CN112533275A - 可再生能源异构网络的功率控制和干扰定价方法及装置 - Google Patents
可再生能源异构网络的功率控制和干扰定价方法及装置 Download PDFInfo
- Publication number
- CN112533275A CN112533275A CN202011273448.2A CN202011273448A CN112533275A CN 112533275 A CN112533275 A CN 112533275A CN 202011273448 A CN202011273448 A CN 202011273448A CN 112533275 A CN112533275 A CN 112533275A
- Authority
- CN
- China
- Prior art keywords
- mbs
- sbs
- interference
- renewable energy
- heterogeneous network
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
- H04W52/244—Interferences in heterogeneous networks, e.g. among macro and femto or pico cells or other sector / system interference [OSI]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种可再生能源异构网络的功率控制和干扰定价方法及装置,该方法包括:构建可再生能源异构网络***模型;构建异构网络中MBS和SBS的状态模型;构建MBS和SBS成本目标函数;其中,MBS目标为寻找最优干扰定价策略,SBS目标为根据MBS提供的干扰价格控制自身发射功率以使成本最小化;以MBS为领导者,SBS为跟随者,构建动态博弈模型,并求解动态博弈模型开环和反馈模式下的纳什均衡解,得到最优功率分配和最优干扰定价策略。本发明可优化功率资源分配和有效管理功率资源以减少异构网络中的干扰。
Description
技术领域
本发明涉及无线通信技术领域,特别涉及一种可再生能源异构网络的功率控制和干扰定价方法及装置。
背景技术
随着智能终端的指数级增长和流量需求的增加,需要开发更多的基础设施节点来提高网络服务质量,有效提升***容量。一种方法是部署更多的宏基站(Macro BaseStation,MBS),这可能是困难和昂贵的。另一种方法是在宏单元中引入小单元。在宏单元内引入更多不同规模、服务能力和覆盖范围的小小区基站(Small Cell Base Stations,SBS),可被视为一种极为有效的方法,以满足不断上升的数据吞吐量需求。同时,网络结构也将从传统的移动网络向异构网络转变。异构网络是由不同制造商生产的基站(BaseStations,BSs)组成的一种网络,包括MBSs、SBSs等,已被实施以支持高服务和容量要求。异构网络中BSs数量的增加甚至使智能设备与个人BSs相关联在未来成为可能。
另一方面,在异构网络密集部署大量的SBSs可能导致缺乏协调和运行效率低下的问题。干扰,特别是小区内部干扰,是异构网络的主要限制和挑战。小区内部干扰主要是由MBSs和SBSs之间的频谱共享引起的,会影响网络性能。它可以分为两类:跨层干扰和共层干扰。前者是由于覆盖重叠和频谱共享引起的MBS与SBS之间的干扰,也称为层间干扰。后者是SBSs之间的干扰,如果BSs协调良好,这种干扰可以减轻。重点是如何解决跨层干扰问题。
此外,异构网络中异质BSs的广泛发展,导致能源消耗和电费等问题激增。由于可再生能源技术,包括风能、太阳能等大量可再生能源技术的快速发展,BSs可以利用可再生能源来解决越来越严重的能源消耗问题,并提高异构网络的能源效率。需要将风能、太阳能等大量可再生能源集成到异构网络中,实现绿色通讯。可再生能源正在成为实现可持续发展的重要组成部分。
而目前对于如何实现可再生能源异构网络(Heterogeneous Networks,HetNets)中的MBS和SBSs之间的功率控制和干扰定价策略,以实现功率资源分配优化和功率资源有效管理,从而减少异构网络中的干扰依然是一个难题。
发明内容
本发明提供了一种可再生能源异构网络的功率控制和干扰定价方法及装置,以在可再生能源异构网络中实现优化功率资源分配和有效管理功率资源,从而减少可再生能源异构网络中的干扰问题。
为解决上述技术问题,本发明提供了如下技术方案:
一方面,本发明提供了一种可再生能源异构网络的功率控制和干扰定价方法,该可再生能源异构网络的功率控制和干扰定价方法包括:
构建可再生能源异构网络***模型;其中,所述可再生能源异构网络***模型中包括一个宏基站MBS和多个小小区基站SBS,MBS与SBS使用相同的频谱资源,MBS对干扰价格进行控制,SBS根据MBS所提供的干扰价格,向MBS支付干扰费用,并根据MBS提供的干扰价格来控制自身的发射功率;
构建所述可再生能源异构网络中MBS和SBS的状态模型;
构建MBS和SBS成本目标函数;其中,MBS目标为寻找最优干扰定价策略,SBS目标为根据MBS提供的干扰价格控制自身发射功率以使成本最小化;
以MBS为领导者,SBS为跟随者,构建动态博弈模型,并求解动态博弈模型开环和反馈模式下的纳什均衡解,得到最优功率分配和最优干扰定价策略。
