CN116113039B - 一种电力混合业务资源优化方法、装置、设备及介质 - Google Patents
一种电力混合业务资源优化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116113039B CN116113039B CN202310363011.5A CN202310363011A CN116113039B CN 116113039 B CN116113039 B CN 116113039B CN 202310363011 A CN202310363011 A CN 202310363011A CN 116113039 B CN116113039 B CN 116113039B
- Authority
- CN
- China
- Prior art keywords
- sub
- channel
- urllc
- power
- channels
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- 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
Abstract
本发明属于电力混合业务网络与物联网领域,具体涉及一种电力混合业务资源优化方法、装置、设备及介质。该方法综合考虑信道资源与功率,提出了联合信道选择与功率分配的系统吞吐量最大化问题。由于该问题离散变量与连续变量同时存在,信道选择与功率分配间存在耦合,求解难度大。将其拆解为2个子问题,提出了基于匹配的信道选择算法以及基于注水法的功率分配算法,通过迭代2个子问题实现资源分配问题的优化,提高了系统的吞吐量,有效提升系统性能,相较于现有技术,计算量小。
Description
技术领域
本发明属于电力混合业务网络与物联网领域,具体涉及一种电力混合业务资源优化方法、装置、设备及介质。
背景技术
5G技术的电力物联网正在快速建设,随之产生的是用电信息采集、输变电状态检测以及精准负荷控制等新型电力物联网络。为了满足这些业务对高数据速率、低延迟、可靠性、能源效率等的更高需求,国际电信联盟(International Telecommunication Union,ITU)提出了三种服务类型:大机型通信(mMTC)、增强移动宽带(eMBB)和超可靠低延迟通信(URLLC)。URLLC业务是5G电力网络中的主要挑战。URLLC业务针对的是可靠性极高、端到端延迟较低的短报文传输。基于URLLC技术的电力物联网能够快速传输用电信息,快速进行远程控制。
利用穷举法可以解决URLLC中的信道选择问题,即穷尽出现的问题每一种可能的情况,从而解决问题。穷举法是利用循环把各种可能出现的情况都走一遍,把满足要求的结果筛选出来。虽然穷举法可以找到最优结果,但其复杂度过高。
发明内容
本发明提供了一种电力混合业务资源优化方法、装置、设备及介质。综合考虑信道资源与功率,提出了基于匹配的信道选择算法以及基于注水法的功率分配算法,实现资源分配问题的优化,提高了系统的吞吐量,有效提升系统性能,相较于现有技术,计算量小。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一方面,提供了一种电力混合业务资源优化方法,包括如下步骤
确定目标电力物联网络系统中,信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散;
基于所述信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散,以目标电力物联网络系统的吞吐量最大为目标,构建优化模型;
确定所述优化模型的约束条件;
基于所述约束条件对优化模型进行求解,将优化结果作为目标电力物联网络系统中每个URLLC用户的子信道选择和功率分配方案。
进一步的,在构建优化模型的步骤中,构建的优化模型如下:
其中,是系统的吞吐量;PU是URLLC用户分配的功率集合;CU是URLLC用户与基站之间的信道选择集合;/>为URLLC用户n在子信道l分配的功率;/>为URLLC用户的最大分配功率;/>表示URLLC用户/>占用子信道/>;/>为基站的总发射功率;/>为系统的吞吐量最小值。
进一步的,系统的吞吐量R如下式所示:
其中,L表示子信道数量;N U表示URLLC用户数量;表示URLLC用户n在子信道l中的吞吐量;/>为信道的带宽;/>为URLLC用户/>在子信道/>中的信噪比;/>为URLLC业务传输块长;/>表示信道色散;/>是/>的逆函数。
进一步的,所述基于所述约束条件对所述优化模型进行求解的步骤,具体包括如下:
