绿色未来网络 ： 节能移动网络路线图

绿色未来网络 ： 节能移动网络的路线图 本文件所含信息代表NGMN联盟于发布日期对讨论议题的当前观点。此文档以“现状”形式提供，不包含任何明示或暗示的保证，包括但不限于适销性、无侵权以及特定用途适用性的保证。对于使用本文件中信息相关的所有责任（包括侵犯任何财产权的责任）均予以排除。未授予任何明确或暗示的知识产权使用权。此文档仅用于信息目的，可能随时更改，并无通知义务。 © 2024 Next Generation Mobile Networks Alliance e.V. 保留所有权利。未经Next Generation Mobile Networks Alliance e.V. 的书面许可，不得以任何形式或任何手段复制或传输本文件的任何部分。 执行摘要 下一代移动网络（Next Generation Mobile Network, 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（Energy Efficiency, EE）。本出版物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。此前的出版物重点介绍了移动网络运营商（MNOs）为应对严峻的能源环境所采取的短期解决方案。相比之下，本报告进一步探讨了可能的技术路径，这些技术可以为解决MNO们面临的即将到来的环境和经济挑战制定网络能效路线图，并且每种潜在解决方案都与其实现的时间框架进行了对应。 首先，能够测量无线接入网络（RAN）的能量效率（EE）是这一过程的重要组成部分。实验室中评估基站（BS）设备有两种方法：静态测量方法用于能耗评估，动态测量方法用于能量效率评估。根据具体情境，这两种方法在测试当今的现代BS设备时各有适用场景。然而，BS设备可以应用于多种不同的配置、目的和情境。 此外，为了支持网络能效优化，人工智能（AI）可以成为关键工具，提供能源消耗（EC）的估算和预测，同时减少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在控制网络配置和参数的节点处转移和更新AI模型的方法论。在此背景下，鉴于AI模型规模的增加，我们提倡需要能够调整模型复杂性以最小化由模型训练、传输和执行产生的EC的解决方案。 我们还强调，不久之后，移动网络运营商（MNOs）可能会寻求整合新型硬件和软件机制以支持基于AI的网络能效建模与优化。在软件层面，集成新的智能解决方案可以允许网络通过调整可用网络容量以适应每个给定点的实际流量负载来减少能耗。在室内部署中，提出了一种新的节能技术，可以独立管理属于同一小区的所有RU的状态，并根据需要动态关闭任何不承载用户连接或数据传输的RU的功率放大器（PA）。试验表明，该解决方案相对于始终开启的网络部署实现了20%的节能收益。当由于非可忽略的负载而无法关闭射频组件时，本报告指出，实施智能资源分配的RU可以通过限制传输谱效率来降低传输功率，从而在RU上实现高达30%的负载依赖性能耗减少，而不影响用户的服务质量（QoS）。我们建议标准组织定义协调方法，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。 进一步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。具体而言，本出版物强调了一种新型网络优化方法的相关试验，该方法利用服务区域内异质的服务质量（QoS）要求，从而实现了高达18%的效率提升。 平均RAN EC的降低。此外，本报告介绍了在网络级别上的解决方案，其中多载波协调调度和频谱共享分别与小区不连续传输和载波关闭结合，可带来高达26%的能量效率（EE）增益。 此外，通过新的软件功能实施的协调机制之外，移动网络运营商（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。 如《绿色未来网络计划》[1] 上一出版物所报道，可再生能源的使用是减少碳排放和限制移动网络对电力电网依赖的关键解决方案。本报告还强调了共同设计电源供应和网络通信资源的必要性。我们建议标准组织增强移动网络与能源供应商之间的互操作性，以有效降低相关成本和各自的碳足迹，同时确保服务可用性。 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。在此背景下，本出版物综述了当前O-RAN生态系统的状态以及旨在加快能源高效网络部署的预期行动。 该报告强调了AI及其相关挑战在移动网络中的实际应用，并展示了AI算法如何通过预测未来的能效和负载状态以及识别低能效站点来帮助做出更好的节能决策，从而优化能源使用策略。 中国移动网络联盟建议运营商仔细评估本出版物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。 目录 执行摘要 … … … … … … … … … … … 3 简介 … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … …6.1 能源效率作为服务标准 ....................... 296.2 通信网络与电力电网的合作 ..................... 306.3 电信系统中能源消耗与能源供应的平衡 ........... 31测量 RAN 能效.............................................. 2.1. 