區域化的無線蜂窩網自主節能管理機制

喻 鵬 李文璟 邱雪松

(北京郵電大學網絡與交換技術國家重點實驗室 北京 100876)

1 引言

隨著溫室氣體效應越來越受到關注，能效成為當前工業界所要考慮的重要問題之一。當前ICT工業的所消耗的能量已經占到全球能耗的5%，并在接下來的時間內增長趨勢更加明顯[1]。同時，隨著無線蜂窩網的不斷發展，網絡提供的業務越來越多樣化，無線接入節點(例如BTS, NodeB, eNodeB等)的部署也越來越密集。這些眾多的無線接入節點耗費了整個通信網絡80%～90%的能量[2]。目前，按照峰值容量設計的無線蜂窩網絡在低業務量時一些接入節點的負載為0或者很低，從而導致資源和運行維護成本的浪費[3]。因此，研究無線蜂窩網的節能對減少溫室效應的影響，降低運營商的運行維護成本有很大的意義。

目前已有的研究成果中無線蜂窩網節點的節能包括兩個方向：一是設計高能效的基站硬件，以提高功放電路等部分的效率。另外一個是軟件層次的節能管理，即在基站低業務量時，通過軟件控制休眠部分的基站，并控制相鄰的基站完成這部分區域的覆蓋和容量補償[2]。本文提出的自主節能管理機制(Autonomic Energy-Saving Management Mechanism,AESMM)屬于后一種方法。但是目前有關觸發節能動作業務量門限值的確定方法還沒有明確的結論。文獻[4]分析了從用戶角度考慮的節能算法，但是并沒有考慮區域的覆蓋和干擾的影響，也沒有給出具體的網絡參數調整方案。當前覆蓋補償的參數調整方法已有共識，主要是調整鄰基站的下傾角和發射功率來實現單基站的覆蓋補償[5,6]，但是僅僅考慮了下行的覆蓋范圍需求。文獻[7]提出了一種基于功率調整的覆蓋補償算法，但是僅僅考慮了規則化的網絡部署情況，并對所有補償基站采取統一的處理方式，并未考慮用戶的不均與分布。而從規劃的角度增加毫基站和毫微微基站來降低區域的能耗[8]，并不適用于已運行的動態網絡。針對基站的能耗模型，基站功率的靜態和動態組成部分已有分析[9]，但是動態部分與業務量之間的關系還沒有精確的結論，同時也沒有將覆蓋、質量和容量同時納入約束范圍。

針對以上問題，本文首先分析了無線蜂窩網的節能模型，之后依據節能模型提出了適用于無線接入網絡的AESMM。AESMM給出了自主化節能管理的實現流程和其中的關鍵算法，并解決了上述的業務量門限無法確定、缺乏兼顧多因素的節能方法，以及能耗模型不完備等問題。

2 無線蜂窩網的節能模型分析

其中nse表示基站小區的數目，nTx為一個小區對應的天線數，η為功放電路的效率，PTrans為收發器的功率，PProc為數字信號處理器的功率，PRect為整流器的功率，Pmicro為微波鏈路功率，Pairco為空調的功耗。式(1)對所有的基站均適用。在業務量變化周期區間[0,T]上，無線蜂窩網的節能問題可以用如下形式描述：

以上約束中，第1項是用戶角度的需求，即任何時刻，單個用戶i最多只能被一個基站j所服務，并最多使用一種業務。第2項是資源角度需求，即任何時刻所有的基站j都不存在過載情況，τj是用作切換和克服干擾的余量。第3項是業務質量角度的需求，任何時候，到達各個基站j的不同業務k的阻塞率應小于目標值。第4項是功率角度的需求，α是控制信道功率所占的比例。即每個基站j的發射功率都不大于功放電路所能提供的發射功率上限值。

