王一蓉，王艷茹，賀艷華，王永惠，唐良瑞

（1. 北京國(guó)電通網(wǎng)絡(luò)技術(shù)有限公司，北京 100070；2. 華北電力大學(xué)電氣與電子工程學(xué)院，北京 102206）

基于成本與網(wǎng)絡(luò)負(fù)載最優(yōu)的智能配電通信網(wǎng)絡(luò)規(guī)劃策略

王一蓉1，王艷茹1，賀艷華2，王永惠1，唐良瑞2

（1. 北京國(guó)電通網(wǎng)絡(luò)技術(shù)有限公司，北京 100070；2. 華北電力大學(xué)電氣與電子工程學(xué)院，北京 102206）

針對(duì)配電網(wǎng)絡(luò)單個(gè)通信終端節(jié)點(diǎn)數(shù)據(jù)量小、通信終端節(jié)點(diǎn)多的特點(diǎn)，在提高網(wǎng)絡(luò)接入節(jié)點(diǎn)數(shù)量的基礎(chǔ)上最大化網(wǎng)絡(luò)的負(fù)載。在宏基站、微基站部署方式上，將宏基站與微基站同時(shí)部署，以提供給微基站更多的部署選擇。在分析智能配電網(wǎng)絡(luò)通信業(yè)務(wù)需求、現(xiàn)有網(wǎng)絡(luò)規(guī)劃的弊端的基礎(chǔ)上，建立了多目標(biāo)優(yōu)化模型，并與單目標(biāo)優(yōu)化模型進(jìn)行對(duì)比分析。最后，從規(guī)劃方案圖以及網(wǎng)絡(luò)性能分析上證明了本文所提策略的優(yōu)越性。

智能配電網(wǎng)；異構(gòu)無(wú)線網(wǎng)絡(luò)；網(wǎng)絡(luò)規(guī)劃

1 引言

隨著我國(guó)經(jīng)濟(jì)的飛速發(fā)展，智能配電網(wǎng)通信技術(shù)取得了很大的發(fā)展。智能配電網(wǎng)作為智能電網(wǎng)的重要組成部分之一，當(dāng)前通信系統(tǒng)單個(gè)通信節(jié)點(diǎn)數(shù)據(jù)量小、通信距離不夠遠(yuǎn)、通信終端節(jié)點(diǎn)數(shù)量偏多的特點(diǎn)仍舊束縛著智能配電網(wǎng)的發(fā)展[1]。與此同時(shí)，智能配電網(wǎng)在高級(jí)配電運(yùn)行（advanced distribution operation，ADO）、高級(jí)量測(cè)體系（advanced metering infrastructure，AMI）、高級(jí)資產(chǎn)管理（advanced asset management，AAM）3個(gè)部分的需求各不相同[2]。現(xiàn)有配電網(wǎng)通信網(wǎng)絡(luò)的解決方案是在條件允許的情況下，以光纖通信作為首選，以寬帶無(wú)線通信實(shí)現(xiàn)廣域覆蓋，以載波通信作為接入補(bǔ)充[3]。異構(gòu)融合網(wǎng)絡(luò)融合多種通信技術(shù)，能夠滿足終端業(yè)務(wù)在覆蓋范圍、系統(tǒng)容量、數(shù)據(jù)傳輸速率和服務(wù)質(zhì)量等方面的網(wǎng)絡(luò)性能需求[4,5]。合理的網(wǎng)絡(luò)規(guī)劃是異構(gòu)網(wǎng)絡(luò)能夠更好地為智能配電網(wǎng)絡(luò)服務(wù)的基礎(chǔ)，也是多種無(wú)線技術(shù)有效運(yùn)用的保障。

