APP下载

面向LTE电力行业应用的终端准入控制策略

2018-08-06邢宁哲常海娇李信李财云

现代电子技术 2018年15期
关键词:博弈论吞吐量

邢宁哲 常海娇 李信 李财云

摘 要: 为了在保证用户服务质量的前提下,提高对电力通信业务流量的接纳能力,提出在电网终端与公网用户共享频谱资源场景下的博弈准入控制策略。首先基于无线网络业务流量自相似性建立网络流量模型,根据电网和公网用户的不同服务质量需求计算不同网络业务的服务需求带宽,之后提出电网和公网用户之间基于古诺双寡头博弈的准入控制优化策略,用以实现带宽资源在电网和公网之间的动态合理分配。仿真结果显示,所提准入控制方法能够有效降低业务阻塞率,提高系统吞吐量上限。

关键词: LTE电力行业应用; 带宽资源分配; 博弈论; 准入控制策略; 阻塞率; 吞吐量

中图分类号: TN915.6?34 文献标识码: A 文章编号: 1004?373X(2018)15?0016?06

Terminal admission control strategy for LTE power industry application

XING Ningzhe1, 2, CHANG Haijiao1, LI Xin1, LI Caiyun3

(1. Information Communication Company, State Grid Jibei Electric Power Company, Beijing 100053, China;

2. School of Electronic and Information Engineering, Beijing Jiaotong University, Beijing 100044, China;

3. Beijing InfoTel Network Testing Lab Company, Beijing 100088, China)

Abstract: On the premise of ensuring the service quality of users, and improving the traffic admitting ability of power communication service, a game theory based admission control scheme for power grid terminal and public users′ co?existence spectrum resource is proposed. The network traffic model is established on the basis of self?similarity of wireless network business traffic, and then the service requirement bandwidth of different network services is calculated according to different service quality requirements of power grid users and public grid users. A Gounod duopoly game based admission control optimization strategy for power grid users and public grid users is proposed to realize the dynamic reasonable allocation of bandwidth resource between power grid and public grid. The simulation results show that the admission control strategy can reduce the business blocking rate effectively, and improve the upper limit of the system throughput.

Keywords: LTE power industry application; bandwidth resource allocation; game theory; admission control strategy; blocking rate; throughput

0 引 言

LTE電力行业应用是指电力公司通过租赁公网运营商的无线网络,充分利用LTE技术高带宽、低时延、全IP、扁平化与全时在线等优势为电力行业提供安全可靠的通信保障。此时,普通公网用户终端与电网行业终端共享同一蜂窝网下有限的无线频谱资源。但是随着电力通信网的规模与复杂度的增加,各类业务越来越广泛,因此其承载了大量周期性和突发性流量,这就导致电网行业终端与公网用户终端竞争有限的频谱资源。由于电力行业终端的业务服务质量需求[1]与公网用户存在差异性,不合理的资源分配方式将会造成网络拥塞,导致用户丢包率上升,服务质量恶化。因此,需要针对电网通信终端和公网用户终端共存的LTE电力行业应用场景设计新的拥塞避免策略,来合理分配公网用户与电网终端之间的频谱资源,同时为系统内的两类服务提供业务质量保证。

在众多无线资源管理技术中,准入控制机制(Admission Control,AC)可有效缓解网络拥塞。AC是指根据新业务请求的业务特征、服务质量需求和系统当前可用资源,设计合理的准入判决准则,判决是否接收这个新业务请求。传统的呼叫准入控制研究主要包括基于系统门限的准入控制和基于接入概率的准入控制。文献[2]根据带宽可用性感知提出贪婪性选择准入控制机制。文献[3]采用分数功率指标作为接入概率来实现准入控制机制。但目前这些准入控制方法都基于固定带宽分配,没有考虑网络资源分配的整体优化,因此不能实现频谱资源在电网和公网业务之间的合理分配。

为了解决这个问题,本文首先对行业应用下通信业务流量的自相似性展开分析,并利用无线网络的流量自相似特点对LTE电力无线网中公网业务与电网业务进行流量建模,计算满足业务QoS的最优分配带宽。然后在此基础上提出面向LTE电力行业应用的终端准入控制机制(Cellular?Power devices Gaming?AC,CPG?AC),通过对频谱资源获取的双方博弈优化,实现在电网行业终端与公网用户共存的网络场景下无线带宽资源的合理分配。

