From Data to Energy Savings: Toward Theoretical Optimum of Radio Access Network Energy Efficiency

Thumbnail Image

Files

master_Ranta_Martti_2025.pdf (1.43 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-04-17

Department

Major/Subject

Applied Mathematics

Mcode

Degree programme

Master's Programme in Mathematics and Operations Research

Language

en

Pages

58

Series

Abstract

The radio access network system plays an important role in wireless communications, but it uses a significant amount of energy. Up to 42 % of the energy costs of a communication service provider's network can be attributed to the radio equipment in base transceiver stations. In this thesis, an algorithmic Python model is provided for the objective of saving energy in RAN. The algorithm is based on power saving groups (PSGs), which (for the purposes of this thesis) are made up of 2–3 cells each. Depending on current traffic load and the selected model, one or two of the cells can be switched off to save energy. In the algorithm, two different assumptions for energy savings are made. Firstly, shorter than 30-minute traffic peaks above the switch-on (maximum) threshold of a BTS cell are assumed to not switch the cell on, and secondly, a perfect estimation of future load is assumed, enabling cells to be shut off earlier. Of these, the first assumption causes the bulk of the energy savings. For the second assumption, in this thesis it is assumed that a cell can be switched off 7.5 minutes earlier on average when load is about to dip below the switch-off (minimum) threshold of the cell. The model consists of multiple attributes that can be varied to create different sub-models. These attributes are: number of cells (1 or 2), iteration method of cell thresholds and energy usage function (constant or stepwise). In the case of a constant energy function, it is assumed that cells use the same amount of energy regardless of current load, whereas for the stepwise function energy usage is higher for higher loads. Three different sub-model combinations are explored in this thesis, each with varying but overall quite similar results. These theoretical assumptions lead to energy savings in the range of 4–11 %. In real units, savings of 11 % would amount to a total of 3930 GWh and 393 million euros for the top 100 communication service providers. It is worth noting that these amounts are extremely rough order of magnitude estimates, not exact figures. Furthermore, this thesis should be taken as a theoretical analysis that ignores many real-life constraints and features of the RAN system. The results are supposed to depict a sort-of upper limit on possible savings, not current reality.

Radiopääsyverkolla on tärkeä rooli langattomassa tietoliikenteessä, mutta se käyttää merkittävän määrän energiaa. Jopa 42 % operaattorien verkon energiankulutuksesta koostuu tukiasemien radiolaitteistosta. Tässä diplomityössä esitellään radiopääsyverkon energiankulutusta vähentävä algoritminen Python-malli. Algoritmi perustuu energiansäästöryhmiin (engl. power saving groups, PSG), jotka koostuvat kukin 2–3 solusta. Energian säästämiseksi yhden tai kaksi soluista voi väliaikaisesti sulkea riippuen tietoliikennekuormasta ja valitusta mallista. Algoritmissa tehdään kaksi energiaa säästävää oletusta. Ensinnäkin oletetaan, että alle 30 minuutin liikennehuiput tukiaseman solun käynnistämisrajan yläpuolelle eivät vielä käynnistäkään solua. Toiseksi oletetaan tulevan liikennekuorman täydellinen ennustaminen, mikä mahdollistaa solujen sulkemisen aiemmin. Näistä kahdesta oletuksesta ensimmäinen koostaa suurimman osan saavutetuista energiansäästöistä. Toisessa oletuksessa solujen arvioidaan sulkeutuvan keskimäärin 7,5 minuuttia tavallista aiemmin, kun liikennekuorma on tippumassa solun sulkemisrajan alapuolelle. Malli koostuu useista ominaisuuksista, joita voi vaihdella. Näin saadaan aikaan eri "alamalleja". Näitä ominaisuuksia ovat solujen määrä (1 tai 2), solujen rajojen iteraatiomenetelmä sekä energiankäyttöfunktio (vakiofunktio tai porrasfunktio). Vakiona pysyvän energiankäyttöfunktion tapauksessa oletetaan, että solun energiankäyttö pysyy samana riippumatta liikennekuormasta, kun taas porrasfunktion tapauksessa solu käyttää sitä enemmän energiaa mitä korkeampi liikennekuorma on. Tässä diplomityössä esitellään tarkemmin kolme eri mallia. Kukin malli tuottaa hieman eri tulokset, jotka ovat kuitenkin loppujen lopuksi keskenään linjassa. Nämä teoreettiset oletukset johtavat n. 4–11 % energiansäästöihin, kun niitä sovelletaan Nokian liikennekuormadataan. Tämä vastaa kokonaisuudessaan noin 3930 gigawattituntia ja 393 miljoonaa euroa maailman 100 suurimmalle operaattorille. On syytä huomata, että edellä mainitut luvut ovat karkeita suuruusluokka-arvioita eivätkä niinkään tarkkoja tuloksia. Tämä diplomityö tulee ottaa teoreettisena tarkasteluna, joka jättää huomiotta useita oikean elämän rajoitteita ja radiopääsyverkon ominaisuuksia. Tulokset kuvaavat eräänlaista energiansäästön ylärajaa, eivät tämänhetkistä todellisuutta.

Description

Supervisor

Hakula, Harri

Thesis advisor

Heerman, Mikael

Keywords

radio access network, energy saving, optimization, mathematical modeling, theoretical analysis, Python

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202505203907

Collections

[dipl] Perustieteiden korkeakoulu / SCI