一种面向电力物联网的认知D2D网络能效资源分配算法_黄兴.pdf

一种面向电力物联网的认知 网络能效资源分配算法黄兴，张文杰，李曦，张瑜，李保罡，贾惠彬（国网辽宁省电力有限公司，沈阳；华北电力大学（保定）电子与通信工程系，河北 保定）摘要：在电力物联网中为了提高（o）网络的频谱效率和系统能效，考虑不完美信道状态信息（oo，）的影响，提出了一种鲁棒能效最大的资源分配算法。考虑 用户最大发射功率约束、蜂窝用户功率约束和共道干扰功率约束，建立下垫式频谱共享模式下混合蜂窝 通信的上行传输资源分配模型；考虑蜂窝用户干扰中断约束，基于最小最大概率机和辅助变量法，将原非凸优化问题转换为凸优化求解。基于凸优化理论，获得鲁棒资源分配问题的解析解。仿真结果表明所提算法可以提升 左右的能效性能。关键词：通信；能效；资源分配；鲁棒性：中图分类号：文献标识码：文章编号：（），o，（g cc ，g，cc c gg，cc （g），g，）：o o o o o（）o o o，o o o oo o oo oo o o oo（）o o o o ，o o o o o，o o oo o o o oo o o o o ，o oo oo o o o oo o o oo o o o oo o o o oo o o o oo o o ：oo，o oo，o基金项目：国家自然科学基金资助项目（）；中央高校基本科研业务费专项资金资助项目（）；中央高校项目（）；国网辽宁电力科技项目（）引 言随着智能电网与电力物联网技术的发展，电力设备间互通互联及互操作成为智能电网发展的新趋势。高效的通信方式是实现电力物联网通信与设备间信息化控制的关键问题。第五代移动通信系统的低延时、大容量和高可靠等特点越来越受到智能电网的青睐。而认知无线电与 通信结合形成的新型基于认知的 网络，用户可通过发现附近可复用的蜂窝用户频谱，并且获得临近增益和信道复用增益，从而提高数据传输容量和可靠性，在 移动通信技术方面发挥着重要作用。然而，通信也带来了新的问题和挑战，因为蜂窝用户的链路资源被重用，并且不能忽略内部干扰。在实际的认知 通信场景中，设备的电池寿命对通信质量也有一定的影响。目前，关于认知 网络资源分配的研究主要集中在频谱效率优化、吞吐量及能第 卷 第 期电测与仪表 年 月 日 ，效等。文献提出了一种传输速率最大的自由分配算法，没有考虑用户之间的竞争关系。针对系统总速率最大化的问题，文献提出了一种基于博弈论的资源分配算法。建立了博弈模型，证明了在一定条件下博弈具有唯一的纳什均衡点，并且提出了一种不完全信息重复博弈者决策的学习方法。文献 考虑 用户具有能量收集能力，研究认知 网络下行用户总吞吐量最大化的联合功率控制和信道分配策略。针对认知多播 网络，为了减小蜂窝用户对 用户分簇组的干扰影响，文献研究了系统总容量最大的信道分配与功率控制算法。为了实现在基站接入模式和 模式下进行灵活的选择式接入，文献提出了一种进化论方法研究 用户接入蜂窝网络的模式问题，来实现 用户总用户数据速率最大的资源分配问题。针对认知 全双工通信网络中存在的频谱资源共享导致的干扰问题，文献提出了 用户速率最大的资源分配算法，从而提高了系统的谱效和传输速率。考虑完美的信道状态信息，文献提出了一种能效最大的资源分配算法，但是该方法没有考虑干扰功率约束，无法保证蜂窝用户的通信质量。基于博弈论，文献 研究了认知 网络能效最大化的资源分配问题，在用户通信干扰门限约束下实现能效和谱效的均衡。然而，由于信道时延、随机无线电环境干扰、量化重构误差等因素的影响，使得系统获得完美的信道状态信息是不切实际的。因此需要提前将这些参数不确定性的影响考虑到资源分配算法中，保证算法的鲁棒性，降低中断概率，保证数据传输的可靠性。