智能電網(wǎng)鄰域網(wǎng)中5G uRLLC的上行資源調(diào)度方案

董曉丹 吳 瓊

1(江蘇信息職業(yè)技術(shù)學(xué)院電子信息工程學(xué)院 江蘇 無(wú)錫 214153)

2(江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院 江蘇 無(wú)錫 214122)

0 引 言

智能電網(wǎng)(Smart Grid, SG)作為下一代電網(wǎng),將在發(fā)電、配電和電力通信等方面做進(jìn)一步的完善,以實(shí)現(xiàn)其安全、可靠、靈活的要求[1]。相比于普通電網(wǎng),SG將會(huì)產(chǎn)生海量的信息數(shù)據(jù),需要高性能的通信網(wǎng)絡(luò)來(lái)監(jiān)視和控制流量[2]。在SG通信網(wǎng)絡(luò)中,智能電網(wǎng)鄰域網(wǎng)(SGNAN)是電力運(yùn)營(yíng)商與終端用戶之間溝通的媒介[3],負(fù)責(zé)并處理終端發(fā)送到數(shù)據(jù)集中單元(Data Concetrator Unit, DCU)的數(shù)據(jù),對(duì)數(shù)據(jù)傳輸有較高的實(shí)時(shí)性和可靠性要求[4]。SGNAN是連接高級(jí)量測(cè)基礎(chǔ)設(shè)施、分布式電源、配電自動(dòng)化等業(yè)務(wù)終端的網(wǎng)絡(luò)[5]。考慮到訪問(wèn)的便利性,無(wú)線網(wǎng)絡(luò)成為SGNAN的主要通信基礎(chǔ)架構(gòu)[6]。

雖然無(wú)線SGNAN具有覆蓋范圍廣、造價(jià)低、部署方便等優(yōu)點(diǎn),而美國(guó)聯(lián)邦通信委員會(huì)認(rèn)為SG想要獲取足夠的許可頻譜資源變得越來(lái)越困難[7],所以為滿足SG終端用戶的各種業(yè)務(wù)要求,有必要在SGNAN中設(shè)計(jì)有效的資源分配方案[4],目前已有相關(guān)工作對(duì)SGNAN中設(shè)計(jì)有效的資源分配展開(kāi)研究。Zhao等[3]提出了認(rèn)知無(wú)線電NAN網(wǎng)關(guān)的最佳頻譜分配策略,該策略的決策過(guò)程以四階段Stackelberg游戲?yàn)槟Ｐ?并結(jié)合新穎的相應(yīng)算法。Shah等[8]根據(jù)應(yīng)用程序的服務(wù)質(zhì)量(QoS)要求,將流量定義為多屬性?xún)?yōu)先級(jí)類(lèi)別,設(shè)計(jì)了一種基于認(rèn)知通信的跨層框架。Hajjawi等[9]給出了一種基于LTE的調(diào)度方案,該方案將丟包率作為用戶分類(lèi)的依據(jù),根據(jù)M-LWDF(Modified-Largest Weighted Delay First)算法對(duì)實(shí)時(shí)用戶進(jìn)行優(yōu)先級(jí)排序,而通過(guò)比例公平算法調(diào)度非實(shí)時(shí)用戶。針對(duì)基于認(rèn)知無(wú)線電的無(wú)線傳感器網(wǎng)絡(luò)的能量和頻譜的高效利用,Sreesha等[10]思考了一種跨多層的設(shè)計(jì)方法。Yang等[11]在認(rèn)知智能網(wǎng)格網(wǎng)絡(luò)中考慮了服務(wù)優(yōu)先級(jí)和每個(gè)用戶使用的總頻譜,建立了基于公平性的頻譜分配方法。Cheng 等[6]利用自適應(yīng)遺傳算法和二進(jìn)制粒子群算法相結(jié)合的混合智能優(yōu)化算法,得到了吞吐量、公平性折中的最優(yōu)方案,該方案具有良好的收斂能力。Kalalas 等[5]將LTE蜂窩網(wǎng)絡(luò)作為無(wú)線NAN的基礎(chǔ)設(shè)施,應(yīng)用集中式BBU來(lái)優(yōu)化網(wǎng)絡(luò)資源分配,提高了頻譜效率?；谏鷳B(tài)研究Lotka-Volterra方程,Webster等[12]開(kāi)發(fā)了一種能適應(yīng)不斷變化的信道條件的資源分配方案,滿足了智能電網(wǎng)數(shù)據(jù)包的低延遲約束,同時(shí)具有較高的公平性。

