KR101667161B1 - 밀집 배치된 네트워크에서 에너지 절약을 위한 모듈러 셀간 전력 관리 방법 및 시스템 - Google Patents

밀집 배치된 네트워크에서 에너지 절약을 위한 모듈러 셀간 전력 관리 방법 및 시스템 Download PDF

Info

Publication number
KR101667161B1
KR101667161B1 KR1020150123026A KR20150123026A KR101667161B1 KR 101667161 B1 KR101667161 B1 KR 101667161B1 KR 1020150123026 A KR1020150123026 A KR 1020150123026A KR 20150123026 A KR20150123026 A KR 20150123026A KR 101667161 B1 KR101667161 B1 KR 101667161B1
Authority
KR
South Korea
Prior art keywords
clusters
sub
power management
modular
cells
Prior art date
Application number
KR1020150123026A
Other languages
English (en)
Inventor
송나옥
이준구
김경혜
김준혁
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020150123026A priority Critical patent/KR101667161B1/ko
Application granted granted Critical
Publication of KR101667161B1 publication Critical patent/KR101667161B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/24—Cell structures
    • Y02B60/50—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

밀집 배치된 네트워크에서 에너지 절약을 위한 모듈러 셀간 전력 관리 방법 및 시스템이 개시된다. 본 발명의 일 실시예에 따른 모듈러 셀간 전력 관리 방법은 복수의 셀들을 포함하는 클러스터를 적어도 하나의 셀을 포함하는 복수의 서브 클러스터들로 분할하는 단계; 상기 분할된 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득하는 단계; 및 상기 복수의 서브 클러스터들 각각에 대해 상기 획득된 전력 관리 정책에 기초하여 셀간 전력을 관리하는 단계를 포함하고, 상기 전력 관리 정책을 획득하는 단계는 마르코프 의사 결정 프로세스(Markov decision process)에 기초하여 상기 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득할 수 있다.