进一步地,所述可再生能源异构网络***模型为两层异构网络***,其顶层是MBS,底层包括多个SBS,SBS之间的共层干扰可忽略。
进一步地,SBS和MBS之间的干扰支付为:
其中,Iim(t)为第i个SBS和MBS间的干扰支付,um(t)为MBS提供的干扰价格,gim(t)为第i个SBS在MBS中的信道增益,pi(t)为第i个SBS的发射功率。
进一步地,在所述可再生能源异构网络***模型中,MBS的能源由常规电网提供,SBS的能源来源为异构能源,包括常规电网和可再生能源,在异构能源的驱动下,SBS从可再生能源中收集能量,收集的能量储存在SBS中。
进一步地,在所述状态模型中,SBS的储能动态表征为:
其中,xi(t)表示第i个SBS的储能状态,qi(t)表示第i个SBS在可再生能源中的充电功率水平,pi(t)表示第i个SBS的发射功率,ηi表示***从可再生能源到第i个SBS的能量传递系数,ε表示***耗损系数,表示第i个SBS的初始储能状态;
SBS的发射功率受能源中可用能量的限制,受限于:
pi(t)≤xi(t)
MBS的状态是一个动态变量,表示MBS与SBS共享的可用频谱如下:
控制变量um(t)为受下限值约束的干扰价格:
进一步地,MBS的目标函数如下:
其中,γm表示拥有特定数量的频谱xm(t)的MBS的单位频谱价格,pi(t)表示第i个SBS的发射功率,um(t)表示MBS收取的干扰价格,αm、βm和vm为权重常数,gim表示第i个SBS在MBS中的信道增益,表示MBS对共信道干扰设定的干扰价格单价的下限值,e-r(t-t0)表示折现因子,xm(T)表示MBS在时间区间末想要达到的最终频谱状态。
进一步地,SBS的目标函数如下:
其中,pi(t)表示第i个SBS的发射功率,γ(t)表示第一个SBS的能源成本系数,xi(t)表示第i个SBS的能量消耗,表示第i个SBS对MBS的干扰支付,αi,βi和vi表示权重常数,e-r(t-t0)表示折现因子,xi(T)表示第i个SBS希望在时间间隔结束时达到的终端能量状态。
进一步地,所述动态博弈模型为Stackelberg动态博弈模型;
求解动态博弈模型开环模式下的纳什均衡解,包括:
通过微分方程定义博弈初始时MBS和SBS信守既定策略不改变的状态;跟随者根据干扰价格调整传输功率,从而最小化目标成本函数,求解得到跟随者的开环纳什均衡解;领导者将会依据跟随者的策略去制定干扰价格,从而最小化目标成本函数,求解得到领导者的开环纳什均衡解。
进一步地,求解动态博弈模型反馈模式下的纳什均衡解,包括:
通过微分方程定义领导者与跟随者博弈开始后的动态变化状态;跟随者将在有限时间内选择最优的资源策略,求解得到跟随者的反馈纳什均衡解;领导者基于跟随者的策略选择最优的定价策略,求解得到领导者的反馈纳什均衡解。
另一方面,本发明还提供了一种可再生能源异构网络的功率控制和干扰定价装置,该可再生能源异构网络的功率控制和干扰定价装置包括:
***模型构建模块,所述***模型构建模块用于构建可再生能源异构网络***模型;其中,所述可再生能源异构网络***模型中包括一个宏基站MBS和多个小小区基站SBS,MBS与SBS使用相同的频谱资源,MBS对干扰价格进行控制,SBS根据MBS所提供的干扰价格,向MBS支付干扰费用,并根据MBS提供的干扰价格来控制自身的发射功率;
状态模型构建模块,所述状态模型构建模块用于构建所述可再生能源异构网络中MBS和SBS的状态模型;
目标函数构建模块,所述目标函数构建模块用于构建MBS和SBS成本目标函数;其中,MBS目标为寻找最优干扰定价策略,SBS目标为根据MBS提供的干扰价格控制自身发射功率以使成本最小化;
动态博弈模型构建及求解模块,所述动态博弈模型构建及求解模块用于以MBS为领导者,SBS为跟随者,构建动态博弈模型,并求解动态博弈模型开环和反馈模式下的纳什均衡解,得到最优功率分配和最优干扰定价策略。
再一方面,本发明还提供了一种电子设备,其包括处理器和存储器;其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行以实现上述方法。
又一方面,本发明还提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述方法。
本发明提供的技术方案带来的有益效果至少包括:
本发明基于博弈论的理论思想,提出了一种基于Stackelberg动态博弈原理的模型来有效管理异构网络中的功率资源以减少干扰。通过构造一个领导者和多个跟随者的可再生能源异构网络模型,基于微分动态博弈来描述功率资源分配博弈过程,并通过开环和反馈模式下的纳什均衡解求解领导者和跟随者的最优功率资源分配和最佳干扰定价策略,可以实现可再生能源异构网络中的优化功率资源分配优化和功率资源的有效管理,从而有效减少了异构网络中的干扰。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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是本发明实施例提供的可再生能源异构网络的功率控制和干扰定价方法的流程示意图;
图2是本发明实施例提供的MBS和SBS成本目标函数构建流程示意图;
图3是本发明实施例提供的开环模式下纳什均衡解的求解流程示意图;
