机构名称：
¥ 5.0
通过下一代移动网络（NGMN）的移动行业，绿色未来网络计划正在共同努力，以提高网络能源效率（EE）。本出版物，概述并优先考虑在绿色未来网络计划的第三阶段探索的各种选项。以前的出版物涉及由移动网络运营商（MNO）部署的短期解决方案，以解决具有挑战性的能源景观。相比，本报告进一步扩展了潜在的技术，这些技术可能为网络EE路线图铺平了道路，以应对MNO面临的即将到来的环境和经济挑战，每种潜在的潜在解决方案都映射到了时间霍森的指示，以实现其潜在的未来实施。首先，能够测量无线电访问网络（RAN）EE是过程的重要组成部分。探索了实验室中评估基站（BS）设备的两种方法；电力消耗的静态测量程序和EE的动态测量程序。根据上下文，在测试当今现代BS设备时，每个都有自己的位置。但是，BS可以用于许多不同的配置，目的和上下文中。此外，为了支持网络EE优化，人工智能（AI）可能是提供能源消耗（EC）估计和预测的关键工具，同时限制了在整个网络中收集和传输的数据量。本报告建议标准组织定义方法，以在控制网络配置和参数的节点上传输和更新AI模型。在这种情况下，随着AI模型规模的增加，我们提倡解决方案的需求能够调整模型复杂性，以最大程度地减少以下来自：模型培训，传输和执行的EC。我们还强调，很快，MNO可能会试图集成新颖的硬件和软件机制，以支持基于AI的网络EE建模和优化。在软件级别上，集成新的智能解决方案可以使网络通过调整每个给定时间点的实际流量负载来减少EC。在室内部署中，提出了一种新的节能技术来管理每个RU的状态，全部属于给定单元，以动态关闭任何在给定时间点不具有用户连接或数据传输的RU的功率放大器（PA）。试验强调，相对于始终在网络部署中，该解决方案可实现20％的节能增益。由于不可忽略的负载，因此不可能关闭无线电组件，此报告表明，通过限制传输频谱效率来降低发射功率的智能资源分配，可能会导致RU的负载依赖性EC降低30％，而不会影响用户的服务质量（QOS）。我们建议标准组织定义方法，以协调实施独特且潜在竞争的节能机制的正确命令。可以通过实施不同级别的协调级别的解决方案来实现进一步的收益，以实现更有效的网络资源使用。更具体地说，该出版物强调了与新型网络优化方法有关的试验，该方法利用了服务领域的异质QoS要求，最多可占
通往节能网络的路线图
主要关键词
相关文件推荐