尤其满足智能电网控制业务对数据传输高可靠性和低延时等要求。基于上述分析和存在的问题，本文研究认知 网络鲁棒能效最大的资源分配问题。首先，考虑 用户最大发射功率约束、蜂窝用户最大功率约束和干扰功率约束，建立下垫式频谱共享模式下认知 网络上行传输的资源分配模型。其次，考虑蜂窝用户干扰中断约束，基于最小最大概率机和辅助变量法，将原非凸优化问题转换为凸优化求解。然后，基于凸优化理论，获得鲁棒资源分配问题的解析解。最后，仿真结果表明，该方案具有很好的性能，可以为电力物联网通信架构设计提供参考。系统模型如图 所示。D2D用户对D2D用户蜂窝基站蜂窝用户D2D_1D2D_2D2D_NM蜂窝基站蜂窝用户1蜂窝用户2蜂窝用户信号传输链路干扰链路图 多用户下垫式认知 通信网络 o oo o本文使用的是一个频谱共享模式下多用户下垫式（）认知 通信系统。此系统有 个蜂窝基站，个蜂窝用户，对 用户，且用户集合分别定义为 ，和 ，。蜂窝系统频谱资源被划分成多个子信道，且每个蜂窝用户利用一个正交的子信道进行上行数据传输，这样避免了蜂窝用户之间的同层干扰影响。假设每对 用户具有频谱认知能力，灵活地实现模式选择和资源调度，提高蜂窝频谱资源的利用率。由于是基于下垫式频谱共享模式，因此 用户在复用蜂窝用户频带资源的时候需要控制其干扰功率不超过特定的门限值，且假设所有无线信道服从瑞利分布。假设任意的 用户对 共享第 个蜂窝用户的频带资源进行数据传输。考虑蜂窝用户对 用户的干扰和其他 用户对当前 用户的干扰，因此第 个 用户接收机的信干噪比为：cc，（）式中 是第 个 用户发射机在子信道 上分配的传输功率；为对应的信道增益；c表示第 个蜂窝用户到基站的发射功率；c，表示第 个蜂窝用户到第 个 用户接收机的信道增益；为第 个 用户发射机在子信道 上分配的传输功率；为第 个 用户发射机到第 个 用户接收机的信道增益；为接收机端的噪声功率，假设接收机处的噪声服从均值为 方差为 的复高斯分布，为加性高斯白噪声。因此所有 用户的总速率可以描述为：第 卷 第 期电测与仪表 年 月 日 ，o（）（）定义每对 用户的电路功耗为 c，则所有 用户的总功率消耗为：c（）进一步考虑到需要对每个蜂窝用户的通信质量进行保护，有如下干扰功率约束：g（）式中 g为第 个 用户发射机到第 个子信道上蜂窝用户接收机的信道增益；为每个子信道上能够容忍的峰值干扰功率。考虑到 用户电池容量的限制，其发射功率不能无穷大，因此传输功率满足如下约束：（）式中 为第 个 用户能够提供的最大发射功率。为了使得 网络能效最大，同时满足每个蜂窝用户的通信质量，考虑上述分析结果，基于能效最大的资源分配问题为：o（）c：g：（）由于上述问题并没有考虑信道增益的估计误差，因此该资源分配问题是一个分式、非凸的非鲁棒优化问题。即，假设信道增益 g精确已知。然而，在实际认知 网络中，随着频谱估计误差和动态感知不确定性的存在，导致信道增益信息很难准确获取。基于传统反馈信道信息的最优资源分配算法已无法满足实际系统设计的需求。因此需要将信道估计误差提前考虑到算法设计中，提出能抗参数摄动的鲁棒资源分配算法显得尤为重要。鲁棒资源分配算法考虑信道估计误差的影响，实际的信道增益可以用如下加性不确定性模型描述：g g g（）式中g为信道增益估计值，可以通过信道估计算法获得；然而 g是一个随机量，为信道增益估计误差。显然，如果直接假设 g 是一种理想情况。但是在实际情况中并不满足。由于该估计误差的影响，会使得优化问题（）的 约束条件产生中断。因此，基于干扰功率中断约束的能效优化问题可以描述为：o（）c：g ：（）式中 为蜂窝用户 的中断概率门限值。显然该问题是一个 问题，难以直接获得资源分配问题的解析解。