网络能效第 2 阶段

网络能效 PHASE2 NGMN联盟 版本:1.0 Date: 10.10.2023 文档类型: 最终交付物(批准) Confi机密性类: P-公共 项目: 绿色未来网络 提交者: SaimaAnsari，德国电信 NGMN计划执行： 克里斯·霍格，代表NGMN 批准人/日期: NGMN联盟董事会，2023年8月15日 对于公共文件（P）： ©2023下一代移动网络联盟e.V.保留所有权利。本文档的任何部分不得在未经NGMN联盟e.V.事先书面许可，以任何形式或任何方式 本文档中包含的信息代表NGMN联盟e.V.对截至日期讨论的问题持有的当前观点本文档按“原样”提供，没有任何保证，包括任何适销性、不侵权、 orfitnessforanyparticularpurpose.Allliability(includingliabilityforinfrenceofanypropertyrights)relatedtotheuseofinformation inthisdocumentisdisclaimed.Nolicense,expressorimplied,toanyintellectualpropertyrightsaregrantedherein.Thisdocumentisdistribute- 发布仅供参考，如有更改，恕不另行通知。 执行摘要 电力-即使是由可再生能源产生的-也是finite资源，并且是重要的fi不能移动网络的运营投入成本。因此，减少电力非常重要 consumptionbymakingnetworksmoreenergyešcient.Therecentenergycrisehas 进一步强调了这个问题。 移动行业通过NGMN联盟(NGMN)的绿色未来网络支持-gramme已经汇集到find解决方案中，以提高网络能源的效率和使运营商能够减少电力消耗。在本出版物中，我们概述了 andprioritizethevariousoptionsavailabletoincreasenetworkenergyeofciency.In 特定的节能方法分为三大类(和 时间范围)：(短期)过程优化；(中期)工程优化- sations；和(长期)新技术。我们的结果强调，这是可能的-在短期-通过优化fiGURE将能耗降低高达10% 网络使用现有的省电功能。为此，机器学习(ML)可以用于估计现有技术可以带来的能耗降低 省电方案，从而支持确定最合适的过程 要部署的节能政策。在中期内可以进一步节省能源 通过投资于蜂窝基站升级和重新设计，减少关键的能源消耗组件并最大限度地将电能转换为射频(RF) 能源。鉴于无线电接入网(RAN)约占四分之三所有移动网络用电量[1]有了基站设备，com- 由无线电单元(RU)、基带单元(BBS)和主控制组成，占 典型小区站点的用电量(fiGURE1)，每个小区节能30-40% RU可以导致整个RAN大约12%的节能。 从中长期来看，移动运营商将需要投资于新技术 以获得进一步的能源节约。特别感兴趣的是-考虑到冷却因素到40%的RAN能耗-既是直接接触式液体冷却(DCLC)又是液浸冷却。先进技术，如再fi可持续智能 表面(RIS)和分布式(无细胞)大规模MIMO可以在更长期内进一步增加与网络能源的效率。 节能解决方案的完整优先级列表可在第5章“重新- 表扬'。 RAN总能耗 10% 基站设备能源 消耗量 7% 13% 50% 40% 80% 无线电单元(RU)基带单元(BU) 主控制 基站设备 冷却 其他 NGMN建议运营商审查每个选项的节能潜力 在本出版物中，并对节能潜力进行了进一步的研究网络解聚和云fi阳离子等关键技术。此外，研究应着手审查能源管理和可再生能源的最新技术 能源解决方案。 图1：RAN能耗细分[1] CONTENTS 01INTRODUCTION6 数据驱动能量控制- 3.2.3通过以下方式实现节能 03 降低DC功率损耗17 3.2.4直流配电 优化-建议18 02建议优化.............73.3可再生能源的潜力 RAN站点18 2.1网络节能功能 3GPP标准支持7 2.1.1数据驱动的无线电建模单位(RU)功耗7 2.1.2数据驱动的网站更新和网络节能功能激活 优化8 2.1.3数据驱动的优化 网络节能特点：10 2.1.3.1数据的示例应用- 新技术 04 网络节能19 4.1冷却19 4.1.1新的冷却技术19 4.1.1.1液浸冷却19 4.1.1.2直接接触式液体冷却20 驱动网络优化............................104.1.2液体冷却节能 和二氧化碳的减少20 2.1.3.2潜在的能源节约来自 数据驱动的网络优化.........................114.2网络分解20 03 ENGINEERING 优化方案12 3.1无线电、基带和天线12 3.1.1无线电单元能耗12 3.1.1.1改进RRU/AAU能源 Ešciency13 3.1.2基带单元(BBU)13 3.1.2.1提高BBU能源效率14 3.1.3无源天线14 3.1.3.1改进无源天线 e-ciency14 3.2降低直流功率损耗15 3.2.1电流直流配电 网络16 3.2.2Anenergye-cientbulkfeedDC 总线体系结构16 4.2.1节能潜力20 4.3先进的无线电技术21 4.3.1再fi可读智能表面21 4.3.1.1RIS节能潜力21 4.3.2分布式MIMO23 4.3.2.1DMIMO节能潜力23 05建议24 06缩写26 07ACKNOWLEDGEMENTS27 08参考文献28 01介绍 移动行业通过NGMN联盟（NGMN）的绿色未来网络计划已经汇集到fi和解决方案，以提高网络能源的效率。并使运营商能够减少电力消耗。