MECANISME D’ECONOMIE D’ENERGIE

DANS LES RESEAUX 5G H-CRAN

Présenté par GBEGBE Raymond

 PLAN

INTRODUCTION

CONCEPTS DE RESEAU H-CRAN

ANALYSE DE L’OPTIMISATION DE
L’ENERGIE DANS UN RESEAU H-CRAN

CONCLUSION

3
 I-INTRODUCTION
 Contexte et motivations
➢ Dernières années marquées par:
▪ Augmentation exponentielle du trafic de l’internet mobile due à:
✓ Prolifération des terminaux connectés

✓ Forte croissance de services gourmands en débit et exigeants en latence

Plateforme de jeux

Plateforme
Plateforme de
de jeux
jeux en
en ligne
ligne

4
 INTRODUCTION
 Contexte et motivations

➢ PRÉVISIONS [CISCO, 2015]

➢ Le trafic IP mondial 41milions de DVD par heure
➢ Les communications vidéo = 80 à 90% du trafic Internet
➢ Cette croissance serait 1000 fois plus élevée de 2010 à 2020

➢ Selon le cabinet GARTNER:

➢ 15 milliards en 2017
➢ Environ 80 milliards d’objets connectés en 2020

Conséquences:
➢Raréfaction des ressources spectrales

5
 INTRODUCTION
 Contexte et motivations
➢ Solutions proposées par les opérateurs
✓ Extension du réseau d’accès Inconvénients

➢ Augmentation des coûts

énergétiques due à:
▪ La climatisation

Nouvelles cellules
Zone rurale

Zone
▪ La consommation électrique des
périurbaine
BS
Zone ➢ Augmentation des coûts :
urbaine
▪ D’exploitation : OPEX
Extension du réseau
▪ De maintenance : CAPEX
Anciennes ccellules

➢ Autres défis rencontrés

▪ Utilisation inefficace des stations des base
✓Les BS sont très sollicitées dans la journée et moins dans la nuit et vice
versa
✓Exemples : les quartiers d’affaires ou résidentiels

6
 INTRODUCTION
 Problématique
 La 5G dont le lancement est prévue pour 2020 prévoit:
➢ Des débits de 10 à 100 fois plus élevés que la 4G
➢ Une latence de l’ordre à 1ms
➢ Une réduction de la consommation énergétique de 90%

 Quelle nouvelle architecture faut-il définir

pour relever les défis mentionnés?
 Comment gérer efficacement le spectre et
l’énergie pour:
➢ Gérer le maximum d’objets connectés
➢ Sans altérer la QoS des usagers

 Plusieurs recherches ont prouvé que:

➢ La combinaison des réseaux :
▪ C-RAN: Cloud Radio Access Network
▪ HetNet: Heterogeneous Network
➢ Est une solution prometteuse pour améliorer l’efficacité énergétique
➢ Ce type de réseau porte le nom de réseau H-CRAN.
7
 II-CONCEPTS DE RESEAU H-CRAN
 Réseaux HetNets: ➢ Intégration de plusieurs small cells à
l’intérieur des macro cellules
➢ Avantages:
▪ Augmentation du débit et donc de
Femto eNB
l’ES
PICO eNB
eNB ▪ Réduction de la puissance due à la
MICRO eNB
PICO eNB MICRO eNB
proximité UE-BS: augmentation de
MICRO eNB

PICO eNB MICRO eNB

L’EE

 Le C-RAN: évolution des RANs traditionnels, séparation de la partie

responsable du traitement bande de base et de la partie RF
BBU Pool: traitement en BdB, optimisation des
ressources, gestion des couches L3, L2 et/ou L1

Fronthaul network: en ➢Avantages: Réduction

FO, de faible latence,
des frais énergétiques de
interconnexion
BBU Pool-RRHs climatisation:
▪Amélioration de l’EE et du
RRHs: tête radio
SE; réduction des coûts de
distantes, ampli RF,
A/D, D/A, E/R, UE-BBU maintenance et d’OPEX
8
 II-CONCEPTS DE RESEAU H-CRAN

