Bežične mreže oduvijek su trošile ogromne količine energije. Međutim, u usporedbi s prethodnim generacijama mobilne tehnologije, 5G podržava mnogo više istovremenih veza i veću propusnost podataka. Iako je 5G dizajniran s većom inherentnom mrežnom učinkovitošću od 4G-a, troši više energije zbog svoje sposobnosti da podrži puno veća prometna opterećenja i brže rješava složenije zadatake.
Primjerice, prema istraživanju GSMA Intelligencea, prosječna uporaba podataka korisnika na 5G mrežama je pet do deset puta veća u odnosu na istu na LTE-u. Istraživači također očekuju porast broja mobilnih pretplatnika: čak 7,5 milijardi pretplatnika diljem svijeta do 2025. Iako su neke mogućnosti automatiziranog upravljanja energijom ugrađene u 3GPP 5G standarde, 5G mreže će generirati značajna povećanja potrošnje energije, osim ako OPM-ovi ne usvoje temeljitije mjere upravljanja.
Balansiranje upravljanja energijom; slučaj SLA-ova
Kontrola potrošnje energije i njenog utjecaja na okoliš često zahtijeva automatizirane tehnike upravljanja koje minimiziraju učinke, ali obavezno u skladu sa sporazumima o razini usluge (SLA). Održavanje razine usluge najvažnije je u poslovnim 5G aplikacijama, koje su ključne i oslanjaju se na povezanost i automatizaciju u stvarnom vremenu.
Složenošću i gustoćom 5G prometa može se upravljati uporabom prediktivne analitike vođene umjetnom inteligencijom koja predviđa obrasce mrežnog prometa i automatski radi prilagodbe kako bi se postigao optimalni balans energije i performansi. Umjetna inteligencija omogućuje pametne, samoregulirajuće mreže koje mogu uočiti anomalije u ponašanju mreže i podesiti razine energije kako bi se smanjio učinak uz održavanje performansi. Budući da obrasci prometa uvelike varirati iz dana u dan i sata u sat kako 5G aplikacije postaju sve dinamičnije, ova funkcija nadilazi primjenu unaprijed definiranih vremenskih intervala za stanje isključenja na temelju prošlih radnji ili ponašanja mreže.
Neke procjene pokazuju da sustav upravljanja energijom temeljen na umjetnoj inteligenciji može smanjiti mrežnu potrošnju i troškove OPM-ova za 20% do 30% bez negativnog utjecaja na performanse. Ova smanjenja predstavljaju dva do pet puta veću uštedu od sustava bez umjetne inteligencije koji izvode privremena isključenja prema fiksnom rasporedu. U visoko distribuiranim 5G infrastrukturama, prediktivni sustavi mogu omogućiti male uštede energije u koje bi kumulativno mogle dovesti do značajnije štednje.
RAN s glavninom potrošnje energije
Radijska pristupna mreža (RAN) zaslužna je za otprilike 80 posto utroška mobilne mreže. Štoviše, analitičari procjenjuju da 5G bazne stanice troše barem dvostruko više energije od 4G baznih stanica. RAN je, dakle, najlogičnija početna točka za OPM-ove kako poboljšali energetsku učinkovitost.
Unutar svakog RAN-a postoje varijacije u prometnim obrascima. Najučinkovitije metode upravljanja energijom koriste umjetnu inteligenciju (AI) za dinamičko i automatsko isključivanje određenih dijelova RAN-a kada nisu potrebni da bi se izbjeglo rasipanje energije i smanjili troškovi.
Kako bi se postigla optimalna ravnoteža energije i SLA-ova, AI može dati prioritet kritičnim 5G korisnicima i/ili mrežnim slojevima. Raslojavanje mreže 5G omogućuje operaterima da osiguraju tisuće virtualnih, privatnih 5G poslovnih mreža na svojim postojećim 5G infrastrukturama. Svaki sloj, koji predstavlja jednu korisničku mrežu, aplikaciju ili lokaciju, može imati jedinstveni SLA. U slučaju zagušenja ili kvara mreže, sustav upravljanja energijom vođen umjetnom inteligencijom može uključiti baznu stanicu u stanju mirovanja ili povećati razine energije onoj koja je u korištenju kako bi se osigurala usklađenost s ključnim sporazumima o razini usluge. Podešavanje razina energije kako bi odgovarale samo potrebnoj aktivnosti obrade slično je prilagodbi razine intenziteta reflektora naviše ili naniže (umjesto stalnog uključivanja i isključivanja).
