一种多能源多模基站的能源和负载调度方法与流程

本发明主要涉及到无线通信领域，特别涉及到基站负载调度和基站节能领域。

背景技术：

随着物联网技术及5g的发展，一方面，通信基站需求急剧增加，蜂窝网络中涌现大量的异构基站和多模基站；另一方面，能耗问题日益突出，预测至2030年，信息通信技术(ict)带来的能耗将达到1700twh，其中，蜂窝网络中基站的能耗已成为主要部分。因此，如何减少蜂窝网络的能量消耗，实现绿色通信已经成为目前的研究热点。传统的降低蜂窝网络能耗的方法有以下几种：一是根据通信负载情况实现基站的开启与关闭或者启动休眠模式；二是动态调整蜂窝网络中各基站的覆盖范围；三是采用多基站间的频谱动态分配；四是对单基站下的网络资源进行动态管理。同时，引入可再生新能源解决基站能耗问题越来越引起人们的重视。

技术实现要素：

本发明主要研究问题是引入可再生新能源的多能源多模基站的在线负载调度方法，在满足通信服务质量的约束条件下最小化电力购买成本，实现尽可能的利用新能源，达到节能的目的。主要内容分为以下四个步骤：

步骤1、建立由多能源供电的多模基站能源和通信系统模型。

步骤2、建立数据通信任务能量需求队列、电池虚拟队列、延时敏感的虚拟队列模型。

步骤3、根据实时电价、数据通信任务量和新能源产出值，采用lyapunov优化方法实现负载调度，在满足可延时任务最大时延约束条件下使基站通信电力购买费用最低。

步骤4、根据步骤3通过求解线性规划问题，得出在线负载调度方法。

附图说明

图1是多能源供电的多模基站系统模型图。

图2是系统调度模型图。

图3是通信电力购买费用和平均时延随变化图，取。

图4是通信电力购买费用和平均时延随变化图，取。

图5是不同策略下的基站能耗对比。

具体实施方式

步骤1、建立由多能源供电的多模基站系统模型。

本发明构建了一个由多能源供电的多模基站模型，包括多种能源供电和多种通信模式接入，如图1所示。其中多种能源供电包括电网供电、蓄电池供电和可再生新能源(本地风光互补发电站)供电。由于风光互补发电站是基站自建的本地发电站，属于成本范畴，所以暂不考虑到电力花费中，只需要考虑从电网购买的电力花费。本发明中的基站能源采用互联的形式，可以把从各种能源处获得的电能供给基站运行。多模基站模型包括已有的通信接入模式2g、3g和4g，每种模式下通信负载基于队列模式通信。

步骤2、建立数据通信任务能量需求队列、电池虚拟队列和延时敏感的虚拟队列模型。

1）数据通信任务能量需求队列模型

一个蜂窝基站的总功率消耗可以看成是由两个部分组成，如式（1）所示：

（1）

其中表示的是用于供电和空调的功率，属于固定能量消耗部分。是基站和用户通信的发射功率，属于实时可变部分，与即时通信负载相关且呈线性关系，表示为：

（2）

其中是基站的通信负载因子，取值在[0,1]之间；是基站空闲的基本能耗。

通过推导可以得出数据通信任务能量需求，因此有：

（3）

和分别对应在时隙t上g队列的功率需求积压、可延时任务功率分配及可延时任务功率需求。

2）电池虚拟队列模型

基站蓄电池用于紧急电力供应情况，比如停电或者电力不足。同时也能平缓新能源输出的不稳定，实现可靠供电。表示蓄电池容量，表示蓄电池必须留存的最低电量，以应对紧急情况。表示时隙t上蓄电池的电量，表示时隙t上蓄电池的充电量或放电量，于是有：

（4）

不同的电池种类所允许的单位时隙内的最大可充电速率或最大可放电速率是不一样的，用表示最大可充电速率，用表示最大可放电速率。因此可得另一个关于的约束条件：

（5）

为了松弛电池容量约束，引入虚拟队列。

（6）

3）负载调度模型

基站通信负载调度模型如图2所示，在确保通信队列稳定的情况下，最小化基站电力购买成本的时间平均值，因此需要在每个时隙做出的决策是：1）每个可延时任务队列需要完成的任务量，从而计算中需从电网购买的电量；2）蓄电池所需电充量（或蓄电池所需放电量），因此优化目标如式(7)所示：

（7）

subjectto:（8）

（9）

（10）

其中是单位时隙内可再生能源的输出能量，是队列的平均长度，是队列的平均处理速率（即队列的平均减少速率），是g队列任务的处理时间。

4）延时敏感的虚拟队列模型

为了保证队列的稳定性，引入虚拟队列：

（11）

表示的是单位时隙内队列g中还存在没有完成的可延时任务时的惩罚因子，。

步骤3、利用lyapunov优化方法进行能源和负载在线优化调度。

定义lyapunov函数如式（12）：

（12）

因此条件lyapunov漂移为：

（13）

其中是状态向量。的值为单位时隙上需要从电网购买的电量值，因此，同时考虑电力购买花费和能量需求积压的增长，可得目标函数如式（14）：

（14）

步骤4、求解线性规划问题，得出在线负载调度方法。

1）在线优化

第一步：优化

（15）

其中是观察变量，是决策变量。

第二步：更新

（16）

2）在线调度：

由于都是实时观测值，于是可以把式（15）变成一种更简单的形式去解决：

（17）

通过采用线性规划方法求解，得出调度策略结果和。

通过仿真结果图3和图4可以看出，当η=100，v=120附近时，是通信队列平均时延与电力购买花费的平衡点，因此将η设为100，v设为120最为合适。

通过仿真结果图5可以看出本发明的方法相比于没有引入新能源和无调度策略时分别降低花费68.63%和31.64%。