如果要求解以上問題，需要在各個離散的時間點上進行分析。由于很多變量會隨時間發生變化，因此以上問題很難在各個時間點上獲取有效的解決方案[4]。而在節能初始時刻t*時，業務量分布的突變會帶來業務質量和覆蓋的顯著變化；而網絡進入節能狀態后，業務量、覆蓋和業務質量變化則相對平滑，因此解決時間點t*上的節能問題尤為重要。本文采用的方案是通過AESMM確定節能觸發和恢復門限，并針對t*時的節能問題進行求解，并給出具體的發射功率參數調整方案。

在節能觸發時，AESMM將會與其他節能算法進行對比，驗證在t*時刻的業務阻塞率，覆蓋間隙率，發射功率，資源約束是否滿足要求。

整個時間域上的節能效率Ee表示如式(4)所示：

由于傳播環境復雜，用戶分布不均勻等情況的存在，干擾很難得到準確地量化。因此，我們需要在節能時間段內，對覆蓋和干擾的影響進行監測，并在機制執行完畢后進行分析，以驗證該方法的可行性。這里主要通過區域的用戶接受服務基站的信號強度和載干比的累積概率來進行評價。設節能時間段內的時刻點t，用戶i接收到的來自于j的覆蓋相關的信號強度為ρij(t)，對應的載干比為κij(t)，為了防止過覆蓋和弱覆蓋的出現，ρij(t)和κij(t)在整個節能時間段上的累積概率分布應該滿足式(5)要求：

式中ρmin和κmin表示了用戶i接受基站j的服務時ρij(t)和κij(t)的下限值，β和γ表示ρij(t)和κij(t)累積概率分布的約束門限，Fx(C)表示變量x在滿足條件C時的累積概率分布。經過以上分析對比，AESMM即可得到有效的驗證。

3 自主的節能管理機制

AESMM 基于自主管理的理念設計[10]，通過自主監測、分析、規劃、執行完成無需人工干預的節能管理。具體流程分析如下：

(1)在自主監測階段，自主管理實體周期性監測區域的業務量和能耗。這里將占用的業務信道數作為區域業務量衡量參數。管理實體監測單個基站和區域的業務量變化情況，以及單個基站和區域的能耗變化。之后進入自主分析階段；

(2)在自主分析階段，若處于正常狀態下的網絡的業務量Tr低于節能觸發的門限δ，且持續時長大于等于緩沖時間ts，則觸發節能處理流程，進入自主規劃階段；若處于節能狀態下的網絡的業務量Tr高于節能恢復的門限σ，且持續時長大于等于緩沖時間tc，則觸發節能恢復流程，進入自主執行階段；如果以上條件均不滿足，則返回自主監測狀態繼續監測；

(3)在自主規劃階段，自主管理實體首先根據基站的布局，針對時刻t*，在可行的局部補償機制上選取待休眠的基站集合，通過區域化的雙小區補償法來實現；之后，針對未休眠的基站，在時刻t*采用自主覆蓋優化算法獲取基站的功率調整值的集合，以在保證基站覆蓋范圍的基礎上實現基站的最大化節能，進入自主執行階段。上述兩個功能是AESMM的核心；

(4)在自主執行階段，自主管理實體依據網絡的狀態和自主規劃的結果，針對基站和用戶執行相應的動作。主要包括休眠和開啟部分基站，調整和恢復基站的功率，執行用戶切換等等。執行完畢后，重新進入自主監測階段。

設執行區域化的雙基站補償法后，處于正常狀態，休眠狀態和補償狀態的基站比例分別為NR, SR和CR。一般情況下，節能觸發門限值δ和節能恢復門限值σ相一致，緩沖時間ts和tc也一致。可設初始節能的門限與峰值業務量Trmax關系為δ=Trmax/2。由于區域的業務量近似呈周期性變化，每經過一個周期之后，δ'=Trmax×min(δ/Trmax, NR+CR)作為新的門限值。從而實現節能觸發和恢復門限值的動態更新。

