CN113902178B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113902178B CN113902178B CN202111132559.6A CN202111132559A CN113902178B CN 113902178 B CN113902178 B CN 113902178B CN 202111132559 A CN202111132559 A CN 202111132559A CN 113902178 B CN113902178 B CN 113902178B
- Authority
- CN
- China
- Prior art keywords
- energy
- telecom operator
- power
- relay
- energy supply
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000009826 distribution Methods 0.000 title claims abstract description 25
- 230000008901 benefit Effects 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims description 118
- 230000003993 interaction Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 16
- 238000011160 research Methods 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000969 carrier Substances 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了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,属于智能电网中通信网络优化技术领域,方法主要包括以下步骤:构建电力公司和电信运营商之间的优化模型;构建电信运营商和能量供应点之间的优化模型;采用迭代算法对电力公司和电信运营商之间的优化模型、电信运营商和能量供应点之间的优化模型求解,得到最优调度结果;系统主要包括参数获取模块、第一、二、三模型构建模块、第一、二求解模块和调度结果确定模块。本发明能实现在降低各个电力公司成本的同时,提高电信运营商和能量供应点的收益。
Description
技术领域
本发明涉及智能电网中通信网络优化技术领域,尤其是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。
背景技术
随着经济的持续增长和社会人口数量的增加,电力系统面临的电网负荷需求在逐渐上升,大量数据的收集、传输及保存给传统的电力通信网络提出更为严格的要求。为了满足不断提升的用户对于电能的可靠性和质量的需求,传统电网需转变为更智能、稳定、实惠、自动、安全的智能电网。利用其先进的技术提高传统电网在安全稳定、实用性、高效性以及互动等方面的性能。
在分层通信网络数据传输的过程中,大量的数据包需通过数据聚合单元进行转发,由于同时进行大量数据的传输,传输信道就会出现网络拥塞、路径损耗和电磁干扰等问题。在无线传输的过程中,负荷状态的信息传输就会存在数据包丢失现象,进一步影响负荷预测精度,从而增加电力公司的成本。在通信网络中,可以通过采用协作中继技术、认知无线电等先进通信技术来减少数据包丢失。在智能电网通信网络需求侧的信息传输研究中,电力公司可以通过向电信运营商购买中继服务帮助电力公司高效的收集用户侧负荷信息,以此来降低电力成本、补偿信道衰落和提高数据传输速率和可靠性。
在中继帮助协作转发数据包过程中,基站作为中继节点需要不断消耗自己的能量来帮助转发信息。目前,一种基于无线信息和能量协同传输的无线供电中继传输方法运用于大量研究中,在该方法中,能量受限的中继节点接收到源节点的信号后同时进行信息和能量接收,然后利用接收到的能量协作转发信息到目的节点。然而这种能量补给方式获得的能量非常有限,而且通过分割源节点的信号进行能量收集会影响源节点到中继节点的信息传输速率。因此,引入能量供应点以无线供电方式在外部持续为中继供应能量,相比于无线信息和能量协同传输的无线供电方法,该方法能够给中继节点提供更稳定可靠的能量,而且不会影响信息传输速率。另外,能量与价格之间的协同优化对于整个电网的经济运行尤为重要,因此,在引入能量供应点的同时,降低电力公司成本、提高电信运营商以及能量供应点的收益,进而提升整个系统的社会福利是目前亟待解决的问题。
发明内容
本发明需要解决的技术问题是提供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,实现在降低各个电力公司成本的同时,提高电信运营商和能量供应点的利润。
为解决上述技术问题,本发明所采用的技术方案是:
一种中继功率分配比例和能量价格的协同优化方法,包括以下步骤:
S1、获取第一初始参数、第二初始参数、第三初始参数;
S2、依据第一初始参数、各个电力公司的支付方案和电信运营商分配给中继的传输功率比例,以电力公司总成本最小为目标,以电力公司的支付方案为决策变量,建立第一优化模型;
S3、依据第二初始参数、各个电力公司的支付方案、电信运营商分配给中继的传输功率比例和电信运营商能量需求量,以电信运营商收益最大为目标,以电信运营商分配给中继的传输功率比例和电信运营商能量需求量为决策变量,建立第二优化模型;
S4、依据第三初始参数、能量供应点能量供应量和能量供应点单位能量价格,以能量供应点收益最大为目标,以能量供应点能量供应量和能量供应点单位能量价格为决策变量,建立第三优化模型;
S5、采用迭代算法对所述第一优化模型和所述第二优化模型求解,得到第一组最优解;