現(xiàn)有的無(wú)線網(wǎng)絡(luò)規(guī)劃技術(shù)多以優(yōu)化算法模型入手，對(duì)于業(yè)務(wù)需求的關(guān)注較少。參考文獻(xiàn)[6]為了降低TD-SCDMA網(wǎng)絡(luò)基站建設(shè)代價(jià)，給出了一種基于免疫計(jì)算的基站選址優(yōu)化方案。參考文獻(xiàn)[7]針對(duì)已有 3G 基站選址優(yōu)化算法的不足和TD-SCDMA網(wǎng)絡(luò)的特點(diǎn)，提出了一種基于免疫算法的TD-SCDMA網(wǎng)絡(luò)基站選址優(yōu)化方案，建立了基站選址問(wèn)題的數(shù)學(xué)模型，設(shè)計(jì)了基于反學(xué)習(xí)的種群初始化方案和精英交叉策略，給出了免疫優(yōu)化算法框架。因此，現(xiàn)有的網(wǎng)絡(luò)規(guī)劃算法復(fù)雜度比較大，并忽略了網(wǎng)絡(luò)綜合性能以及網(wǎng)絡(luò)需求。且傳統(tǒng)的網(wǎng)絡(luò)規(guī)劃一般先規(guī)劃宏基站站址，在宏基站規(guī)劃完成的前提下再規(guī)劃微基站站址[8-11]，增加了網(wǎng)絡(luò)規(guī)劃的復(fù)雜度，且重復(fù)覆蓋增加了不必要的網(wǎng)絡(luò)建設(shè)成本。

基于智能配電網(wǎng)絡(luò)的異構(gòu)無(wú)線網(wǎng)絡(luò)規(guī)劃應(yīng)該從以下幾個(gè)方面入手。針對(duì)單個(gè)通信終端節(jié)點(diǎn)數(shù)據(jù)量小、通信終端節(jié)點(diǎn)多的特點(diǎn)，提高網(wǎng)絡(luò)接入節(jié)點(diǎn)的數(shù)量，最大化網(wǎng)絡(luò)的容量。在宏基站、微基站部署方式上，將宏基站與微基站同時(shí)部署，以提供給微基站更多的部署選擇。在算法方面，以算法復(fù)雜度較低的算法進(jìn)行計(jì)算，同時(shí)考慮到算法的擴(kuò)展性，提供擴(kuò)展性較強(qiáng)的優(yōu)化算法。

2 系統(tǒng)模型

網(wǎng)絡(luò)規(guī)劃的核心是在保證滿足網(wǎng)絡(luò)通信業(yè)務(wù)需求的條件下，靈活應(yīng)對(duì)飛速增加的通信需求，減少無(wú)線接入網(wǎng)的投資和運(yùn)維成本，減少功耗和電磁污染。無(wú)線網(wǎng)絡(luò)規(guī)劃是整個(gè)或局部網(wǎng)絡(luò)設(shè)計(jì)、部署和管理中的一個(gè)重要過(guò)程，是根據(jù)建網(wǎng)目標(biāo)確定基站數(shù)目及參數(shù)配置的一個(gè)過(guò)程，不僅與網(wǎng)絡(luò)建立的初始階段相聯(lián)系，還聯(lián)系到網(wǎng)絡(luò)改造與用戶業(yè)務(wù)需求的變化。主要涉及如下幾個(gè)問(wèn)題：確定基站的數(shù)目，一個(gè)網(wǎng)絡(luò)需要多少個(gè)基站才能覆蓋整個(gè)服務(wù)區(qū)域、滿足現(xiàn)有的業(yè)務(wù)需求，甚至考慮到未來(lái)可能的業(yè)務(wù)需求；確定基站的位置，基站放在什么位置才能避免干擾，提供最佳服務(wù)質(zhì)量（QoS），使整個(gè)網(wǎng)絡(luò)具有最佳性能；節(jié)約成本，怎樣以最小成本提供最大服務(wù)能力[12]。