在分析階段針對業務量設置緩沖時間的目的是防止由于業務量的快速變化而出現的頻繁控制和切換。由于需要獲取多個基站的業務量信息，并且執行必要的切換，因此管理功能適合在無線網絡控制器(RNC)中實現。由于每個控制器的控制范圍有限，當切換涉及不同控制器下的基站時，需要各控制器協調完成相應的規劃和執行功能。同時，為了實現網絡狀態的快速恢復，各控制器需要對正常狀態下其下屬的基站的發射功率值進行記錄。

4 區域化的雙基站補償法

考慮到基站和小區的對稱性，針對單基站，依據已有的均勻布局場景下的對稱基站補償方法，本文提出了雙基站覆蓋補償方法。

4.1 雙基站覆蓋補償方法(OP補償)

從局部看，單個待關閉基站的覆蓋范圍可以由相鄰的基站來補償。由于單個基站的覆蓋范圍有限，因此在執行補償時，單個待關閉基站的覆蓋范圍同時由多個鄰基站同時來補償是相對可行的。針對均勻布局的基站，當由對稱的一對基站來進行補償時，區域可以關閉近一半數量的基站，具有良好的補償效果[7]。以市區常用的三小區基站為例，圖1(a)給出了 OP補償的示意圖，稱基站對(BS1, BS2)為基站BS0的對偶對(Opposite Pair, OP)，每個基站的對偶對構成集合 OP。針對現實網絡基站布局不均勻的情況，圖1(b)給出了更為普適的OP補償示例。基站BS0的OP確定方法如下：(1)選取BS0鄰基站中信號最強的 6個基站作為候選補償基站，如 BS1～BS6所示；(2)從6個基站中選取布局這樣兩個基站構成一個OP：其與 BS0構成的鈍角θ滿足 150°≤θ≤180°，且業務量均低于峰值，如圖 1(b)中的(BS1, BS4),(BS2, BS5)和(BS3, BS6)；(3)將所有的OP構成集合OP，作為備選的補償方案集合。

由于單基站的OP補償存在多個選擇，不同的選擇會對鄰基站的覆蓋造成影響。為了使區域化的覆蓋和節能效果趨向最佳，需要從區域的角度來選取不同基站的OP補償方案，以保證補償基站的效用的最大化，區域最優化的選取算法解決了這一問題。

4.2 面向OP補償的區域最優化選取算法

本文將基站的狀態分為正常狀態、補償狀態和休眠狀態3種。網絡狀態分為正常狀態和節能狀態兩種。節能狀態下的網絡中的基站由正常狀態下和補償狀態下的網絡提供覆蓋，休眠狀態下的基站則維持在低能耗狀態。區域最優化的選取算法保證在滿足OP補償的條件下使休眠的基站數目最大化。

圖1 三小區基站OP覆蓋補償示例圖

表1給出了OP補償的區域最優化選取算法描述。其中nij,oij和cij分別表示序列對opij中處于正常狀態、休眠狀態和補償狀態基站的數目。B表示所有基站的集合；S表示所有基站狀態的集合，0, 1和2分別表示正常狀態，休眠狀態和補償狀態。算法1的目標是使處于補償狀態的基站的補償效用最大化，從而達到關閉更多基站的目的。

表1 OP補償的區域最優化選取算法

由于基站的功率值決定了基站的覆蓋范圍，在確定了節能狀態下網絡中各個基站的狀態之后，需要調整處于非節能狀態的基站發射功率值，以保證區域化節能最大的目標上保證覆蓋目標。基站的功率調整值將通過智能覆蓋優化方法來獲取。

5 智能覆蓋優化算法

在明確了基站的狀態之后，針對時刻t*，需要調整補償狀態基站功率值以在保證區域覆蓋的基礎上實現區域能耗的最小化，首先我們分析了優化模型，之后選取合適的算法來進行求解。

5.1 優化模型分析

在選取了需要休眠的基站之后，基站的覆蓋范圍由參數下傾角和業務信道功率決定。本文假設天線傾角不變，則業務信道功率pjk決定了覆蓋范圍，這里將矩陣P={pjk}作為優化對象。