图4是本发明实施例提供的反馈模式下纳什均衡解的求解流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
第一实施例
针对异构网络中的跨层干扰问题,本实施例提供了一种可再生能源异构网络的功率控制和干扰定价方法,可用于异构网络中,减少异构网络中的干扰。
一般来说,在异构网络中处理跨层干扰问题的一个可行的解决方案是有效地管理SBS和MBS之间的传输资源。功率控制是网络传输资源管理的重要手段。通过仔细地调整各SBS的发射功率,可以大大减少MBS和SBSs之间的干扰。对此,本实施例采用了传输功率资源调节的干扰定价方法。具体来说,MBS根据共信道数据传输所造成的干扰向SBS收取费用。然后,将MBS和SBS之间的相互作用写成Stackelberg微分博弈,其中MBS是决定最优干扰价格的领导者,SBS是控制发射功率的跟随者。在Stackelberg微分博弈框架下,干扰定价与功率控制需要密不可分。干扰定价根据SBS产生的干扰的多少来收费。因此,SBS动态调整发射功率,使成本最小化。
在本实施例中,我们建议为SBS配备可再生能源。能量的动态变化会以微分形式影响功率控制策略。同时,在干扰定价策略中考虑了频谱的动态变化。在此基础上,利用微分方程来描述目标函数的能量和谱的动态特性,并将微分方程与Stackelberg博弈相结合,建立了基于Stackelberg微分博弈的优化模型。
基于上述,本实施例的可再生能源异构网络的功率控制和干扰定价方法的执行流程如图1所示,包括以下步骤:
S101,构建可再生能源异构网络***模型;
具体地,本实施例构建了一个包括一个MBS和多个SBSs的两层HetNets。所提议的HetNets的顶层是MBS,而底层包括多个SBSs。在拟议的HetNets中,SBS被假定使用与MBS相同的频谱资源。我们假设每个用户设备(User Equipment,UE)可以通过MBS和SBS访问HetNets。令N={1,2,...,N}表示SBSs集合。SBSs的部署被认为是稀疏的。那么,SBSs之间的共层干扰可以忽略。然而,由于SBSs和MBS共享相同的频谱资源,交叉干扰无法消除。为了捕获跨层干扰,MBS对干扰价格进行了控制,并考虑了SBSs与MBS之间的干扰支付。SBSs根据MBS所提供的干扰价格,向MBS支付跨层干扰费用。在SBSs对传输功率作出决定之前,干扰价格已从MBS广播到SBSs。然后,SBSs根据广播的干扰价格向MBS支付干扰费用。
假设HetNets是及时运行的。在时刻t时,第i个小小区基站SBSi的发射功率由pi(t)表示,gim(t)为SBSi在MBS中的信道增益。um(t)表示MBS提供的干扰价格。单位干扰价格用um(t)表示,也是时间的函数。已知干扰价格um(t)和传输功率pi(t),SBSi和MBS之间的干扰支付为:
其中,Iim(t)为SBSi和MBS间的干扰支付。
为了减少跨层干扰对MBS的影响,SBSs需要根据(1)中给出的干扰支付来控制其发射功率,其中MBS公布的单位干扰价格是一个影响因素。
S102,构建可再生能源异构网络中MBS和SBS的状态模型;
具体地,在本实施例构建的异构网络***模型中,MBS的能源由常规电网提供,SBS的能源来源为异构能源,包括常规电网和可再生能源,假设MBS的能源供应是稳定的。在异构能源的驱动下,SBS需要从可再生能源中收集能量,收集的能量应储存在SBS中,而传统电网是备用的有保证的能源。
可再生能源,特别是可再生能源的充电功率水平,将对SBSs的储能能力产生重要影响。同时,信息的传输也会降低SBSs的储能能力。假设SBSi的储能状态记为xi(t),i∈{1,2,…N}。SBSi在可再生能源中的充电功率水平用qi(t)表示。基于充、放电过程,SBSi的储能动态可表征为:
由上式可知SBSi的储能状态是时间变量的函数,储能状态需要随时间变化。储能状态的变化受信息传输功率这一控制变量的影响。在实际应用中,SBSi的发射功率受电池中可用能量的限制,受限于:
pi(t)≤xi(t) (3)
MBS的状态是一个动态变量,表示MBS与SBS共享的可用频谱如下:
其中,xm(t)表示MBS状态,um(t)表示控制变量,ηm为状态xm(t)和控制变量um(t)之间的频谱传递系数,为常数;εm为***的消耗系数,如控制信令的消耗,表示MBS初始状态;控制变量um(t)为受下限值约束的干扰价格:
S103,构建MBS和SBS成本目标函数;MBS目标为寻找最优干扰定价策略,SBS目标为根据MBS提供的干扰价格控制自身发射功率以使成本最小化;
需要说明的是,考虑到功率资源是有限的,鉴于***状态,可以分别构建MBS和SBS的成本目标函数,以使得花费成本最小。
具体地,如图2所示,构建MBS和SBS成本目标函数包括:
S201,构建MBS成本目标函数。
作为Stackelberg动态博弈的领导者,应首先为MBS构建成本目标函数。MBS的目标是寻找最优的干扰定价策略。在目标优化过程中,设定适当的干扰价格,由于跨层干扰MBS可从SBSs获得干扰支付。MBS的瞬时目标可定义为:
其中,γm为拥有特定数量的频谱xm(t)的MBS的单位频谱价格。目标函数的第一部分是拥有一定数量频谱的频谱成本。由于SBSs和SBSs共享相同的频谱资源进行信息传输,因此在拟议的HetNets中,SBSs和MBS之间存在干扰支付。由于pi(t)是SBS i的发射功率,um(t)是MBS收取的干扰价格,我们将干扰支付作为目标函数的第二部分。由于假定干扰价格不小于一个下限值,我们有(6)中给出的目标函数的第三部分。在(6)中,αm、βm和vm为权重常数参数,它们表示能量状态之间的权衡,干扰成本与单价策略。