将所述优化模型的求解分解为两个子问题;
在满足所述约束条件的前提下,在第一个子问题中,基于匹配算法为每个URLLC用户分配子信道;在第二个子问题中,对已分配好的子信道执行注水功率分配,得到每个用户的分配功率。
进一步的,所述基于匹配算法为每个URLLC用户分配子信道的步骤,具体包括如下:
给出一个初始匹配;其中,URLLC用户和子信道之间随机匹配,得到多个匹配对;
基于所述初始匹配,预估各URLLC用户分别在子信道中能够获取的吞吐量;
对于一URLLC用户,将预估的所述吞吐量与预设的吞吐量阈值进行比较,当预估的所述吞吐量小于吞吐量阈值时,判断URLLC用户采用当前子信道传输时容易发生中断,为容易发生中断的URLLC用户重新分配子信道,使初始匹配中不存在容易发生中断的URLLC用户;
随机选择两个不同的匹配对,将两个匹配对的子信道进行交换,计算交换后两个匹配对的效用;
根据计算的效用,判断交换后是否得到阻塞对,如果得到阻塞对,则执行交换操作;
继续进行交换过程,直到没有阻塞对为止,将此时的匹配结果作为URLLC用户的子信道分配结果。
进一步的,所述对已分配好的子信道执行注水功率分配,得到每个用户的分配功率的步骤,具体包括如下:
采用注水法,对信道功率进行分配,将功率分配问题具体描述为:
其中,为子信道/>等效信道增益,/>为子信道中/>所分配到的功率,/>,/>表示所有子信道分配的功率的集合,/>表示子信道的吞吐量。
进一步的,对所述功率分配问题进行求解:
构造拉格朗日函数:
其中,,/>,/>,/>,为拉格朗日乘子;
对求偏导,得到:
令,上式表示为:
其中,为注水时的水位;
设置每个子信道中有一个URLLC用户,得到每个子信道内URLLC用户分配的功率。
本发明的第二方面,提供了一种电力混合业务资源优化装置,包括:
第一确定模块,用于确定目标电力物联网络系统中,信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散;
模型构建模块,用于基于所述信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散,以目标电力物联网络系统的吞吐量最大为目标,构建优化模型;
第二确定模块,用于确定所述优化模型的约束条件;
求解模块,用于基于所述约束条件对优化模型进行求解,将优化结果作为目标电力物联网络系统中每个URLLC用户的子信道选择和功率分配方案。
本发明的第三方面,提供了一种电子设备,包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现上述的电力混合业务资源优化方法。
本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现上述的电力混合业务资源优化方法。
与现有技术相比较,本发明的有益效果如下:
本发明所提供的电力混合业务资源优化方法,综合考虑信道资源与功率,提出了联合信道选择与功率分配的系统吞吐量最大化问题。由于该问题离散变量与连续变量同时存在,信道选择与功率分配间存在耦合,求解难度大。将其拆解为2个子问题,提出了基于匹配的信道选择算法以及基于注水法的功率分配算法,通过迭代2个子问题实现资源分配问题的优化,提高了系统的吞吐量,有效提升系统性能,相较于现有技术,计算量小。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例一种电力混合业务资源优化方法的流程示意图;
图2为本发明实施例中不同算法下系统总吞吐量与路径损耗因子的关系图;
图3为本发明实施例中不同算法下URLLC用户数量和系统吞吐量的关系图;
图4为本发明实施例中URLLC用户最大分配功率对吞吐量的影响;
图5为本发明实施例一种电力混合业务资源优化装置的结构框图;
图6为本发明实施例一种电子设备的结构框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
实施例1
本发明实施例提供了一种电力混合业务资源优化方法,首先,提出了电力混合业务中URLLC场景的下行传输的电力物联网络模型,实现快速传输用电信息,快速进行远程控制,满足用户的业务需求。其次,综合考虑信道资源与功率,提出了联合信道选择与功率分配的系统吞吐量最大化问题。由于该问题离散变量与连续变量同时存在,信道选择与功率分配间存在耦合,求解难度大。将其拆解为2个子问题,提出了基于匹配的信道选择算法以及基于注水法的功率分配算法,通过迭代2个子问题实现资源分配问题的优化。
本实施例中将电力物联网络模型作为目标电力物联网络系统,对本方案进行说明。
如图1所示,一种电力混合业务资源优化方法,包括如下步骤:
S1、确定目标电力物联网络系统中,信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散。
具体的,本方案中所涉及的目标电力物联网络系统包括一座基站,URLLC用户集合N={1,2,…,N U},N U个URLLC用户共享一个带宽为W的信道;将带宽为W的信道划分为L条子信道,子信道集合。
基站的位置为,信道衰落符合瑞利衰落,采用/>表示 URLLC用户n的位置,/>。
URLLC用户n到基站的距离为:
具体的,URLLC用户n在子信道中的信噪比/>可以表示为下式:
其中,表示URLLC用户n在子信道l分配的功率;/>表示信道增益,,/>表示小尺度衰落系数,/>表示URLLC用户到基站的距离,/>表示路径损耗指数;/>表示加性高斯白噪声。
具体的,信道色散可表示为,用于测量信道相对于具有相同容量的确定性信道的随机变化,本方案中信道色散的上限为1。
S2、基于信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散,以目标电力物联网络系统的吞吐量最大为目标,构建优化模型。
具体的,本方案中,将优化模型的优化目标用最大化吞吐量来表述:;
其中,是系统的吞吐量;PU是URLLC用户分配的功率集合;CU是URLLC用户与基站之间的信道选择集合。
系统的吞吐量R可以用下式表示:
其中,表示子信道数量,/>表示URLLC用户数量,/>表示URLLC用户/>占用子信道/>,当URLLC用户/>占用子信道/>时,/>,否则,/>=0;/>表示URLLC用户n在子信道l中的吞吐量。
URLLC用户n在子信道l中的吞吐量可以表示为:
式中,为信道的带宽,/>表示子信道数量;/>为URLLC用户/>在子信道/>中的信噪比;/>为URLLC业务传输块长,/>,/>为传输时间,将/>值设为URLLC业务传输的时延约束;表示信道色散;/>为传输错误率,/>是/>的逆函数,/>是传输错误率δ的互补高斯累积分布函数,通过/>得到传输错误率下的吞吐量值。
S3、确定优化模型的约束条件。
具体的,优化模型的约束条件包括如下:
其中,是系统的吞吐量;/>为URLLC用户n在子信道l分配的功率;/>为URLLC用户的最大分配功率;/>表示URLLC用户/>占用子信道/>;/>为基站的总发射功率;/>为系统的吞吐量最小值。
约束C1-C2为URLLC用户的功率约束;约束C3为基站覆盖区域的功率约束;约束C4表示URLLC用户的信道选择约束;约束C5为用户服务质量(QoS)约束。
S4、基于约束条件对优化模型进行求解,将优化结果作为目标电力物联网络系统中每个URLLC用户的子信道选择和功率分配方案。
具体的,优化模型的求解问题如下:
具体的,基于约束条件对优化模型进行求解的步骤,包括如下:
由于上述问题中离散变量与连续变量同时存在,信道选择与功率分配间存在耦合,求解难度大,因此将优化模型的求解分解为两个可迭代求解的子问题。满足约束条件的前提下,在第一个子问题中,采用匹配算法为每个URLLC用户分配子信道;在第二个子问题中,对已分配好的子信道执行注水功率分配,得到每个URLLC用户的分配功率。通过迭代两个子问题,获得最大化的系统吞吐量。
1、对于第一个子问题
采用匹配算法为每个URLLC用户分配子信道。
具体的,利用匹配理论,将信道选择问题转化为一对一匹配博弈,设置一个子信道最多容纳一个URLLC用户,子信道和URLLC用户是两组参与者。以系统的吞吐量最大化为目标,将URLLC用户与子信道进行匹配。
进一步具体的,对于URLLC用户集合N与子信道集合,定义从URLLC用户集合到子信道集合一对一匹配映射,每个URLLC用户只关心所占子信道的吞吐量,对于每个子信道,其关注的是占用子信道/>的URLLC用户的吞吐量。首先,给出一个初始匹配;其中,URLLC用户和子信道之间是一对一随机匹配的,得到多个匹配对;随机选择两个不同的匹配对,将两个匹配对的子信道进行交换,计算交换后匹配对的效用;根据计算的效用,判断交换后是否得到阻塞对,如果得到阻塞对,则执行交换操作;继续进行交换过程,直到没有阻塞对为止,将此时的匹配结果作为URLLC用户的子信道分配结果。
需要说明的是,每个URLLC用户只能与一个子信道匹配。当URLLC用户与子信道l 1匹配时的吞吐量高于与子信道l 2匹配的吞吐量时,URLLC用户优先选择子信道l 1而不是子信道l 2。在交换匹配中,当其他匹配保持不变时,两个URLLC用户交换它们匹配的子信道。如果一个或多个参与者的效用增加,而其他参与者的效用不减少,则此交换匹配被称为一个阻塞对。对于阻塞对,每个URLLC用户都希望与其他的参与者作为一对进行匹配,而不是与当前匹配的参与者保持匹配。如果匹配中不再增加阻塞对,则当前的匹配结果最优。