假設上行鏈路預算獲取的用戶覆蓋范圍為ru，基站j的高度為hj，則通過鏈路預算獲取的基站j的覆蓋范圍可以表示如下：

其中Ljk是基站j針對業務k的最大下行路損，fj是基站j的下行工作頻率，hms是用戶平均高度。函數g(·)由選取的路損模型來確定。“|”之前的參數為變量，之后的參數為取值固定的離散值。

僅從覆蓋范圍角度進行分析，基站j的半徑rj應該滿足如下約束：

在現網中，一般都有ru≥djk。以上兩式建立了pjk與rj的關系。進一步，從覆蓋的角度來說，要保證整個區域的覆蓋，需要最小化覆蓋間隙率H(P)，優化目標為

其中Olq表示基站l與基站q的重疊面積。由于業務信道功率的變化與基站發射功率成正比，因此需要使區域化的業務信道功率盡量小，即滿足：

由于區域覆蓋、功率約束、資源約束等等可計算指標直接決定了節能機制的有效性，因此在t*時刻這些因素將會被列作G(P)的約束條件，如式(10)所示：

上述約束中μ表示覆蓋空白率的上限。設PT表示P的取值集合，在網絡中業務功率值支持步長為1 dBm的調整，因此PT是一個離散的狀態空間，該優化問題在求解過程中需要處理大量的信息，是一個復雜的組合優化問題。需要通過智能優化算法來求解。

5.2 模擬退火的算法實現

作為一種通用的隨機搜索算法，模擬退火能夠有效地解決復雜的組合問題，并具有避免陷入局部最優，克服初值依賴性等優點，是一種理論上的全局最優算法[11]。模擬退火算法相對于其他智能優化算法，特點是其能夠獲取全局的最優解，但是收斂速度相對較慢。由于節能管理是個優化問題，一方面，其目標是尋求有效的最優解，另一方面，網絡優化的周期都相對較長，并不是一個時間敏感的問題，因此模擬退火算法在這里較為適用。另外，本文的節能模型只與基站數目的規模有關，同時離散的取值空間降低了計算復雜度，因此相對易于實現。

模擬退火算法主要用來求解無約束問題，因此需要將上述優化問題轉化成如下的無約束問題：

第1步選定有效的初始解P∈PT，給定初始溫度T0和終止溫度Tf，令迭代指標l=0,Tl=T0，設定內循環迭代次數n(Tl)，令內循環計數器n=0；

第2步隨機生成1個領域解P'∈N(P)∈PT，其通過改變P中一個隨機選取的基站j和業務k的Pjk值得到，其中N(P)表示P的領域。令n=n+1并計算目標值增量Δz=g(P')-g(P)；