上述資源分配的研究工作都是基于4G網(wǎng)絡(luò),但其不能滿足SGNAN的低時(shí)延、高可靠、大帶寬的要求。 5G有望成為SGNAN的無(wú)線解決方案[13],因?yàn)樗哂懈痰恼{(diào)度單位、更靈活的調(diào)度方式、更大的帶寬資源等特點(diǎn),應(yīng)用了“移動(dòng)/多接入邊緣計(jì)算”“網(wǎng)絡(luò)切片”等先進(jìn)技術(shù)[4]。目前還沒(méi)有相關(guān)工作在SGNAN中基于5G uRLLC技術(shù)進(jìn)行資源分配的研究,本文采用5G uRLLC技術(shù)建立上行鏈路調(diào)度模型,并使用改進(jìn)人工蜂群(Artificial Bee Colony,ABC)算法求解該模型下的最佳分配方案。本文的貢獻(xiàn)主要有：

(1) 提出基于uRLLC的SGNAN上行鏈路調(diào)度模型,該模型能滿足SGNAN的低時(shí)延、高可靠、大帶寬的要求。

(2) 根據(jù)終端業(yè)務(wù)的不同QoS要求,給其分配不同等級(jí)的優(yōu)先級(jí),用來(lái)調(diào)節(jié)它們獲取資源的概率。

(3) 定義終端獲取資源的權(quán)限分值函數(shù),通過(guò)分值大小來(lái)確定終端獲取資源的先后順序,該函數(shù)綜合了終端的優(yōu)先級(jí)、速率和系統(tǒng)的公平性三個(gè)方面的因素。

(4) 定義分配矩陣和速率矩陣表示系統(tǒng)吞吐量的目標(biāo)函數(shù),采用改進(jìn)的ABC算法求解目標(biāo)函數(shù)最大值,從而獲得最優(yōu)的分配矩陣。

1 單小區(qū)uRLLC的SGNAN上行鏈路調(diào)度模型

1.1 系統(tǒng)場(chǎng)景

單小區(qū)uRLLC的SGNAN上行鏈路通信系統(tǒng)如圖1所示。蜂窩系統(tǒng)的基站(Base Station,BS)作為SGNAN的DCU,它由各個(gè)接入點(diǎn)和頻譜資源調(diào)度器組成。接入點(diǎn)即為SGNAN中提供多種服務(wù)的終端,這些服務(wù)包括了配電自動(dòng)化、視頻監(jiān)控、汽車(chē)充電樁、毫秒級(jí)負(fù)載控制等,上行數(shù)據(jù)由家庭網(wǎng)關(guān)(簡(jiǎn)稱(chēng)HGW)匯總到SGNAN網(wǎng)關(guān)(簡(jiǎn)稱(chēng)NGW),調(diào)度器負(fù)責(zé)將頻率資源分配給終端。

圖1 SGNAN上行鏈路調(diào)度模型

5G uRLLC具有低時(shí)延、高可靠性的特點(diǎn),完全能滿足SGNAN中的各類(lèi)服務(wù)。OFDMA技術(shù)應(yīng)用于該系統(tǒng)中,該技術(shù)采用了相互正交的子載波,不需要增加保護(hù)帶寬,提高了頻譜利用率。為方便分析,本文假設(shè)每個(gè)終端最多只能被分配到1個(gè)時(shí)頻資源塊(Resource Block,RB),每個(gè)RB由多個(gè)子載波和時(shí)隙構(gòu)成。當(dāng)終端的數(shù)量大于RB的數(shù)量時(shí),未獲得RB的終端暫緩數(shù)據(jù)的傳輸,導(dǎo)致通信時(shí)延。在同等條件下,優(yōu)先級(jí)越高的終端,獲得RB的概率越大。但為了平衡系統(tǒng)的公平性和吞吐量,低優(yōu)先級(jí)的終端如果連續(xù)多次未獲得RB或有優(yōu)越的信道條件,此時(shí)其獲取RB的概率將逐漸增大。

在基于uRLLC的系統(tǒng)中,假設(shè)系統(tǒng)RB數(shù)量為M,它們的編號(hào)集為SRB={1,2,…,M},終端的數(shù)量為K,它們的編號(hào)集為Ster={1,2,…,K},其中M

(1)