S6、将第一组最优解代入到第二优化模型中,采用迭代算法对所述第二优化模型和所述第三优化模型求解,得到第二组最优解;
S7、确定最优调度结果,所述最优调度结果包括第一组最优解和第二组最优解。
本发明技术方案的进一步改进在于:S1中,所述第一初始参数包括DAU发送速率、DAU目标传输速率、每个DAU分配的带宽、DAU到网关以及中继到网关信道传输链路的信道噪声比、电力公司的预留成本和由风险管理策略决定的成本系数;
所述第二初始参数包括电信运营商的总带宽、电信运营商电信业务基价、基站中DAU数量、每个DAU的带宽;
所述第三初始参数包括能量供应点的成本系数。
本发明技术方案的进一步改进在于:S2中,在电力公司和电信运营商互动过程中,对于电力公司i来说,决策变量为电力公司i的支付方案mi,建立的所述第一优化模型,包括以下具体步骤:
首先利用Taguchi损失函数来描述电力公司i(i∈N={1,2,......,N})的平均的电力成本:
预测需求是Taguchi损失函数的目标值,/>是Taguchi损失函数的平均值,实际需求Di的分布为/>为实际需求的方差,参数γ由电力市场的风险管理策略决定,/>为电力公司的预测误差,/>是电力公司i的预留电力成本;
假定实际需求的方差与丢失的数据包总数成线性关系:
数据包丢失总数表示为:
其中,θ表示由于丢失一个数据包而引起的方差增加,和/>表示DAUi的实际传输速率和目标传输速率,ts为采样周期;
采用DF中继策略时,DAUi的传输速率为:
其中,W为DAUi分配的带宽,为DAUi的传输功率,/>为分配给DAUi中继的传输功率,/>和/>分别为DAUi到网关以及中继到网关的信道传输链路的信道噪声比;
其中,mi为电力公司i给电信运营商的支付价格,为电力公司i的支付方案,N是电力公司集(i∈N={1,2,......,i,......,N}),α为电信运营商分配给中继业务的功率比例,p为电信运营商的总功率;
综上,所述第一优化模型为电力公司i的成本模型为:
所述第一优化模型约束条件为:
0<α<1
其中,是分配给电力公司i的中继最大传输功率。
本发明技术方案的进一步改进在于:S3中,电信运营商的总功率其中有αp分配给中继业务帮助电力公司更高效的收集用户的信息,(1-α)p分配给电信业务来维持电信运营商自身电信业务的工作;
对于电信运营商来说,决策变量为电信运营商分配给中继的传输功率比例α和电信运营商能量需求量Q,所述第二优化模型为电信运营商的收益模型:
maxZT(α,p)=max(Zu+Zr-Ue)
其中,
Zr=∑i∈Nmi
Ue=min[q(E)·Q,q(E)·E]
Q=μp
所述第二优化模型约束条件为:
0<α<1
式中,ZT是电信运营商的收益,第一部分Zu是电信运营商电信业务的利润,第二部分Zr是所有电力公司给电信运营商中继业务的利润,第三部分Ue是电信运营商给能量供应点的能量报酬,ωr是电信业务的基价,Wr是电信运营商的总传输带宽,E为能量供应点产生的能量,q(E)为能量供应点单位能量价格,q(E)=εE+q0为能量价格函数,ε是价格调节因子,q0是能量基价,Q是电信运营商能量需求量,μ是传输功率与能量之间的转换率。
本发明技术方案的进一步改进在于:S4中,决策变量为能量供应点能量供应量E和能量供应点单位能量价格q,所述第三优化模型为能量供应点的收益模型:
maxZE(E,ε)=max(Ze-Ue)
其中,
Ze=min[q(E)·Q*,q(E)·E]
Ue=aE2+bE+c
q(E)=εE+q0
当供大于求时:ZE(E,ε)=q(E)·Q*-Ue
当保守供应时:ZE(E,ε)=q(E)·E-Ue
所述第三优化模型约束条件为:
式中,ZE是能量供应点的收益,Ze是能量供应点收获的电信运营商购买能量的报酬,Ue是生产能量自身消耗的成本,a、b、c是能量成本系数。
本发明技术方案的进一步改进在于:S5中,所述第一组最优解包括第一优化模型中各个电力公司的支付方案、第二优化模型中电信运营商分配给中继的传输功率比例。
本发明技术方案的进一步改进在于:S6中,所述第二组最优解包括第二优化模型中电信运营商能量需求量、第三优化模型中能量供应点的能量供应量和能量供应点单位能量价格。
一种中继功率分配比例和能量价格的协同优化系统,包括参数获取模块、第一模型构建模块、第二模型构建模块、第三模型构建模块、第一求解模块、第二求解模块和调度结果确定模块;
所述参数获取模块,用于获取第一初始参数、第二初始参数和第三初始参数;
所述第一模型构建模块,用于依据第一初始参数、各个电力公司的支付方案和电信运营商分配给中继的传输功率比例,以电力公司总成本最小为目标,以电力公司的支付方案为决策变量,建立第一优化模型;
所述第二模型构建模块,用于依据第二初始参数、各个电力公司的支付方案和电信运营商分配给中继的传输功率比例、电信运营商能量需求量,以电信运营商收益最大为目标,所述电信运营商分配给中继的传输功率比例和电信运营商能量需求量为决策变量,建立第二优化模型;
所述第三模型构建模块,用于依据第三初始参数、能量供应点能量供应量以及单位能量价格,以能量供应点收益最大为目标,所述能量供应点能量供应量和能量供应点单位能量价格为决策变量,建立第三优化模型;
所述第一求解模块,采用迭代算法对所述第一优化模型和第二优化模型求解,得到第一组最优解;
所述第二求解模块,将第一组最优解代入到第二优化模型中,采用迭代算法对所述第二优化模型和第三优化模型求解,得到第二组最优解;
所述调度结果确定模块,用于确定最优调度结果,所述最优调度结果包括第一组最优解、第二组最优解。
本发明技术方案的进一步改进在于:建立所述第一模型构建模块中的所述第一优化模型,包括以下具体步骤:
首先利用Taguchi损失函数来描述电力公司i(i∈N={1,2,......,N})的平均的电力成本:
预测需求是Taguchi损失函数的目标值,/>是Taguchi损失函数的平均值,实际需求Di的分布为/>表示实际需求的方差,参数γ由电力市场的风险管理策略决定,/>表示电力公司的预测误差,/>是电力公司i的预留电力成本;
假定实际需求的方差与丢失的数据包总数成线性关系:
