電力物聯網高能效基站部署策略研究

楊 坤，蘇 琦，孫麗麗，曹新智，劉小蕓

(國網山東省電力公司 信息通信公司，濟南 250001)

0 引 言

隨著電網智能化需求的不斷提升，物聯網概念不斷被引入電網發展過程中。電力物聯網技術可以全方位提升電網各環節信息感知的深度和廣度。在電力物聯網應用過程中，終端用戶規模不斷擴大，速率需求逐漸增長，隨之而來的基站部署規模不斷擴大也帶來了大量的能量消耗[1]?；静渴鸺夹g是減少能量消耗的主要技術之一，研究人員提出了很多基站部署模型來減少網絡能量消耗。文獻[2-4]提出用泊松點過程(Poisson Point Process，PPP)分布來表征基站空間分布情況，處于不同層的基站分別服從獨立的PPP分布；文獻[5-9]提出宏基站空間分布服從PPP分布，微基站服從獨立的非均勻分布，例如泊松孔分布(Poisson Hole Process，PHP)和紐曼-斯科特簇過程(Neyman-Scott Cluster Process，NCP)等。

以往的研究都沒有給出用戶業務需求分布和聚集特征對基站部署策略選擇的影響，而在智能電網的不斷發展過程中，不同業務需求和不同用戶聚集的場景普遍存在，如在廣域場景中的低速率需求業務(大范圍內用戶的用電信息采集等)場景和特定高容量場景中的高速率需求業務(智能變電站中視頻監控和精切控制等)場景。為了更符合實際業務分布特性，本文首先在兩種基站分布模型中增加了用戶業務分布，同時定義了統一的業務與空間聚集系數，并在此基礎上進行基站部署策略的選擇，以解決實際工作過程中面臨的基站高能耗問題。

1 系統模型

本節對電力物聯網中的典型用戶和業務進行劃分，構建了兩種不同的雙層異構物聯網網絡，并定義了一種全新的聚集系數來對業務和空間聚集程度進行表征。

1.1 雙層異構物聯網網絡

本文考慮在電力物聯網中部署宏基站和微基站雙層基站。網絡中存在熱點用戶和非熱點用戶兩種典型用戶。熱點用戶由微基站服務，非熱點用戶由宏基站服務。熱點用戶的傳輸速率需求比非熱點用戶高，同時，熱點區域比非熱點區域要小。

為了滿足覆蓋需求，在整個物聯網中部署宏基站的位置分布服從密度為λ1的PPP分布。為了滿足速率需求，微基站的部署采用兩種不同方案來討論：

方案1：微基站的位置分布服從密度為λ2的PPP分布；

方案2：微基站的位置分布服從泊松簇疊加(Poisson Cluster Process，PCP)分布，其中簇首位置服從密度為λc的PPP分布，每個微基站簇內的微基站個數服從均值為c的泊松分布；簇內的微基站均勻分布在簇首周圍半徑為R的范圍內。因此，微基站的密度可表示為λ2=λcc。

圖1給出了兩種基站部署策略示意圖。其中，密度為λu,1的非熱點用戶均勻分布在整個網絡中，密度為λu,2的熱點用戶分布在微基站周圍半徑為r的范圍內。

圖1 兩種基站部署策略示意圖

1.2 聚集系數

當前的基站部署模型很少考慮到用戶的空間聚集和業務聚集。而在本文中，我們給出了一種全新的包含空間聚集和業務聚集兩個維度的聚集系數定義。該聚集系數可定義為

2 均勻基站部署性能分析

本節將分析電力物聯網中宏基站和微基站均采用PPP分布時的網絡性能，并分別給出熱點用戶和非熱點用戶的信干噪比(Signal to Interference plus Noise Ratio, SINR)覆蓋情況。

2.1 非熱點用戶

設定y為一個典型非熱點用戶與最近的宏基站之間的距離，其概率密度函數為f(y)=2πλ1yexp(-πλ1y2)。設LIk(s)為基站帶來的干擾拉普拉斯變換(k=1時為宏基站，k=2時為微基站)。由文獻[12]可推導得到LIk(s)以及非熱點用戶SINR值SINR1大于閾值τ的概率P(SINR1>τ)。因此非熱點用戶的SINR覆蓋可表示為

式中：α為路徑損耗因子；t為P(SINR1>τ)中對閾值τ求積分時所用的參數。

2.2 熱點用戶

熱點用戶分布在微基站周圍半徑為r的范圍內。設z為熱點用戶與微基站之間的距離，則距離的概率密度函數可表示為f(z)=2zr-2。

與LIk(s)相同，我們參照文獻[3]可推導得到LI1(s)、LI2(s)以及熱點用戶SINR值SINR2大于閾值τ的概率P(SINR2>τ)。因此熱點用戶的SINR覆蓋可表示為

