趙聞,張捷,李倩,黃友朋,路韜
(廣東電網(wǎng)有限責任公司計量中心,廣東 廣州 510080)
電力網(wǎng)絡作為社會的基礎設施和國家發(fā)展的能源支撐體系[1],應用領域日益廣泛。當前社會對電力網(wǎng)絡提出了智能化的要求,而豐富的電網(wǎng)數(shù)據(jù)是支撐智能電網(wǎng)發(fā)展的根本驅動之一;因此,電網(wǎng)中的數(shù)據(jù)采集系統(tǒng)越來越受重視[2-3]。
當前,電網(wǎng)中需要采集的數(shù)據(jù)業(yè)務種類多樣。按照其通信需求可分為服務質量(quality of service,QOS)業(yè)務和盡最大努力(best effort,BE)業(yè)務,前者對時延、丟包率等通信指標敏感,有最低QOS要求,后者對這些通信指標不敏感[4]。隨著電網(wǎng)數(shù)據(jù)業(yè)務種類增長、數(shù)據(jù)量增加[5],采集數(shù)據(jù)日增量超過60 TB,如何有效利用數(shù)據(jù)采集系統(tǒng)中有限的帶寬與功率資源,實現(xiàn)實時、完整的數(shù)據(jù)采集變得尤為重要[6]。為了達到這一目的,需要充分考慮不同業(yè)務的QOS要求,進行高效的資源分配[7]。影響QOS的指標主要包括帶寬、時延、丟包率[8],目前用于量化QOS的工具是經(jīng)濟學中的效用函數(shù)。文獻[9]提出了一種經(jīng)典的效用函數(shù),通過調節(jié)函數(shù)中的參數(shù),可適用于不同的資源分配策略,但該函數(shù)僅考慮帶寬資源對效用的影響,不適用于電網(wǎng)多業(yè)務多QOS指標的場景。為解決多業(yè)務資源分配問題,近年來學者提出了基于QOS感知的資源分配策略。文獻[10]提出基于最大加權延遲優(yōu)先算法的虛擬令牌機制(virtual token mechanism for modified largest weighted delay first algorithm,VT-MLWDF)調度算法,在比例公平算法的基礎上,考慮待發(fā)送隊列長度、業(yè)務能容忍的最大丟包率、時延門限等QOS信息,提高了實時性要求高的業(yè)務性能,但是此方法沒有考慮業(yè)務等待時延。為了滿足一些業(yè)務對時延的嚴格要求,丟包率也需要維持在一個相對低的水平。文獻[11]提出了時延優(yōu)先的VT-MLWDF調度算法,在文獻[10]算法的基礎上,乘以等待時延因子,即業(yè)務等待時間越長,越會被優(yōu)先調度;但是該調度算法不能有效解決當數(shù)據(jù)包快到時延門限時容易出現(xiàn)超時丟包的問題。文獻[12]在原有經(jīng)典調度算法基礎上,根據(jù)實時的丟包情況,動態(tài)改變原本固定的時延門限,靈活地優(yōu)化了丟包率高的業(yè)務的性能。文獻[13]中將業(yè)務分為2類,對實時性要求高的一類業(yè)務,預留專用的系統(tǒng)資源;但是文中調度算法的考慮不夠全面,未考慮數(shù)據(jù)量和時延門限。文獻[14]引入了有效容量的概念,其定義為滿足QOS要求時信源可支持的最大到達速率,有效容量將時延、丟包率和物理層信道容量結合起來,可有效表征物理層的數(shù)據(jù)傳輸能力。
針對智能電網(wǎng)數(shù)據(jù)采集的多業(yè)務場景,本文提出多業(yè)務QOS保障的資源分配策略。該策略以最大化基于有效容量的多業(yè)務總效用為目標,針對QOS業(yè)務和BE業(yè)務的不同特性,將優(yōu)化問題等效為滿足總功率限制以及QOS業(yè)務需求限制下最大化BE業(yè)務有效容量的問題。該問題為混合整數(shù)規(guī)劃問題,本文提出一種低復雜度的迭代算法求解,該算法將原問題拆分為如下2個子問題:①每個節(jié)點的發(fā)送功率為固定值,求解最優(yōu)的資源塊分配方式;②給定資源塊方式,求解最優(yōu)的節(jié)點功率。對上述2個問題迭代求解,直到目標函數(shù)收斂。最后,使用MATLAB環(huán)境對所提策略進行仿真,以驗證該策略的有效性。