数据包丢失总数表示为:
其中,θ表示由于丢失一个数据包而引起的方差增加,和/>表示DAUi的实际传输速率和目标传输速率,ts表示采样周期;
采用DF中继策略时,DAUi的传输速率为:
其中,W表示DAUi分配的带宽,表示DAUi的传输功率,/>DAUi中继的传输功率,和/>分别表示DAUi到网关以及中继到网关的信道传输链路的信道噪声比;
其中,mi表示电力公司i给电信运营商的支付价格,为电力公司i的支付方案,N表示电力公司集(i∈N={1,2,......,i,......,N}),α表示电信运营商分配给中继业务的功率比例,p表示电信运营商的总功率;
综上,所述第一优化模型为电力公司i的成本模型为:
所述第一优化模型约束条件为:
0<α<1
其中,是分配给电力公司i的中继最大传输功率。
本发明技术方案的进一步改进在于:所述第二模型构建模块中的所述第二优化模型为:
maxZT(α,p)=max(Zu+Zr-Ue)
其中,
Zr=∑i∈Nmi
Ue=min[q(E)·Q,q(E)·E]
Q=μp
所述第二优化模型约束条件为:
0<α<1
式中,ZT是电信运营商的收益,Zu是电信运营商电信业务的利润,Zr是所有电力公司给电信运营商中继业务的利润,Ue是电信运营商向能量供应点购买能量的成本,ωr是电信业务的基价,Wr是电信运营商的总传输带宽,E为能量供应点产生的能量,q(E)为能量供应点单位能量价格,q(E)=εE+q0表示能量价格函数,ε是价格调节因子,q0是能量基价,Q是电信运营商能量需求量,μ是传输功率与能量之间的转换率。
由于采用了上述技术方案,本发明取得的技术进步是:
1、本发明通过引入能量供应点以无线供电方式在外部持续为中继供应能量,相比于无线信息和能量协同传输的无线供电方法,能够给中继节点提供更稳定可靠的能量,而且不会影响信息传输速率。
2、本发明针对电力公司、电信运营商和能量供应点进行协同优化,建立独特的优化模型,实现从不同角度提升自身利益。
3、本发明中电力公司通过支付方案向电信运营商购买中继服务帮助其实时收集用户通信信息,各个电力公司进行非合作博弈,并通过制定支付方案获得电信运营商中继服务帮助其收集用户信息,有效的解决了同时进行大量的数据传输而造成严重的拥塞问题,降低了数据包丢失率,在一定程度上减小了整个电力系统通信网络的压力,有利于系统的安全运行。
4、本发明中电信运营商根据自身能量需求向能量供应点购买能量来维持中继工作,对于电信运营商来说,通过购买能量供应点处的能量持续给电信运营商进行能量补充,并向电力公司出售中继业务来获得相应的报酬,增加收益,实现电信运营商的长期盈利。
5、本发明为持续给中继供应能量,建立了能量供应点收益最大为目标函数建立第三优化模型,对于能量供应点来说,通过单位能量价格和能量供应量合理引导电信运营商能量需求量,实现能量的有效生产和利用,节约资源的同时增加能量供应点的收益。
6、本发明建立的优化模型能够很好地促进能量供应点与系统的良性互动,提高电网中通信网络运行的稳定性,使得电力公司、电信运营商以及能量供应点实现共赢。
附图说明
图1是本发明中电力公司、电信运营商、能量供应点之间的互动关系图;
图2是本发明中电力公司、电信运营商、能量供应点之间协同优化方法的流程图;
图3是本发明中电力公司、电信运营商、能量供应点之间互动模型的结构图;
图4是本发明采用迭代算法优化求解的流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步详细说明:
数据聚合单元(Data Aggregator Units),简称DAU。电力公司通过DAU实时收集网关处用户的通信信息,来判断用户侧的通信需求,由于信息收集过程中存在数据包丢失的情况,预测误差和需求会存在波动,电力公司的电力成本会随着预测需求的偏差而增加,所以电力公司向电信运营商处购买中继服务帮助其收集用户信息,降低数据包丢失率,从而降低电力公司的成本。多个电力公司之间存在非合作博弈,竞争电信运营商分配给所有电力公司的中继服务。
电信运营商包括中继业务和其自身的电信业务,电信运营商需要在需求响应的数据传输和电信业务之间做出权衡,以实现收益最大化。此外,电信运营商在帮助电力公司进行数据收集时能量是不断降低的,为了维持电信运营商的能量,引入能量供应点持续为电信运营商供应能量。
能量供应点是电信运营商能量补给的主要场所,以无线供电方式进行能量供应,在给电信运营商供应能量的过程,通过制定单位能量价格和能量供应量来达到自身收益最大化。
电力公司、电信运营商、能量供应点三者之间的互动关系如图1所示。本实施例中电力公司、电信运营商、能量供应点之间的协同优化方法的思路如下:
建立电力公司和电信运营商互动模型,实现电力公司和电信运营商之间双向互动。在电力公司与电信运营商的双向互动过程中,电信运营商往往是交易机制制定的主要角色,一般电信运营商在实现收益最大化的前提下,先确定为中继分配的传输功率的比例,电力公司再对电信运营商确定的分配给中继的传输功率比例做出响应,在满足交换需求的基础上,电力公司确定支付方案使电力公司成本最小化。在实际的互动中,各个电力公司的支付方案又会反过来影响电信运营商对分配给中继的传输功率比例的制定,构成博弈模型,最终形成动态均衡。两者之间的行为有先后,因而在实际的互动中,电信运营商为领导者,电力公司为跟随者,且一方的策略选择会对另一方的收益和成本产生直接的影响。最后使电信运营商的收益和电力公司的成本达到均衡。电力公司和电信运营商互动模型包括以电力公司作为跟随者建立的第一优化模型和以电信运营商作为领导者建立的第二优化模型。
建立电信运营商和能量供应点互动模型,实现电信运营商和能量供应点之间的双向互动。在电信运营商和能量供应点的互动过程中,在能量供应点的收益最大化的前提下,能量供应点先确定能量供应量和单位能量价格,电信运营商根据能量供应量和单位能量价格确定能量需求量。在实际的互动中,电信运营商的能量需求量又会反过来影响能量供应量和单位能量价格的制定,构成博弈模型,最终形成动态均衡。两者之间的行为也存在先后,因而在实际的互动中,能量供应点为领导者,电信运营商为跟随者。电信运营商和能量供应点互动模型包括以电信运营商作为跟随者建立的第二优化模型和以能量供应点作为领导者建立的第三优化模型。