设备级测量...................72.1.1 静态和动态测量......................................72.1.2 活动天线单元测量............................82.2 网络级测量........................9 分散网络中的能效...........33 7.1 虚拟化和解耦网络中的能效机会.............337.2 开放无线接入网络（Open RAN）MOU的能效需求.........347.2.1 MOU中涉及的能效技术要求范围......................247.2.2 MOU能效技术要求概述....................347.2.3 MOU进度报告中的关键能效信息......................35 3.1 3GPP NR 中的网络节能技术 … … … … …… … … … … … … 11 3.2 3GPP 标准化活动之外的 RAN 未来优化 … … 14 8.1 基于AI/ML识别低能效基站 ....368.2 AI/ML辅助网络节能 .........................388.3 在性能约束下通过载波关闭实现节能 ..................398.4 一种资源感知机器学习框架 ......................42 4.1 被动天线效率优化..................................154.2 室内pRRU节能措施.....................174.3 优化RU负载依赖的功率消耗.........184.4 前端自适应以提高能源效率..........................204.4.1 模数转换器挑战...........................204.4.2 未来之路？- 自适应前端...........................21 结论 … … … … … … … … … … … … … 44 缩写表 ....................46 数字 … … … … … … … … … … … … … … … … 05优化能耗的网络解决方案.....................22 5.1 网络节能与网络QoS下降....................225.2 分层网络能效优化............................235.2.1 分层能效优化的应用........................245.3 通过多载波系统协同资源使用提高能效.......................255.4 多载波系统中的节能与频谱共享.........................265.5 跨MNOs的RAN共享..............................27 表 49 参考文献 … … … … … … … … … … … … … … 承认 … … … … … … … … … … … … … 52 01INTRODUCTION NGMN的绿色未来网络计划旨在引领电信行业向能源高效运营和可持续经济转型。在之前的出版物中，我们概述了移动网络运营商（MNO）对电信行业面临的能源价格挑战的集体响应[1]。本次出版物则详细阐述并优先考虑了构建雄心勃勃的能效（EE）路线图的各种选项。特别地，能效方法被划分为三大类（及时间框架），并对每种解决方案提供了基于现场网络数据和/或模拟的数据信息，说明潜在的能源节省规模和范围（详见第九部分）。 本出版物详细介绍了这些解决方案如下：第2部分阐述了移动网络运营商（MNO）应采用的用于正确评估环境影响（EC）和能源效率（EE）的方法及相关标准。第3部分概述了3GPP新无线电（NR）努力以提升网络EE，并强调了未来标准化挑战。第4部分描述了可以改善射频单元（RU）能源效率的解决方案，这些RU消耗了基站（BS）功率的80%。第5部分引入了能够通过优化网络资源利用及利用时间和空间上的流量需求变化来提升无线接入网（RAN）EE的机制，同时不牺牲用户的QoS。第6部分探讨了潜在新生态系统中，MNO与能源供应商合作以满足环境和经济可持续性目标的挑战，利用可再生能源、储能设施以及实时信息交换。第7部分概述了虚拟化和解耦网络中提升EE的前景，强调了Open RAN部署的关键优先事项。第8部分突出了人工智能（AI）和机器学习（ML）集成带来的优势和挑战，以实现电信网络更高的网络能源效率。最后，第9部分总结了NGMN绿色未来网络计划的最新关键见解，强调了本白皮书中提出的解决方案可能带来的能源效率提升。 02测量 RAN 能效 能够对无线接入网络（RAN）中的能源效率进行测量是提高该网络性能的重要组成部分。根据不同的目的，移动网络运营商（MNOs）会使用不同的测量方法。在采购过程中，通常会采用实验室测试来测量即将在网络中使用的设备的能源消耗（EC）和效率。在网络运行期间，可以监控不同的性能指标以观察网络EC和网络能效（EE）随时间的变化。近年来，网络技术不断发展，变得越来越先进和复杂。5G-NR技术已经引入，新型设备如具备大规模多输入多输出（Massive MIMO）能力的有源天线单元（AAUs）被广泛部署，并且越来越多地引入了用于性能提升、网络优化和节能的各种特性。这显然影响了网络EC和网络EE的测量方式，也影响了如何以准确的方式进行这些测量。本节将突出这些影响及其相关的测量方面和标准。 2.1. EQUIPMENT LEVEL MEASUREMENTS 2.1. 1. 静态和动态测量 有两种方法在实验室测试BS设备；一种用于在静态程序中测量功耗，另一种用于在动态程序中测量能效。在静态测量程序中，对被测设备施加静态物理资源块（PRB）负载，并测量其产生的功耗。该过程重复进行三次不同的负载级别（低、中、高——高负载反映了繁忙时段的典型流量负载），并通过后处理平均功耗数据以及计算被测设备的日能耗。这种方法的主要优点在于设置和执行测试的简便性，但其局限性在于无法真实反映基站（BS）在实际网络操作中的行为。例如，变化的射频信道环境和一些依赖于流量的能效特征未被捕捉。静态测试广泛应用于移动网络运营商（MNOs），最知名的标准化标准由ETSI提供[2]。ATIS、CCSA。和 ITU - T 有类似的标准。 为了更动态地捕捉不同节能（EE）功能、特性和无线网络特征的效果，可以使用