暖通空调系统的容量

暖通空调系统的容量（精选七篇）

暖通空调系统的容量 篇1

多输入多输出 (Multiple-Input Multiple-Output, 缩写为MIMO) 系统是在无线通信智能天线技术的基础上发展起来的, 其主要特点就是在通信系统的收发两端采用多天线配置, 以解决未来移动通信系统大容量, 高速率传输和日益紧张的频谱资源间的矛盾。和智能天线技术不一样的是, 在MIMO系统中从任意一个发送天线到任意一个接收天线间的无线信道是相互独立的或者具有很小的相关性。MIMO系统就是利用多天线来抑制信道衰落。根据收发两端天线数量, 相对于普通的SISO (Single-Input Single-Output) 系统, MIMO还可以包括SIMO (Single-Input Multiple-Output) 系统和MISO (Multiple-Input Single-Output) 系统。

1 MIMO系统

1.1 MIMO系统的工作原理

图1所示为MIMO系统的原理图。传输信息流s (k) 经过空时编码形成N个信息子流Ci (k) , i=1, ……, N。这N个子流由N个天线发射出去, 经空间信道后由M个接收天线接收。多天线接收机利用先进的空时编码处理能够分开并解码这些数据子流, 从而实现最佳的处理。

工作时, 这N个子流同时发送到信道, 各发射信号占用同一频带, 因而并未增加带宽。若各发射接收天线间的通道响应独立, 则多输入多输出系统可以创造多个并行空间信道。通过这些并行空间信道独立地传输信息, 数据率必然可以提高。

1.2 MIMO系统容量

MIMO将多径无线信道与发射、接收视为一个整体进行优化, 从而实现高的通信容量和频谱利用率。这是一种近于最优的空域时域联合的分集和干扰对消处理。系统容量是表征通信系统的最重要标志之一, 表示了通信系统最大传输速率。

对于发射天线数为N, 接收天线数为M的多输入多输出 (MIMO) 系统, 假定信道为独立的瑞利衰落信道, 并设N、M很大, 则信道容量C近似为:

C=[min (M, N) ]Blog2 (ρ/2) (1)

其中B为信号带宽, ρ为接收端平均信噪比, min (M, N) 为M, N的较小者。式 (1) 表明, 功率和带宽固定时, 多输入多输出系统的最大容量或容量上限随最小天线数的增加而线性增加。而在同样条件下, 在接收端或发射端采用多天线或天线阵列的普通智能天线系统, 其容量仅随天线数的对数增加而增加。相对而言, 多输入多输出对于提高无线通信系统的容量具有极大的潜力。可以看出, 此时的信道容量随着天线数量的增大而线性增大。也就是说可以利用MIMO信道成倍地提高无线信道容量, 在不增加带宽和天线发送功率的情况下, 频谱利用率可以成倍地提高。利用MIMO技术可以提高信道的容量, 同时也可以提高信道的可靠性, 降低误码率。

假定一个点对点MIMO系统有nT个发射天线、nR个接收天线。则信道容量公式如下:

undefined. (2)

W为每个子信道的带宽。即每单位带宽上的信道容量为:

undefined. (3)

其中:Im是min (nR, nT) 阶单位矩阵

undefined

. (4)

H为nR×nT阶随机矩阵, 数值服从正态分布.

P/σ2为信噪比, 常用SNR来表示。

为了便于用MATLAB编程, 定义单位信道容量

undefined. (5)

其中SNR=10log10A, 推出undefined。

2仿真及结果分析

仿真基于MATLAB, 首先获得不同信噪比、不同发射、接收天线数目时的信道容量, 再将得到的数据绘在一张图里, 这里列举两种情况的仿真结果。

(1) 发射天线数目为4, 接收天线数目不断增加, 在不同信噪比时的信道容量变化曲线。如图2所示。

从图2中四条不同的曲线我们可以得出结论:

发射天线数量一定, 信噪比不变时信道容量随着接收天线数的增多而增大, 且增大的幅度越来越小。

发射天线和接收天线的数量不变时, 信道容量随信噪比的增大而增大。

(2) 接收天线数目为4, 发射天线数目不断增加, 在不同信噪比时的信道容量变化曲线。如图3所示。

从图3中四条不同的曲线得到的结论是:

接收天线数量一定, 信噪比不变时信道容量随着发射天线数目的增多, 增大的幅度会越来越小。

当发射天线数大于接收天线数时, 信道容量增大的幅度会大幅度减缓, 当nT>10以后, 信道容量基本上就没有多大变化。

3结论

从以上仿真结果可以看到信道容量随着天线数量的增大而线性增大, 也就是说可以在不增加带宽和天线发送功率的情况下利用MIMO信道可成倍地提高无线信道容量。实际应用中影响系统容量的因素有很多, 比如:除了天线数量之外, 天线的间距也是系统设计的一个重要参数;相对于单天线接收机, MIMO接收机的复杂性要明显增加;同时MIMO系统的性能, 会受各条路径之间的相关度、时延扩展和角度扩展的影响。因此, 了解和掌握户内和户外环境中, 无线MIMO信道的特性, 对实现潜在的巨大信道容量、取得预期的性能、选择合适的系统结构和设计优良的信号处理算法至关重要。

摘要：MIMO系统可以在不增加带宽的情况下成倍地提高通信系统的容量和频谱利用率, 是新一代移动通信系统的关键技术。在简要介绍MIMO系统的工作原理及容量公式后, 对不同信噪比、不同发射、接收天线数目情况下的系统容量进行了仿真分析。

关键词：MIMO,系统容量,天线数目,SNR,仿真

参考文献

[1]樊昌信, 曹丽娜.通信原理[M].北京:国防工业出版社, 2007.

[2]黄韬, 袁超伟, 杨睿哲, 等.MIMO相关技术与应用[M].北京:机械工业出版社, 2007.

[3]郭梯云, 杨家玮, 李建东.数字移动通信[M]. (修订本) 北京:人民邮电出版社, 2001.

[4]John D.Kraus.天线Antennas:For All ApplicationsThird Edition[M].第3版.章文勋, 译.北京:电子工业出版社, 2004.

发电互补系统结构与容量配比的研究 篇2

1 风电与燃气轮机发电互补系统

限制互补系统最优容量配比的基本条件, 同时也是风电与燃气轮机发电互补系统结构, 其主要分为以下几方面:

(1) 由于高炉产生的煤气的储存难度比较大, 在风电与燃气轮机发电互补系统实际运行时, 燃机能够根据实际情况控制产生的煤气量, 使其能在一定程度上对负荷运行的需要进行满足。在满足风电与燃气轮机发电互补系统需电量补充完成后, 燃机剩余的发电量就可以供相关的公司自用电。

(2) 为了保证系统的经济性得到保证, 所以并不严格要求整个互补系统的出力一定要一直保持在一个较为恒定的稳定值上, 这样也满足了现代电网调度的实际要求。风电与燃气轮机发电互补系统作为互补的发电系统, 其第一步要解决的是风电与燃气轮机发电互补系统出力不要象风电场那样, 产生非常快速而又剧烈的波动, 这样的现象很难对其进行控制。在普遍情况下, 对互补系统的出力要求其在一段时间内能够保持一个较为恒定的稳定值, 这个恒定值根据系统的调度要求来产生。

(3) 因为风电场出力具有一定的波动性, 并且作为补偿出力的互补发电系统中的小型燃气轮机运行通常都处于部分负荷的工况下。在低负荷时燃气轮机的效率急剧下降, 为了保证整个电力系统的系统经济性, 所以, 燃气轮机需要优先在效率较高一部分的负荷下运行。

(4) 在一般情况下, 风电场的所有机组全部都是无条件运行的, 换一种角度也就是说, 只要是在一定的机组许可运行风速范围内, 互补系统中风电机组都可以无条件的进行发电工作, 当然, 排除机组本身的故障而停机的现象。不仅如此, 在一些比较特殊的前提条件下, 也能够单独的调节部分机组的出力, 进而对整个互补系统出力的调度要求进行满足。这样一来, 就可以保证在燃气轮机发电故障后, 风电能够优先作为互补系统发电。

2 风电与燃气轮机发电互补系统容量配比

风电与燃气轮机发电互补系统容量配比方案的选取具有两种确定的方法:第一种是将风电场的相关系数以及总容量作为依据, 进而确定总装机台数和规模;第二种是将燃气轮发电站的总装机台数和规模作为依据, 进而确定风电场总装机的台数和规模。在本文中, 将第一种方案作为风电与燃气轮机发电互补系统容量配比方案。