如图2所示,电力公司与电信运营商协同优化方法,具体包括以下步骤:
S1、获取第一初始参数、第二初始参数、第三初始参数。
第一初始参数包括DAU发送速率、DAU目标传输速率、每个DAU分配的带宽、DAU到网关以及中继到网关信道传输链路的信道噪声比、电力公司的预留成本和由风险管理策略决定的成本系数;第二初始参数包括电信运营商的总带宽、电信运营商电信业务基价、基站中DAU数量、每个DAU的带宽;第三初始参数包括能量供应点的成本系数。
S2、依据第一初始参数、各个电力公司的支付方案和电信运营商分配给中继的传输功率比例,以电力公司总成本最小为目标,以电力公司的支付方案为决策变量,建立第一优化模型。
该步骤中,优化模型考虑电力公司自身的运营成本和购买中继服务的成本。电力公司向电信运营商购买中继服务帮助其收集用户信息,电信运营商先确定分配给中继业务的传输功率比例,各个电力公司之间存在非合作博弈来竞争电信运营商处分配给中继的传输功率,因此各个电力公司要制定支付方案来获取相应的中继传输功率,并利用Taguchi损失函数来描述各个电力公司的成本。
在电力公司和电信运营商互动过程中,对于电力公司i来说,决策变量为电力公司i的支付方案mi,建立的所述第一优化模型。
首先利用Taguchi损失函数来描述电力公司i(i∈N={1,2,......,N})的平均的电力成本:
预测需求是Taguchi损失函数的目标值(MWh),/>是Taguchi损失函数的平均值(MWh),实际需求Di的分布假定为/>为实际需求的方差(MWh),参数γ由电力市场的风险管理策略决定,/>为电力公司的预测误差,可忽略不计,/>是电力公司i的预留电力成本(¥)。
假定实际需求的方差与丢失的数据包总数成线性关系:
数据包丢失总数表示为:
其中,θ表示由于丢失一个数据包而引起的方差增加(MWh/个)。和/>表示DAUi的实际传输速率和目标传输速率(bps),ts为采样周期(s)。
采用解码转发(Decode-and-forward)中继策略,简称DF中继策略时,DAUi的传输速率为:
其中,W为DAUi分配的带宽(MHz),为DAUi的传输功率(kw),/>为分配给DAUi中继的传输功率(kw),/>和/>分别为DAUi到网关以及中继到网关的信道传输链路的信道噪声比(dB)。
其中,mi为电力公司i给电信运营商的支付价格(¥),为电力公司i的支付方案,N是电力公司集(i∈N={1,2,......,i,......,N}),α为电信运营商分配给中继业务的功率比例,p为电信运营商的总功率(kw)。
综上,所述第一优化模型为电力公司i的成本模型:
所述第一优化模型约束条件为:
0<α<1
其中,是分配给电力公司i的中继最大传输功率(kw)。
S3、依据第二初始参数、各个电力公司的支付方案、电信运营商分配给中继的传输功率比例和电信运营商能量需求量,以电信运营商收益最大为目标,以电信运营商分配给中继的传输功率比例和电信运营商能量需求量为决策变量,建立第二优化模型。
电信运营商是为各个电力公司提供中继服务的主要场所,电信运营商的总功率其中有αp分配给中继业务帮助电力公司更高效的收集用户的信息,(1-α)p分配给电信业务来维持电信运营商自身电信业务的工作。
对于电信运营商来说,决策变量为电信运营商分配给中继的传输功率比例α和电信运营商能量需求量Q,所述第二优化模型为电信运营商的收益模型:
maxZT(α,p)=max(Zu+Zr-Ue)
其中,
Zr=∑i∈Nmi
Ue=min[q(E)·Q,q(E)·E]
Q=μp
所述第二优化模型约束条件为:
0<α<1
式中,ZT是电信运营商的收益(¥),第一部分Zu是电信运营商电信业务的利润(¥),第二部分Zr是所有电力公司给电信运营商中继业务的利润(¥),第三部分Ue是电信运营商给能量供应点的能量报酬(¥)。其中,ωr是电信业务的基价(¥),Wr是电信运营商的总传输带宽(MHz)。E为能量供应点产生的能量(kwh),q(E)为能量供应点单位能量价格(¥/kwh),q(E)=εE+q0为能量价格函数,ε是价格调节因子,q0是能量基价(¥)。Q是电信运营商能量需求量(kwh),μ是传输功率与能量之间的转换率。
经过S2和S3,得到包括第一优化模型和第二优化模型的各个电力公司和电信运营商互动模型。
S4、依据第三初始参数、能量供应点能量供应量以及单位能量价格,以能量供应点收益最大为目标,所述能量供应点能量供应量和能量供应点单位能量价格为决策变量,建立第三优化模型。
能量供应点是为电信运营商提供能量的主要场所。由于电信运营商在帮助转发信息过程中自身的能量在不断降低,然而中继在信息传输过程中收集到的能量很少,且具有不稳定性,不能满足中继的能量需求,所以引入能量供应点高效的为中继供应能量,即可以实现能量供应点的经济运行、又能保证中继持续工作。决策变量为能量供应点能量供应量E和能量供应点单位能量价格q,建立的第三优化模型为:
可选的,所述第三优化模型为能量供应点的收益模型:
maxZE(E,ε)=max(Ze-Ue)
其中,
Ze=min[q(E)·Q*,q(E)·E]
Ue=aE2+bE+c
q(E)=εE+q0
当供大于求时:ZE(E,ε)=q(E)·Q*-Ue
当保守供应时:ZE(E,ε)=q(E)·E-Ue
所述第三优化模型约束条件为:
式中,ZE是能量供应点的收益(¥),Ze是能量供应点收获的电信运营商购买能量的报酬(¥),Ue是生产能量自身消耗的成本(¥)。其中,a、b、c是能量成本系数。
经过S3和S4,得到包括第二优化模型和第三优化模型的电信运营商和能量供应点调度模型。
电力公司、电信运营商和能量供应点调度模型如图3所示。
S5、采用迭代算法对所述第一优化模型和第二优化模型求解,得到第一组最优解。
第一组最优解包括第一优化模型中各个电力公司的支付方案、第二优化模型中电信运营商分配给中继的传输功率比例。
