0 引言

    提高移動(dòng)網(wǎng)絡(luò)的能效是5G的主要目標(biāo)之一,。由于移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)和物聯(lián)網(wǎng)設(shè)備的激增，未來(lái)的無(wú)線網(wǎng)絡(luò)將會(huì)連接大量的設(shè)備,。事實(shí)上,，如此高水平的互聯(lián)互通將不可避免地導(dǎo)致全球能源消耗空前高漲。最新的數(shù)據(jù)分析顯示,，信息和通信技術(shù)的能源需求已占全球能源消費(fèi)總量的近10％^[1],。另外，高碳排放等關(guān)鍵的環(huán)境問(wèn)題也是一大問(wèn)題,。因此,，需要開發(fā)“綠色”解決方案來(lái)提高網(wǎng)絡(luò)能效。在新興技術(shù)中,，能量獲取被認(rèn)為是一個(gè)可行的解決方案^[2],。通過(guò)允許基站從太陽(yáng)能和風(fēng)能等可再生能源收集能量，使得無(wú)線網(wǎng)絡(luò)在傳統(tǒng)電網(wǎng)的能量消耗大大降低,。此外,，基站通過(guò)智能電網(wǎng)進(jìn)行能源協(xié)作可以進(jìn)一步提高可再生能源的利用率^[3],。

    大量的關(guān)于異構(gòu)網(wǎng)絡(luò)的研究都是基于基站擁有持續(xù)的能源供給，例如傳統(tǒng)電網(wǎng)和柴油機(jī)等^[4],。然而,，實(shí)際上，傳統(tǒng)電網(wǎng)的持續(xù)能源供給并不是在任何情況下都允許的,，尤其是一些沒有電網(wǎng)覆蓋的偏遠(yuǎn)的地方,。在這種情況下,，能源獲取技術(shù)提供了一種實(shí)用的解決方案,，其中基站可以配置可再生能源發(fā)電裝置進(jìn)行發(fā)電，從而大大降低了運(yùn)營(yíng)商的運(yùn)營(yíng)成本,，增加了蜂窩網(wǎng)的覆蓋范圍,。

    然而，雖然可再生能源的供給是無(wú)限的,，但可再生能源的間歇性將導(dǎo)致能源基礎(chǔ)設(shè)施的高度隨機(jī)性,，這就需要其他互補(bǔ)的穩(wěn)定能源供應(yīng)。由于電網(wǎng)能夠提供持續(xù)的能源供應(yīng),，由混合能源（傳統(tǒng)電網(wǎng)和可再生能源相結(jié)合）提供動(dòng)力的基礎(chǔ)設(shè)施比僅靠可再生能源供電的基站更可取^[5],。混合能源的概念已被業(yè)界所接受,。華為已經(jīng)部署了從恒定能源供應(yīng)和可再生能源中獲取能源的基站,。

    研究人員還通過(guò)提出能量感知的小區(qū)選擇方案來(lái)提高具有能量獲取功能的蜂窩網(wǎng)絡(luò)的性能。文獻(xiàn)[3]提出了一種自適應(yīng)小區(qū)選擇方案,，以最大化支持的用戶的數(shù)量并且最小化可再生能源基站中的無(wú)線電資源利用,。文獻(xiàn)[6]中提出了一種小區(qū)選擇方案，以最大限度地提高配備有限電池容量的可再生能源的蜂窩網(wǎng)絡(luò)的總下行吞吐量,。文獻(xiàn)[7]考慮了由混合能源驅(qū)動(dòng)的異構(gòu)蜂窩網(wǎng)絡(luò),，并通過(guò)將業(yè)務(wù)分布在不同基站上來(lái)執(zhí)行用戶關(guān)聯(lián)和綠色能量分配。文獻(xiàn)[8]提出了一種分布式用戶關(guān)聯(lián)算法,，用于能量采集蜂窩網(wǎng)絡(luò),，以降低平均流量延遲并改善負(fù)載均衡。盡管上述所有的研究都集中在能量收集蜂窩網(wǎng)絡(luò)的小區(qū)選擇方案上,，但忽略了基站之間能量協(xié)作的可能性以及需要考慮不同的能量可用性和用戶需求的自適應(yīng)小區(qū)選擇方案,。

    因此，結(jié)合上述相關(guān)研究,，本文從能量獲取,、能量協(xié)作、異構(gòu)網(wǎng)絡(luò)等方面考慮,，提出了一種折中能量獲取,、能量消耗,、負(fù)載、接收速率等性能指標(biāo)的小區(qū)選擇算法,。仿真結(jié)果表明,，該算法可以減少基站對(duì)電網(wǎng)能量的需求，增加用戶選擇的可能,，滿足公平性和有效性,。

