Maximizando a Eficiência Energética em Open RAN de Grande Escala: Integração de xApps Híbridos e Gêmeos Digitais

A crescente demanda por comunicações de alta velocidade, ultra-confiáveis e de baixa latência em redes 5G e além, aumentou significativamente o consumo de energia, especialmente dentro da Rede de Acesso Rádio (RAN). Esse aumento na demanda energética representa desafios operacionais e de sustentabilidade críticos para os operadores de redes móveis, exigindo soluções inovadoras que aumentem a eficiência energética sem comprometer a Qualidade de Serviço (QoS). A Rede de Acesso Rádio Aberta (O-RAN), liderada pela O-RAN Alliance, oferece arquiteturas desagregadas, programáveis e inteligentes, promovendo flexibilidade, interoperabilidade e custo-efetividade. No entanto, essa abordagem desagregada adiciona complexidade, particularmente na gestão do consumo de energia entre diversos componentes da rede, como as Unidades de Rádio Abertas (RUs). Neste artigo, propomos um xApp híbrido que aproveita métodos heurísticos e aprendizado de máquina não supervisionado, integrado com tecnologia de gêmeo digital através do TeraVM AI RAN Scenario Generator (AI-RSG). Essa abordagem gerencia dinamicamente os modos de sono das RUs para reduzir efetivamente o consumo de energia. Nossa avaliação experimental em um cenário emulado de Open RAN de grande escala e realista demonstra que o xApp híbrido alcança aproximadamente 13% de economia de energia, destacando sua praticidade e potencial significativo para implementações do mundo real sem comprometer a QoS do usuário.