CN114189871B - 一种考虑校正信号传播模型的电力5g基站布局方法 - Google Patents

Abstract

本发明提供了一种考虑校正信号传播模型的电力5G基站布局方法，同时加入信号传播模型校正方法和链路预算公式进行电力系统的无线网络规划，得到规划区域的基站覆盖半径和所需基站的数量范围，并基于遗传算法对基站布局进行优化，将真实的三维数据导入到算法中，最终得到基站布局图，为实际工作提供理论指导意义。

Description

一种考虑校正信号传播模型的电力5G基站布局方法

技术领域

本发明涉及一种考虑校正信号传播模型的电力5G基站布局方法，属于电力规划设计技术领域。

背景技术

在智能电网深化建设的快速发展中，第五代移动通信技术因具有高带宽，高容量，高可靠性，低时延，低功耗的特点，将成为引领和支撑电力系统技术创新的关键，电力系统本身的特点以及其对通信的要求决定了5G通信技术在某些特定领域能够发挥关键性的支撑作用。

5G基站布局选择和优化是电力系统需要重点解决的问题。目前现有基站布局方法为基于带权极小模理想点法的5G网络基站选址优化方法，它的主要内容包括5G网络基站选址优化数学模型和带权极小模理想点算法求解基站选址两部分；5G网络基站选址优化数学模型是将5G网络基站选址优化多目标问题分解为三个子目标函数，包括5G网络基站建设总代价、测试点的覆盖率和网络容量；带权极小模理想点算法求解基站选址，通常采用带权极小模理想点法将5G网络基站建设总代价、测试点的覆盖率和网络容量，三个子目标函数进行组合后形成但目标函数，最终决定基站最优选择。就上述基站布局方法而言，存在以下几个问题：(1)智能优化法和链路预算的方法中由于缺乏对5G网络中基站站址的数学模型进行相应的研究，因此没有形成统一的标准，与实际工作中的建设存在许多差异；(2)在利用算法对基站进行布局时，所选的候选基站和测试点数目过少，使得到的基站布局图误差较大；(3)在对基站进行布局时，没有将真实地形数据导入到算法中，使得到的基站布局图缺少理论研究。

发明内容

为了解决现有技术的问题，本发明提供了一种考虑校正信号传播模型的电力5G基站布局方法，同时加入信号传播模型校正方法和链路预算公式进行电力系统的无线网络规划，得到规划区域的基站覆盖半径和所需基站的数量范围，并基于遗传算法对基站布局进行优化，将真实的三维数据导入到算法中，最终得到基站布局图，为实际工作提供理论指导意义。

本发明的技术方案如下：

本发明提供一种考虑校正信号传播模型的电力5G基站布局方法，其同时结合了信号传播模型校正方法和基站选址方法，包括如下步骤：

S1、利用CW测试得到的实际环境的路径损耗值，代入校正公式

利用校正公式对信号传播模型中的参数进行校正，进而简化信号传播模型；其中，a和b分别为信号传播模型中需要校正的K值，a表示与信号强度相关的校正因子，b表示与距离相关的校正因子；

S2、利用Matlab对路测数据进行拟合，将路测数据代入信号传播模型中信号传播模型校正；

S3、将规划区域的height地图数据，clutter地图数据，vector地图数据，天线相关数据，基站数据以及路测数据导入到ATOLL软件中，选中UMa模型，对路测数据进行筛选和过滤，然后利用ATOLL软件自动校正模型，验证信号传播模型校正的结果，若达标则进入后续步骤，若不达标则返回步骤S2再次导入路测数据；

S4、利用经过步骤S3校正后的信号传播模型进行相关计算得到规划区域内基站的覆盖半径和所需的基站数量，再结合真实的三维数据，导入遗传算法，利用遗传算法进行5G的基站布局优化，最终得到最优的基站布局；