根据燃气轮机的内在运行机制, 遵循40MW燃气机轮中表现出的符合运行曲线, 一般设定40MW燃气机轮的最低负荷不能超过50%, 这就意味着机轮的运行率必须保持在20-40MW之间, 除此之外, 还应该避免互补系统当中因燃气机轮的频繁启动而出现启停现象, 此外, 从经济效益方面考量, 应该保证I号机组的运行时间在控制范围之内, 这就要求根据其内部的运行规则以及风电场的内部出力来建立计量方程, 从而计算出风电场中的处理, 以及互补系统当中的出力状况以及各燃机轮机的处理状况。如表1所示:

根据单位时间内部所呈现出来的流风速, 可看出风速在0-15m/s之内, 那么所对应的风电场输出就变化就会呈现出相应的控制变化, 如图1, 2所示。

根据图表中的变化显示可以看出, 流风速变化越大, 那么风电场中的负荷变化也就越大。这样就可以在2台40MW的燃气机轮补偿风电场处理的波动后整合发电系统中的出力, 如果互补系统中的处理可以在一定时间范围内保持稳定, 那么就可以最终是实现稳定的负荷输出。如果风电场当中的处理出现波动, 那么互补系统当中出力补偿就会表现出80MW以及120MW负荷工况。

除此之外, 当风电场的出力正好在100MW和120MW之间进行波动变化, 就可以保证机组整体的经济性。

3 结论

风电与燃气轮机发电互补系统的构建是整个电力系统生产运作过程中最为重要的因素, 建立高技术性的风电与燃气轮机发电互补系统模式, 不仅能够保证电力系统的稳定运行, 还可以有效地降低企业的成本, 提升企业的竞争能力。从电力企业方面来讲, 相关管理层必须认识到风电与燃气轮机发电互补系统研究的各种问题, 深刻了解到电力系统中的风电与燃气轮机发电互补系统构建对于电力企业重要性, 实现风电与燃气轮机发电互补系统结构与容量配比的规范化、制度化以及科学化。通过有效的电力系统风电与燃气轮机发电互补系统的运行, 推动电力系统企业以及企业经济的稳定发展。

摘要：为了保证电力企业长期稳定的发展, 电力系统风电与燃气轮机发电互补系统结构与容量配比研究显得尤为重要。因此, 为了提高企业的运行有效性, 对电力系统风电与燃气轮机发电互补系统结构与容量配比进行合理化安排, 在电力系统正常运行中发挥着至关重要的作用。本文针对风电与燃气轮机发电互补系统结构与容量配比进行分析研究, 并提出相应的完善建议及提升对策, 希望能够对企业的电力系统风电与燃气轮机发电互补系统结构的邮件与容量配比工作带来较大的帮助。

关键词：风电与燃气轮机,发电互补,容量配比

参考文献

[1]包能胜.胡光旺.倪维斗.风电与燃气轮机发电互补系统结构与容量配比的研究[J].太阳能学报, 2011 (02) :189-195.

暖通空调系统的容量 篇3

在应用系统中, 我们通常会引入缓存技术将“热”数据从磁盘加载到内存中, 以减缓文件数据库的压力, 提高数据访问的性能。在系统规划的初期会根据业务发展预测、技术特性及冗余系数, 规划设计缓存的最大容量。随着业务的发展, “热”数据的规模也会随之发展, 当接近系统的设计容量时必须进行扩展, 否则会产生缓存数据访问命中率的下降, 进而引发系统性能问题。传统的容量扩容一般按规划、系统离线、数据迁移、系统上线方式进行, 产生了系统服务中断。

本文中将描述基于Redis的系统如何在进行缓存容量扩展的同时保障系统服务提供。

1 Redis主从模式的问题

Redis是一个优秀的开源Key-Value缓存系统, 提供了多种灵活value的数据类型, 以及本机/异机高效的数据访问接口, 可通过它做为应用系统的缓存承载。Redis原生版本不具备集群的能力, 只支持主从复制模式。

在主从模式下可按一主多从的方式进行搭建, 单个的主节点用于应对写入操作, 多个从节点提供读能力, 通过SOCKET通信完成主节点与多个从节点之间的数据同步, 当主节点故障时提升从节点为新的主节点, 并完成其余从节点归属关系的变更。这种方式通过从节点的扩展可以解决数据并发读访问的瓶颈, 但整个系统的缓存最大容量受限与主节点的容量。而主节点的容量限制受限于所在设备的内存容量, 当达到内存上限时进行设备的内存扩展将产生系统中断。

因此, 需要建立多个主节点 (从节点跟随主节点不再赘述, 下同) , 并对多个主节点之间进行数据分配协调。

2 Redis多主节点方式

多个主节点方式下, 显然通过对主节点个数的扩展可以完成对总容量的增加。但各个主节点间无通信, 即各个主节点按各自为单点的方式对外提供数据服务。需要在数据访问前增加一个策略以实现数据的分布, 其核心为保证对相同KEY的访问会被发送到相同的节点。

2.1 哈希取模方式

对于每次的访问策略, 最常见的算法为计算KEY的HASH并取模, 将KEY均匀分散到各个节点, 如下:

H = HASH (KEY) % N

这个算式其中N为节点的数量, 并且节点按照0– (N-1) 进行编号, 计算结果H为每个key的请求应该被发送到具体的节点编号。

在扩展性方向, 假设节点的数量从N变成到N+1, 虽然原有的节点编号仍然保持不变, 但数据访需要按HASH (KEY) % (N+1) 重新计算分布, 这样大量的KEY会需要重新定位。在完成数据重新定位的迁移过程中, 如果是新KEY数据插入并读取能正常进行, 但访问旧KEY将会产生大量的缓存不命中, 这种情况下, 大量的访问将透过缓存直接由下一级的服务承接, 对系统的运行性能会产生非常坏的影响。

容错性通过每个主节点的主从模式进行保障, 即主节点发生故障时, 从对应从节点中选取一个做为新的主节点, 来保证服务的持续提供。如果万一某套主从节点全部故障, 那将会引发节点编号的重编号以及节点数量N-1, 因此必须尽可能的将主从分布在不同的设备上, 降低同时故障的风险。

因此, 哈希取模算法虽然可以解决并发访问 (读) 和数据容量 (写) 的扩展, 但扩展过程比较会较大的影响系统服务提供。适用于较小规模的应用系统, 在使用过程中不经常进行容量的扩展。

2.2 节点预分配方式

系统缓存总容量 = 单个主节点的容量 * 主节点的个数

通过HASH取模算法的分析, 可以发现最大的不利因素来自于节点数量发生变更。那么换个方向, 提前对主节点的数量进行一个较大数字的预分配, 扩展时保持主节点个数及编号不变, 增加单个主节点的容量, 从而达到系统缓存总容量的扩展。

单个主节点容量扩展可通过以下步骤进行:

步骤1、将某个从节点离线, 修改maxmemory参数扩展最大容量配置, 将从节点重新挂接回主节点完成数据同步;此步骤需人工执行参数修改

步骤2、重复步骤1直至所有从节点完成扩容

步骤3、将主节点离线, 将某个从节点提升为主节点, 将修改其余从节点的主从关系;此步骤可通过Redis自带的Sentinel完成

步骤4、原主节点降为从节点为并按步骤1进行操作

这种方式下, 容错性没有变化, 而扩展过程对系统服务的性能影响较小, 算法及操作也比较简单快捷, 可以满足大部分应用系统的使用需求。但是当单个主节点的容量扩展到一定规模时, 会影响主从复制速度, 进而影响系统。同时由于在初期就规划了较大数量的节点数, 对系统维护会增加一定的复杂度。

2.3 一致性哈希算法方式

2.3.1 算法简述

简单的说, 一致性哈希将整个哈希值空间组织成一个虚拟的圆环, 在移除或添加一个主节点时, 它能够尽可能小的改变已存在KEY映射关系。

基本思想就是将数据对应和节点都映射到同一个HASH环空间中, 并且使用相同的HASH算法。

首先将各个节点进行哈希, 比如通过节点的IP端口或别名关键字进行哈希, 这样每个节点能确定其在哈希环上的位置;

接下来使用如下算法定位KEY访问到相应节点:将数据key使用相同的函数H计算出哈希值h, 通根据h确定此数据在环上的位置, 从此位置沿环顺时针“行走”, 第一台遇到的服务器就是其应该定位到的服务器。

2.3.2 引入虚拟节点

HASH算法并不是保证绝对的平衡, 如果节点较少的话, 对象并不能被均匀的映射。

为了解决这种数据倾斜问题, 一致性哈希算法引入了虚拟节点机制, 即对每一个节点计算多个哈希, 每个计算结果位置都放置一个此服务节点, 称为虚拟节点。定位算法不变, 增加了虚拟节点, 数据的分布变得平衡, 同时再增加一步虚拟节点到主节点的映射, 就解决了数据不平衡的问题。