1 无线网络自相似性研究

对于公网来说,随着无线网络逐渐向IP分组化转变以及网络突发业务流量的增加,无线网络流量特性变得更加复杂。诸多研究[4?7]显示,无线网络业务流量具有自相似性,即在不同的时间尺度下,无线网络流量的突发性变化都不会消失,且流量模式具有相同的统计特性。

随着智能电网规模不断扩大,能够提供的电网业务种类不断增多,对于配电信息网能够承载的网络业务流量以及提供的服务质量提出更高的要求,因此,配电信息网提供的通信业务类型从最初的窄带通信业务逐渐转化为如今以IP数据业务为主体,综合语音、视频和多媒体的宽带数据业务。研究[8?9]表明,如今的配电通信网的流量模式与普通公网一样,都具有自相似、长相关的特点。因此在公网业务与电网业务共存的网络场景中,本文选择基于流量自相似性描述多种类型业务共存模式下的网络特性,进而预测不同业务带宽需求。最后基于某一时刻公网和电网业务不同带宽需求,采用博弈论方法进行带宽资源的合理分配。

1.1 自相似过程定义

渐进自相似过程定义为:对于广义平稳随机过程[X=Xi,i=1,2,…],[Xi]代表第[i]个单位时间内到达的业务流量,其自相似函数可表示为[rk=EXi-μXi+k-μσ2,i,k=0,1,2…]。假设[rk]满足:[rk~k-βLk],其中,[Lk] 是一个[k→∞]趋势下的缓变函数,即[limLtxLtx=1],对所有的[X>0]成立。

令[Xmk=Xkm-m+1+…+Xkmm],记变量[Xk]的[m]阶叠加过程为[Xm=Xm1,Xm2,…],对应的自相关函数为[rmk]。如果[rmk=rk,?m,k∈Z+],则[X]是[H=1-β2]的严格二阶自相似过程[4],其中[H]又称为Hurst参数,用来描述流量的自相似性,[H]越大,流量的自相似程度越高。

1.2 ON/OFF数据源叠加模型

本文采用ON/OFF模型[10]进行流量建模,它能够很好地描述自相似性业务流量的产生过程。设 [Xit,i∈[1,N]]为[N]个彼此不相关的数据源,数据源[Xit]具有由其业务服务质量需求决定的ON/OFF周期。[Xit]交替产生1或0值,分别对应ON/OFF状态。[Xit=1],意味着ON期间在时刻[t]以一定的速率发送一个数据包;而[Xit=0],意味着OFF期间在时刻[t]不发送任何数据。在时刻[t],[N]个数据包叠加,其合成流量可表示为:

[XallNTt=i=1NXi(Tt)] (1)

设[T]为时间拓展因子,在[0,Tt]内链路上聚合的数据量(在[t]时刻到达的流量)为:

[WallNTt=0TtXallNudu=0Tti=1NXi(u)du] (2)

當[N→∞,T→∞]时,流量模型[WallNTt,t≥0]与分形布朗运动过程具有类似的统计特性[11]。选择重尾分布对ON/OFF过程进行描述,则有概率分布函数:

[FONt=1-βONtαONFOFFt=1-βOFFtαOFF] (3)

式中:[βON,βOFF]是Pareto分布的位置参数;[αON,αOFF]是Pareto分布的形状参数,反映了ON和OFF状态下分布曲线的重尾程度。

根据文献[12],对于同样的业务而言,假设用户满足相同的Pareto分布,[WallNTt,t≥0]可表示为:

[WallNTt=NTμONμON+μOFFt+THNσminBHTt] (4)

式中:[μON,μOFF]为ON阶段和OFF阶段时间长度的均值;[BHTt]为增量平稳的分形布朗运动,且[BH0=0];[σmin]为有限正常数。

由式(4)可知,基于ON/OFF模型的无线网络业务流量模型由两部分组成,[NTμONμON+μOFFt]体现了用户数量的累积所导致的业务流量的改变,而[σminBHTt]代表分形布朗过程,说明突发性变化在任何时间规模上都不会消失,体现了业务流量的自相似性[12],且[H]越大,重尾分布的拖尾现象越明显,网络流量自相似性越高。