采用迭代算法对电力公司和电信运营商优化调度模型进行求解,通过迭代求解互动策略,通过价格及对此价格响应的功率分配比例进行互动。
S6、将第一组最优解代入到第二优化模型中,采用迭代算法对所述第二优化模型和第三优化模型求解,得到第二组最优解。
第二组最优解包括第二优化模型中电信运营商能量需求量、第三优化模型中能量供应点的能量供应量和能量供应点单位能量价格。
采用迭代算法对电信运营商和能量供应点优化模型进行求解,通过单位能量价格和能量供应量及对此影响的能量需求量进行互动。
上述优化求解具体过程如图4所示。电力公司和电信运营商互动模型、电信运营商和能量供应点互动模型能够很好的促进各个电力公司、电信运营商、能量供应点三者之间的良性互动,最终实现共赢。
S7、确定最优调度结果,所述最优调度结果包括第一组最优解和第二组最优解。
综上所述,一种中继功率分配比例和能量价格的协同优化方法,具有以下优点:
现有技术大多是在智能电网通信网络中主要考虑单个DAU单个中继或多个DAU多个中继系统中传输速率、传输功率分配、带宽分配、实时定价等问题。而对于中继帮助转发信息过程中能量不断减少的问题,大多数的研究都是以射频信号作为载体进行能量收集,或者是利用基于无线信息和能量协同传输的无线供电中继传输方法,然而这种能量补给方式获得的能量非常有限,且会影响传输速率。在本方案中引入能量供应点以无线供电方式在外部持续为中继供应能量,相比于无线信息和能量协同传输的无线供电方法,该方法能够给中继节点提供更稳定可靠的能量,而且不会影响信息传输速率。
本实施例针对电力公司、电信运营商和能量供应点进行协同优化,从不同角度考虑了自身利益,其优化模型和多数研究存在很大差别。电力公司通过支付方案向电信运营商购买中继服务帮助其实时收集用户通信信息,电信运营商根据自身能量需求向能量供应点购买能量来维持中继工作。考虑传输速率、带宽分配及电力公司预留成本等多因素下,建立以电力公司成本最小为第一优化模型。一方面,第二优化模型电信运营商考虑总带宽、电信业务基价、DAU数量、DAU带宽及能量需求量等多因素下建立电信运营商收益最大为目标函数。另一方面,为持续给中继供应能量,建立了能量供应点收益最大为目标函数建立第三优化模型。
对于电力公司来说,各个电力公司进行非合作博弈,并通过制定支付方案获得电信运营商中继服务帮助其收集用户信息,有效的解决了同时进行大量的数据传输而造成严重的拥塞问题,降低了数据包丢失率。在一定程度上减小了整个电力系统通信网络的压力,有利于系统的安全运行。对于电信运营商来说,通过购买能量供应点处的能量持续给电信运营商进行能量补充,并向电力公司出售中继业务来获得相应的报酬,可以增加收益,实现电信运营商的长期盈利。对于能量供应点来说,通过单位能量价格和能量供应量合理引导电信运营商能量需求量,实现能量的有效生产和利用,节约资源的同时增加能量供应点的收益。优化模型能够很好地促进能量供应点与系统的良性互动,提高电网中通信网络运行的稳定性,使得电力公司、电信运营商以及能量供应点实现共赢。
一种考虑电力公司、电信运营商和能量供应点之间的协同优化系统,包括:
参数获取模块,用于获取第一初始参数、第二初始参数和第三初始参数;第一初始参数包括DAU发送速率、DAU目标传输速率、每个DAU分配的带宽、DAU到网关以及中继到网关信道传输链路的信道噪声比、电力公司的预留成本和由风险管理策略决定的成本系数;第二初始参数包括电信运营商的总带宽、电信运营商电信业务基价、基站中DAU数量、每个DAU的带宽;第三初始参数包括能量供应点的成本系数。
第一模型构建模块,用于依据第一初始参数、各个电力公司的支付方案和电信运营商分配给中继的传输功率比例,以电力公司总成本最小为目标,以电力公司的支付方案为决策变量,建立第一优化模型。
第二模型构建模块,用于依据第二初始参数、各个电力公司的支付方案和电信运营商分配给中继的传输功率比例、电信运营商能量需求量,以电信运营商收益最大为目标,所述电信运营商分配给中继的传输功率比例和电信运营商能量需求量为决策变量,建立第二优化模型。
第三模型构建模块,用于依据第三初始参数、能量供应点能量供应量以及单位能量价格,以能量供应点收益最大为目标,所述能量供应点能量供应量和能量供应点单位能量价格为决策变量,建立第三优化模型。
第一求解模块,采用迭代算法对所述第一优化模型和第二优化模型求解,得到第一组最优解。所述第一组最优解包括第一优化模型中各个电力公司的支付方案、第二优化模型中电信运营商分配给中继的传输功率比例。
第二求解模块,将第一组最优解代入到第二优化模型中,采用迭代算法对所述第二优化模型和第三优化模型求解,得到第二组最优解。所述第二组最优解为第二优化模型中电信运营商能量需求量、第三优化模型中能量供应点的能量供应量和能量供应点单位能量价格。
调度结果确定模块,用于确定最优调度结果,所述最优调度结果包括第一组最优解、第二组最优解。
作为一种可选的实施方式,所述第一模型构建模块中的所述第一优化模型:
首先利用Taguchi损失函数来描述电力公司i(i∈N={1,2,......,N})的平均的电力成本:
预测需求是Taguchi损失函数的目标值,/>是Taguchi损失函数的平均值,实际需求Di的分布假定为/>表示实际需求的方差,参数γ由电力市场的风险管理策略决定,/>表示电力公司的预测误差,可忽略不计,/>是电力公司i的预留电力成本。
假定实际需求的方差与丢失的数据包总数成线性关系:
数据包丢失总数表示为:
其中,θ表示由于丢失一个数据包而引起的方差增加。和/>表示DAUi的实际传输速率和目标传输速率,ts表示采样周期。
采用DF中继策略时,DAUi的传输速率为:
其中,W表示DAUi分配的带宽,表示DAUi的传输功率,/>表示分配给DAUi中继的传输功率,/>和/>分别表示DAUi到网关以及中继到网关的信道传输链路的信道噪声比。
其中,mi表示电力公司i给电信运营商的支付价格,为电力公司i的支付方案,N表示电力公司集(i∈N={1,2,......,i,......,N}),α表示电信运营商分配给中继业务的功率比例,p表示电信运营商的总功率。
