[论文解读] Modeling and Analysis of Energy Harvesting and Smart Grid-Powered Wireless Communication Networks: A Contemporary Survey

Shuyan Hu, Xiaojing Chen+3 more|arXiv (Cornell University)|Dec 31, 2019

Energy Harvesting in Wireless Networks参考文献 223被引用 7

一句话总结

本综述全面分析了能量采集（EH）与智能电网供电的无线网络，重点研究能量再分配、双向交易以及凸优化和李雅普诺夫（Lyapunov）方法等优化技术。结果表明，通过智能电网互操作性和动态能源规划，有效的能源管理可显著降低5G/后5G网络中的电费和棕色能源消耗。

ABSTRACT

The advancements in smart power grid and the advocation of ``green communications'' have inspired the wireless communication networks to harness energy from ambient environments and operate in an energy-efficient manner for economic and ecological benefits. This article presents a contemporary review of recent breakthroughs on the utilization, redistribution, trading and planning of energy harvested in future wireless networks interoperating with smart grids. This article starts with classical models of renewable energy harvesting technologies. We embark on constrained operation and optimization of different energy harvesting wireless systems, such as point-to-point, multipoint-to-point, multipoint-to-multipoint, multi-hop, and multi-cell systems. We also review wireless power and information transfer technologies which provide a special implementation of energy harvesting wireless communications. A significant part of the article is devoted to the redistribution of redundant (unused) energy harvested within cellular networks, the energy planning under dynamic pricing when smart grids are in place, and two-way energy trading between cellular networks and smart grids. Applications of different optimization tools, such as convex optimization, Lagrangian dual-based method, subgradient method, and Lyapunov-based online optimization, are compared. This article also collates the potential applications of energy harvesting techniques in emerging (or upcoming) 5G/B5G communication systems. It is revealed that an effective redistribution and two-way trading of energy can significantly reduce the electricity bills of wireless service providers and decrease the consumption of brown energy. A list of interesting research directions are provided, requiring further investigation.

研究动机与目标

• 提供对未来无线网络中能量采集（EH）与智能电网集成的当代综述。
• 分析基于EH系统的受限运行与优化，包括点对点、多跳及多小区架构。
• 研究无线网络与智能电网之间的能量再分配、动态定价及双向能量交易。
• 对比凸优化、拉格朗日对偶法及基于李雅普诺夫的在线优化方法等优化技术。
• 识别在终端用户能量采集、机器学习集成以及绿色无线网络分布式优化方面的开放研究挑战。

提出的方法

• 调研可再生能源采集技术的经典模型及其与无线网络的集成。
• 分析在各种网络拓扑结构中的受限能量运行：点对点、多点对点、多跳及多小区系统。
• 回顾同时无线信息与能量传输（SWIPT）作为无线通信中EH的关键实现方式。
• 评估蜂窝网络内部的能量再分配，以利用冗余采集的能量并减少对电网的依赖。
• 应用动态定价模型及蜂窝网络与智能电网之间的双向能量交易机制。
• 对比优化框架：凸优化用于离线规划，基于李雅普诺夫的在线算法用于动态实时自适应。

实验结果

研究问题

• RQ1 如何有效重新分配蜂窝网络中采集的冗余能量，以减少对电网的依赖？
• RQ2 在智能电网定价模型下，哪些优化技术对动态能源规划最为有效？
• RQ3 无线网络与智能电网之间的双向能量交易如何影响电费支出和棕色能源消耗？
• RQ4 在终端用户设备中集成能量采集以实现自持通信系统面临哪些关键挑战？
• RQ5 如何利用机器学习技术提升能量预测、用户调度及EH驱动的5G/后5G网络中的服务质量（QoS）？

主要发现

• 有效实施能量再分配与双向交易可显著降低无线网络服务提供商的电费支出和棕色能源消耗。
• 基于李雅普诺夫的在线优化在动态、独立同分布（i.i.d.）环境中可实现渐近最优性，适用于实时能源管理。
• 基于拉格朗日对偶法的方法可为离线能量调度中的凸优化问题提供全局最优解。
• 终端用户端的能量采集仍是一个开放挑战，亟需新的能量共享、干扰对齐及分布式优化框架。
• 机器学习技术——尤其是强化学习——在建模未知的能量采集过程以及解决智能电网、基站与用户之间的博弈论交互方面展现出巨大潜力。
• 智能电网与无线网络的集成可实现需求响应协调、负荷共享及动态流量卸载，从而提升整体系统效率。