CN114884756A - 一种基于蒙特卡罗算法的5g基站备用电池容量计算方法 - Google Patents
一种基于蒙特卡罗算法的5g基站备用电池容量计算方法 Download PDFInfo
- Publication number
- CN114884756A CN114884756A CN202210001204.1A CN202210001204A CN114884756A CN 114884756 A CN114884756 A CN 114884756A CN 202210001204 A CN202210001204 A CN 202210001204A CN 114884756 A CN114884756 A CN 114884756A
- Authority
- CN
- China
- Prior art keywords
- base station
- users
- bandwidth
- probability
- power failure
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/10—Current supply arrangements
-
- 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
- H02J9/00—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting
- H02J9/04—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明为一种基于蒙特卡罗算法的5G基站备用电池容量计算方法。本发明采用蒙特卡罗算法,通过伯努利实验构建手机用户带宽需求的概率模型,计算5G基站有带宽需求的用户数量。借助计算机产生0~1之间的随机数来模拟用户,以随机数是否小于用户有带宽需求概率来模拟用户带宽需求情况,用户是否有带宽需求是一个伯努利实验。利用手机用户有带宽需求的概率与停电时间的函数关系,可以得到5G基站有带宽需求的用户数量随停电时间的变化关系,从而获得基站耗电量与停电时间的关系。根据基站备用电池必须支撑停电时长的要求及备用电池的额定电压,即可求出基站的备用电池容量。
Description
技术领域
本发明属于5G基站备用电池容量计算的研究领域,具体为结合手机用户有带宽需求的概率和停电时间的关系,采用蒙特卡罗算法,求出基站有带宽需求的用户数量最大值与停电时间关系,获得基站最大功耗与停电时间的函数关系,计算基站备用电池容量。
背景技术
随着数字经济时代全面开启,以5G为代表的新一代信息通信技术已经成为助力经济社会高质量发展的重要引擎。尤其是近年来,社会加速迈向数字化、网络化、智能化,作为新基建“领头羊”的5G,在助推各行各业数字化转型中发挥了强大赋能作用。但5G技术的发展也面临着诸多挑战,首当其冲的便是能耗问题。从4G网络发展到5G网络,通信设备的能耗、功率密度和数量都有了大幅增长。对比4G基站,5G基站的功耗约为4G的3~4倍。同时,5G技术采用的高频信号衰减严重,要覆盖相同范围需要的5G基站数量较4G成倍增加,目前5G基站的数量已达600万座,未来数量可达3000万座。基站耗电量大,数量多,对电网造成了巨大供电压力,从而影响了基站供电可靠性。
未来,5G技术将与工业应用,无人驾驶,医学等领域紧密联系,对基站供电可靠性的要求将会更高。为了保证基站供电的可靠性,需要给基站配备用电池,在保证基站正常供电的前提下,选择合适的备用电池容量成为一个难题。目前5G基站备用电池容量按照一次下电侧和二次下电侧通信设备工作实际功率及所需的备用时长来进行计算。采用此方法计算出的备用电池容量偏大,备用电池不能得到充分的利用,同时也增加了投资成本。本研究考虑了用户有带宽需求的概率和停电时间的关系,采用蒙特卡罗算法,构建概率模型,求出有带宽需求的用户数量最大值与停电时间关系,结合负载率和功耗的关系,获得停电后基站最大功耗与停电时间关系,计算基站备用蓄电池容量。
发明内容
本发明针对5G基站备用蓄电池容量计算问题,提出一种基于蒙特卡罗算法的蓄电池容量计算方法。在保证5G基站正常供电情况下,使蓄电池得到更加充分的利用,增加蓄电池的使用寿命,降低蓄电池的投资成本。为实现上述目的,本发明采用的技术方案如下:
步骤1,正常供电时(使用交流电),根据基站存储的历史数据可以求出基站每天有带宽需求用户数量的平均值。由于基站总带宽固定,为保证用户具有良好的通信服务质量,5G基站连接的用户数量将会存在上限值Pmax。基站每天接入有带宽需求用户数量的平均值除以连接的上限值Pmax即为用户有带宽需求概率p。
步骤2,基站与区域用户共同停电时,蓄电池给基站供电。随着停电时间的延长,用户有带宽需求的概率会发生一定的变化。二者的函数关系目前还未纳入5G运营的研究范畴,可以通过安装相关装置测量数据,获得二者的函数关系。也可根据停电时5G基站的存储数据,拟合5G基站有带宽需求用户数量与停电时间的关系曲线,得出二者函数关系。但5G网络还未完全普及,与此相关数据甚少,采用此方法得到的二者关系并不一定可靠。这里先假设停电时用户有带宽需求的概率为p′。
p′=f(p,t)
(公式1)
