論文の概要: Drone-Enabled Load Management for Solar Small Cell Networks in Next-Gen Communications Optimization for Solar Small Cells

• arxiv url: http://arxiv.org/abs/2311.02648v1
• Date: Sun, 5 Nov 2023 13:21:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 16:27:14.832369
• Title: Drone-Enabled Load Management for Solar Small Cell Networks in Next-Gen Communications Optimization for Solar Small Cells
• Title（参考訳）: 次世代小型太陽電池通信最適化における小型太陽電池ネットワークのドローン利用負荷管理
• Authors: Daksh Dave, Dhruv Khut, Sahil Nawale, Pushkar Aggrawal, Disha Rastogi and Kailas Devadkar
• Abstract要約: 本研究では, 無人航空機搭載基地局(BSs)を用いて, グリーンマイクログリッドネットワーク内における安定かつセキュアな電力再配置を実現するための, 革新的な負荷伝達手法を提案する。 提案方式の複雑性は既存の電力ケーブル伝送方式に比べて著しく低い。 提案アルゴリズムは,最小数のドローン交換を必要としながら,BS電源の停止を低減できることが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In recent years, the cellular industry has witnessed a major evolution in communication technologies. It is evident that the Next Generation of cellular networks(NGN) will play a pivotal role in the acceptance of emerging IoT applications supporting high data rates, better Quality of Service(QoS), and reduced latency. However, the deployment of NGN will introduce a power overhead on the communication infrastructure. Addressing the critical energy constraints in 5G and beyond, this study introduces an innovative load transfer method using drone-carried airborne base stations (BSs) for stable and secure power reallocation within a green micro-grid network. This method effectively manages energy deficit by transferring aerial BSs from high to low-energy cells, depending on user density and the availability of aerial BSs, optimizing power distribution in advanced cellular networks. The complexity of the proposed system is significantly lower as compared to existing power cable transmission systems currently employed in powering the BSs. Furthermore, our proposed algorithm has been shown to reduce BS power outages while requiring a minimum number of drone exchanges. We have conducted a thorough review on real-world dataset to prove the efficacy of our proposed approach to support BS during high load demand times
• Abstract（参考訳）: 近年、携帯電話産業は通信技術の大きな進化を目撃している。 次世代のセルネットワーク(NGN)が、高いデータレート、より良いQuality of Service(QoS)、低いレイテンシをサポートする新興IoTアプリケーションの受け入れにおいて、重要な役割を果たすことは明らかです。 しかし、ngnの配備は通信インフラに電力オーバーヘッドをもたらすだろう。 5g以降における臨界エネルギー制約に対処し,グリーンマイクログリッドネットワーク内の安定かつセキュアな電力再配置を実現するために,ドローン搭載空中基地局(bss)を用いた革新的な負荷伝達手法を提案する。 高エネルギーセルから低エネルギーセルへ空のBSを転送することで、ユーザ密度や空のBSの可利用性に応じてエネルギー損失を効果的に管理し、先進セルネットワークにおける電力分布を最適化する。 提案方式の複雑さは、bssの電源として現在使用されている既存の電力ケーブル伝送システムに比べて著しく低い。 さらに,提案アルゴリズムは,最小数のドローン交換を必要としながら,BSの停電を低減する。 我々は,高負荷時にbsをサポートするための提案手法の有効性を証明するために,実世界のデータセットの徹底的なレビューを行った。

関連論文リスト

• Enhancing Sum-Rate Performance in Constrained Multicell Networks: A Low-Information Exchange Approach [9.991446137941427]
  本稿では,基地局間の情報交換の必要性を劇的に低減する革新的な手法を提案する。 提案手法は,現在のネットワークインフラの制約に対処するだけでなく,制約条件下での大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2024-04-03T05:34:32Z)
• SkyCharge: Deploying Unmanned Aerial Vehicles for Dynamic Load Optimization in Solar Small Cell 5G Networks [15.532817648696408]
  本稿では,無人機に搭載された航空機基地局を用いた新しいユーザ負荷伝達手法を提案する。 高エネルギーから低エネルギーセルへ航空BSを移動させることにより、ユーザ密度と航空BSの可用性に応じて、エネルギー不足のセルのエネルギー要求を許容する。 提案アルゴリズムは、BSの停電を低減し、一貫したスループットの安定性を維持し、無線通信システムの信頼性と堅牢性を高める能力を示す。
  論文  参考訳（メタデータ） (2023-11-21T19:17:39Z)
• Reducing the Environmental Impact of Wireless Communication via Probabilistic Machine Learning [2.0610589722626074]
  通信関連エネルギー消費は高く、6Gの効率向上が期待されているにもかかわらず、将来のネットワークで増加することが期待されている。 本稿では,現在および次世代のネットワーク仕様から,確率的推論手法を応用した2つの問題を要約する。 演算子特定性能封筒を維持しながら,ライブ通信ネットワーク上での既存のハードウェアのエネルギー消費を11%削減できる。
  論文  参考訳（メタデータ） (2023-09-19T09:48:40Z)
• Distributed Energy Management and Demand Response in Smart Grids: A Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
  本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。 特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
  論文  参考訳（メタデータ） (2022-11-29T01:18:58Z)
• Power Grid Congestion Management via Topology Optimization with AlphaZero [0.27998963147546135]
  本稿では,AlphaZeroをベースとしたグリッドトポロジ最適化手法を提案する。 WCCI 2022ではL2RPN(Learning to Run a Power Network)コンペで1位にランクインした。
  論文  参考訳（メタデータ） (2022-11-10T14:39:28Z)
• Deep Reinforcement Learning Based Multidimensional Resource Management for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
  エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。 本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
  論文  参考訳（メタデータ） (2021-09-17T08:55:48Z)
• A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From Communications to Sensing and Intelligence [152.89360859658296]
  5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。 一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。 一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
  論文  参考訳（メタデータ） (2020-10-19T08:56:04Z)
• Distributed Deep Reinforcement Learning for Functional Split Control in Energy Harvesting Virtualized Small Cells [3.8779763612314624]
  モバイルネットワークオペレータ(MNO)は、小さなセルの密度の高いインフラストラクチャをデプロイしている。 これにより、モバイルネットワークの消費電力が増加し、環境に影響を及ぼす。 本稿では,エネルギー回収装置と充電式電池を備えた周辺小セルのネットワークについて考察する。
  論文  参考訳（メタデータ） (2020-08-07T12:27:01Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)
• Communication Efficient Federated Learning with Energy Awareness over Wireless Networks [51.645564534597625]
  フェデレートラーニング(FL)では、パラメータサーバとモバイルデバイスが無線リンク上でトレーニングパラメータを共有する。 我々は、勾配の符号のみを交換するSignSGDという考え方を採用する。 2つの最適化問題を定式化し、学習性能を最適化する。 FLでは非常に不均一な方法でモバイルデバイスに分散される可能性があることを考慮し,手話に基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-15T21:25:13Z)
• Deep Learning for Radio Resource Allocation with Diverse Quality-of-Service Requirements in 5G [53.23237216769839]
  本研究では,基地局の最適資源配分ポリシーを近似するディープラーニングフレームワークを開発する。 完全接続ニューラルネットワーク(NN)は,近似誤差とサブキャリア数の量子化誤差により,要求を完全に保証できないことがわかった。 無線チャネルの分布と無線ネットワークにおけるサービスのタイプが定常的でないことを考慮し,非定常的無線ネットワークにおけるNNの更新にディープトランスファー学習を適用した。
  論文  参考訳（メタデータ） (2020-03-29T04:48:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。