用于降低能源代价的可再生能源与传统能源的分配方法与流程

本发明涉及能源分配技术领域，尤其涉及用于降低能源代价的可再生能源与传统能源的分配方法。

背景技术：

随着无线通信技术和物联网技术的发展，连接到蜂窝网络的设备数量显著增加。相关数据表明，蜂窝网络的通信量大约以每年2倍的速度增加，蜂窝网络在未来10年内将处理多达1000倍的数据流量。网络密集化不仅可以解决网络容量不足的问题，而且可以有效地降低系统能耗。因此，提高能效已成为建设下一代移动通信系统必须要考虑的关键技术指标。

网络密集化使得小区边缘用户面临着最关键的服务质量保障问题，采用多点协作(cm，coordinatedmultipoint)可以有效提升小区边缘用户的频谱效率。蜂窝网络每年消耗大约120twh的电力，移动运营商每年支付约130亿美元用于50亿个连接，仅仅提高能效已无法满足降低运营商在蜂窝网络中巨大的能源花费的需求。因此，迫切需要开发新能源和新技术，以应对能耗的指数增长和相应新兴无线网络的碳排放。

随着智能电网的发展，多源供能和分时电价成为了降低系统能源代价(即能源总花费)的有效手段。为基站配备可再生能源的装置，如风力发电机，利用可再生能源或混合能源的方式为基站系统提供能量成为解决基站系统节能问题和降低蜂窝网络能源成本的手段之一。新型智能电网采用分时电价策略，分时定价可使客户和电网双方均受益。一方面，有利于客户减少能源成本和碳排放。另一方面，电价取决于电网负荷，有助于降低峰值能耗和全局能源成本。智能电网鼓励客户在对其能源需求进行管理，引导客户在高电价时间段消耗更少的能源或将消耗转移到非高峰时段，旨在提高能源利用率，最大限度地降低能源成本和碳排放。然而，可再生能源的产生受天气影响较为严重，能源产生速率的随机性和波动性使得应用可再生能源为基站供能面临着巨大挑战，因此，构建一个合理的能源分配策略对于实现可再生能源为基站供能是十分关键的。

为优化能源需求的管理和可再生能源产能模型，现有技术中主要采用的方法包括：1)从绿色能源供应(gep，greenenergyprovisioning)的角度出发，将gep问题分解为加权能源最小化问题和绿色能源系统规模两个子问题，并提出两种解决gep的算法，优化了基站的流量负载以及太阳能电池板尺寸和储能装置容量；2)建立了包含随机分量的电力负荷和电源模型，在此基础上考虑了供电可靠性和设备数量的约束条件，提出了一种多目标优化算法来优化风力太阳能电池混合供能系统的配置；3)提出一种新的非合作博弈模型，使用m/m/1按库存队列模型，考虑了可在再生能源的供应情况，研究了可再生能源供应商(rps，renewablepowersupplier)的供应和能量存储/库存水平如何影响服务质量，优化rps和基站的能源分配策略；4)采用了两种近似凸优化的方式尝试在能源产生不确定条件下对能源采购策略进行管理，所提算法在满足用户中断概率的前提下，考虑了产能、储能和回售给电网的能源情况，并分析了在不同储能装置下两种算法给运营商带来的收益，但其技术缺点为：忽略了小区内用户相对于基站的位置变化带来的基站通信容量变化对基站能量损耗的影响，而通信量变化是影响基站能源采购或分配策略的重要因素之一。

因此，需要一种可以从运营商收益的角度考虑，在满足通信系统能源需求的情况下，根据智能电网分时电价策略和基站的储能情况，有效地降低系统的能源代价的可再生能源和传统能源分配方法。

技术实现要素：

本发明提供了一种用于降低能源代价的可再生能源与传统能源的分配方法，以权衡智能电网分时电价和基站储能情况，根据不同电价和基站储能采取不同能源比例的供能方式，有效降低可再生产能波动对系统能源分配策略的影响。

为了实现上述目的，本发明采取了如下技术方案。

本发明提供了一种用于降低能源代价的可再生能源与传统能源的分配方法，包括以下步骤：

计算多基站协作通信系统中各基站的用户的可实现速率和可再生能源的产能速率；

根据所述的用户的可实现速率与各基站的可再生能源的产能速率，确定基站对应的服务用户；

根据各个基站服务的用户，计算当前时隙各个基站的能源损耗和储能；

根据当前时隙的电价和各个基站的储能容量建立混合储能分配策略，通过所述的各个基站的能源损耗和储能，以能源代价最低为目标对所述储能分配策略进行寻优，得到最优的储能分配结果；

