Configuració híbrida en prototips de 5G mmWW

La gestió del feix, és una característica definidora de les comunicacions mmWave la qual, comporta feixos molt selectius o direccionals i gestionables en els escenaris d'un sol usuari i tabé, multi-usuari. 

Aquesta gestió del feix, juguarà un paper crucial en el futur dels dissenys de les xarxes 5G. Així mateix, el llançament del 3GPP-16, examina el rendiment del món real d’antenes basat en matriu en fase en el context de la gestió de feixos.

Els sistemes mmWave amb un gran nombre d'antenes, permeten patrons estrets de feixos  i això fa que el rendiment de l'antena i les característiques del feix siguin considerables importants en l'elecció dels algorismes per a la gestió de feixos.

Figura 1: Els blocs fonamentals fonamentals del sistema de comunicació mmWave que sovint utilitzen múltiples feixos per reforçar la capacitat de ràdio. Font: National Instruments

Començant amb els fonaments bàsics de la formulació dels feixos: El format de guia d'ona tradicional analògic, crea un sol feix aplicant un retard de fase o retard de temps a cada element de l'antena. llavors, per a diversos feixos simultanis, els dissenyadors han d'utilitzar un retard de fase per a cada senyal entrant i després afegir el feix.

D'altra banda, en un format de raig complet digital, cada antena envia un canal de banda  base analògic dedicat, que, al seu torn, necessita d'un transceptor digital per a cada antena. Això implica més cost i més consum d'energia.

Per què un funcionament híbrid?

La formulació híbrida,combina el format de guia d'ona analògic amb la precodificació digital per formar de forma intel·ligent els patrons transmesos des d'una gran matriu d'antenes (figura 2), i s'utilitza la mateixa tècnica a l'extrem de la recepció per crear el patró de receptor desitjat.

Figura 2: Una visió de l'estructura híbrida per a la transmissió de mmWave Font: Porta d’investigació

Els transceptors híbrids utilitzen una combinació de generadors de raigs analògics en els formats de raig digital i RF en els dominis de banda base, respectivament, i això comporta menys cadenes de RF en comparació amb el nombre d’elements de transmissió. Dit d'una altra manera, una arquitectura que es reparteix adequadament entre els dominis analògic i digital.

El fet que la formulació de raigs híbrids utilitzi un nombre menor de cadenes de RF, que  per contra tenen un gran consum d’energia, permet als dissenyadors utilitzar un nombre més gran d’elements de matriu d’antenes alhora que redueix el consum d’energia i la complexitat del disseny del sistema.

Tanmateix, la formulació híbrida ha d’incloure els pesos de precodificació i els canvis de fase de RF per assolir l’objectiu de millorar la connexió virtual entre l’estació base i l’equip d’usuari (UE). A més, el disseny del precoder ordena càlculs massius com la descomposició de valor singular (SVD) del canal.

En aquest cas, un algorisme  de baixa complexitat de precodificació híbrida utilitzat per a operacions de ràdio, utilitza vectors de resposta del canal de matriu . L’algoritme aplica un conjunt de vectors de resposta de matriu que s’utilitzen per formar el canal, de manera que no cal fer operacions complicades utilitzades en els algorismes tradicionals de precodificació.

Els algorismes de feix de barres també són crítics en la selecció òptima dels conjunts dels feixos basats en la capacitat i en la detecció de la presència d’interferències i sorolls desconeguts. A més, faciliten un rendiment més elevat superant problemes com el bloqueig dels feixos aleatoris i la desalineació .

mmWave Beamsteering Algorithms

En les comunicacions mmWave de gran velocitat  amb matrius d’antenes grans, cal estimar freqüentment els canals perquè les condicions del canal varien ràpidament. Una part vital de l'estimació del canal es relaciona amb una cerca de feixos eficient per tal de permetre més temps per a la transmissió de dades.

A continuació, hi ha la selecció de diversos raigs, un element crucial en els sistemes de deformació de feixos híbrids per a canals selectius de freqüència. L’impacte de la interferència en la capacitat de la xarxa a causa dels feixos molt estrets, també suposa seriosos reptes. Per tant, és imprescindible que els dissenyadors examinin acuradament la capacitat de la xarxa tant des de la capacitat dels nodes com de la mida de l'antena.

Aquí, a diferència del plantejament basat en assaig i error,  requereix temps i no s’adapta fàcilment al canvi, els algorismes de suport, ajuden els enginyers a comprendre les restriccions del disseny i a tenir-ne compte en el procés d’optimització, que faciliten una mitjana aritmètica dels rendiments del senyal, la qual, al seu torn, refina amb  menors efectes del soroll i proporcionen informació de retard multitrajecte  més precís.

Aquestes observacions, per exemple, pel que fa a índexs de retard multiples estimats, són crucials en la selecció dels feixos analògics. Els algorismes de feines de feines també juguen un paper fonamental en el control de fases i la posada a punt de feixos. Analitzen la complexitat computacional i comparen resultats numèrics per proporcionar la millor propagació i recepció del senyal per als canals de comunicació mmWave.

