；
C.采用如下算式计算用户组j的调度优先级Dj：
Figure BDA0003252359020000091
式中
Figure BDA0003252359020000092
为接入到小区i的用户组j的调度优先级；
S4.采用熵权法计算步骤S2建立的调度模型中的高级用户的优先级；具体包括如下步骤：
a.采用如下算式规定业务重要度评价指标集Cn：
Cn＝{c1,c2,c3,…,cY}
式中n＝1,2,...,Y；
b.采用如下算式计算评价指标Cn下的业务重要度比较矩阵
Figure BDA0003252359020000093
Figure BDA0003252359020000094
式中
Figure BDA0003252359020000095
为在评价指标Cn下业务yi相对于业务yj的重要性，且规定若业务yi比业务yj重要则
Figure BDA0003252359020000096
业务yi与业务yj同等重要则
Figure BDA0003252359020000097
业务yj比业务yi重要则
Figure BDA0003252359020000098
且i≠j；
c.将所有指标集下的业务重要度比较矩阵求和，再采用如下算式计算业务相对综合重要度矩阵A＝[aij]H×H，
Figure BDA0003252359020000099
d.采用如下公式对相对综合重要度矩阵A进行求和处理，得到业务yi相对于其他业务的相对综合重要度之和
Figure BDA00032523590200000910
e.采用如下算式对业务yi相对于其他业务的相对综合重要度之和
Figure BDA00032523590200000911
进行线性归一化处理，得到归一化后的业务yi重要度值ai *：
Figure BDA0003252359020000101
式中
Figure BDA0003252359020000102
为待归一化的变量
Figure BDA0003252359020000103
的最大值；
Figure BDA0003252359020000104
为待归一化的变量
Figure BDA0003252359020000105
的最小值；
f.采用如下算式将归一化后的业务yi重要度值ai *进行投影：
Figure BDA0003252359020000106
式中s(i)为投影后的业务yi的综合重要度；F为设定的投影倍数；
g.设定评价矩阵为
Figure BDA0003252359020000107
其中oi1表示投影后的业务yi的综合重要度；oi2表示业务yi的业务流量e(i)；
h.对步骤g的评价矩阵O进行如下规范化处理：
Figure BDA0003252359020000108
式中ojmin＝min{o1j,o2j}，ojmax＝max{o1j,o2j}；
ii.采用如下算式计算指标j的熵值Ij：
Figure BDA0003252359020000109
式中k为常数且
Figure BDA00032523590200001010
ρij为第j项指标下，第i个样本值占该指标的比重,且
Figure BDA00032523590200001011
j取值为1或2，而且
Figure BDA00032523590200001012
当ρi1＝ρi2＝0时，ρi1lnρi1＝ρi2lnρi2＝ρi1＝ρi2＝0；
jj.得到指标在信息熵权法下求得的权重值为
Figure BDA00032523590200001013
式中Isum为所有指标的熵值之和，且
Figure BDA0003252359020000111
kk.采用如下算式计算得到高级用户的调度优先级Dhi：
Dhi＝αs(i)+βe(i)
式中α为第一权重且
Figure BDA0003252359020000112
β为第二权重且
Figure BDA0003252359020000113
e(i)为用户yi的业务流量；
S5.根据步骤S3和S4计算得到的优先级数据，对待调度区域内的所有用户进行优先级排序；具体为采用如下规则进行优先级排序：
将高级用户按照调度优先级，从大到小进行排序Ph＝{Dh1,Dh2,Dh3…DhH}；
