面向AI驱动的高效节能O-RAN管理的BeGREEN智能平面

大家读完觉得有帮助记得关注和点赞！！！

摘要​

O-RAN架构与AI/ML解决方案正不断提升蜂窝网络的管理能力，实现对多种用例的RAN自动化智能控制闭环。确保能源可持续性对于最小化移动网络对全球能耗的影响至关重要。本演示展示了BeGREEN智能平面——一种面向O-RAN网络高效节能管理的AI驱动解决方案。所呈现的工作流聚焦于控制仿真小区的运行状态，凸显了AI引擎等关键组件的集成，以及通过rApp与xApp实现的优化成效。

I. 引言​

正如ITU《IMT-2030报告》[1]所强调，6G的核心目标之一是最小化全网能耗。为应对这一挑战，O-RAN联盟正开发控制机制，以管理多厂商环境下的节能特性。人工智能与机器学习（AI/ML）的引入至关重要，它能分析历史数据、主动适配动态网络状况，并驱动能源优化的自动化决策。

为此，SNS BeGREEN项目¹提出智能平面，作为跨域管理实体，整合RAN、核心网与边缘域的控制与监控功能，并促进其AI引擎组件中托管的先进ML模型的创建。本文展示了集成BeGREEN架构的实现，演示了目标用例之一：自动化网络小区的运行状态，动态适配预测的流量需求。

II. 架构​

本演示展示了BeGREEN智能平面的三大核心组件，如图1所示。非实时RAN智能控制器（Non-RT RIC）托管用于RAN优化的rApp，利用基于仿真E2节点数据训练的AI/ML模型。这些模型部署于AI引擎中，借助MLRun²与Nuclio³框架，通过AI引擎辅助（AIA）rApp实现无服务器模型推理。AIA rApp将ML模型管理与控制闭环解耦，充当ML模型与控制rApp之间的代理。推理过程中，AIA rApp作为数据生产者，通过R1接口的数据管理与暴露（DME）服务暴露模型输出。在BeGREEN中，该接口由O-RAN软件社区的信息协调服务（ICS）[4]实现——这是一个简化数据生产者与消费者交互的数据订阅平台[2]。

图1：包含BeGREEN智能平面的演示架构​

AI引擎还提供能源评分（Energy Score）与能源评级（Energy Rating）功能，以识别需实施节能策略的网络区域或组件，并评估已执行优化的效益[2]。能源评分基于数据量与能耗，报告能源效率的绝对值（比特/焦耳）；能源评级则通过比较同区域同厂商等同类网络实体的历史数据，监控相对性能。基于这些洞察，控制rApp确定合适的A1节能策略[3]，并通过A1接口传达至近实时RIC（Near-RT RIC）。控制rApp与AIA rApp均依赖通过关键性能测量（KPM）生产者rApp采集并暴露的RAN节点数据，该rApp通过O1接口连接至Near-RT RIC。

Near-RT RIC处理RAN的快速遥测与控制操作。它使用节能xApp管理RAN配置，并实施从Non-RT RIC接收的节能策略。该组件集成于Accelleran的dRAX™平台⁴，配备遥测采集器，可从符合及不符合O-RAN规范的接口收集数据。这些遥测被处理为符合3GPP规范的消息，通过dRAX数据总线分发，经O1接口暴露，并预处理后在Grafana仪表板可视化。此外，Near-RT RIC通过E2接口实施基于E2的RAN控制，并与仿真RAN环境交互以监控RAN KPI。

III. 演示描述​

本演示展示了图1所示组件的完整工作流⁵，体现AI驱动的小区管理如何兼顾能效提升与业务性能保障。场景包含多个5G SA小区，其中部分作为容量层小区，可在低需求时段关闭。场景中引入固定与移动UE以生成下行流量。仿真RAN基于Viavi的TeraVM AI RSG⁶实现，该工具通过仿真符合O-RAN规范与实际部署的环境，支持rApp与xApp的可扩展、真实性评估，并生成符合3GPP规范的KPM，为AI模型训练与测试提供数据。

实现智能自动化控制闭环需三大核心组件，详述如下：

  1. 小区负载-能耗ML模型：支撑控制rApp的小区运行状态决策。具体而言，包含一个训练用于预测各小区预期负载的流量负载预测器。由其关联的AIA rApp管理，需输入多项KPM，包括小区标识、当前负载需求与连接UE数量。这些输入通过订阅KPM生产者rApp定期获取。

  2. 小区控制rApp：实现生成A1节能策略的控制逻辑。部署于Non-RT RIC的k8s集群后，它创建对AIA与KPM生产者rApp的订阅，以收集决策所需输入。基于预测负载与小区能源评分/评级，识别需开启或关闭的候选小区。生成的A1策略按O-RAN定义[3]逐步调整能耗百分比，直至小区完全开启或关闭。能源评分/评级随后作为反馈，用于评估所应用策略的效率。

  3. 节能xApp：基于接收的节能策略，确定小区运行状态并通过E2接口实施控制。若策略涉及多个小区，xApp须为每个小区选择所需操作以满足策略目标。此外，当小区关闭时，集成于Near-RT RIC框架的智能切换xApp将管理所需切换，并通过冲突避免机制确保网络运行平稳。

演示通过Non-RT RIC的Swagger接口（图2a）直观呈现R1接口内DME服务的使用，凸显相关rApp间的数据交换。Viavi的TeraVM AIA RSG仪表板（图2b）展示场景细节，包括小区与UE状态。dRAX Grafana仪表板（图2c）则显示接收的A1策略及演示运行期间的KPM演变。结果显示，在网络服务质量不受影响的前提下，最高可实现40%的节能。

图2：演示可视化