Description

밀집 배치된 네트워크에서 에너지 절약을 위한 모듈러 셀간 전력 관리 방법 및 시스템 {MODULAR INTER-CELL POWER MANAGEMENT METHOD FOR ENERGY CONSERVATION IN DENSELY DEPLOYED NETWORKS}
본 발명은 에너지 절약을 위한 모듈러 셀간 전력 관리 기술에 관한 것으로서, 보다 상세하게는 셀이 밀집된 스몰 셀(small cell) 네트워크에서 마르코프 의사 결정 프로세스(MDP; Markov decision process)의 계산 복잡도를 줄이고, 전력 소비를 줄여 전력을 절약할 수 있는 모듈러 셀간 전력 관리 방법 및 시스템에 관한 것이다.
정보 통신 기술(ICT; information and communications technology)에서 에너지 소비는 트래픽(traffic)의 지수적인 증가와 함께 빠르게 증가하고 있고, 산업으로부터 중요한 이슈로 대두되고 있다. 정보 통신 기술에서 녹화 노력(greening effort)은 이산화탄소 방출 관점에서도 매우 중요할 뿐만 아니라 전기 용량 제한(electricity capacity limit)에 대한 증가 제한(growth limit)을 향상시킨다는 것에서 매우 중요하다. 무선과 셀룰라(cellular) 네트워크 영역에서 연구원들은 전기통신 네트워크의 전체 에너지의 거의 60%를 소모하는 것으로 추정되는 기지국(base station)의 전력 절약에 초점을 맞추고 있다.
정보 통신 기술에서 녹화 노력과 동시에, 연간 비주얼 네트워크 인덱스(VNI; visual network index) 보고서에 의해 예상되는 무선 데이터 폭발에 대한 5G 기술의 다른 노력이 준비 중이다. 극단적인 셀 치밀화(또는 밀집화)는 5G의 가장 중요한 측면들 중에 하나로, 스몰 셀들은 5G 네트워크에서 자릿수에 의한 네트워크 용량을 증가시키기 위하여, 명령적으로 사용될 수 있다. 스몰 셀들은 매우 비용 효과적인 공간적인 멀티플렉싱을 사용함으로써 용량을 극적으로 강화할 수 있고, 송신기 출력 전력은 셀 반경의 제곱의 역에 비례하여 감소된다. 그러나, 사용자의 이동성 특히 낮의 행동을 고려할 때, 각 기지국에 트래픽 로드(traffic load)의 큰 변화가 생길 수 있다. 이 변화는 스몰 셀들 안에 있는 인구의 작은 사이즈의 통계적인 특성 때문에 스몰 셀들에서 더 커질 수 있다.
최대 용량에서 모든 시간에 스몰 셀 기지국을 액티브하게 유지하기 위해서는, 네트워크는 아이들 주기 동안 많은 양의 에너지를 소비한다. 밀집 배치된 네트워크에서 스몰 셀들의 에너지 소비를 최적화하기 위하여, 기지국 트랜시버가 턴 오프되는 스몰 기지국의 슬립 모드가 고려되어야 한다. 슬립 모드의 사용은 센서 네트워크와 같은 대부분 무선 통신 시스템에서 사용되는 가장 일반적인 방식들 중 하나이다. 스몰 셀 네트워크에 슬립 모드를 적용하는 것은 에너지 절약에 매우 효과적이다. 전력을 아끼기 위한 슬립 모드를 구비한 최적 IPM에 대한 몇몇 연구들이 진행되었으며, IPM에서 다른 관심적인 측면은 펨토(femto) 기지국을 위한 슬립 모드 관리가 매크로 기지국을 위한 슬립 모드 관리보다 더 효과적이라는 것이다.
MDP 프레임워크는 시간 변화하는 조건 하에서 의사 결정을 위한 효과적인 툴로서, 이웃 셀들 간 핸드오버 트래픽의 동적(dynamics)에 반응하는데 사용된다. MDP 프레임워크는 기대 보상을 최대화하기 위한 목적으로 현재 상태에서 제약된 최적 문제(constrained optimization problem)를 만들어 낸다. Saker는 이종 네트워크(heterogeneous network)에서 펨토 기지국들의 슬립-앤-어웨이크(sleep-and-awake)에 초점을 두었으며, Kong은 플로우-레벨 트래픽에 따라 기지국의 리소스 모듈들을 동적으로 활성화하는 MDP 프레임워크를 고안하였다. 종래 기술에 따르면, 동적 MDP 기반 기지국 관리 스킴은 자기 조직화된 네트워크에서 최적 전력 절약에 관한 것으로, 구체적으로 네 개의 육각형 셀 클러스터의 경우에 대한 것이다.
알고리즘의 확장성은 스몰 셀 어플리케이션에서 매우 중요하고, 셀 배치는 용량을 최대화하기 위하여 밀집될 수 있다. 그러나, MDP 문제에 대한 최적 솔루션의 계산은 매우 복잡하고, 전역 탐색은 지수 스케일링 비용으로 일반적으로 사용된다. 휴리스틱 알고리즘에 의해 달성되는 차선(suboptimal) 솔루션은 최선 솔루션의 계산과 메모리 한계를 해결하기 위한 실용적인 솔루션으로 고려되고, 기존 연구에서 기지국 뿐만 아니라 사용자들의 정확한 위치 정보가 주어진 휴리스틱 알고리즘이 제안된 바 있다. 다른 휴리스틱 알고리즘은 기지국의 스위치 온/오프 문제에 대한 세트 커버 개념을 가져왔다. 셀 확대(zooming)은 셀 스위치-오프(CSO; cell switch-off) 기법과 동일한 간단한 그리디-드롭(greedy-drop) 알고리즘을 사용하는 휴리스틱 알고리즘이다. 휴리스틱 알고리즘의 목적은 실현 가능한 솔루션을 제공하고자 하는 것이다.
본 발명에서는 휴리스틱 알고리즘의 목적과 같은 실현 가능한 솔루션을 제공할 수 있는 모듈러 IPM 기법을 제안한다.
본 발명의 실시예들은, 셀이 밀집된 스몰 셀(small cell) 네트워크에서 마르코프 의사 결정 프로세스(MDP; Markov decision process)의 계산 복잡도를 줄이고, 전력 소비를 줄여 전력을 절약할 수 있는 모듈러 셀간 전력 관리 방법 및 시스템을 제공한다.
본 발명의 실시예들은, 비모듈러(non-modular) IPM 방법보다 더 많은 전력을 절약할 수 있고, 확장성 문제에 대한 실현 가능한 솔루션을 제공할 수 있는 모듈러 셀간 전력 관리 방법 및 시스템을 제공한다.
본 발명의 일 실시예에 따른 모듈러 셀간 전력 관리 방법은 복수의 셀들을 포함하는 클러스터를 적어도 하나의 셀을 포함하는 복수의 서브 클러스터들로 분할하는 단계; 상기 분할된 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득하는 단계; 및 상기 복수의 서브 클러스터들 각각에 대해 상기 획득된 전력 관리 정책에 기초하여 셀간 전력을 관리하는 단계를 포함한다.
상기 전력 관리 정책을 획득하는 단계는 마르코프 의사 결정 프로세스(Markov decision process)에 기초하여 상기 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득할 수 있다.
