本發(fā)明涉及的是一種無線通信領(lǐng)域的技術(shù)，具體是一種聯(lián)合用戶-基站關(guān)聯(lián)和資源優(yōu)化配置方法。

背景技術(shù)：

1、5g網(wǎng)絡(luò)將趨向以小基站為主要形態(tài)，我們通過對(duì)無線微基站系統(tǒng)聯(lián)合用戶-基站關(guān)聯(lián)及資源分配進(jìn)行優(yōu)化，以滿足用戶服務(wù)需求的同時(shí)有效降低系統(tǒng)成本，成為實(shí)現(xiàn)可持續(xù)發(fā)展的必要思路和基礎(chǔ)研究的新領(lǐng)域。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提出一種聯(lián)合用戶-基站關(guān)聯(lián)和資源優(yōu)化配置方法，能夠在最小化系統(tǒng)總成本的前提下提前動(dòng)態(tài)地做出即時(shí)決策，而無需先驗(yàn)知曉任何信道、可再生能源和電價(jià)變化等隨機(jī)過程的統(tǒng)計(jì)數(shù)據(jù)。

2、本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：

3、本發(fā)明涉及一種聯(lián)合用戶-基站關(guān)聯(lián)和資源優(yōu)化配置方法，通過建立無線網(wǎng)絡(luò)微基站系統(tǒng)場景、系統(tǒng)能耗模型、可再生能源出力模型以及微基站與智能電網(wǎng)的雙向交易模型，針對(duì)構(gòu)建的模型基于神經(jīng)網(wǎng)絡(luò)預(yù)測用戶移動(dòng)性軌跡以進(jìn)行優(yōu)化后，通過多屬性決策得到最優(yōu)用戶-基站關(guān)聯(lián)決策，通過隨機(jī)對(duì)偶次梯度法求解長期平均運(yùn)營成本最小化問題，再通過分布式的在線電力控制算法進(jìn)行資源調(diào)度配置，實(shí)現(xiàn)長期平均成本最小的同時(shí)保證服務(wù)質(zhì)量。

4、所述的無線網(wǎng)絡(luò)微基站系統(tǒng)場景包括：i＝{1,2,...,i}個(gè)微基站和k＝{1,2,...,k}個(gè)移動(dòng)用戶構(gòu)成的智能電網(wǎng)供電的多微基站無線網(wǎng)絡(luò)系統(tǒng)，其中每個(gè)微基站和用戶分別配備m和1根天線。

5、所述的微基站中設(shè)有能量收集設(shè)備和可充電的電池，微基站可以通過能量收集設(shè)備從環(huán)境中收集可再生能源(如風(fēng)能、太陽能等)，以減少對(duì)智能電網(wǎng)的依賴。相較于現(xiàn)有能源消耗，這種可再生能源的獲取在假設(shè)免費(fèi)的情況下，為系統(tǒng)帶來了更加經(jīng)濟(jì)高效的選項(xiàng)。此外，微基站還可以根據(jù)動(dòng)態(tài)的電力價(jià)格與智能電網(wǎng)進(jìn)行雙向能源交易，以進(jìn)一步降低系統(tǒng)開銷的目標(biāo)實(shí)現(xiàn)。假設(shè)每個(gè)時(shí)隙持續(xù)時(shí)間是單位時(shí)間，所以可將能量和功率的概念互換使用。

6、所述的系統(tǒng)能耗模型包括：每個(gè)微基站的能耗為其包括電路、散熱冷卻、備用電池的發(fā)射功率為和靜態(tài)功率pc,i，并滿足其中：為每個(gè)微基站允許的最大能耗，在t時(shí)隙內(nèi)與用戶k連接的微基站的波束成形向量為當(dāng)用戶k和微基站i有關(guān)聯(lián)，則二進(jìn)制變量ai,k＝1，否則ai,k＝0。發(fā)射功率為從中選擇相應(yīng)的行和列，以此形成第i個(gè)微基站的傳輸波束成形向量。每個(gè)微基站在時(shí)隙t的運(yùn)行能耗

7、所述的可再生能源出力模型包括：在時(shí)隙t中獲得的可再生能源且遵循獨(dú)立同的分布，電池的充放電容量滿足：電池的容量滿足：基站側(cè)電池水平的動(dòng)態(tài)方程為：其中：為時(shí)隙t電池的充(放)電量，當(dāng)時(shí)，為電池充電，當(dāng)時(shí)，為電池放電；和分別為電池放電和充電的最大量，為基站在時(shí)隙t剛開始時(shí)的能量狀態(tài)，是允許的最小電池能量水平，是允許的最大電池能量水平。