根据[WallNTt]的物理意义可知,平均输入系统缓存的速率[v]为:

[v=EWallNTt=NμONμON+μOFF] (5)

同时,反映其波动程度的标准差系数[Vσ]为:

[Vσ=varWallN1EWallN1=kNv=kNμON+μOFFμON] (6)

1.3 业务需求带宽计算

LTE电力行业应用网络同时承载公网业务和电网业务。其中,公网业务是指提供给普通商业用户使用的集成数据、语音、视频的综合业务。电网业务则指的是由配电通信网承载的用来监测和保证电网正常运行的业务,这类业务主要应用于用电信息采集、配网自动化、电网视频监控等各系统之间的互联和数据共享。

由于公网业务与电网业务在应用上的差异性,因此需要满足不同的服务质量要求。商业网络主要承载Web业务与视频业务,这两类业务能够容忍网络处理传输过程中存在一定的延迟,但是考虑到数据业务传递信息的重要性以及丢包率过高会造成数据丢失,因此在公网业务需求带宽的计算中主要考虑丢包率带来的影响。对于由LTE所承载的配电通信网业务来说,数据传输主要是保障时延,其是保证智能电网可靠、安全、高效的关键,因此在计算电网业务需求带宽时主要考虑时延的QoS需求。

1.3.1 满足丢包率的业务需求带宽计算

考虑网络承载业务的丢包率主要由缓冲区溢出产生,因此将业务的丢包率映射为缓冲区的溢出概率,用[ε]表示。设在一段时间系统服务速率为[C],为业务分配有效带宽,缓存队列长度应满足:

[Xt=supτ≥0WallNt+τ-WallNt-Cτ] (7)

设基站接纳系统的缓冲区大小为[b],则服务器队列的溢出概率[ε]为:

[ε=PXτ>b≥maxτ≥0PWallNτ>Cτ+b] (8)

根据文献[13],求解一定LTE基站溢出概率下的自相似业务带宽需求预测模型,可以得到队列长度大于[b]的概率为:

[PXτ>b≥maxτ≥0?C-vτ+bvVσ?τH] (9)

根据参考文献[13]对式(9)求导,即可得到满足溢出概率需求的服务带宽:

[ΔCεε,H=v+Hb1-HH-1vVσ?-1ε1H] (10)

1.3.2 满足时延的业务需求带宽计算

本文主要考虑由于消息在缓存队列中排队等待而产生的排队时延。由于电网业务的特性,对时延有严格的要求。下面根据文献[12]提出的计算方法获得满足时延需求的有效带宽。

设系统平均时延[Tdelay]为:

[Tdelay=BΔCd] (11)

式中:[C]为系统服务速率,即为业务分配有效带宽;[B]为平均队列长度。

[B=212K2-12K1-1K2K2?γ12K2+12,12K1K2-K2bK22] (12)

式中:[K1=1vVσ?C-vHH;K2=1-H]。

计算式(11),式(12)即可得到满足时延需求的服务带宽[ΔCdTdelay,H]。

2 基于博弈论准入控制策略

电力通信无线业务大部分采用租用移动通信运营商的网络实现,运营商作为第三方将有限的频谱资源分配给普通用户与电力行业终端同时使用,因此需要设定合理的动态频谱分配策略,同时保证电力行业终端和普通公网用户的QoS需求,提高有限频谱资源利用率,缓解系统拥塞。这种情况下可以把运营商作为主系统,将有限的频谱资源分配给次系统:电力通信网络和商业网络。此时次系统之间相互竞争主系统资源,因此可以采用古诺双寡头博弈模型分析次系统之间的频谱分配问题。

2.1 基于古诺双寡头博弈的带宽资源分配模型

2.1.1 古诺双寡头模型基础

古诺双寡头博弈模型[14]是指在一个市场中假设仅存在两个参与者,两者之间没有任何联盟或通信,但双方都知道彼此的策略集合和收益函数,需要研究如何设定最优策略,即选择合适的产量最大化自身的收益。假定两个参与者在某一段时间内生产完全相同的产品,产量分别为[q1]和[q2],因此市场总产出为[q1+q2],设[Pq]表示产品单价,与产品总数负相关。同时,假设参与者[i]的生产成本为[Ciq,i=1,2],则参与者[i]的收益函数为:

[Uiq1,q2=Pqiqi-Ci(qi)] (13)