在本出版物中，我们 概述并优先考虑可用于提高网络能源效率的各种选项。特别是节能方法分为三大类(和 时间范围): •（短期）流程优化（第2章） •(中期)工程优化(第3章) •（长期）新技术（第4章） 对于每种节能方法，都提供了基于实时数据的信息网络和/或模拟-关于潜在节能的大小和范围。 该出版物建立在NGMN的first网络能源效率报告的基础上，该报告审查了在典型的移动网络中消耗能量，并突出了机会和 行业提高网络能源效率的挑战。[1].Asidentityfiedinthat fi第一次NGMN报告，绝大多数电力消耗(近四分之三 ofallenergyconsumed)isinthemobilesites.Forthisreason,manyofthesolutions 提议寻求-作为优先事项-最小化RAN中的能源消耗。然而，运营商数据中心的能源消耗也与以下方面有关- 诸如冷却技术以及向虚拟化和云原生的转变网络元素。 02数据驱动能源消耗优化方案 由于能源危机，运营商面临着imme- 由于运营费用飙升而面临的挑战能源成本较高的结果。优化流程和 最优地配置fi网络以满足tra_c需求可以使运营商立即节省能源 在新基础设施、软件、 和服务。在本节中，我们描述了这样的优化- sationcanleadtoenergysavings.Tomaximizeimpact,our 重点是广泛可用的工具和技术由于正在进行的标准化举措。 这些发展正在进行中。除了RAN之外，3GPP 还在寻找架构增强和新的使用 系统能量e-case的效率[7].使用这些功能与更多的能源和有经验的网络设备一起 canleadtolargeenergysavinggains.Howeversimply 在网络中打开这些功能是不够的- 这些功能对能源消耗的影响 必须理解，并且必须正确地理解特征 Confi是为了确保网络性能不会对最终用户造成损害。 2.1网络节能3GPP支持的功能标准 在以前的版本中，3GPP专注于 UE省电[2]和网络功耗 减少。目前，在3GPP5G-AdvancedRelease1819，人们越来越关注减少能源 网络中的消耗。RAN被标识为fi 能源使用的主要贡献者，因此各种 正在使用defiNed功能以最大程度地减少能源消耗- 通过更有效地使用无线电在RAN中的应用资源，特别是在低/中等负载情况下[3] [5]。除其他外，3GPPRelease18是DefiNingCellDiscon- 连续发送和接收（小区DTX/DRX）和扩展到无SSB服务小区(SCell)操作 减少上的信令/数据(以及处理)负载细胞以及空间和功率域适应 动态控制有源MIMO天线，以及基于实际需要的PDSCH发射功率。目的是通过切换硬件来实现节能 组件，同时最大限度地减少对用户设备的影响- 设备和网络性能。此外，使用 3GPP正在探索AI/ML算法以优化 节能解决方案[6]。通过利用RAN数据，这些算法可以预测小区负荷和状态，使 量身定制和节能的行动，如traúco<unk>oa-ding和动态睡眠模式。 2.1.1数据驱动 无线电单元(RU)的建模功耗 对不同节能特征的影响进行建模 RU的功耗是优化的关键 无线电接入网络。3GPP最近已经defined了用于评估目的的RU功耗模型 [4]。该模型表征了 每个插槽的RU，用于不同的配置fi值。具体地说，fi模型定义fi消耗的功率 当基站处于睡眠状态和活动状态时。中提出了另一种模型[8]捕捉 起作用的关键组件之间的关系对RU功耗的主要作用。 在[8]设计了一个机器学习(ML)框架-被训练并从许多不同的人那里收集知识具有不同硬件配置的RU类型，以及可能来自不同的供应商[8]。图2显示 中的分析模型[8]，由ML框架提供的fi可以准确描述RU期间的功耗 运行时间，包括节电等 特征。值得注意的是，这种建模方法允许，采取 ML泛化属性的优势，以涵盖 在结肠中可能无法直接观察到的场景-选择的数据，但需要得出建议的数据分析模型。 图2：归一化无线电单元（RU）功耗与下行链路的关系-图3：网络能源效率基准 fic负荷，由fited分析模型估计[8] 2.1.2数据驱动站点刷新和网络 节能功能激活优化 在本节中，我们提供了一个使用数据的示例-驱动框架，以优化实际中的能量e-ciency覆盖欧洲大都市地区的网络。首先 所有，细胞水平的统计数据是从168个BS站点收集的研究区域，对于每个站点，我们计算一个QoS- 调整后的能量e-ciency度量： 在此评估过程之后，比较站点QoS-ad- 调整了2022年基准曲线的能源效率， 对低能e-su效率BS站点进行了fi识别和划分在三个感兴趣的群体中： •类型I：低tra_c和高下行链路速率，其中网络节能解决方案没有被充分利用/激活。 •类型II：高tra_c和低下行链路速率，其中能量节约解决方案得到充分利用，硬件 可以提高e-ciency。 •类型III：高tra_c和高下行链路速率，其中节能解决方案得到充分利用，而硬- Energyešciency=(数据量/能耗)×系数 whereFactorrate= 平均下行链路速率/平均目标下行链路速率 器皿是新的。 正如将要看到的那样，这种QoS调整后的能源效率是- tric允许更全面的能源e-ciency 评估，这反映了跨国公司的投资 在5G时代提高QoS，这对网络是有益的-工作优化。1 图3说明了QoS调整后的能源效率 为该地区168个BS站点中的每个站点计算的度量在研究中，每个橙色点代表一个BS站点， 绿线代表当前和未来的能源在实现优化的同时 考虑trac和网络随时间的变化。 1在这个简单的例子中，基于用户感知速率的QoS因子是引入了，但人们也可以设想为度量制定QoS因子， 例如,覆盖、延迟或甚至其组合。 对于类型I的BS站点，QoS调整后的能源效率可以通过激活节能解决方案来提高度量标准- 对于类型2的站点，QoS调整后