执行摘要
下一代移动网络（NGMN）和绿色未来网络计划下的移动行业正在共同努力提高网络能效（EE）。本报告概述并优先考虑了绿色未来网络计划第三阶段探索的各种选项，包括设备级和网络级测量方法、3GPP新无线电（NR）中的网络节能技术、射频单元（RU）能效提高方案、优化能耗的网络解决方案、移动网络与能源供应商之间的互通、虚拟化和解耦网络中的能效机会、开放无线接入网络（Open RAN）的能效要求，以及人工智能（AI）和机器学习（ML）在移动网络中的应用。报告还强调了AI在预测能效和负载状态、识别低能效站点以及优化能源使用策略方面的作用。
核心观点与关键数据
- 设备级测量：包括静态和动态测量方法，分别适用于不同的测试需求和环境。静态测量方法简单易行，但无法真实反映基站在实际网络操作中的行为；动态测量方法能更动态地捕捉节能功能、特性和无线网络特征的效果，但需要在实验室中采用更先进的测量设置。
- 网络级测量：通过监控不同的性能指标和能效成本（EC），移动网络运营商（MNOs）可以观察到各自网络的网络EC和网络EE随时间的变化情况。
- 3GPP NR 中的网络节能技术：包括时间域、频率域、空域和功率域技术，其中Release 18主要关注RRC连接UE、用户特定信号和信道的控制，以及与处于RRC空闲/非激活状态的UE相关的增强功能。
- 射频单元（RU）能效提高：包括无源天线效率优化、室内pRRU节能措施、优化RU负载依赖的功率消耗，以及前端自适应以提高能源效率。室内pRRU节能措施通过关闭不承载用户连接或数据传输的pRRU的功率放大器（PA）实现，测试结果表明相对于始终开启的网络部署实现了20%的节能收益。
- 优化能耗的网络解决方案：包括分层网络能效优化政策、通过多载波系统协同资源使用提高能效、多载波系统中的节能与频谱共享，以及跨移动网络运营商（MNOs）的无线接入网（RAN）共享。分层网络能效优化政策通过服务区域内异质的服务质量（QoS）要求，实现了高达18%的效率提升。
- 移动网络与能源供应商之间的互通：利用可再生能源如太阳能和风能被视为节能和减排的关键解决方案，同时强调了共同设计电源供应和网络通信资源的必要性。
- 虚拟化和解耦网络中的能效机会：虚拟化和分解移动网络加速了网络部署与管理，从而提升了运营效率。Open RAN谅解备忘录（MoU）为EE提供了优先事项，涵盖了不同的网络组件，包括O-RU、O-CU/O-DU软件与硬件、O-Cloud软件平台、RIC、RAN功能和SMO。
- 人工智能（AI）和机器学习（ML）的应用：AI/ML在移动网络中的实际应用包括基于AI/ML识别低能效基站、AI/ML辅助网络节能、在性能约束下通过载波关闭节能，以及资源感知机器学习框架。AI/ML算法可以推断未来的节能机会或gNB负载，以增强决策制定并平衡网络性能与节能之间的关系。
研究结论
- MNOs应仔细评估本报告中提出的提高网络能源效率的解决方案，并分析结论部分呈现的优先策略列表，包括短期过程优化、中期工程优化和长期新技术。
- 通过实施不同级别的协调以实现更高效的网络资源使用，EE（能量效率）的提升潜力可以得到实现。
- AI/ML可以成为提供最有效能效估计和预测的关键工具，同时减少在整个网络中收集和传输的数据量。
- 标准组织应定义协调方法，以确保负责实施不同且可能相互竞争的节能机制的RU能够适当协同工作。
- MNOs被鼓励共享其无线基础设施，以减少组件重复，并通过射频接入网络（RAN）共享联合利用网络资源，以此限制环境成本和碳排放。
