多个WBAN组成的分布式网络功率控制策略综述
一种多源协作网络的分布式功率分配与中继选择算法概要
第 32卷第 10期电子与信息学报 Vol.32No.10 2010年 10月 Journal of Electronics & Information Technology Oct. 2010一种多源协作网络的分布式功率分配与中继选择算法惠鏸①②朱世华①吕刚明①孙晓东①① (西安交通大学电子与信息工程学院西安 710049② (西安理工大学自动化与信息工程学院西安 710048摘要:该文针对多源 -多中继放大转发协作通信网络,以最小化系统总功率为目标,在保证系统满足一定中断概率的前提下, 提出了一种分布式功率分配与中继选择算法。
算法由源节点自主选择为其转发信息的中继节点, 并引入定时器, 通过竞争方式避免了分布式所导致的中继选择冲突。
中继收到来自源节点的信号后, 只需根据转发门限自主判断是否进行转发, 从而完成传输。
仿真结果表明该分布式算法能够有效降低传输所需要的总发射功率。
并且与集中式控制所获得的最优中继选择与功率分配算法相比性能相近,但所提分布式算法显著降低了系统的控制开销。
关键词:协作通信;放大转发;多源协作;中继选择;功率分配中图分类号:TN925 文献标识码:A 文章编号:1009-5896(201010-2446-06 DOI : 10.3724/SP.J.1146.2009.01340Power Allocation and Relay Selection inMulti-source Cooperative NetworksHui Hui①② Zhu Shi-hua ① L ü Gang-ming① Sun Xiao-dong ①① (School of Electronics and Information Engi neering, Xi ’ an Jiaotong University, Xi ’ an 710049, China② (School of Automation and Information Engineering, Xi ’an University of Technology, Xi ’ an 710048, ChinaAbstract : In order to minimizing the total transmit power while guaranteeing the outage performance at the same time, in this paper a distributed power allocation and relay selection scheme is proposed for amplify-and-forward cooperative networks with multiple sources and multiple relays. In the proposed scheme, sources select their relays independently, and introduce channel-related timers to compete for their preferred relay. Then the selected relays independently determine whether to forward the messages or not according to a forwarding threshold. Simulation results show that the proposed scheme can reduce the total transmit power of the network significantly and has a similar performance to the optimal central-controlled scheme with a much lower overhead.Key words:Cooperative communications; Amplify-and-Forward(AF; Multi-source cooperation; Relay selection; Power allocation1引言协作通信技术可以通过用户之间共享天线,构成虚拟多天线阵而获得空间分集,从而有效对抗信道的多径衰落,提高传输质量,近年来受到广泛关注。
自组织网络中的无线功率控制和协作机制
协作机制：通过节点间的协作， 实现网络资源的有效利用
功率控制：通过调整传输功率， 实现网络性能优化
结合方式：功率控制与协作机 制相互配合，共同优化网络性
能
具体应用：在自组织网络中， 功率控制与协作机制的结合可 以降低能耗，提高网络吞吐量，
增强网络稳定性。
提高功率控制精度：通过更先进的算法和更精确的测量技术，提高功率控制的准确性和实时性。
物联网：在物联网中，协作机制可 以实现设备间的协同工作，提高系 统的整体性能。
智能交通系统：在智能交通系统中， 协作机制可以实现车辆间的协同驾 驶，提高道路通行效率和安全性。
军事通信：在军事通信中，协作机 制可以实现部队间的协同作战，提 高作战效率和安全性。
功率控制策略：影 响协作机制的选择 和实施
增强协作机制：通过引入更多的协作节点和更复杂的协作策略，提高网络的整体性能和稳定性。
优化能源效率：通过优化功率控制和协作机制，提高能源利用效率，降低能耗成本。 集成多种技术：将无线功率控制与协作机制与其他无线通信技术（如多天线技术、认知无线电 技术等）相结合，提高网络性能和灵活性。
汇报人：xxx
功率控制参数：影 响协作机制的效果 和性能