 ARCHITECTURE H-CRAN:
➢ Similaire à celle des C-RAN
➢ Cellule est composée de:
▪ Macro RRH ou HPN: voix et
signalisation
BBU
Pool ▪ Nombre élevé de small cells ou
LPNs: données à haut débit,
Fronthaul incorpore quelques fonctions de la
couche physique
➢ BBU-Pool: procédures des couches
hautes
RRH ➢ AVANTAGES:
RRH M_RRH ▪ Meilleure gestion des
interférences par rapport au
RRH RRH
HetNet classique
▪ Débit plus élevé que le C-RAN:
proximité UE-BS

9
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN
 OBJECTIFS
➢ Mettre en place un algorithme dont l’objectif est de minimiser la
puissance totale consommée par le H-CRAN.
➢ Principe
▪ Mettre en veille les RRHs qui sont sous utilisés, c’est-à-dire les RRHs dont la
puissance totale consommée est en dessous d’un certain seuil de puissance
que nous fixerons.
▪ Les UEs associés à ces RRHs seront ensuite réaffectés aux autres RRHs qui ne
sont pas saturés et sous utilisés.

 MODELE DE SYSTEME (1)

➢Réseau H-CRAN constitué de:
▪ Ensemble de BBUs virtuels regroupés dans un BBU Pool
▪ Des macro cellules et des small cells
▪ Chaque macro cellule est composée:
✓D’une macro BS ou HPN : signalisation
✓D’un ensemble de LPNs (RRH) répartis de façon aléatoire : transmission des
données utiles
▪ Réseau Fronthaul: liaison BBU Pool- ensemble de BS en FO
10
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN
 MODELE DE SYSTEME (2)
➢On s’intéresse à la puissance consommée par une seule macro cellule
➢Chaque macro cellule est constituée d’une macro BS et M-1 small RRHs

M_RRH

RRH
RRH

RRH RRH

 PUISSANCE CONSOMMÉE PAR LE SYSTÈME: 𝑷𝑻

➢𝐏𝐓 = 𝐏𝐦𝐚𝐜𝐫𝐨𝐁𝐒 _𝐚𝐜𝐭𝐢𝐟𝐬 + σ 𝐏𝐑𝐑𝐇_𝐚𝐜𝐭𝐢𝐟𝐬 (1)
On suppose qu’un RRH désigne une micro BS

11
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN
Paramètres Signification Valeurs
𝝀, 𝜷𝒎 , - Variable binaire d’activation de MBS et du RRHm 0 ou 1
𝒂𝒎𝒌 , 𝒃𝒌 - Variable binaire d’association UEk-RRHm ou Uek-MBS

𝑴 Nombre de RRHs Variable

𝑲 Nombre d’UEs par macro cellule Variable
𝑷𝑹𝑹𝑯_𝒎𝒂𝒙 Puissance max d’un small RRH 200 mW
𝑷𝑴𝑩𝑺_𝒎𝒂𝒙 Puissance max d’une macro RRH 20 W
𝑷𝑹𝑹𝑯_𝒔𝒆𝒖𝒊𝒍 Seuil minimal de puissance pour un small RRH 𝟎 < 𝒔𝒆𝒖𝒊𝒍 < 𝟏

𝑷𝑴𝑩𝑺_𝒔𝒆𝒖𝒊𝒍 Seuil minimal de puissance pour un macro RRH 𝟎 < 𝒔𝒆𝒖𝒊𝒍 < 𝟏

𝑷𝑪𝑪_𝒎 Puissance constante correspondant au fonctionnement 𝟐𝟎%𝑷𝑹𝑹𝑯_𝒎𝒂𝒙

des circuits du RRH
𝑷𝑪𝑪_𝑴𝑩𝑺 Puissance constante correspondant au fonctionnement 𝟐𝟎%𝑷𝑴𝑩𝑺_𝒎𝒂𝒙
des circuits du macro RRH
𝑵𝟎 Densité spectrale de bruit −𝟏𝟕𝟒 𝒅𝒃𝒎/𝑯𝒛