3 非均勻基站部署性能分析

本節將分析電力物聯網中微基站分布采用PCP模型時的網絡性能，并分別給出非熱點用戶和熱點用戶的SINR覆蓋情況。

3.1 非熱點用戶

3.2 熱點用戶

設LIk(s)為基站帶來的干擾拉普拉斯變換，由文獻[8]可得到在PCP模型下的LI1(s)和LI2,2(s)。熱點用戶的SINR覆蓋情況可由式(3)推導得到，其中P(SINR2>τ)和f(z)可由文獻[8]推導得到。

4 聚集系數與網絡能效

由此可推導出PCP模型下的網絡能效為

因此，PCP模型的業務聚集系數可表示為

在PPP模型中，將λ2=λcc帶入式(4)和業務聚集系數ht，即可得到PPP模型下的網絡能效表達公式和業務聚集系數。

根據業務聚集系數和空間聚集系數的表征，可推導得到PPP和PCP模型的聚集系數表達式分別為

5 仿真結果

本節將給出電力物聯網中熱點用戶和非熱點用戶SINR覆蓋的理論數值結果，并使用蒙特卡洛仿真驗證理論結果的正確性。同時還將給出不同基站部署策略下的聚集系數與網絡能效分析。

系統模型仿真參數設置如下：宏基站和微基站的發射功率分別為46和10 dBm；靜態功率損耗分別為50和43 dBm。為了分析方便，設定路徑損耗因子α=4；網絡中噪聲功率忽略不計 (即σ2=0)。

圖2所示為熱點用戶與非熱點用戶的SINR覆蓋情況仿真對比，圖中理論值與仿真值重合情況良好。無論基站部署情況如何，熱點用戶的SINR覆蓋情況總好于非熱點用戶。這意味著熱點區域用戶將比非熱點區域用戶獲得更高的傳輸速率。對于熱點用戶，使用PPP模型的SINR覆蓋情況要好于PCP模型，這是因為在PCP模型中，微基站距離彼此更近，導致干擾嚴重。對于非熱點用戶，PPP模型的SINR覆蓋比PCP模型要弱，這是由于PCP模型中的非熱點用戶到微基站的平均距離更遠，受到微基站的干擾更小。

圖2 熱點用戶與非熱點用戶的SINR覆蓋情況仿真對比

圖3 PPP和PCP模型h隨微基站密度變化的對比(PPP與PCP模型中微基站密度相同λ1=λ2=λcc)

圖3給出了PPP和PCP模型聚集系數h隨微基站密度變化的對比。由圖可知，隨著熱點數目的增多，兩種模型均呈現聚集程度先增加后減小的趨勢。同時，存在一個熱點密度值使得網絡聚集程度最大。PCP模型的聚集程度總是高于PPP模型，但是當熱點個數足夠多時，兩種模型的聚集程度趨于相同。這是因為網絡中熱點個數非常多時，兩種模型的熱點區域已經覆蓋整個網絡，對于用戶而言，處于任何位置所獲得的下行速率都能滿足需求，因此聚集程度趨于相同。

圖4 PPP和PCP模型EE隨微基站密度變化的對比(PPP與PCP模型中微基站密度相同λ1=λ2=λcc)

圖4給出了PPP和PCP模型網絡能效EE隨微基站密度變化的對比。由圖可知，對于PPP模型，隨著熱點數目的增加，存在最優的熱點密度值使得EE最大。對于PCP模型，隨著熱點數目的增加，EE逐漸降低。當熱點密度非常高時，兩種模型的EE趨于相同，這是因為熱點密度非常高時，微基站非常密集。對于用戶而言，接入兩種模型的微基站距離基本相同，網絡整體平均傳輸速率相同。由于基站個數相同，網絡中能量消耗相同，從而網絡能效相同。

6 結束語

本文分析了電力物聯網基站均勻分布的PPP模型和非均勻分布的PCP模型兩種方案，推導出了網絡中熱點用戶與非熱點用戶的SINR覆蓋情況。為了分析兩種方案的特征，我們引用聚集系數來表征網絡中的用戶流量和空間聚集特性。通過隨機幾何這一數學工具，推導出了PPP和PCP模型下的網絡能效表達式。通過仿真發現，PCP比PPP模型的網絡聚集程度更高，但網絡能效更低。隨著網絡中熱點個數的增加，PCP模型存在一個最優值使得網絡能效最大，而PPP模型的網絡能效線性遞減。因此，電力物聯網中考慮能效優先時，選擇PPP模型最優。當以用戶為中心，考慮用戶聚集效應對網絡的影響時，選擇PCP模型能夠更好地滿足用戶業務需求。