功率控制与协作机 制的交互：相互影 响，共同优化
功率控制对协作机 制的挑战：需要平 衡功率控制和协作 机制的需求，以实 现最优性能
协作机制可以 提高无线功率
控制的效率
协作机制可以 减少无线功率
控制的干扰
协作机制可以 增强无线功率 控制的稳定性
协作机制可以 优化无线功率
自适应功率控制：根据信道条件 和网络状态自适应调整发射功率， 实现最优性能
协作功率控制：多个节点协作调 整发射功率，减少干扰，提高系 统性能
WSN中基于博弈论的节点功率控制算法
WSN中基于博弈论的节点功率控制算法滕志军;吕金玲;张力;郭力文【摘要】In this paper, game theory is applied to the WSN power control to reduce the energy consumption of the point transmission and prolong the lifetime of the network. The utility function is constructed by considering the residual energy and the transmitted power of the node. The remaining energy larger node is as the next hop node, which connects other nodes and takes more transmission tasks. In the communication process, the nodes take power control game algorithm as strategy and constantly adjust their strategies to improve the accuracy of information transmission. Nash equilibrium is proved to exist in the algorithm. Simulation results show that this algorithm can realize the purpose of reducing the energy consumption of wireless sensor network through the control of node transmission power, calculating the optimal transmit power faster, and getting the higher signal interference ratio compared with traditional distributed power control algorithm.%针对如何降低无线传感器网络中节点传输的能量消耗,延长网络生存周期,本文将博弈论引入WSN功率控制中,综合考虑节点的剩余能量、发射功率等因素构建效用函数,将剩余能量较大的节点作为下一跳节点,连接其他节点并承载较多的传输任务.节点在通信过程中以功率博弈算法作为策略方案,不断调整各自的策略,提高信息传输的准确率,并证明该算法纳什均衡的存在.仿真结果表明,与传统分布式功率控制算法相比,该算法通过控制节点传输功率实现了降低能耗的目的,能更快迭代出最优发射功率,并得到较大的信干比.【期刊名称】《控制理论与应用》【年(卷),期】2018(035)005【总页数】5页(P717-721)【关键词】无线传感器网络;博弈论;功率控制;纳什均衡;能耗【作者】滕志军;吕金玲;张力;郭力文【作者单位】东北电力大学信息工程学院,吉林吉林132012;东北电力大学信息工程学院,吉林吉林132012;东北电力大学信息工程学院,吉林吉林132012;东北电力大学信息工程学院,吉林吉林132012【正文语种】中文【中图分类】TN991 引言(Introduction)无线传感器网络(wireless sensor network,WSN)是由大量静止或移动的传感器以自组织和多跳的方式构成的无线网络,以协作方式感知、收集、处理和传输网络覆盖地理区域内被感知对象的信息,并最终把这些信息发送给网络的所有者.由于无线传感器网络节点采用电池供电,且电池容量较小,一旦能量耗尽则不能及时充电或更换,因此降低节点能耗、延长网络存活周期成为无线传感器网络在实际应用中需要解决的关键问题.传感器网络由大量的传感器节点和一个或多个汇聚节点组合而成[1–2].假设网络中只有一个汇聚节点(sink节点),其需要接收周围大量的传感器节点传来的信息并通过通信方式(互联网和卫星)将信息发送到任务管理节点或用户[3].sink节点的处理能力、存储能力和通信能力相对较强,但同时接收大量的信息仍然会造成信息的拥堵、节点性能降低和节点能量大量消耗而导致节点部分死亡.局部节点的过早死亡,会造成网络的拓扑结构发生变化,节点会调整其发射功率和组网结构,从而会增加整个网络的能量消耗进而降低整个网络的生存周期[4].在WSN中节点之间进行通信涉及选择问题,每个节点可采用使其利益最优的策略.博弈论(game theory)又称对策论,早期被广泛应用于微观经济学中,直到最近才被作为分析工具应用于分布式无线资源管理当中[5].文献[6]中定义了博弈论理论框架,其中包括功率控制、呼叫接入控制和干扰避免.文献[7–9]用非合作博弈功率控制算法对网络中的节点进行分布式功率控制.