综上,所述第一优化模型为电力公司i的成本模型:
所述第一优化模型约束条件为:
0<α<1
其中,是分配给电力公司i的中继最大传输功率。
作为一种可选的实施方式,所述第二模型构建模块中的所述第二优化模型为:
maxZT(α,p)=max(Zu+Zr-Ue)
其中,
Zr=∑i∈Nmi
Ue=min[q(E)·Q,q(E)·E]
Q=μp
所述第二优化模型约束条件为:
0<α<1
式中,ZT是电信运营商的收益,Zu是电信运营商电信业务的利润,Zr是所有电力公司给电信运营商中继业务的利润,Ue是电信运营商向能量供应点购买能量的成本。其中,ωr是电信业务的基价,Wr是电信运营商的总传输带宽。E为能量供应点产生的能量,q(E)为能量供应点单位能量价格,q(E)=εE+q0表示能量价格函数,ε是价格调节因子,q0是能量基价。Q是电信运营商能量需求量,μ是传输功率与能量之间的转换率。
作为一种可选的实施方式,所述第三模型构建模块中的所述第三优化模型:
maxZE(E,ε)=max(Ze-Ue)
其中,
Ze=min[q(E)·Q*,q(E)·E]
Ue=aE2+bE+c
q(E)=εE+q0
当供大于求时:ZE(E,ε)=q(E)·Q*-Ue
当保守供应时:ZE(E,ε)=q(E)·E-Ue
所述第三优化模型约束条件为:
式中,ZE是能量供应点的收益,Ze是能量供应点收获的电信运营商购买能量的报酬,Ue是生产能量自身消耗的成本。其中,a、b、c是能量成本系数。
综上所述,一种中继功率分配比例和能量价格的协同优化系统,能实现在降低电力公司成本的同时,提高电信运营商、能量供应点的收益,进而提高整个系统的社会福利。
Claims (7)
1.一种中继功率分配比例和能量价格的协同优化方法,其特征在于:包括以下步骤:
S1、获取第一初始参数、第二初始参数、第三初始参数;
S2、依据第一初始参数、各个电力公司的支付方案和电信运营商分配给中继的传输功率比例,以电力公司总成本最小为目标,以电力公司的支付方案为决策变量,建立第一优化模型;
S2中,在电力公司和电信运营商互动过程中,对于电力公司i来说,决策变量为电力公司i的支付方案mi,建立的所述第一优化模型,包括以下具体步骤:
首先利用Taguchi损失函数来描述电力公司i(i∈N={1,2,......,N})的平均的电力成本:
预测需求是Taguchi损失函数的目标值,/>是Taguchi损失函数的平均值,实际需求Di的分布为/> 为实际需求的方差,参数γ由电力市场的风险管理策略决定,为电力公司的预测误差,/>是电力公司i的预留电力成本;
假定实际需求的方差与丢失的数据包总数成线性关系:
数据包丢失总数表示为:
其中,θ表示由于丢失一个数据包而引起的方差增加,和/>表示DAUi的实际传输速率和目标传输速率,ts为采样周期;
采用DF中继策略时,DAUi的传输速率为:
其中,W为DAUi分配的带宽,为DAUi的传输功率,/>为分配给DAUi中继的传输功率,/>和/>分别为DAUi到网关以及中继到网关的信道传输链路的信道噪声比;
其中,mi为电力公司i给电信运营商的支付价格,为电力公司i的支付方案,N是电力公司集(i∈N={1,2,......,i,......,N}),α为电信运营商分配给中继业务的功率比例,p为电信运营商的总功率;
综上,所述第一优化模型为电力公司i的成本模型为:
所述第一优化模型约束条件为:
0<α<1
其中,是分配给电力公司i的中继最大传输功率;
S3、依据第二初始参数、各个电力公司的支付方案、电信运营商分配给中继的传输功率比例和电信运营商能量需求量,以电信运营商收益最大为目标,以电信运营商分配给中继的传输功率比例和电信运营商能量需求量为决策变量,建立第二优化模型;
S3中,电信运营商的总功率其中有αp分配给中继业务帮助电力公司更高效的收集用户的信息,(1-α)p分配给电信业务来维持电信运营商自身电信业务的工作;
对于电信运营商来说,决策变量为电信运营商分配给中继的传输功率比例α和电信运营商能量需求量Q,所述第二优化模型为电信运营商的收益模型:
max ZT(α,p)=max(Zu+Zr-Ue)
其中,
Zr=∑i∈Nmi
Ue=min[q(E)·Q,q(E)·E]
Q=μp
所述第二优化模型约束条件为:
0<α<1
式中,ZT是电信运营商的收益,第一部分Zu是电信运营商电信业务的利润,第二部分Zr是所有电力公司给电信运营商中继业务的利润,第三部分Ue是电信运营商给能量供应点的能量报酬,ωr是电信业务的基价,Wr是电信运营商的总传输带宽,E为能量供应点产生的能量,q(E)为能量供应点单位能量价格,q(E)=εE+q0为能量价格函数,ε是价格调节因子,q0是能量基价,Q是电信运营商能量需求量,μ是传输功率与能量之间的转换率;
S4、依据第三初始参数、能量供应点能量供应量和能量供应点单位能量价格,以能量供应点收益最大为目标,以能量供应点能量供应量和能量供应点单位能量价格为决策变量,建立第三优化模型;
S4中,决策变量为能量供应点能量供应量E和能量供应点单位能量价格q,所述第三优化模型为能量供应点的收益模型为:
max ZE(E,ε)=max(Ze-Ue)
其中,
Ze=min[q(E)·Q*,q(E)·E]
Ue=aE2+bE+c
q(E)=εE+q0
当供大于求时:ZE(E,ε)=q(E)·Q*-Ue
当保守供应时:ZE(E,ε)=q(E)·E-Ue
所述第三优化模型约束条件为:
式中,ZE是能量供应点的收益,Ze是能量供应点收获的电信运营商购买能量的报酬,Ue是生产能量自身消耗的成本,a、b、c是能量成本系数;
S5、采用迭代算法对所述第一优化模型和所述第二优化模型求解,得到第一组最优解;
S6、将第一组最优解代入到第二优化模型中,采用迭代算法对所述第二优化模型和所述第三优化模型求解,得到第二组最优解;
S7、确定最优调度结果,所述最优调度结果包括第一组最优解和第二组最优解。
