电力物联网高能效基站部署策略研究

杨 坤，苏 琦，孙丽丽，曹新智，刘小芸

(国网山东省电力公司 信息通信公司，济南 250001)

0 引 言

随着电网智能化需求的不断提升，物联网概念不断被引入电网发展过程中。电力物联网技术可以全方位提升电网各环节信息感知的深度和广度。在电力物联网应用过程中，终端用户规模不断扩大，速率需求逐渐增长，随之而来的基站部署规模不断扩大也带来了大量的能量消耗[1]。基站部署技术是减少能量消耗的主要技术之一，研究人员提出了很多基站部署模型来减少网络能量消耗。文献[2-4]提出用泊松点过程(Poisson Point Process，PPP)分布来表征基站空间分布情况，处于不同层的基站分别服从独立的PPP分布；文献[5-9]提出宏基站空间分布服从PPP分布，微基站服从独立的非均匀分布，例如泊松孔分布(Poisson Hole Process，PHP)和纽曼-斯科特簇过程(Neyman-Scott Cluster Process，NCP)等。

以往的研究都没有给出用户业务需求分布和聚集特征对基站部署策略选择的影响，而在智能电网的不断发展过程中，不同业务需求和不同用户聚集的场景普遍存在，如在广域场景中的低速率需求业务(大范围内用户的用电信息采集等)场景和特定高容量场景中的高速率需求业务(智能变电站中视频监控和精切控制等)场景。为了更符合实际业务分布特性，本文首先在两种基站分布模型中增加了用户业务分布，同时定义了统一的业务与空间聚集系数，并在此基础上进行基站部署策略的选择，以解决实际工作过程中面临的基站高能耗问题。

1 系统模型

本节对电力物联网中的典型用户和业务进行划分，构建了两种不同的双层异构物联网网络，并定义了一种全新的聚集系数来对业务和空间聚集程度进行表征。

1.1 双层异构物联网网络

本文考虑在电力物联网中部署宏基站和微基站双层基站。网络中存在热点用户和非热点用户两种典型用户。热点用户由微基站服务，非热点用户由宏基站服务。热点用户的传输速率需求比非热点用户高，同时，热点区域比非热点区域要小。

为了满足覆盖需求，在整个物联网中部署宏基站的位置分布服从密度为λ1的PPP分布。为了满足速率需求，微基站的部署采用两种不同方案来讨论：

方案1：微基站的位置分布服从密度为λ2的PPP分布；

方案2：微基站的位置分布服从泊松簇叠加(Poisson Cluster Process，PCP)分布，其中簇首位置服从密度为λc的PPP分布，每个微基站簇内的微基站个数服从均值为c的泊松分布；簇内的微基站均匀分布在簇首周围半径为R的范围内。因此，微基站的密度可表示为λ2=λcc。

图1给出了两种基站部署策略示意图。其中，密度为λu,1的非热点用户均匀分布在整个网络中，密度为λu,2的热点用户分布在微基站周围半径为r的范围内。

图1 两种基站部署策略示意图

1.2 聚集系数

当前的基站部署模型很少考虑到用户的空间聚集和业务聚集。而在本文中，我们给出了一种全新的包含空间聚集和业务聚集两个维度的聚集系数定义。该聚集系数可定义为

2 均匀基站部署性能分析

本节将分析电力物联网中宏基站和微基站均采用PPP分布时的网络性能，并分别给出热点用户和非热点用户的信干噪比(Signal to Interference plus Noise Ratio, SINR)覆盖情况。

2.1 非热点用户

设定y为一个典型非热点用户与最近的宏基站之间的距离，其概率密度函数为f(y)=2πλ1yexp(-πλ1y2)。设LIk(s)为基站带来的干扰拉普拉斯变换(k=1时为宏基站，k=2时为微基站)。由文献[12]可推导得到LIk(s)以及非热点用户SINR值SINR1大于阈值τ的概率P(SINR1>τ)。因此非热点用户的SINR覆盖可表示为

式中：α为路径损耗因子；t为P(SINR1>τ)中对阈值τ求积分时所用的参数。

2.2 热点用户

热点用户分布在微基站周围半径为r的范围内。设z为热点用户与微基站之间的距离，则距离的概率密度函数可表示为f(z)=2zr-2。

与LIk(s)相同，我们参照文献[3]可推导得到LI1(s)、LI2(s)以及热点用户SINR值SINR2大于阈值τ的概率P(SINR2>τ)。因此热点用户的SINR覆盖可表示为

