随机能量到达条件下单调递增凸函数系统效用最大化的能量分配方法技术方案

本发明专利技术研究了在一定时间内，在能量因果(硬)约束、能量饱和(软)约束下，实现凸递增函数系统效用最大化的离线一维资源分配问题。利用Karush

【技术实现步骤摘要】
随机能量到达条件下单调递增凸函数系统效用最大化的能量分配方法


[0001]本专利技术涉及一种算法，可用于能量采集系统任务的资源分配。该算法可以在随机能量到达条件下，最大化单调递增凸函数效用函数的系统效用，实现一维度的最优能量分配。

技术介绍

[0002]近年来，能量收集系统在通信系统、可穿戴或可植入设备、结构健康监测系统、无线传感器网络和车辆区域网络等领域受到广泛关注。例如，EH设备可以作为车辆边缘计算网络中的道路侧单元(Road Side Unit，RSU)，完成车辆安全预警、车辆调度、车辆控制和人工信息服务等任务。其它应用的实例在雾计算场景，EH设备可以作为人工服务器或雾节点，收集、存储、处理数据并转发到网络边缘(物联网网关)。能量收集系统可执行各种任务，包括传感、传输、诊断、治疗和预防疾病的特定功能、工业过程机监测和控制功能、车辆安全预警、监测、控制功能、信息服务、智能交通等。收集的能量可用于补充物联网节点的电池，可来自自然资源(如太阳能)和人工资源。因此，研究能量随机达到且能量可以在时隙之间因果流动情况下考虑能量在各个时隙的分配问题，对于提高系统性能具有重要意义，可以最大限度地利用能量，达到系统最大效用。
[0003]之前文献提出了隧道方法Tunnel Policy[1]，当能量分配直线可以前后碰到多个上沿、下沿的时候，Tunnel Policy将可能得到非最优的分配解。文献[2]指出了最优解结构，但是没有给出具体的求解方法和步骤。
[0004][1]K.Tutuncuoglu and A.Yener，“Optimum transmission policies forbattery limited energy harvesting nodes，”IEEE Transactions on Wireless Communications，vol.11，no.3，pp.1180
‑
1189，March 2012.
[0005][2]O.Ozel，K.Tutuncuoglu，J.Yang，S.Ulukus，and A.Yener，“Transmission with energy harvesting nodes in fading wireless channels：Optimal policies，”IEEE Journal on Selected Areas in Communications，vol.29，no.8，pp.1732
‑
1743，Sep.2011