但这几篇文献都没有考虑节点的剩余能量,针对这个问题,本文借鉴文献[10]中的功率控制算法,提出了一种基于博弈论的节点分配模型并建立了效用函数,该函数考虑了节点的发射功率、剩余能量、干扰和数据大小等因素,来提高节点的数据传输效率和存活时间,延长网络生存周期.2 系统模型(System model)2.1 基于博弈论的功率模型(Power model based on game theory)假设在网络中有一个汇聚节点和多个传感器节点,则无线传感器网络中节点的功率控制可看作非合作博弈模型,选用的数学模型为Γ=<N,P,{ui}>,其中网络中的传感器节点数为N={1,2,…,n},每个传感器节点的策略集合为P={pi}(pi∈(0,pmax),pmax 为最大发射功率),网络中每个传感器节点根据效用函数选择相应的策略来保证自身利益的最大化,即pi表示节点i的发射功率,p−i表示除i之外的其他节点的发射功率[11].设定网络中的传感器节点均匀分布在区域内,所有节点都要将数据传送到汇聚节点并且可以根据信道的条件和周围的影响调整自己的发射功率.网络中有N个节点,节点i到sink节点的距离为di,pi和λi分别表示第i个节点的发射功率和信号干扰比,信道噪声为σ2,hi表示节点到sink节点的链路增益.综合考虑发射功率和剩余能量这两个方面,本文参考文献[12]所给出的信号干扰比(signal to interference ratio,SIR)公式得其中:增益G=W/Rik(W表示传播带宽,Rik表示信息传输速率),为节点i接收数据期间内在其干扰半径内的其他节点发送数据对节点接收数据所产生的干扰总和,cji表示节点j和i之间的相关性,2.2 超模博弈模型(Supermodular game model)超模博弈中的“格”是指,如果存在一个集合X为偏序集,对于所有属于集合X的元素a,b,有a∨b=sup{a,b}和a∧b=inf{a,b}都属于X,则这个偏序集称为格.所谓超模就是指函数f:X→R,X是一个格,如果对于X中的任意元素a,b存在f(a)+f(b)6f(a∧b)+f(a∨b),这个函数就是超模函数.如果在一个博弈中所选择的效用函数是超模的且策略集合构成一个格,这样的博弈就叫做超模博弈.根据定义所给条件,超模博弈的判定比较复杂.在实际判定过程中,如果博弈参与者所选择的效用函数满足下列条件:1)策略集合是实数空间的一个区间;2)效用函数在策略集合中是二阶连续可微函数;3),那么该博弈即为超模博弈[13].2.3 效用函数(Utility function)在一次传输数据过程后,每个节点i都会获得收益值ui(pi,p−i).这表明每个节点的收益不仅取决于自身采取的策略也受到其他节点策略的影响,也就是说任何一个节点的收益都由整个策略集合决定.理论上,一个节点要依据网络中其他节点的功率来选择自身的策略,但在分布式的无线传感器网络中,是不可能知道其他节点的发射功率策略.节点在发送信号时都希望以较高的传输功率发送,提高信息的传输率.但是,发送功率的增加会加大对其他节点的干扰,其他节点也会提高自身功率来抵抗这种变化,同时将会增大对该节点的干扰[14].因此效用函数采用如下形式:式(2)中:U(pi)是收益函数,是信干比和功率的函数,通过调节发射功率pi使节点的信息传输达到最优;C(pi)是成本函数.节点以包的形式进行信息传输,若SIR越大说明传输的信息多且错误较少;选择初始能量Ei较大的,能保证节点的存活率,延长整个网络的寿命.根据节点的功率、信道条件和相邻节点的SIR,定义传感器节点发射功率的收益函数:式中:R为信息传输速率,L为数据包的大小,M为信息比特数.为了得到较好的效益节点会试图以高功率传送信息,虽然选择大功率进行传输能提高信息正确传输概率,但是增大功率也会造成较大的干扰,同时也会导致电池的能量很快耗尽.如果第i个节点所使用的发射功率的策略pi∈P,所产生的成本是pi的函数,记为C(pi):其中b为成本因子.得到效用函数:2.4 纳什均衡(Nash equilibrium)对本算法的纳什均衡存在性的判断,从超模博弈的定义可知,只需要满足超模博弈的3个条件,即可证明算法纳什均衡的存在.令,代入式(5)得对效用函数求一阶导数,得效用函数的二阶偏导为由式(8)可以看出,符合第2.2节中超模博弈的前两个条件.因为因此只需使,即通过计算可得,当λi>lnL时,满足的条件.因此本文所提出的效用函数存在纳什均衡.令式(7)等于0可得将λimin=lnL代入式(10)可求得最优发射功率.3 算法描述(Algorithm description)1)初始化模型中的参数,2)根据参数计算节点的信号干扰比λi;3) 判断λi与λmin的关系,若λi<λmin=lnL,重复步骤2),直到λi=λmin=lnL;4)根据λi值计算pi的值.图1 算法流程图Fig.1 Algorithm flow chart4 仿真及性能分析(Simulation and performance analysis)对于本文的算法仿真,首先讨论不同的收益因子和代价因子下的效用函数,然后分析本文算法与其他算法在数据传输、网络寿命方面的性能.100个节点均匀分布在长宽都为100m的区域内,sink节点放置在(50,50)的位置上,增益G为100,系统的背景噪声σ2为0.05,路径增益hi为0.01.选取模型中的任意两个传感器节点进行研究、仿真,各自的参数如表1所示.表1 仿真参数Table 1 Simulation parameters参数节点1 节点2信息传输速率R/bps 60 15信息比特M/bit 5 6数据包大小L/byte 10 15初始的最大能量Emax/J 50 30图2–3中上、下两部分曲线是在初始能量相同、成本因子不同的情况对发射功率和效用函数的分析,表明成本因子越小节点迭代出的合适的发射功率越大,相应的效用函数也越好.在节点传输数据的过程中要不断调整功率来达到这个预先设定的值[15],从图中可以看出根据迭代次数的增加,功率不断变化但是直到迭代结束都没有迭代出最佳功率.