S5、利用ATOLL软件，对得到的最优基站布局的准确性效果进行验证。

优选地，所述步骤S1中选择的信号传播模型为UMa模型，模型公式为PL＝K₁+K₂log₁₀{d_3D}+K₃log₁₀{f_c}-0.6({h_UT}-1.5)；所述UMa模型信道测量频率范围为0.5-100GHz，信号传输的有效距离为10-5000m；其中，PL表示规划区域内的路径损耗，K₁表示与信号强度相关的校正因子，K₂表示与距离相关的校正因子，d_3D表示移动终端至基站端的直线距离，K₃表示与频率相关的校正因子，f_c表示基站所采用的信号频率，h_UT表示移动终端天线的有效高度。

优选地，电力系统中5G规划区域内频率为3.5GHz，与频率相关的校正因子K₃＝20，规划区域内移动终端天线的有效高度h_UT＝1.55，另a＝K₂，b＝K₁+20log{d_3D}-0.6({h_UT}-1.5)，将UMa模型化简得到公式L(dB)＝alog₁₀{d_3D}+b。

优选地，所述步骤(2)代入路测数据进行信号传播模型校正后的公式为L(dB)＝-81.3+71log₁₀{d_3d}+20log₁₀{f_c}。

优选地，所述步骤S4基站的选择包括如下步骤：

S401、编码：基站的坐标表示为a＝{g₁,g₂,...,g_c}，g_i＝(x_i,y_i)表示第i个基站的位置，(x_i,y_i)表示基站在数字地图上的坐标，

S402、进行初始化种群及个体选择方式：初始化种群采用随机的方式产生，以目标区域为{S(x,y):1≤x≤L,1≤y≤W}，其中L和W分别为规划区域的长和宽；个体选择方式采用轮盘赌的方法完成种群选择；

S403、构造适应度目标函数：分别构建基站建设成本的目标函数f₁和基站的覆盖目标函数f₂，总体适应度目标函数公式为F＝m₁f₁+m₂f₂，其中m₁表示代价权重系数，m₂表示覆盖损失权重系数；

S404、交叉和变异操作：交叉采用的是算术杂交方法，变异采用的是实值变异；

S405、导入三维地形图：在Local Space Viewer软件中下载DEM三维地形数据，DEM数据下载完成后，将其导入到Surfer软件中，转换为.grd文件，其中.grd文件包括三维地形图的经纬度数据以及海拔高度等相关数据，形成符合实际地形的三维地形图，之后将三维地形图导入到遗传算法中；

S406、将经过步骤S403构造的适应度目标函数和三维地形图数据同时导入遗传算法中，进行代码的编程，最后得到5G基站的最优布局。

优选地，所述步骤S403中基站建设成本包括新建基站建设成本和共址基站建设成本，基站建设成本目标函数公式为

5G候选基站的集为T＝{1,2,...,t}，初始测试点集为N＝{1,2,...,n}，新建5G基站i的成本为d_i(i∈T)，5G基站i作为候选基站只有选中和未选中两种情况，基站i被选中的情况为x_i∈{0,1}(i∈T)；规划区域内已存在的3/4G基站集为S＝{1,2,...,s}，现存的3/4G基站被选中的概率为y_i∈{0,1}(j∈S)，基站j的建站成本为s_j(j∈S)。

优选地，所述步骤S403中基站的覆盖目标，根据测试点k到基站i的距离d_ik作为评判标准，r为基站i的覆盖半径，当d_ik≤r时，测试点则在覆盖范围内，反之则未被覆盖，测试点被覆盖情况为g_ik(i∈T,k∈N)，公式为

基站的覆盖目标函数为

相较于现有技术，本发明的有益效果在于：

(1)本发明提供的考虑校正信号传播模型的电力5G基站布局方法在综合建站成本、覆盖率两个目标函数的前提下，给出了一种基站布局选择和优化的方法，其中还利用遗传算法对构建的基站布局方法模型进行相关的优化，并且将符合实际地形的三维数据导入到遗传算法中进行基站布局优化，从而大大降低了工程费用，为后来研究者提供理论研究依据。

(2)本发明中结合实测数据采用5G专用信号传播模型对规划区域的信号传播模型进行了校正，使之较好的适用于规划区域的地理环境，使得到的基站布局图具有较为真实的理论基础，之后利用链路预算公式进行无线网络规划，由上下行链路和业务需求综合求得规划区域的基站覆盖半径和所需基站的数量，使得通过计算得到的基站布局图与际工作中的建设基本吻合，减少了基站布局的误差。

