2. 国家电网公司信息通信分公司, 北京 100761
针对当前蜂窝网中基于混合能源的节能方法较为缺乏的现状, 从小区粒度的角度提出了一种新的节能管理机制.该机制首先建立了多能源共存时的节能优化模型, 并对业务质量评估方法进行了建模; 之后针对节能优化模型, 从小区补偿的角度提出了区域化的节能算法.通过在通用移动通信系统城区场景中的仿真, 验证了该机制能在保证区域覆盖和业务质量的基础上降低区域的干扰, 并节约电网近35%的能耗, 具备很强的绿色经济价值.
2. State Grid Information and Telecommunication Branch, Beijing 100761, China
The energy-saving methods are infrequent on hybrid energy supplies, a new energy-saving management mechanism from cell viewpoint was proposed. The mechanism firstly constructs energy-saving optimization model with hybrid energy supplies and modeling evaluation method for service quality. To resolve the optimization model, a regional energy-saving algorithm from the perspective of cell compensation was analyzed thereafter. Through simulations under urban universal mobile telecommunications system scenarios, it is shown that the mechanism can keep coverage and service quality on acceptable levels, reduce regional interference distributions, and saving about 34% energy for power grid, which takes on significant green economic importance.
当前无线蜂窝网的基站节能是研究热点[1]，主要研究方向包括软件层次的节能管理和采用可再生能源等[2].在节能管理上，经典方法是在保证业务质量的前提下以最大化休眠基站数目为目标[3]，但是很少考虑基站下属小区粒度的节能方法.一些研究通过扩展小区半径来实现节能[4]，但是补偿方式过于理想.利用可再生动态能源对基站供电的方式已经得到了一定的分析[5]，但是节能管理方案过于简略.基于以上问题，提出了基于混合能源的无线蜂窝网节能管理机制.首先通过数学建模，分析混合能源共存下的节能优化模型.针对优化模型，兼顾小区波束方向、区域信号强度和干扰分布，提出了小区粒度的区域化节能算法来进行求解.仿真验证了该机制能在保证区域网络性能的基础上，大幅度减少电网的能耗，具有很强的经济价值.
1 节能优化模型设区域中的小区数目为N，构成集合C={cj}，j=1，2，…，N，区域内均为三扇区基站(边界除外)，基站集合为
|
(1) |
|
(2) |
其中δ表示处于休眠状态基站维持正常管理功能所需消耗的能量比例.在混合能源状态下，每个基站都配备一个电池板，由可再生能源供电.设小区cj配备的电池板初始能量为Ej0(J)，其能量生成速率为vj(t)，则在时刻t电池板的生成功率ej(t)以及存储能量Ej(t)表示为
|
(3) |
|
(4) |
对于小区cj，电力系统的供电功率需求qj(t)和消耗的能量Qj(t)为
|
(5) |
|
(6) |
对于整个区域，在时刻t，对所有用户si∈M(t)，小区cj∈C，优化目标如下
|
(7) |
其中：PjM表示小区j发射功率的最大值；α为小区的负载控制因子；ρij(t)表示时刻t用户i收到的来自服务小区j的业务功率信号强度；其与pij(t)的关系为
|
(8) |
其中：κ为兼顾小区天线设置、载频和传播环境的影响参数，φ为路损指数，dij(t)表示时刻t用户si与小区cj发射天线之间的距离.令γij(t)表示用户si收到的来自小区cj的信噪比，表示为
|
(9) |
其中：gij(t)表示用户si与小区cj之间的信道衰落值，N0表示白噪声干扰. ξ和ζ分别为业务功率信号强度和信噪比的约束值.
在确定了节能优化模型后，通过区域化的小区节能算法来完成对模型的求解.
2 区域化的小区节能算法以上数学优化问题属于复杂的非确定性多项式困难(NP-hard，non-deterministic polynomial)问题[5]，实质是在保证用户业务质量的前提下最大化区域的能效.其目标包括：1) 最大化可再生能源的利用率，通过能源选择机制来完成；2) 最大化区域的节能，通过有效的节能算法来实现.为进行求解，从小区的粒度提出了一种有效的低复杂度的、近似最优方法来完成第2个目标，包括局部小区补偿(LCC，local cell compensation)和区域节能(RES，regional energy-saving)两个子算法.
