中国移动全国排名第几，中国移动大学排名

近日，中国移动研究院与清华大学电子系合作研究成果《中国5G移动网络碳排放》研究论文发表在《自然可持续发展》杂志上，影响因子为27.7。

目前，信息与能源的融合已经成为一种发展趋势。在移动通信网络中，信息流和能量流在时间和空间上表现出高度的不匹配。为了解决这一问题，研究团队利用城市模拟器高保真、高效地模拟城市层面的移动通信网络和电力网络，成功实现了移动通信网络能耗和碳排放测量系统。在此基础上，进一步提出基于强化学习的节能策略，实现网络能效和碳效率的显著提高。该研究为城市5G网络的低碳部署和节能优化提供了重要的理论依据和实践指导。

研究团队分析了一个城市2020年至2023年的移动网络运营数据，发现由于用户和服务的滞后发展，一个城市的碳效率在5G部署初期从2.98 TB/t CO2下降到2.08 TB/t CO2(图1)。这种碳效率下降和随后的恢复过程称为碳效率陷阱。同时，本文研究了蜂窝网络流量和能量消耗的时空失配问题。网络失配系数的增大降低了网络的能量效率，失配系数越大的区域能量效率越低，反之亦然。5G部署初期，城市中心的平均能效从2.98 TByte下降到1.94 TByte，对应的是不匹配系数的增加(图2)。

图1 2020-2023年某城市移动网络碳效率和额外碳排放量的变化。

图2某城市4G(左)、5G(中)、4G、5G(右)一周的网络能效空间分布。为了缓解能量与信息的不匹配，本文提出了一种基于人工智能的节能方法DeepEnergy，该方法基于协同深度强化学习自适应控制网络细胞的工作状态。当每个小区做出决策时，其他小区的决策对该小区的影响被简化为两个二进制标签码，分别表示在同一个基站下是否有其他开放小区，以及是否能满足共覆盖关系中的整体流量需求。这不仅可以很好地表示其他元胞的开闭状态对元胞的影响，而且可以大大减少agent决策的计算量。利用深度强化学习模型，对多个小区中的网络流量、能耗、标签编码等关键信息进行训练，实现对小区的节能控制。这样就同时考虑了补偿小区之间和基站内部的协作，可以有效协调上万个小区的工作状态。与传统节能方法和人工经验方法相比，DeepEnergy可显著提高网络碳效率40%以上(图3)。基于PVWatts的模拟，进一步评估了深度能源和光伏系统联合运行时N个移动网络的碳效率。结果表明，将DeepEnergy与光伏系统相结合，可以显著提高移动网络的碳效率20%以上。

图3不同节能方式下N市网络碳效率的变化。全球可持续发展目标迫切呼吁所有行业采取行动。该研究将“AI算法-通信知识-可再生能源”有机结合，实现网络流量和能量的时空匹配，为通信网络实现“双碳”目标打下坚实基础。

纸质链接:

https://www.nature.com/articles/s41893-023-01206-5