𝑳𝒎𝒌 Affaiblissement de parcourt entre le RRHm et l’UEk 𝟏𝟑𝟎. 𝟔𝟐 + 𝟑𝟕. 𝟔𝐥𝐨𝐠𝟏𝟎 𝐝𝐦𝐤
𝐝𝐦𝐤 = 𝐝𝐢𝐬𝐭𝐚𝐧𝐜𝐞(𝐑𝐑𝐇𝐦, 𝐔𝐄𝐤)

𝑹𝒎𝒊𝒏,𝒌 Débit minimum requis par un UE pour un service, 2 Mbps

supposé constant pour tous les UEs
12
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN

 MODELE ENERGETIQUE DES STATIONS DE BASE

➢ 𝑷𝑹𝑹𝑯,𝒎 = 𝜷𝒎 𝑷𝑪𝑪,𝒎 + σ𝑲
𝒌=𝟏 𝒂𝒎𝒌 𝑷𝒎𝒌 + 𝟏 − 𝜷𝒎 𝑷𝟎,𝒔𝒕𝒂𝒕 (2)
➢ 𝑷𝑴𝑩𝑺 = 𝝀 𝑷𝑪𝑪,𝑴𝑩𝑺 + σ𝑲
𝒌=𝟏 𝒃𝒌 𝑷𝑴𝑩𝑺,𝒌 + 𝟏 − 𝝀 𝑷𝑴𝑩𝑺,𝒔𝒕𝒂𝒕 (3)
➢ On négligera dans la suite 𝑷𝟎,𝒔𝒕𝒂𝒕 et 𝑷𝑴𝑩𝑺,𝒔𝒕𝒂𝒕

➢ Puissance nécessaire pour garantir la QoS de l’UEk:

𝑹𝒎𝒊𝒏,𝒌

▪𝑷𝒎𝒌 = 𝟐 𝑾𝑷𝑹𝑩 − 𝟏 . 𝑵𝟎 𝑾𝑷𝑹𝑩 . 𝑳𝒎𝒌 (4)

 EXPRESSION DE 𝐏𝐓

𝑲 𝑴−𝟏 𝑲

𝑷𝑻 = 𝝀 𝑷𝑪𝑪,𝑴𝑩𝑺 + ෍ 𝒃𝒒𝒌 𝑷𝑴𝑹𝑹𝑯,𝒌 + ෍ 𝜷𝒎 𝑷𝑪𝑪,𝒎 + ෍ 𝒂𝒎𝒌 𝑷𝒎𝒌 (5)

𝒌=𝟏 𝒎=𝟏 𝒌=𝟏

13
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN

 FORMULATION DU PROBLEME
Minimiser
𝑲 𝑴−𝟏 𝑲

𝑷𝑻 = 𝝀 𝑷𝑪𝑪,𝑴𝑩𝑺 + ෍ 𝒃𝒒𝒌 𝑷𝑴𝑹𝑹𝑯 ,𝒌 + ෍ 𝜷𝒎 𝑷𝑪𝑪,𝒎 + ෍ 𝒂𝒎𝒌 𝑷𝒎𝒌 (6)