상기 복수의 서브 클러스터들로 분할하는 단계는 상기 전력 관리 정책을 획득하기 위한 메모리 사용량을 추정하고, 상기 추정된 메모리 사용량에 기초하여 상기 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정함으로써, 상기 클러스터를 상기 복수의 서브 클러스터들로 분할할 수 있다.
상기 복수의 서브 클러스터들로 분할하는 단계는 상기 추정된 메모리 사용량의 상위 경계(upper bound)에 기초하여 상기 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정할 수 있다.
상기 복수의 서브 클러스터들로 분할하는 단계는 양자화 상태들의 스텝 수를 추가적으로 반영하여 상기 복수의 서브 클러스터들 각각에 포함될 수 있는 최대 셀들 수를 결정하고, 상기 결정된 최대 셀들 수에 기초하여 상기 클러스터를 상기 복수의 서브 클러스터들로 분할할 수 있다.
본 발명의 일 실시예에 따른 모듈러 셀간 전력 관리 시스템은 복수의 셀들을 포함하는 클러스터를 적어도 하나의 셀을 포함하는 복수의 서브 클러스터들로 분할하는 분할부; 상기 분할된 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득하는 획득부; 및 상기 복수의 서브 클러스터들 각각에 대해 상기 획득된 전력 관리 정책에 기초하여 셀간 전력을 관리하는 관리부를 포함한다.
상기 획득부는 마르코프 의사 결정 프로세스(Markov decision process)에 기초하여 상기 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득할 수 있다.
상기 분할부는 상기 전력 관리 정책을 획득하기 위한 메모리 사용량을 추정하고, 상기 추정된 메모리 사용량에 기초하여 상기 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정함으로써, 상기 클러스터를 상기 복수의 서브 클러스터들로 분할할 수 있다.
상기 분할부는 상기 추정된 메모리 사용량의 상위 경계(upper bound)에 기초하여 상기 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정할 수 있다.
상기 분할부는 양자화 상태들의 스텝 수를 추가적으로 반영하여 상기 복수의 서브 클러스터들 각각에 포함될 수 있는 최대 셀들 수를 결정하고, 상기 결정된 최대 셀들 수에 기초하여 상기 클러스터를 상기 복수의 서브 클러스터들로 분할할 수 있다.
본 발명의 실시예들에 따르면, 큰 스몰-셀 클러스터를 작은 복수의 스몰 클러스터들 또는 서브 클러스터들로 분할함으로써, 셀이 밀집된 스몰 셀(small cell) 네트워크에서 마르코프 의사 결정 프로세스(MDP; Markov decision process)의 계산 복잡도를 줄이고, 전력 소비를 줄여 전력을 절약할 수 있다.
본 발명의 실시예들에 따르면, 비모듈러(non-modular) IPM 방법보다 더 많은 전력을 절약할 수 있고, 확장성 문제에 대한 실현 가능한 솔루션을 제공할 수 있기 때문에 기지국 관리 등에 용이하게 적용할 수 있다.
도 1은 스몰 셀 네트워크의 큰 클러스터에 대한 일 예시도를 나타낸 것이다.
도 2는 클러스터 내의 셀의 수에 대해 2-스텝 양자화 상태들인 경우와 5-스텝 양자화 상태들인 경우 추정된 메모리 사용량을 나타낸 것이다
도 3은 2-스텝 양자화 상태들을 가지는 모듈러 방법의 세 개의 셀들에 의해 경계된 기본 모듈들의 집합에 대한 예를 나타낸 것이다.
도 4는 큰 클러스터를 어떻게 모듈화하는지를 나타내는 모듈화의 예를 나타낸 것이다.
도 5는 6개 셀의 클러스터에 대해 2-스텝 양자화 상태들을 가지는 비모듈러 IPM(a), 2-스텝 양자화 상태들을 가지는 모듈러 IPM(b) 및 5-스텝 양자화 상태들을 가지는 모듈러 IPM(c)을 나타낸 것이다.
도 6은 도 5에 도시된 6 개의 셀 클러스터에 대한 각 방법을 비교하여 전력 절약 양을 확인한 결과를 나타낸 것이다.
도 7은 낮의(diurnal) 트래픽 패턴을 가지는 시나리오에 대해, 본 발명의 모듈러 IPM 방법과 비모듈러 IPM 방법을 비교한 시뮬레이션 결과를 나타낸 것이다.
이하, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 또한, 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
본 발명의 실시예들은, 셀이 밀집된 5G 스몰 셀 모델을 고려하는 것으로, 이웃하는 셀들에서 사용자를 커버하는 셀간 전력 관리(IPM; inter-cell power management)라고 불리는 셀 액티브-슬립 제어에 관한 것이다.
MDP(Markov decision process)를 사용하여, IPM에 대한 최적의 정책(policy)을 획득할 수는 있지만, 제한된 확장성(limited scalability)을 가지기 때문에 본 발명의 실시예들은, 몇 개의 이웃 셀들을 그룹화하는 모듈러 IPM 기술을 제공함으로써, 스몰 셀에서 에너지 사용을 절약할 수 있는 실현 가능한 솔루션을 제공하면서 MDP의 계산 복잡도를 완화시킬 수 있다.
본 발명의 실시예들에 따르면, 세부 스텝 양자화 상태들(fine-step quantized states)을 가지는 본 발명의 모듈러 IPM 방법이 코스스텝(coarsestep) 양자화 상태들을 가지는 비모듈러 IPM보다 더 많은 전력을 절약할 수 있기 때문에 큰 스몰-셀 클러스터(large small-cell cluster)에서 전력 절약을 위한 기지국 관리에서 더 선호될 수 있다.
이하, 본 발명의 상세한 설명에서는, MDP 기반 기지국 관리와 비모듈러 IPM 방법에 대해 설명한 후 본 발명의 실시예에 따른 모듈러 IPM 기술에 대해 설명한다.
1) MDP 기반 동적 기지국 관리.
스몰 셀 네트워크의 큰 클러스터이고, 기지국이 각 셀의 센터에 위치하며 클러스터에서 셀의 수가 큰 경우를 고려하며, 스몰 셀 네트워크의 큰 클러스터는 도 1과 같이 도시될 수 있다.
MDP 정책 기반 중앙 의사 결정자(decision maker)는 네 개의 육각형 셀 네트워크를 위한 동적 기지국 관리를 최적으로 수행할 수 있다. 본 발명에서 고려하는 셀 사이즈는 더 작고, 매크로(macro) 셀 내에 펨토(femto) 셀의 밀집 배치와 유사하다.
MDP 기반 기지국 관리의 일반적인 형태에 대해 설명하면, MDP는 MDP 시스템 상태들의 집합(s), 액션들의 집합(a), MDP 에포크 시간(Δt), 상태 천이 확률(P)의 네 개의 튜플들(tuples)로 정의된다.
MDP 시스템 상태들의 집합은 클러스터 내 모든 셀들에 대한 트래픽 수요의 각도 예를 들어,