步骤3,已知曲线f(p,t)和5G基站接入用户上限为Pmax,停电t秒后,用户有带宽需求的概率为p′,采用蒙特卡洛方法估算在p′下,基站有带宽需求的用户数量最大值Pn,Pn∈[0,Pmax]。具体表现为:
1)确定随机变量Pn作为待求量,同时确定一个供电可靠率p1;
2)在一次模拟实验中,利用计算机产生Pmax个0到1的随机数模拟用户是否开始试用流量,统计其中小于p′的个数,此数即为一次模拟中有带宽需求的用户数量Pact;
3)设Pn从0开始递增,在一个确定的Pn下做C次2)中所描述的实验,若C1次Pact≥Pn,C2次Pact≤Pn,(其中C1+C2=C),若C1/C<p1,则Pn不符合要求;
4)逐步增大Pn,直到C1=C×p1次基站有带宽需求的用户数量都小于Pn,则表明在p1概率下,基站有带宽需求的用户数量最大值为Pn,记下此时的Pn值。以上4个小步骤将求取Pn值的问题转变为概率过程即为蒙特卡罗算法。
蒙特卡罗算法是将本身具有随机性质的问题转换成概率过程,构建概率模型,产生随机数,确定一个随机变量作为所要求的变量的解,在多次的重复实验以及条件的约束,求得所需变量。通过调整约束条件,增加实验次数,可以使得到得结果更加精确。
步骤4,根据步骤3,计算不同时刻下的Pn值,可以求得基站有带宽需求的用户数量最大值与停电时间的函数Pn(t),负载率基站的负载率取决于基站所接入的移动用户数量及用户的带宽需求量,随着负载率的增加基站功耗也将随之增加,本专利主要考虑有带宽需求的用户对基站负载率的影响。
步骤5,根据所选定的备用时长t′,0~t′时间内,W(t)的积分为备用时长内基站总的耗电量,即蓄电池需释放电量的总和S0。
步骤6,选择备用电池的型号,根据选择的备用电池电压确定备用电池容量。
本发明的有效益处是,采用蒙特卡罗方法计算出备用时长内基站的最大耗电量,根据基站耗电量确定最佳备用电池容量,使选择的备用电池在满足给基站可靠供电的情况下,经济性更高。
附图说明
为了更清楚的说明本发明所采用的蒙特卡罗算法,下面将对计算案例中所需要使用的附图做简单的介绍。
图1基于蒙特卡罗算法的5G基站备用电池容量计算方法流程图
图2 Pn(t)计算流程图
图3 Pn(t)的拟合曲线
图4 5G基站功耗和负载率的拟合曲线
图5备用电池剩余电量与停电时间的关系曲线
具体实施方式
下面将结合本发明计算案例中的附图,对本发明的技术方案进行清楚、完整地描述。本发明是一种基于蒙特卡罗算法的5G基站备用电池容量计算方法,按照图1所示流程进行案列计算,Pn(t)的计算流程如图2所示,案例计算步骤如下:
步骤1,已知5G基站接入用户的上限Pmax=1200,正常供电时,用户有带宽需求的概率p=0.7,假设停电时用户有带宽需求的概率p′。
函数f(p,t)的形式和参数是为了说明步骤所假设的。本专利中对p′函数的猜想满足一定的规律,即随着停电时间的延长,使用5G网络的用户将增加,用户有带宽需求的概率也将增加,当t趋于无穷时p′趋于1。
步骤2,在假设用户有带宽需求的概率为的情况下,估算在大概率p1=99%下,基站有带宽需求的用户数量最大值Pn,Pn从0开始递增,Pn∈[0,1200]。做C=100次实验,实验内容为产生1200个0~1间的数,统计1200个数中小于p′的数量Pact,Pact可等效为有带宽需求的用户数量,若100次实验中有C×p1=99次Pact小于Pn,则表明在99%的概率下,有带宽需求的用户数量最大值为Pn,记下此时的Pn值。
步骤3,将模拟的停电时间t=3h,分成60个点,每个点都进行步骤2的操作,求出不同时刻下的Pn值,采用指数函数拟合Pn(t)曲线并求得拟合函数。拟合曲线如图3所示,拟合函数为
Pn(t)=1181e-0.00479t-313.3e-0.8631t
步骤4,根据负载率求出基站对应的功耗。由2019年中兴5G基站功耗测试结论,5G基站不同负载率下的功耗如表1所示(一个基站按1个BBU+3个AAU的标准配置)。根据下表数据,按最小二乘法进行拟合,拟合的曲线如图4所示,拟合函数为
PL(k)=-558.2k3+827.7k2+1189k+2217(W)
将负载率k带入PL(k)即可求出PL(t)。
PL(t)=1.17e-0.00479t-0.31e-0.863t+0.828(0.984e-0.00479t-0.261e-0.863t)2-0.558(0.984e-0.00479t-0.261e-0.863t)3+2.22(KW)
W(t)=2.22t-244e-0.00479t-83.7e-0.00958t-0.00384e-2.59t+0.36e-0.863t-0.0327e-1.73t+0.0649e-1.73t+0.49e-0.868t-0.485e-0.873t+37e-0.0144t+291(KW.H)
表1 不同负载率下5G基站的功耗
负载率 | 0% | 10% | 20% | 30% | 50% | 100% |
功耗(W) | 2192.568 | 2391.496 | 2494.993 | 2579.827 | 2969.83 | 3674.85 |
步骤6,考虑到电池不能过度放电,一般放电70%左右,所以备用电池具备的总电量为6.885/0.7=9.836KW.H。
步骤7,若选择的电池电压为12V,那么备用电池的容量为9.836/12=819AH。一般采用6组12V,150AH的电池并联即可。选择蓄电池总的电量为10.8KW.H,其剩余电量随停电时间的变化如图5所示。