因而,通过4种算法的对比,本文算法能更快得到最优发射功率,避免了节点不断调整发射功率造成能量浪费.图2 不同参数下的节点传输功率Fig.2 Node transmission power under different parameters图3 不同参数下的效用函数Fig.3 Utility function under different parameters 图4 两种算法发射功率对比Fig.4 Comparison of two algorithms transmit power在算法执行前设定初始功率,通过迭代得到最佳功率,从图4可知,本文采用的算法比其他3种算法更能够在执行过程中达到功率最佳,这是由于其他3种功率控制算法是在开始时设定一个目标信号干扰比,从信号干扰比的定义可知,其值越大说明节点发送信号的成功率越大.从图5中看出,本文采用的算法得到的信号干扰比明显大于其他3种算法.由于传统算法及TCLE,NGTA算法是预先设定一个信号干扰比比值,因此在通信过程中会提高功率来提高信号干扰比,但到达目标值之后就不再改变.而本文算法根据自身及外界条件不断干扰比比值,更能适应不断变化的传感器网络.图5 两种算法的信号干扰比对比Fig.5 Comparison of signal interference ratio of two algorithms5 结论(Conclusions)本文采用博弈论方法对无线传感器节点分配问题进行了研究,通过考虑节点的发射功率、剩余能量和干扰等因素创建了效用函数.将剩余能量较大的节点作为下一跳节点,连接其他节点并承载较多的传输任务.节点在通信过程中以功率博弈算法作为策略方案,不断调整各自的策略,提高信息传输的准确率.从仿真结果中看出,在考虑节点的剩余能量后,系统的性能得到较明显的改善.在下一阶段研究中,将着重考虑整个网路的能量消耗,从而提高整个网络的生存周期.参考文献(References):【相关文献】[1]SUNZeyu,WUWeiguo,CAOYangjie,etal.EBPCC:energybalance parameters-controlled coving algorithm for wireless sensor networks[J].Journal of Xi’an Jiaotong University,2016,50(8):77 – 83.(孙泽宇,伍卫国,曹仰杰,等.无线传感器网络中能量均衡参数可控覆盖算法[J].西安交通大学学报,2016,50(8):77–83.)[2]TANG Wenjun,ZHANG Guoliang,ZENG Jing,et al.Parallel fusion distributed unscented information filter algorithm for sparse dynamic wireless sensor network[J].Control Theory&Applications,2016,33(7):903–914.(汤文俊,张国良,曾静,等.适用于稀疏动态无线传感器网络的并行融合分布式无迹信息滤波算法[J].控制理论与应用,2016,33(7):903–914.)[3]LI Lin,LEI Kang,LI Xiaosan.Routing algorithm for multi-sink node and multi-direction WSN[J].Journal of Northwest University(Natural Science Edition),2013,43(2):214–218. (李琳,雷康,李小三.网络多向多sink节点WSN路由算法[J].西北大学学报(自然科学版),2013,43(2):214–218.)[4]DONGRongsheng,MAZhengxian,GUOYunchuan,etal.AMarkov game theory-based energy balance routing algorithm[J].Chinese Journal of Computers,2013,36(7):1500–1508. (董荣胜,马争先,郭云川,等.一种基于马尔可夫博弈的能量均衡路由算法[J].计算机学报,2013,36(7):1500–1508.)[5]ZHAO Chunhui,WU Zhou.Interference avoidance algorithm based on game theory in CR system[J].Journal on Communications,2008,29(3):82–86.(赵春晖,吴舟.CR系统中基于博弈论的干扰避免算法[J].通信学报,2008,29(3):82–86.)[6]NEELJ,REEDJH,GILLESRP.Theroleofgametheoryintheanalysis of software radio networks[J].Revista Medica De Chile,2002,118(3):313–319.[7]ZENG Jia,MU Chundi.Power control and simulation on noncooperative game in wireless sensor networks[J].Computer Engineering,2008,34(10):1–3.(曾加,慕春棣.传感器网络非合作博弈功率控制及其仿真[J].计算机工程,2008,34(10):1–3.)