3 非均匀基站部署性能分析

本节将分析电力物联网中微基站分布采用PCP模型时的网络性能，并分别给出非热点用户和热点用户的SINR覆盖情况。

3.1 非热点用户

3.2 热点用户

设LIk(s)为基站带来的干扰拉普拉斯变换，由文献[8]可得到在PCP模型下的LI1(s)和LI2,2(s)。热点用户的SINR覆盖情况可由式(3)推导得到，其中P(SINR2>τ)和f(z)可由文献[8]推导得到。

4 聚集系数与网络能效

由此可推导出PCP模型下的网络能效为

因此，PCP模型的业务聚集系数可表示为

在PPP模型中，将λ2=λcc带入式(4)和业务聚集系数ht，即可得到PPP模型下的网络能效表达公式和业务聚集系数。

根据业务聚集系数和空间聚集系数的表征，可推导得到PPP和PCP模型的聚集系数表达式分别为

5 仿真结果

本节将给出电力物联网中热点用户和非热点用户SINR覆盖的理论数值结果，并使用蒙特卡洛仿真验证理论结果的正确性。同时还将给出不同基站部署策略下的聚集系数与网络能效分析。

系统模型仿真参数设置如下：宏基站和微基站的发射功率分别为46和10 dBm；静态功率损耗分别为50和43 dBm。为了分析方便，设定路径损耗因子α=4；网络中噪声功率忽略不计 (即σ2=0)。

图2所示为热点用户与非热点用户的SINR覆盖情况仿真对比，图中理论值与仿真值重合情况良好。无论基站部署情况如何，热点用户的SINR覆盖情况总好于非热点用户。这意味着热点区域用户将比非热点区域用户获得更高的传输速率。对于热点用户，使用PPP模型的SINR覆盖情况要好于PCP模型，这是因为在PCP模型中，微基站距离彼此更近，导致干扰严重。对于非热点用户，PPP模型的SINR覆盖比PCP模型要弱，这是由于PCP模型中的非热点用户到微基站的平均距离更远，受到微基站的干扰更小。

图2 热点用户与非热点用户的SINR覆盖情况仿真对比

图3 PPP和PCP模型h随微基站密度变化的对比(PPP与PCP模型中微基站密度相同λ1=λ2=λcc)

图3给出了PPP和PCP模型聚集系数h随微基站密度变化的对比。由图可知，随着热点数目的增多，两种模型均呈现聚集程度先增加后减小的趋势。同时，存在一个热点密度值使得网络聚集程度最大。PCP模型的聚集程度总是高于PPP模型，但是当热点个数足够多时，两种模型的聚集程度趋于相同。这是因为网络中热点个数非常多时，两种模型的热点区域已经覆盖整个网络，对于用户而言，处于任何位置所获得的下行速率都能满足需求，因此聚集程度趋于相同。

图4 PPP和PCP模型EE随微基站密度变化的对比(PPP与PCP模型中微基站密度相同λ1=λ2=λcc)

图4给出了PPP和PCP模型网络能效EE随微基站密度变化的对比。由图可知，对于PPP模型，随着热点数目的增加，存在最优的热点密度值使得EE最大。对于PCP模型，随着热点数目的增加，EE逐渐降低。当热点密度非常高时，两种模型的EE趋于相同，这是因为热点密度非常高时，微基站非常密集。对于用户而言，接入两种模型的微基站距离基本相同，网络整体平均传输速率相同。由于基站个数相同，网络中能量消耗相同，从而网络能效相同。

6 结束语

本文分析了电力物联网基站均匀分布的PPP模型和非均匀分布的PCP模型两种方案，推导出了网络中热点用户与非热点用户的SINR覆盖情况。为了分析两种方案的特征，我们引用聚集系数来表征网络中的用户流量和空间聚集特性。通过随机几何这一数学工具，推导出了PPP和PCP模型下的网络能效表达式。通过仿真发现，PCP比PPP模型的网络聚集程度更高，但网络能效更低。随着网络中热点个数的增加，PCP模型存在一个最优值使得网络能效最大，而PPP模型的网络能效线性递减。因此，电力物联网中考虑能效优先时，选择PPP模型最优。当以用户为中心，考虑用户聚集效应对网络的影响时，选择PCP模型能够更好地满足用户业务需求。