中断概率转换针对中断概率约束，已经有很多常用的方法来进行处理，例如，松弛概率积分法和伯恩斯坦近似不等式方法。然而，上述方法都需要知道不确定参数的概率统计分布模型。但是在实际的认知 网络中，由于不存在用户间合作情况，因此很难获得该统计分布信息。另外，由于无线信道的随机性，也使得提前假设某一特定的概率分布模型失效。因此，需要引入新的机制来解决该问题。最小最大概率机能够很好的解决上述问题。最小最大概率机是一种处理中断概率的优化方法，该方法只需要估计误差的均值和方差信息，并不需要这些参数服从某一特定的概率分布。基于这一特点，可以有效解决统计模型未知的中断概率转换问题。基于最小最大概率机方法，任意中断约束可以描述为如下形式：（，）（）式中 为含不确定性的参数向量；和 为其均值和方差；为参数向量；为中断概率门限值。基于最小最大概率机原理，式（）可以等价为：（，）（）其中：（）（）（），（）第 卷 第 期电测与仪表 年 月 日 ，由于式（）可以等于为 （，），将式（）带入其中得到：（）结合式（）和式（）可以得到：（），（）（）式中（）（）。将式（）整理可得：（）（）式（）为约束式（）等价的闭式形式，且第一项为估计值，第二项为估计误差带来的摄动项。定义信道增益 g的均值和方差分别为 g和。基于式（）的形式和结合最小最大概率机方法，中断概率约束 可以转换为：g（）（）（）式中（）（）。因此中断干扰中断概率转换为如式（）所示的闭式形式。但是由于平方项的原因，该问题依然无法求解。因此，基于柯西不等式我们可以将式（）转换为如下形式：g（）式中 g g（），因此式（）为一个凸约束条件。凸优化问题转换目标函数是分数形式，该问题是在凸约束条件下的非凸优化问题，基于 方法，目标函数可以等价为：（）o（）c()（）式中 为 用户总的能效且 。由于速率函数中发射功率耦合关系，基于连续凸近似方法，传输速率可以近似为如下等价凸形式：o（）o（）（）式中 （）和 o（）o（）为辅助变量。初始值可以设定为 和 ，表示 最后一次迭代值。因此目标函数式（）可以等价为：（）o（）c()（）因此，结合式（），式（）和式（）可以得到如下凸优化问题：o（）c()：g：（）式（）是一个凸优化问题，可以利用凸优化理论获得资源分配的解析解。鲁棒资源分配算法求解利用拉格朗日原理可以求解问题（），构建优化问题式（）的拉格朗日函数为：（，）o（）c()g()()（）式中 和 为拉格朗日对偶变量。式（）可以等价描述为：（，），（，）c （）因此，对于每个 用户而言有：，（，）o（）g（）根据拉格朗日对偶原理和式（），对偶问题为：，（，），（）其中对偶函数（，）的表达式为：（，）（，）（）根据 条件和次梯度更新方法，可以得到资源分配算法的解析解如下：，（g）（）第 卷 第 期电测与仪表 年 月 日 ，（）（）g()（）（）（）()（）o （）c（）式中 和 为迭代步长；（，）；为迭代次数。当设置合适的步长因子，能够保证算法快速收敛。仿真结果通过数值仿真与传统非鲁棒资源分配算法对比来验证本文鲁棒算法的有效性。假设蜂窝小区半径为，蜂窝用户和 用户在小区内随机分布，蜂窝用户到基站的距离不超过 的链路是可以被复用的，路损指数为，阴影衰落系数为，用户最大发射功率门限为 ，电路功率消耗为 c，噪声功率为 ，用户和蜂窝用户数量为，干扰功率门限值为 。不失一般性，在仿真中考虑每个子信道为单位带宽。图 给出了在不同用户数量下的认知 网络用户的能效的关系。从图中可以看出，系统总的能效随着 用户数量的增加而增大。但是当 用户成倍的增大时，系统的能效并不跟随成倍增加。其原因是因为多个 用户之间的同频干扰会增加当前活动用户的干扰，从而使得原存在网络的用户信干噪比有所降低。