根据最优的储能分配结果对可再生能源和传统能源进行分配。

优选地，计算多基站协作通信系统中用户的可实现速率，包括：利用破零预编码消除多用户干扰，经过预编码处理，得到接收信号和信干噪比，根据所述的接收信号和信干噪比计算用户的可实现速率，所述的接收信号和信干噪比根据下式(1)和(2)所示，得到的用户的可实现速率根据下式(3)所示：

rn,k＝blog2(1+sinrn,k)(3)

其中，yn,k为第n个小区中第k个用户的接收信号，hn,n,k为第n个基站到第n个小区中第k个用户的信道向量，hm,n,k为第m个基站到第n个小区中第k个用户的信道向量，vn,k表示基站n到用户k的预编码信号，sn,k表示基站n到用户k的发送信号，vm,i表示基站m到用户i的预编码信号，sm,i表示基站m到用户i的发送信号，nn,k为高斯白噪声，sinrn,k为第n个小区中第k个用户的信干噪比，pn为第n个基站的发射功率，pm为第m个基站的发射功率，噪声功率的方差，rn,k为第n个小区中第k个用户的可实现速率，b为带宽。

优选地，计算多基站协作通信系统中各基站的可再生能源的产能速率，包括：当所述的可再生能源为风能时，所述的产能速率根据下式(4)所示：

其中，空气密度为ρ＝1.225kgm^-3，叶片的扫掠面积为a＝πm²,风速为vu，cp＝0.12为转换系数，δt为一个时隙的间隔时间。

优选地，根据所述的用户的可实现速率与各基站的可再生能源的产能速率，确定基站对应的服务用户，包括：当所述的用户的可实现速率小于或等于基站的可再生能源的产能速率时，确定该基站作为所述用户的基站，否则，不将该基站作为所述用户的基站；当一个用户的可实现速率小于多个基站时，选择信噪比最好的基站为该用户进行服务。

优选地，根据各个基站服务的用户，计算当前时隙各个基站的能源损耗和储能，包括：根据下式(5)计算各个基站的功率损耗，根据下式(6)计算各个基站的储能：

δen,t＝pn,total*δt(5)

cn,t＝cn,t-1+ψ×vn,t-cn,t-1×μ(6)

其中，δen,t表示第t个时隙内基站n的能耗，pn,total为基站n的功率损耗，δt表示一个时隙的间隔时间，cn,t-1为前一时隙的基站的储能，初始化的情况下，基站的储能为0，ψ为基站储能装置的充电速率，μ为基站储能装置的自放电速率。

优选地，根据当前时隙的电价和各个基站的储能容量建立混合储能分配策略，包括：

当时隙电价对应为用电低谷阶段：

若所述基站的储能小于或等于所述基站的储能第一下限值容量时，所述基站采用传统能源方式供电，将可再生能源产生的能源存到储能装置中；若所述基站的储能大于所述基站的储能第一下限值容量时，采用可再生能源和传统能源以第一比例混合的供能策略；

当时隙电价对应为用电正常阶段：

若所述基站的储能小于或等于所述基站的储能第二下限值容量时，基站采用传统能源方式供电，将可再生能源产生的能源存到储能装置；若所述基站的储能大于所述基站的储能第二下限值容量时，采用可再生能源和传统能源以第二比例混合的供能策略；

当时隙电价对应为用电高峰阶段：

采用可再生能源供能，当储能低于所述基站的储能容量的10％时，采用传统能源供电。

优选地，通过所述的各个基站的能源损耗和储能，以能源代价最低为目标对所述储能分配策略进行寻优，包括：根据下式(7)计算能源代价：

其中，qt为当前时隙的综合电价，δen,t为当前时隙的能源损耗。

由上述本发明的用于降低能源代价的可再生能源与传统能源的分配方法可以看出，本发明通过权衡智能电网分时电价和基站储能情况，根据不同电价和基站储能采取不同能源比例的供能方式，建立能源分配模型，以能源代价最低为目标，得到能源分配结果，本发明可以有效地降低可再生能源的产能波动对系统能源分配策略的影响，并且大幅的降低能源代价。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为用于降低能源代价的可再生能源与传统能源的分配方法流程图；

图2实施例1的多基站协作系统模型示意图；

图3为不同方案下能源分配情况对比图；

图4为三种分配方案下平均每时隙能源代价对比图；

图5为三种方案下系统总能源代价对比图；

图6为采用本发明的方法在分时电价条件下的可再生能源产能结果图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤和/或操作，但是并不排除存在或添加一个或多个其他特征、整数、步骤和/或操作的组。应该理解，这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明。