2.根据权利要求1所述的一种中继功率分配比例和能量价格的协同优化方法,其特征在于:S1中,所述第一初始参数包括DAU发送速率、DAU目标传输速率、每个DAU分配的带宽、DAU到网关以及中继到网关信道传输链路的信道噪声比、电力公司的预留成本和由风险管理策略决定的成本系数;
所述第二初始参数包括电信运营商的总带宽、电信运营商电信业务基价、基站中DAU数量、每个DAU的带宽;
所述第三初始参数包括能量供应点的成本系数。
3.根据权利要求1所述的一种中继功率分配比例和能量价格的协同优化方法,其特征在于:S5中,所述第一组最优解包括第一优化模型中各个电力公司的支付方案、第二优化模型中电信运营商分配给中继的传输功率比例。
4.根据权利要求1所述的一种中继功率分配比例和能量价格的协同优化方法,其特征在于:S6中,所述第二组最优解包括第二优化模型中电信运营商能量需求量、第三优化模型中能量供应点的能量供应量和能量供应点单位能量价格。
5.一种使用如权利要求1-4任一项所述的中继功率分配比例和能量价格的协同优化方法的系统,其特征在于:包括参数获取模块、第一模型构建模块、第二模型构建模块、第三模型构建模块、第一求解模块、第二求解模块和调度结果确定模块;
所述参数获取模块,用于获取第一初始参数、第二初始参数和第三初始参数;
所述第一模型构建模块,用于依据第一初始参数、各个电力公司的支付方案和电信运营商分配给中继的传输功率比例,以电力公司总成本最小为目标,以电力公司的支付方案为决策变量,建立第一优化模型;
所述第二模型构建模块,用于依据第二初始参数、各个电力公司的支付方案和电信运营商分配给中继的传输功率比例、电信运营商能量需求量,以电信运营商收益最大为目标,所述电信运营商分配给中继的传输功率比例和电信运营商能量需求量为决策变量,建立第二优化模型;
所述第三模型构建模块,用于依据第三初始参数、能量供应点能量供应量以及单位能量价格,以能量供应点收益最大为目标,所述能量供应点能量供应量和能量供应点单位能量价格为决策变量,建立第三优化模型;
所述第一求解模块,采用迭代算法对所述第一优化模型和第二优化模型求解,得到第一组最优解;
所述第二求解模块,将第一组最优解代入到第二优化模型中,采用迭代算法对所述第二优化模型和第三优化模型求解,得到第二组最优解;
所述调度结果确定模块,用于确定最优调度结果,所述最优调度结果包括第一组最优解、第二组最优解。
6.根据权利要求5所述的一种中继功率分配比例和能量价格的协同优化系统,其特征在于:建立所述第一模型构建模块中的所述第一优化模型,包括以下具体步骤:
首先利用Taguchi损失函数来描述电力公司i(i∈N={1,2,......,N})的平均的电力成本:
预测需求是Taguchi损失函数的目标值,/>是Taguchi损失函数的平均值,实际需求Di的分布为/> 表示实际需求的方差,参数γ由电力市场的风险管理策略决定,/>表示电力公司的预测误差,/>是电力公司i的预留电力成本;
假定实际需求的方差与丢失的数据包总数成线性关系:
数据包丢失总数表示为:
其中,θ表示由于丢失一个数据包而引起的方差增加,和/>表示DAUi的实际传输速率和目标传输速率,ts表示采样周期;
采用DF中继策略时,DAUi的传输速率为:
其中,W表示DAUi分配的带宽,表示DAUi的传输功率,/>表示分配给DAUi中继的传输功率,/>和/>分别表示DAUi到网关以及中继到网关的信道传输链路的信道噪声比;
其中,mi表示电力公司i给电信运营商的支付价格,为电力公司i的支付方案,N表示电力公司集(i∈N={1,2,......,i,......,N}),α表示电信运营商分配给中继业务的功率比例,p表示电信运营商的总功率;
综上,所述第一优化模型为电力公司i的成本模型为:
所述第一优化模型约束条件为:
0<α<1
其中,是分配给电力公司i的中继最大传输功率。
7.根据权利要求5所述的一种中继功率分配比例和能量价格的协同优化系统,其特征在于:所述第二模型构建模块中的所述第二优化模型为:
max ZT(α,p)=max(Zu+Zr-Ue)
其中,
Zr=∑i∈Nmi
Ue=min[q(E)·Q,q(E)·E]
Q=μp
所述第二优化模型约束条件为:
0<α<1
式中,ZT是电信运营商的收益,Zu是电信运营商电信业务的利润,Zr是所有电力公司给电信运营商中继业务的利润,Ue是电信运营商向能量供应点购买能量的成本,ωr是电信业务的基价,Wr是电信运营商的总传输带宽,E为能量供应点产生的能量,q(E)为能量供应点单位能量价格,q(E)=εE+q0表示能量价格函数,ε是价格调节因子,q0是能量基价,Q是电信运营商能量需求量,μ是传输功率与能量之间的转换率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111132559.6A CN113902178B (zh) | 2021-09-27 | 2021-09-27 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111132559.6A CN113902178B (zh) | 2021-09-27 | 2021-09-27 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113902178A CN113902178A (zh) | 2022-01-07 |
CN113902178B true CN113902178B (zh) | 2024-04-26 |
Family
ID=79029559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111132559.6A Active CN113902178B (zh) | 2021-09-27 | 2021-09-27 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902178B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362792A (zh) * | 2022-01-23 | 2022-04-15 | 燕山大学 | 在智能电网中考虑通信安全的中继功率分配和定价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103249129A (zh) * | 2013-04-17 | 2013-08-14 | 南京邮电大学 | 无线异构网络最优中继协作激励方法 |