[8]XU M M,YANG Q H,KWAK K S.Distributed topology control with lifetime extension based on non-cooperative game for wireless sensor networks[J].IEEE SensorsJournal,2016,16(9):3332–3342.[9]YANG G Y,GUAN X.A non-cooperative game theoretic approach to energy-efficient power control in wireless sensor networks[J].International Journal of Future Generation Communication&Networking,2014,7(1):169–180.[10]CHEN Xianming,CAI Yueming,ZHANG Yu,et al.Topology control algorithm based on game theory in wireless sensor networks[J].Journal of PLA University of Science and Technology(Natural Science Edition),2011,12(5):414–418.(陈贤明,蔡跃明,张余,等.WSN中一种基于博弈论的拓扑控制算法[J].解放军理工大学学报(自然科学版),2011,12(5):414–418.)[11]ZHENG Gengzhong,LIU Sanyang,QI Xiaogang.Study on power control of wireless sensor networks based on noncooperative game[J].Control and Decision,2011,26(7):1014–1018.(郑耿忠,刘三阳,齐小刚.基于非合作博弈的无线传感器网络功率控制研究[J].控制与决策,2011,26(7):1014–1018.)[12]WANG Lin,CHEN Di,CHEN Ninglin.Power control based on game theory in wireless sensor network[J].Computer Engineering and Applications,2007,43(19):145–147,166.(王琳,陈涤,陈宁林.无线传感器网络中基于对策论的功率控制[J].计算机工程与应用,2007,43(19):145–147,166.)[13]WANGJian,TANXuezhi,LIUYutao.Powercontrolalgorithmbased on game theory in cognitive radio networks[J].Science Technology and Engineering,2009,9(19):5680–5683. (王俭,谭学治,刘玉涛.认知无线电中基于博弈论的功率控制算法[J].科学技术与工程,2009,9(19):5680–5683.)[14]SENGUPTA S,CHATTERJEE M,KWIAT K.A game theoretic framework for power control in wireless sensor network[J].IEEE Transactions on Computers,2010,59(2):231–242. [15]GU Fanglin,ZHANG Hang.Distributed power control algorithm in CDMAsystems[J].Computer Engineering and Applications,2011,47(19):118–120.(辜方林,张杭.CDMA系统中的一种分布式功率控制算法[J].计算机工程与应用,2011,47(19):118–120.)。
分布式能源系统控制策略分析2016年03
分布式能源系统控制策略分析北京恩耐特分布能源技术有限公司2016.03⏹分布式能源项目工艺设计特点⏹分布式能源系统控制关键环节⏹分布式能源自控案例简介复杂性：包含发电、空调等多种设备安全性：多种用气设备及其相互关联性要求对系统安全予以重视先进性：节能、环保特性通过完善的管理和控制实现北京恩耐特分布能源技术有限公司用户负荷性质及变化规律的影响电网对电气主接线的影响环保要求对尾气及噪音处理的影响消防对于泄爆通风的要求分期建设的要求包含发电机组及其附属设备既包括常规空调设备又包含余热利用设备不同项目中结合有热泵、蓄能等高效能源技术在变配电系统之外增加了发电、并网系统发电机组与余热机组关联运行余热利用设备以及发电机冷却系统运行关联度高余热利用设备一般比其它空调设备优先运行，多种设备的运行顺序需经比较确定制定合理的控制策略一般采取集散式控制系统架构主设备控制策略发电机组发电机组本身特性发电机组电力接入方式燃气、电力的相对价格变化热、电负荷的相对变化规律对关键安全参数的监控，如对出线电压、频率、冷却水温度及供电量等关键参数的监控4008001200160020002400280032003600400040003600320028002400200016001200800400第一台机组第一台机组第二台机组市电市电两台发电机组运行方式 