Energy Efficiency Testing and Modeling of a Commercial O-RAN System

Ce document blanc présente une caractérisation détaillée et une modélisation de l'efficacité énergétique d'un système O-RAN commercial, basées sur des mesures exhaustives de puissance et de performance réalisées dans un environnement de test collaboratif reproduisant un déploiement réseau réel.

L'essentiel

📡 Le Supermarché de l'Énergie : Comment économiser l'électricité dans les réseaux 5G ?

Imaginez que le réseau mobile (celui qui fait fonctionner votre téléphone) est comme un immense supermarché. Ce supermarché doit rester ouvert 24h/24, même quand il n'y a presque personne dedans la nuit.

Ce document est un rapport de recherche réalisé en février 2026 par une équipe de chercheurs et d'ingénieurs. Ils ont pris un réseau 5G réel (celui d'un opérateur commercial) et ont fait une chose très simple mais cruciale : ils ont installé un compteur électrique sur chaque rayon du supermarché pour voir exactement combien d'électricité il consomme.

Voici les grandes leçons de leur enquête, racontées avec des analogies :

1. Le Problème : Le "Chauffage de l'usine"

Dans les réseaux mobiles, il y a des antennes (les O-RU), des serveurs de traitement (les O-DU) et des centres de données dans le cloud (les O-CU).

• L'analogie : Imaginez un camion de livraison. Même s'il ne transporte aucun colis (aucune donnée), le moteur tourne, le chauffage est allumé et le chauffeur est payé. C'est ce qu'on appelle la consommation à vide.
• La découverte : Les chercheurs ont vu que la plus grande partie de l'électricité est gaspillée juste pour garder le réseau "allumé", même quand personne ne télécharge de vidéos. C'est comme si votre voiture consommait 80 % de son essence juste pour rester au ralenti dans un embouteillage !

2. L'Expérience : Le Laboratoire de l'ORCID

L'équipe a monté un réseau complet avec :

• 6 antennes géantes (comme des tours de télécommunication).
• Des serveurs puissants pour gérer les données.
• Ils ont testé des centaines de scénarios : "Et si on envoie moins de données ?", "Et si on utilise moins d'antennes ?", "Et si la météo est mauvaise ?".

3. Les Découvertes Clés (Les "Aha !" moments)

A. Mieux vaut faire tourner le moteur à fond que le laisser au ralenti
C'est la leçon la plus surprenante.

• Le scénario : Si vous réduisez le trafic de 100 % à 50 % (par exemple, moins de gens regardent Netflix), vous pensez économiser la moitié de l'électricité ?
• La réalité : Non ! L'économie est minime (seulement 5 %). Pourquoi ? Parce que le "moteur" (l'antenne) continue de tourner à plein régime pour être prêt à tout moment.
• L'analogie : C'est comme si vous éteigniez la moitié des lumières de votre maison, mais que vous laissiez le four, le réfrigérateur et la climatisation allumés à pleine puissance. Vous n'avez pas beaucoup économisé.
• La solution : Il est plus efficace énergétiquement d'avoir un réseau très chargé (beaucoup de données) que un réseau à moitié vide.

B. Le "Super-Combo" des antennes
Les antennes modernes peuvent gérer plusieurs "voies" (fréquences) en même temps.

• L'analogie : Imaginez un camion qui peut transporter deux types de marchandises. Si vous n'utilisez que la première voie, le camion consomme beaucoup. Si vous ajoutez une deuxième voie de marchandises, le camion consomme un peu plus, mais il transporte beaucoup plus de colis.
• Le résultat : Activer une deuxième fréquence sur la même antenne est beaucoup plus efficace énergétiquement que d'allumer une deuxième antenne complète. C'est comme remplir le camion avant d'en acheter un deuxième.

C. La météo compte (mais pas pour l'électricité)
Quand la connexion est mauvaise (parce que vous êtes loin de l'antenne ou qu'il y a des obstacles), le téléphone doit travailler plus dur pour recevoir les données.

• Le résultat : Le débit (la vitesse) chute drastiquement, mais l'antenne continue de consommer la même quantité d'électricité.
• L'analogie : C'est comme courir dans la boue. Vous avancez très lentement (peu de données), mais vous dépensez la même énergie que si vous couriez sur du bitume. L'efficacité énergétique s'effondre.

