سياسة تخصيص الطاقة المتجددة القائمة على المنفعة للشبكات الخلوية الخضراء

جدول المحتويات

1. المقدمة

أدى النمو الهائل في الطلب على البيانات اللاسلكية إلى زيادات كبيرة في استهلاك الطاقة والانبعاثات الكربونية من الشبكات الخلوية. تتناول هذه الورقة التحدي المتمثل في تشغيل هذه الشبكات بمصادر الطاقة المتجددة (مثل الطاقة الشمسية، وطاقة الرياح)، والتي تتسم بطبيعتها بالتقطع وعدم الانتظام. تكمن المشكلة الأساسية في التخصيص الفعال لكمية محدودة من الطاقة المتجددة المُحصّلة بين المستخدمين في شبكة خلوية تستخدم تقنية الوصول المتعدد بتقسيم التردد المتعامد (OFDMA). تدمج السياسة المقترحة بشكل فريد ثلاثة عوامل رئيسية: إجمالي الطاقة المتجددة المتاحة، ومتطلبات جودة الخدمة الفردية لكل مستخدم، وجودة القناة في الوقت الفعلي. الهدف هو تعظيم دالة منفعة على مستوى الشبكة، تقيس رضا المستخدم، مع مراعاة قيود الطاقة. يضع هذا العمل نفسه ضمن نموذج "الاتصالات الخضراء"، متجاوزاً مجرد كفاءة الطاقة إلى إدارة ذكية للموارد من أجل الاستدامة.

2. نموذج النظام وصياغة المشكلة

2.1 نموذج الشبكة والطاقة

نحن نأخذ في الاعتبار شبكة OFDMA ذات خلية واحدة مع محطة قاعدة واحدة (BS) تعمل بمصدر طاقة هجين: الشبكة التقليدية وجهاز لتجميع الطاقة المتجددة في الموقع (مثل الألواح الشمسية). تخدم محطة القاعدة K مستخدمًا. تصل الطاقة المتجددة بشكل متقطع ويتم تخزينها في بطارية ذات سعة محدودة. يُرمز للطاقة المتجددة المتاحة للتخصيص في فتره زمنية معينة بـ $E_{total}$. كسب القناة للمستخدم $k$ هو $h_k$، وهو متغير مع الزمن.

2.2 دالة المنفعة وجودة الخدمة

حجر الأساس في هذه السياسة هو دالة المنفعة $U_k(e_k)$، التي تربط كمية الطاقة المتجددة $e_k$ المخصصة للمستخدم $k$ بمقياس لرضا ذلك المستخدم. تم تصميم هذه الدالة لتعكس متطلبات جودة الخدمة للمستخدم. على سبيل المثال، قد يكون للمستخدم الحساس للتأخير (مثل بث الفيديو) دالة منفعة تزداد بشكل حاد وتشبع بسرعة، بينما قد يكون للمستخدم ذي الخدمة الأفضل جهدًا (مثل تنزيل الملفات) دالة منفعة أكثر خطية. المنفعة الإجمالية للشبكة هي $U_{sum} = \sum_{k=1}^{K} U_k(e_k)$.

2.3 مشكلة التحسين

يتم صياغة مشكلة تخصيص الطاقة كمشكلة تحسين مقيدة: $$\max_{\{e_k\}} \sum_{k=1}^{K} U_k(e_k)$$ بشرط: $$\sum_{k=1}^{K} e_k \leq E_{total}$$ $$e_k \geq 0, \quad \forall k \in \{1,...,K\}$$ $$R_k(e_k, h_k) \geq R_{k}^{min}, \quad \forall k$$ حيث $R_k$ هو معدل البيانات القابل للتحقيق للمستخدم $k$ (دالة في الطاقة المخصصة $e_k$ وكسب القناة $h_k$)، و $R_{k}^{min}$ هو الحد الأدنى للمعدل المطلوب لتلبية جودة خدمته.

3. خوارزمية تخصيص الطاقة المقترحة

3.1 تصميم الخوارزمية الاستدلالية

نظرًا للطبيعة غير المحدبة والتوليفية للمشكلة (خاصة مع تخصيص الناقلات الفرعية المنفصلة في OFDMA)، يقترح المؤلفون خوارزمية استدلالية منخفضة التعقيد. تعمل الخوارزمية بطريقة تشبه الجشع:

1. تحديد أولوية المستخدمين: يتم ترتيب المستخدمين بناءً على مقياس مركب يجمع بين جودة قناتهم ($h_k$) وكسب المنفعة الحدي لكل وحدة طاقة ($\Delta U_k / \Delta e_k$).
2. التخصيص التكراري: بدءًا من المستخدم ذي الأولوية الأعلى، يتم تخصيص الطاقة على خطوات منفصلة حتى يقل كسب منفعته أو يتم تلبية جودة خدمته.
3. التحقق من القيد: بعد كل تخصيص، يتم التحقق من قيد الطاقة الإجمالي $E_{total}$. إذا بقيت طاقة، تستمر العملية مع المستخدم التالي.
4. الإنهاء: تتوقف الخوارزمية عند استنفاد $E_{total}$ أو عند خدمة جميع المستخدمين.