為了有效解決電網(wǎng)中多節(jié)點、多業(yè)務類型的資源分配問題,本文引入經(jīng)濟學中的效用函數(shù)。效用函數(shù)能夠構建節(jié)點的需求和資源供給關系,衡量資源變化時節(jié)點滿意度的變化情況[15]。對節(jié)點的滿意度進行合理的量化是后續(xù)基于效用進行資源分配的基礎。按節(jié)點是否有QOS請求,可將節(jié)點分為BE節(jié)點和QOS節(jié)點。BE節(jié)點的業(yè)務為BE業(yè)務,QOS節(jié)點的業(yè)務為QOS業(yè)務。本文引入統(tǒng)一的效用函數(shù)
(1)
式中:A、Q、C、Z、d為由業(yè)務類型決定的參數(shù);r為節(jié)點所分配到的資源。參數(shù)A、Q、Z主要影響效用函數(shù)的范圍;參數(shù)C通過改變斜率影響曲線的形狀;參數(shù)d是效用函數(shù)曲線的拐點,代表節(jié)點所需的資源,當所分配的資源小于節(jié)點所需最低要求的資源時,曲線為凹函數(shù),反之為凸函數(shù)。式(1)可以通過設置不同的參數(shù)組合形成適應于BE節(jié)點和QOS節(jié)點的效用函數(shù)形式。
效用函數(shù)中僅考慮節(jié)點滿意度對速率的變化情況,而在實際的電網(wǎng)業(yè)務中,不同業(yè)務對QOS的要求不同,例如線路保護等數(shù)據(jù)業(yè)務,其主要追求的是低時延,而對帶寬要求不高。為了進一步在資源分配中考量時延和丟包率等影響因素,本文引入有效容量理論。在基于有效容量的系統(tǒng)模型中,時延及丟包率特性可由QOS指數(shù)θ表征。θ表示實驗門限D(θ)趨向于無窮時,超時概率的指數(shù)衰減速率,定義
(2)
θ可在0到∞之間連續(xù)變化,θ越高表示時延要求越嚴苛,有效容量會相應地惡化,系統(tǒng)的服務速率就越小,故θ可有效地描述一般時延約束系統(tǒng)模型。為了更好地描述電網(wǎng)中不同業(yè)務對于時延和丟包率的要求,假設節(jié)點θ與到達率、丟包率和最大時延限的關系式為
(3)
式中:Dmax,k為節(jié)點k的時延限,其中下標k指代節(jié)點k,下同;εk為丟包率要求;λk為到達率。
有效容量定義為滿足統(tǒng)計時延要求時無線通信系統(tǒng)的服務能力[16]。定義有效容量
(4)
式中:E為數(shù)學期望;R為物理層信道服務速率。
為了滿足電網(wǎng)場景中的多業(yè)務類型資源分配需求,本文結合有效容量與統(tǒng)一的效用函數(shù),構建帶有QOS參數(shù)的多業(yè)務效用函數(shù)。
為了建立考慮時延和丟包率的效用函數(shù)模型,將有效容量與統(tǒng)一效用函數(shù)進行結合[12],即效用函數(shù)U(r)中的自變量不僅僅是數(shù)據(jù)速率R,還包含了表征時延等約束的QOS指數(shù)θ。本文將有效容量作為統(tǒng)一效用函數(shù)的變量,即
(5)
針對電網(wǎng)系統(tǒng)中多業(yè)務類型,本文提出的基于有效容量的效用函數(shù)模型使用多個QOS因素同時進行表征,能更好地滿足多業(yè)務類型資源分配的需求,更大效率地提高系統(tǒng)的總效用。
系統(tǒng)采用正交頻分多址接入(orthogonal frequency division multiple access,OFDMA)方式[17]。假設:系統(tǒng)中有1個基站和K個不同業(yè)務數(shù)據(jù)類型的電網(wǎng)節(jié)點,其中節(jié)點可根據(jù)業(yè)務類型分為QOS節(jié)點和BE節(jié)點,節(jié)點的數(shù)目分別為K1、K2;資源池有M個資源塊,每個資源塊在1個調度周期內(nèi)只能有1個節(jié)點使用;基站功率限制為P。
由香農(nóng)公式可知,資源塊m上節(jié)點k和基站間的傳輸速率
(6)
式中:Pk,m為資源塊m上基站到節(jié)點k的傳輸功率;hk,m為信道增益;N0為噪聲功率譜密度;B為每個資源塊的帶寬。
因此,節(jié)點k從基站獲得的總數(shù)據(jù)速率
(7)
式中β∈{0,1}K×M為資源塊索引矩陣,βk,m=1表示資源塊m分配給節(jié)點k,βk,m=0則反之。
本文所研究的內(nèi)容是要在K個數(shù)據(jù)業(yè)務節(jié)點間分配有限的帶寬資源以最大化系統(tǒng)總的節(jié)點滿意度,即效用函數(shù)值。對優(yōu)化問題建模如下,即在總功率和資源分配的限制下,最大化各節(jié)點的效用函數(shù)之和:
(8)
式中P∈RK×M為功率分配矩陣,條件1)表示基站的功率限制在P,條件2)表示資源塊索引矩陣。
根據(jù)凸優(yōu)化理論,式(8)的目標函數(shù)為非凸函數(shù),且求解復雜度非常高[18]。為了解決此問題,本文將上述優(yōu)化問題簡化為:在滿足QOS節(jié)點要求的前提下,最大化BE節(jié)點的資源,即以QOS節(jié)點的資源滿足一定值為限制條件,最大化BE節(jié)點的有效容量。因此式(8)轉換為:
s.t. 1)EC,k(θk)≥EB,k,k∈K1;
(9)
式中EB,k為QOS節(jié)點k的有效帶寬。對于給定QOS指數(shù)θ,只有當有效容量不小于等效帶寬,即EC,k(θ)≥EB,k,k∈K1時,才能保證QOS節(jié)點的時延要求得到滿足[15]。
為解決該優(yōu)化問題,本文提出基于有效容量的QOS保障的資源分配算法(QOS guaranteed resource allocation,QGRA)。QGRA進一步將式(9)分解為1個OFDMA資源塊優(yōu)化問題和1個功率分配問題,具體算法步驟如下:
a)子問題1:資源塊索引矩陣的優(yōu)化,記為Get(P)。固定功率分配矩陣,將式(9)轉換為:
s.t. 1)EC,k(θk)≥EB,k,k∈K1;
(10)
為使上述子問題可解,首先將參數(shù)βk,m松弛為0和1之間的連續(xù)變量,這樣可以將原優(yōu)化問題轉化為凸函數(shù)問題求解[19]。接著使用CVX優(yōu)化工具包求解基于當前帶寬分配矩陣的最優(yōu)資源塊索引。
b)子問題2:帶寬資源分配矩陣的優(yōu)化,記為Get_P(β)?;谏弦徊降玫降淖顑?yōu)化資源塊索引矩陣,將式(9)轉換為:
s.t.1)EC,k(θk)≥EB,k,k∈K1;
(11)
由于該問題為一個凸優(yōu)化問題,將式(11)轉化為無約束問題的拉格朗日對偶函數(shù)L,即
(12)
式中u=(u1,u2,…,uK)和λ分別為式(11)中限制條件1)和限制條件2)的拉格朗日乘子,且k∈K2,uk=1,EB,k=0。當式(12)取得最優(yōu)解時,應滿足如下Karush-Kuhn-Tucker(KKT)條件[20]:
(13)
進一步可以解得最優(yōu)的功率分配
(14)
當滿足KKT條件時,將拉格朗日對偶函數(shù)表示成只與u和λ有關的表達式,即
(15)
拉格朗日對偶問題為:
minL(u,λ);
s.t.uk≥0,λ≥0,k=1,…,K.
(16)
該問題可以采用次梯度下降算法,同時迭代更新u和λ的值,逐漸趨近L(u,λ)的最小值,得到最優(yōu)解。u和λ的次梯度下降方向分別為:
Δuk=EC,k-EB,k,
(17)
(18)
u和λ的迭代公式分別為:
uk,t+1=uk,t-αt(EC,k-EB,k),
(19)
(20)
其中αt=a/t、ηt=b/t為第t次迭代時的步長,a和b為預設的步長參數(shù),可以根據(jù)實際參數(shù)值進行調整。
c)迭代求解。將步驟b中得到的功率分配矩陣帶回到步驟a中,迭代步驟a、b求解,直到步驟a、b得到的功率分配矩陣和資源塊索引矩陣不再改變。迭代求解過程以偽代碼的形式總結如下:
輸入:初始化功率分配矩陣P(0)
輸出:P*,β*
β(0)=Get(P(0))
n=1
While 1 do
P(n)=Get_P(β(n-1))
β(n)=Get(P(n))
IfP(n)=P(n-1)andβ(n)=β(n-1)
Then
P*=P(n),β*=β(n)
Break
End If
n=n+1
End While
使用MATLAB環(huán)境進行仿真,考慮基站的覆蓋范圍為500 m,基站位于中心位置。業(yè)務類型分為QOS業(yè)務和BE業(yè)務,本文設置2種業(yè)務數(shù)量相等,該算法同樣適用于其他的業(yè)務比例設置。QOS業(yè)務有最低的有效帶寬需求,即QOS業(yè)務節(jié)點k的有效帶寬EB,k在100~1 000 bit/s內(nèi)均勻分布。功率分配矩陣為隨機初始化,初始化矩陣元素在0和1之間服從均勻分布。此外,所提策略以再次迭代時BE用戶效用函數(shù)不再增加且功率分配矩陣和資源塊索引矩陣保持不變?yōu)榻K止條件,其他仿真參數(shù)見表1。