2.3.3 容错性及扩展性分析

初始状态下, 有3个REDIS节点, 按一致性哈希的算法, KEY D、A绑在REDIS1上, KEY B绑在REDI 2上, KEY C绑在REDIS 3上。

容错性方面, 当REDIS 2及其从节点全部故障被撤除后, KEY B需重新定位到REDIS 3上, 其余KEY与节点的映射保持不变。也就是说, 如果一个主节点故障, 则受影响的数据仅仅是此主节点到其环空间中前一个主节点 (即逆时针方向最邻近) 之间数据, 其它不会受到影响。

扩展性上, 当新增REDIS 4后, 只有KEY D需要重新定位到REDIS 4上, 其余KEY与节点的映射保持不变。也就是说, 如果增加一个主节点, 则受影响的数据仅仅是新主节点到其环空间中前一个主节点 (即顺着逆时针方向最邻近) 之间数据, 其它不会受到影响。

综上所述, 一致性哈希算法对于节点的增减都只需重定位环空间中的一小部分数据, 具有较好的容错性和可扩展性。

3 结束语

暖通空调系统的容量 篇4

TETRA数字集群以其优良的可用性和丰富的功能成为专用无线通信 ( PMR) 领域的主流和热点。 国内TETRA网络在建设初期用户数量较少, 往往有很大的系统余量, 在进行系统设计时对容量规划缺少足够重视。随着网内用户的增加, 如何准确估算系统容量, 控制和节约系统建设和运行成本成为现实的问题。由于缺乏专业的理论分析和成熟的工程方法, 一般的做法是参照移动电话系统的容量规划策略进行估算, 误差较大。移动电话系统的业务比较单一, 而PMR的业务和功能要丰富的多, 系统操作具有自身特点, 影响PMR容量规划的关键因素与移动电话系统存在许多差别。下面从业务统计模型、组呼业务与电话业务的归一化处理、随机接入对系统容量的影响、业务处理模型等方面对TETRA系统容量估算问题做一简要探讨。

1 TETRA的业务处理模型

在移动电话系统中, 用户对接入过程造成的损失和时延的容忍度比较高, 在容量规划中一般不考虑接入性能的影响; 在数字集群通信系统中, 系统服务等级 ( Go S) 对呼损和延时高度敏感, 是一个不能忽视的问题。数字集群对系统可用性的要求也远高于移动电话系统, 必须保障高优先级用户在极端话务量条件下也能正常通信, 对于一般用户, 在系统规划的话务量强度下也不能采取明显呼损制进行服务。

无线通信系统中移动终端要经常主动向系统发送消息, 这种发送是一种随机事件, 这个发送过程就是随机接入过程, 在覆盖区内当发送没有冲突时, 系统就能正确接收到这个信息 ( 由于捕获效应, 部分冲突发送也能被正确接收) 。TETRA系统中这些随机接入都是在主控信道 ( MCCH) 的上行突发中进行的, MCCH的随机接入信道是任何用户接入系统的必然起点, MCCH被一个基站下的所有用户终端共享, 该信道的吞吐能力是决定系统容量的第一个瓶颈。

MCCH的随机接入信道承载着呼叫请求 ( 包括组呼、单呼和电话业务) 、短数据 ( SDS) 、状态信息 ( 包括紧急告警信息) 、组附着管理、移动性管理以及注册管理等多种消息。在这些消息中, 呼叫请求需要分配业务信道, 称作语音接入; 其他消息用作管理和控制, 不需要分配业务信道, 称作控制接入。受到随机接入消息帧长的限制, 有些消息不能一次发送完毕, 系统收到这些消息的接入请求后, 会在随后的接入信道上预留一个或多个接入时隙用于剩余消息的发送, 这些预留时隙不会发生接入冲突, 但占用接入带宽, 降低了接入信道的能力, 对系统的容量会产生影响。在图1的业务处理模型中, 消息处理模块对接入处理模块的反馈通路表示出了预留接入时隙对随机接入过程的影响, 预留时隙的数量正比于相关原始消息的数量。

呼叫请求等业务接入消息是产生话务量的根源, 这些消息被处理后进行业务信道的分配。 TETRA系统的信道分配采用等待制策略, 当呼叫来临时, 如果信道资源满足本次呼叫请求需要, 系统将分配资源并建立通话; 如果信道资源不能满足本次呼叫的需要, 本次呼叫将被放入等待队列, 直到所需资源具备后系统才分配资源并建立呼叫。因此, 计算系统的话务容量时应该使用Erlang C公式。

根据以上分析, 图1给出了单基站TETRA系统的业务处理模型, 这个模型反映了随机接入吞吐率和业务信道分配策略两个因素对系统容量的影响。

图1的模型是对单基站系统的描述, 了解了单基站的情况, 对于多基站的情况, 应用现代话务量理论和概率论工具是不难解决的。

2 TETRA系统的业务统计模型及话务量计算

业务模型用来表示呼叫分布规律、呼叫频度、呼叫持续时间等特征, 进行系统容量计算时话务模型及其参数是统计话务量的重要依据, 业务模型的建立首先需要分析系统的业务特点, TETRA系统的业务特点主要表现在如下方面:

以组呼业务为主, 组呼是一对多的半双工通信, 一次组呼包含多次发射;

支持一对一的私密呼叫, 私密呼叫可以是双工, 也可以是半双工业务;

支持与PLMN类似的全双工电话业务;

平均呼叫持续时间很短;

通话具有多个优先级;

通话建立时, 如果不具备无线资源, 呼叫进行排队等候;

短数据业务占用MCCH的带宽, 其到达率对系统随机接入能力会造成影响;

转换用户组时需要向系统报告, 转换频率对系统的随机接入能力会造成影响;

越区切换是由终端发起, 移动性管理消息到达率会影响系统随机接入能力。

通过对上述业务特点归纳出表1和表2的业务模型参数, 表1是需要分配业务信道的语音参数。

TETRA系统中为了保证语音业务的正常操作和组呼业务的特殊需求, 用户终端还需要许多附加业务, 如移动性管理和组管理, 这些操作对系统的容量同样会造成影响, 表2给出了相应的业务模型参数。表中的参数取值来自于轨道交通应用的忙时统计结果。

根据TETRA协议的规定, 表1列出的参数都对应终端的随机接入事件, 其中部分随机接入需要占用预留接入子时隙, 相关的接入时间及所需预留时隙的数量分别为: 开机注册2个预留, 小区重选2个预留, 组依附1个预留, 私密呼叫1个预留, 电话互联1个预留, 60字节短数据消息4个预留。

根据上述业务模型参数可以分别计算出如下系统忙时参数: 每个用户的忙时接入次数为17. 397, 平均忙时呼叫次数为10. 9, 平均通话时长为8. 6 s, 平均忙时话务量为0. 024Erl。这一模型表明了集群系统的特点: 平均呼叫次数多, 平均通话时长短。忙时接入次数是所有终端的随机接入次数, 与接入信道的容量有关, 忙时平均呼叫次数是忙时接入次数的一部分, 与话务量有关, 产生对业务信道的需求。

下面将通过这一业务模型参数来计算单控制信道基站的接入容量, 以及在达到系统最大接入容量且条件呼损B2= 0. 1 ( 即10% 用户需要排队等待服务) 时的业务信道配置及平均等待时长。

3接入分析及接入容量

TETRA标准的空中协议规定, MCCH位于第一个载频的第一时隙, 物理信道结构按复帧循环重复, 周期为1. 02 s, 每个复帧包含18个帧, 每帧包含一个MCCH时隙, 每个MCCH时隙又被分为2个子时隙, 因此, 在一个1. 02 s周期内共有36个原始接入时机。

根据建立的处理模型, 接入信道中传输两类消息, 一类是随机接入消息 ( 包含重发消息) , 一类是预留接入消息 ( 非随机消息) 。从给出的话务模型参数可以计算出一个小时内随机接入的平均次数为17. 397, 需要的预留接入时隙为4. 4个, 随机接入时隙比例为 ( 17. 397 - 4. 4) /17. 397 = 74. 7% , MCCH上行信道的随机接入时机为36 ×74. 7% =26. 89个。

TETRA系统采用时隙ALOHA随机接入协议, 在移动通信网中, 一般情况下都假设接入消息的到达服从泊松分布, 根据已知理论, 一个消息包成功发送的概率为:

接入信道的平均通过量为:

