HCLTech a poursuivi son rôle de partenaire clé dans le projet Telecom Infra Project (TIP) pour le projet d’extension Accelerating RAN Intelligence across Network Ecosystems (ARIANE) avec comme objectif principal la gestion de l’énergie dans les réseaux Open RAN. L’initiative répond au besoin croissant de réduire la consommation d’énergie du RAN tout en maintenant des performances réseau stables dans des environnements O-RAN ouverts, virtualisés et multi-fournisseurs. Alors que la hausse des coûts de l’énergie et les objectifs de durabilité deviennent des priorités critiques pour les opérateurs télécoms, ARIANE-2 a démontré comment l’automatisation intelligente peut optimiser la consommation d’énergie en toute sécurité sans compromettre la qualité du service ni l’expérience utilisateur.

Dans le cadre du programme ARIANE, notre équipe a conçu, développé et validé une rApp d’économie d’énergie capable de fonctionner dans des environnements réseau simulés, Over-the-Air (OTA) et hybrides. La solution a exploité des algorithmes efficaces énergétiquement basés sur l’IA, alignés sur les principes O-RAN, pour gérer dynamiquement les ressources réseau selon la demande de trafic et les conditions opérationnelles.

La rApp a été validée sur plusieurs configurations d’infrastructure afin d’assurer l’évolutivité, la fiabilité et la répétabilité, offrant ainsi aux opérateurs la confiance nécessaire pour déployer l’automatisation écoénergétique dans des réseaux O-RAN du monde réel.

L'objectif principal était d'établir une approche sécuritaire, automatisée et évolutive pour l’optimisation énergétique du RAN dans des environnements O-RAN. Plus précisément, le programme visait à :

Chez HCLTech, nous avons développé une rApp d’économie d’énergie basée sur un cadre d’optimisation flexible comportant trois variantes complémentaires, conçues pour répondre à divers scénarios de déploiement.

La variante 1 s’appuyait sur un modèle basé sur l’apprentissage par renforcement (RL) afin d’apprendre de manière autonome et d’appliquer des actions d’économie d’énergie optimales dans des scénarios complexes de Massive MIMO. Cette variante visait des environnements simulés à grande échelle.

Les variantes 2 et 3 ont mis en œuvre une logique de contrôle de l’énergie déterministe, basée sur des règles, adaptée aux environnements OTA et mimétiques. Ces approches offraient un comportement d’optimisation prévisible, explicable et facilement déployable, ce qui les rendait bien adaptées à la validation, aux déploiements contrôlés et aux scénarios de déploiement en conditions réelles.

La rApp ES ajustait dynamiquement les paramètres du réseau, tels que la configuration des antennes mMIMO et l’activation des composants durant les périodes de faible trafic. La solution a été validée à travers des tests approfondis en collaboration avec des partenaires de l’écosystème, dans des environnements simulés et des déploiements OTA en intérieur, assurant la cohérence, la fiabilité et la facilité de déploiement pratique.

ARIANE-2 a fourni des économies d'énergie mesurables tout en maintenant une performance réseau stable dans tous les environnements de test.

Résultats de l'optimisation énergétique :

Dans toutes les variantes, la rApp a maintenu des indicateurs clés de performance stables avec aucun impact sur la QoS, confirmant la sécurité et la fiabilité des décisions d'optimisation.

Les travaux futurs étendront ARIANE-2 au-delà des environnements de laboratoire intérieurs pour inclure des essais sur le terrain en direct avec des fournisseurs de services de communication. Nous prévoyons d'élargir les tests à des déploiements RAN en conditions réelles de plus grande envergure, et d'affiner les modèles d’optimisation à l’aide de jeux de données KPI plus étendus afin d’améliorer davantage l’efficacité.

Ces prochaines étapes renforceront le rôle de HCLTech dans l’automatisation intelligente et durable des RAN et appuieront les opérateurs dans la réduction de l’OPEX, la diminution de l’empreinte carbone et l’accélération de l’adoption de l’automatisation dans l’ensemble des écosystèmes RAN ouverts et virtualisés.