蜂窝网络D2D通信资源分配研究

针对D2D通信复用蜂窝用户频谱可以提高系统吞吐量和频谱利用率但会产生严重的同频干扰的问题,设计了一种联合资源分配方案,该方案在保证系统用户通信质量的条件下最大化系统吞吐量,首先设计一种基于吞吐量最优化的模式选择方案,然后采用混合遗传算法对D2D用户分配信道,最后在已知信道分配向量的前提下通过混合灰狼优化算法对D2D用户进行功率优化。仿真结果表明,所提方案相对其他方案能够有效提高20%系统总吞吐量和降低90%蜂窝用户受到的干扰,还能提高收敛效果和运行速度。     

基于图着色的D2D资源分配算法研究

D2D通信是允许两个相邻用户在通过基站的控制下共享蜂窝用户的频谱资源来直接通信的技术。D2D用户与蜂窝用户共享资源而引入的额外干扰会降低系统的性能,因此资源分配成为D2D通信的一个重要问题。针对D2D用户密集场景下最大可接入数量问题提出了一种基于图着色的资源分配算法,其中将D2D用户对视为一个顶点,蜂窝用户的资源视为一个个簇,对顶点进行着色即对其分簇。仿真分析可以看出,所提出的方案能够增加网络最大可接入的D2D用户对的数量,有效提高了系统容量。     

基于最优功率分配原则的无线网络D2D用户通信质量分析

构建了一种基于最优功率分配原则的D2D用户通信质量分析算法,能够促进通信网络吞吐量获得明显提高,从而为D2D用户提供最佳资源分配方案。研究结果表明:研究构建得到的资源分配算法实现了吞吐量的显著提高,表现出比其它两种算法更优的计算性能。当D2D用户不断变多后,所有算法都获得了更高的吞吐量。在同样的D2D用户数情况下,采用资源分配算法可以获得比其它算法更优的运算性能。当最大发射功率提高后,吞吐量也明显上升,显著改善了算法性能。当蜂窝用户在系统中的最小速率需求持续提高后,将会引起整个系统出现吞吐量持续减小的情况。     

基于改进的猎食者优化的D2D通信功率控制方法

针对D2D通信中用户复用频谱资源时产生的同频干扰问题，提出了一种改进的猎食者优化算法，对D2D用户进行功率控制。它在满足系统用户通信质量的约束条件下，根据猎人向猎物移动位置和猎物向最安全位置移动的规则来调整D2D发射功率，为了保持搜索与开发的平衡，提高收敛速度和寻优精度，采用Sobol序列对种群进行初始化，并且在猎食者位置更新公式中引入水波动态自适应因子，从而确定D2D用户最佳发射功率。仿真结果表明，该算法可以不仅可以提高系统总吞吐量和降低蜂窝用户受到的干扰，还可以提高收敛速度和寻优精度。     

基于多种群遗传算法的D2D通信终端数量的优化

端到端的直连通信(device to device,D2D)能有效提高网络容量.针对D2D通信所能容纳的终端数量问题,提出一种基于多种群遗传算法的容量优化方法.由于传统蜂窝网移动终端对D2D用户的干扰,以及复用同一频率的D2D终端之间的同频干扰,严重影响了可接入D2D终端的数量.本文提出的基于多种群遗传算法能快速调整资源分配方案,有效减少同频干扰,显著提高网络所能容纳的终端数量.仿真结果表明,相比于标准遗传算法和随机分配算法,基于多种群遗传算法的资源分配方案能通过快速分配合理信道资源降低系统中总的干扰,有效提高终端的接入数量,显著提升了系统的总吞吐量.     

基于D2D网络通信的可伸缩视频多播算法研究

下一代移动网络通信中引入了自适应调制编码技术和可伸缩视频编码以解决视频多播中有限的资源分配问题。为了提高系统用户的容量和用户接收视频质量,在传统蜂窝网络中引入了基于D2D网络的联合模式选择和资源分配技术以提高系统整体效用。首先联合D2D用户和蜂窝用户进行资源分配,在保证蜂窝用户和D2D发送用户通信的最低QOS时,最大化D2D接入系统网络的数量;然后分析了该混合网络模型下的视频层选择调制编码级别的问题;最后提出了基于D2D用户接入控制和系统资源分配两个子问题的贪婪算法。仿真实验证明,该混合网络视频多播模型不仅有效地提高了移动网络通信的吞吐量和增加了系统用户容量,同时为用户提供更好的视频质量。     

高原山区D2D网络能量效率优化算法研究

针对高原山区丰富植被和山地丘陵给通信用户带来严重的路径损耗,增加通信系统能耗问题,提出一种基于能量效率(energy efficiency,EE)的优化算法.首先,利用多峰绕射模型模拟高原山区电波传输损耗,在保证通信用户服务质量(quality of server,QoS)的前提下,最大化系统中端到端(D2D)用户设备的总能量效率,将优化问题分解为功率控制和信道选择两个子问题进行求解;其次,利用拉格朗日对偶和Dinkbach算法联合解决功率控制;最后,利用Gale-Shapley匹配算法实现信道匹配.仿真结果表明,与现有算法相比,本文算法能够有效约束同频干扰,增加系统内信道资源利用率,提高系统的能量效率,降低系统能耗,提高系统性能.     