1 系統(tǒng)模型

1.1 業(yè)務(wù)模型

    考慮宏基站——低功率節(jié)點(diǎn)場(chǎng)景下基于正交頻分多址技術(shù)的異構(gòu)網(wǎng)下行鏈路小區(qū)選擇場(chǎng)景，頻率復(fù)用因子為1,。M={1,，…，M_max}表示系統(tǒng)中的宏基站集,，M_max表示宏基站的最大數(shù)量,，一個(gè)宏基站中包含N_p個(gè)低功率節(jié)點(diǎn)。每個(gè)基站均配置可再生能源發(fā)電裝置以及蓄電池,，并與智能電網(wǎng)和傳統(tǒng)電網(wǎng)互聯(lián),。業(yè)務(wù)模型如圖1所示。每個(gè)小區(qū)內(nèi)由位于中心的一個(gè)基站(宏基站或低功率節(jié)點(diǎn))控制,，小區(qū)內(nèi)不再分扇區(qū),。因此，小區(qū)和基站概念可以互換,。系統(tǒng)帶寬為B,，假設(shè)系統(tǒng)滿足如下特性：

    (1)基站最大發(fā)射功率恒定且每個(gè)子信道上的功率均相等；

    (2)用戶可以通過(guò)導(dǎo)頻測(cè)量獲取每個(gè)小區(qū)的平均信道增益,；

    (3)基站周期性地向用戶廣播小區(qū)的負(fù)載系數(shù)和能耗系數(shù),；

    (4)用戶進(jìn)行小區(qū)選擇的時(shí)間快于基站廣播負(fù)載系數(shù)和能耗系數(shù)的時(shí)間。

    用U表示用戶集合,，其中用戶用u表示,。則用戶在宏蜂窩m(m∈M)中與基站k(其中k={0，1,，…,，N_p}，k=0表示當(dāng)前基站為Macro基站,，否則表示宏小區(qū)中的低功率節(jié)點(diǎn))相關(guān)聯(lián)時(shí)的數(shù)據(jù)速率表示為：

1.2 能量獲取模型

    假設(shè)異構(gòu)網(wǎng)絡(luò)中的基站都配有可再生能源發(fā)電裝置進(jìn)行供電,，每個(gè)發(fā)電裝置配置一個(gè)電池，用以存儲(chǔ)能量,。由于具有智能電網(wǎng),，因此基站之間支持能量協(xié)調(diào)，當(dāng)能量協(xié)調(diào)與能量獲取均不足以補(bǔ)充基站的供電時(shí)，可以使用傳統(tǒng)電網(wǎng)進(jìn)行供電,。

1.2.1 符號(hào)描述

1.2.2 限制條件

    (1)對(duì)于電池,，能量存儲(chǔ)應(yīng)該滿足以下限制：

2 能量消耗與小區(qū)選擇

    為了彌補(bǔ)增加的能量消耗，可以通過(guò)能量獲取和能量協(xié)調(diào)技術(shù)來(lái)進(jìn)行彌補(bǔ),，當(dāng)能量獲取和能量協(xié)調(diào)均不能滿足多余的能量消耗時(shí),，使用傳統(tǒng)電網(wǎng)進(jìn)行供電。則通過(guò)傳統(tǒng)電網(wǎng)和能量獲取框架可以獲取的總能量為：

3 數(shù)值結(jié)果分析

    在仿真中,，假設(shè)一個(gè)宏小區(qū)由一個(gè)宏基站(Macro Base Station,，MBS)和3個(gè)低功率節(jié)點(diǎn)組成，低功率節(jié)點(diǎn)使用Pico基站(Pico Base Station,，PBS),。其中，以MBS為圓心,，PBS位于半徑為400 m的圓周上,。由于每個(gè)基站的能量獲取速率的測(cè)量周期是分鐘級(jí)或者小時(shí)級(jí)的,，而小區(qū)選擇的決策在幾秒鐘之內(nèi)就可以進(jìn)行,，因此，在小區(qū)選擇過(guò)程中,，假設(shè)能量獲取是連續(xù)的,。

    為了體現(xiàn)異構(gòu)網(wǎng)絡(luò)中低功率節(jié)點(diǎn)部署的隨機(jī)性，PBS和用戶均采用泊松點(diǎn)過(guò)程進(jìn)行建模,，其密度分別為3個(gè)/Macro以及300個(gè)/Macro^[10],。MBS與用戶之間的路損的計(jì)算公式為128.1+37.3log₁₀d(km)，PBS與用戶之間的路損的計(jì)算公式為140.7+36.7log₁₀d(km),。

    由于基站的可再生能源發(fā)電裝置的收獲功率的分布依賴于場(chǎng)景,，為簡(jiǎn)單起見，假定獲取的功率是均勻分布的,，即其中分別表示為基站的最大以及最小獲取功率,。其余仿真參數(shù)參考文獻(xiàn) [11]。

    將本文中所提的算法與傳統(tǒng)的小區(qū)選擇算法相比較,。傳統(tǒng)的小區(qū)選擇算法的選擇標(biāo)準(zhǔn)主要參照于用戶接收到的來(lái)自基站的最大的參考信號(hào)接收功率,，傳統(tǒng)的小區(qū)選擇算法在圖中表示為max RSRP UA。本文所提出的算法在仿真中用proposed UA表示,。