يضمن هذا النهج أنه في ظل ظروف ندرة الطاقة، يتم خدمة المستخدمين ذوي ظروف القناة الممتازة (كفاءة الطاقة العالية) أولاً لتعظيم المنفعة الإجمالية.

3.2 تعقيد الخوارزمية

تعقيد الخوارزمية هو $O(K \log K)$ بسبب الفرز الأولي لمستخدمي K، يليه تمرير تخصيص خطي. هذا يجعلها قابلة للتطوير بشكل كبير ومناسبة للتنفيذ في الوقت الفعلي في وحدات تحكم الشبكة، على عكس حلول البرمجة الديناميكية المعقدة أو تحسين المحدبات المقترحة في الأعمال ذات الصلة مثل [8].

4. النتائج العددية وتقييم الأداء

4.1 إعداد المحاكاة

يتم تقييم الأداء عبر المحاكاة. تشمل المعلمات الرئيسية: نصف قطر خلية 500 متر، 20-50 مستخدمًا موزعين عشوائيًا، قنوات توهين رايلي، ومستويات متفاوتة من إجمالي الطاقة المتجددة $E_{total}$. يتم تعريف دوال المنفعة على شكل دالة سينية لحركة المرور في الوقت الفعلي ودالة لوغاريتمية لحركة المرور الأفضل جهدًا، بما يتماشى مع النماذج المستخدمة في اقتصاديات الشبكات.

4.2 تحليل النتائج

تُظهر النتائج سلوكين رئيسيين:

1. نظام الطاقة الشحيحة: عندما يكون $E_{total}$ منخفضًا جدًا، تخصص الخوارزمية الطاقة حصريًا تقريبًا للمستخدمين ذوي أفضل مكاسب القناة. هذا يضحي بالعدالة لكنه يعظم المنفعة الإجمالية وكفاءة الشبكة، لأن خدمة المستخدمين ذوي القنوات الضعيفة ستُهدر الطاقة الثمينة.
2. نظام الطاقة الكافية: مع زيادة $E_{total}$، تبدأ الخوارزمية في تلبية متطلبات جودة الخدمة لمزيد من المستخدمين، بما في ذلك أولئك ذوي جودة القناة المتوسطة. تزداد المنفعة الإجمالية وتشبع بمجرد تلبية احتياجات جودة الخدمة الأساسية لجميع المستخدمين.

تظهر السياسة المقترحة أنها تتفوق بشكل كبير على مخطط تخصيص الطاقة المتساوي الأساسي من حيث المنفعة الإجمالية، خاصة في السيناريوهات التي تعاني من شح الطاقة. سيرسم مخطط رئيسي المنفعة الإجمالية للشبكة مقابل إجمالي الطاقة المتجددة المتاحة، مقارنةً بين الخوارزمية الاستدلالية المقترحة وخط الأساس للتخصيص المتساوي والحد الأعلى النظري.

5. الفكرة الأساسية ومنظور المحلل

الفكرة الأساسية: المساهمة الأساسية لهذه الورقة هي إعادة صياغة تخصيص الطاقة المتجددة من مشكلة تعظيم الإنتاجية البحتة إلى مشكلة اقتصاديات الموارد القائمة على المنفعة والواعية بجودة الخدمة. إنها تعترف بأنه في الشبكة الخضراء، الطاقة ليست مجرد تكلفة ولكنها السلعة الأساسية النادرة. الابتكار الحقيقي هو ربط التخصيص مباشرة برضا المستخدم المدرك (المنفعة) المعدل بالواقع المادي (حالة القناة)، مما يخلق رافعة تحكم أكثر شمولية وعملية لمشغلي الشبكات.

التسلسل المنطقي: الحجة سليمة: 1) الطاقة المتجددة محدودة ومتقطعة. 2) طلبات المستخدمين غير متجانسة. 3) لذلك، فإن التخصيص الذكي الذي يأخذ في الاعتبار كل من العرض (الطاقة، القناة) والطلب (جودة الخدمة) ضروري. 4) دالة المنفعة تقيس بدقة المفاضلة. 5) الخوارزمية الاستدلالية منخفضة التعقيد تجعلها عملية. التدفق من تعريف المشكلة إلى الحل متماسك ويعالج فجوة واضحة في العمل السابق الذي غالبًا ما تجاهل متطلبات جودة الخدمة المتنوعة، كما يشير المؤلفون بشكل صحيح.