𝒌=𝟏 𝒎=𝟏 𝒌=𝟏
Sous contraintes :
𝑲

෍ 𝒂𝒎𝒌 𝑷𝒎𝒌 ≤ 𝑷𝑹𝑹𝑯_𝒎𝒂𝒙 , ∀𝒎 = 𝟏, … , 𝑴 − 𝟏

𝒌=𝟏
𝑲

෍ 𝒂𝒎𝒌 𝑷𝒎𝒌 ≥ 𝑷𝑹𝑹𝑯𝒔𝒆𝒖𝒊𝒍 , ∀𝒎 = 𝟏, … , 𝑴 − 𝟏

𝒌=𝟏
𝑲

෍ 𝒃𝒌 𝑷𝑴𝑩𝑺,𝒌 ≤ 𝑷𝑴𝑩𝑺_𝒎𝒂𝒙
𝒌=𝟏
𝑲

෍ 𝒃𝒌 𝑷𝑩𝑺,𝒌 ≥ 𝑷𝑴𝑩𝑺_𝒔𝒆𝒖𝒊𝒍
𝒌=𝟏

14
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN
 DESCRIPTION DE L’ALGORITHME: 2 fonctions principales
➢ 𝑭𝟏 : association UE-BS classique; 𝑭𝟐 : association UE-BS avec seuil de puissance
Début A
Début F1

Pour chaque UEk calculer Pmk la puissance Pour chacun de ces RRH (RRH d'origine)
fournie par chaque RRHm

Ranger dans un tableau les Pmk par ordre

REPETER
croissant

Associer à chaque UEk le RRH de 1er choix Redirection de l'UE le plus couteux en puissance
vers son choix suivant(RRH d'accueil)

Pour chaque RRH calculer (P1_UEk=puissance fournie

P_RRH=∑ P1_UEk par le RRH de 1er choix) on s'assure que P_RRH_accueil ≤ Pmax
(équilibrage de charge)

On vérifie s’il y a des RRhs pour oui

A JUSQU’A
lesquels P_RRH > P_max P_RRH_origine ≤ Pmax

non

Fin A
Fin F1

15
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN
 DESCRIPTION DE L’ALGORITHME: 2 fonctions principales
Début B
Début F2

Pour chacun de ces RRHs (RRH d'origine)

On vérifie si il y a des
OUI
OUI
RRHs pour les lesquels B
P_RRH<P_seuil On redirige tous les UEs qu’il sert vers leur
choix 2ndaire suivant (RRH d'accueil)

On s'assure à chaque redirection que pour le

NON
NON RRH d'accueil, P_RRH_accueil ≤ Pmax

Fin F2
Mise en veille du RRH (RRH d’origine)

Fin B

16
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN
Fonctions simulées
➢L’évolution de 𝑷𝑻 en fonction du nombre d’UE : 𝑷𝑻𝑬 = 𝒇(𝒏𝒐𝒎𝒃𝒓𝒆_𝑼𝑬)
➢L'évolution de 𝑷𝑻 en fonction du nombre de RRHs : 𝑷𝑻𝑹 = 𝒇(𝒏𝒐𝒎𝒃𝒓𝒆_𝑹𝑹𝑯)

 SCENARIOS DE SIMULATIONS
Scénario2: répartition aléatoire
Scénario1: répartition aléatoire
des UEs dans un coin de la cellule
des UEs dans toute la cellule

17
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN
 Simulations et discussions:
➢ On suppose que : 𝒓 = 𝟎, 𝟓𝒌𝒎 et 𝐑 𝐦𝐢𝐧,𝐤 = 𝟐 𝐌𝐛𝐩𝐬
➢ Paramètres de simulations

Fonctions Seuil K=nombre d’UEs M=nombre de RRH

𝑷𝑻 = 𝒇 𝒏𝒃𝒓𝒆_𝑼𝑬 0.5 Variable 50
𝑷𝑻 = 𝒇(𝒏𝒃𝒓𝒆_𝑹𝑹𝑯) 0.5 150 Variable

➢ Evolution de la puissance totale en fonction du nombre d’Ues

Scénario 1 Scénario2

18
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN
➢ Evolution de la puissance totale en fonction du nombre d’UEs
✓𝑷𝑻_𝒔𝒄é𝒏𝒂𝒓𝒊𝒐𝟐 < 𝑷𝑻_𝒔𝒄é𝒏𝒂𝒓𝒊𝒐𝟏
✓ Lorsque le nombre d’UEs est faible 𝐏𝐓 est quasi identique dans les 2 cas
✓ Lorsque le nombre d’UE augmente 𝐏𝐓 croît plus vite dans le 1er cas pas rapport
au 2e cas
✓ Taux de réduction varie de 88,65 à 58,95% pour le scénario1
✓ Contre 93,8 à 77,24% pour le scénario2
✓ Dans le 2e cas les choix primaires et 2ndaires des UEs sont les RRHs de cette
zone, donc émettent moins de puissance
✓ Alors que dans le scénario 1, le choix 2ndaire d’un UE être éloigné
✓ % de RRHs en veille décroit de 88 à 68% contre 93 à 83% pour le 2e cas