本文以簡(jiǎn)單的處理方法提供網(wǎng)絡(luò)模型，首先在配電網(wǎng)區(qū)域選擇M個(gè)候選基站地址，此站址既可用于部署宏基站也可用于部署微基站。在M個(gè)候選站址上部署K層異構(gòu)無(wú)線網(wǎng)絡(luò)，可得基站站址候選矩陣A：

其中，kma 表示基站選擇部署的情況，“1”表示在位置m處部署k層基站，“0”表示在位置m處不部署k層基站。由于基站站址部署基站擁有唯一性，因此存在

考慮到配電網(wǎng)絡(luò)中終端多數(shù)是固定終端，業(yè)務(wù)類型比較穩(wěn)定，為實(shí)現(xiàn)區(qū)域內(nèi)不同配電網(wǎng)業(yè)務(wù)的可靠、高效傳輸，定義業(yè)務(wù)接入基站的指示函數(shù) IDn,k,m為：

其中， Rmin,n表示滿足該配電業(yè)務(wù)n所需的最小速率。 Rn,k,m表示業(yè)務(wù)n在接入位置m處的k層基站時(shí)所能達(dá)到的業(yè)務(wù)速率，計(jì)算式為：

其中，業(yè)務(wù)n所需帶寬為 BDn，信噪干擾比為SINR n, k, m 。

業(yè)務(wù)n的信干燥比 SINR n, k, m計(jì)算式為：

其中，P out,m為基站m的發(fā)射功率，L ossn , m為基站m到業(yè)務(wù)n終端的路徑損耗， (x n, yn )為業(yè)務(wù)n終端坐標(biāo)， (x m,ym )為基站m坐標(biāo)，α是路徑損耗系數(shù)，一般取大于2的數(shù)，σ2為噪聲功率，I n, m為業(yè)務(wù)n終端受到其他基站的干擾。

如式（2）所示的指示函數(shù)包含了網(wǎng)絡(luò)規(guī)劃相關(guān)的帶寬資源分配、地理環(huán)境、干擾管理等。本文將此問(wèn)題簡(jiǎn)單處理為業(yè)務(wù)享用相同的帶寬資源，對(duì)信號(hào)傳輸信道做衰落處理，主要以基站站址變化引發(fā)的業(yè)務(wù)處理速率的變化判斷基站站址的業(yè)務(wù)處理速率的性能。因此由業(yè)務(wù)接入基站的指示函數(shù)和基站站址選擇矩陣A，可得業(yè)務(wù)接入矩陣B為：

業(yè)務(wù)接入矩陣B將矩陣A中不符合業(yè)務(wù)需求的矩陣進(jìn)行剔除，保留了信道較好的基站站址。

3 優(yōu)化模型

隨著智能配電網(wǎng)、分布式新能源和智能終端的接入，配電通信網(wǎng)的業(yè)務(wù)需求發(fā)生了很大變化。僅針對(duì)參考文獻(xiàn)[2]中新能源汽車的使用每年以2.4～2.5倍的速度增長(zhǎng)，就為配電網(wǎng)通信帶來(lái)更加復(fù)雜的終端節(jié)點(diǎn)分布以及飛速增長(zhǎng)的節(jié)點(diǎn)數(shù)目。因此智能配電網(wǎng)絡(luò)規(guī)劃需要在成本低廉的情況下盡可能地提高網(wǎng)絡(luò)接入的終端數(shù)目。由于網(wǎng)絡(luò)能耗與宏基站、微基站的部署數(shù)目有著較強(qiáng)的關(guān)聯(lián)性，本文對(duì)網(wǎng)絡(luò)能耗不做考慮。