Figure 112015084488170-pat00001
로 구성된 벡터로 정의되며, Ncell은 셀의 수를 의미한다.
Figure 112015084488170-pat00002
는 셀 i의 상태를 의미하고, Nstep은 미리 결정된 양자화된 상태들을 의미한다. 즉, 0부터 기지국의 용량까지 트래픽 요구 범위는 Nstep으로 일정하게 양자화된다. 본 발명의 상세한 설명에서는 2-스텝 양자화 상태들과 5-스텝 양자화 상태들을 가지는 MDP 시스템 상태들의 집합을 고려하여 설명한다.
액션들은 트래픽 오프로딩에 의한 기지국의 활성화와 비활성화 정보를 포함한다. 액션들의 집합은 클러스터 내 각 기지국의 활성화 정보를 가지는 벡터로 정의될 수 있다. 액션들의 집합은 전력 절약을 위한 최적의 액션들 집합을 결정하는 주기인 에포크 시간 Δt에 의해 결정될 수 있다.
액션 a가 주어질 때 상태들 Sfrom으로부터 Sto로의 천이 확률은
Figure 112015084488170-pat00003
로 아래 수학식 1과 같이 나타낼 수 있다.
[수학식 1]
Figure 112015084488170-pat00004
여기서, Ti는 si부터 s'i까지 에포크 시간 Δt 동안 셀의 천이 확률을 의미한다.
Δt 동안 상태 천이 확률은
Figure 112015084488170-pat00005
로 나타낼 수 있고,
Figure 112015084488170-pat00006
에 의해 획득될 수 있다. 여기서,
Figure 112015084488170-pat00007
는 시스템의 최소 시간 슬롯이며,
Figure 112015084488170-pat00008
이다.
보상 함수
Figure 112015084488170-pat00009
는 상태 s에서 액션 a를 위한 전력 절약의 양으로 정의되고, 아래 수학식 2와 같이 나타낼 수 있다.
[수학식 2]
Figure 112015084488170-pat00010
여기서,
Figure 112015084488170-pat00011
는 모든 실현 가능한 상태들의 집합을 의미하고,
Figure 112015084488170-pat00012
는 에포크 시간 Δt 동안 천이 확률을 의미하고,
Figure 112015084488170-pat00013
은 모든 기지국들이 내내 사용하는 것과 비교되는 액션 a의 전력 절약을 의미한다.
정의된 MDP 튜플들과 보상 함수를 이용하여, MDP 최적화 문제는 아래 수학식 4 내지 6을 조건으로 아래 수학식 3과 같이 나타낼 수 있다.
[수학식 3]
Figure 112015084488170-pat00014
[수학식 4]
Figure 112015084488170-pat00015
[수학식 5]
Figure 112015084488170-pat00016
[수학식 6]
Figure 112015084488170-pat00017
여기서, 수학식 4와 5는 액션들의 실현 가능성(feasibility)을 보장하기 위한 제약조건(constraint)을 의미하고, 수학식 6은 서비스의 유효성(availability)에 대한 제약조건을 의미한다. ai,j=1는
Figure 112015084488170-pat00018
인 경우 셀 i에 대한 기지국 i가 셀 j에 대한 기지국 j에 있는 사용자들을 서브(serve)하는 것을 의미하고, ai,j=0은 그렇지 않은 경우를 의미한다.
sj의 양자화 경계(quantization boundary)는 csj로 나타내고, 각 기지국의 채널 수는 Nch로 나타낼 수 있다. 정책-반복(policy-iteration) 알고리즘은 최적 MDP 정책을 획득하기 위해 사용될 수 있다.
2) 비모듈러 방법의 확장성 문제
비모듈러 IPM 방법은 최적 MDP 정책을 적용할 때 전체의 큰(large) 클러스터에 있는 모든 셀들은 고려한다. 그러나, 이 방법은 클러스터 사이즈가 커짐에 따라 최적 MDP 정책을 획득하기 위하여 큰 메모리 사용량이 요구되기 때문에 확장성에 문제가 있다. 이런 확장성 문제를 어드레스(address)하기 위하여, 비모듈러 IPM 방법은 최적 MDP 정책을 획득하기 위해 요구되는 메모리 사용량의 사이즈를 추정한다.
메모리 사용량을 추정하기 위해서는, MDP 프레임워크의 기본 요소들, 상태, 액션, 천이 확률과 보상 함수가 고려되어야 한다.
Figure 112015084488170-pat00019
와
Figure 112015084488170-pat00020
각각이 상태들 집합
Figure 112015084488170-pat00021
와 액션들 집합 a에 의한 메모리 사용량이라 가정하고, 클러스터 내 셀들의 수가 Ncell, 양자화 스텝의 수가 Nstep인 경우
Figure 112015084488170-pat00022
과
Figure 112015084488170-pat00023
는 아래 수학식 7과 수학식 8에 의해 획득될 수 있다.
[수학식 7]
Figure 112015084488170-pat00024
[수학식 8]
Figure 112015084488170-pat00025
여기서, bsi와 bai,j는 상태 si와 액션 ai,j에 의한 메모리 사용량(바이트 단위)을 의미하고, Ca(Ncell)는 클러스터 내 셀의 수가 Ncell인 경우 실현 가능한 액션들의 수를 의미한다. Ca(Ncell)는 수학식 4와 5를 만족하는 실현 가능한 액션들을 포함하기 때문에 쉽게 추정될 수 없다. 최적 MDP 정책에 대한 메모리 사용량이 추정(또는 평가)되면 Ca(Ncell)는 MATLAB 시뮬레이션으로부터 도출될 수 있다.
Figure 112015084488170-pat00026
와
Figure 112015084488170-pat00027
각각이 상태 천이 확률 매트릭스 P와 보상 함수
Figure 112015084488170-pat00028
에 의한 메모리 사용량이라 가정하고, 클러스터 내 셀들의 수가 Ncell, 양자화 스텝의 수가 Nstep인 경우
Figure 112015084488170-pat00029
와
Figure 112015084488170-pat00030
는 아래 수학식 9과 수학식 10과 같이 표현될 수 있다.
[수학식 9]
Figure 112015084488170-pat00031
[수학식 10]
Figure 112015084488170-pat00032
여기서,
Figure 112015084488170-pat00033
와
Figure 112015084488170-pat00034
는 상태 천이 확률
Figure 112015084488170-pat00035
과 보상 함수
Figure 112015084488170-pat00036
