Совместное управление нагрузкой и распределение энергии для небольших базовых станций, работающих на ВИЭ: подход машинного обучения

Joint Load Control and Energy Sharing for Renewable Powered Small Base Stations: A Machine Learning Approach

Развертывание сетей с плотным расположением небольших базовых станций представляет собой одно из самых перспективных решений для будущих сетей связи, учитывая ожидаемый рост спроса на интенсивную передачу данных. Однако такая инфраструктура потребляет значительное количество энергии, что, в свою очередь, может представлять проблему для окружающей среды и приведет к росту операционных расходов поставщиков услуг связи. Использование возобновляемых источников энергии для снабжения небольших базовых станций недавно рассматривалось как средство уменьшения энергопотребления мобильных сетей.

В данной статье рассматривается иерархическая структура, в которой часть базовых станций питается исключительно от солнечных батарей и СНЭ. Базовые станции сгруппированы в кластеры и соединены в микросети. Центральный контроллер включает режим пониженного энергопотребления базовой станции и распределяет энергию между базовыми станциями на основе доступного энергетического баланса и спроса на трафик. Предлагается три различных реализации контроллера на базе моделей машинного обучения, а именно имитационное обучение, Q-Learning и глубокое Q-Learning, способные обучаться оптимальному режиму пониженного энергопотребления и политикам распределения энергии. В статье приводятся результаты масштабных исследований достигнутых характеристик, сложности и осуществимости предложенных моделей вместе с полученной экономией энергии и затрат.