式（8）給出了網(wǎng)絡(luò)負(fù)載量的計(jì)算式：

其中， Pth,m為基站m部署時(shí)應(yīng)達(dá)到的負(fù)載阻塞門限，用于限制基站接入終端數(shù)量， Pth,m在網(wǎng)絡(luò)的規(guī)劃過(guò)程中起到調(diào)節(jié)作用，適用于變化快、擴(kuò)展度大的智能配電通信網(wǎng)絡(luò)，其在仿真過(guò)程中取1。由于ηn,k,m表示基站m中的負(fù)載量占總需求負(fù)載的百分比，當(dāng)實(shí)際負(fù)載接入比例大于門限P th, m 時(shí)，負(fù)載限制因素 exp(P th, m ?ηn,k,m)能夠起到降低基站負(fù)載量值的作用。

相對(duì)網(wǎng)絡(luò)負(fù)載量而言，網(wǎng)絡(luò)建設(shè)成本表達(dá)式較為簡(jiǎn)單，主要與異構(gòu)網(wǎng)絡(luò)規(guī)劃中涉及的網(wǎng)絡(luò)層次數(shù)k、基站m的部署情況 akm以及第k層基站的建設(shè)成本 ck有關(guān)，故網(wǎng)絡(luò)建設(shè)成本為：

因此，網(wǎng)絡(luò)規(guī)劃的多目標(biāo)優(yōu)化模型如式（11）所示，并給出最大化負(fù)載的單目標(biāo)優(yōu)化模型（如式（12）所示）以及成本最小化的單目標(biāo)優(yōu)化模型（如式（13）所示）以分析網(wǎng)絡(luò)規(guī)劃后的綜合網(wǎng)絡(luò)性能：

其中，Tload為負(fù)載量的最低門限，Tcost為網(wǎng)絡(luò)建設(shè)的總規(guī)劃最高成本門限。

對(duì)于上文的優(yōu)化模型，采用多目標(biāo)遺傳算法對(duì)其進(jìn)行求解，得到最優(yōu)非支配Pareto（帕拉托）解集通過(guò)優(yōu)選模型對(duì)解集中的解進(jìn)行排序，選擇效用值最小的解作為網(wǎng)絡(luò)規(guī)劃的最優(yōu)解。優(yōu)選模型如下[13]：

其中，J是 Pareto最優(yōu)解集的個(gè)數(shù)， O2是 Pareto最優(yōu)解集中的最小網(wǎng)絡(luò)建設(shè)成本值，即是Pareto最優(yōu)解集中的最大網(wǎng)絡(luò)負(fù)載值，即上述式（14）所描述的優(yōu)選模型能夠提供一種低復(fù)雜度的算法來(lái)解決多目標(biāo)優(yōu)化的問(wèn)題，在智能配電網(wǎng)業(yè)務(wù)需求日漸嚴(yán)格的今天，此方法具有一定的擴(kuò)展性，適用于性能目標(biāo)不斷增加的配電通信網(wǎng)絡(luò)優(yōu)化模型。

4 仿真結(jié)果及分析

以某一中型城市高新開(kāi)發(fā)區(qū)的配用電覆蓋范圍為例，構(gòu)建網(wǎng)絡(luò)仿真環(huán)境，得到如圖1所示的終端分布圖以及可選擇的22個(gè)基站站址。此場(chǎng)景為10 km×10 km區(qū)域，并分散地分布著900個(gè)配電終端。仿真過(guò)程中設(shè)置負(fù)載量的最低門限T load=2 000，最高成本門限 Tc ost=1 000萬(wàn)元。

圖1 終端分布

表1 網(wǎng)絡(luò)規(guī)劃結(jié)果

本文在表1中給出了宏基站與微基站的站址選擇情況。負(fù)載最大化單目標(biāo)模型部署了9個(gè)宏基站，而多目標(biāo)優(yōu)化模型部署了5個(gè)宏基站，其中成本最小化模型部署了4個(gè)宏基站。在微基站部署數(shù)目上，多目標(biāo)優(yōu)化模型與成本最小化單目標(biāo)模型都部署了9個(gè)微基站，負(fù)載最大化單目標(biāo)模型部署了8個(gè)微基站。同時(shí)給出了多目標(biāo)優(yōu)化、負(fù)載最大化單目標(biāo)優(yōu)化、成本最小化單目標(biāo)優(yōu)化的規(guī)劃結(jié)果，分別如圖2、圖3、圖4所示。

