4G与5G双网共存时能效最优策略

薛亚辉，邵泽才，崔春风，金婧，王菡凝

（中国移动通信有限公司研究院，北京 100053）

0 引言

随着移动通信网络的蓬勃发展，信息通信技术（information an2 communications technology，ICT）产业能耗不断攀升。2011—2020年，中国移动年度总耗电量年均增长量为9.70%，2020年度总耗电量达到292.3亿千瓦时，其中基站耗电量年均增长率为11.33%。从全球范围来看，2020年ICT产业能耗约20 000亿千瓦时，预计到2030年，移动接入网和数据中心将增长3～4倍[1]。现如今，国际社会关于节能的呼声越来越高，国际电信联盟（International Telecommunications Union，ITU）、全球移动通信系统协会（Global System for Mobile Communications Association，GSMA）等国际组织号召全球ICT产业到2030年将碳排放降低45%，绿色节能无线网络势在必行[2]。

与4G相比，5G满足了用户更低时延的需求，采用了更宽的频段资源，引入了大规模多输入多输出（multiple-input multiple-output，MIMO）技术，大大提高了峰值吞吐量[3-4]，但由于基带计算量大且射频效率略低，5G基站功率更高。据中国移动2019年测得的数据，在满负荷下，5G 的平均测量吞吐量约为4G吞吐量的16倍，5G基站的总功耗是4G的3～4倍，5G能效比4G高。但在现网中，基站大多数情况下都是在中低负荷下运行。因此，针对4G与5G双网共存的状态，研究不同负荷下4G与5G的网络能效，寻求无线网络能效最优，对于运营商来说，至关重要。

1 网络能效

在以往的研究中，无线网络设计的重点集中在高容量、覆盖范围、数据速率、吞吐量和低时延等方面，而近些年来，由于环境及运营成本等原因，无线网络的能源效率 （energy efficiency，EE）已成为评估网络的重要指标之一[5-7]。

在无线网络中，常见的网络能效定义主要有：系统级能效、网络级能效和链路级能效。系统级能效考虑整个通信系统的能效性能，定义为系统的输入功率和输出功率的比值。网络级能效考虑的范围较大，不仅考虑网络对功率的使用效率，同时也会考虑网络的覆盖范围、网络容量等信息。链路级能效可分析通信系统中单个设备的能效，比如基站能效[8-10]。在本文中，主要研究基站的能效，能效度量形式为bit/J，为每消耗1 J的功率所能成功传输的数据量，表示为：

其中，R代表传输速率，P代表传输过程中消耗的功率。

2 基站能耗模型建立

2.1 基站能耗的组成

单个基站的能耗主要由站点基础设施和主设备两部分构成。站点基础设施通常包括用于将交流电转换为直流电的整流器、备用电源（如电池）和其他设施（如空调）。主设备是机柜中的基站设备，一般包括基带单元和无线电单元[11]。单座基站的能量传输路径示意图如图1所示。

图1 单座基站的能量传输路径示意图

由图1可见，基站能量传输由基础设施、主设备和空口3个部分构成。其能量消耗很大一部分来源于基站主设备，本文只考虑基站主设备的能效，暂不考虑空调等基础设施的能效。

基站主设备从功能上大致分为基带处理单元（base ban2 unit，BBU）、远端射频单元（remote ra2io unit，RRU）和天线3部分。5G基站中，RRU与天线进行物理集成，组成有源天线单元（active antenna unit，AAU）。基站主设备的功耗主要来自于BBU和AAU（或RRU）。一套典型的4G基站主设备一般包括1个基带处理单元和3个远端射频单元。一套5G基站主设备一般包括1个BBU和3个AAU。

BBU完成基带、主控、传输以及时钟等功能，其功耗主要来自内部处理器、ASIC/FPGA等芯片。与4G相比，5G基站支持更高速率、更低时延，内部芯片数量更多、性能更高，故BBU整机功耗比4G更高。

AAU的功耗主要来自于模拟信号处理模块、收发信机、功率放大器（power amplifier，PA）、滤波器、双工器以及低噪声放大器等。收发信机主要完成上行射频处理、下行的IQ数据解复用等功能；PA对收发信机输出信号的进行功率放大，配合削峰（crest factor re2uction，CFR）和数字预失真（2igital pre-2istortional，DPD）提高效率。

2.2 基站能耗模型建立

影响基站主设备能耗的因素有很多，但主要因素为基站的业务量，即基站负荷，并且与主设备能耗呈正相关性，基站负荷越高，能耗越高。目前，针对基站主设备能耗模型的研究已较为成熟，大量的研究表明，基站BBU功耗随基站负荷变化很小，基本和基站负荷大小无关，射频单元的能耗与基站负荷呈线性关系[12]。基站主设备能耗可表示为：

其中，P为基站主设备总能耗，BBUP为基站BBU的能耗，RFP为射频单元能耗（4G为RRU能耗，5G为AAU能耗），L表示为基站负荷，X根据不同基站类型取不同的值，0P为射频部分静态功耗。