8、所述的微基站與智能電網(wǎng)的雙向交易模型包括：從雙向能源交易機(jī)制中得到微基站購買的能量為微基站賣出的能量為微基站的成本為：其中：時(shí)隙t電網(wǎng)能量單位購買可再生能源的價(jià)格αt，購買現(xiàn)有能源的價(jià)格βt，電量賣出價(jià)格γt，αt、βt和γt始終滿足αt≥βt≥γt>0，m∈[0,1]為購買能源中可再生能源的占比，(1-m)為購買能源中現(xiàn)有能源的占比；現(xiàn)有能源的購買量滿足：其中：μ為現(xiàn)有能源的碳排放系數(shù)(單位)，最大時(shí)間平均碳足跡

9、所述的優(yōu)化是指：構(gòu)建用戶-基站關(guān)聯(lián)及資源分配問題并進(jìn)行解耦，即在提前確定用戶-基站關(guān)聯(lián)后，最小化系統(tǒng)長期平均成本的同時(shí)，滿足系統(tǒng)計(jì)算資源，電池充放電及容量水平，具體包括：

10、1)構(gòu)造混合整數(shù)非線性問題的用戶-基站關(guān)聯(lián)及資源分配問題約束條件包括：其中：購買可再生能源的價(jià)格αt，購買現(xiàn)有能源的價(jià)格βt，電量賣出價(jià)格γt均為隨機(jī)；和分別為電池放電和充電的最大量且為時(shí)隙t電池的充(放)電量，當(dāng)時(shí)，為電池充電，當(dāng)時(shí)，為電池放電；為基站在時(shí)隙t剛開始時(shí)的能量狀態(tài)，是允許的最小電池能量水平，是允許的最大電池能量水平。同時(shí)引入輔助變量和微基站的成本

11、2)應(yīng)用用戶移動(dòng)性預(yù)測優(yōu)化用戶關(guān)聯(lián)性能和資源分配，再將聯(lián)合用戶關(guān)聯(lián)和資源分配問題解耦為兩個(gè)子問題，具體為：通過閃回架構(gòu)神經(jīng)網(wǎng)絡(luò)預(yù)測用戶的移動(dòng)性軌跡，并通過多屬性決策確定用戶-基站關(guān)聯(lián)變量ai,k后，針對(duì)給定的用戶-基站關(guān)聯(lián)關(guān)系，使用隨機(jī)次梯度方法求解系統(tǒng)成本長期平均最小化問題。

12、所述的閃回架構(gòu)神經(jīng)網(wǎng)絡(luò)包括：嵌入層、圖卷積(gcn)層、聚合層和預(yù)測層，其中：嵌入層使用one-hot編碼對(duì)用戶和poi信息進(jìn)行編碼；gcn層將poi轉(zhuǎn)移矩陣的語義信息和空間關(guān)系編碼為向量表示以融入到原本的poi?embeding中；聚合層將gcn層的輸出更新的poiewmbedding和用戶偏好輸入到聚合層中，使用rnn獲取隱藏層信息，并使用時(shí)間、空間信息以及用戶偏好信息更新rnn隱藏層；預(yù)測層將聚合層每個(gè)時(shí)間步的輸出以及用戶embedding合并，進(jìn)入全連接得到最終的輸出，其中使用交叉熵?fù)p失函數(shù)。

13、所述的多屬性決策是指：將用戶基站間的距離，各個(gè)基站的能源交易成本和基站的綠能產(chǎn)出作為決策屬性，并使用歐式距離以及灰色關(guān)聯(lián)度綜合到一起對(duì)關(guān)聯(lián)方案進(jìn)行評(píng)判，選出屬性最佳的關(guān)聯(lián)方案ai,k，具體包括：

14、i)軌跡預(yù)測：將稀疏用戶軌跡作為訓(xùn)練集，通過閃回神經(jīng)網(wǎng)絡(luò)訓(xùn)練預(yù)測用戶的移動(dòng)軌跡，計(jì)算用戶與微基站間的距離。

15、ii)多屬性決策模型：將計(jì)算的距離、各基站的能源交易成本和基站的綠能出力作為屬性，構(gòu)建關(guān)聯(lián)決策矩陣，隨后進(jìn)行組合權(quán)重和規(guī)范化。

16、iii)最佳關(guān)聯(lián)方案選擇：確定所有關(guān)聯(lián)方案間的歐式距離和灰色關(guān)聯(lián)度，綜合選擇最佳的關(guān)聯(lián)方案，得到ai,k。