圖2 多目標(biāo)優(yōu)化模型

圖3 負(fù)載最大化單目標(biāo)模型

圖4 成本最小化單目標(biāo)模型

通過(guò)分析圖2～圖4的基站站址選擇情況可知，在微基站站址選擇上，單目標(biāo)與多目標(biāo)優(yōu)化模型中站址1、2、11、12、15、17、21、22因?yàn)樘幱诮K端密集區(qū)域，始終被選擇出來(lái)以分擔(dān)宏基站負(fù)載，提高網(wǎng)絡(luò)性能。而在多目標(biāo)模型與成本最小化模型中又分別選擇了站址8和站址10，這是由于仿真過(guò)程中本文選擇了終端就近接入的準(zhǔn)則。其中，站址8處于宏基站3與宏基站5相鄰的小區(qū)邊緣地帶，且站址8附近終端密度較大，為提高網(wǎng)絡(luò)的負(fù)載量同時(shí)控制網(wǎng)絡(luò)建設(shè)成本，因而被選擇部署微基站。圖4展示了站址10處于宏基站5的覆蓋范圍下，并位于宏基站3、5、19的多基站邊緣地帶，且站址10與所選擇的3個(gè)宏基站之間距離較遠(yuǎn)，相對(duì)其他兩個(gè)模型，在最小化成本單目標(biāo)模型選擇的宏基站數(shù)目較少，因此，處于站址10附近的終端接入宏基站的概率比較低，選擇處于宏基站覆蓋的邊緣以及相對(duì)熱點(diǎn)區(qū)域的站址10部署微基站，能夠有效地分載宏基站的流量，接入網(wǎng)絡(luò)內(nèi)更多的終端，并降低網(wǎng)絡(luò)建設(shè)成本。在宏基站站址的選擇上，一方面滿足了網(wǎng)絡(luò)全覆蓋的要求，另一方面由于網(wǎng)絡(luò)性能優(yōu)化目標(biāo)不一致而造成了單目標(biāo)優(yōu)化負(fù)載時(shí)，部署了較多數(shù)目的宏基站，而單目標(biāo)優(yōu)化成本時(shí)，則部署了較少的宏基站，這是因?yàn)楹昊鞠鄬?duì)微基站的承載能力比較強(qiáng)，而建設(shè)成本相對(duì)微基站高很多。圖2～圖4的規(guī)劃結(jié)果直觀展示了本文將宏基站與微基站不做分離處理的方法能更加靈活地發(fā)揮宏基站與微基站的效用。

網(wǎng)絡(luò)規(guī)劃后的性能如圖5和圖6所示。圖5中多目標(biāo)優(yōu)化模型在網(wǎng)絡(luò)終端數(shù)目低于 500時(shí)始終與最大化負(fù)載單目標(biāo)模型保持一致，在終端數(shù)目逐漸增加的過(guò)程中，多目標(biāo)優(yōu)化模型相較于其他兩種算法負(fù)載的終端數(shù)目有所減少。這是因?yàn)樵诮K端增加總數(shù)目不超過(guò)500時(shí)，網(wǎng)絡(luò)平均負(fù)載較低，故多目標(biāo)始終與最大化負(fù)載單目標(biāo)模型保持一致，在終端總數(shù)目超過(guò) 500后，多目標(biāo)模型受到成本的限制，宏基站部署數(shù)目較少，故多目標(biāo)模型終端負(fù)載數(shù)目較最大化負(fù)載單目標(biāo)模型低。但是在終端超過(guò)700后，可以看到多目標(biāo)與最大化負(fù)載單目標(biāo)模型負(fù)載增長(zhǎng)幅度仍舊處于上升的趨勢(shì)，說(shuō)明其網(wǎng)絡(luò)擴(kuò)展性比較強(qiáng)，可以容納更多的終端接入，最小化成本單目標(biāo)模型增長(zhǎng)幅度則處于下降的趨勢(shì)，主要是因?yàn)檩^少的宏基站部署影響了網(wǎng)絡(luò)負(fù)載性能。圖6為3種不同方法網(wǎng)絡(luò)建設(shè)成本的對(duì)比，將此圖與表1進(jìn)行比較不難發(fā)現(xiàn)，宏基站的部署情況主要影響網(wǎng)絡(luò)的建設(shè)成本，部署較多宏基站的承載最大化單目標(biāo)模型的建設(shè)成本最高，部署較多微基站的成本最小化單目標(biāo)模型的建設(shè)成本最低。多目標(biāo)模型與單目標(biāo)模型相比，在兩個(gè)優(yōu)化目標(biāo)上取折中，實(shí)現(xiàn)了在網(wǎng)絡(luò)成本比較低時(shí)，能夠獲得較好的網(wǎng)絡(luò)負(fù)載性能，接入更多的終端節(jié)點(diǎn)，故其建設(shè)成本處于中間位置。