Manji naglasak na „najbržu mrežu”
5G propusnost je toliko visoka da tradicionalno natjecanje među operatorima za „najbržu mrežu” možda više nije relevantno niti podržava njihove ciljeve održivosti. OPM-ovi koji svojim korisnicima garantiraju najbrže mrežne usluge uvijek će trebati imati sve razine energije opreme podešene na maksimum – što šteti kontroli emisija. Umjesto toga, bilo bi bolje da se OPM-ovi usredotoče na stvaranje sporazuma o razini usluge na razini mrežnih slojeva i održavanje razina usluga točno na ili malo iznad svakog ugovorenog SLA-a, s obzirom na visok potencijal prihoda privatnog 5G-a za poduzeća.
5G standardi pogodni su za ovu vrstu SLA upravljanja jer 5G predstavlja prvu generaciju mobilne tehnologije koja uključuje integriranu analitiku. Funkcija analitike mrežnih podataka (NWDAF) 5G-a omogućuje standardizirano prikupljanje podataka kao dio upravljanja radom mreža različitih dobavljača, a ti su podaci odmah dostupni.
Ranije mobilne mreže često su koristile opremu raznih dobavljača u različitim mrežnim domenama, s odvojenom analitikom za svaku domenu, čineći prediktivne izračune gotovo nemogućima. Osim toga, podaci su bili skupno obrađeni, tako da je dostupnost mogla kasniti i do 15 minuta, što je predugo za podršku IoT i drugih 5G aplikacija u stvarnom vremenu.
Raslojavanje mreže omogućuje OPM-ovima da granularno upravljaju energijom u svojim mrežama, ali i da sudjeluju u programima održivosti svojih korisnika uz određenu naknadu. Svaki operator može automatizirati svoj skup resursa makromreže pomoću agregiranih AI-omogućenih prognoza o prometnim opterećenjima uz uvide u svaki rasloj mreže. Sa svakom 5G baznom stanicom dodijeljenom poslovnom korisniku, OPM-ovi mogu prediktivno podešavati pojedino korisničko privatno RAN/mobilno mjesto kako bi ispunili njihove ciljeve u pogledu snage i SLA-ova.
Realizacija
S obzirom na to da su emisije ugljika glavna briga, a energija čini procijenjenih 90 posto mrežnih troškova, postoji veliki poticaj za pronalazak načina za smanjenje 5G emisija. U skladu s Pariškim sporazumom, mobilna industrija zajednički je izradila plan klimatskih mjera za postizanje nulte neto stope emisija do 2050. godine.
S tim na umu i u svrhu ostvarivanja značajnih ušteda, vodeći ljudi OPM-ova trebali bi postaviti ciljeve u svim svojim firmama kako bi održivost bila glavni prioritet svim menadžerima. Njihovi planovi trebaju uključivati svu potrebnu obuku i redovite evaluacije uspješnosti.
OPM-ovi mogu slijediti okvir 5G NWDAF-a za implementaciju rubne i jezgrene analitike da bi proveli svoje planove u djelo. Ovi sustavi mogu predvidjeti mrežnu potražnju u svakoj stanici i upotrijebiti analitiku streaminga za evaluaciju, filtriranje i agregiranje podataka u stvarnom vremenu kao jedan od načina za postizanje ciljeva smanjenja emisija i troškova.
Svi operatori moraju se usredotočiti na svoj najveći izvor emisije ugljika – utrošak energije svojih mreža. Najodrživije tvrtke na svijetu čine upravo to uz provedbu sveobuhvatnih strategija koje se oslanjaju automatizaciju, AI i prediktivne analitike. Ove tehnologije mogu pružiti uvide potrebne za kontinuirano postizanje optimalne ravnoteže energije i SLA-ova kako bi se ispunili njihovi ciljevi energetske uštede uz pružanje najboljeg 5G korisničkog iskustva.