에 의한 메모리 사용량(바이트 단위)을 의미한다. 최적 MDP 정책을 획득하기 위해, 추정된 메모리 사용량을 계산할 때, bsi와 bai,j에 대해 최소 메모리 분배 단위로 1바이트를 설정한다. 최소 메모리 분배 사이즈는 계산의 간단성을 위하여 1바이트로 가정한다. 반면, 상태 천이 확률
Figure 112015084488170-pat00037
과 보상 함수
Figure 112015084488170-pat00038
를 다루기 충분하도록
Figure 112015084488170-pat00039
와
Figure 112015084488170-pat00040
에 8바이트를 분배한다.
마침내, MDP 정책을 획득하기 위한 전체 메모리 사용량 MMDP는 아래 수학식 11과 같이 추정될 수 있다.
[수학식 11]
Figure 112015084488170-pat00041
상기 수학식 11에 의해 추정되는 전체 메모리 사용량 MMDP는 최적 MDP 정책을 획득하기 위한 기본 요소들에 의해서만 추정된 메모리 사용량일 수 있다.
도 2는 클러스터 사이즈 즉, 클러스터 내의 셀의 수에 대해 2-스텝 양자화 상태들(Nstep=2)인 경우와 5-스텝 양자화 상태들(Nstep=5)인 경우 상기 수학식 11에 의해 추정된 메모리 사용량을 나타낸 것이다. 도 2에 도시된 바와 같이, MDP 정책을 획득하기 위해 추정된 메모리 사용량은 클러스터의 사이즈가 커질수록 지수적으로 증가하는 것을 알 수 있다. 양자화 레벨의 수가 더 높을수록, 클러스터의 사이즈가 커짐에 따라 추정된 메모리 사용량 비율은 더 빠르게 증가한다. 6개 이상 셀들의 클러스터에 대해, 5-스텝 양자화 상태들을 가지는 최적 MDP 정책은 너무 많은 메모리 사용량이 필요하기 때문에 도출되지 않을 수 있다.
이와 같이, 비모듈러 IPM 방법은 클러스터 사이즈가 커짐에 따라 지수적으로 증가하는 메모리 사용량이 요구되기 때문에 확장성 문제를 가지고 있다. 따라서, 이런 확장성 문제를 해결하기 위한 실현 가능한 솔루션은 큰 스몰-셀 클러스터 네트워크에서 전력 절약을 위한 IPM에 있어서 대단히 중요하다.
3) 본 발명의 실시예에 따른 모듈러 방법
상술한 바와 같이, 비모듈러 IPM 방법은 확장성 문제가 있기 때문에 많은 셀들을 가지는 클러스터에 적용할 수 없는 문제점이 있다. 본 발명의 실시예에 따른 모듈러 IPM 방법은 스몰-셀 네트워크에서 전력 절약을 위한 기지국 관리의 실현 가능한 솔루션을 제공할 수 있다.
본 발명의 실시예에 따른 모듈러 IPM 방법은 스몰-셀 네트워크의 큰 클러스터가 여러 개의 더 작은 스몰 클러스터들로 분할되고, 이런 더 작은 스몰 클러스터를 제한된 수의 셀들로 구성된 모듈로 정의한다. 각 모듈에 대한 최적 MDP 솔루션은 큰 클러스터 네트워크에서 기지국 관리의 전력 절약을 위해 획득된다.
모듈들 즉, 제한된 수의 셀들로 구성된 스몰 클러스터들은 모듈러 IPM 방법의 기본이 되는 구성이다. 본 발명의 모듈러 IPM 방법을 확장하기 위해, 모듈의 사이즈 즉 스몰 클러스터 내 셀들의 수가 경계(bound)된다.
이 때, 본 발명의 실시예에 따른 방법은 추정된 메모리 사용량의 상위 경계(upper bound)를 설정함으로써, 모듈러 IPM 방법을 위한 기본 모듈들의 최대 셀들 수를 결정할 수 있다. 즉, 추정된 메모리 사용량의 상위 경계에 기초하여 실현 가능한 모듈러 IPM 방법을 보증하는 기본 모듈들의 집합을 결정한다.
추정된 메모리 사용량의 상위 경계가 도 2의 도트 라인으로 표시된 것과 같이 0.05MB로 설정되면, 2-스텝 양자화 상태들을 가지는 모듈러 방법을 위한 모듈들의 사이즈는 세 개의 셀들에 의해 경계된다. 여기서, 2-스텝 양자화 상태들을 가지는 모듈러 방법의 세 개의 셀들에 의해 경계된 기본 모듈들의 집합은 도 3에 도시된 일 예와 같을 수 있다. 예컨대, 도 3a에 도시된 바와 같이 한 개의 셀로 구성된 모듈(one-cell module), 도 3b에 도시된 바와 같이, 두 개의 셀들로 구성된 모듈(two-cell module), 도 3c에 도시된 바와 같이, 세 개의 셀들로 구성된 모듈(three-cell module)이 경계된 기본 모듈들의 집합으로 구성될 수 있으며, 세 개의 셀들로 구성된 모듈은 도시된 바와 같이 두 타입이 있을 수 있다.
반면, 본 발명의 실시예에 따른 모듈러 IPM 방법은 5-스텝 양자화 상태들을 사용하기 위해서는, 도 2에 도시된 바와 같이 모듈들의 사이즈가 두 개의 셀들에 의해 경계되어야 한다. 즉, 5-스텝 양자화 상태들을 가지는 모듈러 방법의 두 개의 셀들에 의해 경계된 기본 모듈들의 집합은 한 개의 셀들로 구성된 모듈과 두 개의 셀들로 구성된 모듈일 수 있다.
도 4는 큰 클러스터를 어떻게 모듈화하는지를 나타내는 모듈화의 예를 나타낸 것으로, 도 4a는 6개의 셀 클러스터에 대해 가능한 세 개의 모듈화 예를 보여주고, 도 4b는 7 개의 셀 클러스터에 대해 가능한 세 개의 모듈화 예를 보여준다. 물론, 모듈화 방식이 도 4에 도시된 예로 한정되지 않으며, 기본 모듈들의 최대 수에 기초하여 다양한 모듈화 방식이 적용될 수 있다는 것이 이 기술 분야에 종사하는 당업자에게 자명하다.
상술한 바와 같이, 본 발명의 실시예에 따른 모듈화 IPM 방법은 최적 MDP 정책을 획득하기 위하여, 메모리 사용량을 제한함으로써, 클러스터 사이즈가 증가하여도 확장할 수 있다.
이와 같이, 본 발명의 실시예에 따른 모듈러 IPM 방법은 스몰 셀 네트워크의 큰 클러스터에서 전력 절약을 위한 기지국 관리를 실현할 수 있는 솔루션이며, 비모듈러 IPM 방법과 거의 같은 전력 절약을 달성할 수 있고, 나아가 5-스텝 양자화 상태들을 가지는 모듈러 IPM 방법은 코스스텝 양자화 스텝을 가지는 비모듈러 IPM 방법에 비해 더 많은 전력을 절약할 수 있다.
이에 대해 도 5 내지 도 7을 이용하여 설명한다.
도 5는 6개 셀의 클러스터에 대해 2-스텝 양자화 상태들을 가지는 비모듈러 IPM(a), 2-스텝 양자화 상태들을 가지는 모듈러 IPM(b) 및 5-스텝 양자화 상태들을 가지는 모듈러 IPM(c)을 나타낸 것으로, 모듈러 IPM은 두 개의 셀을 커버하는 세 개의 모듈들로 구성된 것을 나타낸 것이다.
시뮬레이션을 통해, 본 발명에 따른 모듈러 IPM 방법과 비모듈러 IPM 방법을 전력 절약에 대해 추정하고, 6개 셀의 클러스터의 전력 절약에 대한 MDP 프레임워크를 구현하여 시뮬레이션 하였으며, LTE 네트워크에 대한 전형적인 파라미터들 가지고 MATLAB과 MDP toolbox version 4.0을 이용하고, Urban Micro-cell (UMi) 시나리오에 대해 시뮬레이션하였다.