圖5 網(wǎng)絡(luò)負(fù)載量

圖6 3種不同方法網(wǎng)絡(luò)建設(shè)成本的對(duì)比

5 結(jié)束語(yǔ)

針對(duì)智能配電網(wǎng)的發(fā)展趨勢(shì)以及配電網(wǎng)通信網(wǎng)絡(luò)優(yōu)化現(xiàn)存的弊端，本文提出的網(wǎng)絡(luò)規(guī)劃策略將業(yè)務(wù)需求與基站選址結(jié)合，建立了低復(fù)雜度的優(yōu)化模型，能夠在成本較低的情況下保證網(wǎng)絡(luò)接入更多的業(yè)務(wù)終端，并能夠在網(wǎng)絡(luò)性能要求更加嚴(yán)格的發(fā)展過(guò)程中提高網(wǎng)絡(luò)的擴(kuò)展性。隨著分布式電源和電動(dòng)汽車等規(guī)?；l(fā)展，電網(wǎng)的轉(zhuǎn)變將給傳統(tǒng)配電網(wǎng)帶來(lái)諸如電壓越限、雙向潮流等問(wèn)題，配電網(wǎng)由被動(dòng)控制過(guò)渡到主動(dòng)控制是未來(lái)的發(fā)展模式和方向之一，這將成為智能配電網(wǎng)發(fā)展的核心[14]。在下一步的工作中，應(yīng)當(dāng)適應(yīng)傳統(tǒng)配電網(wǎng)絡(luò)向主動(dòng)配電網(wǎng)轉(zhuǎn)換的思路，建立適應(yīng)于主動(dòng)配電網(wǎng)絡(luò)發(fā)展的網(wǎng)絡(luò)規(guī)劃策略。將5G、SDN、邊緣計(jì)算等新興的技術(shù)與主動(dòng)配電網(wǎng)相融合，建立主動(dòng)配電通信網(wǎng)絡(luò)系統(tǒng)[15-17]。

[1]沈大剛. 一種新型智能配電終端的設(shè)計(jì)與研究[J]. 電氣工程學(xué)報(bào), 2016, 11(6): 48-54. SHEN D G. Design and research of a new type of intelligent power distribution terminal[J].Chinese Journal of Electrical Engineering, 2016, 11 (6): 48-54.

[2]馬釗, 安婷, 尚宇煒. 國(guó)內(nèi)外配電前沿技術(shù)動(dòng)態(tài)及發(fā)展[J].中國(guó)電機(jī)工程學(xué)報(bào), 2016, 36(6): 1552-1567. MA Z, AN T, SHANG Y W. State of the art and development trends of power distribution technologies[J]. Proceedings of the Chinese Society for Electrical Engineering, 2016, 36(6): 1552-1567.