若纳什均衡组合[q*1,q*2]存在,则该组合应该满足一阶导数为0,即:

[?U1q1,q2?q1=0?U2q1,q2?q2=0] (14)

求解式(14),即可得到纳什均衡解。

2.1.2 带宽资源分配模型

在同时承载公网业务以及电网业务的LTE无线网络中,通过建立博弈模型合理进行频谱资源分配,博弈双方为普通商业用户业务和电网通信终端业务。每个博弈方都期望获得较大的带宽资源分配以提高QoS满意度,然而如果一味地给某一方提供高带宽资源分配,会导致网络负载增大,降低另一方的效用函数。将博弈方[i]由于带宽分配带来的服务质量满意度作为博弈方[i]的收益。博弈方[i]因为使用了频谱资源而带来网络负载的增量作为博弈方[i]的成本,每個博弈方在效用与代价之间寻找最佳的平衡点,使每个博弈方都能获得最优的净收益。

资源分配博弈为[G=S=x1,x2,U=u1,u2],其中:[x1,x2]为策略空间,[x1]为普通商业用户业务被分配到的频谱资源,[x2]为电力通信终端业务被分配到的频谱资源;[u1,u2]分别是普通商业用户业务和电力通信终端业务的净效用函数。引用古诺双寡头博弈模型可认为博弈方的净收益等于收益减去成本。

博弈方的收益函数用获得的QoS满意度来衡量,常数[λi]为QoS的定价因子,[λi]会随着用户业务优先的升高而增大,以此保证更高优先级业务频谱资源的分配。用户的QoS满意度会随着网络分配给它的带宽的增加而增加,然而QoS满意度收益并不是呈线性增长的,因为随着网络为用户分配的带宽的增加,QoS满意度会更多地受限于其他的网络因素,同时网络负载的加重会导致网络内已存在用户的丢包率上升,服务质量下降。对于用户而言,随着网络给用户分配的带宽的增大,QoS满意度收益增长变慢,因此用凹函数即对数函数来衡量带宽资源分配带来的QoS满意度。同时考虑到商业网要满足丢包率的最低服务带宽需求[ΔCε],因此商业网用户的收益函数为:

[input1=λ1loga1x1-ΔCε] (15)

电网要满足时延的最低服务带宽需求[ΔCd],因此电网用户的收益函数为:

[input2=λ2loga2x2-ΔCd] (16)

网络分配给用户的带宽越多,对自身负载造成的影响越大。网络负载的大小会影响网络中用户的服务质量,网络负载的加重会导致网络中用户的丢包率上升。本文的网络代价主要考虑由于给两类业务划分需求带宽对于当前网络造成的负载增量。因此,博弈方的代价函数可表示为:

[cos ti=kixiWth?Eavg-xj, i=1,2; j=3-i] (17)

式中:[Wth]为系统可用带宽资源;[Eavg]表示对所有用户的平均频谱效率;[ki]为常数,是对负载影响的放大系数;[xi]为给网络[i]划分的需求带宽。

综上,商业网用户和电力通信网终端的带宽资源分配净效用模型分别为:

[max u1x1,x2=λ1loga1x1-ΔCε-k1x1Wth?Eavg1-x2max u2x1,x2=λ2loga2x2-ΔCd-k2x2Wth?Eavg2-x1 s.t. x1Eavg1+x2Eavg2≤Wth]

(18)

根据式(14),由式(18)可解得:

[x1=ΔCε+Wth?Eavg1-x2λ1k1ln a1x2=ΔCd+Wth?Eavg2-x1λ2k2ln a2] (19)

最后确定使得两个最优反应函数同时成立的[xi]的取值,即同时满足[u1x*2=x*1]和[u2x*1=x*2]的[x*1,x*2]作为商业网用户和电力通信网终端最优分配带宽为:

[x1=Wth?Eavg11-β2+ΔCεβ1-ΔCdβ1-β2x2=Wth?Eavg21-1β1+ΔCd1β2-ΔCε1β2-1β1] (20)