S = G × e－ G= - P × ln P ( 0≤a≤1 / e) ,

式中, P为成功发送概率, S为平均吞吐率, G为信道负荷率 ( 包含重发负荷) 。

S的最大值为1 / e, 约0. 367 8, 当超过这个值时, 由于冲突的剧增系统开始不稳定, 因此实际系统规划中S必须小于最大值。表3列出了一组典型碰撞概率对应的平均吞吐率和信道负荷率, 观察1 - P、G、S的取值可以看出三者的依赖关系和变化趋势。

由表3可以看到, 当吞吐率达到最大值0. 367 9时, 碰撞概率高达63% , 这就意味着大多数的接入申请都要重发1次以上才能被系统正确接收, 必然导致接入延时的增加。由于TETRA系统对通话建立时间有严格要求, 因此一般要求碰撞概率小于10% , 查表3可得到吞吐率为0. 094 8。考虑到捕获效应有30% 的贡献, 可以达到信道能力的12. 33% 。

根据上述计算, MCCH可以通过的接入次数为26. 89 × 12. 33% = 3. 31, 也就是能够承受的忙时接入次数为3. 31 × 3 600 /1. 02 = 11 682次/h, 能够承载的用户数为11 682 /17. 398 = 672个。如果允许的最大重试次数为3次, 则接入成功率为99. 9% , 接入损失为0. 1% 。

为了保证系统在大话务量时重要用户和紧急呼叫的成功接入, TETRA标准的空中协议对时隙ALOHA协议进行了改进, 采用了一种称作交叠接入帧结构 ( superimposed access framing structure) 的策略, 把接入时机划分成几个交叠的接入帧, 每个接入帧分配一个接入码 ( access code) , 接入码与用户的优先级和接入权限相对应, 系统通过动态调整不同接入码的接入帧频率就能保证重要用户和紧急呼叫的可靠接入。这种技术实际上是把接入信道分割成了几个子信道, 理论上讲这种分割会降低信道的接入容量, 实际上为了提高接入信道的能力, TETRA系统采用差别化的吞吐率控制, 增加低级别用户的接入时延, 从而提高低级别子信道的吞吐率, 使得整体接入容量不受影响, 甚至有所提高。因此, 上述估算结果是适用的。

4业务信道配置

PMR系统中组呼业务占据了话音业务的较大比例, 而组呼业务与电话业务有明显的不同, 建议一种有效的方法, 使得电话业务和组呼业务能够归一化处理。

组呼业务以通话组为服务对象, 每个通话组中的成员数量差异很大, 而且同一个用户可以属于多个通话组, 如果按照通话组来考察系统的话务量会是个非常复杂的问题。为了使这个问题得到解决, 给定的业务模型中没有以通话组为对象统计话务量, 而是把每个用户在参与组通话时的一次发射作为一次呼叫来统计用户的平均发射次数和平均发射时间, 这样就使得组呼业务和电话业务具有了相同的话务形式。但组呼业务是半双工通话, 每次使用一个单向信道, 电话业务是双向信道, 二者对信道资源的需求还存在着差异。为了解决这个问题, 给定的业务模型把电话业务的呼入和呼出进行分别统计, 这样每个电话业务就只需要一个双向信道; 在单基站的组呼通话中, 主呼一方占用一条上行信道, 系统必然还要分配一条下行信道向其他组成员传送话音, 这样, 组呼也需要一个双向信道。于是, 在给定的业务模型下, 组呼业务和电话业务的话务量就可以同等考虑了。对于私密呼叫, 为了节省资源, 一般情况下不允许双工操作, 同时为了简化问题, 模型中不考虑双工情况, 这样, 私密呼叫就同组呼一样, 在一个基站内也是占用一对上下行信道。这样, 模型中的各类呼叫具有了一致的话务特性, 方便了计算但不失一般性。

根据给定条件, 前一节已经计算出接入信道可以支持672个用户, 系统的总话务量为672 × 0. 024 = 16. 13Erl, 平均通话时长为8. 6 s, 要求的服务等级是90% 的用户能够得到立即服务, 10% 的用户需要排队等待。

Erlang C服务等级的计算公式为:

式中, B2为条件呼损 ( 即排队概率) , A为总话务量, n为信道数, γ 为等待时长, B1为损失制系统的呼损率。

给定条件是A = 17. 47, B2= P ( 0) = 0. 1。

查Erlang C表可知, 22 < n < 23, T1< 0. 014, T2< 0. 154。即, 需要业务信道23个, 平均等待时长T1小于0. 014 × 8. 6 = 0. 12 s, T2小于0. 154 × 8. 6 = 1. 3 s。

也就是说, 满足给定条件需要一个6载频基站, 每个业务信道承载的话务量位0. 7Erl, 信道的利用率要低于移动电话系统。

5结束语

上述分析和计算结果表明, 随机接入信道的吞吐率是系统容量的第一瓶颈, 用户数量多或业务量大到某种程度时需要增加第二控制信道; 受可用性和服务等级的限制, 需要牺牲信道资源的利用率, 同样的话务量下数字集群系统需要更多的业务信道; 数字集群通信系统特殊业务设置和系统可用性要求使得其空中接口协议和资源管理较公众移动通信系统更为复杂。无线通信系统网络规划不仅与系统技术体制有关, 而且与设备技术指标也有很大关系, 例如随机接入的捕获效应与基站的接收机性能有着密切关系, 规划数字集群通信系统时了解设备的技术指标也很重要。

摘要：数字集群通信系统缺乏有效的容量规划方法和模型, 直接套用移动电话系统的策略会造成容量估算误差过大。数字集群系统在技术特性和业务处理流程上与移动电话系统存在许多差异, 针对这些差异对数字集群系统随机接入过程和资源管理的特点进行了分析, 提出了组呼业务与电话业务的归一化处理方法, 以及数字集群系统的业务处理模型和话务统计模型, 并基于提出的模型对接入信道的容量和系统服务等级进行了计算。

关键词：PMR,TETRA,容量规划,随机接入

参考文献

[1]ETS 300 392-1:Radio Equipment and Systems (RES) ;Terrestrial Trunked Radio (TETRA) ;Voice plus Data (V+D) ;Part 1:General network design[S].

[2]ETS 300 392-2:Radio Equipment and Systems (RES) ;Terrestrial Trunked Radio (TETRA) ;Voice plus Data (V+D) ;Part 2:Air Interface (AI) [S].

[3]郑祖辉, 陆锦华, 郑岚.数字集群移动通信系统 (第2版) [M].北京:电子工业出版社, 2005.

[4]王承恕.现代通信网[M].北京:电子工业出版社, 2005.

[5]施瓦茨M著.电信网——协议、建模与分析[M].屠世桢, 译.北京:邮电出版社, 1991.

[6]孙昕, 孙溪.TETRA数字集群系统的技术特性和组网方法[J].移动通信, 2003, 27 (8) :84-88.

[7]蒋国华, 郭俊利.TETRA数字集群在公共安全领域的应用[J].无线电工程, 2011, 41 (8) :62-64.

暖通空调系统的容量 篇5

1.1 定义

CDMA系统的软切换是先与目标基站建立连接后, 待原基站信号强度小于一定值后再断开与原有基站的连接, 属于“先连后断”。软切换可以改善话音质量、控制干扰、降低掉话率、提高系统覆盖范围。

定义:

软切换因子=软切换话务量/不含软切换话务量, 软切换比例也叫软切换因子。

1.2 对语音业务的影响

软切换过程中会同时占用了几个扇区资源, 资源耗费大于1, 导致无线侧话务负荷远大于业务话务量。显然, 过高的软切换比例将降低资源利用率。

1.3 对数据业务的影响

用户进行1X数据业务时, FCH采用软切换, 反向SCH为软切换, 但前向SCH采用硬切换。反向SCH的软切换, 将占用大量的反向资源, 增加了基站的反向负载, 降低了系统有效容量。前向SCH的硬切换, 在软切换区域会导致前向平均速率低于单导频区域, 物理层的频繁硬切换, 又将造成上层应用 (TCP层、应用层) 的时延加大, 影响用户感受度和上层速率。

所以, 软切换因子过大将造成1X数据业务占用大量的反向资源, 也导致前向速率下降、上层应用时延加大、降低用户感受。

2 对资源的占用情况

CDMA20001X系统最多支持三个基站共六个扇区之间的软切换。软切换类型包括:更软切换、两站两扇软切换、两站三扇软切换、两站四扇软切换、三站三扇软切换、三站四扇软切换、三站五扇软切换、三站六扇软切换等八种类型。各种切换在语音业务、1X数据业务上对资源占用的情况见表一。

3 对1X数据业务的影响

我们选取某地系统的闲时进行定点测试对比, 选取扇区内无语音及数据用户, 离基站较近的区域进行前向性能测试。分别在单导频、更软切换、三导频区域分别测试, 得出测试对比数据。