将普通用户按照调度优先级，从大到小进行排序Pl＝{Dl1,Dl2,Dl3,…,DlK}；
最后，对待调度区域内的所有用户进行优先级排序为P＝Ph∪PL＝{Dh1,Dh2,…,DhH,Dl1,Dl2,Dl3…,DlL}；
具体实施时，保证所有高级用户的优先级均高度普通用户的优先级即可；比如，可以采用如下步骤进行处理：
采用如下算式对普通用户的优先级进行优先级限制处理：
Dli＝Dli-|Dli-max-Dhi-min|-ε
式中Dli-max为普通用户优先级的最大值；Dhi-min为高级用户优先级的最小值；ε为一个任意小的正数；
S6.根据步骤S5得到的优先级排序结果，进行配电网的用户调度；具体为根据步骤S5得到的优先级排序结果，按照优先级从高到低的顺序，依次为用户分配资源，完成配电网的用户调度；
具体实施时，可以采用如下步骤进行调度：
设区域内小区拥有的小基站的数量为S，则小区的集合可以表示为Q＝{1,2,3,…,S}；
对于任意小区i∈Q，设小区i拥有的初始RB资源为Ri，则区域内小区拥有的初始RB(Resource block)资源集合可以表示为R＝{R1,R2,R3,…,RS}；
然后得出综合的优先级集合，按照调度优先级从大到小的顺序依次对小区i内的所有用户进行调度：
设小区内剩余的RB资源数目为x，用户j所需的RB资源数目为y，RB资源的具体分配过程分为以下三种情况：
a)若x＞y，则给用户j分配y个RB资源块，则小区i内剩余的RB资源块数目为x-y，且x-y＞0；
b)若x＝y，小区内剩余的RB资源块正好满足用户j对RB资源的需求，则给用户j分配所需的y个资源，此时，小区i内剩余的RB资源块被消耗完，则小区i内的资源分配结束；
c)若x＜y，小区i内剩余的资源无法满足用户j对RB资源的需求，则小区i无法完成给用户j的资源分配，此时若x＞0且j≠K+N，则继续进行下一个用户的RB资源的分配；若x＞0且j＝K+N，则小区i的RB资源分配结束；
直到小区i内的所有RB资源被分配完或者小区i内的所有用户都分配到了所需的RB资源，或者小区i内剩余的RB资源无法满足未分配资源用户的RB资源需求，此时，小区i内的资源调度结束。
以下结合一个实施例，对本发明方法进行进一步说明：
以一个有7个随机分布的终端用户电力通信网模型为例验证，如图2所示，7个终端业务用户中包括3个普通用户和4个高级用户，以微基站的RB资源可以保证每个时隙可以调度3个用户为例进行讨论：
设rh1(t)＞rh2(t)＞rh3(t)＞rl1(t)＞rl2(t)＞rl3(t)＞rl4(t)，e(h1)＞e(h3)＞e(h2)，
Rh1(t)＜Rh2(t)＜Rh3(t)＜Rl1(t)＜Rl2(t)＜Rl3(t)＜Rl4(t)，s(h1)＞s(h3)＞s(h2)，
若按照传统的公平比例算法计算优先级，可以得出小区内业务的优先级顺序为Ph1＞Ph2＞Ph3＞Pl1＞Pl2＞Pl3＞Pl4，则电力通信网在t时刻会优先调度3个高级用户，当3个用户中的某一用户的业务处理完成，才会区调度下一个用户，直至所有的用户被调度或者系统所剩的RB资源不够时，调度结束。但是，传统的比例公平调度算法未考虑高级用户中的业务重要度和业务流量两个因素，因此未能得出精准的优先级排序，不能保证业务重要性更高的用户优先被调度。再者，在实际的电网应用中，电网有着更为复杂繁多的业务，时常会发生网络拥塞的情况，业务重要度很高的业务关乎电网系统的安全稳定运行，若不能及时被调度，会对电网产生很严重的负面影响。
根据本发明提到的算法，普通用户的调度优先级顺序不变，但是可以利用MIMO技术的优势，将普通用户分为两个配对用户组，每个配对用户组共用一段时隙资源，增加了资源的利用率和系统的吞吐量，可以实现有限的网络资源为更多的用户服务。针对高级用户，本发明提到的算法将会改变用户的优先级排序，Dh1＞Dh3＞Dh2，用户3的业务重要度和业务流量均高于用户2，则应该优先调度用户3，保证了业务重要性高的业务能够优先被调度，电网的数据处理中心也能及时得到用户3的反馈，进行之后任务的处理，保障了电力通信网络的畅通，并提高了网络通信速率，也能让民众拥有更好的体验速率，即使发生了网络的拥堵现象，也能保障对电力系统影响较大的业务优先被调度，不会对电网的稳定运行产生影响。