另外，本文鲁棒算法比传统非鲁棒算法的能效要高。随着中断概率门限的增大，本文算法的能效逐渐增大。因为大的中断概率门限意味着干扰功率约束中的有效传输功率减小，从而对蜂窝用户提供更好的保护性能。2345678910D2D用户数量 N0.511.522.53D2D用户 总的能效 (bitHz-1J-1)传统非鲁棒算法(m=0)本文鲁棒算法(m=0.05,nm=0.01)本文鲁棒算法(m=0.1,nm=0.03)本文鲁棒算法(m=0.15,nm=0.05)图 用户能效与 用户数量之间的关系 o o 图 给出了 用户总能效与中断概率门限的关系。从图中可以看出，随着信道增益误差的方差值越大，用户总的能效增大。因为从干扰功率约束可以看出，随着信道增益估计值增大 的增大，有效的传输功率减小以避免对蜂窝用户带来有害干扰。因此功耗降低，系统能效增大。另外，传统非鲁棒算法的能效保持恒定，因为中断概率为零会使得鲁棒干扰约束第二项与信道增益估计误差的方差无关，因此保持恒定不变。从图中，可以发现随着蜂窝用户允许的中断概率门限值增大，用户总的能效增大。因为中断概率增大从而使得第二项值增大，从而使得有效的传输功率降低，从而降低了总的能量消耗，因此总的能效提升。0.010.020.030.040.050.06信道增益估计误差的方差nm0.690.70.710.720.730.740.750.760.770.780.79D2D用户 总的能效(bitHz-1J-1)传统非鲁棒算法(m=0)本文鲁棒算法(m=0.05)本文鲁棒算法(m=0.1)本文鲁棒算法(m=0.15)图 用户总能效与中断概率门限的关系 o o o o o o图 给出了不同算法在不同发射功率下的能效性能对比，其中 用户对数量为。从图中可以看出，随着 用户的最大发射功率门限的增大，用户总的能效逐渐增大。因为增加用户门限可以分配更多的功率到各个子信道从而提升用户速率和能效。另外，本文的鲁棒算法的能效都高于传统的非鲁棒算法。因此为了提高系统的鲁棒性和对时延容忍业务的传输，本文算法允许用户对中断概率有一定的容忍度，其最大传输功率大于传统非鲁棒算法。从不同中断概率门限 和估计误差方差 角度来看，随着中断门限值增大，其能效逐渐增加；随着估计误差方差的增大，用户总的能效增大。因为估计误差增大，会使得估计信道增益值偏离其真实值越来越远，从而需要提高传输功率来克服这部分信道不确定性对蜂窝用户的影响，从而使得能效增大。第 卷 第 期电测与仪表 年 月 日 ，18 18.5 19 19.5 20 20.5 21 21.5 22 22.5 23D2D用户的最大发射功率门限(dBm)0.670.680.690.70.710.720.730.740.75D2D用户 总 的能效(bitHz-1J-1)传统非鲁棒算法本文鲁棒算法(m=0.05,nm=0.01)本文鲁棒算法(m=0.1,nm=0.01)本文鲁棒算法(m=0.1,nm=0.03)本文鲁棒算法(m=0.05,nm=0.03)图 在不同发射功率下不同算法能效性能对比 oo o o o o o o图 给出了不同算法在最大干扰功率下的 用户总能效关系，中断概率和估计误差方差设定为 和 。从图中可以看出，本文算法比传统非鲁棒算法具有较高的能效性能。随着蜂窝用户在每个子载波允许的最大干扰功率的增大，用户总的能效随之降低。因为干扰功率增大能允许 用户在共享的子信道上传输更多的功率，从而增加了功耗，从而使得整体能效降低，需要平衡传输速率与能量消耗之间的关系。为了更直观的体现本文算法的优势，给出了如下分析表 所示。从表格中可以看出，本文鲁棒算法在能效性能上有接近 的性能提升，说明本文算法具有较好的能效性能。