附图说明

图1为本发明考虑校正信号传播模型的电力5G基站布局方法的流程图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

参见图1，本发明提供一种考虑校正信号传播模型的电力5G基站布局方法，其同时结合了信号传播模型校正方法和基站选址方法，包括如下步骤：

S1、利用CW测试得到的实际环境的路径损耗值，设共测得n组数据，横坐标距离分别为(x₁,x₂,...,x_n)，纵坐标信号强度分别为(y₁,y₂,...,y_n)，信号传播模型依照

进行校正；其中，a和b分别为信号传播模型中需要校正的K值，a表示与信号强度相关的校正因子，b表示与距离相关的校正因子；所述信号传播模型为UMa模型，模型公式为

PL＝K₁+K₂ log₁₀{d_3D}+K₃log₁₀{f_c}-0.6({h_UT}-1.5)；该模型信道测量频率范围为0.5-100GHz，信号传输的有效距离为10-5000m；PL表示规划区域内的路径损耗，K₁表示与信号强度相关的校正因子，K₂表示与距离相关的校正因子，d_3D表示移动终端至基站端的直线距离，K₃表示与频率相关的校正因子，f_c表示基站所采用的信号频率，h_UT表示移动终端天线的有效高度；该模型适用于密集城区、一般城区地物环境下的无线网络规划；

在本实施例中已知电力系统中5G规划区域内频率为3.5GHz，与频率相关的校正因子K₃＝20，规划区域内移动终端天线的有效高度h_UT＝1.55，另a＝K₂，b＝K₁+20log{d_3D}-0.6({h_UT}-1.5)，将UMa模型进行化简得到公式L(dB)＝alog₁₀{d_3D}+b；

S2、利用Matlab对路测数据进行拟合，其中路测数据包括所在具体位置的经纬度和信号强度数据，将路测数据中的信号强度数据代入信号传播模型中，得到校正之后的信号传播模型表达式为L(dB)＝71x-73.3；将其余数据代入到公式中得到校正后的信号传播模型公式为L(dB)＝-81.3+71log₁₀{d_3d}+20log₁₀{f_c}；

S3、将规划区域的height地图数据，clutter地图数据，vector地图数据，天线相关数据，基站数据以及路测数据导入到ATOLL软件中，选中UMa模型，对路测数据进行筛选和过滤，然后利用ATOLL软件自动校正模型，验证信号传播模型校正的结果；若达标则进入后续步骤，若不达标则返回步骤S2再次导入路测数据；

S4、利用经过步骤S3校正后的信号传播模型进行相关计算得到规划区域内基站的覆盖半径和所需的基站数量，然后利用遗传算法进行5G的基站布局优化，将真实的三维数据导入到遗传算法中，最终得到最优的基站布局；

S5、利用ATOLL软件，按照信号传播模型校正的步骤，设置计算区域，将利用遗传算法得到的基站的经纬度数据输入到软件的地图中，利用ATOLL软件自动计算的功能，得到其最优小区覆盖图，信号场强覆盖图，进一步验证基站覆盖优化的结果。

优选地，所述步骤S4基站的选择包括如下步骤：

S401、编码：基站的坐标表示为a＝{g₁,g₂,...,g_c}，g_i＝(x_i,y_i)表示第i个基站的位置，(x_i,y_i)表示基站在数字地图上的坐标，

S402、进行初始化种群及个体选择方式：初始化种群采用随机的方式产生，以目标区域为{S(x,y):1≤x≤L,1≤y≤W}，其中L和W分别为规划区域的长和宽；个体选择方式采用轮盘赌的方法完成种群选择；

S403、构造适应度目标函数：分别构建基站建设成本的目标函数f₁和基站的覆盖目标函数f₂，总体适应度目标函数公式为F＝m₁f₁+m₂f₂，其中m₁表示代价权重系数，m₂表示覆盖损失权重系数；