第3步若Δz＜ 0，令P=P'，轉第4步；否則生成ξ=U(0,1)，若 exp(-Δz/Tl)ξ，則令P=P'；

第4步若達到熱平衡(內循環次數n＞n(Tl))，轉第5步；否則轉第2步；

第5步降低Tl,l=l+1，若Tl＜Tf，則算法停止，否則，重新設定內循環迭代次數n(Tl)，并令內循環計數器n=0，轉第2步。

在獲取了矩陣P的優化結果P'之后，在節能時間段內，設處于休眠狀態的基站功率均為PC，正常狀態下基站的發射功率為PB，對補償狀態的基站發射功率進行如下取值：

結合節能模型，即可計算出區域的節能效率。

6 仿真及分析

本文通過仿真，在 UMTS場景下中驗證了AESMM在3天(72 h)內的節能效果。

6.1 仿真環境設置

本文采用的仿真軟件是 QualNet，場景為WCDMA/HSDPA的一個城區場景。上下行工作頻率分別為1.95 GHz和2.13 GHz，路損通過COST32-HATA傳播模型來進行近似計算。仿真場景的俯視圖如圖2(a)所示。仿真區域的面積為3 km×2.5 km，街道寬度為20 m。一個面積為200 m×200 m的小型公園位于該區域的中央。所有建筑物的高度位于30 m到40 m之間。區域共包括18個基站，每個基站擁有3個小區。每個小區配置一個載頻。基站間距離在600 m到700 m之間。所有的基站都與同一個RNC連接，且基站類型一致。hms=1.5 m，區域提供 12.2 kbps AMR語音業務和 364 kbps的HTTP業務，初始的業務信道功率pjk均一致，分別為25 dBm和28 dBm。每個小區的可用資源為CE數，共有128個。單個語音用戶占用的資源數為1，HTTP業務所占用的資源由HSDPA機制動態分配。假設每個小區到達的用戶服從近似泊松分布，如圖2(b)給出了一個相對實際的到達率變化圖。可以發現到達率的變化周期為24 h。

圖2 仿真場景說明圖

在智能優化算法中，設T0=20,Tf=1,Tl+1=Tl×0.9,ζ=20。ζ,ω和χ的取值分為 100, 10和 5。μ的取值為4%,n(Tl)取值均為5，參照文獻[6]，可設PB=20 W,PC=70 W。

6.2 仿真結果分析

首先針對AESMM進行仿真，在第1個周期上，最優化結果在H(P)=2.99%，迭代次數為171時獲取。此時基站功率，資源約束均滿足要求。說明AESMM是有效的節能機制。NR, SR和CR的值分別為1/16, 7/16和1/2，對矩陣P，語音業務信道功率的調整范圍為[25 dBm, 32 dBm]，視頻會話業務信道功率的調整范圍為[28 dBm, 35 dBm]。

在整個仿真時間段上，網絡不執行AESMM和執行AESMM后，負載量最大的基站的阻塞率變化對比如圖3所示。首先可以發現數據業務的阻塞率要高于語音業務，同時，執行AESMM后阻塞率在節能時間段上會發生改變，且峰值高于正常網絡狀態，但是依然處于目標值1%下。這就說明節能方法獲取節能效果是以犧牲一定的性能為代價的。

在該仿真環境下，將AESMM與文獻[4]和文獻[7]的算法進行對比分析，一些指標值對比結果如表2所示。

通過表 2可以發現，3種算法的區域空白率和單基站最高阻塞率都維持在目標值以下，同時，節能時間的長短并不能直觀反映出節能的效率。在覆蓋區域指標上，文獻[4]算法由于從用戶角度進行處理而相對忽略了基站的覆蓋約束，對所有基站執行近似的補償方案，因此會產生最高的覆蓋空白，也達不到最好的節能效果。而文獻[7]算法由于將阻塞率作為節能門限的標準，因此單基站峰值阻塞率最高。同時由于補償基站數目較多，關閉基站數目較少，因此節能效率最低。相比之下，本文提出的AESMM在節能時間段和整個仿真時間上擁有最高的節能效率。

表2 3種算法仿真結果對比

進一步，我們考察這3種算法對覆蓋質量的影響。圖4給出了導頻信道CPICH RSCP和Ec/Io的概率分布。在網絡不執行節能方法，執行AESMM，文獻[4]算法和文獻[7]算法時CPICH RSCP大于-95 dBm 的概率分別為 99.30%, 98.54%, 98.01%和98.13%，對應的CPICHEc/Io大于-12 dB的概率分別為100%, 96.70%, 97.74%和98.23%。因此，雖然3種方法的信號強度和信干比的分布比正常狀態有所下降，但是仍然能夠滿足覆蓋質量的要求。同時，即使AESMM克服干擾的效果雖然略為低于文獻[4]和文獻[7]的算法，但是卻能夠保證最強的信號分布，可以有效避免弱覆蓋的發生。

綜上所述，由于AESMM在節能模型和智能優化算法中針對業務質量，覆蓋和干擾等都進行了約束，使得該機制相對于其他算法，能夠在均衡各方面性能的同時，獲取最好的節能效果。相比之下具有最高的有效性和可行性。