并且随着可传输功率可行域增大，即，用户最大发射功率门限值，这种能效性能提升的幅度会进一步增加。0.8 0.850.9 0.95 1 1.05 1.1 1.151.2 1.25 1.3蜂窝用户的最大干扰功率门限 (mW)10-30.60.650.70.750.80.85D2D用户总的能效 (bitHz-1J-1)本文鲁棒算法(pnmax=15 dBm)本文鲁棒算法(pnmax=17 dBm)传统非鲁棒算法(pnmax=15 dBm)传统非鲁棒算法(pnmax=17 dBm)图 用户能效与最大干扰功率门限的关系 o o o表 算法性能差异对比 o o oo算法类型蜂窝用户最大发射功率门限 本文鲁棒算法（）非鲁棒算法（）能效差值（）（）（）（）本文鲁棒算法（）非鲁棒算法（）能效差值（）（）（）（）结束语为了提高认知 网络的在电力物联网应用中的能量效率和鲁棒性，本文考虑不完美 的影响提出了一种 用户总能效最大的鲁棒资源分配算法。考虑 用户最大发射功率约束和蜂窝用户共道干扰约束，建立能效最大的资源分配模型。基于最小最大概率机、方法和连续凸近似方法解决非凸优化问题。再利用拉格朗日对偶原理求解所转化成的凸优化问题。仿真结果表明本文所提的算法具有较好的能效并且能够保证蜂窝用户的通信质量。该方案可应用于配电物联网，可实现监测装置间收发机的快速互联交互，也可用于配电自动化系统，提高数据传输的可靠性与能效。参 考 文 献 段佳莉，孙羽宁，胡静娴，等 基于物联网标识技术的保护装置身份识别与信息管理方法 电力科学与技术学报，（）：李钦豪，张勇军，陈佳琪，等 泛在电力物联网发展形态与挑战 电力系统自动化，（）：徐江涛，姜海波，刘洋，等 电力物联网 通信中模式预选的多播重传技术 电力科学与技术学报，（）：，o ooo o o，（）：，o oo o oo o ooo o o oo，（）：周楠，张平，郑征，等 基于机器学习的电力通信网带宽分配算法 电网与清洁能源，（）：第 卷 第 期电测与仪表 年 月 日 ，o o o o o oo o o o oo，（）：，o oo o o o o oo o ，：，o o oo o oo o o o oo oo，（）：，o oo o o o oo：oo o oo o o（），：谢显中，田瑜，姚鑫凌，等 认知网络中 全双工通信的速率最大化功率分配算法 电子与信息学报，（）：，o oo o oo：o o o o o oo（），：，：谢显中，严可，田瑜，等 认知 网络中基于博弈论的高能效干扰约束资源分配算法 重庆邮电大学学报（自然科学版），（）：高浩荣，陈羽，顾泽林 考虑微网和 特性的电网黑启动优化 电网与清洁能源，（）：，o o o oo o oo oo o o o，（）：，o o oo o oo o o oo，（）：，o o oo o o ，：o o，oo，（）：，o o o o o o ooooo o o o，（）：，o o o ooo ，：，ooo：，o o o o o o oo，（）：，o o oo o o oo oo oo，（）：作者简介：黄兴（），男，本科，高级工程师，主要研究方向为无线网络、基础通信网络。：o张文杰（），男，本科，高级工程师，主要研究方向为网络安全、电子信息。：o李曦（），男，研究生，工程师，主要研究方向为电力通信、无线通信。：o 张瑜（），女，硕士，助理工程师，主要研究方向为 大规模机器类通信，资源优化。：o李保罡（），男，博士，副教授，主要研究方向为无线通信，工业物联网，能源互联网，大数据分析。：o o贾惠彬（），男，博士，副教授，主要研究方向为智能电网通信。：o o收稿日期：；修回日期：（杜景飞 编发）第 卷 第 期电测与仪表 年 月 日 ，