19
 III-ANALYSE DE L’OPTIMISATION DE L’ENERGIE
DANS UN RESEAU H-CRAN
➢ Evolution de la puissance totale en fonction du nombre de RRHs
Scénario 1 Scénario2

✓𝑷𝑻_𝒔𝒄é𝒏𝒂𝒓𝒊𝒐𝟐 < 𝑷𝑻_𝒔𝒄é𝒏𝒂𝒓𝒊𝒐𝟏

✓Moins de ressources, les 2 méthodes consomme beaucoup d’énergie: 24 W
environ
✓Il y’a moins de RRHs sous-utilisés
✓Lorsque le nombre RRHs augmente la puissance 𝑷𝑻 chute brutalement:
oScénario1: au-delà de 25 RRHs, % de réduction: entre 65 et 74%
oScénario2: au-delà de 25 RRHs, % de réduction: entre 75,86 et 82,81%.
oLe nombre RRHs sous-utilisés augmente: notre algorithme de CAC réduit la PT
lorsque le nombre de RRHs augmente
20
 IV-CONCLUSION ET PERSPECTIVES

 SYNTHESE GENERALE

➢ L’objectif général :proposer un algorithme pour réduire la puissance

consommée dans les réseaux H-CRANs sans détériorer la QoS des usagers
➢ Nous avons mis en place un nouvel algorithme de CAC ou d’association UE-
RRH
▪ Principe : mettre en veille tous les RRHs dont la puissance émise est en
dessous d’un seuil de puissance que nous avons fixé
▪ Rediriger les UEs de ces RRHs vers leurs choix secondaires
➢ Après des simulations: selon la fonction étudiée
▪ Scénario1: réduction de la puissance variant entre 58,9% et 88,66%
▪ Scénario 2: réduction de la puissance variant entre 75% et 93%
▪ EE est multipliée en moyenne 3,5 pour le scénario 1 et par 6 dans le
scénario 2
➢ L’algorithme proposé améliore donc significativement l’efficacité énergétique
des réseaux H-CRAN

21
 IV-CONCLUSION ET PERSPECTIVES

 PERSPECTIVES
➢ Tester cet algorithme dans un scénario en tenant compte des
interférences

➢ Combiner l’algorithme en combinaison avec des technologies de SDN,

NFV et de CR pour accroître d’avantage l’EE et le SE

22
 BIBLIOGRAPHIE
 BIBLIOGRAPHIE PERSONNELLE
➢ Gbegbe, R., Asseu, O., Ali, K. E., Diety, G.L. and Hamouda, S. (2017), Call
admission control algorithm for energy saving in 5G H-CRAN networks”.
Asian Journal of Applied Sciences
http://scialert.net/qredirect.php?doi=ajaps.0000.87652.87652&linkid=pdf

➢ Gbegbe, R., Hamouda, S., and Diety, G.L. (2017), "Energy-based RRH
assignment scheme for Heterogeneous Cloud Radio Access Networks".
International Journal ofC omputer Applications
http://www.ijcaonline.org/archives/volume180/number2/28774-2017915948

➢ Zamblé, R., Gbegbe, R., Kadjo, J.-M., Asseu, O. and Brou, P. (2016) “Dynamic
Spectrum Access Protocol for the Digital Dividend”. Circuits and Systems, 7,
4124-4144.
http://dx.doi.org/10.4236/cs.2016.713340

23