系统主设备启停控制思路一台发电机组运行方式市电发电机组发电机组顺序启动：中控检测系统状态是否正常中控系统发出启动命令发电机向中控系统发出启动辅机命令中控系统启动中冷水泵、缸套水泵、冷却风机、送排风机，将启动正常信号发送给发电机发电机自行启动，并以通讯的方式向中控反馈启动成功信号主设备控制策略余热机组余热机组本身特性余热机组启停受发电机组影响热、电负荷的相对变化规律余热不足及过剩时的控制策略对烟气三通阀、缸套水三通阀的监控余热机组顺序启动：判断是否具备启机条件：发电机组状态、模式、相关设备、阀门状态启动冷温水泵，开启电动阀启动冷却水泵，开启电动阀自控系统通过硬接线启动溴化锂主机主机返回启机正常后，进入自动调节状态机组群控策略在多台机组并联运行时需要根据当前负荷的实际情况和各主机的负荷效率特性，选择最佳的主机运行台数组合泵组控制策略实时计算冷冻水流量，分析所需的水泵台数，使所消耗的运载功率最小冷却水系统中冷却塔的运行台数及容量变频水泵的根据用途采取不同的控制策略，如冷温水二次泵以压差控制为主，冷却水泵主要以温差控制为主各水泵运行时间的平衡通风系统监控补水定压系统监测燃气系统监测环境温度变化监测能源计量系统监测在两路进线开关处设置逆功率保护，防止反送电一路进线故障时，母连开关闭合，由另一10kV 进线提供所需电力供应 两路进线均发生故障时，需减少部分电负荷 号燃气轮机5700号燃气轮机5000动力站配电室 Ⅰ Ⅱ电力计量电力计量电力计量逆功保护电力计量逆功保护其他系统控制策略能效分析平台 电耗 36.89% 水耗 10.00%气耗 15.00 热耗 38.11% 0 2000000 4000000 6000000 800000010000000 1200000014000000能源管理系统数据中心规划总建筑面积约5.4万m2昌平数据中心项目一、二期规划部署机柜数4500个，其中一期部署机柜数2500个，二期部署机柜数2000个分布式能源自控案例分析：数据中心序号名称型号及规格单位数量1燃气内燃发电机3328KW 5 台电力输出3328KW(25℃)制冷量2643KW2余热直燃机250万大卡制冷量2908KW ,供热量2245kw5 台项目特点能源公司投资建设运营业主自建常规能源部分并网不上网数据中心安全性要求高冬季向外供热项目现状部分发电机组投入运行能源价格不高于常规系统机房安全性保障：燃气发电机组做为主电源，发电设备的设置台数按4+1考虑双路市电，双路冗余UPS供电烟气热水型溴化锂吸收式冷热水机组按100%补燃考虑，在发电机组故障时，可以通过补燃保证冷热供应以双路气源保障燃气供应安全性设置有电制冷机环路管网冬季自然冷却发电机控制策略：DCS实时监控相关10kV各段母线市电功率及发电机组发电功率当某段10kV市电功率为（400-X）kW（可设定）时，DCS发出降低发电机组出力XkW的指令同时DCS实时监控冷电负荷变化，如根据余热所供冷负荷计算得到相应发电量低于发电机组出力超过10%（可设定）时，向发电机组群控系统发出降低发电机组出力的指令DCS与电制冷系统采用硬接线连接当三联供系统制冷能力不足（或需要优化运行、或故障）时，DCS 向电制冷系统发出需求信号电制冷系统无论当前为任何状态，都将转换为向IDC供冷状态谢谢！。
技术报告 20111019 WSN的功率控制技术总结报告 张震
WSN的功率控制技术总结报告上海无线通信研究中心研发一部融合网络组保密内容1 概述 (3)2 功率控制技术的分类 (3)2.1 与路由协议结合的功率控制技术 (3)2.2 基于节点度的功率控制技术 (3)2.3 基于方向的功率控制技术 (3)2.4 基于临近图的功率控制技术 (3)3 功率控制技术对WSN的影响。
(3)3.1 对网络层的影响 (3)3.2 对物理层的影响 (4)3.3 对MAC层的影响 (4)3.4 小结 (5)4 基于功率控制的MAC协议（PCSMAC） (5)1 概述WSN有很多特点，其中最重要的一个特点就是节点的能量有限性，如何减少各层的功耗是当前的研究重点，功率控制技术就是其中的方法之一。
所谓功率控制，一般是指在保证WSN网络连通的前提下，以延长网络生命期为主要目标，兼顾通信干扰、网络延迟等其它性能，为传感器节点选择合适的发射功率.2 功率控制技术的分类目前业界对WSN的功率控制技术的研究主要集中在以下几个方向：2.1 与路由协议结合的功率控制技术基本思想是认为拓扑控制属于网络层，拓扑控制应该与路由协议相结合。
代表性的工作有伊利诺斯大学的Narayanaswamy 等人提出的COWPOW，Kawadia 和Kumar 提出的CLUSTERPOW等。
COWPOW的基本思想是所有的传感器节点使用一致的发射功率，在保证网络连通的前提下，将功率最小化。
在节点分布均匀的情况下，COMPOW具有较好的性能。
但是一个相对孤立的节点会导致所有的节点使用很大的功率，所以在节点分布不均的情况下，它的缺陷是明显的。
CLUSTERPOW 是对COMPOW 的改进。
其基本思想是：每个节点运行一个工作在各个功率层上的路由协议。
但是CLUSTERPOW的开销太大。
2.2 基于节点度的功率控制技术基本思想是给定节点度的上限和下限，动态调整节点的发射功率，使得节点的度数落在上限和下限之间. 基于节点度的功率控制一般对传感器节点没有太高的要求，但是基于节点度数的算法难于理论分析，一般不能保证网络的连通性. 具有代表性的基于节点度算法有柏林工业大学的Kubisch 等人提出的LMA 和LMN等。
多速率无线Mesh网络环境下功率控制与调度机制_PSMR
收稿日期: 2010- 07- 01; 修回日期: 2010- 08- 31。 基金项目: 湖南省自然科学基金资助项目 ( 09ZZ4034 )。 作者简介: 李威煌 ( 1984- ) , 男, 广东韶关人, 硕士研究生, 主要研究方向: 无线网络与移动计算、无线 M esh 网络; 吕品 ( 1983- ) , 男, 山东 滨州人, 博士研究生, 主要研究方向: 无线网络与移动计算; 陈 颖文 ( 1979 - ) , 男, 湖 南株洲人, 讲师, 博士, 主 要研究方 向: 无线网 络与移动 计 算、车辆自组网; 徐明 ( 1964- ) , 男, 湖南长沙人, 教授, 博士生导师, 博士, 主要研究方向: 计算机体系结构、无线网络与移动计算。