نقاط القوة والضعف: نقاط القوة: دمج نظرية المنفعة قوي ويستعير جيدًا من اقتصاديات الشبكات. الخوارزمية الاستدلالية عملية - فهي تقبل أنه في التحكم في الشبكة في الوقت الفعلي، الحل الجيد والسريع أفضل من الحل المثالي والبطيء. التركيز على تمايز جودة الخدمة أمر بالغ الأهمية للشبكات الحديثة المثقلة بحركة مرور إنترنت الأشياء والفيديو والحركة ذات الأهمية القصوى. نقاط الضعف: النموذج مبسط إلى حد ما. يفترض خلية واحدة، متجاهلاً إمكانية التعاون في مجال الطاقة بين الخلايا عبر الشبكات الذكية - وهي منطقة واعدة استكشفها آخرون مثل Zhou et al. في "التعاون في مجال الطاقة في الشبكات الخلوية مع محطات القاعدة العاملة بالطاقة المتجددة" (IEEE Transactions on Wireless Communications). يُفترض أن دوال المنفعة معروفة؛ في الواقع، تعريف وتعلم هذه الدوال لكل نوع خدمة يمثل تحديًا غير بسيط. تفتقر الورقة أيضًا إلى تحليل قوي للعدالة؛ قد تكون استراتيجية "تجويع المستخدمين ذوي القنوات الضعيفة" في ظل الندرة إشكالية لاتفاقيات مستوى الخدمة.

رؤى قابلة للتنفيذ: لمشغلي الاتصالات، يوفر هذا البحث مخططًا لوحدة تحكم الطاقة المعرفة بالبرمجيات والتي ستكون ضرورية في شبكات 5G-Advanced و6G. الخطوة الفورية هي تصميم نموذج أولي لهذه الخوارزمية في بيئة اختبار ببيانات شمسية/رياح حقيقية. علاوة على ذلك، يجب أن يبدأ المشغلون في تصنيف حركة مرورهم إلى فئات منفعة. بالنسبة للباحثين، الخطوات التالية واضحة: 1) دمج التنسيق متعدد الخلايا ومشاركة الطاقة. 2) دمج التعلم الآلي لتعلم دوال المنفعة ديناميكيًا من بيانات تجربة المستخدم. 3) توسيع النموذج ليشمل تكاليف تدهور تخزين الطاقة. هذا العمل، يشبه التحول الأساسي الذي أحدثه "cycleGAN" في ترجمة الصورة إلى صورة من خلال تقديم اتساق الدورة، يقدم إطارًا متسقًا (المنفعة + القيود) لفئة جديدة من مشاكل تخصيص الموارد الخضراء.

6. التفاصيل التقنية والصياغة الرياضية

يتم تعريف التحسين الأساسي في القسم 2.3. عادةً ما يُعطى معدل البيانات القابل للتحقيق $R_k$ للمستخدم على ناقلة فرعية OFDMA بواسطة: $$R_k = B \log_2 \left(1 + \frac{e_k \cdot h_k}{N_0 B}\right)$$ حيث $B$ هو عرض النطاق الترددي لوحدة مورد، و $N_0$ هو كثافة طاقة الضوضاء. يمكن نمذجة دالة المنفعة لخدمة مقيدة بالتأخير كدالة سينية: $$U_k(e_k) = \frac{1}{1 + \exp(-a(R_k(e_k) - b))}$$ حيث تتحكم المعلمات $a$ و $b$ في حدة ومركز الدالة، مما يعكس عتبة جودة الخدمة. لحركة المرور المرنة، غالبًا ما تُستخدم دالة لوغاريتمية مقعرة $U_k(e_k) = \ln(1 + R_k(e_k))$.

7. إطار التحليل: حالة مثال

السيناريو: لدى محطة قاعدة 5 مستخدمين و $E_{total} = 10$ وحدة من الطاقة المتجددة.

• المستخدم 1 (مكالمة فيديو): جودة الخدمة: $R_{min}=2$ ميغابت في الثانية، القناة: ممتازة ($h_1$ عالية)، المنفعة: سينية.
• المستخدم 2 (تنزيل ملف): جودة الخدمة: لا شيء، القناة: جيدة، المنفعة: لوغاريتمية.
• المستخدم 3 (مستشعر إنترنت الأشياء): جودة الخدمة: $R_{min}=0.1$ ميغابت في الثانية، القناة: ضعيفة ($h_3$ منخفضة)، المنفعة: تشبه الخطوة.
• المستخدمان 4 و 5: ملفات تعريف مختلطة مماثلة.