4G以及之前的移動(dòng)通信系統(tǒng)是基于信息理論標(biāo)準(zhǔn),通常傳輸?shù)臄?shù)據(jù)包長(zhǎng)度較大。為滿足實(shí)時(shí)性和可靠性,SGNAN服務(wù)終端使用uRLLC技術(shù)發(fā)送的數(shù)據(jù)包則要短得多。因此,不能忽略傳輸誤差對(duì)實(shí)際傳輸速率的影響,并且香農(nóng)容量公式不再適用于該應(yīng)用場(chǎng)景中。假設(shè)分配用于發(fā)送每個(gè)數(shù)據(jù)包的帶寬比相干帶寬窄,則在準(zhǔn)靜態(tài)平坦衰落信道上的發(fā)送器和接收器處都知道信道狀態(tài)信息。根據(jù)文獻(xiàn)[14-16]中對(duì)短包機(jī)制最大可實(shí)現(xiàn)速率的準(zhǔn)確估計(jì),第m個(gè)RB上第k個(gè)終端可實(shí)現(xiàn)上行速率為：

(2)

為了滿足給定分組長(zhǎng)度n0數(shù)據(jù)包傳輸?shù)目煽啃砸?式(2)與香農(nóng)公式相比,降低了可達(dá)到的速率。Γk稱(chēng)為信道分散[14],計(jì)算如下：

(3)

用于測(cè)量色散信道相對(duì)于相同容量的確定性信道的隨機(jī)變化范圍,當(dāng)SNR值很大時(shí),Γk可以近似為1。n0是數(shù)據(jù)包的長(zhǎng)度,ε是上行鏈路傳輸誤碼率。Q-1是Q函數(shù)的反函數(shù),Q函數(shù)表示如下：

(4)

5G uRLLC需要極高的可靠性和低延遲,因此ε的值必須盡可能小,以避免重傳導(dǎo)致較大的延遲。

1.2 目標(biāo)函數(shù)

本文考慮了在指定的誤碼率下的數(shù)據(jù)速率計(jì)算以及隨后進(jìn)行的資源分配。系統(tǒng)總體的吞吐量即為所有終端的速率之和,其中未獲得RB的終端速率為0。當(dāng)知道系統(tǒng)所有RB的分配情況以及各終端在不同信道下的速率,系統(tǒng)的總吞吐量則容易求得。因此,有如下定義：

SGNAN提供多種類(lèi)型的服務(wù),根據(jù)業(yè)務(wù)的QoS需求,賦予終端不同的優(yōu)先級(jí)P={1,2,…,i,…,H},其中i,H∈N+?？紤]終端的優(yōu)先級(jí)、速率和系統(tǒng)公平性三個(gè)因素,定義了終端獲取RB的權(quán)限分值函數(shù),該函數(shù)表示為：

(5)

(2) 速度矩陣：V={vmk}M×K計(jì)算系統(tǒng)所有RB上各終端的相應(yīng)速率。其中vmk表示第m個(gè)RB上第k個(gè)終端的速率,該速率由式(2)計(jì)算獲得。

(3) 系統(tǒng)的吞吐量可表示如下：

(6)

如果系統(tǒng)經(jīng)過(guò)L輪的上行數(shù)據(jù)傳輸,那么系統(tǒng)每輪總的平均吞吐量表示為：

(7)

(8)

2 解決方案

2.1 總體算法描述

系統(tǒng)給予優(yōu)先級(jí)最高的M個(gè)終端順序分配RB,并通過(guò)改進(jìn)的ABC算法來(lái)獲取最優(yōu)的分配方案和最大吞吐量,具體的方案如下：

Step1初始化系統(tǒng)相關(guān)信息,諸如RB資源數(shù)量M,終端數(shù)量K,終端的起始平均速率V0,優(yōu)先級(jí)數(shù)量H,優(yōu)先級(jí)為i(i∈P)的終端數(shù)量占比值βi,隨機(jī)化終端與基站的距離dk等。隨機(jī)產(chǎn)生各RB下的終端發(fā)射功率pm,各終端連續(xù)未分配到RB的次數(shù)δk置0,分配矩陣、速率矩陣的各元素值都置為0。

Step5根據(jù)式(2)求得速率矩陣V={vmk}M×K。

Step6通過(guò)ABC算法求得式(6)中T的最大值,并獲得本輪相應(yīng)的最優(yōu)分配矩陣A*=argmaxT。

Step8重復(fù)Step3-Step7,經(jīng)過(guò)L輪后,根據(jù)式(8)求得目標(biāo)函數(shù)f。

2.2 ABC算法改進(jìn)策略

ABC算法有較好的尋優(yōu)模式,經(jīng)常被應(yīng)用于多變量函數(shù)的優(yōu)化計(jì)算中。算法的主體部分由蜜蜂與蜜源組成,蜜蜂又可以分成采蜜蜂、觀察蜂、偵察蜂3種類(lèi)型,算法根據(jù)蜜蜂的采蜜機(jī)理,通過(guò)尋優(yōu)機(jī)制多次迭代后得到最優(yōu)的蜜源,基本的流程可參照文獻(xiàn)[17]。本文中一個(gè)資源分配矩陣對(duì)應(yīng)一組蜜源(或稱(chēng)解向量),矩陣的每一行作為向量中的一個(gè)解,算法隨機(jī)生成多個(gè)分配矩陣,第i個(gè)分配矩陣可以表示為Ai=(Ai1,Ai2,…,Ait,…,Ain,…,AiM)T,其中t≠n?；诜峙渚仃嚝@得最優(yōu)解的情況,與普通ABC算法有如下不同：