여기서, UMi 시나리오에 대한 기지국 전력 모델을 위한 파라미터들은 표 1과 같다.
[표 1]
Figure 112015084488170-pat00042
그리고, 다음 조건을 가정한다.
1. 셀 반경이 100m이고 각 채널에 20개 트래픽 채널을 가진다.
2. 에포크 시간은 1초로 설정되고, 최소 시간 슬롯의 지속(duration)은 0.1초로 설정된다.
3. 셀 i에서 사용자 트래픽 도착 프로세스는 레이트
Figure 112015084488170-pat00043
를 가지는 포아송(Poisson) 프로세스이다.
먼저, 고정된 트래픽 로드에 대해 도 5에 도시된 6 개의 셀 클러스터에 대한 각 방법을 비교하여 전력 절약 양을 확인한 결과가 도 6과 같이 나타난다. 즉, 도 5b의 2-스텝 양자화 상태들을 가지는 모듈러 IPM 방법은 도 5a의 2-스텝 양자화 상태들을 가지는 비모듈러 IPM 방법에 비해 전력을 0.8% 더 소비하지만 거의 같은 전력을 소비하는 것을 알 수 있으며, 도 5c의 5-스텝 양자화 상태들을 가지는 모듈러 IPM 방법은 도 5a의 2-스텝 양자화 상태들을 가지는 비모듈러 IPM 방법에 비해 22% 전력을 절약하는 것을 알 수 있다.
이와 같이, 5-스텝 양자화 상태들을 가지는 비모듈러 IPM 방법에 대한 최적 MDP정책은 초과 메모리 사용량 결과로 인한 메모리 부족으로 인해 획득될 수 없는 반면에, 본 발명의 실시예에 따른 모듈러 IPM 방법은 메모리 사용량을 제한함으로써, 스몰 클러스터의 셀 수를 결정하고, 이를 통해 최적의 MDP 정책을 획득하며 따라서 확장성을 가지는 실현 가능한 솔루션을 제공할 수 있다.
도 7은 낮의(diurnal) 트래픽 패턴을 가지는 시나리오에 대해, 본 발명의 모듈러 IPM 방법과 비모듈러 IPM 방법을 비교한 시뮬레이션 결과를 나타낸 것이다.
이 때, 도 7에서 사용된 트래픽 패턴은 표 2와 같을 수 있다.
[표 2]
Figure 112015084488170-pat00044
도 7에 도시된 바와 같이, 트래픽 로드가 낮을 때, 두 방법들 간의 전력 소비는 거의 차이가 없으나, 6시부터 18시까지 트래픽 로드가 높은 경우에는 전력 소비가 큰 차이를 보이는 것을 알 수 있으며, 2-스텝 양자화 상태들을 가지는 비모듈러 IPM 방법(non-modular strategy)이 5-스텝 양자화 상태들을 가지는 모듈러 IPM방법(modular strategy)에 비해 많은 전력을 소비하는 것을 알 수 있다.
하루 동안 전체 전력 소비를 비교하면, 5-스텝 양자화 상태들을 가지는 모듈러 IPM방법은 베이스라인(baseline) 전력 소비의61%를 소비하고, 2-스텝 양자화 상태들을 가지는 비모듈러 IPM 방법은 베이스라인 전력 소비의 78%를 소비한다. 비록 표 3에서와 같이 모듈러 IPM 방법의 블록킹 비율(blocking ratio)이 비모듈러 IPM 방법의 블록킹 비율보다 낮지만, 5-스텝 양자화 상태들을 가지는 모듈러 IPM방법이 2-스텝 양자화 상태들을 가지는 비모듈러 IPM 방법에 비해 더 많은 전력을 절약할 수 있다.
[표 3]
Figure 112015084488170-pat00045
상술한 비교에 대한 정당성을 위하여, 2-스텝 양자화 상태들에 대해 경계 값들을 [10; 20]으로 설정하고 5-스텝 양자화 상태들에 대해 경계 값들을 [3; 7; 11; 15; 20]으로 설정하였으며, 이로 인하여 5-스텝 양자화 상태들을 가지는 모듈러 IPM방법의 블록킹 비율이 2-스텝 양자화 상태들을 가지는 비모듈러 IPM 방법의 블록킹 비율에 비해 더 낮은 것이다.
상술한 바와 같이, 최적 MDP 정책을 위한 메모리 공간이 경계될 때, 비모듈러 IPM 방법은 초과 메모리 사용량으로 인하여 더 큰 클러스터를 적용할 수 없는 것과 달리, 본 발명의 모듈러 IPM 방법은 더 큰 클러스터를 적용할 수 있다. 즉, 본 발명은 큰 스몰-셀 클러스터에서 전력 절약을 위한 MDP 기반 기지국 관리에 실현 가능한 솔루션을 제공할 수 있다.
또한, 본 발명의 실시예에 따른 방법은 MDP 프레임워크의 상태들에 대해 더 적은 계산 량으로 비모듈러 IPM 방법보다 더 많은 수의 양자화 스텝들로 양자화할 수 있다. 따라서, 본 발명의 실시예에 따른 모듈러 IPM 방법은 실현 가능할 뿐만 아니라 큰 스몰-셀 클러스터에서 전력을 절약하는데 매우 유리하다.
상술한 모듈러 IPM 방법은 기지국 등에 적용되어 시스템으로 활용할 수 있다. 즉, 시스템에 모듈러 IPM 방법을 적용함으로써, 시스템에서 모듈러 IPM 방식을 이용하여 전력 소비를 줄일 수 있다.
이러한 모듈러 IPM 시스템은 분할부, 획득부 및 관리부를 포함할 수 있으며, 분할부는 복수의 셀들을 포함하는 클러스터를 적어도 하나의 셀을 포함하는 복수의 서브 클러스터들로 분할하고, 획득부는 분할부에 의해 분할된 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득하며, 관리부는 복수의 서브 클러스터들 각각에 대해 획득된 전력 관리 정책에 기초하여 셀간 전력을 관리한다.
여기서, 획득부는 마르코프 의사 결정 프로세스(Markov decision process)에 기초하여 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득할 수 있으며, 분할부는 전력 관리 정책을 획득하기 위한 메모리 사용량을 추정하고, 추정된 메모리 사용량에 기초하여 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정함으로써, 클러스터를 상기 복수의 서브 클러스터들로 분할할 수 있다. 구체적으로, 분할부는 추정된 메모리 사용량의 상위 경계(upper bound) - 상위 경계는 미리 설정될 수 있음 -에 기초하여 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정하고, 필요에 따라 양자화 상태들의 스텝 수를 추가적으로 반영하여 복수의 서브 클러스터들 각각에 포함될 수 있는 최대 셀들 수를 결정할 수 있으며, 결정된 최대 셀들 수에 기초하여 클러스터를 복수의 서브 클러스터들로 분할할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 시스템, 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예들에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (10)