圖3 負載量最大基站阻塞率變化

圖4 區域覆蓋質量評價指標

7 結束語

本章將自主網絡管理技術應用到無線蜂窩網的節能實現中，基于“監測-分析-規劃-執行”的自主控制閉環的理念，設計了自主的節能管理方法AESMM。該方法可用于對運行中的無線蜂窩網進行自主的節能觸發，節能補償和節能恢復等。通過仿真驗證了其能夠在保證區域的覆蓋質量的同時，減少區域約17%的能耗，相對于其他節能方法，具有最好的節能效果。

作為一種集中式的管理方法，AESMM同時也存在集中式的管理方法所存在的缺點，例如失敗中心點，通信瓶頸等，同時這里基站僅僅考慮了同構基站部署的情況。由于分布式的網絡管理針對大型復雜的網絡更具有優勢，作者下一步的工作是基于LTE異構網絡架構，研究多頻段、多基站類型和多業務環境下的分布式自主節能方法。同時，作者當前正針對AESMM實現所面臨的難點，例如協議流程，部署策略，以及更易于工程實現的算法等進行研究，以為自主節能機制在現網中的推廣打下良好的基礎。

[1]Lubrittoa C, Petragliaa A, Vetromilea C,et al.. Energy and environmental aspects of mobile communication systems[J].Energy, 2011, 36(2): 1109-1114.

[2]Jyrkit L. Energy efficiency of modern cellular base stations[C]. Proceedings of the 29th International Telecommunications Energy Conference(INTELEC'07),Rome, Italy, 2007: 475-476.

[3]3GPP TR 32.826 v10.0.0. Study on Energy Saving Management(ESM)[S]. 2010.

[4]Zhou S, Gong J, Yang Z X,et al.. Green mobile access network with dynamic base station energy saving [C].Proceedings of the 15th Annual International Conference on Mobile Computing and Networking Workshop(MOBICOM 09), Beijing, China, 2009: 25-29.

[5]Niu Z S, Wu Y Q, Gong J,et al.. Cell zooming for costefficient green cellular networks[J].IEEE Communications Magazine, 2010, 48(11): 74-79.

[6]Marsan M A, Chiaraviglio L, Ciullo D,et al.. Optimal energy savings in cellular access networks [C]. Proceedings of the 1st International Workshop on Green Communications(ICCW'09), Dresden, Germany, 2009: 1-5.

[7]Chiaraviglio L, Ciullo D, Meo M,et al.. Energy-aware UMTS access networks[C]. Proceedings of the 11th International Symposium on Wireless Personal Multimedia Communications(WPMC '08), Lapland, Finland, 2008: 1-5.

[8]Richter F, Fehske A J, and Fettweis G P. Energy efficiency aspects of base station deployment strategies for cellular networks[C]. Proceedings of the 70th Vehicular Technology Conference Fall(VTC Fall '09), Anchorage, USA, 2009: 1-5.

[9]Deruyckd M, Tanghe E, Joseph W,et al.. Modeling and optimization of power consumption in wireless access networks[J].Computer Communications, 2011, 34(17):2036-2046.

[10]Brenan J, Sven M, Sasitharan B,et al.. Towards autonomic management of communications networks[J].IEEE Communications Magazine, 2007, 45(10): 112-121.

[11]Meshkova E, Riihijarvi J, Achtzehn A,et al.. Exploring simulated annealing and graphical models for optimization in cognitive wireless network[C]. Proceedings of 2009 IEEE Global Telecommunications Conference(Globecom '09),Anaheim, USA, 2009: 1-8.

[12]Marsan M A and Meo M. Energy efficient wireless Internet access with cooperative cellular networks[J].Computer Networks, 2010, 55(2): 386-398.

[13]Abdel Khalek A, Al-Kanj L, Dawy Z,et al.. Optimization models and algorithms for joint uplink/downlink UMTS radio network planning with SIR-based power control[J].IEEE Transactions on Vehicular Technology, 2011, 60(4):1612-1625.