3.1 对前向数据的影响

CDMA系统中前向FSCH基于硬切换, 一旦该路信号质量下降, 将在FCH激活集中选取另外一路来分配FSCH信道。

表二是单导频、更软切换、三导频区域前向性能测试的结果。

由表二看出, 基于硬切换的前向SCH的数据业务性能, 在资源充足的情况下, 单导频无软切换时RLP及TCP层的速率都优于更软切换及多导频情况。

3.2 对反向数据的影响

CDMA系统中反向RSCH基于软切换, 即FCH是几路软切换, RSCH也同时是几路软切换, 所以1X数据用户在软切换区域时, 反向RSCH对资源的占用很大。

表三是单导频、更软切换、三导频区域反向性能的测试结果。

从表三看出, 基于软切换的反向RSCH数据业务, 在资源充足的情况下, 单导频无软切换时RLP及TCP层的速率都会比更软切换或多导频时的速率高一些, 但没有前向FSCH那么明显。

从上述的测试及分析可以看出, 1X数据业务处于软切换时, 不仅占用大量系统资源, 性能也比单导频无软切换时要差。这是CD-MA的软切换对数据业务最关键的影响, 也是与语音业务最大的区别之一。语音业务时的软切换虽然占用资源, 但可以减少掉话率。

4 降低软切换因子的几种方法

4.1 控制扇区覆盖

合理的覆盖控制是整个CDMA网络优化的基础和项目优化开展的前提, 合理控制扇区的覆盖范围, 减少过覆盖、降低导频污染区, 达到每个扇区覆盖的最佳化, 从而降低软切换因子。

福建某地市通过为期两个月的覆盖控制优化, 优化区域内51个基站的软切换因子降低了5%;路测结果中更软切换及不切换的比例提高了15%;主导频Ec/IO大于-9db的比例提高了5%;4路以上导频污染区域的比例降低了5%;上行应用层平均速率比优化前提高了10kbps, 下行应用层平均速率比优化前提高了17kbps。

4.2 优化切换参数

相关切换参数主要有接收导频强度门限值T-ADD、导频丢弃门限T-DROP、导频丢弃定时器T-TDROP、导频强度比较门限T-COMP。

通常密集城区与郊区的切换参数设置如表四。

某地优化过程中部分城区站点T-ADDT-DROP分别设置为-14db和-16db, 其软切换因子都达到85%以上, 调整T-addT-DROP分别为-12db-14DB后, 这些站点平均的软切换因子降到约75%左右。

加大T-ADD和T-DROP值后, 多路切换能在信号较弱区带来分集增益, 但由于加大切换门限后就无法进行软切换, 造成通话质量下降及切换掉话等问题, 所以切换参数优化只能做为降低软切换因子的辅助手段。

4.3 开启增强型软切换功能

增强型软切换是在手机侧发起切换请求 (增加导频或去除导频) 时进行二次比较, 即在手机侧进行软切换二次判决, 通过邻集导频强度与动态门限的比较来决定是否要发送导频强度测量消息给BSS。通过增强型软切换可提高导频进入激活集的门限, 降低软切换因子。

增强型软切换的开闭涉及三个参数soft_slope (切换开关) 、add_intercept (入导频动态门限截距) 、drop_intercept (去导频动态门限截距) 。

增强型软切换的动态门限算法如下:

通过对上述机制的分析, 增强型软切换可改变过于宽松的导频加入条件, 限制了激活集内的导频数, 又可有选择性的将去掉导频转入候选集或邻集, 所以增强型软切换不仅能降低软切换因子, 同时还能避免频繁切换, 减少切换掉话概率。

某地CDMA网络局部开启增强型软切换功能后, 路面测试软切状态变化如图一所示:

由图一可见, 开启增强型切换后软切换因子明显下降。通过路测及后台分析发现从1-way (单导拼) 、2-way (两导频) 都得到15%、10%的改善, 相当于减少了25%的切换。从统计上也显示开启增强型软切换后软切换因子可降低15%左右。

开启增强型软切换功能后, 将提高手机处理器的负荷, 降低电池的使用时间, 且只有1X的手机才支持, 其他机型会出现当前导频恶化后, 邻集里的强导频还无法发送切换请求给BSS, 导致切换掉话, 所以在实际中使用的不多, 目前基本上只是高通的标准理论定义。

4.4 优化BSS侧软切换二次判决机制参数

BSS侧软切换二次判决机制指的是手机对接收的导频信号进行一次测量判决 (邻集有导频强度大于T-add才发) 之后发送到BSS, BSS根据目前手机的Ec/Io情况决定是否需要让手机进行切换, BSS侧的软切换判决即为二次判决机制。

开启BSS侧的软切换二次判决机制后, 当手机激活集里有较强的导频满足通话需求时, 如果邻集里有导频强度超过T-add门限, 通过BSS侧软切换二次判决机制控制也不会进行软切换, 这样就降低了软切换因子;而在信号较弱区BSS侧二次判决机制判决后还会让手机进行软切换, 保证了通话质量。

福建某区域CDMA网络原来的软切换因子达到80%左右, 从路测来看较多区域存在两路及两路以上切换状态。通过aggstrength1、aggstrength2、aggstrength3这三个参数优化, 分别从 (-5、-7、-9) 修改到 (-7、-9、-10) , 降低了BSS侧进行软切换二次判决的门限, 即降低了手机的复合导频强度比较门限。参数优化前后软切换因子变化如图二:

软切换二次判决参数修改前后路测效果见表六:

从表六可见软切换二次判决参数修改后1路和2路的软切换 (更软切换) 比例提高了, 相应的3路和3路以上的软切换比例减少了。而从路测效果来看, 参数修改后整个路面平均的Ec/Io及FER比参数优化前并没有恶化, 说明通过软切换二次判决机制参数的优化在不降低通话质量的前提下, 还可大大降低软切换因子。

5 降低软切换因子的意义

5.1 提高系统有效容量

这些区域的软切换因子降低后, 在不增加投资的情况下可减少切换对网络容量的占用, 缓解局部区域信道拥塞、功率溢出、walsh码不足的情况。通过降低软切换因子, 可提高网络有效容量, 给业务发展提供网络容量保障。

5.2 提高1X数据业务性能

由于1X数据业务在切换上与语音业务的不同, 降低软切换因子可大幅提升整个区域的数据业务性能。如前文所述, 通过无线覆盖控制降低5%的软切换因子后, 优化区域的1X数据业务上行应用层平均速率提高了10kbps, 下行应用层平均速率提高了17kbps。

总结

通过上述对CDMA软切换因子的分析, 说明软切换因子过大, 资源利用率变大, 系统的有效容量将降低, 该区域内1X数据业务性能也将下降。高通公司建议软切换因子控制在60%以内较为合理, 而目前网络中一些大中城市城区的CDMA软切换因子都达到75%以上, 整体的软切换因子偏高, 所以对软切换因子的优化是一项必要且紧迫的工作。

降低软切换因子的方法主要有四种:通过无线覆盖控制、BSS侧软切换二次判决机制的启用是两个主要的手段, 通过这两个方法即可较大程度降低软切换因子, 提高网络质量;而切换参数优化、增强型软切换功能开启由于其弊端的存在, 不能作为降低软切换因子的主要手段, 只能做为局部的补充方案。

摘要：通过分析CDMA软切换因子对系统资源占用的影响, 提出降低软切换因子的四种方法。实际案例说明, 降低软切换因子在CDMA网络中取得了容量和质量的明显提高。

关键词：CDMA,软切换因子,提高,容量

参考文献

[1]杨大成, cdma2000技术[M].北京邮电大学出版社, 2000.

[2]万晓榆, 万敏, 李怡滨.CDMA移动通信网络优化[M].北京:人民邮电出版社, 2003.

[3]三星电子.CDMA BSS OPM PARTII[Z].2005.