4. Pourquoi est-ce important pour nous ?

Ce rapport nous dit que pour sauver la planète et réduire les factures d'électricité des opérateurs, il ne suffit pas d'avoir de meilleures antennes. Il faut changer la façon dont on les utilise :

1. Arrêter de laisser les antennes "au ralenti" : Il faut des systèmes intelligents qui éteignent vraiment les antennes quand il n'y a personne, au lieu de juste réduire la vitesse.
2. Remplir les camions : Il vaut mieux concentrer le trafic sur quelques antennes très chargées plutôt que de disperser le trafic sur beaucoup d'antennes à moitié vides.
3. Mesurer pour mieux agir : On ne peut pas améliorer ce qu'on ne mesure pas. Ce rapport fournit les "règles du jeu" pour mesurer l'énergie dans les futurs réseaux 5G et 6G.

En résumé

Ce document est une carte au trésor pour l'écologie du numérique. Il nous apprend que dans le monde des réseaux mobiles, l'efficacité ne vient pas de la réduction de la vitesse, mais de l'optimisation de l'effort. Pour être vraiment économe en énergie, il faut éviter de laisser le réseau "tourner à vide" et s'assurer que chaque watt d'électricité sert à transporter le maximum de données possibles.

C'est un pas de géant vers des réseaux plus verts, moins chers et plus durables pour tout le monde ! 🌱📱⚡

Résumé technique

Résumé Technique : Efficacité Énergétique d'un Système O-RAN Commercial

Ce document blanc présente les résultats d'une campagne de test et de modélisation approfondie sur l'efficacité énergétique d'un système O-RAN (Open Radio Access Network) commercial complet. Réalisé en février 2026 par une collaboration entre le laboratoire ORCID (Open RAN Center for Integration and Deployment), l'ONF (Open Networking Foundation) et le laboratoire WINLAB de l'Université Rutgers, l'étude vise à combler le manque de données quantitatives publiques sur la consommation énergétique des systèmes O-RAN de niveau commercial.

1. Problématique

La densification des stations de base et l'adoption de technologies avancées comme le MIMO (Multiple-Input Multiple-Output) ont considérablement accru la demande énergétique des réseaux 5G. Bien que l'architecture O-RAN offre une flexibilité et une interopérabilité multi-fournisseurs grâce à la désagrégation et à la virtualisation, ces mêmes caractéristiques introduisent une complexité qui impacte l'efficacité énergétique.

• Défi principal : Il existe un manque de méthodes de test standardisées et de métriques énergétiques pour les composants et les systèmes de bout en bout.
• Objectif : Comprendre les profils de consommation des fonctions réseau physiques (O-RU), virtualisées (O-DU, O-CU) et du cloud (O-Cloud) pour développer des modèles de prédiction et optimiser la gestion de l'énergie.

2. Méthodologie

L'étude a été menée dans un environnement de test ORCID reproduisant fidèlement un déploiement commercial macro-cellulaire.

• Configuration du système :
  • O-CU : Hébergé sur le cloud Amazon Web Services (AWS).
  • O-DU : Hébergé sur un serveur dédié (Dell XR11) avec infrastructure Kubernetes.
  • O-RU : Six unités radio haute puissance multi-bandes (3 de type A et 3 de type B) réparties sur un site de trois secteurs.
• Scénarios de test : Une série de cas de test (TC) a été conçue pour varier les paramètres suivants :
  • Niveau de puissance de transmission RF (Tx gain).
  • Nombre de couches MIMO (2x2 vs 4x4).
  • Débit de données (plein tampon, 50%, 30%).
  • Nombre de porteurs (bandes) actifs par RU.
  • Conditions de propagation (faible, moyenne et forte atténuation/path loss).
• Mesures : La consommation électrique a été mesurée via des compteurs de courant (SiteBoss) pour les O-RU, des outils de gestion de serveur (BMC/Redfish) pour l'O-DU, et les outils CloudWatch d'AWS pour l'O-CU. Les débits ont été mesurés via un simulateur d'équipement utilisateur (UE).

