Vieira, Pedro Manuel de Almeida CarvalhoRodrigues, Viviana Alexandra Carrola2024-10-282024-10-282023-07RODRIGUES, Viviana Alexandra Carrola – Análise de Medidas de Poupança Energética em Redes Móveis Multi-Tecnologia. Lisboa: Instituto Superior de Engenharia de Lisboa. 2023. Dissertação de Mestrado.http://hdl.handle.net/10400.21/17811Dissertação para obtenção do grau de Mestre em Engenharia Eletrónica e Telecomunicações na área de especialização de TelecomunicaçõesA crescente preocupação com a eficiência energética, sustentabilidade e aumento dos custos energéticos tem levado empresas a focarem-se na redução dos seus consumos. Por esse motivo, os operadores de redes móveis têm trabalhado para otimizar energeticamente a sua rede, tornando-se assim mais sustentáveis. Com o objetivo de reduzir os custos operacionais através da poupança energética, nesta dissertação foram propostas um conjunto de soluções, nomeadamente a modernização de equipamentos, a desativação da tecnologia de Terceira Geração (3G), a partilha de equipamentos rádio com outros operadores e a ativação de funcionalidades de poupança energética. Através da calibração de um modelo de previsão de consumo energético utilizando dados reais e informações documentadas sobre consumo típico dos equipamentos, foram analisadas as poupanças que podem ser alcançadas com as mudanças propostas. Os resultados mostram que é possível obter uma redução de até 59% nos custos energéticos por site. Nesta dissertação, foi analisado o Custo Total de Propriedade de um operador e de uma empresa detentora de infraestrutura de telecomunicações no mercado português. Por conseguinte, foi desenvolvido um algoritmo em R para determinar o custo de uma torre com base na altura pretendida. A implementação de algoritmos de otimização que se baseiam em técnicas de Inteligência Artificial (IA) é essencial para melhorar a eficiência dos modelos operacionais das redes móveis atuais. Deste modo, analisou-se ainda o impacto médio do recurso a IA no consumo de energia de uma estação base, em que se verificou que através de 2 funcionalidades de poupança energética podem existir poupanças de 156€ por site por ano em torres e 168€ em rooftops. Por fim, foi analisado um caso de investimento em Self-Optimizing Network (SON) e concluiu-se que com apenas 6% de poupança energética, o investimento em técnicas de IA teria retorno em cerca de 2 anos e meio.The growing concern for energy efficiency, sustainability, and energy costs increase has led companies to focus on reducing their consumption. Therefore, mobile network operators have been working towards optimizing the energy efficiency of their networks, thereby becoming more sustainable. This thesis aims to reduce operational costs through energy savings by proposing a range of solutions, including equipment modernization, deactivation of Third Generation (3G) technology, sharing of radio equipment with other operators, and the activation of energy-saving features. Through the calibration of a predictive model of energy consumption using real data and documented information on typical equipment consumption, the potential savings resulting from the proposed changes were analyzed. The results reveal that it is possible to achieve a reduction of up to 59% in energy costs per site. This thesis also examines the Total Cost of Ownership for a mobile network operator and a Telecommunications infrastructure company in the Portuguese market. Additionally, an algorithm was developed in R to determine the cost of towers based on the desired height. The implementation of optimization algorithms based on Artificial Intelligence (AI) techniques is crucial for improving the operational efficiency of current mobile networks. Furthermore, the average impact of employing AI on energy consumption at a base station was analyzed, demonstrating potential savings of €156 per site per year for towers and €168 for rooftops through the use of two energy-saving features. Finally, a case study on investment in Self-Optimizing Networks (SON) was conducted, concluding that with just a 6% energy savings, the investment in AI techniques would yield a return in approximately 2 and a half years.porRedes móveisRedes de acesso rádioEficiência energéticaSustentabilidadeMobile networksRadio access networkEnergy efficiencySustainabilitymaster thesis203594231