В.А. Дадонов1, И.А. Борисов2, Д.В. Кузнецов3

1–3 Московский государственный технический университет им. Н.Э. Баумана (Москва, Россия)
1 ilaborisov839@gmail.com, 2 dvaczar@gmail.com

Постановка проблемы. Распределенная сеть базовых станций представляет собой гибридную техническую систему: трафик и мощность оборудования изменяются непрерывно, а состав активных узлов – дискретно. Значительная постоянная составляющая потребляемой мощности не позволяет получить пропорциональное снижение затрат только за счет уменьшения трафика. Перевод части оборудования в так называемый режим сна, в свою очередь, требует учета покрытия, загрузки оставшихся узлов и затрат на внедрение системы управления.

Цель. Разработать динамическую модель и метод технико-экономического выбора режимов энергопотребления с учетом нагрузки, ограничений и затрат жизненного цикла.

Результаты. Предложена модель, объединяющая суточный профиль трафика, мощность оборудования, ограничения по покрытию и загрузке, капитальные и эксплуатационные затраты и дисконтированные денежные потоки. Сопоставлены постоянная работа, нагрузочно-зависимое регулирование мощности и адаптивный перевод части станций в режим сна. Проведен вычислительный эксперимент для сетей из 10, 25, 50 и 100 станций на семилетний горизонт, который показал, что регулирование мощности снижает годовое энергопотребление на 4,58 %, а адаптивный сон – на 10,56…11,47 %. Отмечено, что положительный чистый дисконтированный доход достигается при 79 станциях для регулирования мощности и при 55 станциях для адаптивного сна.

Практическая значимость. Метод предназначен для предварительного выбора архитектуры управления энергопотреблением распределенной сети и позволяет оценивать порог экономической целесообразности. Структура модели допускает калибровку по фактическим профилям трафика, параметрам оборудования и стоимостным данным оператора.

Дадонов В.А., Борисов И.А., Кузнецов Д.В. Динамическая модель технико-экономического управления энергопотреблением распределенной сети базовых станций // Наукоемкие технологии. 2026. Т. 27. № 4. С. 73−80. DOI: https://doi.org/ 10.18127/ j19998465-202604-07

1. International Telecommunication Union. Recommendation ITU-R M.2160-0. Framework and overall objectives of the future development of IMT for 2030 and beyond. Geneva: ITU, 2023. URL: https://www.itu.int/rec/R-REC-M.2160-0-202311-I/en (дата обращения: 24.07.2026).
2. ETSI ES 203 228 V1.4.1. Environmental Engineering; Assessment of mobile network energy efficiency. Sophia Antipolis: European Telecommunications Standards Institute, 2022. 39 p. URL: https://www.etsi.org/deliver/etsi_es/203200_203299/203228/ 01.04.01_60/es_203228v010401p.pdf (дата обращения: 24.07.2026).
3. International Telecommunication Union. Recommendation ITU-T L.1390. Energy saving technologies and best practices for 5G radio access network equipment. Geneva: ITU, 2022. URL: https://www.itu.int/rec/T-REC-L.1390 (дата обращения: 24.07.2026).
4. Auer G., Giannini V., Desset C., Gódor I., Skillermark P., Olsson M., Imran M.A., Sabella D., Gonzalez M.J., Blume O., Fehske A. How much energy is needed to run a wireless network? // IEEE Wireless Communications. 2011. V. 18, № 5. P. 40–49. DOI: 10.1109/MWC.2011.6056691.
5. Wu J., Zhang Y., Zukerman M., Yung E.K.-N. Energy-efficient base-stations sleep-mode techniques in green cellular networks: a survey // IEEE Communications Surveys & Tutorials. 2015. V. 17. № 2. P. 803–826. DOI: 10.1109/COMST.2015.2403395.
6. Buzzi S., Chih-Lin I, Klein T.E., Poor H.V., Yang C., Zappone A. A survey of energy-efficient techniques for 5G networks and challenges ahead // IEEE Journal on Selected Areas in Communications. 2016. V. 34. № 4. P. 697–709. DOI: 10.1109/JSAC.2016. 2550338.
7. Holtkamp H., Auer G., Bazzi S., Haas H. Minimizing base station power consumption // IEEE Journal on Selected Areas in Communications. 2014. V. 32. № 2. P. 297–306. DOI: 10.1109/JSAC.2014.141210.
8. Ajmone Marsan M., Chiaraviglio L., Ciullo D., Meo M. On the effectiveness of single and multiple base station sleep modes in cellular networks // Computer Networks. 2013. V. 57. № 17. P. 3276-3290. DOI: 10.1016/j.comnet.2013.07.016.
9. Rengarajan B., Rizzo G., Ajmone Marsan M. Energy-optimal base station density in cellular access networks with sleep modes // Computer Networks. 2015. V. 78. P. 152–163. DOI: 10.1016/j.comnet.2014.10.032.
10. Tombaz S., Sung K.W., Han S.-W., Zander J. An economic viability analysis on energy-saving solutions for wireless access networks // Computer Communications. 2016. V. 75. P. 50–61. DOI: 10.1016/j.comcom.2015.10.005.
11. Salahdine F., Opadere J., Liu Q., Han T., Zhang N., Wu S. A survey on sleep mode techniques for ultra-dense networks in 5G and beyond // Computer Networks. 2021. V. 201. Article 108567. DOI: 10.1016/j.comnet.2021.108567.
12. Wu J., Li Y., Zhuang H., Pan Z., Wang G., Xian Y. SMDP-based sleep policy for base stations in heterogeneous cellular networks // Digital Communications and Networks. 2021. V. 7. № 1. P. 120–130. DOI: 10.1016/j.dcan.2020.04.010.
13. Kim T., Lee S., Choi H., Park H.-S., Choi J. An energy-efficient multi-level sleep strategy for periodic uplink transmission in industrial private 5G networks // Sensors. 2023. V. 23. № 22. Article 9070. DOI: 10.3390/s23229070.
14. Branicky M.S. Multiple Lyapunov functions and other analysis tools for switched and hybrid systems // IEEE Transactions on Automatic Control. 1998. V. 43. № 4. P. 475–482. DOI: 10.1109/9.664150.
15. Goebel R., Sanfelice R.G., Teel A.R. Hybrid Dynamical Systems: Modeling, Stability, and Robustness. Princeton: Princeton University Press. 2012. 240 p. DOI: 10.1515/9781400842636.
16. Liu Y.-Y., Slotine J.-J., Barabási A.-L. Controllability of complex networks // Nature. 2011. V. 473. P. 167–173. DOI: 10.1038/nature10011.