Claims (7)

1.一种基于用户优先级的配电网用户调度方法，包括如下步骤：
S1.获取待调度区域的区域数据信息；
S2.根据步骤S1获取的数据信息，建立待调度区域的调度模型；
S3.将步骤S2建立的调度模型中的普通用户进行配对分组，并计算普通用户的优先级；
S4.采用熵权法计算步骤S2建立的调度模型中的高级用户的优先级；
S5.根据步骤S3和S4计算得到的优先级数据，对待调度区域内的所有用户进行优先级排序；
S6.根据步骤S5得到的优先级排序结果，进行配电网的用户调度。
2.根据权利要求1所述的基于用户优先级的配电网用户调度方法，其特征在于步骤S2所述的建立待调度区域的调度模型，具体包括如下步骤：
待调度区域包括一个宏基站、Q个微基站和M个用户；用户与微基站在待调度区域内随机分布，宏基站下部署Q个微基站，宏基站包括B根天线，每个微基站均可服务若干个用户，每个用户只能接入一个微基站；
将配电自动化、精准负荷控制的生产控制类业务划分到安全I区；将计量自动化的生产非控制类业务划分到安全II区；将输电环境线路监测的生产管理类业务划分到安全III区；将智能充电桩的管理信息类业务划分到安全IV区；同时规定，承载安全I区和安全II区业务的终端用户为高级用户且数量为H，承载安全III区和安全IV区业务的终端用户为普通用户且数量为L；高级用户集合为Uh＝{Uh1,Uh2，…UhH}，普通用户集合为Ul＝{Ul1,Ul2,…,UlL}，且L+H＝M。
3.根据权利要求2所述的基于用户优先级的配电网用户调度方法，其特征在于步骤S3所述的将步骤S2建立的调度模型中的普通用户进行配对分组，具体包括如下步骤：
小区i内的L个普通用户分到K个配对组中，则小区i内普通用户的配对用户组集合表示为Zi＝{1,2,3,…,K}；对于
Figure FDA0003252359010000021
第j个配对组中包含的用户数目为Wj，则配对用户组j的用户数目集合表示为Groupj＝{1,2,3,…,Wj}；小区i内普通用户的K个配对用户组的用户数目集合表示为Zi＝{W1,W2,W3…,WK}，且满足W1+W2+W3+…+WK＝L。
4.根据权利要求3所述的基于用户优先级的配电网用户调度方法，其特征在于步骤S3所述的计算普通用户的优先级，具体包括如下步骤：
A.采用如下公式计算配对用户组j的Wj个用户在时刻t的瞬时速率平均值rj(t)：
Figure FDA0003252359010000022
式中Vw,t为配对用户组j中的第w个用户在t时刻的瞬时速率；
B.采用如下算式计算配对用户组j的Wj个用户在过去一段设定时间内的吞吐量的平均值：
Figure FDA0003252359010000023
Figure FDA0003252359010000024
式中Rj(t-1)为Wj个用户在时刻t-1之前的一段设定时间的吞吐量的平均值；t0为计算平均吞吐量的初始时刻；τ为传输时间间隔；
C.采用如下算式计算用户组j的调度优先级Dj：
Figure FDA0003252359010000031
式中
Figure FDA0003252359010000032
为接入到小区i的用户组j的调度优先级。
5.根据权利要求4所述的基于用户优先级的配电网用户调度方法，其特征在于步骤S4所述的采用熵权法计算步骤S2建立的调度模型中的高级用户的优先级，具体包括如下步骤：
a.采用如下算式规定业务重要度评价指标集Cn：
Cn＝{c1,c2,c3,…,cY}
式中n＝1,2,...,Y；
b.采用如下算式计算评价指标Cn下的业务重要度比较矩阵
Figure FDA0003252359010000033
Figure FDA0003252359010000034
式中
Figure FDA0003252359010000035
为在评价指标Cn下业务yi相对于业务yj的重要性，且规定若业务yi比业务yj重要则
Figure FDA0003252359010000036
业务yi与业务yj同等重要则
Figure FDA0003252359010000037
业务yj比业务yi重要则
Figure FDA0003252359010000038
且i≠j；
c.将所有指标集下的业务重要度比较矩阵求和，再采用如下算式计算业务相对综合重要度矩阵A＝[aij]H×H，