其中，所述基站建设成本包括新建基站建设成本和共址基站建设成本，基站建设成本目标函数公式为

5G候选基站的集为T＝{1,2,...,t}，初始测试点集为N＝{1,2,...,n}，新建5G基站i的成本为d_i(i∈T)，5G基站i作为候选基站只有选中和未选中两种情况，基站i被选中的情况为x_i∈{0,1}(i∈T)；规划区域内已存在的3/4G基站集为S＝{1,2,...,s}，现存的3/4G基站被选中的概率为y_i∈{0,1}(j∈S)，基站j的建站成本为s_j(j∈S)；

另一为基站的覆盖目标，根据测试点k到基站i的距离d_ik作为评判标准，r为基站i的覆盖半径，当d_ik≤r时，测试点则在覆盖范围内，反之则未被覆盖，测试点被覆盖情况为g_ik(i∈T,k∈N)，公式为

基站的覆盖目标函数为

S404、交叉和变异操作：交叉采用的是算术杂交方法，是将两个父代个体的部分结构加以替换重组而生成新的个体的操作，目的是为了产生更多新的基因可能，提高全局搜索的能力，变异采用的是实值变异，是指对群体中的个体串的某些基因座上的基因值做变动，目的是为了增加基因的多样性，提高局部搜索的能力；

其中，算术杂交方法公式为：

其中t_H(x,y)和t_i(x,y)表示两个父代染色体，st_i和st_i+1表示通过交叉产生的子代染色体，w表示随机数，其具体步骤为：对于两个父代染色体，产生一个[0,1]之间的随机数，若该随机数小于交叉概率，则进行交叉，否则继续产生随机数判断之后的两个个体；变异采用的是实值变异，对交叉后代中的每个后代的每一位，在[0,1]之间产生一个随机数，若该随机数小于变异概率，则随机选择一个基因进行重新赋值；

S405、导入三维地形图：在Local Space Viewer软件中下载DEM三维地形数据，DEM数据下载完成后，将其导入到Surfer软件中，转换为.grd文件，其中.grd文件包括三维地形图的经纬度数据以及海拔高度等相关数据，形成符合实际地形的三维地形图，之后将三维地形图导入到遗传算法中；

S406、将经过步骤S403构造的适应度目标函数和三维地形图数据同时导入遗传算法中，进行代码的编程，最后得到5G基站的最优布局。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种考虑校正信号传播模型的电力5G基站布局方法，其特征在于：同时结合了信号传播模型校正方法和基站选址方法，包括如下步骤：

S1、利用CW测试得到的实际环境的路径损耗值，设共测得n组数据，横坐标距离分别为(x₁,x₂,...,x_n)，纵坐标信号强度分别为(y₁,y₂,...,y_n)，y为实际路径损耗值，代入校正公式

利用校正公式对信号传播模型中的参数进行校正，进而简化信号传播模型；其中，a和b分别为信号传播模型中需要校正的K值，a表示与信号强度相关的校正因子，b表示与距离相关的校正因子；

S2、利用Matlab对路测数据进行拟合，将路测数据代入信号传播模型中信号传播模型校正；

S3、将规划区域的height地图数据，clutter地图数据，vector地图数据，天线相关数据，基站数据以及路测数据导入到ATOLL软件中，选中UMa模型，对路测数据进行筛选和过滤，然后利用ATOLL软件自动校正模型，验证信号传播模型校正的结果，若达标则进入后续步骤，若不达标则返回步骤S2再次导入路测数据；

S4、利用经过步骤S3校正后的信号传播模型进行相关计算得到规划区域内基站的覆盖半径和所需的基站数量，再结合真实的三维数据，导入遗传算法，利用遗传算法进行5G的基站布局优化，最终得到最优的基站布局；