实施例

图1为用于降低能源代价的可再生能源与传统能源的分配方法流程图，参照图1，该方法包括以下步骤：

s1计算多基站协作通信系统中各基站的用户的可实现速率和可再生能源的产能速率。

图2本实施例的多基站协作系统模型示意图，参照图2，该系统为一个由n(n>1)个基站组成的多点协作通信系统。每个基站配置有l(l>1)根发射天线，且配备相互独立的可再生能源发电装置和储能装置，基站系统的能源来自两部分，一部分为传统能源的电网，一部分为可再生能源的装置。该系统服务k个用户，记为k＝{1,2,...,k}，用户位置在基站覆盖的范围内随机分布。假设基站与用户之间的链路回传没有延迟，且状态信息完全已知，则第n个小区中的第k个用户接收到的信号可表示为下式(1)所示：

其中，xn,k为第n个小区中第k个用户的预编码信号，hn,n,k为第n个基站到第n个小区中第k个用户的信道向量，xn,l表示第n个小区中第l个用户的预编码信号，nn,k为高斯白噪声，hm,n,k表示第m个基站到第n个小区中第k个用户的信道向量，xm,i表示第m个小区中第i个用户的预编码信号，公式(1)的第一项为接受来自该小区基站的有用信号，第二项为来自同小区的多用户干扰，第三项为相邻小区的干扰。

发射端已知hn,n,k,k∈kn，利用破零预编码消除多用户干扰，预编码矩阵v＝h^h(h·h^h)^-1，即xn,k＝vn,ksn,k，使得vn,k表示基站n到用户k的预编码信号，sn,k表示基站n到用户k的发送信号。经过预编码处理后，小区n中用户k的接收信号yn,k和信干噪比sinrn,k根据下式(2)和(3)所示：

得到该用户的可实现速率如下式(4)所示：

rn,k＝blog2(1+sinrn,k)(4)

其中，yn,k为第n个小区中第k个用户的接收信号，hn,n,k为第n个基站到第n个小区中第k个用户的信道向量，hm,n,k为第m个基站到第n个小区中第k个用户的信道向量，vn,k表示基站n到用户k的预编码信号，sn,k表示基站n到用户k的发送信号，vm,i表示基站m到用户i的预编码信号，sm,i表示基站m到用户i的发送信号，nn,k为高斯白噪声，sinrn,k为第n个小区中第k个用户的信干噪比，pn为第n个基站的发射功率，pm为第m个基站的发射功率，噪声功率的方差，rn,k为第n个小区中第k个用户的可实现速率，b为带宽。

本实施例的基站系统中的可再生能源为风能，当基站的可再生能源装置存储的电能有剩余时，由电网进行回购。根据可再生能源的产能周期，将一天的时间划分为t＝96个时隙，每个时隙宽度为15min，即ωt＝15min。其中，电网采用分时电价策略，其用电价格与用电时间有关，当用电高峰时期采用高电价，用电正常情况下，采用中电价，用电低谷情况下采用低电价，电网电价记为at；可再生能源采用统一电价，记为are，电网回购剩余可再生能源价格固定为aback，且0＜aback＜at。

当可再生能源为风能，产能速率如下式(5)所示：

其中，vn,t为第n个基站在t个时隙的产能速率，ρ＝1.225kgm^-3为空气密度，叶片的扫掠面积为a＝πm²,风速为vu，cp＝0.12为转换系数，δt表示一个时隙的间隔时间。

可再生能源的产能一般基于统计数据，而实际中的产能情况要比预测的复杂的多，本实施例根据风强度的概率每个时隙内随机产生能量，由于各基站位置的不同和可再生能源产能的实际情况可知各基站产能速率各不相同，即v1,t≠v2,t≠……≠vn,t。表1为本实施例不同风强度得到的产能速率，概率为风强度为弱风、中等、强风的概率，在每个时隙不同风强度下，风速不同决定了产能速率也不同。

表1风能产能模型

s2根据所述的用户的可实现速率与各基站的可再生能源的产能速率，确定基站对应的服务用户。

将得到的用户的可实现速率和基站的可再生能源的产生速率进行比较，当用户的可实现速率小于或等于基站的可再生能源的产能速率时，确定该基站作为所述用户的基站，否则，不将该基站作为所述用户的基站，当有一个用户的可实现速率小于多个基站时，优先选择信噪比最好的基站为该用户进行服务。

s3根据各个基站服务的用户，计算当前时隙各个基站的能源损耗和储能。

功率损耗包括两个方面主要部分：所有功率放大器的功耗以及电路的功耗。功率放大器的功耗如下式(6)所示：

ptrans＝τpt(6)

