基于业务量的自适应IEEE802.16e休眠机制

IEEE802.16系统中引入休眠模式来减小终端的能量消耗以及对服务基站空口资源的占用。为了进一步有效提高终端的省电率,提出了一种基于业务量的自适应休眠机制。它能够根据终端当前的业务繁忙程度动态调整其工作模式,有效地避免了终端在普通模式与休眠模式之间频繁切换。通过建立该休眠机制的马尔科夫模型,分析了终端平均功率消耗、平均时延与计数器门限值之间的关系。仿真结果表明,与标准的指数增长算法相比,提出的休眠机制能量节省率至少可提高30%。     

LTE无线系统终端省电机制研究

针对长期演进(LTE)系统恒功率休眠模式中存在的低业务、高功耗等缺点,提出一种变功率休眠算法。该算法可根据终端业务要求,动态改变休眠周期,以提高终端的待机时间,并以该算法为基础,探讨休眠状态终端的平均响应时间和平均功耗等问题。仿真实验表明,与恒功率休眠算法相比,该变功率休眠算法可以减少功耗6%~12%。     

无线传感器网络中基于最小跳数路由的节点休眠算法

结合无线传感器网络中的最小跳数路由协议,根据功能的不同将传感器节点分为只进行数据采集的终端节点和既进行数据采集又要转发数据的中间节点两类;提出一种节点休眠算法,对前述两种节点采取不同的休眠/唤醒策略以降低能耗。理论分析和仿真结果表明：所提节点休眠算法节约了节点能量,延长了无线传感器网络的寿命。     

基于自相似流的IEEE 802.16e休眠算法

为了减少移动站点的功率消耗,降低服务基站空中资源的使用,IEEE802.16e引入了休眠模式。移动站点与服务基站协商后进入休眠周期并暂时终止业务服务。休眠模式算法目前研究工作大都基于包到达服从泊松过程的假定来设计与分析算法,但研究表明,数据包到达的时间间隔遵循类似Pareto分布的重尾分布。针对网络流量的自相似特性,提出指数递减的休眠模式算法。理论分析与实验表明,此算法在平均响应时间和平均能量消耗方面都要优于IEEE802.16e协议所建议的指数递增休眠模式算法。     

一种动态能量感知的节点休眠调度算法

为减小低占空比无线传感器网络（LDC-WSN）中端到端的休眠延迟和均衡能量负载,提出了一种动态能量感知的节点休眠调度算法（DESS）,该算法通过感知节点剩余能量的动态变化,自适应地增加苏醒时隙的次数,用以平衡网络中节点的能量消耗。仿真结果表明,与同类算法的LES和TOSS相比,DESS在休眠延迟以及能源消耗等方面带来明显的性能提升,有效地延长网络的生命周期。     

计数器驱动的IEEE 802.16e休眠模式研究

为了降低移动终端的能量消耗以及对基站空口资源的占用,IEEE 802.16e标准定义了休眠模式。针对计数器驱动的休眠工作模式与IEEE 802.16e标准不能较好兼容的局限,提出了改进的计数器驱动休眠算法,建立马尔可夫链模型分析其性能,推导出平均时延、平均功耗与计数器门限值等参数之间的内在关系,在此基础上给出了不同QoS要求的连接所对应的参数设置方案。     

一种无线传感器网络自适应休眠算法的研究

降低无线传感器网络的能耗一直是迫切解决的问题。通过对无线传感器网络节点能耗分布情况的研究,发现对无线传感器网络节点休眠,可以减少节点收发能耗。针对降低无线传感器网络节点能耗的问题,文中基于多因素、多层次的层次分析法,设计了一种无线传感器网络自适应休眠算法(AHP休眠算法)。实验表明该算法依据信息采集需求和节点剩余能量自适应控制网络节点的休眠和收发,与传统的RS休眠和定时休眠算法对比,提高了节点能量的利用率,延长网络生命期。     

一种无线传感器网络自适应休眠算法的研究

降低无线传感器网络的能耗一直是迫切解决的问题,通过对无线传感器网络节点能耗分布情况的研究,发现对无线传感器网络节点休眠,可以减少节点收发能耗。针对降低无线传感器网络节点能耗的问题,本文基于多因素、多层次的层次分析法,设计了一种无线传感器网络自适应休眠算法（AHP休眠算法）。实验表明该算法依据信息采集需求和节点剩余能量自适应控制网络节点的休眠和收发,与传统的RS休眠[1][2]和定时休眠算法[3]对比,提高了节点能量的利用率,延长网络生命期。     