式中:[ β1=k1ln a1λ1];[ β2=λ2k2ln a2]。

2.2 电网和公网用户共存场景下的共享频谱资源博弈的准入控制策略

传统的资源分配方法为电力通信网租用固定大小的公网带宽资源来使用,这会导致在电网通信业务轻负载状态下,所租用的固定大小的带宽资源因为闲置而浪费;但是在重负载状态下,租用的带宽资源有限,有可能不能满足电网发生紧急情况时突发性流量需求,造成高丢包率与高时延,无法保证电力通信的可靠性。因此,本文提出面向电力通信网终端与公网用户共存场景的博弈准入控制机制CPG?AC。首先基于自相似理论,根据Hurst参数及QoS需求进行服务带宽自主优化,然后基于古诺双寡头博弈模型为两类业务终端动态分配带宽资源,从而提高有限带宽资源的利用率,保证两个网络的QoS需求。该方法具有大尺度时间自主特性,并能应对突发性较强的公网与电网的无线分组业务。策略流程如下:

1. 持续监测小区流量,检测[Hurst]参数变化

2. 根据缓冲区大小[ε]与时延[Tdelay]计算最低业务需求带宽[ΔCε,ΔCd]

3. 根据古诺双寡头模型计算最优带宽资源分配[x1,x2]

4. 新业务到达,计算新业务需求带宽[ΔC1,ΔC2]

5. 如果满足以下条件,则接入业务;否则,拒绝接入。

[ΔC1

[ΔC2

6. 如果分配的带宽资源[x1,x2]用完,则回到步骤1重新计算,适合当下系统流量需求的电网和公网之间的带宽资源分配

该策略首先通过网管实体对小区的业务流量进行监测,根据变化的Hurst参数,依据商业网络和电力通信网络不同业务的QoS值,采用上文的方法计算满足时延、丢包率等指标的等效带宽;然后利用古诺双寡头博弈模型推算两种不同网络业务的最优分配带宽;最后更新小区级相关控制参数。如果小区中电力通信网新到达业务的需求带宽小于系统分配给电网的带宽资源[x2],则准许接入,否则拒绝;如果小区中公网新到达业务的需求带宽小于系统分配给公网的带宽资源[x1],则准许接入,否则拒绝。

3 仿真结果

首先建立基站服务模型,基站同时服务电网和公网用户,仿真假设只考虑两个网络的数据业务,采用ON/OFF模型进行建模,具体仿真参数如表1所示。

图1为当固定业务请求量时,不同可用带宽资源下利用CPG?AC策略分别为电力通信网业务和公网业务进行带宽分配的情况。可以看到,电力通信网与公网分配到的带宽随着系统可用带宽的增大而增大。而由于本文的LTE电力无线通信网需要在保证电网通信网业务的基础上同时保证公网大数据流量业务的服务质量。因此,认为在LTE电力无线通信网中对公网数据速率的保证能力要大于电力通信网业务,且公网分配到的带宽资源比例要比电网大。由此可以看到,本文提出的针对电網和公网用户共存场景的准入控制机制可以在保证电力通信网服务的情况下尽可能提高公网通信网服务质量。

由于带宽根据流量自相似性动态分配,系统的接纳能力会整体提高,图2显示了不同用户数存在时,CPG?AC同固定带宽分配的AC在呼叫阻塞率方面的比较,从图中可以看出,在系统负载较低时,CPG?AC能够有效推迟阻塞发生。在高负载时,CPG?AC策略通过动态调整电力通信网和公网业务的带宽,提升了资源利用率,使得系统阻塞率下降,并且业务量越大,CPG?AC优化的效果越明显。因此,CPG?AC策略能有效延缓系统拥塞的发生。

图3显示了不同用户数存在时采取CPG?AC和固定带宽分配的AC策略下系统吞吐量的情况。从图3中可以看到,当系统负载较低时,基于固定频谱资源分配的AC策略与本文提出的CPG?AC策略有相同的吞吐量增长曲线。然而随着系统负载加重,CPG?AC策略能够根据当前不同业务流量的Hurst自相似感知,动态调整带宽资源在公网用户和电力通信行业终端之间的合理分配,以此来推迟系统达到饱和的时间,提高系统吞吐量上限。综上分析,CPG?AC策略能够根据系统流量需求动态调整电力通信网与公网之间业务带宽分配,从而提高频谱资源利用率,缓解拥塞发生。