3. Contributions Clés

• Données empiriques : Première caractérisation quantitative complète d'un système O-RAN commercial de bout en bout (O-CU, O-DU, 6 O-RU multi-bandes).
• Modélisation de la consommation O-RU : Développement et validation d'un modèle de consommation pour les O-RU multi-bandes, décomposant la puissance en :
  • Puissance de base (idle).
  • Puissance par chaîne RF active.
  • Efficacité des amplificateurs de puissance (PA) par bande.
• Méthodologie de test : Proposition d'ajouts légers aux procédures de test existantes pour permettre une mesure énergétique routinière, permettant aux opérateurs de paramétrer leurs propres modèles.
• Analyse comparative : Évaluation de l'impact de la virtualisation (O-DU/O-CU) et de la désagrégation sur la consommation globale par rapport aux charges de travail.

4. Résultats Principaux

A. Consommation des O-RU (Unités Radio)

• Puissance au repos (Idle) : Une part significative de la consommation (environ 200 W) est due à la puissance de base, indépendante du trafic.
• Efficacité des amplificateurs : L'efficacité des PA varie selon la bande et la puissance de sortie. Par exemple, pour le type A, l'efficacité du PA N70 va de 29 % à 39 %, tandis que le PA N66g (conçu pour deux porteurs) présente une efficacité plus faible (14 % à 32 %) et une consommation à vide plus élevée.
• Impact du MIMO : Le passage du 4x4 MIMO au 2x2 MIMO réduit la consommation RF de moitié, mais la consommation totale de l'unité ne baisse que de 12 % (de 268 W à 236 W) en raison de la forte composante de puissance fixe.

B. Consommation des O-DU et O-CU

• O-DU : La consommation du serveur dédié augmente modérément avec la charge (environ +10 W à +25 W pour des débits maximaux), mais la majorité de la puissance est consommée par l'infrastructure serveur (ventilation, alimentation) même au repos.
• O-CU : La consommation du cloud est très faible et peu sensible à la charge de données (augmentation d'environ 1 W), car le serveur est surdimensionné pour 17 DUs et n'en héberge qu'un seul dans ce test.

C. Efficacité Énergétique Globale (kbps/W)

• Optimisation par la charge : L'efficacité énergétique est maximale lorsque le réseau est fortement chargé.
  • Le cas le plus efficace (TC27, 3 secteurs, 6 RU, 100 % de charge) atteint 655 kbps/W.
  • La réduction du trafic à 50 % ou 30 % fait chuter l'efficacité énergétique de près de 50 % à 68 %, car la puissance de base (idle) reste constante tandis que le débit diminue.
• Multi-porteurs vs Multi-RU : Activer un deuxième porteur sur une RU existante est plus efficace énergétiquement que d'activer une nouvelle RU, car la puissance de base est déjà amortie.
• MIMO : Le 4x4 MIMO est plus efficace que le 2x2 MIMO pour un même porteur, car il maximise le débit sans augmenter proportionnellement la consommation électrique.
• Conditions de propagation : Une forte atténuation (path loss) réduisant le débit (MCS plus bas) n'affecte pas la consommation électrique de l'infrastructure, ce qui dégrade drastiquement l'efficacité énergétique (de 563 kbps/W à 96 kbps/W dans les cas extrêmes).

5. Signification et Implications

Ce travail démontre que l'architecture O-RAN, bien que flexible, nécessite une gestion énergétique intelligente pour être durable.

• Le paradoxe de l'économie d'énergie : Réduire le trafic ou désactiver des antennes sans mécanismes de mise en veille profonde (deep sleep) des composants inactifs peut paradoxalement réduire l'efficacité énergétique globale en raison des coûts fixes élevés (puissance de base).
• Recommandations : Pour maximiser l'efficacité, les opérateurs devraient privilégier l'agrégation de porteurs sur les RU existantes et maintenir une utilisation élevée des canaux. Les modèles de consommation validés dans ce rapport permettent de simuler ces scénarios pour optimiser les configurations réseau dynamiquement.
• Impact industriel : Les données fournies servent de référence pour le développement de futures spécifications de l'Alliance O-RAN concernant les tests d'efficacité énergétique et aident les opérateurs à planifier des réseaux plus durables économiquement et écologiquement.

En conclusion, cette étude fournit une base de données cruciale et des modèles validés pour transformer l'efficacité énergétique d'un indicateur de performance (KPI) théorique en une pratique opérationnelle concrète pour les réseaux 5G/6G futurs.