تنفيذ الخوارزمية:

1. حساب درجة الأولوية لكل مستخدم (مثلًا، $h_k \times (\text{المنفعة الحدي})$).
2. فرز المستخدمين: لنفترض أن الترتيب هو المستخدم1، المستخدم2، المستخدم4، المستخدم5، المستخدم3.
3. تخصيص للمستخدم1 حتى يتم تلبية جودة خدمة الفيديو الخاصة به (التكلفة: 3 وحدات). ترتفع المنفعة بشكل كبير.
4. تخصيص للمستخدم2. كل وحدة تعطي كسب منفعة لائق. تخصيص 4 وحدات.
5. الطاقة المتبقية = 3 وحدات. تخصيص للمستخدم4 لتلبية جزء من احتياجاته (التكلفة: 3 وحدات).
6. استنفدت الطاقة. يحصل المستخدمان 5 و 3 (ذو القناة الضعيفة) على تخصيص صفر.

النتيجة: يتم تعظيم المنفعة الإجمالية من خلال إرضاء المستخدمين ذوي الأولوية العالية والكفاءة أولاً. يتم تجويع المستخدم3 - هذه هي المفاضلة الصريحة للسياسة في ظل الندرة.

8. آفاق التطبيق والاتجاهات المستقبلية

قصير المدى (1-3 سنوات): التكامل في أنظمة إدارة الطاقة (EMS) للشبكة لمحطات القاعدة الكبيرة والصغيرة. هذا ذو صلة خاصة بالنشرات خارج الشبكة أو الريفية التي تعمل بشكل أساسي بالطاقة المتجددة، كما هو موثق في مشاريع برنامج GSMA "الطاقة الخضراء للهاتف المحمول".

متوسط المدى (3-5 سنوات): محوري في رؤية 6G للاستشعار المتكامل والاتصالات والطاقة. لن تستهلك الشبكات الطاقة فحسب، بل ستدار وتوزعها أيضًا. يمكن أن تتطور هذه الخوارزمية للتحكم في نقل الطاقة اللاسلكية إلى أجهزة إنترنت الأشياء أو إدارة تدفقات الطاقة من المركبة إلى الشبكة (V2G) من بنية الشبكة الخلوية.

اتجاهات البحث المستقبلية:

• دمج الذكاء الاصطناعي/التعلم الآلي: استخدام التعلم المعزز العميق (DRL) لتعلم سياسات التخصيص المثلى في بيئات ديناميكية للغاية دون نماذج منفعة محددة مسبقًا.
• التخصيص المشترك متعدد الموارد: التحسين المشترك للطيف والزمن وموارد الطاقة في إطار موحد.
• الآليات القائمة على السوق: تنفيذ سوق طاقة في الوقت الفعلي داخل الشبكة حيث يقدم المستخدمون/الوكلاء عطاءات للحصول على الطاقة المتجددة بناءً على احتياجاتهم، مستوحى من مفاهيم الشبكات الصغيرة القائمة على البلوكشين.
• التوحيد القياسي: الدفع نحو توحيد واجهات التحكم الواعية بالطاقة في بنى Open RAN (O-RAN)، مما يسمح بتطبيقات إدارة الطاقة من طرف ثالث (xApps).

سيجعل تقارب شبكات الاتصالات وشبكات الطاقة، الذي يُطلق عليه غالبًا "إنترنت الطاقة"، مثل هذه الخوارزميات لا غنى عنها.

9. المراجع

1. الوكالة الدولية للطاقة (IEA). "مراكز البيانات وشبكات نقل البيانات." تقارير IEA، 2022. [متصل]. متاح: https://www.iea.org/reports/data-centres-and-data-transmission-networks
2. Z. Zhou et al., "التعاون في مجال الطاقة في الشبكات الخلوية مع محطات القاعدة العاملة بالطاقة المتجددة،" IEEE Transactions on Wireless Communications، المجلد 13، العدد 12، ص 6996-7010، ديسمبر 2014.
3. GSMA. "الطاقة الخضراء للهاتف المحمول: الجمعية العالمية للاتصالات الآلية حول الاستدامة." GSMA، 2021.
4. O. Ozel et al., "الإرسال مع عقد تجميع الطاقة في القنوات اللاسلكية المتلاشية: السياسات المثلى،" IEEE Journal on Selected Areas in Communications، المجلد 29، العدد 8، ص 1732-1743، سبتمبر 2011. (مذكور كـ [8] في PDF)
5. J. Zhu et al., "نحو واجهة هوائية أصلية للذكاء الاصطناعي في 6G،" IEEE Communications Magazine، المجلد 61، العدد 5، ص 50-56، مايو 2023.
6. J.-Y. Zhu, T. Park, P. Isola, A. A. Efros. "ترجمة الصورة إلى صورة غير مقترنة باستخدام الشبكات الخصومية ذات الاتساق الدوري." IEEE International Conference on Computer Vision (ICCV)، 2017. (مذكور كمثال على تحول إطار أساسي).