(1) 新蜜源的產(chǎn)生。分配矩陣是將M個(gè)RB分配給權(quán)限分值最高的M個(gè)終端,資源與終端是一一對(duì)應(yīng)關(guān)系。如果要獲得新的分配矩陣(一組蜜源),則需要調(diào)整它們的對(duì)應(yīng)關(guān)系。于是,采蜜蜂對(duì)該組蜜源的更新等同于互換兩個(gè)蜜源的位置,可表示如下：

t≠nt,n∈{1,2,…,M}

(9)

(2) 蜜源被選擇概率。普通的ABC算法中,如果采蜜蜂開(kāi)采的蜜源蜜汁越多,那么它被觀察蜂跟隨的概率越大,經(jīng)過(guò)多次迭代后,低蜜汁的蜜源就會(huì)被放棄,而實(shí)際上它們含有部分有用信息。所以,為了讓低蜜汁的蜜源也擁有較大的被選擇概率,本文采用一種新的蜜源被選擇概率計(jì)算方法：

(10)

式中：λi表示第i個(gè)蜜源被選擇的概率;hi表示第i個(gè)蜜源的適應(yīng)值(或稱(chēng)蜜汁);Z表示種群數(shù)量,則Z/2表示蜜源數(shù)量。

3 仿真分析

為了評(píng)估該上行鏈路資源調(diào)度模型和解決方案的性能,我們使用MATLAB工具在單個(gè)SGNAN小區(qū)中進(jìn)行了數(shù)學(xué)仿真,其中DCU(或BS)位于小區(qū)中心,K個(gè)HGW隨機(jī)分布在小區(qū)內(nèi)部。本文方法綜合了系統(tǒng)的公平性(Fairness)、終端的優(yōu)先級(jí)(Priority) 和速率(Rate)三個(gè)因素,以此計(jì)算終端獲得RB的權(quán)限分值,最后通過(guò)ABC算法得到系統(tǒng)吞吐量(Throughput)的最優(yōu)分配方案,簡(jiǎn)稱(chēng)為FPRT-ABC算法。表1中結(jié)合實(shí)際給出了特定的仿真參數(shù)和設(shè)置[18],其中：fc為載波頻率;f0為子載波間隔;Bs為系統(tǒng)帶寬;BRB為RB帶寬;dmax和dmin分別為HGW到DCU的最大和最小距離;pmax和pmin分別為HGW上行最大和最小發(fā)射功率;V0為各HGW的初始速率;其他參數(shù)不再贅述。PL為路徑損耗,單位為dB,表示如下：

表1 系統(tǒng)的仿真參數(shù)及設(shè)置

PL=22lgd+28+20lgfc

(11)

式中：d為HGW到DCU的距離。

(12)

為對(duì)比FPRT-ABC算法在多優(yōu)先級(jí)等級(jí)下吞吐量和公平指數(shù)的表現(xiàn),表2列出了相關(guān)的參數(shù)設(shè)置。表2中,優(yōu)先級(jí)等級(jí)數(shù)量H的范圍為2至5,符合實(shí)際應(yīng)用的需求,同時(shí)高優(yōu)先級(jí)的終端數(shù)量占比保持不變,保證對(duì)比的有效性。

表2 多優(yōu)先級(jí)等級(jí)和占比設(shè)置(%)

圖2顯示了在多優(yōu)先級(jí)等級(jí)下系統(tǒng)吞吐量的變化,其中ε=10-5,終端的數(shù)量范圍為100～140,其他參數(shù)采用了表1和表2的值?？梢钥闯?隨著優(yōu)先級(jí)等級(jí)的增大,提升了高優(yōu)先級(jí)終端數(shù)量的占比,導(dǎo)致了信道條件較差的終端被調(diào)度的概率增大,最終使得系統(tǒng)整體吞吐量下降。但由于利用了ABC算法的尋優(yōu)能力,吞吐量最大下降幅度控制在3%以?xún)?nèi),體現(xiàn)了該方法在多優(yōu)先級(jí)等級(jí)情況下較好的適應(yīng)能力。由于在數(shù)據(jù)仿真時(shí),NAN中每個(gè)終端的位置都是隨機(jī)設(shè)定的,因此圖2中的曲線趨勢(shì)沒(méi)有實(shí)際意義。