CN105405061A (zh) * | 2015-05-06 | 2016-03-16 | 国家电网公司 | 一种基于需求响应的配电网供电可靠性评估方法 |
CN112418519A (zh) * | 2020-11-20 | 2021-02-26 | 燕山大学 | 一种能源多端协同调度方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180083482A1 (en) * | 2016-09-19 | 2018-03-22 | Nestfield Co., Ltd. | Supply-demand balancing method and system for power management in smart grid |
-
2021
- 2021-09-27 CN CN202111132559.6A patent/CN113902178B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103249129A (zh) * | 2013-04-17 | 2013-08-14 | 南京邮电大学 | 无线异构网络最优中继协作激励方法 |
CN105405061A (zh) * | 2015-05-06 | 2016-03-16 | 国家电网公司 | 一种基于需求响应的配电网供电可靠性评估方法 |
CN112418519A (zh) * | 2020-11-20 | 2021-02-26 | 燕山大学 | 一种能源多端协同调度方法及系统 |
Non-Patent Citations (1)
Title |
---|
曾丹 ; 姚建国 ; 杨胜春 ; 王珂 ; 周竞 ; 李亚平.应对风电消纳中基于安全约束的价格型需求响应优化调度建模.中国电机工程学报.34(31),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113902178A (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duan et al. | Contract-based cooperative spectrum sharing | |
Ren et al. | Pricing and distributed power control in wireless relay networks | |
CN108990159A (zh) | 移动边缘计算系统中基于分层博弈的联合资源分配方法 | |
Yi et al. | Cooperative communication-aware spectrum leasing in cognitive radio networks | |
CN101827418B (zh) | 一种基于能量优化的认知无线电组播路由方法 | |
CN104640141B (zh) | 一种多中继节点合作博弈的激励方法 | |
CN107482766B (zh) | 基于数据网络和电力网络互动运行的电力系统调度方法 | |
CN104640123B (zh) | 一种多中继节点非合作博弈的激励方法 | |
CN102946641A (zh) | 异构融合网络带宽资源优化分配方法 | |
CN107864512A (zh) | 一种基于博弈论的蜂窝异构网络资源分配方法 | |
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 | |
CN103313260A (zh) | 一种基于博弈论的认知无线电网络带宽、功率联合分配方法 | |
CN107359927A (zh) | 一种eh能量收集协作通信网络中继选择方法 | |
CN113612853B (zh) | 一种联合边缘计算的网络资源调度方法 | |
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 | |
CN107124757A (zh) | 一种混合能量供电分布式天线系统的功率分配方法 | |
CN112654058A (zh) | D2d多播网络中的移动边缘计算卸载与资源分配算法 | |
Sun et al. | A two-layered incentive scheme for cooperation in sliced 5G D2D networks | |
CN104581918B (zh) | 基于非合作博弈的卫星跨层联合优化功率分配方法 | |
CN109788540A (zh) | D2d系统中基于能量采集的功率控制和信道分配方法 | |
CN103582105A (zh) | 一种大规模异构蜂窝网络中最大化系统效益的优化方法 | |
Ma et al. | Relaying-assisted communications for demand response in smart grid: Cost modeling, game strategies, and algorithms | |
CN103249129B (zh) | 无线异构网络最优中继协作激励方法 | |
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 | |
CN109219106A (zh) | 一种异构网络中基于契约理论的上下行解耦单接入方法 |
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 |