作为本方案的一个优选实施例,在上述步骤中给出初始匹配之后,还包括对初始匹配进行调整的步骤:
基于当前的初始匹配,预估各URLLC用户分别在子信道中能够获取的吞吐量,引入中断概率作为业务传输的可靠性目标。对于一个URLLC用户,将预估的吞吐量与预设的吞吐量阈值进行比较,当预估的URLLC用户的吞吐量小于吞吐量阈值时,判断URLLC用户采用该子信道传输时容易发生中断,优先为容易发生中断的URLLC用户重新分配信道状态良好的子信道,使初始匹配中不存在容易发生中断的URLLC用户,完成初始匹配调整。
在对初始匹配进行调整之后,进行两个匹配对的子信道交换。
具体的,URLLC用户的中断概率/>可以表示为:
其中,Pr表示概率值,是吞吐量阈值。/>为概率密度函数,其表达式为:
当给定URLLC用户的中断概率时,可以解出吞吐量阈值,通过设置吞吐量阈值,判断用户是否选择该信道,即:
反解出吞吐量阈值:
2、对已分配好的子信道执行注水功率分配,得到每个URLLC用户的分配功率。
具体的,采用注水法,对信道功率进行分配,将信道间的功率分配问题具体描述为:
其中,为子信道/>等效信道增益,/>为子信道中/>所分配到的功率,/>,/>表示所有子信道分配的功率的集合,/>表示子信道的吞吐量。
本方案中,对功率分配问题进行求解,即可得到令系统的吞吐量最大的功率分配方案:
构造拉格朗日函数:
其中,,/>,/>,/>,为拉格朗日乘子。
在上式中,对求偏导,得到:
令,上式表示为:
其中,为注水时的水位。
由此得到每个子信道分配的功率,设置每个子信道中有一个URLLC用户,每个子信道分配的功率即信道内URLLC用户分配的功率。
综上,本方案通过求解两个子问题得到信道选择和功率分配的优化结果。
下面结合具体的验证方案,对本发明进一步解释和说明:
本发明考虑覆盖范围为500 m×500 m的小区基站,系统总带宽为1 MHz。信道资源数为L=6,路径损耗指数为2,噪声功率为/>=−174dBm/Hz,/>,/>。
第一步为建立目标电力物联网络系统模型,第二步为算法的实施。
本发明使用MATLAB进行仿真。
图2为不同算法下系统总吞吐量与路径损耗因子的关系。包括平均功率算法,最大功率算法,随机算法以及本发明方法。从图2中可以看出,随着路径损耗因子的增加,系统吞吐量在减小,这是因为路径损耗越大,信道增益越小,导致吞吐量降低,并且与其他算法相比,本发明方法在吞吐量上具有优越性。
图3显示了不同算法下用户数量和系统吞吐量的关系。随着用户数量的增加,系统吞吐量也在增加。由图3可知,本发明方法的吞吐量高于其他几种算法,这是因为本发明方法兼顾了信道和功率,性能更好,体现了本发明方法的有效性。
图4显示了用户最大分配功率对吞吐量的影响。通过改变用户数量,比较不同用户数量的最大分配功率对系统吞吐量的影响。从图4中可以看出,对于相同的最大分配功率,用户数量越多,系统吞吐量越大。并且,当用户的最大分配功率增加时,系统吞吐量也在增加。这是因为分配功率越大,系统整体增长率越大,导致系统吞吐量提高。
实施例2
如图5所示,基于与上述实施例的同一发明构思,本实施例还提供了一种电力混合业务资源优化装置,包括:
第一确定模块,用于确定目标电力物联网络系统中,信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散。
模型构建模块,用于基于信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散,以目标电力物联网络系统的吞吐量最大为目标,构建优化模型。
第二确定模块,用于确定优化模型的约束条件。
求解模块,用于基于约束条件对优化模型进行求解,将优化结果作为目标电力物联网络系统中每个URLLC用户的子信道选择和功率分配方案。
模型构建模块中,构建的优化模型如下:
其中,是系统的吞吐量;PU是URLLC用户分配的功率集合;CU是URLLC用户与基站之间的信道选择集合;/>为URLLC用户n在子信道l分配的功率;/>为URLLC用户的最大分配功率;/>表示URLLC用户/>占用子信道/>;/>为基站的总发射功率;/>为系统的吞吐量最小值。
系统的吞吐量R如下式所示:
其中,L表示子信道数量;N U表示URLLC用户数量;表示URLLC用户n在子信道l中的吞吐量;/>为信道的带宽;/>为URLLC用户/>在子信道/>中的信噪比;/>为URLLC业务传输块长;/>表示信道色散;/>是/>的逆函数。
求解模块,具体用于:
将优化模型的求解分解为两个子问题;