  1. 복수의 셀들을 포함하는 클러스터를 적어도 하나의 셀을 포함하는 복수의 서브 클러스터들로 분할하는 단계;
    상기 분할된 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득하는 단계; 및
    상기 복수의 서브 클러스터들 각각에 대해 상기 획득된 전력 관리 정책에 기초하여 셀간 전력을 관리하는 단계
    를 포함하고,
    상기 복수의 서브 클러스터들로 분할하는 단계는
    상기 전력 관리 정책을 획득하기 위한 메모리 사용량을 추정하고, 상기 추정된 메모리 사용량에 기초하여 상기 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정함으로써, 상기 클러스터를 상기 복수의 서브 클러스터들로 분할하는 모듈러 셀간 전력 관리 방법.
  2. 제1항에 있어서,
    상기 전력 관리 정책을 획득하는 단계는
    마르코프 의사 결정 프로세스(Markov decision process)에 기초하여 상기 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득하는 것을 특징으로 하는 모듈러 셀간 전력 관리 방법.
  3. 삭제
  4. 제1항에 있어서,
    상기 복수의 서브 클러스터들로 분할하는 단계는
    상기 추정된 메모리 사용량의 상위 경계(upper bound)에 기초하여 상기 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정하는 것을 특징으로 하는 모듈러 셀간 전력 관리 방법.
  5. 제4항에 있어서,
    상기 복수의 서브 클러스터들로 분할하는 단계는
    양자화 상태들의 스텝 수를 추가적으로 반영하여 상기 복수의 서브 클러스터들 각각에 포함될 수 있는 최대 셀들 수를 결정하고, 상기 결정된 최대 셀들 수에 기초하여 상기 클러스터를 상기 복수의 서브 클러스터들로 분할하는 것을 특징으로 하는 모듈러 셀간 전력 관리 방법.
  6. 복수의 셀들을 포함하는 클러스터를 적어도 하나의 셀을 포함하는 복수의 서브 클러스터들로 분할하는 분할부;
    상기 분할된 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득하는 획득부; 및
    상기 복수의 서브 클러스터들 각각에 대해 상기 획득된 전력 관리 정책에 기초하여 셀간 전력을 관리하는 관리부
    를 포함하고,
    상기 분할부는
    상기 전력 관리 정책을 획득하기 위한 메모리 사용량을 추정하고, 상기 추정된 메모리 사용량에 기초하여 상기 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정함으로써, 상기 클러스터를 상기 복수의 서브 클러스터들로 분할하는 모듈러 셀간 전력 관리 시스템.
  7. 제6항에 있어서,
    상기 획득부는
    마르코프 의사 결정 프로세스(Markov decision process)에 기초하여 상기 복수의 서브 클러스터들 각각에 대한 전력 관리 정책을 획득하는 것을 특징으로 하는 모듈러 셀간 전력 관리 시스템.
  8. 삭제
  9. 제6항에 있어서,
    상기 분할부는
    상기 추정된 메모리 사용량의 상위 경계(upper bound)에 기초하여 상기 복수의 서브 클러스터들 각각에 포함되는 셀들 수를 결정하는 것을 특징으로 하는 모듈러 셀간 전력 관리 시스템.
  10. 제9항에 있어서,
    상기 분할부는
    양자화 상태들의 스텝 수를 추가적으로 반영하여 상기 복수의 서브 클러스터들 각각에 포함될 수 있는 최대 셀들 수를 결정하고, 상기 결정된 최대 셀들 수에 기초하여 상기 클러스터를 상기 복수의 서브 클러스터들로 분할하는 것을 특징으로 하는 모듈러 셀간 전력 관리 시스템.
KR1020150123026A 2015-08-31 2015-08-31 밀집 배치된 네트워크에서 에너지 절약을 위한 모듈러 셀간 전력 관리 방법 및 시스템 KR101667161B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150123026A KR101667161B1 (ko) 2015-08-31 2015-08-31 밀집 배치된 네트워크에서 에너지 절약을 위한 모듈러 셀간 전력 관리 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150123026A KR101667161B1 (ko) 2015-08-31 2015-08-31 밀집 배치된 네트워크에서 에너지 절약을 위한 모듈러 셀간 전력 관리 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101667161B1 true KR101667161B1 (ko) 2016-10-17

