0 引言

    提高移動網絡的能效是5G的主要目標之一。由于移動互聯網業務和物聯網設備的激增，未來的無線網絡將會連接大量的設備。事實上，如此高水平的互聯互通將不可避免地導致全球能源消耗空前高漲。最新的數據分析顯示，信息和通信技術的能源需求已占全球能源消費總量的近10％^[1]。另外，高碳排放等關鍵的環境問題也是一大問題。因此，需要開發“綠色”解決方案來提高網絡能效。在新興技術中，能量獲取被認為是一個可行的解決方案^[2]。通過允許基站從太陽能和風能等可再生能源收集能量，使得無線網絡在傳統電網的能量消耗大大降低。此外，基站通過智能電網進行能源協作可以進一步提高可再生能源的利用率^[3]。

    大量的關于異構網絡的研究都是基于基站擁有持續的能源供給，例如傳統電網和柴油機等^[4]。然而，實際上，傳統電網的持續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覆蓋的偏遠的地方。在這種情況下，能源獲取技術提供了一種實用的解決方案，其中基站可以配置可再生能源發電裝置進行發電，從而大大降低了運營商的運營成本，增加了蜂窩網的覆蓋范圍。

    然而，雖然可再生能源的供給是無限的，但可再生能源的間歇性將導致能源基礎設施的高度隨機性，這就需要其他互補的穩定能源供應。由于電網能夠提供持續的能源供應，由混合能源（傳統電網和可再生能源相結合）提供動力的基礎設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界所接受。華為已經部署了從恒定能源供應和可再生能源中獲取能源的基站。

    研究人員還通過提出能量感知的小區選擇方案來提高具有能量獲取功能的蜂窩網絡的性能。文獻[3]提出了一種自適應小區選擇方案，以最大化支持的用戶的數量并且最小化可再生能源基站中的無線電資源利用。文獻[6]中提出了一種小區選擇方案，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絡的總下行吞吐量。文獻[7]考慮了由混合能源驅動的異構蜂窩網絡，并通過將業務分布在不同基站上來執行用戶關聯和綠色能量分配。文獻[8]提出了一種分布式用戶關聯算法，用于能量采集蜂窩網絡，以降低平均流量延遲并改善負載均衡。盡管上述所有的研究都集中在能量收集蜂窩網絡的小區選擇方案上，但忽略了基站之間能量協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小區選擇方案。

    因此，結合上述相關研究，本文從能量獲取、能量協作、異構網絡等方面考慮，提出了一種折中能量獲取、能量消耗、負載、接收速率等性能指標的小區選擇算法。仿真結果表明，該算法可以減少基站對電網能量的需求，增加用戶選擇的可能，滿足公平性和有效性。

1 系統模型

1.1 業務模型

    考慮宏基站——低功率節點場景下基于正交頻分多址技術的異構網下行鏈路小區選擇場景，頻率復用因子為1。M={1，…，M_max}表示系統中的宏基站集，M_max表示宏基站的最大數量，一個宏基站中包含N_p個低功率節點。每個基站均配置可再生能源發電裝置以及蓄電池，并與智能電網和傳統電網互聯。業務模型如圖1所示。每個小區內由位于中心的一個基站(宏基站或低功率節點)控制，小區內不再分扇區。因此，小區和基站概念可以互換。系統帶寬為B，假設系統滿足如下特性：

    (1)基站最大發射功率恒定且每個子信道上的功率均相等；

    (2)用戶可以通過導頻測量獲取每個小區的平均信道增益；

    (3)基站周期性地向用戶廣播小區的負載系數和能耗系數；

    (4)用戶進行小區選擇的時間快于基站廣播負載系數和能耗系數的時間。

    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表示當前基站為Macro基站，否則表示宏小區中的低功率節點)相關聯時的數據速率表示為：

1.2 能量獲取模型

    假設異構網絡中的基站都配有可再生能源發電裝置進行供電，每個發電裝置配置一個電池，用以存儲能量。由于具有智能電網，因此基站之間支持能量協調，當能量協調與能量獲取均不足以補充基站的供電時，可以使用傳統電網進行供電。

1.2.1 符號描述

1.2.2 限制條件

    (1)對于電池，能量存儲應該滿足以下限制：

2 能量消耗與小區選擇

    為了彌補增加的能量消耗，可以通過能量獲取和能量協調技術來進行彌補，當能量獲取和能量協調均不能滿足多余的能量消耗時，使用傳統電網進行供電。則通過傳統電網和能量獲取框架可以獲取的總能量為：

3 數值結果分析

    在仿真中，假設一個宏小區由一個宏基站(Macro Base Station，MBS)和3個低功率節點組成，低功率節點使用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。由于每個基站的能量獲取速率的測量周期是分鐘級或者小時級的，而小區選擇的決策在幾秒鐘之內就可以進行，因此，在小區選擇過程中，假設能量獲取是連續的。

    為了體現異構網絡中低功率節點部署的隨機性，PBS和用戶均采用泊松點過程進行建模，其密度分別為3個/Macro以及300個/Macro^[10]。MBS與用戶之間的路損的計算公式為128.1+37.3log₁₀d(km)，PBS與用戶之間的路損的計算公式為140.7+36.7log₁₀d(km)。

    由于基站的可再生能源發電裝置的收獲功率的分布依賴于場景，為簡單起見，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。其余仿真參數參考文獻 [11]。

    將本文中所提的算法與傳統的小區選擇算法相比較。傳統的小區選擇算法的選擇標準主要參照于用戶接收到的來自基站的最大的參考信號接收功率，傳統的小區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描述了傳統小區選擇算法與所提算法在基站接收UE的比率上的比較。在基站端的用戶關聯中，在基站接收UE的比率因為負載隨著UE請求的數量的增加而減少。從圖2中可以看出，基站接收用戶的比率隨著UE的請求數的增加而減少時，所提出的算法優于傳統的小區選擇算法。

    由于能量獲取框架的參與，在圖3中模擬了當獲取功率增加時，傳統小區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中對傳統小區選擇算法與所提算法在基站能量消耗方面進行了比較。本文提出的算法由于使用了可再生能源發電裝置以及能量協調等能量獲取框架技術，基站在傳統電網中的電量消耗大大減小，節省了運營商的開銷，響應了國家環境建設的號召。

4 結論

    在本文中，提出了一種基于異構網絡能量獲取框架下的一種適用于5G綠色通信的小區選擇算法，給出了能量獲取、能量協作以及小區選擇之間的關聯并建立了模型，折中了能量獲取、能量消耗、負載均衡等性能指標。仿真結果表明，所提的算法在公平性、有效性以及能量消耗方面優于傳統的小區選擇算法。所提算法考慮了可再生能源發電裝置、能量協調以及負載均衡，減少了電網能量的消耗，提高了網絡的性能，可適用于5G綠色通信。

參考文獻

[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異構網絡基于博弈的小區選擇算法[J].計算機應用研究，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 重慶市移動通信技術重點實驗室，重慶400065）