2.1 LCC算法参照基站粒度的三角元补偿[6]，针对非均匀布局的小区给出了更为普适的LCC算法来实现对单基站Bj的补偿，如图 1所示.
|
图 1 普适的小区补偿分析 |
在LCC算法中，AL表示基站Bi的相邻基站集合.该算法采用逐层条件限制的方式来确定基站Bi的小区补偿对集Ci.夹角θ1、θ2和θ3为T∈AT中两两基站与基站Bi构成的夹角，且满足θ1+θ2+θ3=2π，如图 1所示.对于小区cw、cy和cz，Δbw、Δby和Δbz分别为其波束方向与所属基站和基站Bi连线构成的夹角.理想状态下有θ1=θ2=θ3=2π/3，Δbw=Δby=Δbz=0.
针对单基站，设其邻基站数目为Nb，则因此获取小区补偿对集Ci的算法复杂度为Nb(Nb-1)(Nb-2)/2.一般来说有Nb≤6，因此LCC算法的复杂度为常数.但LCC算法仅仅从网络拓扑的角度分析了单基站的小区补偿方式.为了从区域角度实现对优化问题的求解，进一步提出了RES算法.
LCC算法流程如下.
Input：AC, AT, AP, Ci, AL，{Ri}
Output：AC, AT, AP, Ci
AC=∅, AT=∅, AP=∅, Ci=∅
if AL≠∅ then
find Βk∈AL with Rk+Rj＜Dij, AC=AC∪{Bk}
if |AC|≥3, then
find T=(Bk, Bl, Bm) with Bk, Bl, Bm∈AC, and Bk≠Bl≠Bm
AT=AT∪{T}
end if
if AT≠∅ then
for ∀T=(Bk, Bl, Bm)∈AT
if θ1, θ2, θ3∈[2π/3, 5π/6], then
AP=AP∪{T}
end if
if AP≠∅ then
for ∀T=(Bk, Bl, Bm) ∈AT
if exist cw∈Bk, cy∈Bl, cz∈Bm
with Δbw, Δby, Δbz∈[0, π/36], then
Ci=Ci∪{(cw, cy, cz)}
end if
end if
end if
end if
2.2 RES算法RES算法流程如下.
Input：
Output：Di, {pij(t)}
while
find Bi with lowest traffic, Di=∅
if each cj∈Bi is under NS, then find Ci for Bi
while Ci ≠∅ do get F=(ck, cl, cm)∈Ci
if none in F is under SS, then
Di=Di∪{F}
end if
Ci=Ci－{F}
end while
find F*=(ck, cl, cm)∈Di with min 
set cj∈Bi to SS, set cy∈F* to CS
while 
while min{γjy(t)|cy∈F*}＜ζ‖min{ρjy(t)|cy∈F*}＜ξ do
end if
end while
Mi(t)= Mi(t)－ {sj}
end while
end if
end while
在RES算法中，首先选择出业务量最低的基站Bi，当基站Bi的各个小区都处于正常状态(NS，normal state)时，可以考虑对Bi执行节能.对于基站Bi，当通过算法LCC获取的小区补偿对集Ci不为空时，从中选取这样的集合Di：其中的每个小区对F=(ck, cl, cm)中的各个小区均不处于节能状态(SS，saving state).为了减少功耗，从Di中选取所需分配功率最少的小区对F*，并设置基站Bi的状态为节能状态，设置F*中各小区的状态为补偿状态(CS，compensation state).对于之前基站Bi服务的用户sj，以与Bi的距离dij(t)为索引，检查其与F*中各小区cy之间的最小ρjy(t)和γjy(t)的值是否满足要求.如果不满足，对γjy(t)值最小的小区cy*的分配功率pjy* (t)按照增量Δp进行步进式调整.调整过程中同时也要对补偿小区cy*的发射功率进行约束，一旦超过门限，则跳出调整步骤.从而使得数学问题的约束得到满足.
在RES算法中，设分配功率调整的次数为Λ，则其总复杂度为O(|C|M(t)max{Λ})，由区域的小区数、用户数和迭代次数共同决定，复杂度仍然为线性.