表1 仿真參數(shù)Tab.1 Simulation parameters
為了驗證所提方法的優(yōu)越性,本文同時仿真了最大化效用算法(Max U)作為對比方案。Max U算法以最大化系統(tǒng)效用為目標,但不區(qū)分QOS業(yè)務和BE業(yè)務類型[21]。
圖1比較了2種算法在不同業(yè)務數(shù)時的系統(tǒng)總效用??梢钥闯?,2種算法的總效用均隨著節(jié)點數(shù)的增加而上升,但本文提出的QGRA算法具有更高的系統(tǒng)效用,節(jié)點數(shù)為40時,所提算法的系統(tǒng)總效用比Max U算法高出30%左右。這是因為,當QOS指數(shù)θ較小,系統(tǒng)可提供的帶寬資源較為豐富時,QOS業(yè)務可以帶來更高的系統(tǒng)效用,相比于BE業(yè)務有更高的優(yōu)先級。而QGRA算法優(yōu)先為QOS業(yè)務分配資源,保障了QOS業(yè)務的資源需求,相較于不區(qū)分2種業(yè)務優(yōu)先級的Max U算法,可以獲得更高的系統(tǒng)效用。
圖1 2種算法系統(tǒng)總效用比較Fig.1 Comparisons of total utility between two algorithms
圖 2比較了2種算法在不同節(jié)點數(shù)時QOS業(yè)務和BE業(yè)務的效用值。從圖2可以看出,2種算法中QOS業(yè)務的效用值都隨節(jié)點數(shù)增加而上升,但是QGRA算法中的QOS業(yè)務效用值遠高于Max U算法,當節(jié)點數(shù)為60時,所提算法比Max U算法的QOS業(yè)務效用高出50%。這正是因為QGRA算法保障了QOS業(yè)務的優(yōu)先級,為QOS業(yè)務分配了更多的帶寬資源,而QOS業(yè)務也因此貢獻了更多的效用值。然而隨著節(jié)點數(shù)增加,QGRA算法中BE業(yè)務的效用值有所下降甚至低于Max U算法中BE業(yè)務的效用值。這是因為當節(jié)點數(shù)大于一定數(shù)值時,系統(tǒng)的帶寬資源不足以分配給所有節(jié)點時,會犧牲部分BE業(yè)務來提高QOS業(yè)務的效用,因此BE業(yè)務的效用會有所下降。而從圖1看出,即使犧牲部分BE業(yè)務的效用,系統(tǒng)總效用值仍可以達到最高。
圖2 2種算法QOS效用和BE效用比較Fig.2 Comparisons of QOS utility and BE utility between two algorithms
圖 3比較了2種算法在不同業(yè)務數(shù)時系統(tǒng)的吞吐量。從圖3可以看出2種算法吞吐量都隨節(jié)點數(shù)的增加而增加,但是QGRA算法仍然較Max U算法有更好的表現(xiàn),即QGRA算法在保障QOS業(yè)務資源優(yōu)先級的同時,也保障了系統(tǒng)有更高的吞吐量。這是因為在效用函數(shù)中,系統(tǒng)速率是重要的參數(shù)之一,而其與系統(tǒng)效用之間為正比例關系,該算法在保障QOS業(yè)務資源的同時意味著保障了QOS業(yè)務的傳輸速率,從而也最大化了系統(tǒng)的吞吐量。
圖3 2種算法吞吐量比較Fig.3 Comparisons of throughput between two algorithms
本文針對電網(wǎng)數(shù)據(jù)采集系統(tǒng)的多業(yè)務場景,提出了多業(yè)務QOS保障的資源分配策略。該策略以最大化基于有效容量的系統(tǒng)總效用為目標,根據(jù)不同業(yè)務特性,在最大化BE業(yè)務有效容量的同時,滿足總功率的限制以及每個業(yè)務的QOS需求,由此得到最優(yōu)的資源塊分配方式和功率分配方式,并進而滿足QOS業(yè)務、BE業(yè)務的通信需求。仿真結果表明,該策略在滿足業(yè)務QOS需求的同時,能夠有效提升系統(tǒng)整體的有效容量。在當今通信資源日益稀缺而電網(wǎng)業(yè)務種類逐漸豐富繁多的背景下,該資源分配策略有利于智能電網(wǎng)在綠色節(jié)能的同時實現(xiàn)高效數(shù)據(jù)采集。此外,本文所提QGRA算法具有低成本、低復雜度的優(yōu)勢,同時可以適用于未來升級后的硬件配置,以獲得更優(yōu)的性能。