技术实现思路

[0006]本专利技术解决的技术问题是：在现有策略的基础上，提出了利用KKT方法对能量采集的系统的能量优化分配方法，比隧道策略可以达到更大的系统效用；
[0007]本专利技术技术解决方案的特点在于包括下列步骤：
[0008]1)首先提出了能量收集模型，并给出能量收集问题的两个约束性条件分别是因果硬约束，饱和性软约束，并定义了目标函数，最终将值最大化；
[0009]3)由于待优化问题目标函数是凸函数且同时遵循因果硬约束和饱和性软约束，该问题是一个遵循随机能量到达的优化问题。通过在隧道策略的基础上，给出相关参数的定
义，指出相对于隧道策略，本专利方案具有更优解，利用KKT优化条件对目标函数进行分析并结合约束条件给出相应的拉格朗日函数，对因果性硬约束条件的拉格朗日乘子是u，对饱和性软约束条件的拉格朗日乘子是λ。并给出下面算法来解决问题；
[0010]在因果硬约束和饱和软约束下一维分配算法(EEBP
‑
有效触碰边界策略)，其特征在于以下步骤：
[0011]1)当l
ueff
＝max{l
u1
，l
u2
，..，l
ueff
}，l＝l
u1
，l
u2
，
…
，l
ueff
是p1触及最长可用通道上界的时隙集合，取最后一个时隙为有效的触碰上界，之后也就是在饱和性软约束约束条件下s
l
之前的乘子都为0；收集从时隙1到时隙s＝l
ueff
的斜率p1＝p0[l
ueff
]的能量，其中n1＝l
ueff
；
[0012]2)否则，l
λeff
＝max{l
λ1
，l
λ2
，
…
，l
λeff
}，l＝l
λ1
，l
λ2
，
…
，l
λeff
l＝l
λ1
，l
λ2
，
…
，l
λeff
是p1触及最长可用通道下界的时隙集合，取最后一个时隙为有效的触碰下界，之后为0，也就是在因果性硬约束约束条件下s
l
之前的乘子都为0；收集从时隙1到时隙l＝l
λeff
的斜率p1＝p
max
[l
λeff
]的能量，n1＝l
λeff
；
[0013]3)使用修改后的更新后的参数对更新后的问题迭代使用上述步骤1)和2)，直到所有时隙处理完为止；E0′
＝E
max
，，
[0014]本专利技术的原理是：由于所研究问题是一个能量收集的凸优化，通过修改隧道策略，利用环境约束条件得到拉格朗日函数，并利用KKT条件，得到每个时隙所要消耗能量的最优解的解结构，利用解结构改进隧道算法，从而得到各个时隙使用能量的最优解，即整个过程能量消耗策略。
[0015]本专利技术与现有技术相比的优点在于：与之前所提出的隧道策略相比，用目标函数更大。
附图说明
[0016]图1为本专利技术时隙能量到达模型。
[0017]图2为本专利技术在能量隧道中的对于能量的分配策略
具体实施方式
[0018]我们考虑一个时隙能量到达模型，能量在时间上随机到达，如图1所示。所有的时间段都有相同的长度。我们假设在时刻0，电池中有初始的E0单位能量，E
max
为电池的容量。在某时间时隙中收集的能量由饱和性软约束给出，每个时隙到达能量为E
s
，我们有s＝1，2，
…
n+1。我们考虑满足因果性硬约束和饱和性软约束约束的时隙间的能量流。
[0019]为了更好地利用随机到达的收集能量在处理器上执行任务，必须在若干实际约束下最大限度地提高嵌入式系统上任务的Qos。这些约束包括：
[0020]能量因果关系(Energy causality，因果性硬约束)约束：每个时隙i的加工任务可用能量是有限的，由最后一个时隙s
i
‑1结束时的能量决定。不可能利用尚未到来的能量，也不可能利用现在这个时段的能量。p
s
是每个时隙任务所消耗的能量
[0021本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.在只考虑因果性约束和饱和性约束下，一种随机能量到达条件单调递增凸函数系统效用最大化的能量分配方法(有效触碰边界策略，Effective Encountering Bound Policy，EEBP)，其特征在于包括以下步骤：在阐述步骤1)前，先对于使用的符号和问题模型进行必要的解释；假设初始有E0单位的能量，E
max
是电池容量；E
k
是各个时隙吸收的能量，在每个时隙末测量出来的，k是时隙编号，k＝1，...，N+1；以下是隧道策略的计算方法，P[n]＝[p
max
[n]，p0[n]]＝{p|p
max
[n]≤p≤p0[n]}，[n]}，n是时隙编号；n
ub
是使用已有几何规划方法进行计算，在能量分配隧道中，可以有分配解的最大时隙；F(
·
)是问题的相对于每个时隙的消耗能量p
s
是递增凸的目标函数；能量因果关系(硬)约束：每个时隙i的加工任务可用能量是有限的，由最后一个时隙s
i
‑1结束时的能量决定；不可能利用尚未到来的能量，也不可能利用现在这个时段的能量；p
s
是每个时隙任务所消耗的能量能量饱和约束：任务处理的可用能量存在能量容量约束；要求最后一个时隙结束时的剩余能量加上到达该时隙的能量小于电池的存储容量；否则，能量会从电池溢出，导致能源效率低下，是次优解决方案，这不是硬性约束；我们使用Karush
‑
Kuhn
‑
Tucher(KKT)最优性条件来分析这个问题，我们定义了关于任意λ
l
≥0，u

【专利技术属性】
技术研发人员：姚彦鑫，沈强，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：