3 仿真和分析3.1 仿真环境设置仿真区域为8 km×6 km的通用移动通信系统(UMTS，universal mobile telecommunications system)城区场景，共分布有N=60个功能一致、均匀分布的小区，为三叶草型蜂窝结构，构成对应的20个基站.初始的基站半径R=1 km，小区半径r=0.5 km.小区和用户配置值与文献[6]一致.区域提供电路交换域12.2 kbit/s电话业务和64 kbit/s视频会话业务.初始时对所有同一业务用户分配的功率均一致，语音业务为23.0 dBm，视频会话业务为27.8 dBm.用户按照泊松分布，语音业务和视频会话业务的最大到达率分别为0.3个/s和0.15个/s，平均服务时间为3 min和10 min.仿真时间为72 h.仿真中的可再生能源为太阳能，业务的到达率和电池板能量生成速率分别如图 2所示.
|
图 2 业务和能量的到达率变化 |
设仿真中无线传输频率为2 130MHz，天线挂高为30 m，用户平均高度为1.5 m，路径损耗可参考已有模型[6].信道功率的调整步长为0.1 dBm，其他重要的参数设置如表 1所示.
|
表 1 重要参数设置 |
首先经过仿真分析采用节能算法后阻塞率的变化.这里将业务阻塞率的允许上限设定为1%[7].在节能状态下，由于用户的重新分布，在原本低业务量时段阻塞率会有上升，这是节能的折中，但是依然低于约束值，业务质量满足要求.
正常状态和采取节能管理机制后，区域内视频会话业务和语音业务的接收信号强度分布区间分别为[-95 dBm，-89 dBm]和[-91 dBm，-83 dBm].节能时2种业务的信号强度分布均有下降，但是依然满足大于约束要求.
同时，2种业务的信噪比分布几乎一致.不执行节能时信噪比的分布区间均为[-12 dB，-5 dB].在执行节能后，分布区间为[-11 dB，-4 dB].证明了在一定程度上降低了区域的干扰.
最后分析区域的节能效果.通过图 3可以发现，仅采用小区节能算法，区域的电网能耗仅仅从1.899 2 MJ，降到了1.748 0 MJ，节约了7.96%的电网能量.而仅采用混合能源方式，电网的能耗则只需1.409 9 MJ，可以实现25.76%的节能.而采取混合能源和节能机制相结合的方案后，可以进一步降低电网能耗至1.256 9 MJ，达到33.82%的节能效果.在混合能源情况下，每天至少有7 h需要可再生能源供电，具有很强的现实意义和经济价值.
|
图 3 各种节能方法的效果对比 |
提出了一种多能源的无线蜂窝网节能管理机制.通过仿真分析，该机制能够在保证覆盖和业务质量的基础上，降低区域的干扰，并能够节约电网三分之一的能量.下一步的工作是研究更为高效的节能管理机制和更为稳定的能源的联合节能方法，以进一步提高区域的能效，降低电网的能耗以获取更为绿色的经济效益.
| [1] | Feng Daquan, Jiang Chenzi, Lim Gubong, et al. A survey of energy-efficient wireless communications[J].IEEE Communications Surveys and Tutorials, 2013, 15(1): 167–178. doi: 10.1109/SURV.2012.020212.00049 |
| [2] | Hasan Z, Boostanimehr H, Bhargava V K. Green cellular networks: a survey, some research issues and challenges[J].IEEE Communications Surveys and Tutorials, 2011, 13(4): 524–540. doi: 10.1109/SURV.2011.092311.00031 |
| [3] | Bousia A, Antonopoulos A, Alonso L, et al. "Green" distance-aware base station sleeping algorithm in LTE-advanced[C]//ICC 2012. Ottawa, Canada: IEEE Press, 2012: 1347-1351. |
| [4] | Guo Weisi, O'Farrell T. Dynamic cell expansion with self-organizing cooperation[J].IEEE Journal on Selected Areas in Communications, 2013, 31(5): 851–860. doi: 10.1109/JSAC.2013.130504 |
| [5] | Han Tao, Ansari N. On optimizing green energy utilization for cellular networks with hybrid energy supplies[J].IEEE Transactions on Wireless Communications, 2013, 12(8): 3872–3882. doi: 10.1109/TCOMM.2013.051313.121249 |
| [6] | Yu Peng, Li Wenjing, Qiu Xuesong. Self-organizing energy-saving management mechanism based on pilot power adjustment in cellular networks[J].International Journal of Distributed Sensor Networks, 2012(2012): 1–13. |
| [7] | Chiaraviglio L, Ciullo D, Meo M. Energy-efficient management of UMTS access networks[C]//ITC 21 2009. Paris, France: IEEE Press, 2009: 1-5. |