6G 수직 이종 네트워크의 두 단계 셀 스위칭: 수면 셀 부하 추정과 재생에너지 인식 전환

본 논문은 6G 시대에 급증하는 트래픽과 에너지 소비 문제를 해결하기 위해, 수직 이종 네트워크(vHetNet) 환경에서 ‘수면 셀 부하 추정’과 ‘재생에너지 인식 셀 스위칭’이라는 두 핵심 과제를 통합한 두 단계 프레임워크를 제안한다. 1. **연구 배경 및 문제 정의** - 6G는 초고밀도 디바이스와 초고대역 서비스를 제공하면서, 라디오 액세스 네트워크(RAN)의 전력 소비가 5G 대비 10배 이상 증가할 것으로 예상된다. 특히 소형 기지국(SBS)의 밀집 배치는 전체 전력의 60~80%를 차지한다. - 기존 셀 스위칭 연구는 활성 SBS의 부하만을 가정하고, 수면 상태인 SBS의 트래픽을 알 수 없다는 현실적인 제약을 무시한다. 이는 최적 스위칭 결정에 큰 불확실성을 초래한다. - 동시에 재생에너지, 특히 태양광을 현장에 설치한 SBS가 늘어나면서, 전력 공급의 변동성(날씨, 일조량)과 배터리 저장 상태를 고려한 에너지‑aware 스위칭이 필요해졌다. 2. **프레임워크 개요** - **Phase I – 수면 셀 부하 추정**: 데이터 가용성에 따라 세 가지 추정기를 설계한다. * **거리 기반 추정**: 인접 활성 셀과의 거리와 평균 부하 비례 관계를 이용, 데이터가 전혀 없을 때 적용 가능. * **다중 레벨 클러스터링(MLC) 추정**: 제한된 히스토리 데이터를 k‑means 클러스터링으로 그룹화하고, ELBO 기반 최적 클러스터 수를 선택. 클러스터 평균 부하를 추정값으로 사용. * **LSTM 기반 추정**: 전체 히스토리 데이터를 시계열 입력으로 사용, 시간‑가변 특성(시간, 요일, 기상)과 함께 학습. 실험에서 MAPE < 1%를 달성, 가장 높은 정확도 제공. - **Phase II – 재생에너지 인식 셀 스위칭**: Phase I에서 얻은 부하 추정값을 입력으로, 태양광 발전량(E_H,j(t))과 배터리 SOC를 모델링한다. 세 가지 시나리오를 정의한다. * **Full Inclusion**: 모든 태양광 SBS를 스위칭 후보에 포함, 배터리 충전량에 관계없이 활성화 가능. * **Exclusion**: 태양광 SBS를 전혀 사용하지 않고, 전통적인 그리드 전력만 사용. * **Threshold‑Based Inclusion**: 배터리 SOC가 사전에 정의된 임계값 이상일 때만 해당 SBS를 활성화, 그 이하이면 그리드 전력으로 대체. 3. **수학적 모델링** - 각 BS i의 전력 소비는 EARTH 모델을 기반으로 \(P_i(t)=P_{o,i}+ \eta_i \lambda_{i,t} P_{t,i}\) (활성) 혹은 \(P_{s,i}\) (수면) 로 정의. - SBS j의 부하 추정 오차 \(\epsilon_{j,t}\) 를 포함한 기대 전력 \(E