S5、利用ATOLL软件，对得到的最优基站布局的准确性效果进行验证。

2.根据权利要求1所述的一种考虑校正信号传播模型的电力5G基站布局方法，其特征在于：所述步骤S1中选择的信号传播模型为UMa模型，模型公式为PL＝K₁+K₂ log₁₀{d_3D}+K₃log₁₀{f_c}-0.6({h_UT}-1.5)；所述UMa模型信道测量频率范围为0.5-100GHz，信号传输的有效距离为10-5000m；其中，PL表示规划区域内的路径损耗，K₁表示与信号强度相关的校正因子，K₂表示与距离相关的校正因子，d_3D表示移动终端至基站端的直线距离，K₃表示与频率相关的校正因子，f_c表示基站所采用的信号频率，h_UT表示移动终端天线的有效高度。

3.根据权利要求2所述的一种考虑校正信号传播模型的电力5G基站布局方法，其特征在于：电力系统中5G规划区域内频率为3.5GHz，与频率相关的校正因子K₃＝20，规划区域内移动终端天线的有效高度h_UT＝1.55，另a＝K₂，b＝K₁+20log{d_3D}-0.6({h_UT}-1.5)，将UMa模型化简得到公式L(dB)＝alog₁₀{d_3D}+b。

4.根据权利要求1所述的一种考虑校正信号传播模型的电力5G基站布局方法，其特征在于：所述步骤S2代入路测数据进行信号传播模型校正后的公式为L(dB)＝-81.3+71log₁₀{d_3D}+20log₁₀{f_c}，其中，f_c表示基站所采用的信号频率，d_3D表示移动终端至基站端的直线距离。

5.根据权利要求1所述的一种考虑校正信号传播模型的电力5G基站布局方法，其特征在于：所述步骤S4基站的选择包括如下步骤：

S401、编码：基站的坐标表示为a＝{g₁,g₂,...,g_c}，g_i＝(x_i,y_i)表示第i个基站的位置，(x_i,y_i)表示基站在数字地图上的坐标，

S402、进行初始化种群及个体选择方式：初始化种群采用随机的方式产生，以目标区域为{S(x,y):1≤x≤L,1≤y≤W}，其中L和W分别为规划区域的长和宽；个体选择方式采用轮盘赌的方法完成种群选择；

S403、构造适应度目标函数：分别构建基站建设成本的目标函数f₁和基站的覆盖目标函数f₂，总体适应度目标函数公式为F＝m₁f₁+m₂f₂，其中m₁表示代价权重系数，m₂表示覆盖损失权重系数；

S404、交叉和变异操作：交叉采用的是算术杂交方法，变异采用的是实值变异，分别提高全局和局部的搜索能力；

S405、导入三维地形图：在Local Space Viewer软件中下载DEM三维地形数据，DEM数据下载完成后，将其导入到Surfer软件中，转换为.grd文件，其中.grd文件包括三维地形图的经纬度数据以及海拔高度等相关数据，形成符合实际地形的三维地形图，之后将三维地形图导入到遗传算法中；

S406、将经过步骤S403构造的适应度目标函数和三维地形图数据同时导入遗传算法中，进行代码的编程，最后得到5G基站的最优布局。

6.根据权利要求5所述的一种考虑校正信号传播模型的电力5G基站布局方法，其特征在于：所述步骤S403中基站建设成本包括新建基站建设成本和共址基站建设成本，基站建设成本目标函数公式为

5G候选基站的集为T＝{1,2,...,t}，初始测试点集为N＝{1,2,...,n}，新建5G基站i的成本为d_i(i∈T)，5G基站i作为候选基站只有选中和未选中两种情况，基站i被选中的情况为x_i∈{0,1}(i∈T)；规划区域内已存在的3/4G基站集为S＝{1,2,...,s}，现存的3/4G基站被选中的概率为y_i∈{0,1}(j∈S)，基站j的建站成本为s_j(j∈S)。

7.根据权利要求5所述的一种考虑校正信号传播模型的电力5G基站布局方法，其特征在于：所述步骤S403中基站的覆盖目标，根据测试点k到基站i的距离d_ik作为评判标准，r为基站i的覆盖半径，当d_ik≤r时，测试点则在覆盖范围内，反之则未被覆盖，测试点被覆盖情况为g_ik(i∈T,k∈N)，公式为

基站的覆盖目标函数为

其中，q表示覆盖漏洞损失。

Images