高频段蜂窝系统容量分析 篇6

随着通信技术的发展,人们对个人移动通信的需求不再仅仅满足于基本的语音服务。第三代移动通信系统(3G)的普及使得越来越多的数据业务服务成为发展趋势。因此,未来个人移动通信系统必须具有更多的系统带宽,更高的用户速率和更大的系统容量。

现有移动通信系统主要工作在3 GHz以下的低频段,此频段业务十分丰富,可用的带宽资源十分受限[1]。在带宽受限的情况下,为了满足越来越多的数据业务需求,人们在现有系统上引入了更高阶的调制技术和MIMO(多输入多输出)技术。由通信的基本理论[2],系统的误码率与信噪比有关。信噪比越高,系统误码性能越好,可达信道容量越高。对于高阶调制方式来说,要想提高信噪比就要加大现有系统的发射功率,造成了系统功率效率的降低,不符合绿色通信的发展趋势。对于MIMO技术来说,在充分散射的情况下,MIMO系统才能有很好的分集增益[3]。但是,随着蜂窝小区半径越来越小,视距(LOS)传输成为主要的传输方式。在这种情况下,信道充分散射的条件变得越来越不容易满足。同时,无论高阶调制技术还是MIMO技术都会增加移动通信系统的复杂度,造成功耗及系统成本的增加。因此,完全依靠低频段系统难以满足未来持续发展的移动通信业务需求,急需拓展新的频段。

根据我国频谱划分的管理规定[4],在6 GHz到15 GHz的频段内有很多的频率资源可以用于移动通信,其中连续带宽超过100 MHz的可用频段很多,有可能为移动通信用户提供更高的用户速率和更大的系统容量。但是,由于采用高频段以后,传播特性发生了很大变化,还需要对引入高频段以后的系统容量进行细致的分析。

为了分析高频段蜂窝移动通信系统的系统容量,本文建立了一个具有19个正六边蜂窝的小区模型,并根据信道测量的数据,结合3GPP的路径损耗模型,对不同频段系统的容量进行了仿真。本文还建立了高、低频段联合覆盖的蜂窝模型,并对联合覆盖系统容量进行了分析。

分析和仿真结果表明:与低频段系统相比,在同等条件高频段系统具有更高的峰值速率和平均速率;如果采用高频段和低频段系统的联合覆盖,更能有效地发挥不同频段系统的优势,实现峰值速率、平均速率和小区边界速率的全面提升。

1 信道模型

在不同的蜂窝小区场景中,用户接收到的有用信号功率和干扰信号功率与此场景的路径损耗有关。用户在与基站同等距离的条件下,其接收信号功率在视距(LOS)传输和非视距(NLOS)传输两种状态下也会有所不同。一般情况下,视距传输的路径损耗要比非视距传输小。因此,在用户容量的分析中,要同时引入路径损耗模型和视距概率模型。

1.1 路径损耗模型

路径损耗模型与小区环境,测量方法,系统工作频率等关系十分密切。甚至在不同的时间,路径损耗模型都会有变化。因此,每种路径损耗模型都有一定的使用范围。

3GPP(第三代合作伙伴计划)对不同蜂窝场景进行了分类,并通过大量测试数据拟合出了相应场景的路径损耗模型[5]。其中,在Urban Microcell中,采用如下测量参数:基站天线高度12.5 m,建筑物高度12 m,建筑物间距50 m,移动台高度1.5 m等情况下,路径损耗模型如下:

LOS:PL=-35.4+26lgd+20lgfc (2)

其中,d为移动台与基站之间的距离,单位为m;fc为系统工作频率,单位为MHz。3GPP指出此模型适用于工作频率在2 GHz以内的系统。

北京邮电大学在同样的场景中,在移动台与基站距离分别为60 m,100 m和500 m的情况下,对更高频段的路径损耗进行了测量,测量结果如表1所示。对测量结果的拟合处理表明:式(1)和式(2)的路径损耗模型在更高的频率下的路径损耗与实测数据相差不大。考虑到高频段的路径损耗测量数据不够充分,而且实测结果与3GPP的路径损耗模型相差不大,本文将式(1)和式(2)作为蜂窝系统的路径损耗模型。

1.2 视距概率模型

用户在不同场景中处于视距的概率也是不一样的。一般来说,小区场景越开阔,用户离基站越近,其处于视距的概率就越大。相关研究组织同样对不同场景的视距概率模型进行了统计[6],结果表明:在一般场景中,用户处于视距的概率与用户和基站的距离成指数次的衰减。这是符合直观的统计规律的。因此,本文选取的视距概率模型如下:

${\rm P}{}_{L{\rm O}S}=\exp \left(-\frac{d}{d{}_0}\right)(3)$

式(1)中,d为用户与基站的距离,d0代表了不同场景的视距概率随着d的衰减速度,本文称之为视距概率衰减因子。

2 蜂窝小区模型

在移动通信系统的系统仿真中,可以将其视为由多个正六边的蜂窝相连组成[7]。为了描述相邻小区之间的干扰,本文建立了一个具有19个正六边形的蜂窝模型,如下:

在图1模型中,1号小区中的用户是我们研究的对象。在系统频率复用因子为1的情况下,图1模型1号小区中的用户可以收到周围18个小区的干扰。对于图1模型之外的小区,由于考虑到它们距离1号小区很远,本文忽略来自于它们的干扰信号。

通常我们认为高频段电磁波的路径损耗要大于低频段,因此高频段小区的半径一般要比低频段小区小。在高、低频段联合覆盖的蜂窝模型中,为了使得在几何意义上,联合覆盖的小区模型可具有无限扩展性,低频段小区的半径可以是高频段小区的2倍,4倍等。本文选取的低频段小区和高频段小区半径比为2的情况,建立高频段和低频段系统联合覆盖的蜂窝模型如图2。

图2中,虚线六边形是低频段系统的蜂窝小区,实线六边形为高频段系统的蜂窝小区。为了不失一般性,我们将低频蜂窝中位于模型最中心的小区(低频蜂窝的1号小区)中的用户作为研究对象。

3 单用户下行容量及其分析

3.1 单用户下行容量及其分析

对于图1所示的蜂窝模型,假设系统工作在OFDM模式下,并且1号小区中共有N个用户。对于每一个用户来说,第i个基站天线发送的信号经过衰落信道到达该用户的信号功率为:

${\rm P}{}_i=\frac{{\rm P}}{\left[{\rm N}10\left(\frac{{\rm P}L{}_i}{10}\right)\right]}(4)$

式(4)中,P为基站天线的发射功率;PLi为第i个基站天线与该用户之间的路径损耗,单位为dB。在用户可以优先选择到达其信号的功率最大的一个基站天线作为服务基站的准则下,用户可达的信道容量为:

$C=(W/{\rm N})\lg {}_2\{1+[{\rm P}{}_{\max }/(n{}_{0}W/{\rm N}+{\displaystyle \sum _{\text{o}\text{t}\text{h}\text{e}\text{r}\text{s}}{\rm P}}{}_i)]\}(5)$

式(15)中,W为蜂窝系统总的带宽,Pmax为用户选择的服务天线到该用户的信号功率,${\displaystyle \sum _{\text{o}\text{t}\text{h}\text{e}\text{r}\text{s}}{\rm P}}{}_i$是所有没被用户选择的基站天线对其干扰信号的功率总和。

在指定1号小区为用户服务的情况下,根据有用信号和干扰信号处于视距或者非视距,小区中的每个用户都有四种传输状态:(1)有用信号视距和干扰非视距;(2)有用信号视距和干扰视距;(3)有用信号非视距和干扰视距;(4)有用信号和干扰都是非视距。一般情况下,视距传输的路损比非视距小很多。因此,在基于功率准则的天线选择下,对于状态(2)和(3)的用户,总可以选到视距传输的基站为其服务。此时,状态(2)和(3)的用户可以视为一种类型。

处于状态(1)的用户的信干噪比最大,状态(4)的用户信干噪比最小。随着系统工作频率的提高,非视距路损比视距要衰减更快。因此,状态(1)的用户随着系统工作频率的提升,信干噪比可能会变大,用户的信道容量增加。对于状态(4)的用户,非视距路径损耗的干扰信号功率本来就很小,甚至可以和噪声功率相近。在系统工作频率提高的情况下,这部分用户的信干噪比由于噪声功率不变和有用信号功率的下降而降低,用户的信道容量变小。

3.2 联合覆盖蜂窝模型中用户容量及其分析

在联合覆盖蜂窝系统中,我们假设低频段中心小区覆盖范围内总共的用户数量为N。联合覆盖系统根据用户在高频段和低频段系统两种情况下的信干噪比最大的准则为其分配高、低频段系统资源。这些用户中选择低频段系统(图2中虚线所示的蜂窝系统)为其服务的用户数量为N1,选择高频段系统(图2中实线所示的蜂窝系统)为其服务的用户数量为N2(N1+N2=N)。

低频段系统的用户的信道容量为:

$C=(W/{\rm N}{}_1)\lg {}_2\{1+[{\rm P}{}_{\max }/(n{}_{0}W/{\rm N}{}_1+{\displaystyle \sum _{\text{o}\text{t}\text{h}\text{e}\text{r}\text{s}}{\rm P}}{}_i)]\}$ (6)

对于高频段系统的用户,先根据其所在的地理小区的位置映射到高频段系统的1号小区中,然后再计算信道容量如下:

$C=(4W/{\rm N}{}_2)\lg {}_2\{1+[{\rm P}{}_{\max }/(n{}_{0}W/{\rm N}{}_2+{\displaystyle \sum _{\text{o}\text{t}\text{h}\text{e}\text{r}\text{s}}{\rm P}}{}_i)]\}(7)$

由于低频段小区的覆盖面积内有4个等效的高频段小区,用户等效带宽为4 W。

因此,对于联合覆盖系统,用户总是可以达到当前条件最好的信道容量,从而提升了系统的峰值速率和覆盖能力。

4 仿真分析

4.1 系统仿真参数

在高频段系统容量仿真中,基站天线的发送功率为40 dbm,总的系统可用带宽为10 MHz,1号小区中的用户数量为500个,噪声的功率谱密度为-174 dbm/Hz,视距概率的衰减因子为200 m,小区半径为300 m。这些参数与实际的蜂窝系统很相近。为了便于比较,系统的工作频率选为:900 MHz,1 900 MHz,5 800 MHz和8 450 MHz。

在高、低频段系统联合覆盖的仿真分析中,低频段系统1号小区中用户数量为1 000个,高频段小区半径为300 m,基站天线发射功率为20 dBm,工作频率为5 800 MHz。低频小区半径为600 m,天线发射功率为40 dBm,工作频率为1 900 MHz。其他参数与高频系统容量分析的参数相同。

为了更直观的分析系统容量,本文以所有用户的信道容量累积分布为仿真结果。它统计了小区中在某个容量之下的用户所占的百分比。

4.2 同等带宽条件下不同频段系统的容量分析

在各个频段系统具有同等带宽的条件下,对小区中的用户进行100的仿真分析。用户容量累积分布如下:

在图3中,高频段系统(5 800 MHz和8 450 MHz)与低频段系统(900 MHz和1 900 MHz)有交叉点。在此交叉点左边,高频段系统累积分布曲线较高,这说明高频段系统有较多的用户速率很低(约25%左右的用户速率接近于0)。在交叉点的右边,高频段系统用户的最高峰值速率高于低频段系统,而且高频系统的累积分布曲线较低。由此说明,在同等条件下,系统工作频率的增高,恶化了信道条件很差的用户的速率改善了信道条件较好的用户的速率。

将小区中的所有用户按照容量递增的顺序排序,并统计其1号小区基站天线的距离,视距传输状态。结果如下:

从仿真结果来看,小区中信道容量最低的用户的有用信号和干扰信号都是非视距。有用信号视距且干扰信号非视距的用户是小区中信道容量最高的用户。如前文分析,高频段系统中非视距传输的用户信道容量会比低频段系统恶化,而存在视距传输的用户信道容量可得到提升。

因此,高频段蜂窝系统适合于工作在视距场景。

4.3 高频段系统具有带宽优势下的容量分析

高频段有更多的带宽资源可用于移动通信。因此,在本节系统仿真中,我们假设系统可用带宽与系统工作频率成正比。900 MHz系统的可用带宽为10 MHz,仿真结果如下:

图5的结果表明:高频段系统的带宽优势可以极大的提高大部分用户的信道容量。但是,对于小区边界的用户,由于系统带宽的增加带来噪声功率提高,这部分用户的信干噪比反而下降,用户的信道容量降低。

4.4 同等带宽条件下高、低频段系统联合覆盖的容量分析

在高频段和低频段联合覆盖的系统中,用户拥有更多的系统资源可以使用,因此联合覆盖系统可提供更大的系统容量。仿真结果如下:

图6中,高、低频段系统联合覆盖的用户容量累积分布曲线在只有高频段覆盖或者低频段覆盖系统的右边。这表明联合覆盖系统使得小区边界速率和系统峰值速率以及系统平均速率都有很大的改善。图7是对用户按照信道容量从低到高排列后统计不同容量的用户选择高频段系统为其服务的概率。

统计结果表明:速率低的用户信道条件很差,会选择低频段小区为其服务;速率高的用户信道条件很好,一般存在高频段系统的视距传输条件,因此用户选择高频段系统可有很高的信道容量。

高、低频段联合覆盖的系统可以综合利用低频段系统覆盖能力强、高频段系统峰值速率高的优势,提高系统容量。

5 结论

在本文选取的蜂窝场景中,高频段蜂窝移动通信系统可以具有较高的系统峰值速率和平均速率。利用高频段的更多的带宽资源,高频段系统能够提供更大的系统容量和更高的用户速率。联合覆盖系统可综合利用高频段和低频段系统的峰值速率和覆盖的优势,为用户提供更优的容量。本文的信道模型是在一定的测量条件下的特定场景中拟合出来的。对于其他实际的蜂窝系统工作环境,我们需要对其信道模型进行充分的测量,并拟合出相对精确的模型,在此基础上,给出高频段蜂窝系统适合的工作参数和组网方式。综上所述,高频段蜂窝移动通信系统带宽资源十分丰富,在合适的组网参数下,高频段系统可满足未来移动通信系统更大带宽,更高速率和更大系统容量的业务需求。

摘要：高频段(6 GHz—15 GHz)有丰富的带宽资源可用于移动通信。根据实测数据,将现有频段系统的路径损耗模型在一定条件下推广到高频段系统。在六边形蜂窝系统模型上对高频段蜂窝系统进行容量仿真分析。同时,建立了高频段和低频段系统联合覆盖的蜂窝模型。分析高、低频段系统协同工作下的系统容量。结果表明:高频段系统在与低频段系统同等带宽条件下可具有较高的峰值速率。在具有更大的带宽优势下,可极大的提高系统容量。高、低频段联合覆盖系统可同时兼顾系统峰值速率和覆盖能力。

关键词：高频段,蜂窝系统,路径损耗,联合覆盖

参考文献

[1] Global mobile Suppliers Association.GSM/3G MARKET/TECH-NOLOGY UPDATE[R],2010—07—07

[2]曹志刚,钱亚生.现代通信原理.北京:清华大学出版社,2003:252—317

[3]林云,何丰.MIMO技术原理及应用.北京:人民邮电出版社,2010:1—5

[4]中华人民共和国信息产业部.中华人民共和国无线电频率划分规定,2006

[5] 3GPP TR 25.996 V6.1.0.Spatial Channel Model for Multiple InputMultiple Output(MIMO)Simulations(Release 6),2003—09:16—18

[6] IST—4—027756 WINNER II D1.1.2 V1.1.WINNER II ChannelModels,2007—09:46—49

暖通空调系统的容量 篇7

频率是电力系统分析与控制的一个重要参量, 也是电能质量的一个重要衡量指标[1,2,3,4]。长期以来, 对于大区电网间交换容量极限及传输能力的分析和研究主要基于功角稳定和电压稳定分析[5,6,7,8], 而对于频率稳定分析指标则缺乏较深入的研究。然而, 随着电网规模的扩大、电压等级不断提升以及交直流混合输电形式的日益普遍, 当大区电网间断面传输功率逼近极限时, 系统备用及相应频率调节能力也接近饱和, 此时在大区间传输功率上叠加一个微小扰动就可能导致系统频率的急剧波动, 对电力系统本身及电力用户带来极为严重的影响与后果;同时, 频率的偏差引起直流输电系统频率保护动作将使系统功率不平衡情况进一步恶化, 进而导致连锁故障甚至系统崩溃。因此, 本文提出从系统频率响应特性的识别与预测角度出发对系统频率支撑能力进行分析, 并依据频率响应特性的变化趋势分析计算电网区间交换容量极限的方法, 对于评估大区电网区间容量交换能力以及维持电网稳定具有十分重要的理论与工程实际意义。

本文采用曲线拟合方法识别与预测系统频率响应特性系数, 并进一步用来评估系统容量交换能力, 其主要思想是采用逐步逼近的方法使系统区间容量交换方式接近极限状态, 在此极限状态下即使施加微小扰动 (有效扰动) , 系统频率偏差也会超过允许值, 即在定义的微小扰动下系统频率偏差超过允许偏差值的容量交换方式即为所求交换容量的极限。

1 频率响应特性分析方法

本文中系统频率响应特性的计算基于以下前提假设:

a.全系统在暂态变化过程中各节点频率同步变化;

b.计算中不考虑线路和设备的过负荷校验, 同时将无功功率视为就地平衡, 因此不考虑无功功率变化对频率的影响;

c.假设正常运行方式下系统的开机方式和负荷安排遵循一定的规律, 系统结构及运行方式不会发生突变, 在此前提下, 系统整体频率调节能力是连续变化的, 即频率响应特性连续变化, 可以通过某种方式进行曲线拟合并预测。