采用此方法,可以根据停电时间来确定备用电池的容量。计算的备用电池容量更加符合实际状况,增大了备用电池的利用率,增加备用电池的使用年限,降低投资和运营成本。以上为采用实例计算的方法来说明本发明计算备用电池容量的过程,其中的数据并不一定准确可靠。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (1)
1.采用蒙特卡罗算法,求出大概率下,5G基站有带宽需求的用户数量最大值与停电时间的关系,利用此关系计算的蓄电池容量。具体过程如下:
已知5G基站接入用户上限为Pmax,每个用户有带宽需求的概率为p′的情况下,估算在大概率p1下,基站有带宽需求的用户数量最大值Pn,Pn∈[0,Pmax]。确定随机变量Pn作为待求量,从0开始递增,做C次实验。每次实验为利用计算机产生Pmax个0到1的随机数模拟用户,统计其中小于p′的个数,此数即为有带宽需求的用户数量。在C次实验中有C×p1次基站有带宽需求的用户数量都小于Pn,则表明在p1概率下,基站有带宽需求的用户数量最大值为Pn,记下此时的Pn值。计算不同时刻下的Pn值,即可获得Pn(t)函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210001204.1A CN114884756B (zh) | 2022-01-04 | 2022-01-04 | 一种基于蒙特卡罗算法的5g基站备用电池容量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210001204.1A CN114884756B (zh) | 2022-01-04 | 2022-01-04 | 一种基于蒙特卡罗算法的5g基站备用电池容量计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114884756A true CN114884756A (zh) | 2022-08-09 |
CN114884756B CN114884756B (zh) | 2023-08-08 |
Family
ID=82667364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210001204.1A Active CN114884756B (zh) | 2022-01-04 | 2022-01-04 | 一种基于蒙特卡罗算法的5g基站备用电池容量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114884756B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103763761A (zh) * | 2014-02-11 | 2014-04-30 | 中国科学院声学研究所 | 太阳能基站能量供给的处理方法 |
CN107942862A (zh) * | 2017-11-28 | 2018-04-20 | 四川长虹电器股份有限公司 | 基于物联网技术的基站油机管理系统与方法 |
JP2019193402A (ja) * | 2018-04-23 | 2019-10-31 | 株式会社Nttドコモ | 制御装置および制御方法 |
CN112803495A (zh) * | 2021-02-24 | 2021-05-14 | 华北电力大学 | 基于能量共享的5g基站微网光储系统容量优化配置方法 |
CN113098042A (zh) * | 2021-04-15 | 2021-07-09 | 哈尔滨工业大学 | 一种基于用户用电预测的基站分布式储能节电控制方法 |
CN113162085A (zh) * | 2021-03-29 | 2021-07-23 | 东南大学 | 一种通信基站储能参与需求响应的调控方法 |
CN113761753A (zh) * | 2021-09-15 | 2021-12-07 | 北京动力源科技股份有限公司 | 一种根据ai分析基站电源配置的大数据方法 |
CN113766573A (zh) * | 2021-09-18 | 2021-12-07 | 国网上海市电力公司 | 考虑负载均衡和备用的基站储能设施可调容量评估方法 |
-
2022
- 2022-01-04 CN CN202210001204.1A patent/CN114884756B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103763761A (zh) * | 2014-02-11 | 2014-04-30 | 中国科学院声学研究所 | 太阳能基站能量供给的处理方法 |
CN107942862A (zh) * | 2017-11-28 | 2018-04-20 | 四川长虹电器股份有限公司 | 基于物联网技术的基站油机管理系统与方法 |
JP2019193402A (ja) * | 2018-04-23 | 2019-10-31 | 株式会社Nttドコモ | 制御装置および制御方法 |
CN112803495A (zh) * | 2021-02-24 | 2021-05-14 | 华北电力大学 | 基于能量共享的5g基站微网光储系统容量优化配置方法 |