M ∃ M ∀, 向量 R (m ) = [ r(1m ) , r2(m ), %, rN(m ) ] 表示第 m 种状态, 这 里不同的速率分配状态即为不同的传输模式。
目 前, 在 无 线 传 感 器 网 络 ( W ire less Senso r N etwo rk, W SN ) [ 3- 4], M ANET [5- 7] 和 无 线 局 域 网 ( W ireless L ocal A rea N e tw ork, W LAN ) [ 8] 领域已开展 了相当 丰富的 研究, 最初的 研 究工作是在满足 一定 条件 (如 一定 的邻 居个 数、某个 角度 上 的邻居数、全网连通 性等 ) 下, 以最 小的 功率 进行 数据 发送。 WM N 有其自 身的 特 点, 对 于 有电 源 供 电 的 M esh 路由 器 节 点, 能量不再受到限制, 如何利用功率控 制技术保证网络的服 务质量成 为了 新 的研 究方 向。 R am achandran等 人 [9] 面向 高 密度的 IEEE802. 11 W LAN 提出了 Sym phony协议。节点以贪 心的方式选择功率和速率。由于每个节 点都试图最大化自己 的速率, 而忽略了对其他并发传输节点的干扰。因此, 该协议 对吞吐率的优 化不 是全网 最优 的。文献 [ 10 ]以 提高 系统 吞
用于O F D MA系统多小区干扰协调的功率分配算法
于子信道分配结果， 在小区间进行功率分配［ ［ ５ １ ２１ 算法描述 ．
由于子信道分配是比较独立的一部分， 同时其 结果是功率分配的基础， 即功率分配会继承子信道 分配的某些特性．因此， 基于优化 目标， Ａ － Ｍ Ｐ Ｂ Ｉ Ｒ算法在子信道分配部分采用了等功率的 Ｐ ＳＮ Ｆ
即Ｙ．＝ ｉ …＝Ｙ。 有 二 ｔ时， ，
习。 ．一１ ‘。 ， ＊
其中， 个约束条件分别为： ３ 对每个基站的功率约束
子信道分配之后，ｉ，已确定， ａｋ ，二 此时 Ｃｋ Ｎ ｉ， ， ｎ Ｙｋ及Ｐｋ可 ｉ， ｉ， 简化为ＣｎＹ二 ｉ． 式（ 和 ，。 ， 。 ｉ． ， 由 １ ， 及ｐ二 ｉ ， ）
（）多小区系统总吞吐量可表示为 ２， ！ １
万方数据
北 京 邮 电大 学学 报
第３ １卷
Ｎ， 每个子信道的带宽为 Ｂ 二 Ｉ 其标号为 １ ， Ｂ Ｎ， 一
Ｎ， 并规定每个子信道在一次调度中只能分配给 １ 个用户。 考虑 Ｉ 个具有同频干扰的相邻小区， 每个 小区活跃的用户数为 Ｋ， 不同小区中标号相同的子 信道称为 同频子信道．最后假设信道状态信息
Ｐ ｗｅ Ａｌ ｃ ｔ ｎ ｈ ｍｅ ｒ ｕｔ ｅｌ ｔｒｅ ｅ ｃ Ｃｏ ｒ ｉ ａ ｉｎ ｏ ｒ ｌ ａ ｉ Ｓ ｅ ｏ ｏ ｃ ｆ Ｍ ｌ ｃ ｌ Ｉ ｅ ｆｒ ｎ ｅ ｏ ｄ ｎ ｔ ｏ ｉ ｎ ｏ
ｉＯ Ｄ ｎ ＭＡ ｓ ｍｓ Ｆ Ｓ ｔ ｙｅ
Ｆ ｂ２ ０ ８ ｅ ．０
Ｖｏ． Ｎｏ １ ｌ３ １ ．
文章编号： ０－ ２（０８０－ ７－ １ ７ ３１２０）１ ０１ ４ ０ ５ ０ ０
用于 Ｏ Ｄ Ｆ ＭＡ系统多小区干扰协调的功率分配算法
无线传感网优化生存时间的分布式功率控制
无线传感网优化生存时间的分布式功率控制陈友荣;刘半藤;程菊花;俞立【摘要】To prolong the lifetime in wireless sensor networks, distributed power control algorithm for optimizing lifetime(DPCOL) is proposed. The algorithm analyzes the conditions such as link flow balance constraint, link constraint for maximum transmission rate and node energy constraint when node transmission power changes. It establishes the maximum network lifetime module. To solve the model, distributed power iterations and subgradient algorithm are used. Nodes obtain the minimum transmission power set needed to communicate with neighbors, randomly select the current transmission power from the set, receive the parameter information of neighbor nodes, and distributed compute node lifetime with subgradient algorithm. After a certain time of iterations, DPCOL can obtain the local optimal network lifetime,local optimal transmission power of each node and current data forwarding probability. Simulation results show that the algorithm can balance node energy consumption and the number of neighbor nodes, and prolong the network lifetime. Under certain conditions, DPCOL algorithm outperforms the algorithm which uses fixed transmission power.