MBS的目标是找到最优的干扰定价策略,使其目标最小化,如下式:
其中,e-r(t-t0)为折现因子,xm(t)为MBS在时间区间末想要达到的最终频谱状态。
S202,构建SBS成本目标函数。
对于跟随者SBSs来说,虽然较高的发射功率可获得较好的服务质量,但较高的发射功率也会导致MBS较高的干扰费用。然后,SBSs需要根据MBS提供的干扰价格来控制其发射功率以使成本最小化。SBSi的瞬时目标可以定义如下:
其中,γ(t)为SBSi的能源成本系数,γi(t)xi(t)表示SBSi的能量消耗。目标函数的第二部分为是SBSi对MBS的干扰支付。(3)中给出的约束也包含在每个SBS的目标函数中。其中αi,βi和vi为权重常数参数,代表了能量、干扰成本和传输功率约束之间的权衡。
SBSi的目标是找到能使其成本函数最小化的最优功率控制策略,如下:
其中,e-r(t-t0)是折现因子,xi(T)表示SBSi希望在时间间隔结束时达到的终端能量状态。
S104,以MBS为领导者,SBS为跟随者,构建动态博弈模型并求解动态博弈模型开环和反馈模式下的纳什均衡解,得到最优功率分配和最优干扰定价。
具体地,在本实施例中,构建的动态博弈模型为Stackelberg动态博弈模型;MBS充当领导者和使用干扰价格作为控制变量成本最小化问题(7)。SBSs作为跟随者动态控制传输能量最小化给定成本(9),将MBS提供的干扰价格作为控制变量。使用微分博弈的主要动机是,MBS和SBSs的状态变化可以用微分方程来描述,MBS和SBSs需要根据时变状态做出最优决策。在博弈框架下,MBS和SBSs的成本可以分别和依次最小化:给定干扰价格,SBSs可以获得其最优发射功率。通过SBSs的策略,MBS可以调整干扰价格,以实现成本最小化。
对于MBS,应控制干扰价格使(6)所示目标最小,即干扰定价,如下所示:
其中,fm(t,xm)=ηmum(t)+εmxm(t)。
对于SBS,它应该控制传输功率以最小化(8)中给出的目标,即功率控制,如下所示:
其中,fi(t,xi)=ηiqi(t)-pi(t)+εxi(t)。
(10)和(11)中的约束是MBS和SBSs状态的动态变化。基于Stackelberg微分博弈框架,MBS应在博弈开始时将干扰价格通知SBSs,然后利用干扰价格作为输入变量控制发射功率,使发射成本最小化。最后,MBS根据SBSs的功率控制策略重新调整其干扰价格。分别在开环模式和反馈模式两种模式下进行策略控制,攻击者和防御者也将会分别有开环模式纳什均衡解和反馈模式纳什均衡解,即在开环和反馈模式下分别有最优资源分配值。
基于上述,本实施例通过微分方程定义博弈初始时MBS和SBS信守既定策略不改变的状态;跟随者根据干扰价格调整传输功率,从而最小化目标成本函数,求解得到跟随者的开环纳什均衡解;领导者将会依据跟随者的策略去制定干扰价格,从而最小化目标成本函数,求解得到领导者的开环纳什均衡解。
通过微分方程定义领导者与跟随者博弈开始后的动态变化状态;跟随者将在有限时间内选择最优的资源策略,求解得到跟随者的反馈纳什均衡解;领导者基于跟随者的策略选择最优的定价策略,求解得到领导者的反馈纳什均衡解。
具体地,如图3所示,本实施例求解开环纳什均衡解的过程,包括:
S301,定义满足最佳资源策略的表达式。
S302,定义描述开环纳什均衡解的特征。
S303,求得开环纳什均衡解。
针对跟随者而言,对于功率控制问题,各SBS存在唯一的开环纳什均衡,具体如下:
其中,Λi(t)由以下公式得出:
对(14)求偏导数,得到(21)-(23)中给出的各SBS在开环模式下的纳什均衡解。
将最优传输功率代入(22),我们可以得到x形式的上态函数的解,边界条件由(23)给出。同时,储能状态xi(t)的动态变化也可以用协态函数表示。求解的微分方程(21)-(23),我们可以获得解决方案xi(t)、Λi(t)和适用于所有SBSs功率控制问题的纳什均衡解决方案。
针对领导者而言,执行指定的最小化至(17)产量,
如图4所示,本实施例求解反馈模式下纳什均衡解的过程,包括:
S401,求反馈模式下SBSs即跟随者的非合作功率控制解。
由于所提出的博弈是利用时间松弛机制在无限长的时间范围内进行的,因此最优传输功率策略需要是状态的函数。最优发射功率策略如下:
对于功率控制问题,各SBS存在唯一的非合作反馈均衡,如下所示:
为了得到各SBS的非合作反馈纳什均衡,首先计算(27)中函数的偏导数。关系函数的偏导数如下:
将(30)带回到(29),得到反馈模式下功率控制问题SBSi的非合作纳什均衡解:
基于上述函数,我们可以得到SBSs在反馈模式下的非合作纳什均衡解的表达式。
S402,求反馈模式下SBSs即跟随者的协同功率控制解。
具体的,为了得到协作纳什均衡,总成本可以最小化,如下所示:
(32)中,所要执行的总成本最小化问题的规模为N,即所有SBSs参与所提出的合作对策。则总成本最小化问题存在Bellman值函数W(N,t,x),满足以下方程:
通过对(33)中所示的最小化,我们可以得到反馈模式下的功率控制问题的协作纳什均衡:
将上述方程带入到(33),我们能够得到:
则反馈模式下的功率控制问题的协作纳什均衡可表示为:
S403,求MBS即领导者的反馈纳什均衡解。