在优化铸造系统之后，再次进行模拟．优化前后铸件的最终收缩率如图7所示．从图7可以看出，优化后原始圆圈中的缺陷基本消除，上面圆圈内铸件的最大缺陷也从原来的0.635 cm3减小到0.478 cm3．

本文测量了两款典型的4G和5G宏基站在不同负荷下射频部分的功耗，4G RRU功耗值见表1，5G AAU功耗值见表2。

其中，4G宏基站额定发射功率为40 B，共3个扇区，每个扇区8根天线，载波频率为2.6 GHz，单载波带宽20 MHz，每扇区3载波；5G宏基站的额定发射功率为240 B，共3个扇区，每个扇区64根天线，载波频率为2.6 GHz，单载波带宽为100 MHz。参考式（3），根据表1与表2的实测数据，利用线性回归算法拟合得到4G与5G基站射频部分功耗模型[13]。4G基站RRU能耗与无线利用率关系式：

其中，RRUP为4G基站RRU功耗，1X为4G无线利用率（平均占用RB数/RB总数）。

5G基站AAU能耗与无线利用率关系式为：

其中，2Y为5G基站AAU功耗，2X为5G无线利用率（平均占用RB数/RB总数）。

表1 4G RRU功耗值

表2 5G AAU功耗值

综上，本文测试的4G基站和5G基站的能耗表达式为：

3 仿真计算

3.1 仿真参数

本文选择应用较为广泛的城市宏基站为仿真场景，4G与5G载波频率均选择2.6 GHz。4G、5G参数配置的主要区别在于5G载波带宽更宽、发射天线数量更多，仿真配置参数见表3。

表3 仿真配置参数

3.2 业务模型

为更真实地对现实中的业务情况进行仿真，本文中采用3GPP TR 36.814中的FTP Mo2e 1业务模型[14]，见表4。Mo2el 1提供了2 MB和0.5 MB两种大小的数据包。本文采用的是2 MB的数据包。对于一个用户，每次至多有一个数据包传输，并且一个用户只产生一次FTP业务。FTP Mo2el 1业务生成示意图如图2所示。

表4 FTP Mode 1业务模型

用户到达速率λ符合泊松分布，通过改变用户到达速率λ来表示系统负载：

4 结果分析

本文利用FTP业务模型，对4G和5G基站的不同流量负载进行了仿真。用基站的RU来表示基站负荷，将不同流量负载下的基站的RU，分别代入能耗模型式（6）和式（7），计算4G基站和5G基站的能耗，进而根据式（1）计算不同吞吐量下的基站能效，4G与5G能效曲线对比如图3所示。

可以看出，4G与5G均存在能效占优区间。当单站吞吐量大于500 Mbit/s时，5G的能效更优；吞吐量小于500 Mbit/s时，4G的能效更优。

图2 FTP Mo2el 1 业务生成示意图

图3 4G与5G能效曲线对比

造成4G与5G各自存在能效占优区间的原 因可能在于，5G采用大规模MIMO技术，提高10倍以上的频谱效率[15]，但大规模 MIMO 通信系统使用了大量射频链路，这些射频链路消耗大量能量[16]。在低负荷情况下，5G基站静态功耗比4G基站更高。随着负荷的不断增加，5G的频谱资源利用率增加，频谱效率提高，由此带来的吞吐量增益越来越大，使得5G基站能效逐渐大于4G。

根据目前4G与5G双网共存时4G与5G业务流量占比情况，基于以上结论，制定网络运营策略：4G与5G双网共存时，当业务量小于500 Mbit/s时，只开4G基站；业务量大于500 Mbit/s时，只开能效更优的5G基站。执行该网络运营策略的基站功耗与吞吐量变化曲线以及基站能效与吞吐量变化曲线分别如图4、图5所示。

图4 基站功耗与吞吐量变化曲线

图5 基站能效与吞吐量变化曲线

可以看出，4G和5G双网共存时，负荷较高的情况下，5G能效更优，当基站吞吐量为1 000 Mbit/s时，采用新运营策略的基站功耗为原基站功耗的45.9%，能效为原基站能效的217.4%；在低负荷情况下，4G能效更优，当基站吞吐量为200 Mbit/s时，采用新运营策略的基站功耗为原基站功耗的40.1%，能效为原基站能效的249.4%。在本文的几种不同吞吐量的计算中，采用新运营策略的基站平均功耗为原基站功耗的46.6%，基站平均能效为原基站能效的216.4%。

5 结束语

本文首先分析基站能耗的主要组成部分及影响因素，通过实测数据得出基站能耗与无线资源利用率的关系式，进而建立4G与5G基站的能耗模型。然后利用仿真平台进行了不同吞吐量下的4G和5G基站的仿真，计算了4G和5G基站在不同负载下的能效。结果表明，4G和5G单个基站能效随负载的变化而变化，且存在各自能效占优区间。在双网并存时，根据负载采取能效最优策略决定开启4G或5G基站，基站能效可提升116.4%，此结果对基站运营策略具有一定意义。下一步研究中将进一步分析影响基站能耗的因素，细化基站能耗模型。