其中，pt为传输功率损耗，ξ是峰值平均功率比，η是射频链路功率放大效率，τ的大小取决于基站规模和调制方式。

电路损耗分为两部分，一部分为静态功率损耗pstatic，主要用于维持系统的基本电路操作，另一部分为动态功率损耗，主要用于所有节点的信息处理。

得到的第n个基站的功率损耗为下式(7)所示：

其中，ρ为基站的功率放大因子，ζ为每单位传输比特的功率损耗。

系统的n个基站的总的功率损耗为下式(8)所示：

然后计算当前时隙内，各个基站能源损耗。第n个基站的能源损耗如下式(9)所示：

δen,t＝ptotal*δt(9)

其中，δt表示一个时隙的间隔时间。

根据下式(10)计算各个基站的储能：

cn,t＝cn,t-1+ψ×vn,t-cn,t-1×μ(10)

其中，cn,t-1为前一时隙的基站的储能，初始化的情况下，基站的储能为0，ψ为基站储能装置的充电速率，μ为基站储能装置的自放电速率。

s4根据当前时隙的电价和各个基站的储能容量建立混合储能分配策略，通过所述的各个基站的能源损耗和储能，以能源代价最低为目标对所述储能分配策略进行寻优，得到最优的储能分配结果。

基站配备储能装置的最大容量为当前时隙储能装置储能能源量为cn,t，为研究可再生能源与传统能源混合供能供给比率对系统总代价的影响，令每个基站每个时隙内基站损耗的能量均来自两部分，一部分为可再生能源损耗，记为另一部分来自于传统能源，损耗记为每个基站每时隙的能源代价(即该基站当前时隙消耗能源所产生的费用)记为qn,t，可表示为下式(11)所示：

其中，at为传统能源电价；are为可再生能源电价。

具体建立混合储能分配策略包括：

当时隙电价对应为用电低谷阶段，即当前时隙的电价为低电价阶段：

若基站的储能cn,t小于或等于基站的储能第一下限值φl时，基站采用传统能源方式供电，综合电价qt＝at，将可再生能源产生的能源存到储能装置中，以备后面将要到来的高电价时隙使用；若基站的储能大于基站的储能容量时，采用αl的可再生能源和βl的传统能源的供能策略，由于基站所消耗的能源来自两部分，一部分为传统能源，另一部分为可再生能源，而二者的电价不同，因此，定义本发明的综合电价表示在比例供能下两者总电价，综合电价为qt＝at×βl+are×αl。可再生能源与传统能源的损耗分别为：

当时隙电价对应为用电正常阶段，即当前时隙处于中电价：

若所述基站的储能cn,t小于或等于所述基站的储能第二下限值φm时，基站采用传统能源方式供电，综合电价qt＝at，此时电价虽然高于上一种情况的电价，但后面的时隙中可能会有更高的电价，为降低系统总代价，依然将可再生能源产生的能源存到储能装置中，以备高电价时隙使用；若所述基站的储能大于所述基站的储能容量时，采用αm的可再生能源和βm的传统能源的供能策略，综合电价为qt＝at×βm+are×αm，可再生能源与传统能源的损耗分别为：

当时隙电价对应为用电高峰阶段，即当前时隙处于高电价：

采用可再生能源供能，综合电价qt＝are，为了保证通信质量，满足通信系统能源需求，当储能低于所述基站的储能容量的10％时，采用传统能源供电，综合电价qt＝at，

最终通过以时隙周期(一天)内整个系统能源代价最小化为目标，能源代价为能源的总花费，能源代价＝综合电价*能源损耗。更新αl、βl、αm、βm，得到最优的分配结果。

周期内整个系统能源代价目标函数为：

其中，qt为当前时隙的综合电价，δen,t为当前时隙的能源损耗。

s5根据最优的储能分配结果对可再生能源和传统能源进行分配。

本领域技术人员应能理解上述输入框的应用类型仅为举例，其他现有的或今后可能出现的输入框应用类型如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应能理解，图2仅为简明起见而示出的各类网络元素的数量可能小于一个实际系统中的数量，但这种省略无疑是以不会影响对发明实施例进行清楚、充分的公开为前提的。

实施例二

本实施例提供了一种用于降低能源代价的可再生能源与传统能源的分配方法的仿真示例，考虑了一个由n＝5个基站构成的多基站协作通信系统，记为n＝1,2,...,5，每个基站配置l＝4根发射天线。为符合用户移动性的特点，在通信系统覆盖范围内每个时隙随机分布k＝20个单天线用户，具体仿真参数以及优化结果如下表2所示。