基于Bellman动态规划技术,可以得到一个反馈纳什均衡解。通过(37)中的最小化,我们可以得到反馈模式下MBS的最优干扰价格解:
通过上述计算可求得在Stackelberg动态博弈模型下开环模式和反馈模式的纳什均衡解,从而实现可再生能源异构网络资源有限下的最优分配。
第二实施例
本实施例提供了一种可再生能源异构网络的功率控制和干扰定价装置,该可再生能源异构网络的功率控制和干扰定价装置包括以下模块:
***模型构建模块,所述***模型构建模块用于构建可再生能源异构网络***模型;其中,所述可再生能源异构网络***模型中包括一个宏基站MBS和多个小小区基站SBS,MBS与SBS使用相同的频谱资源,MBS对干扰价格进行控制,SBS根据MBS所提供的干扰价格,向MBS支付干扰费用,并根据MBS提供的干扰价格来控制自身的发射功率;
状态模型构建模块,所述状态模型构建模块用于构建所述可再生能源异构网络中MBS和SBS的状态模型;
目标函数构建模块,所述目标函数构建模块用于构建MBS和SBS成本目标函数;其中,MBS目标为寻找最优干扰定价策略,SBS目标为根据MBS提供的干扰价格控制自身发射功率以使成本最小化;
动态博弈模型构建及求解模块,所述动态博弈模型构建及求解模块用于以MBS为领导者,SBS为跟随者,构建动态博弈模型,并求解动态博弈模型开环和反馈模式下的纳什均衡解,得到最优功率分配和最优干扰定价策略。
本实施例的可再生能源异构网络的功率控制和干扰定价装置与上述第一实施例的可再生能源异构网络的功率控制和干扰定价方法相对应;其中,本实施例的可再生能源异构网络的功率控制和干扰定价装置中的各功能模块所实现的功能与上述第一实施例的方法中的各流程步骤一一对应;故,在此不再赘述。
第三实施例
本实施例提供一种电子设备,其包括处理器和存储器;其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行,以实现第一实施例的方法。
该电子设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)和一个或一个以上的存储器,其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行上述方法。
第四实施例
本实施例提供一种计算机可读存储介质,该存储介质中存储有至少一条指令,所述指令由处理器加载并执行,以实现第一实施例的方法。其中,该计算机可读存储介质可以是ROM、随机存取存储器、CD-ROM、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
此外,需要说明的是,本发明可提供为方法、装置或计算机程序产品。因此,本发明实施例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,本发明实施例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上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、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、嵌入式处理机或其他可编程数据处理终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
最后需要说明的是,以上所述是本发明优选实施方式,应当指出,尽管已描述了本发明优选实施例,但对于本技术领域的技术人员来说,一旦得知了本发明的基本创造性概念,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
Claims (10)
1.一种可再生能源异构网络的功率控制和干扰定价方法,其特征在于,所述可再生能源异构网络的功率控制和干扰定价方法包括:
构建可再生能源异构网络***模型;其中,所述可再生能源异构网络***模型中包括一个宏基站MBS和多个小小区基站SBS,MBS与SBS使用相同的频谱资源,MBS对干扰价格进行控制,SBS根据MBS所提供的干扰价格,向MBS支付干扰费用,并根据MBS提供的干扰价格来控制自身的发射功率;
构建所述可再生能源异构网络中MBS和SBS的状态模型;
构建MBS和SBS成本目标函数;其中,MBS目标为寻找最优干扰定价策略,SBS目标为根据MBS提供的干扰价格控制自身发射功率以使成本最小化;
以MBS为领导者,SBS为跟随者,构建动态博弈模型,并求解动态博弈模型开环和反馈模式下的纳什均衡解,得到最优功率分配和最优干扰定价策略。
2.如权利要求1所述的可再生能源异构网络的功率控制和干扰定价方法,其特征在于,所述可再生能源异构网络***模型为两层异构网络***,其顶层是MBS,底层包括多个SBS,SBS之间的共层干扰可忽略。
4.如权利要求1所述的可再生能源异构网络的功率控制和干扰定价方法,其特征在于,在所述可再生能源异构网络***模型中,MBS的能源由常规电网提供,SBS的能源来源为异构能源,包括常规电网和可再生能源,在异构能源的驱动下,SBS从可再生能源中收集能量,收集的能量储存在SBS中。
5.如权利要求4所述的可再生能源异构网络的功率控制和干扰定价方法,其特征在于,在所述状态模型中,SBS的储能动态表征为:
其中,xi(t)表示第i个SBS的储能状态,qi(t)表示第i个SBS在可再生能源中的充电功率水平,pi(t)表示第i个SBS的发射功率,ηi表示***从可再生能源到第i个SBS的能量传递系数,ε表示***耗损系数,表示第i个SBS的初始储能状态;
SBS的发射功率受能源中可用能量的限制,受限于:
pi(t)≤xi(t)
MBS的状态是一个动态变量,表示MBS与SBS共享的可用频谱如下:
控制变量um(t)为受下限值约束的干扰价格:
8.如权利要求1所述的可再生能源异构网络的功率控制和干扰定价方法,其特征在于,所述动态博弈模型为Stackelberg动态博弈模型;
求解动态博弈模型开环模式下的纳什均衡解,包括:
通过微分方程定义博弈初始时MBS和SBS信守既定策略不改变的状态;跟随者根据干扰价格调整传输功率,从而最小化目标成本函数,求解得到跟随者的开环纳什均衡解;领导者将会依据跟随者的策略去制定干扰价格,从而最小化目标成本函数,求解得到领导者的开环纳什均衡解。
9.如权利要求8所述的可再生能源异构网络的功率控制和干扰定价方法,其特征在于,求解动态博弈模型反馈模式下的纳什均衡解,包括:
通过微分方程定义领导者与跟随者博弈开始后的动态变化状态;跟随者将在有限时间内选择最优的资源策略,求解得到跟随者的反馈纳什均衡解;领导者基于跟随者的策略选择最优的定价策略,求解得到领导者的反馈纳什均衡解。
10.一种可再生能源异构网络的功率控制和干扰定价装置,其特征在于,所述可再生能源异构网络的功率控制和干扰定价装置包括:
***模型构建模块,所述***模型构建模块用于构建可再生能源异构网络***模型;其中,所述可再生能源异构网络***模型中包括一个宏基站MBS和多个小小区基站SBS,MBS与SBS使用相同的频谱资源,MBS对干扰价格进行控制,SBS根据MBS所提供的干扰价格,向MBS支付干扰费用,并根据MBS提供的干扰价格来控制自身的发射功率;
状态模型构建模块,所述状态模型构建模块用于构建所述可再生能源异构网络中MBS和SBS的状态模型;
目标函数构建模块,所述目标函数构建模块用于构建MBS和SBS成本目标函数;其中,MBS目标为寻找最优干扰定价策略,SBS目标为根据MBS提供的干扰价格控制自身发射功率以使成本最小化;
动态博弈模型构建及求解模块,所述动态博弈模型构建及求解模块用于以MBS为领导者,SBS为跟随者,构建动态博弈模型,并求解动态博弈模型开环和反馈模式下的纳什均衡解,得到最优功率分配和最优干扰定价策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011273448.2A CN112533275B (zh) | 2020-11-13 | 2020-11-13 | 可再生能源异构网络的功率控制和干扰定价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011273448.2A CN112533275B (zh) | 2020-11-13 | 2020-11-13 | 可再生能源异构网络的功率控制和干扰定价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112533275A true CN112533275A (zh) | 2021-03-19 |
CN112533275B CN112533275B (zh) | 2022-01-25 |
Family
ID=74980767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011273448.2A Active CN112533275B (zh) | 2020-11-13 | 2020-11-13 | 可再生能源异构网络的功率控制和干扰定价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112533275B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362792A (zh) * | 2022-01-23 | 2022-04-15 | 燕山大学 | 在智能电网中考虑通信安全的中继功率分配和定价方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050058151A1 (en) * | 2003-06-30 | 2005-03-17 | Chihsiang Yeh | Method of interference management for interference/collision avoidance and spatial reuse enhancement |
CN103856947A (zh) * | 2014-02-07 | 2014-06-11 | 西安电子科技大学 | 一种联合信道选择和功率控制的干扰协调方法 |
CN104105193A (zh) * | 2014-07-01 | 2014-10-15 | 西安交通大学 | 一种异构网络中基于Starckelberg 博弈的功率分配方法 |
US20160021621A1 (en) * | 2012-03-13 | 2016-01-21 | Zte (Usa) Inc. | Interference management in the heterogeneous network |
