FenixEdu™

Dissertação

{en_GB=Leveraging Capacity With Energy Consumption in 4G and Beyond Refarming and Reconfiguration Scenarios} {} EVALUATED

Detalhes: {pt=A evolução das tecnologias de comunicação móvel, associada ao surgimento dos sistemas de 5ª Geração (5G), aumentou a variedade e a quantidade de funcionalidades disponibilizadas pela rede sem fios, sendo assim um dos principais contribuintes para o crescimento do tráfego móvel global. Esta evolução tem um impacto importante no consumo de energia das Estações Base (BS), juntamente com o aumento gradual de utilizadores. No entanto, o crescimento do tráfego e os recursos rádio não são facilmente previsíveis, exigindo que as operadoras revisem constantemente as suas previsões de planeamento para cumprir todos os requisitos de Qualidade de Serviço (QoS) e Qualidade de Experiência (QoE). O objetivo desta dissertação é apresentar modelos de capacidade para as tecnologias de 4ª Geração (4G) e 5G, cada uma para um fornecedor distinto, e fornecer cenários de poupança energética a fim de aumentar a eficiência energética das BSs, utilizando modelos de consumo energético existentes. Os modelos de capacidade propostos são baseados em técnicas de Aprendizagem Automática (ML) supervisionada utilizando dados recolhidos de duas operadoras de rede móvel reais. Esta abordagem fornece a detecção de problemas de saturação de capacidade e a previsão da capacidade máxima da célula, em condições realistas. Os cenários considerados são baseados em técnicas de switch-off de bandas de frequência e de tecnologias, combinadas com uma análise mais aprofundada do impacto energético e capacidade na BS em questão., en=The evolution of mobile communication technologies, associated with the emergence of 5th Generation (5G) systems, have increased the variety and quantity of functionalities provided by the wireless network, thus being one of the main contributors to global mobile traffic growth. This evolution has a major impact on Base Stations (BSs) energy consumption, along with the gradual increase of subscribers. However, traffic growth and radio capabilities are not easily predictable, requiring operators to constantly revise their planning forecasts to fulfill all Quality of Service (QoS) and Quality of Experience (QoE) requirements. The aim of this dissertation is to present capacity models for both 4th Generation (4G) and 5G technologies, each one for a distinct vendor, and provide energy saving scenarios in order to increase the BSs energy efficiency, using existing energy consumption models. The proposed capacity models are both based on supervised Machine Learning (ML) techniques using data collected from two real mobile network operators. This approach provides the detection of capacity saturation problems and the prediction of the maximum cell capacity, under realistic conditions. The considered scenarios are based in frequency bands and technologies switch-off techniques, combined with further analysis of both energy and capacity impact in the concerned BS.}
Keywords: {pt=Redes Móveis, Modelação de Capacidade, Consumo Energético, 4G, 5G, Aprendizagem Automática., en=Mobile Networks, Capacity Modeling, Energy Consumption, 4G, 5G, Machine Learning.}

Discussão: fevereiro 25, 2021, 9:30