面向干扰耦合及被动散热基站的智能热管理在线学习
网络与互联网体系结构
2024-10-14 v1 信号处理
摘要
被动散热基站（PCBS）已涌现出提供更好的成本和能源效率。然而，被动散热需要通过流量管理实现智能热控制，即PCBS的瞬时数据流量或吞吐量直接影响其热性能。这在PCBS户外部署中尤为具有挑战性，因为散热效率不确定且随时间波动。更进一步，PCBS在多小区场景中存在干扰耦合。因此，高吞吐量的PCBS会导致对其他PCBS的干扰增加，这反过来需要更多的资源消耗才能满足其各自的吞吐目标。本文针对多PCBS系统在保持PCBS冷却的前提下最大化总下行吞吐量的在线决策问题进行了解决。我们证明了强化学习（RL）方法——特别是soft actor-critic（SAC）——能够成功实现吞吐量最大化，同时保持PCBS冷却，通过适应时间变化的散热条件来调整吞吐量。此外，我们设计了一种拒绝和奖励机制，有效缓解了RL探索阶段过热的风险。仿真结果表明，我们的方法可达到全球最优的88.6%，这非常有前景，因为该方法无需对未来散热效率的先验知识，后者是全球最优所必需的。
关键词
引用
@article{arxiv.2410.08799,
title = {Online Learning for Intelligent Thermal Management of Interference-coupled and Passively Cooled Base Stations},
author = {Zhanwei Yu and Yi Zhao and Xiaoli Chu and Di Yuan},
journal= {arXiv preprint arXiv:2410.08799},
year = {2024}
}