CN105848274A (zh) * | 2016-03-25 | 2016-08-10 | 山东大学 | 一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法 |
CN106937295A (zh) * | 2017-02-22 | 2017-07-07 | 沈阳航空航天大学 | 基于博弈论的异构网络高能效功率分配方法 |
CN107135508A (zh) * | 2017-02-28 | 2017-09-05 | 南京邮电大学 | 一种基于联盟博弈的能量采集小基站干扰管理方法 |
CN107864512A (zh) * | 2017-11-01 | 2018-03-30 | 南京邮电大学 | 一种基于博弈论的蜂窝异构网络资源分配方法 |
CN107911860A (zh) * | 2017-11-01 | 2018-04-13 | 重庆邮电大学 | Noma***中基于定价且带有速率公平比例的功率分配方法 |
CN108990067A (zh) * | 2018-07-09 | 2018-12-11 | 常熟理工学院 | 一种应用于超密集异构网络的能效控制方法 |
CN109618351A (zh) * | 2019-01-09 | 2019-04-12 | 南京邮电大学 | 基于stackelberg博弈的异构网络中的资源分配方法 |
CN109639729A (zh) * | 2019-01-16 | 2019-04-16 | 北京科技大学 | 一种面向物联网威胁防御资源分配的动态博弈方法及装置 |
-
2020
- 2020-11-13 CN CN202011273448.2A patent/CN112533275B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050058151A1 (en) * | 2003-06-30 | 2005-03-17 | Chihsiang Yeh | Method of interference management for interference/collision avoidance and spatial reuse enhancement |
US20160021621A1 (en) * | 2012-03-13 | 2016-01-21 | Zte (Usa) Inc. | Interference management in the heterogeneous network |
CN103856947A (zh) * | 2014-02-07 | 2014-06-11 | 西安电子科技大学 | 一种联合信道选择和功率控制的干扰协调方法 |
CN104105193A (zh) * | 2014-07-01 | 2014-10-15 | 西安交通大学 | 一种异构网络中基于Starckelberg 博弈的功率分配方法 |
CN105848274A (zh) * | 2016-03-25 | 2016-08-10 | 山东大学 | 一种两层异构网络中基于斯坦伯格博弈论的非统一定价的功率控制方法 |
CN106937295A (zh) * | 2017-02-22 | 2017-07-07 | 沈阳航空航天大学 | 基于博弈论的异构网络高能效功率分配方法 |
CN107135508A (zh) * | 2017-02-28 | 2017-09-05 | 南京邮电大学 | 一种基于联盟博弈的能量采集小基站干扰管理方法 |
CN107864512A (zh) * | 2017-11-01 | 2018-03-30 | 南京邮电大学 | 一种基于博弈论的蜂窝异构网络资源分配方法 |
CN107911860A (zh) * | 2017-11-01 | 2018-04-13 | 重庆邮电大学 | Noma***中基于定价且带有速率公平比例的功率分配方法 |
CN108990067A (zh) * | 2018-07-09 | 2018-12-11 | 常熟理工学院 | 一种应用于超密集异构网络的能效控制方法 |
CN109618351A (zh) * | 2019-01-09 | 2019-04-12 | 南京邮电大学 | 基于stackelberg博弈的异构网络中的资源分配方法 |
CN109639729A (zh) * | 2019-01-16 | 2019-04-16 | 北京科技大学 | 一种面向物联网威胁防御资源分配的动态博弈方法及装置 |
Non-Patent Citations (1)
Title |
---|
HAITAO XU; LIJING ZHANG; XIANWEI ZHOU; ZHU HAN: "Stackelberg Differential Game based Power Control in Small Cell Networks Powered by Renewable Energy", 《IEEE》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362792A (zh) * | 2022-01-23 | 2022-04-15 | 燕山大学 | 在智能电网中考虑通信安全的中继功率分配和定价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112533275B (zh) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Piovesan et al. | Energy sustainable paradigms and methods for future mobile networks: A survey | |