[3]陸一鳴, 劉東, 柳勁松, 等. 智能配電網(wǎng)信息集成需求及模型分析[J]. 電力系統(tǒng)自動(dòng)化, 2010, 34(8): 1-4. LU Y M, LIU D, LIU J S, et al. Information integration demand and model analysis for smart distribution grid[J]. Automation of Electric Power Systems, 2010, 34(8): 1-4.

[4]盛潔, 唐良瑞, 郝建紅. 智能配電環(huán)境感知融合網(wǎng)絡(luò)的研究[J].電力系統(tǒng)保護(hù)與控制, 2011, 39(24): 127-131. SHENG J, TANG L R, HAO J H. Research of ambient composite networks towards the smart distribution grid[J]. Power System Protection and Control, 2011, 39(24): 127-131.

[5]JO H S, SANG Y J, XIA P, et al. Heterogeneous cellular networks with flexible cell association: a comprehensive downlink SINR analysis[J]. IEEE Transactions on Wireless Communica-tions, 2011, 11(10): 3484-3495.

[6]朱思峰, 劉芳, 柴爭(zhēng)義. 基于免疫計(jì)算的TD-SCDMA網(wǎng)絡(luò)基站選址優(yōu)化[J]. 通信學(xué)報(bào), 2011, 32(1): 106-110. ZHU S F, LIU F, CHAI Z Y. Immune computing-based base station location planning in the TD-SCDMA network[J]. Journal on Communications, 2011, 32(1): 106-110.

[7]張英杰, 毛賜平, 俎云霄, 等. 基于免疫算法的 TD-SCDMA網(wǎng)絡(luò)基站選址優(yōu)化[J]. 通信學(xué)報(bào), 2014, 35(5): 44-48. ZHANG Y J, MAO C P, ZU Y X, et al. Immune algorithm-based base station location optimization in the TD-SCDMA network[J]. Journal on Communications, 2014, 35(5): 44-48.

[8]LI X, ZHANG X, WANG W. An energy-efficient cell planning strategy for heterogeneous network based on realistic traffic data[C]// 2014 International Conference on Computing, Management and Telecommunications, April 27-29, 2014, Da Nang, Vietnam. New Jersey: IEEE Press, 2014: 122-127.

[9]WANG S, ZHAO W, WANG C. Budgeted cell planning for cellular networks with small cells[J]. IEEE Transactions on Vehicular Technology, 2015, 64(10): 4797-4806.

[10]SAPPIDI R, MOSHARRAFDEHKORDI S, ROSENBERG C, et al. Planning for small cells in a cellular network: why it is worth it[C]// Wireless Communications and Networking Conference, April 6-9, 2014, Istanbul, Turkey. New Jersey: IEEE Press, 2014: 2277-2282.

[11]ZHAO W, WANG S, WANG C, et al. Cell planning for heterogeneous networks: An approximation algorithm[C]//IEEE Conference on Computer Communications, April 17-May 2, 2014, Toronto, Canada. New Jersey: IEEE Press, 2014: 1087-1095.

[12]MAPLE C, GUO L, ZHANG J. Parallel genetic algorithms for third generation mobile network planning[C]// International Conference on Parallel Computing in Electrical Engineering, September 7-10, 2004, Dresden, Germany. New Jersey: IEEE Press, 2004: 229-236.

[13]張連文, 夏人偉. Pareto最優(yōu)解及其優(yōu)化算法[J]. 北京航空航天大學(xué)學(xué)報(bào), 1997(2): 206-211. ZHANG L W, XIA R W. Pareto optimal solution and optimization method[J]. Journal of Beijing University of Aeronautics and Astronautics, 1997(2): 206-211.