在满足约束条件的前提下,在第一个子问题中,基于匹配算法为每个URLLC用户分配子信道;在第二个子问题中,对已分配好的子信道执行注水功率分配,得到每个用户的分配功率。
具体的,基于匹配算法为每个URLLC用户分配子信道,包括:
给出一个初始匹配;其中,URLLC用户和子信道之间随机匹配,得到多个匹配对;
基于初始匹配,预估各URLLC用户分别在子信道中能够获取的吞吐量;
对于一URLLC用户,将预估的吞吐量与预设的吞吐量阈值进行比较,当预估的吞吐量小于吞吐量阈值时,判断URLLC用户采用当前子信道传输时容易发生中断,为容易发生中断的URLLC用户重新分配子信道,使初始匹配中不存在容易发生中断的URLLC用户;
随机选择两个不同的匹配对,将两个匹配对的子信道进行交换,计算交换后两个匹配对的效用;
根据计算的效用,判断交换后是否得到阻塞对,如果得到阻塞对,则执行交换操作;
继续进行交换过程,直到没有阻塞对为止,将此时的匹配结果作为URLLC用户的子信道分配结果。
具体的,对已分配好的子信道执行注水功率分配,得到每个用户的分配功率,包括:
采用注水法,对信道功率进行分配,将功率分配问题具体描述为:
其中,为子信道/>等效信道增益,/>为子信道中/>所分配到的功率,/>,/>表示所有子信道分配的功率的集合,/>表示子信道的吞吐量。
对功率分配问题进行求解:
构造拉格朗日函数:
其中,,/>,/>,/>,为拉格朗日乘子;
对求偏导,得到:
令,上式表示为:
/>
其中,为注水时的水位;
设置每个子信道中有一个URLLC用户,得到每个子信道内URLLC用户分配的功率。
实施例3
如图6所示,本发明还提供一种用于实现电力混合业务资源优化方法的电子设备100;电子设备100包括存储器101、至少一个处理器102、存储在存储器101中并可在至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。存储器101可用于存储计算机程序103,处理器102通过运行或执行存储在存储器101内的计算机程序,以及调用存储在存储器101内的数据,实现实施例1一种电力混合业务资源优化方法步骤。
存储器101可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外,存储器101可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
至少一个处理器102可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等,处理器102是电子设备100的控制中心,利用各种接口和线路连接整个电子设备100的各个部分。
电子设备100中的存储器101存储多个指令以实现一种电力混合业务资源优化方法,处理器102可执行多个指令从而实现:
确定目标电力物联网络系统中,信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散;
基于信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散,以目标电力物联网络系统的吞吐量最大为目标,构建优化模型;
确定优化模型的约束条件;
基于约束条件对优化模型进行求解,将优化结果作为目标电力物联网络系统中每个URLLC用户的子信道选择和功率分配方案。
实施例4
电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM,Read-Only Memory)。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (4)
1.一种电力混合业务资源优化方法,其特征在于,包括如下步骤:
确定目标电力物联网络系统中,信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散;
基于所述信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散,以目标电力物联网络系统的吞吐量最大为目标,构建优化模型;
确定所述优化模型的约束条件;
基于所述约束条件对优化模型进行求解,将优化结果作为目标电力物联网络系统中每个URLLC用户的子信道选择和功率分配方案;
在构建优化模型的步骤中,构建的优化模型如下:
其中,是系统的吞吐量;PU是URLLC用户分配的功率集合;CU是URLLC用户与基站之间的信道选择集合;/>为URLLC用户n在子信道l分配的功率;/>为URLLC用户的最大分配功率;/>表示URLLC用户/>占用子信道/>;/>为基站的总发射功率;/>为系统的吞吐量最小值;
系统的吞吐量R如下式所示:
其中,L表示子信道数量;N U表示URLLC用户数量;表示URLLC用户n在子信道l中的吞吐量;/>为信道的带宽;/>为URLLC用户/>在子信道/>中的信噪比;/>为URLLC业务传输块长;表示信道色散;/>是/>的逆函数;
所述基于所述约束条件对所述优化模型进行求解的步骤,具体包括如下:
将所述优化模型的求解分解为两个子问题;
在满足所述约束条件的前提下,在第一个子问题中,基于匹配算法为每个URLLC用户分配子信道;在第二个子问题中,对已分配好的子信道执行注水功率分配,得到每个用户的分配功率;
所述基于匹配算法为每个URLLC用户分配子信道的步骤,具体包括如下:
给出一个初始匹配;其中,URLLC用户和子信道之间随机匹配,得到多个匹配对;
基于所述初始匹配,预估各URLLC用户分别在子信道中能够获取的吞吐量;
对于一URLLC用户,将预估的所述吞吐量与预设的吞吐量阈值进行比较,当预估的所述吞吐量小于吞吐量阈值时,判断URLLC用户采用当前子信道传输时容易发生中断,为容易发生中断的URLLC用户重新分配子信道,使初始匹配中不存在容易发生中断的URLLC用户;
随机选择两个不同的匹配对,将两个匹配对的子信道进行交换,计算交换后两个匹配对的效用;
根据计算的效用,判断交换后是否得到阻塞对,如果得到阻塞对,则执行交换操作;
继续进行交换过程,直到没有阻塞对为止,将此时的匹配结果作为URLLC用户的子信道分配结果;
所述对已分配好的子信道执行注水功率分配,得到每个用户的分配功率的步骤,具体包括如下:
采用注水法,对信道功率进行分配,将功率分配问题具体描述为:
其中,为子信道/>等效信道增益,/>为子信道中/>所分配到的功率,/>,/>表示所有子信道分配的功率的集合,/>表示子信道的吞吐量;
对所述功率分配问题进行求解:
构造拉格朗日函数:
其中,,/>,/>,/>,为拉格朗日乘子;
对求偏导,得到:
令,上式表示为:
其中,为注水时的水位;
设置每个子信道中有一个URLLC用户,得到每个子信道内URLLC用户分配的功率。
2.一种电力混合业务资源优化装置,其特征在于,包括:
第一确定模块,用于确定目标电力物联网络系统中,信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散;
模型构建模块,用于基于所述信道的带宽、子信道的个数、子信道的信噪比、URLLC业务传输块长和信道色散,以目标电力物联网络系统的吞吐量最大为目标,构建优化模型;
第二确定模块,用于确定所述优化模型的约束条件;
求解模块,用于基于所述约束条件对优化模型进行求解,将优化结果作为目标电力物联网络系统中每个URLLC用户的子信道选择和功率分配方案;
模型构建模块中,构建的优化模型如下:
其中,是系统的吞吐量;PU是URLLC用户分配的功率集合;CU是URLLC用户与基站之间的信道选择集合;/>为URLLC用户n在子信道l分配的功率;/>为URLLC用户的最大分配功率;/>表示URLLC用户/>占用子信道/>;/>为基站的总发射功率;/>为系统的吞吐量最小值;
系统的吞吐量R如下式所示:
其中,L表示子信道数量;N U表示URLLC用户数量;表示URLLC用户n在子信道l中的吞吐量;/>为信道的带宽;/>为URLLC用户/>在子信道/>中的信噪比;/>为URLLC业务传输块长;表示信道色散;/>是/>的逆函数;
求解模块中,对所述优化模型进行求解的步骤,具体包括如下:
将所述优化模型的求解分解为两个子问题;在满足所述约束条件的前提下,在第一个子问题中,基于匹配算法为每个URLLC用户分配子信道;在第二个子问题中,对已分配好的子信道执行注水功率分配,得到每个用户的分配功率;
所述基于匹配算法为每个URLLC用户分配子信道的步骤,具体包括如下:
给出一个初始匹配;其中,URLLC用户和子信道之间随机匹配,得到多个匹配对;基于所述初始匹配,预估各URLLC用户分别在子信道中能够获取的吞吐量;对于一URLLC用户,将预估的所述吞吐量与预设的吞吐量阈值进行比较,当预估的所述吞吐量小于吞吐量阈值时,判断URLLC用户采用当前子信道传输时容易发生中断,为容易发生中断的URLLC用户重新分配子信道,使初始匹配中不存在容易发生中断的URLLC用户;随机选择两个不同的匹配对,将两个匹配对的子信道进行交换,计算交换后两个匹配对的效用;根据计算的效用,判断交换后是否得到阻塞对,如果得到阻塞对,则执行交换操作;继续进行交换过程,直到没有阻塞对为止,将此时的匹配结果作为URLLC用户的子信道分配结果;
所述对已分配好的子信道执行注水功率分配,得到每个用户的分配功率的步骤,具体包括如下:
采用注水法,对信道功率进行分配,将功率分配问题具体描述为:
其中,为子信道/>等效信道增益,/>为子信道中/>所分配到的功率,/>,/>表示所有子信道分配的功率的集合,/>表示子信道的吞吐量;
对所述功率分配问题进行求解:
构造拉格朗日函数:
其中,,/>,/>,/>,为拉格朗日乘子;
对求偏导,得到:
令,上式表示为:
其中,为注水时的水位;
设置每个子信道中有一个URLLC用户,得到每个子信道内URLLC用户分配的功率。
3.一种电子设备,其特征在于,包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1所述的电力混合业务资源优化方法。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1所述的电力混合业务资源优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310363011.5A CN116113039B (zh) | 2023-04-07 | 2023-04-07 | 一种电力混合业务资源优化方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310363011.5A CN116113039B (zh) | 2023-04-07 | 2023-04-07 | 一种电力混合业务资源优化方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116113039A CN116113039A (zh) | 2023-05-12 |
CN116113039B true CN116113039B (zh) | 2023-07-28 |
Family
ID=86261899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310363011.5A Active CN116113039B (zh) | 2023-04-07 | 2023-04-07 | 一种电力混合业务资源优化方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116113039B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117240797B (zh) * | 2023-11-15 | 2024-01-30 | 华北电力大学 | 电力混合业务的联合资源分配方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108832979A (zh) * | 2018-06-11 | 2018-11-16 | 南京邮电大学 | 一种信道欠秩时mu-mimo系统多目标优化资源分配算法 |
CN111866901A (zh) * | 2020-06-10 | 2020-10-30 | 西北大学 | 中继选择和资源信息优化方法、系统、计算机设备及应用 |
CN113825143A (zh) * | 2021-10-15 | 2021-12-21 | 西北工业大学 | 基于协同异构空中网络的位置优化和资源分配方法及系统 |
CN114679791A (zh) * | 2022-05-18 | 2022-06-28 | 北京交通大学 | 煤矿物联网异构网络资源分配方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111328087B (zh) * | 2018-12-17 | 2021-09-14 | 上海大学 | 基于深度学习的高能效异构网络子信道分配与功率分配方法 |
CN110381589B (zh) * | 2019-06-12 | 2023-08-08 | 广西智能交通科技有限公司 | 基于无线能量收集的协作无线网络子信道功率分配方法 |
CN110381590B (zh) * | 2019-06-12 | 2023-12-26 | 南京和电科技有限公司 | 一种基于无线能量收集的无线网络子信道功率分配方法 |
CN112367152A (zh) * | 2020-10-29 | 2021-02-12 | 国网甘肃省电力公司信息通信公司 | 一种基于业务优先级的电力无线专网资源分配方法 |
CN115633402A (zh) * | 2022-10-24 | 2023-01-20 | 重庆邮电大学 | 一种面向混合业务吞吐量优化的资源调度方法 |
-
2023