Figure FDA0003252359010000039
d.采用如下公式对相对综合重要度矩阵A进行求和处理，得到业务yi相对于其他业务的相对综合重要度之和
Figure FDA00032523590100000310
e.采用如下算式对业务yi相对于其他业务的相对综合重要度之和
Figure FDA00032523590100000311
进行线性归一化处理，得到归一化后的业务yi重要度值ai *：
Figure FDA0003252359010000041
式中
Figure FDA0003252359010000042
为待归一化的变量
Figure FDA0003252359010000043
的最大值；
Figure FDA0003252359010000044
为待归一化的变量
Figure FDA0003252359010000045
的最小值；
f.采用如下算式将归一化后的业务yi重要度值ai *进行投影：
Figure FDA0003252359010000046
式中s(i)为投影后的业务yi的综合重要度；F为设定的投影倍数；
g.设定评价矩阵为
Figure FDA0003252359010000047
其中oi1表示投影后的业务yi的综合重要度；oi2表示业务yi的业务流量e(i)；
h.对步骤g的评价矩阵O进行如下规范化处理：
Figure FDA0003252359010000048
式中ojmin＝min{o1j,o2j}，ojmax＝max{o1j,o2j}；
ii.采用如下算式计算指标j的熵值Ij：
Figure FDA0003252359010000049
式中k为常数且
Figure FDA00032523590100000410
ρij为第j项指标下，第i个样本值占该指标的比重,且
Figure FDA00032523590100000411
j取值为1或2，而且
Figure FDA00032523590100000412
当ρi1＝ρi2＝0时，ρi1lnρi1＝ρi2lnρi2＝ρi1＝ρi2＝0；
jj.得到指标在信息熵权法下求得的权重值为
Figure FDA0003252359010000051
式中Isum为所有指标的熵值之和，且
Figure FDA0003252359010000052
kk.采用如下算式计算得到高级用户的调度优先级Dhi：
Dhi＝αs(i)+βe(i)
式中α为第一权重且
Figure FDA0003252359010000053
β为第二权重且
Figure FDA0003252359010000054
e(i)为用户yi的业务流量。
6.根据权利要求5所述的基于用户优先级的配电网用户调度方法，其特征在于步骤S5所述的对待调度区域内的所有用户进行优先级排序，具体为采用如下规则进行优先级排序：
将高级用户按照调度优先级，从大到小进行排序Ph＝{Dh1,Dh2,Dh3…DhH}；
将普通用户按照调度优先级，从大到小进行排序Pl＝{Dl1,Dl2,Dl3,…,DlK}；
最后，对待调度区域内的所有用户进行优先级排序为P＝Ph∪PL＝{Dh1,Dh2,…,DhH,Dl1,Dl2,Dl3…,DlL}。
7.根据权利要求6所述的基于用户优先级的配电网用户调度方法，其特征在于步骤S6所述的根据步骤S5得到的优先级排序结果，进行配电网的用户调度，具体为根据步骤S5得到的优先级排序结果，按照优先级从高到低的顺序，依次为用户分配资源，完成配电网的用户调度。
CN202111049878.0A 2021-09-08 2021-09-08 基于用户优先级的配电网用户调度方法 Pending CN113743800A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111049878.0A CN113743800A (zh) 2021-09-08 2021-09-08 基于用户优先级的配电网用户调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111049878.0A CN113743800A (zh) 2021-09-08 2021-09-08 基于用户优先级的配电网用户调度方法