    圖2描述了傳統(tǒng)小區(qū)選擇算法與所提算法在基站接收UE的比率上的比較,。在基站端的用戶關(guān)聯(lián)中，在基站接收UE的比率因?yàn)樨?fù)載隨著UE請(qǐng)求的數(shù)量的增加而減少,。從圖2中可以看出,，基站接收用戶的比率隨著UE的請(qǐng)求數(shù)的增加而減少時(shí)，所提出的算法優(yōu)于傳統(tǒng)的小區(qū)選擇算法。

    由于能量獲取框架的參與,，在圖3中模擬了當(dāng)獲取功率增加時(shí),，傳統(tǒng)小區(qū)選擇算法與所提算法在基站接收UE的比率的比較。從圖中可以獲知,，當(dāng)基站的獲取功率越大,，所提的算法使得基站接收UE的比率越大。在圖4中對(duì)傳統(tǒng)小區(qū)選擇算法與所提算法在基站能量消耗方面進(jìn)行了比較,。本文提出的算法由于使用了可再生能源發(fā)電裝置以及能量協(xié)調(diào)等能量獲取框架技術(shù),，基站在傳統(tǒng)電網(wǎng)中的電量消耗大大減小，節(jié)省了運(yùn)營(yíng)商的開銷,，響應(yīng)了國(guó)家環(huán)境建設(shè)的號(hào)召,。

4 結(jié)論

    在本文中，提出了一種基于異構(gòu)網(wǎng)絡(luò)能量獲取框架下的一種適用于5G綠色通信的小區(qū)選擇算法,，給出了能量獲取,、能量協(xié)作以及小區(qū)選擇之間的關(guān)聯(lián)并建立了模型，折中了能量獲取,、能量消耗,、負(fù)載均衡等性能指標(biāo)。仿真結(jié)果表明,，所提的算法在公平性,、有效性以及能量消耗方面優(yōu)于傳統(tǒng)的小區(qū)選擇算法。所提算法考慮了可再生能源發(fā)電裝置,、能量協(xié)調(diào)以及負(fù)載均衡,，減少了電網(wǎng)能量的消耗，提高了網(wǎng)絡(luò)的性能,，可適用于5G綠色通信,。

參考文獻(xiàn)

[1] JIANG D，ZHANG P,，LV Z,，et al.Energy-efficient multiconstraint routing algorithm with load balancing for smart city applications[J].IEEE Internet of Things Journal，2016,，3(6)：1437-1447.

[2] HAN T,，ANSARI N.Powering mobile networks with green energy[J].IEEE Wireless Communications，2014,，21(1)：90-96.

[3] LIU D,，CHEN Y，CHAI K K,，et al.Adaptive user association in HetNets with renewable energy powered base stations[C].International Conference on Telecommunications.IEEE,，2014：93-97.

[4] QIAN L P，ZHANG Y J A，WU Y,，et al.Joint base station association and power control via benders' decomposition[J].IEEE Transactions on Wireless Communications,，2013，12(4)：1651-1665.

[5] HAN T,，ANSARI N.Network utility aware traffic load balancing in backhaul-constrained cache-enabled small cell networks with hybrid power supplies[J].IEEE Transactions on Mobile Computing,，2017，PP(99)：2819-2832.

[6] ZHANG T,，XU H,，LIU D，et al.User association for energy-load tradeoffs in HetNets with renewable energy supply[J].Communications Letters IEEE,，2015,，19(12)：2214-2217.

[7] LIU D，CHEN Y,，CHAI K K,，et al.Two-dimensional optimization on user association and green energy allocation for HetNets with hybrid energy sources[J].IEEE Transactions on Communications，2015,，63(11)：4111-4124.

[8] XU H,，ZHANG T，ZENG Z,，et al.Distributed user association for delay-load tradeoffs in energy harvesting enabled Het-Nets[C].Wireless Communications and Networking Conference Workshops.IEEE,，2015：386-390.

[9] AUER G，GIANNINI V,，DESSET C，et al.How much energy is needed to run a wireless network?[J].IEEE Wireless Communications,，2012,，18(5)：40-49.

[10] 李鋒，耿莉娜,，朱世華.一種Macro-Pico異構(gòu)網(wǎng)絡(luò)基于博弈的小區(qū)選擇算法[J].計(jì)算機(jī)應(yīng)用研究,，2015(11)：3364-3367.

[11] LIU D，CHEN Y,，CHAI K K,，et al.Joint user association and green energy allocation in HetNets with hybrid energy sources[J].Wireless Communication & Networking Conference，2015,，11(4)：1542-1547.

作者信息:

張德民,，付永莉，楊  康

（重慶郵電大學(xué) 重慶市移動(dòng)通信技術(shù)重點(diǎn)實(shí)驗(yàn)室,，重慶400065）