圖2 多優(yōu)先級(jí)等級(jí)下的系統(tǒng)吞吐量對(duì)比

圖3表示在多優(yōu)先級(jí)等級(jí)下系統(tǒng)公平指數(shù)的變化,選取參數(shù)與圖2相同。隨著優(yōu)先級(jí)等級(jí)的增多,高優(yōu)先級(jí)終端的η值明顯高于低優(yōu)先級(jí)終端,這種情況導(dǎo)致了最高優(yōu)先級(jí)終端被調(diào)度的概率逐漸增大,最低優(yōu)先級(jí)終端被調(diào)度的概率逐漸變小,中間優(yōu)先級(jí)終端被調(diào)度的概率變化不大。所以,隨著優(yōu)先級(jí)等級(jí)的增多,系統(tǒng)公平指數(shù)呈下降趨勢(shì)。但本文在權(quán)限分值函數(shù)中,不僅考慮了優(yōu)先級(jí),而且考慮了時(shí)延和傳輸速率,使得高時(shí)延和信道條件好的低優(yōu)先級(jí)終端也有機(jī)會(huì)獲得RB,減緩了系統(tǒng)公平指數(shù)下降的幅度。

圖3 多優(yōu)先級(jí)等級(jí)下的系統(tǒng)公平指數(shù)對(duì)比

圖2和圖3的數(shù)據(jù)表明了在多優(yōu)先級(jí)等級(jí)情況下,H從2增大至5,系統(tǒng)的吞吐量和公平指數(shù)都略有下降,但下降幅度分別控制在3%和6%以?xún)?nèi)。這證實(shí)了FPRT-ABC方法在多優(yōu)先級(jí)情況下具有良好的擴(kuò)展性和適應(yīng)性。從數(shù)據(jù)角度出發(fā),H取{2,3,4,5}的任意值都具有代表性,為方便分析,圖4-圖6都選取了H=2,β1β2={0.1,0.9}的場(chǎng)景。

圖4 不同誤碼率下的系統(tǒng)吞吐量

圖4顯示了在不同誤碼率下的系統(tǒng)吞吐量變化情況,ε分別為10-4、10-5、10-6?？梢钥闯鱿到y(tǒng)的可靠性要求越高,系統(tǒng)的吞吐量就越低;同時(shí)說(shuō)明了超短分組傳輸?shù)臄?shù)據(jù)速率與可靠性密切相關(guān)。

圖5、圖6表示3種算法的Jains公平指數(shù)與系統(tǒng)吞吐量的對(duì)比,其中ε=10-5。結(jié)果顯示：本文提出的FPRT-ABC算法在公平性方面略低于輪詢(xún)調(diào)度(RR)算法,與文獻(xiàn)[18]方法基本持平;在吞吐量方面,FPRT-ABC算法相比于其他兩個(gè)方面有較大的性能提升。這是因?yàn)镽R算法為保證各終端的絕對(duì)公平性,往往較多地犧牲了系統(tǒng)的吞吐量;而文獻(xiàn)[18]中,系統(tǒng)的公平性根據(jù)各終端預(yù)期的瞬時(shí)速率與平均速率的比值,但其未對(duì)吞吐量做更好的優(yōu)化。對(duì)比以上兩種方法,FPRT-ABC算法有更好的綜合性能。

圖5 三種方法下的系統(tǒng)公平指數(shù)對(duì)比

圖6 三種方法下的系統(tǒng)吞吐量對(duì)比

4 結(jié) 語(yǔ)

結(jié)合智能電網(wǎng)的應(yīng)用要求,本文討論了將5G uRLLC技術(shù)引入智能電網(wǎng)的可行性。首先,建立基于uRLLC的上行鏈路資源調(diào)度模型,該模型基于不同業(yè)務(wù)的QoS需求分配終端不同的優(yōu)先級(jí)。其次,定義終端獲取RB的權(quán)限分值函數(shù),引入時(shí)延、速率和優(yōu)先級(jí)的權(quán)重因子,并給出該模型下的基于系統(tǒng)吞吐量的目標(biāo)函數(shù)。進(jìn)一步,應(yīng)用改進(jìn)ABC算法求解目標(biāo)函數(shù)的最大值從而獲得最優(yōu)資源分配方案。最后,進(jìn)行數(shù)值模擬和比較分析,結(jié)果驗(yàn)證了本文方案在保證終端公平性的同時(shí),較大幅度地提高了系統(tǒng)的吞吐量。