1.1 频率响应特性系数的计算

图1为系统发生功率扰动后的频率响应曲线, 其中, Δf为扰动后系统新的静态频率平衡点与初始频率之间的偏差;Δf′为暂态频率偏差的最大值;Δfe为系统扰动后暂态频率偏差允许的最大值。

传统的频率响应特性系数[9,10,11]:

其中, P0、f0为正常运行时系统的功率和频率;ΔP为系统中的有功扰动。

由于采用传统的扰动前后稳态频率的偏差Δf无法反映频率响应的动态过程, 本文采用暂态频率偏差的最大值Δf′计算频率响应特性系数, 并可应用于系统保护整定、暂态稳定分析及控制等领域。此时频率响应特性系数为:

系统允许的最大频率偏差视电力系统容量的大小而定, 对于容量不足3 000 MW的系统, 频率偏差不得超过±0.5 Hz;对于容量在3 000 MW及以上的系统, 频率偏差不得超过±0.2Hz[12]。当计及直流低频保护等影响因素时, 频率偏差限制可进一步缩小到±0.1Hz范围。

1.2 基于最小二乘法的频率响应特性系数拟合

目前主要预测方法有时间序列法、灰色预测法、曲线拟合法等。时间序列法根据客观事物发展的连续规律性, 依据历史数据通过统计分析推测未来的发展趋势[13];灰色预测方法则是对原始序列作一次累加生成, 使生成序列呈一定规律并进一步进行预测[14];曲线拟合方法就是将离散数据拟合为曲线并用解析方程表达[15]。

已知样本点 (xi, yi) (i=1, 2, 3, …, n) , 需求得一解析函数y≈φ (x) , 使φ (x) 在原样本点xi上尽可能接近yi的值。对于最小二乘曲线拟合, 拟合误差函数为:

要使拟合误差最小, 即要使

达到最小。

对仿真计算得到的频率响应特性系数进行多次拟合, 确定时间序列法、灰色理论、曲线拟合这3种方法各自误差最小的细化方法及模型分别为线性回归模型、GM (2, 1) 模型、最小二乘法二次拟合。将这3种方法得到的拟合点与原始数据进行对比, 如图2所示。

由图2可知, 在某一特定交换容量的情况下, K值曲线随功率变化近似为一条单调平滑曲线。采用最小二乘法二次拟合方法得到的拟合点更接近原始数据, 误差最小, 故本文选择此方法进行频率响应特性系数的拟合。

1.3 频率偏差限制点的计算

频率偏差限制点的物理意义:过原点且斜率为1/Δfe的直线与拟合出的二次曲线的交点。如图3所示, 频率偏差限制点对应的横坐标即为在特定的交换容量下系统能够承受的最大功率扰动。

2 基于频率特性分析的交换容量极限计算

2.1 不同容量交换方式下频率偏差限制点的拟合

求取不同交换容量下的频率偏差限制点后, 利用最小二乘法对不同交换容量下的频率偏差限制点对应的系统可承受的最大功率扰动的数据进行曲线拟合, 得到最大功率扰动 (标幺值) 随递增交换容量的变化趋势, 即ΔP-S曲线, 如图4所示。

2.2 有功功率有效扰动

为便于进行大区间容量交换极限计算, 本文设置最大扰动为:使系统扰动后暂态频率最大偏差达到频率偏差限制值的有功功率扰动, 即对应任意运行方式, 在此功率扰动下, 系统暂态频率偏差会达到频率偏差限制值。设置有效扰动为:使系统在最大容量交换方式下的扰动后最大频率偏差达到频率偏差限制值的有功功率扰动, 即对应特定运行方式并在此功率扰动下, 系统暂态频率偏差会达到频率偏差限制值, 该运行方式即对应所需计算的最大容量交换方式。

如图4所示, ΔP-S曲线与横轴 (交换容量) 的交点为零扰动对应的区间交换容量的最大临界值, 实际上远在达到该最大临界值之前系统已经可能会出现其他稳定问题, 如电压失稳;该曲线与纵轴 (最大功率扰动) 的交点为初始交换容量下对应的系统最大扰动, 即该最大扰动下系统初始交换容量即为最大交换容量。因此设置有效扰动在0和最大扰动值之间。依据工程经验, 该有效扰动应接近系统中出现最严重N-1状态 (例如直流单级闭锁) 下可能出现的有功功率扰动的数量级水平, 同时应在系统初始总平衡功率的1%以下。因此设置有效扰动为初始容量交换状态下的最大扰动的90%, 即留出10%安全裕量。

2.3 交换容量极限计算

根据拟合得到的ΔP-S曲线, 曲线上有效扰动对应的横坐标即为交换容量极限, 如图5所示。

3“三华”电网交换容量极限计算

3.1 计算模型及计算工具

应用本文所提方法在“三华”电网2012年规划模型上进行了计算, 算例系统主干网架如图6所示。A和B、A和C之间有1 000 k V特高压交流联系;B、C间有±500 k V及±800 k V直流联系, 无交流联系。因此, 交流潮流断面有2个。固定A、C间交换容量不变, 将A与B间的潮流断面作为研究对象, 其中, A作为送端系统, B作为受端系统。以初始方式B受电5 000 MW为基础容量, 依次增加A出力300 MW, B减出力300 MW, 至B交流受电8 000 MW左右。扰动设置为在区域A均匀分布切发电机, 变化幅度为N×600 MW。观测频率变化点为B区域内特高压交流落点近区某500 k V交流母线。本文采用PSASP综合程序进行频率响应特性系数的仿真计算。

3.2 交换容量极限计算

a.频率响应特性系数的计算。

计算得到不同交换容量下的频率响应特性系数如表1所示。

b.频率限制点的计算。

本文仿真系统模型容量在3 000 MW以上, 考虑直流低频保护, 将频率偏差限制值Δfe设为±0.1Hz。按照本文提出的方法对仿真计算的频率响应特性系数进行曲线拟合, 依据拟合得到的K-ΔP曲线求得不同交换容量下频率偏差限制点及仿真验证误差结果, 如表2所示。

注:K1~K11分别是基准交换容量下增加ΔS为300~3 000 MW时的频率响应特性系数。

由表2可知, 在不同交换容量下将扰动设置为频率偏差限制点对应的最大功率扰动, 仿真得到的暂态频率最大偏差Δf′与频率偏差限制值Δfe (即0.1 Hz) 相比较, 相对误差在2%以内。

c.交换容量极限的计算。

将不同交换容量下的频率偏差限制点进行拟合, 得到ΔP-S曲线后确定有效扰动为2820 MW, 该扰动数值在系统发电机总有功出力的1%的范围之内, 计算求得该有效扰动对应的交换容量极限为7 897 MW。

将交换容量设置为计算出的极限值7 897 MW, 将扰动设置为有效扰动2 820 MW, 仿真计算得到频率曲线对应的最大频率偏差Δf′为0.096 5 Hz, 与系统频率偏差限制值0.1Hz进行对比, 相对误差为 (0.1-0.096 5) /0.1=3.5%, 误差在可接受的范围内。

4 结论

本文采用最小二乘法对仿真计算得到的频率响应特性系数进行曲线拟合, 在频率响应特性分析的基础上对2012年“三华”电网交换容量极限进行计算, 得到以下结论:

a.通过对频率响应特性系数进行曲线拟合计算并预测K值的变化趋势, 计算结果与传统的调查统计法和实验法算得的实际系统的K值范围 (3.04~6.98) 基本一致, 同时基于曲线拟合的频率响应特性分析结果的相对误差在2%以下, 误差在可接受的范围内;

b.依据频率响应特性系数的曲线拟合及分析计算方法得到“三华”电网2012年规划模式下交流交换容量极限为7 897 MW, 经仿真验证相对误差为3.5%, 误差在可接受的范围内;

c.本方法忽略了系统区间无功功率交换容量变化及无功补偿设备投切的影响, 同时假设系统各观测点频率同步变化, 实际上频率观测点的不同、扰动点的改变及扰动点与频率观测点相对电气距离的变化都会对计算结果有一定影响, 相关影响因素有待于后续做进一步深入研究分析。

摘要：提出了一种基于系统频率响应特性的大区电网间交换容量极限的计算方法。使用最小二乘法对仿真计算得到的频率响应特性系数进行曲线拟合, 依据拟合得到的频率响应特性系数的曲线变化趋势来预测不同交换容量下的频率偏差限制点, 在频率响应特性识别与预测分析的基础上进行大区电网间交换容量极限的计算与评估。对“三华”电网的应用表明, 所提方法有效、实用, 且计算结果具有较高的精度。