- 2023-04-07 CN CN202310363011.5A patent/CN116113039B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108832979A (zh) * | 2018-06-11 | 2018-11-16 | 南京邮电大学 | 一种信道欠秩时mu-mimo系统多目标优化资源分配算法 |
CN111866901A (zh) * | 2020-06-10 | 2020-10-30 | 西北大学 | 中继选择和资源信息优化方法、系统、计算机设备及应用 |
CN113825143A (zh) * | 2021-10-15 | 2021-12-21 | 西北工业大学 | 基于协同异构空中网络的位置优化和资源分配方法及系统 |
CN114679791A (zh) * | 2022-05-18 | 2022-06-28 | 北京交通大学 | 煤矿物联网异构网络资源分配方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116113039A (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107613555B (zh) | 非正交多址接入蜂窝和终端直通密集网络资源管控方法 | |
CN104796900B (zh) | 基于拍卖理论的蜂窝网络中d2d通信资源分配方法 | |
CN106454700A (zh) | 基于社交网络的d2d通信内容分发方案 | |
CN107071914A (zh) | 一种能量捕获d2d网络中的动态模式选择与能量分配方法 | |
CN116113039B (zh) | 一种电力混合业务资源优化方法、装置、设备及介质 | |
CN110337148B (zh) | 基于非正交多址接入的认知无线电能效资源分配方法 | |
CN109039494B (zh) | 一种基于改进和声搜索算法的5g通信系统资源分配方法 | |
CN105873214A (zh) | 一种基于遗传算法的d2d通信系统的资源分配方法 | |
Marshoud et al. | Resource allocation in macrocell-femtocell network using genetic algorithm | |
CN114885420A (zh) | 一种noma-mec系统中的用户分组和资源分配方法及装置 | |
CN106792480B (zh) | 一种基于蜂窝网络的d2d通信资源分配方法 | |
Sun et al. | Resource allocation for D2D communication using particle swarm optimization in LTE networks | |
Bansod et al. | Ga-based resource allocation scheme for d2d communcation for 5g networks | |
CN115103326A (zh) | 基于联盟博弈的车联网任务卸载与资源管理方法及装置 | |
Vamvakas et al. | Optimization and resource management in NOMA wireless networks supporting real and non-real time service bundling | |
CN112469113B (zh) | 一种多载波noma系统的资源分配方法及装置 | |
Ortín et al. | Joint cell selection and resource allocation games with backhaul constraints | |
CN113382414A (zh) | 基于网络切片的非正交多址接入系统资源分配方法及装置 | |
CN102984717A (zh) | 系统容量的估算方法及系统 | |
CN102045826B (zh) | 小区间上行干扰的处理方法及装置 | |
CN116089091A (zh) | 基于物联网边缘计算的资源分配和任务卸载方法 | |
CN116056151A (zh) | 一种车联网中任务卸载和资源分配联合优化方法 | |
CN112770343B (zh) | 基于haga的d2d-noma资源分配方法及系统 | |
CN104581958A (zh) | 基于速率自适应准则的资源分配方法及装置 | |
CN108601083A (zh) | D2d通信中基于非合作博弈的资源管理方法 |
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 |