Publications (1)

Publication Number Publication Date
CN113743800A true CN113743800A (zh) 2021-12-03

Family

ID=78737143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111049878.0A Pending CN113743800A (zh) 2021-09-08 2021-09-08 基于用户优先级的配电网用户调度方法

Country Status (1)

Country Link
CN (1) CN113743800A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102217256A (zh) * 2011-05-26 2011-10-12 华为技术有限公司 队列调度的方法和装置
CN111682962A (zh) * 2020-05-19 2020-09-18 南方电网调峰调频发电有限公司信息通信分公司 一种电力数据网故障恢复方法、系统及存储介质
CN112367712A (zh) * 2020-10-29 2021-02-12 国网甘肃省电力公司信息通信公司 一种基于路径损耗的电力无线专网上行资源调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102217256A (zh) * 2011-05-26 2011-10-12 华为技术有限公司 队列调度的方法和装置
CN111682962A (zh) * 2020-05-19 2020-09-18 南方电网调峰调频发电有限公司信息通信分公司 一种电力数据网故障恢复方法、系统及存储介质
CN112367712A (zh) * 2020-10-29 2021-02-12 国网甘肃省电力公司信息通信公司 一种基于路径损耗的电力无线专网上行资源调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘垒: "电力通信耦合网的关键节点辨识及脆弱性分析", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 6, pages 2 *
程秀明: "面向超密集异构网络的多用户配对调度的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 5, pages 3 *

Similar Documents

Publication Publication Date Title
Lee et al. Dynamic network slicing for multitenant heterogeneous cloud radio access networks
CN111246586B (zh) 一种基于遗传算法的分配智能电网资源的方法及系统
CN111277437A (zh) 一种智能电网的网络切片资源分配方法
CN106231620A (zh) 一种蜂窝网络中d2d通信的联合功率控制及比例公平调度的方法
CN106454920B (zh) 一种lte与d2d混合网络中基于时延保证的资源分配优化算法
US9369925B2 (en) System and methods to achieve optimum efficiency-jain fairness in wireless systems
CN109982434B (zh) 无线资源调度一体智能化控制系统及方法、无线通信系统
CN111711538B (zh) 基于机器学习分类算法的电力网络规划方法及系统
CN102158962B (zh) 基站协作中的分簇方法、资源分配方法及相关设备
Jiang et al. Clustering and resource allocation strategy for D2D multicast networks with machine learning approaches
CN103249160B (zh) 一种LTE-A系统中CoMP下的资源分配方法
CN103079278A (zh) 基于用户满意度的ofdma-wlan系统下行资源分配方法
CN105554886A (zh) 一种资源调度方法及其装置
Feng et al. Device access optimization for virtual power plants in heterogeneous networks
Ye et al. Pricing-based resource allocation in virtualized cloud radio access networks
Xing et al. Task classification unloading algorithm for mobile edge computing in smart grid
Zhang et al. Dynamic user-centric clustering for uplink cooperation in multi-cell wireless networks
CN107613510A (zh) 基于QoS的智能电力通信业务差分调度机制优化方法
CN114423028A (zh) 基于多智能体深度强化学习的CoMP-NOMA协作成簇与功率分配方法
Huang et al. A three-tier deep learning-based channel access method for WiFi networks
CN109787737A (zh) 一种基于混合能量采集的ofdm系统下行链路多用户资源优化方法
CN110691383B (zh) 一种资源分配方法及装置
AlQwider et al. Deep Q-network for 5G NR downlink scheduling
CN107852708A (zh) 用于跨越多个资源维度进行无线电资源分配的系统和方法
CN106060945A (zh) 一种基于rb反馈的lte资源调度算法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211203

RJ01 Rejection of invention patent application after publication