一种太阳能传感器网络的自适应休眠调度算法

通过从外界获取太阳能,传感器网络节点的能量限制得到缓解。提出一种太阳能传感器网络的自适应休眠调度算法。当观测场景从区域观测到目标跟踪转变时,节点自适应地转换活跃和休眠状态,同时剩余能量低于能量阈值的休眠节点从外界获取太阳能。与不考虑太阳能获取的休眠调度算法相比,提出的算法延长了网络生命周期。     

SEBCDS:无线传感网络的连通支配集算法

由于无线传感网络(WSN,sireless sensor network)节点受到能量和传输距离的约束,有效地构建连通支配集(CDS,connected dominating set)是提高WSN数据传输效率的重要技术手段.然而,现存的多数构建CDS算法只强调CDS规模,没有考虑网络的能量均衡.为此,提出了基于休眠机制和能量均衡的连通支配集(SEBCDS,sleep-and energy-balance-based connected dominating set)算法.SEBCDS算法首先选择剩余能量高和邻居节点多的节点作为支配节点,并为支配节点选择副支配节点,然后采用休眠机制,让一部分支配节点工作,另一部分支配节点休眠,降低网络能量消耗.仿真结果表明,提出的SEB-CDS算法能够降低能量消耗、延长CDS的生命周期.与TCDS算法相比,能量消耗降低了23％,CDS的生命周期提高了约31%.     

基于WirelessHART协议的适配器低功耗设计

针对WirelessHART适配器因功耗高造成回路压降大,导致工作不稳定以及过程数据回传周期长、实时性差的问题,提出一种基于WirelessHART协议的适配器低功耗设计。本设计分析了适配器能耗最高的搜索态与运行态特点,采用多态独立式节能策略。搜索态阶段,通过动态MCU睡眠机制,优化广告包搜索算法,提高搜索效率,使回路压降只有2.5 V,保证入网稳定性。运行态阶段,引入电能动态自适应算法与MCU睡眠机制,降低电能消耗,结合TDMA时隙调度算法,提升过程数据回传的实时性。实验表明,适配器以4~20 mA回路供电方式,在环境温度-40℃~85℃条件下,工作稳定,整体功耗降低40%,过程数据回传周期缩短4倍。     

基于分簇协作频谱感知的认知无线网能量效率研究

针对认知无线网能量消耗引起的能量效率较低问题,在研究认知无线网分簇协作频谱感知能量效率的基础上,提出了一种最优功率分配算法来最大化次用户系统的能量效率。通过建立基于次用户能量效率最大化传输优化模型,在考虑传输功率、感知时间以及干扰限制的情况下,利用拉格朗日函数及KKT条件,得到最优次用户发射功率分配算法,以达到系统能量效率最大化的目的,同时分析了不同参数对能量效率的影响。仿真结果表明,本文所提算法能有效提高次用户系统的能量效率、减少系统开销。     

认知无线电中能效优化的子载波匹配策略

针对协作认知无线电系统中的能量效率问题,提出一种以最大化能量效率为目标的资源联合分配算法。在满足服务质量要求和功率约束的情况下,首先通过一种能量效率优先的启发式方案对子载波进行匹配,再引入基于拉格朗日对偶算法对其中的功率分配问题进行非线性优化,从而最大限度地提高整个系统的能量效率。仿真实验结果表明,所提算法的能量效率得到显著提升,验证了所提方案的有效性。     

NOMA系统异构网络中联合用户关联和功率控制协同优化

针对非正交多址接入(Non-Orthogonal Multiple Access,NOMA)系统的两层异构网络,提出了基于效用函数最大化模型的用户关联与功率控制协同优化问题。在该问题中将系统总能效作为效用函数,在一定的用户服务质量要求(QoS)和最大功率限制约束下,提出一种联合用户关联和功率控制的算法。该算法首先将原问题转换为带参数的多项式形式的问题,在外层循环利用二分法求得最佳的能效因子,然后在内层循环分别利用分布式用户关联算法和功率控制算法得到最佳的用户关联矩阵和最佳传输功率,最终实现系统总能效最大化。仿真结果表明,所提算法在能效方面比单独的固定功率分配方案和固定用户关联方案性能更优。     