CN114004476B (zh) | 一种综合能源***多时间尺度优化调度方法 | |
Wei et al. | On optimally reducing power loss in micro-grids with power storage devices | |
Yang et al. | Distributed deep reinforcement learning-based spectrum and power allocation for heterogeneous networks | |
Zhang et al. | Dynamic spectrum allocation for the downlink of OFDMA-based hybrid-access cognitive femtocell networks | |
Liu et al. | Joint computation offloading and demand response management in mobile edge network with renewable energy sources | |
Lim et al. | Optimal allocation of energy storage and solar photovoltaic systems with residential demand scheduling | |
CN108322938B (zh) | 超密集组网下基于双层非合作博弈理论的功率分配方法及其建模方法 | |
CN109982434B (zh) | 无线资源调度一体智能化控制***及方法、无线通信*** | |
CN111682536B (zh) | 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法 | |
Zhong et al. | Stable user association and resource allocation based on stackelberg game in backhaul-constrained HetNets | |
CN112533275B (zh) | 可再生能源异构网络的功率控制和干扰定价方法及装置 | |
CN112512065A (zh) | 支持mec的小小区网络中在移动感知下的卸载和迁移算法 | |
Li et al. | Decentralized renewable energy pricing and allocation for millimeter wave cellular backhaul | |
CN108990067A (zh) | 一种应用于超密集异构网络的能效控制方法 | |
Diamantoulakis et al. | Game theoretic approach to demand side management in smart grid with user-dependent acceptance prices | |
Vamvakas et al. | A user-centric economic-driven paradigm for rate allocation in non-orthogonal multiple access wireless systems | |
Wang et al. | Distributed energy saving for heterogeneous multi-layer mobile edge computing | |
CN113747450B (zh) | 一种移动网络中业务部署方法、装置及电子设备 | |
CN116579455A (zh) | 一种虚拟电厂在多元电力市场的优化竞标方法 | |
CN110049436A (zh) | 基于异构频谱的分布式信道分配与共享方法和*** | |
CN114006399B (zh) | 一种规模化5g基站参与配电网需求响应的优化调度方法 | |
Reyhanian et al. | A matching-game-based energy trading for small cell networks with energy harvesting | |
Xu et al. | Stackelberg differential game based power control in small cell networks powered by renewable energy | |
Han et al. | Green resource allocation and energy management in heterogeneous small cell networks powered by hybrid energy |
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 |