表2仿真参数设置

图3为不同方案下能源分配情况对比图，参照图3，对比了传统供能方式、优先可再生能源(pre，priorityrenewableenergy)算法和本发明采用的分配方法的能源分配情况，其中传统供能方式中系统的能源供给全部采用传统能源供能方式，而pre算法和本发明的方法均采用可再生能源与传统能源同时为基站系统供能，且配备有储能装置，电网可回购剩余可再生能源来降低系统能源代价。传统供能方式能源供给全部来自于传统能源，因此，传统能源消耗量占系统总能耗的全部；而pre算法和本发明采用的方法中可再生能源的消耗占比分别为23.65％和21.00％，为保障系统通信质量，两种方法均设置了10％的储能最低下限值，pre算法每一时隙都在优先消耗可再生能源，因此系统可消耗更多的可再生能源，系统中仅有0.15％的可再生能源被回售给了电网；而采用本发明的方法在低电价时，系统存储更多的可再生能源，储能保留到中电价和高电价时使用，使得系统中有1.66％的可再生能源被回售给了电网，此部分利润可用于降低系统的整体能源代价，因此虽然采用本发明的方法利用的可再生能源比pre算法利用的可再生能源少，但是其系统的总代价反而要低于后者。

图4为三种分配方案下平均每时隙能源代价对比图，从图4中可得知，三种方案的能源代价折线图走势都随着分时电价策略而变化。由于传统能源方式采用100％的传统能源供给，而传统能源价格要高于可再生能源价格，因此能源代价明显高于配备了可再生能源装置的供电方式；在0到32时隙，此时电价为低电价，由于本发明的方法采用能源比例供应的方式，将比pre算法消耗更多的传统能源，因此pre算法比本发明方法的能源代价要低；在32到40时隙，电价从低电价变到中电价再到高电价，系统中的储能装置可提供更多的可再生能源，该时间段采用本发明方法的能源代价要低于pre算法的能源代价。图5为三种方案下系统总能源代价对比图，仿真结果表明，一天中传统供能方式的能源代价为2072.8元，pre算法可降低23.25％，而本发明方法可在此基础上在降低0.19％，虽然两种算法都加入了可再生能源发电装置和储能装置，但是前者仅集中于降低通信系统对环境的污染，充分利用可再生能源，最大限度的降低碳排放，而后者能够合理有效的分配可再生能源和传统能源的比例，平衡提高可再生能源利用率与降低系统能源代价，实现系统总能源代价的最低，降低网络运营商的能源成本。

图6为采用本发明的方法在分时电价条件下的可再生能源产能结果图，系统储能和系统耗能变化图，从图6中可得知，基站储能变化趋势与分时电价变化趋势相反，本发明的方法根据不同电价情况，采取不同比例的能源供应策略，其中，低电价时使用较少的可再生能源，因此储能较多，随着电价的升高，使用的可再生能源也在增加，因此储能也随之下降，而可再生能源产能和基站能耗的波动也影响着储能情况。

表3不同储能下限值下本发明方法、pre算法降低系统能源代价比例对比情况

表4不同供能比例下本发明方法，pre算法降低系统能源代价比例对比情况

为研究最优的能源分配比例，对本发明方法中的储能下限值和可再生能源与传统能源配比进行了进一步仿真。表3为在供能比例相同，不同储能下限值情况下本发明方法和pre算法相比传统能源供能方式降低系统能源代价比例的对比情况，从表中数据可知，当本发明方法在低电价采用储能容量的50％作为下限值，在中电价采用储能容量的30％作为下限值时，与pre算法和传统能源供能两种方式相比，其降低的能源代价比例最高。表4为在储能下限值相同，不同供能比例情况下本发明方法和pre算法相比传统能源供能方式降低系统能源代价比例的对比情况，由表中前五行数据可知，当本发明方法在中电价采用40％可再生能源和60％传统能源时，与pre算法和传统能源供能两种方式相比可获得最大幅度降低能源代价的比例，而由第6至第11行数据可知，当低电价采用70％可再生能源和30％传统能源时，本发明方法与传统能源供电方式相比可降低能源代价的比例最高，为31.74％，与pre算法相比可以多降低能源代价的比例为1.46％。

综上所述，与传统供能方式和pre算法相比，本发明采用的方法可在电价较低时储备更多的可再生能源，在电价较高时更多的利用可再生能源，实现整个周期的能源代价最低。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。