CN113162085A (zh) * | 2021-03-29 | 2021-07-23 | 东南大学 | 一种通信基站储能参与需求响应的调控方法 |
CN113098042A (zh) * | 2021-04-15 | 2021-07-09 | 哈尔滨工业大学 | 一种基于用户用电预测的基站分布式储能节电控制方法 |
CN113761753A (zh) * | 2021-09-15 | 2021-12-07 | 北京动力源科技股份有限公司 | 一种根据ai分析基站电源配置的大数据方法 |
CN113766573A (zh) * | 2021-09-18 | 2021-12-07 | 国网上海市电力公司 | 考虑负载均衡和备用的基站储能设施可调容量评估方法 |
Non-Patent Citations (3)
Title |
---|
JUNHUI LIU: ""Feasibility study of power demand response for 5G base station"", 《2021 IEEE INTERNATIONAL CONFERENCE ON POWER ELECTRONICS, COMPUTER APPLICATIONS (ICPECA)》 * |
刘榭: ""基站阀控式铅酸蓄电池的运维管理"", 《通信电源技术》 * |
李鹏;: "典型移动基站蓄电池合理配置方案研究", 通信电源技术, no. 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN114884756B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Purvins et al. | Application of battery-based storage systems in household-demand smoothening in electricity-distribution grids | |
US11314304B2 (en) | Datacenter power management using variable power sources | |
Wang et al. | Energy storage in datacenters: what, where, and how much? | |
Vasallo et al. | Optimal sizing for UPS systems based on batteries and/or fuel cell | |
JP2013109609A (ja) | 車両管理システム | |
CN108183473A (zh) | 一种集群电动汽车参与辅助服务市场的优化投标方法 | |
CN112819275A (zh) | 用户参与配电网调节用电峰谷的智能装置和方法 | |
CN110061492B (zh) | 考虑配电网供电可靠性的储能系统容量优化配置方法 | |
CN109460870B (zh) | 考虑阻塞的集群电动汽车交互方法 | |
CN107776433A (zh) | 一种电动汽车群的充放电优化控制方法 | |
JP2018007554A (ja) | 調整機器管理装置、調整機器管理方法、およびプログラム | |
CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 | |
Liu et al. | Consensus-based energy management of multi-microgrid: An improved SoC-based power coordinated control method | |
CN111325423A (zh) | 一种区域多能源互联运营优化方法和计算设备 | |
CN114884756A (zh) | 一种基于蒙特卡罗算法的5g基站备用电池容量计算方法 | |
CN112531761A (zh) | 一种直流削峰填谷系统、装置和方法 | |
Wei et al. | The offloading model for green base stations in hybrid energy networks with multiple objectives | |
CN114268172B (zh) | 一种多类型储能运营控制方法 | |
CN110137985A (zh) | 一种换相开关控制方法及相关装置 | |
JP2017005845A (ja) | 電力制御方法および電力制御装置 | |
CN109802393B (zh) | 铁路再生电能潮流控制算法 | |
CN202405795U (zh) | 一种风电厂用优化储能装置 | |
CN110474355B (zh) | 一种用于优化可移动储能式充电装置容量配置的方法及系统 | |
CN214013880U (zh) | 一种直流削峰填谷系统 | |
CN117200261B (zh) | 一种基于电网调频的储能设备控制方法、装置和存储介质 |
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 |