[14]趙波, 王財(cái)勝, 周金輝, 等. 主動(dòng)配電網(wǎng)現(xiàn)狀與未來(lái)發(fā)展[J].電力系統(tǒng)自動(dòng)化, 2014, 38(18): 125-135. ZHAO B, WANG C S, ZHOU J H, et al. Present and future trend of active distribution network[J]. Automation of Electric Power Systems, 2014, 38(18): 125-135.

[15]周逸凡, 趙志峰, 張宏綱. 基于智能SDN面向5G的異構(gòu)蜂窩網(wǎng)絡(luò)架構(gòu)[J]. 電信科學(xué), 2016, 32(6): 28-35. SHOU Y F, ZHAO Z F, ZHANG H G. Towards 5G: heterogeneous cellular network architecture design based on intelligent SDN paradigm[J]. Telecommunications Science, 2016, 32(6): 28-35.

[16]張建敏, 謝偉良, 楊峰義. 5G超密集組網(wǎng)網(wǎng)絡(luò)架構(gòu)及實(shí)現(xiàn)[J].電信科學(xué), 2016, 32(6): 36-43. ZHANG J M, XIE W L, YANG F Y. Architecture and solutions of 5G ultra dense network[J]. Telecommunications Science, 2016, 32(6): 36-43.

[17]劉宜明, 李曦, 紀(jì)紅. 面向5G超密集場(chǎng)景下的網(wǎng)絡(luò)自組織關(guān)鍵技術(shù)[J]. 電信科學(xué), 2016, 32(6): 44-51. LIU Y M, LI X, JI H. Key technology of network self-organization in 5G ultra-dense scenario[J]. Telecommunications Science, 2016, 32(6): 44-51.

王艷茹（1985?），女，北京國(guó)電通網(wǎng)絡(luò)技術(shù)有限公司工程師，主要從事電力信息通信、無(wú)線通信等方面研究工作。

賀艷華（1992?），女，華北電力大學(xué)電氣與電子工程學(xué)院博士生，主要從事異構(gòu)無(wú)線網(wǎng)絡(luò)資源管理、配電網(wǎng)通信等方面的研究工作。

王永惠（1991?），女，北京國(guó)電通網(wǎng)絡(luò)技術(shù)有限公司工程師，主要從事電力信息通信技術(shù)方面的研究工作。

唐良瑞（1966?），男，華北電力大學(xué)電氣與電子工程學(xué)院教授、博士生導(dǎo)師，主要從事無(wú)線通信、信息安全、電力系統(tǒng)通信等方面的研究工作。

Smart distribution communication network planning strategy based on optimal cost and network load

WANG Yirong1, WANG Yanru1, HE Yanhua2, WANG Yonghui1, TANG Liangrui2
1. Beijing Guodiantong Network Technology Co., Ltd., Beijing 100070, China 2. School of Electrical and Electronic Engineering, North China Electric Power University, Beijing 102206, China

Considering of the characteristics such as small amount data of single communication terminal node and large scale distribution of terminal nodes, the strategy of network planning should increase the number of access nodes and maximize the capacity of the network. In the macro and micro base station deployment, the macro base station and the micro base station were simultaneously deployed to provide more deployment options for the micro base station. Based on the analysis of the demand of smart distribution network communication services and the drawbacks of the existing network planning, a multi-objective optimization model was established and a single objective optimization model was established for comparative analysis. Finally, the superiority of the strategy was proved from the scheme diagram and network performance analysis.

smart distribution network, heterogeneous wireless network, network planning

s: The National Natural Science Foundation of China (No.51507063), State Grid Science and Technology Project

TP393

A

10.11959/j.issn.1000?0801.2017189

王一蓉（1979?），女，北京國(guó)電通網(wǎng)絡(luò)技術(shù)有限公司教授級(jí)高級(jí)工程師，主要從事電力信息通信、無(wú)線通信等方面研究工作。

2017?03?17；

2017?06?06

國(guó)家自然科學(xué)基金資助項(xiàng)目（No.51507063）；國(guó)家電網(wǎng)科技資助項(xiàng)目