双馈风力发电场无功支撑范围的鲁棒估计

双馈异步发电机无功功率在一定范围内可调,双馈风力发电场可作为新型无功源向电网提供无功支撑。由于风电场内网络约束的非线性以及双馈风力发电机有功功率的不确定性,难以准确估计双馈风力发电场的无功支撑范围,对此提出鲁棒估计方法。首先建立基于两阶段鲁棒优化的无功支撑范围估计模型,其中第1阶段优化给出候选的最大无功支撑范围,第2阶段优化检查在各种不确定场景下,风电场是否均可提供候选范围内的无功功率。为便于求解,通过锥松弛和对偶转化将非凸的第2阶段问题转化为凸优化问题,并通过罚因子保证松弛解的精确性。基于列约束生成算法求解该鲁棒优化模型,得到最大无功支撑范围。最后给出风电场作为无功源参与电网无功优化的策略。算例证明了所提方法可以准确估计风电场的无功支撑范围以及策略的可行性。     

电池储能系统参与用户侧削峰填谷的鲁棒优化调度策略

现有的用户侧调峰领域的储能调度鲁棒优化方法,缺乏考虑非线性多目标优化模型的研究。当储能出力范围直接受负荷不确定性限制时,传统列和约束生成算法无法求解此类模型。针对以上问题,文章考虑负荷、电池储能等约束条件,建立了以净负荷方差、用户侧用电支出等为优化目标的电池储能系统调度鲁棒优化模型,并同时考虑了用户负荷波动、新能源出力波动等不确定因素。由于第二阶段的决策与优化结果会影响第一阶段决策的取值范围,需要改进列和约束生成算法以实现对该类鲁棒优化问题的求解。通过将目标函数、部分约束条件视为多个子问题考虑,对原列和约束生成算法的每次迭代中的子问题求解步骤进行扩充,使每次迭代中求解多个子问题,能够有效拓宽该算法的适用范围。最后,仿真结果验证了该方法的有效性,能够在不改变传统算法性能优势的情况下成功应用于非线性多目标鲁棒优化问题。     

电池储能系统参与用户侧削峰填谷的鲁棒优化调度策略

现有的用户侧调峰领域的储能调度鲁棒优化方法,缺乏考虑非线性多目标优化模型的研究。当储能出力范围直接受负荷不确定性限制时,传统列和约束生成算法无法求解此类模型。针对以上问题,文章考虑负荷、电池储能等约束条件,建立了以净负荷方差、用户侧用电支出等为优化目标的电池储能系统调度鲁棒优化模型,并同时考虑了用户负荷波动、新能源出力波动等不确定因素。由于第二阶段的决策与优化结果会影响第一阶段决策的取值范围,需要改进列和约束生成算法以实现对该类鲁棒优化问题的求解。通过将目标函数、部分约束条件视为多个子问题考虑,对原列和约束生成算法的每次迭代中的子问题求解步骤进行扩充,使每次迭代中求解多个子问题,能够有效拓宽该算法的适用范围。最后,仿真结果验证了该方法的有效性,能够在不改变传统算法性能优势的情况下成功应用于非线性多目标鲁棒优化问题。     

多用户电力线通信自适应OFDM系统中的资源分配与交换优化

自适应正交频分复用(OFDM)是一种实现电力线多用户高速数据通信的技术,资源动态分配是这一技术的重要组成部分。文章针对电力线通信的限制条件,探讨了在最大总功率、各用户要求最小速率、各子载波分配最大功率和比特数的约束下,多用户在多子载波上自适应比特和功率分配的数学模型,提出一种新的速率自适应动态资源分配算法,其实现分为4个相互联系的阶段,依次是确定工作子载波、单用户资源分配、子载波和功率交换、比特交换和功率调整。在典型电力线信道环境下的仿真结果表明,该算法比已有的多用户频谱分配优化算法性能更优,能更好地满足多用户资源分配模型的目标要求。     

宽带电力线载波通信物理层资源分配新算法

宽带电力线载波基于正交频分复用技术可实现电力串行通信数据的并行传输,增强了电力通信系统的实时性与高效性.针对宽带电力线载波通信资源分配问题,文中提出了一种低复杂度的物理层资源分配算法,首先基于等功率分配方式确定各用户为满足其最低速率需求所需的子载波集合,将多用户资源分配问题降维成单用户资源分配问题,之后对各用户所分配的子载波集进行功率优化,实现系统吞吐量的进一步提升.实验表明所提算法在满足更多用户并发业务的最低传输速率需求的同时,有效提升了网络吞吐量.     

基于SDN与NFV的电力5G网络切片差异化资源分配方案

基于SDN与NFV技术框架,以满足电力多业务差异化需求为目标,设计了面向大规模采集类业务、低时延电力工控业务、移动大带宽巡检类业务等场景的电力5G网络切片方案;建立了从电力业务需求到网络切片通信、计算资源的映射模型,揭示了两者之间的作用机理与转换关系.以电力多业务传输带宽、时延以及计算资源需求为约束条件,建立了电力5G多业务网络切片运行经济性最优数学模型,提出网络切片通信与计算资源的联合分配算法,实现了电力网络切片资源高效、经济利用.     

An Active Power Allocation Method for Wind-solar-batteries Hybrid Power System

In this article, an active power allocation method based on multi-objective optimization technique for wind-solar-batteries hybrid system (WSBHPS) is proposed. The problem of active power allocation of WSBHPS is formulated as following multi-objectives: minimizing of error between the output power of WSBHPS and desired power from the grid, minimizing start/stop switch number of power generation units, and maximizing the utilization of the regulation ability of wind turbines. The short-term power prediction of wind and solar power is utilized to quantify the available output power of each generation component, which is taken as constraint conditions of optimization problem with state of charge (SOC) of the batteries. The pattern-search algorithm is utilized to solve the multi-objective optimization problems. The proposed method is illustrated by implementing it to the active power allocation of a WSBHPS in simulation. The simulation results demonstrate that the proposed method has better active power output performance and less fluctuating rate compared with conventional average method. This method not only could maintain the SOC of batteries in an appropriate range, but also could reduce the on-or-off switching number of wind turbines and PV modules.