Family

ID=57250103

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150123026A KR101667161B1 (ko) 2015-08-31 2015-08-31 밀집 배치된 네트워크에서 에너지 절약을 위한 모듈러 셀간 전력 관리 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101667161B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101853085B1 (ko) 2017-04-13 2018-04-30 고려대학교 산학협력단 사물인터넷을 위한 센서의 비활성 구간과 게이트웨이의 데이터 집적량 결정 방법 및 게이트웨이
CN109831819A (zh) * 2019-03-06 2019-05-31 重庆邮电大学 一种基于异构蜂窝网络分簇smdp基站休眠方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011520327A (ja) * 2008-04-15 2011-07-14 テレフオンアクチーボラゲット エル エム エリクソン（パブル） 通信の信頼性を提供する方法及びシステム
KR20130049472A (ko) * 2011-11-04 2013-05-14 연세대학교 산학협력단 데이터 전송 경로 설정 장치 및 방법
KR101400138B1 (ko) * 2012-12-12 2014-05-30 한국과학기술원 펨토 베이스 스테이션들의 파워 제어 방법 및 펨토셀 네트워크 시스템
KR20140125405A (ko) * 2012-01-27 2014-10-28 인터디지탈 패튼 홀딩스, 인크 셀 간 간섭의 관리 또는 개선

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011520327A (ja) * 2008-04-15 2011-07-14 テレフオンアクチーボラゲット エル エム エリクソン（パブル） 通信の信頼性を提供する方法及びシステム
KR20130049472A (ko) * 2011-11-04 2013-05-14 연세대학교 산학협력단 데이터 전송 경로 설정 장치 및 방법
KR20140125405A (ko) * 2012-01-27 2014-10-28 인터디지탈 패튼 홀딩스, 인크 셀 간 간섭의 관리 또는 개선
KR101400138B1 (ko) * 2012-12-12 2014-05-30 한국과학기술원 펨토 베이스 스테이션들의 파워 제어 방법 및 펨토셀 네트워크 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101853085B1 (ko) 2017-04-13 2018-04-30 고려대학교 산학협력단 사물인터넷을 위한 센서의 비활성 구간과 게이트웨이의 데이터 집적량 결정 방법 및 게이트웨이
CN109831819A (zh) * 2019-03-06 2019-05-31 重庆邮电大学 一种基于异构蜂窝网络分簇smdp基站休眠方法
CN109831819B (zh) * 2019-03-06 2021-10-22 重庆邮电大学 一种基于异构蜂窝网络分簇smdp基站休眠方法

Similar Documents

Publication Publication Date Title
EP3826368A1 (en) Energy efficient discontinuous mobile edge computing with quality of service guarantees
Cao et al. Towards energy-efficient wireless networking in the big data era: A survey
CN111262619B (zh) 一种多波束卫星资源分配方法及系统
ES2769829T3 (es) Procedimientos para descarga dinámica de tráfico y silenciamiento de puntos de transmisión (TP) para eficiencia energética en una red de acceso radio virtual (V-RAN)
US9730153B2 (en) System and methods for multi-objective cell switch-off in wireless networks
Sigwele et al. Energy-efficient cloud radio access networks by cloud based workload consolidation for 5G
Marsan et al. Multiple daily base station switch-offs in cellular networks
Wu et al. Power consumption and GoS tradeoff in cellular mobile networks with base station sleeping and related performance studies
Sigwele et al. Evaluating energy-efficient cloud radio access networks for 5G
CN108684075B (zh) 集中式基站架构下的处理资源分配方法
CN110519783B (zh) 基于增强学习的5g网络切片资源分配方法
WO2015024240A1 (zh) 一种网络资源控制方法、装置和系统
Le QoS-aware BS switching and cell zooming design for OFDMA green cellular networks
Mollahasani et al. Density-aware, energy-and spectrum-efficient small cell scheduling
Wu et al. Energy efficient base station deployment in green cellular networks with traffic variations
KR101667161B1 (ko) 밀집 배치된 네트워크에서 에너지 절약을 위한 모듈러 셀간 전력 관리 방법 및 시스템
Sigwele et al. iTREE: Intelligent traffic and resource elastic energy scheme for cloud-RAN
Peng et al. Optimal power management under delay constraint in cellular networks with hybrid energy sources
Yao et al. Data-driven resource allocation with traffic load prediction
Wang et al. A traffic prediction based sleeping mechanism with low complexity in femtocell networks
Feng et al. Energy-efficient resource allocation in fog computing supported IoT with min-max fairness guarantees
Son et al. QoS-aware dynamic cell reconfiguration for energy conservation in cellular networks
CN112752327B (zh) 功率调节方法和接入网设备
US9844002B2 (en) Method for power consumption optimization in mobile cellular networks
Guan et al. A pooling prototype for the LTE MAC layer based on a GPP platform

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191001

Year of fee payment: 4