电网设备能效综合评估算法及其应用

为了降低电网能耗,为其设备优化升级提供指导,以电网主要设备为研究对象,建立了能效综合评估算法。首先分析电网设备能效影响因素,建立设备能效模型,从单类设备综合损耗率与单台设备损耗率严重超标台数率两个方面挖掘能效指标并给出指标计算方法。考虑到各指标对能效影响的重要程度是多方面的,建立递阶层次结构模型,采用层次分析法计算指标的权重值,同时采用模糊综合评价法计算指标的能效量化分值,以克服其模糊性。采用所建立的算法对某电网的主要设备进行能效分析评估,结果表明了该方法的实用性和有效性。     

联合能量路由和睡眠调度算法的分析与改进

为最大化链路负载小,并对时延有要求的无线传感器网络(WSN)的生存时间,对联合路由和睡眠调度的IGP算法进行了分析与研究,提出了改进算法。改进算法统计节点一段时间内收发的数据包数和空监听周期数,根据统计结果计算使工作功率最小时的节点睡眠时间,设置此时间为该节点下一时间段的睡眠时间,最后将该功率传递给它的邻接节点。节点用保存的邻接节点的工作功率预测邻接节点的剩余能量,根据预测的剩余能量进行能量路由选择。理论分析及模拟实验表明,改进算法使网络生存时间延长了23%左右,并减少了网络时延。     

Dynamic power management in wireless sensor networks

We propose an OS-directed power management technique to improve the energy efficiency of sensor nodes. Dynamic power management (DPM) is an effective tool in reducing system power consumption without significantly degrading performance. The basic idea is to shut down devices when not needed and wake them up when necessary. DPM, in general, is not a trivial problem. If the energy and performance overheads in sleep-state transition were negligible, then a simple greedy algorithm that makes the system enter the deepest sleep state when idling would be perfect. However, in reality, sleep-state transitioning has the overhead of storing processor state and turning off power. Waking up also takes a finite amount of time. Therefore, implementing the correct policy for sleep-state transitioning is critical for DPM success. It is argued that power-aware methodology uses an embedded microoperating system to reduce node energy consumption by exploiting both sleep state and active power management     

能效最优准则下的无人机中继系统的功率分配算法

由于无人机（Unmanned aerial vehicle,UAV）机动性好且部署简单,基于无人机中继的传输技术受到了广泛关注。功率作为通信系统的重要资源,其分配问题直接影响各条链路的性能和整个通信系统的能量效率。本文以莱斯衰落信道为背景,提出了一种在系统能效准则下的无人机中继通信系统的功率分配算法。首先在双跳放大转发（Amplify-and-forward,AF）中继传输模型的基础上建立功率分配的优化模型,将功率分配问题转化为求解最大系统能效的优化问题。在最优功率分配的求解过程中,先固定发射信号功率,获得波束形成优化方案;然后通过大信噪比区间近似,将非凸优化问题转化为凸优化问题;最后利用KKT（Karush-Kuhn-Tucker）条件,计算得出功率分配方案的闭式解。仿真实验表明,本文算法相对于迭代算法降低了算法复杂度。     

Energy management for multi-microgrid system based on model predictive control

To reduce the computation complexity of the optimization algorithm used in energy management of a multi-microgrid system, an energy optimization management method based on model predictive control is presented. The idea of decomposition and coordination is adopted to achieve the balance between power supply and user demand, and the power supply cost is minimized by coordinating surplus energy in the multi-microgrid system. The energy management model and energy optimization problem are established according to the power flow characteristics of microgrids. A dual decomposition approach is imposed to decompose the optimization problem into two parts, and a distributed predictive control algorithm based on global optimization is introduced to achieve the optimal solution by iteration and coordination. The proposed method has been verified by simulation, and simulation results show that the proposed method provides the demanded energy to consumers in real time, and improves renewable energy efficiency. In addition, the proposed algorithm has been compared with the particle swarm optimization (PSO) algorithm. The results show that compared with PSO, the proposed method has better performance, faster convergence, and significantly higher efficiency.