O-RAN部署中负载均衡与能源效率联合优化
网络与互联网体系结构
2025-09-12 v1 信号处理
摘要
开放无线接入网(O-RAN)架构提供了在Radio Intelligence Controller(RIC)中利用关键性能监控(KPM)以实现网络优化的内在能力。这些xApps可利用KPM知识在支持其功能的RU上动态开/关RU，以通过E2接口实现此功能。已有多项研究采用人工智能(AI)/机器学习(ML)方法实现此类动态睡眠以提高能源效率(EE)。然而，这些方法大多依赖将用户设备(UE)卸载以创造睡眠机会，导致网络中存在负载不均。这种负载不均可能影响被卸载UE的吞吐性能，因为它们可能被分配较少的物理资源区块(PRB)。在网络层面维持相同的PRB分配同时解决EE是一个具有挑战性的任务。为此，本文提出了一种综合性的ML框架，用于ORAN部署的负载均衡与EE联合优化。我们将问题建模为多类分类系统，预测性地评估潜在RU配置，以优化EE，将网络条件映射到三个负载平衡类别(良好平衡、适度平衡、不平衡)。我们的多阈值方法(保守、适度、激进)可根据能源节省与性能保障之间的不同运营优先级进行调整。使用来自仿真的426万真实网络测量数据表明，我们的随机森林模型实现了98.3%的F1-macro性能，相较于传统基线策略提升了195%。
引用
@article{arxiv.2509.09343,
title = {Joint Optimisation of Load Balancing and Energy Efficiency for O-RAN Deployments},
author = {Mohammed M. H. Qazzaz and Abdelaziz Salama and Maryam Hafeez and Syed A. R. Zaidi},
journal= {arXiv preprint arXiv:2509.09343},
year = {2025}
}