17、所述的通過隨機(jī)對(duì)偶次梯度法求解長期平均運(yùn)營成本最小化問題，得到分布式的在線電力控制和資源調(diào)度配置，具體包括：

18、a)將系統(tǒng)成本優(yōu)化問題表述為約束條件包括：

19、其中：基于神經(jīng)網(wǎng)絡(luò)和多屬性決策選出屬性最佳的關(guān)聯(lián)方案ai,k。

20、b)采用離線控制策略，放寬步驟a)中的約束條件：利用半正定規(guī)劃(sdp)技術(shù)放松約束條件進(jìn)而將問題p2放松為約束條件為其中：

21、c)通過拉格朗日對(duì)偶函數(shù)表達(dá)問題p3的對(duì)偶問題，具體為：其中：拉格朗日對(duì)偶函數(shù)為每個(gè)時(shí)隙t滿足約束條件的所有變量集合為與約束相關(guān)聯(lián)的拉格朗日乘子。

22、d)采用隨機(jī)對(duì)偶次梯度方法求解，即逐時(shí)隙迭代計(jì)算：其中：η>0是適當(dāng)?shù)牟介L，且滿足

23、優(yōu)選地，進(jìn)行以下迭代：其中：η>0是適當(dāng)?shù)牟介L，為變量的隨機(jī)估計(jì)，通過用代替λ求解得到，即具體為：最小化lt(xt,λ)來得到每時(shí)隙決策并利用該決策中獲得的優(yōu)化變量值迭代更新

24、所述的分布式的在線電力控制算法(doca)，具體包括：

25、①初始化：首先選擇合適的步長η，并初始化合適的

26、②求解問題：在每個(gè)時(shí)隙t求解最小化目標(biāo)問題lt(xt,λ)：得到每個(gè)微基站最優(yōu)的波束成形優(yōu)化和能源交易決策，分別得到和

27、③執(zhí)行決策：基于得到的微基站進(jìn)行波束成形；基于進(jìn)行微基站與電網(wǎng)的雙向能源交易以及微基站電池充放電控制。

28、④拉格朗日乘子更新：在每個(gè)時(shí)隙t，隨著和的已知，更新拉格朗日乘子

29、本發(fā)明涉及一種實(shí)現(xiàn)上述方法的系統(tǒng)，包括：用戶-基站關(guān)聯(lián)優(yōu)化單元、微基站波束成形優(yōu)化單元和雙向能量交易單元，其中：用戶-基站關(guān)聯(lián)優(yōu)化單元通過神經(jīng)網(wǎng)絡(luò)預(yù)測用戶移動(dòng)軌跡并在每個(gè)時(shí)隙上聯(lián)合多屬性決策選出最優(yōu)關(guān)聯(lián)方案；微基站波束成形優(yōu)化單元在每個(gè)時(shí)隙，根據(jù)其天線的波束成形決策對(duì)計(jì)算與每位用戶數(shù)據(jù)傳輸帶來的功耗；雙向能量交易單元在每個(gè)時(shí)隙結(jié)束時(shí)，通過當(dāng)前智能電網(wǎng)的市場價(jià)格和微基站收集的可再生能源來確定與智能電網(wǎng)交易的能量大小，并對(duì)電池進(jìn)行充放電控制的同時(shí)，在每個(gè)時(shí)隙結(jié)束時(shí)，更新微基站的能量隊(duì)列。

30、技術(shù)效果

31、本發(fā)明結(jié)合智能電網(wǎng)的無線網(wǎng)絡(luò)微基站系統(tǒng)場景，通過構(gòu)建最小化系統(tǒng)長期平均總成本模型，引入神經(jīng)網(wǎng)絡(luò)與多屬性決策提前確定用戶-基站關(guān)聯(lián)方案，并引入隨機(jī)對(duì)偶次梯度法對(duì)放松過后的問題進(jìn)行求解，長期平均運(yùn)營成本子問題在沒有先驗(yàn)信息的情況下在每個(gè)時(shí)隙在線做出優(yōu)化決策。與現(xiàn)有的無線網(wǎng)絡(luò)微基站系統(tǒng)相比，本發(fā)明引入智能電網(wǎng)技術(shù)的無線網(wǎng)絡(luò)微基站系統(tǒng)，結(jié)合雙向能源交易機(jī)制和可再生能源動(dòng)態(tài)出力特性，聯(lián)合優(yōu)化用戶-基站關(guān)聯(lián)、資源分配和能源管理。本發(fā)明可以進(jìn)行系統(tǒng)總成本最小化下的可再生能源部署，并且僅需要當(dāng)前時(shí)隙的系統(tǒng)信息，實(shí)現(xiàn)分布式在線控制決策，在能保證用戶qos要求下最小化系統(tǒng)長期平均成本。本發(fā)明中的分布式在線控制方法可以得到可行的、漸近最優(yōu)的結(jié)果，并可動(dòng)態(tài)地做出即時(shí)決策，而無需先驗(yàn)知曉任何信道、可再生能源和電價(jià)變化等隨機(jī)過程的統(tǒng)計(jì)數(shù)據(jù)。