%为延长无线传感网的生存时间,提出优化生存时间的分布式功率控制算法(DPCOL).该算法分析节点发送功率变化下的链路流量平衡约束,链路最大传输速率约束,节点能耗约束等条件,建立最大化生存时间的网络模型.采用分布式功率迭代和次梯度算法求解该模型.节点获知与各邻居节点通信所需要的最低发送功率集,随机选择发送功率集中的功率作为当前发送功率,接收邻居节点的参数信息,通过次梯度算法分布式计算节点生存时间.经过一定时间的迭代计算,可获得网络局部最优生存时间,各个节点局部最优发送功率和当前的数据转发概率.仿真实验表明,该算法可以平衡节点能耗和邻居节点数量,延长网络生存时间,在一定的条件下比采用固定发送功率的算法更优.【期刊名称】《传感技术学报》【年(卷),期】2011(024)012【总页数】7页(P1787-1793)【关键词】无线传感网;优化生存时间;功率控制;次梯度【作者】陈友荣;刘半藤;程菊花;俞立【作者单位】浙江树人大学信息科技学院,杭州310015;浙江工业大学信息工程学院,杭州310032;浙江树人大学信息科技学院,杭州310015;浙江树人大学信息科技学院,杭州310015;浙江工业大学信息工程学院,杭州310032【正文语种】中文【中图分类】TP393无线传感网是由很多具有感知、计算和通信能力的能量有限节点组成。
微网孤岛模式下负荷分配的改进控制策略
微网孤岛模式下负荷分配的改进控制策略一、概述随着可再生能源技术的不断发展，微电网作为智能电网的重要组成部分，其孤岛运行模式下的负荷分配控制策略日益受到关注。
微电网孤岛运行模式是指在主电网断开连接的情况下，微电网内部各分布式电源（DG）能够独立地为网内用户提供电能，保持系统的稳定运行。
由于分布式电源的分散性和多样性，如何在孤岛模式下实现各DG的并联协调控制，合理分配负荷，保证孤网稳定运行，成为了一个亟待解决的问题。
传统的负荷分配控制策略往往无法适应微电网孤岛运行模式的复杂性和不确定性，难以保证电源与负荷之间的功率平衡。
本文旨在研究微网孤岛模式下负荷分配的改进控制策略，通过引入新的控制算法和参数优化方法，提高负荷分配的精确度和稳定性，为微电网的孤岛运行提供更为可靠、高效的解决方案。
本文将首先分析微电网孤岛运行模式下的负荷特性及DG的控制需求，然后针对传统控制策略的不足，提出一种基于虚拟阻抗和下垂控制的改进控制策略。
该策略通过引入虚拟阻抗模型，模拟电力系统的复杂负载特性，并结合下垂控制算法，实现DG之间的无功均分和负载平衡。
本文还将通过仿真实验验证所提控制策略的有效性，并探讨其在不同场景下的应用前景和局限性。
通过对微网孤岛模式下负荷分配的改进控制策略的研究，本文旨在为微电网的孤岛运行提供更为可靠、高效的控制方法，推动微电网技术的进一步发展，为可再生能源的利用和电力系统的可持续发展做出贡献。
1. 微网孤岛模式的定义与重要性微网孤岛模式，指的是当主电网因故障或维护等原因与微电网断开连接时，微电网能够维持其内部电力供应的独立运行状态。
在这一模式下，微电网内部的可再生能源发电设备（如风力发电机、太阳能光伏板等）以及储能设备（如蓄电池组、超级电容器等）将协同工作，确保为微网内的用户提供持续、稳定的电力供应。
微网孤岛模式的重要性在于其提供了电力供应的冗余性和可靠性。
在传统的电网结构中，一旦主电网发生故障，往往会导致大面积的停电，给人们的生产生活带来极大的不便。
无线传感器网络功率控制算法研究综述
无线传感器网络功率控制算法研究综述作者：矫乐苗卓郝兴浩来源：《中国新技术新产品》2016年第15期摘要：在无线传感器网络能量的研究中，功率控制技术是节省能量的核心技术之一，本文首先介绍了功率控制算法的分类，其次给出了几种典型的算法并简要说明其优缺点，最后简述目前功率控制技术存在的不足以及未来的发展形势。
关键词：网络能量；功率控制；算法中图分类号：TN92 文献标识码：A0.引言无线传感器网络（WSN）是一种用于观察、检测、感知并采集信息的监测管理网络，被称为 21 世纪最重要的技术之一。
随着WSN的兴起，人们可以随时随地、以任何方式获取以及处理信息，从而真正实现了“普适计算”模式。
传感器网络节点由电池供电，常用于环境监测、健康护理、智能家居等领域，一般不能更换电池，能量有限。
功率控制技术是目前节约网络能量的一个主要方法。
网络常采用功率控制算法提升网络性能。
从网络层角度分析，可以将算法分为3种，一是网络级功率控制算法；二是邻居节点级功率控制算法；三是独立节点级功率控制算法。
其三者的区别主要在于节点发射功率是否统一，是否可以根据实际改变大小。
1.典型的功率控制算法1.1 网络级功率控制算法（1）COMPOW（Common Power）算法采用COMPOW算法的网络节点首先以大小不同的发射功率对网络进行连通并探测网络环境，然后选择适合当前环境的最小的发射功率作为所有节点统一的发射功率。
其优点是可以使网络平衡并解决网络不对称引起的隐蔽终端问题等；缺点是不能根据实际情况进行功率的调整，浪费能量。
（2）CPC （Common Power Control）算法采用CPC算法的网络节点首先要确定自身节点与每一个相邻节点之间的发射功率，将功率大小进行比较，选择其中能保证网络连通的最佳发射功率，然后采用洪泛的方式通知所有节点将最佳功率做为全网统一接收发送功率。
其优点是适合应用在大规模网络中；缺点是最佳功率的选择过程比较复杂。