4 结 论

本文从无线网络业务的自相似性分析出发,计算满足电力通信网与公网业务不同服务质量要求的最低需求带宽。在此基础上采用古诺双寡头博弈模型确定电力通信网与普通公网终端业务之间的最优带宽资源分配,并以此为基础得到CPG?AC策略,最后对该策略效果进行仿真验证。通过仿真结果发现,CPG?AC策略能有效降低业务在网络中的阻塞率,提升系统吞吐量上限。未来的研究工作中将进一步考虑更多类型的电力通信与公网业务的QoS需求,实现LTE电力行业应用下针对多类型业务的准入控制策略。

参考文献

[1] KARAGIANNIS G, PHAM G T, NGUYEN A D, et al. Performance of LTE for smart grid communications [C]// 2014 International GI/ITG Conference on Measurement, Modelling, and Evaluation of Computing Systems and Dependability and Fault Tolerance. New York: Springer?Verlag, 2014: 225?239.

[2] RANGO F D, MALFITANO A, MARANO S. GCAD: a novel call admission control algorithm in IEEE 802.16 based wireless mesh networks [J]. Journal of networks, 2011, 6(4): 595?606.

[3] ANAS M, ROSA C, CALABRESE F D, et al. QoS?aware single cell admission control for UTRAN LTE uplink [C]// 2008 IEEE Vehicular Technology Conference. Singapore: IEEE, 2008: 2487?2491.

[4] LELAND W E, TAQQU M S, WILLINGER W, et al. On the self?similar nature of Ethernet traffic (extended version) [J]. IEEE/ACM transactions on networking, 1994, 25(1): 202?213.

[5] WILLINGER W, PAXSON V, TAQQU M S. Self?similarity and heavy tails: structural modeling of network traffic [R]. Cambridge: Birkhauser Boston Inc., 1998: 27?53.

[6] CROVELLA M E, BESTAVROS A. Self?similarity in world wide Web traffic: evidence and possible causes [C]// 1996 ACM SIGMETRICS International Conference. [S.l.]: ACM, 1996: 160?169.

[7] POLAGANGA R K, LIANG Q. Self?similarity and modeling of LTE/LTE: a data traffic [J]. Measurement, 2015, 75: 218?229.

[8] 李文伟.电力数据通信网的业务流量分析[D].上海:上海交通大学,2007.

LI Wenwei. Business traffic analysis of electric power data communication network [D]. Shanghai: Shanghai Jiao Tong University, 2007.

[9] 张倩倩.面向配电网的电力通信流量分析和预测技术[D].天津:天津大学,2012.

ZHANG Qianqian. Electricity communication traffic analysis and forecasting technology for power distribution network [D]. Tianjin: Tianjin University, 2012.

[10] WILLINGER W, TAQQU M S, SHERMAN R, et al. Self?similarity through high?variability: statistical analysis of Ethernet LAN traffic at the source level [J]. IEEE/ACM transactions on networking, 1997, 5(1): 71?86.

[11] TAQQU M S, WILLINGER W, SHERMAN R. Proof of a fundamental result in self?similar traffic modeling [J]. ACM SIGCOMM computer communication review, 1998, 27(2): 5?23.

[12] 丰雷,李文璟,邱雪松.适应自相似业务的无线网络自主CAC策略[J].通信学报,2013,34(8):27?34.

FENG Lei, LI Wenjing, QIU Xuesong. Wireless network autonomous CAC strategy adapted to self?similar business [J]. Journal on communications, 2013, 34(8): 27?34.

[13] NORROS I. On the use of fractional Brownian motion in the theory of connectionless networks [J]. IEEE journal on selected areas in communications, 2006, 13(6): 953?962.

[14] 李帮义,王玉燕.博弈论与信息经济学[M].北京:科学出版社,2016.

LI Bangyi, WANG Yuyan. Game theory and information economics [M]. Beijing: Science Press, 2016.

猜你喜欢

博弈论吞吐量
2017年6月长三角地区主要港口吞吐量
2017年4月长三角地区主要港口吞吐量
2017年3月长三角地区主要港口吞吐量
2016年10月长三角地区主要港口吞吐量
2016年11月长三角地区主要港口吞吐量
基于博弈论的计算机网络对抗问题分析
博弈论视角下的自首行为分析
无知之幕与博弈:从“黄灯规则”看博弈论的一种实践方案
樊畿不等式及其在博弈论中的应用
博弈论视角下的建筑工程外包道德风险