Figura 3: Una arquitectura de maquinari típica per a l'execució d'algorismes de ràdio consisteix en mòduls CPU i FPGA programables en plataformes de programari com LabVIEW. Font: National Instruments

Si es pren com a base de prova híbrida la Beamforming de National Instruments (NI), aquesta trasllada els senyals des del domini analògic al digital mitjançant un sistema de transceptor mmWave (figura 3). Aquest sistema, permet als enginyers validar el rendiment de la ràdio implementant de manera eficient els algorismes mmWave.

Testbed Beamforming Hybrid

L'estàndard 5G NR per a freqüències mmWave utilitza una combinació d'algorismes intensivament computacionals per codificar, descodificar, modular, demodular i senyalitzar múltiplex. Aquí, el sistema de transceiver mmWave de NI , una solució de ràdio definida per programari (SDR), pot ajudar a implementar algoritmes de format de raig per a diversos casos d'ús de prototips 5G.

Aquest sistema de prototipat modular inclou un xassís PXI Express, controladors, un mòdul de distribució de rellotge, mòduls FPGA d’altes prestacions, DACs i ADCs de gran velocitat, mòduls LO i IF i caps de ràdio mmWave (figura 4). Els mòduls FPGA del xassís PXI gestionen regles de comunicació, correcció d'errors, descodificació i codificació i assignació de senyal.

A

Figura 4: El sistema de transceptor mmWave es pot utilitzar com a llit de prova de format de feix híbrid per dissenyar i provar algoritmes de suport de feixos. Font: National Instruments

Els mòduls del receptor de banda base – juntament amb els mòduls IF/LO - transmeten i reben senyals cap a i des dels capçals mmWave, que es poden connectar a les matrius en fase mitjançant un únic cable SMK. Aquí, el programari LabVIEW permet als desenvolupadors configurar diferents funcions de connectivitat en el domini digital de la formulació de feixos.

Per tant, els dissenyadors de xarxa poden combinar el sistema de transceptor amb una matriu per fases per crear solucions de prototips de matriu en fase fora de la plataforma. I poden fer un mapa de diferents tasques computacionals en diversos FPGA i així dissenyar i provar algoritmes de feixos per a una àmplia varietat de canals mmWave i configuracions de xarxa.

Font: National Instruments

Control d’inèrcia virtual per millorar l’estabilitat de la freqüència dels sistemes d’energia elèctrics.

L'increment de generadors basats en convertidors de font de tensió (VSC) en els moders sistemes  d’energia elèctrica, provoquen una disminució de la inèrcia i, en conseqüència, la inestabilitat de freqüència. 

Donat que el poc nombre de màquines síncrones i la integració de turbines eòliques mitjançant VSC als sistemes d’energia, desacoblen els components de rotació de la xarxa. Per tant, la reducció de la inèrcia en el sistema posa en risc l'estabilitat de la freqüència. 

Una opció es basa en la inèrcia virtual ja que VSC serà capaç de produir inèrcia virtual mitjançant l'estructura de control adequada que li permeti comportar-se com a generador síncron i millorar el perfil d'estabilitat de freqüència del sistema.

Font: MDPI

Els sistemes convencionals d’energia,  consisteixen en grans centrals elèctriques amb generadors síncrons (SG) que proporcionen una inèrcia considerable en el sistema. No obstant això, en els darrers anys, el nombre d’energies renovables com les plantes de generació fotovoltaica i els parcs eòlics connectats mitjançant VSC a la xarxa elèctrica, significativament han augmentat. Per exemple, els generadors de doble potència (DFIG) són utilitzats àmpliament  en  els parcs eòlics utilitzant dispositius d'interfície VSC, ja que ofereixen l'oportunitat de treballar en diferents freqüències i diferents velocitats del vent. En conseqüència, desacoblar la inèrcia real de les pales dels aerogeneradors comporta el risc d'inestabilitat de freqüència durant una pertorbació del sistema, malgrat el ràpid temps de resposta dels VSC comparat amb els generadors síncrons.

L’estabilitat de freqüència, vol dir quin capacitat d’un sistema d’alimentació elèctrica te per recuperar la seva freqüència en estat estacionari sense superar els marges acceptables un cop aïllat el tram de la falta elèctrica. Típicament, la inestabilitat de freqüència es produeix en sistemes d’energia que no tenen prou generació d’energia activa, estan molt carregats, així com en sistemes d’alimentació amb alta penetració de generadors basats en VSC. En sistemes de potència amb generadors amb alta densitat de connexions VSC, el suport de freqüències primàries, és més difícil a causa de la manca d'aquestes màquines. Per tant, el temps disponible per iniciar les accions de recuperació augmenta considerablement en comparació amb els sistemes d’energia  bassats amb els generadors convencionals. Per superar aquest problema, s’introdueix una inèrcia virtual per assegurar l’estabilitat de freqüència a curt termini de la xarxa. Generalment, el control de freqüència s'ha de fer en tres etapes:

1,. Resposta inercial (resposta al ritme de canvi de freqüència)

2.- Control de freqüències primàries

3.- Control de freqüències secundàries

Per obtenir una resposta inercial adequada, cal determinar la inèrcia virtual necessària per mantenir l'estabilitat de la freqüència. Posteriorment, el sistema de control hauria de ser capaç d’ajustar la inèrcia de sortida dels generadors amb connexió VSC. És vital reaccionar ràpidament davant el descens de freqüència abans que els relés de freqüència comencin a fer disparar els generadors, cosa que agreuja el problema. Per tal d’evitar la inestabilitat de la freqüència, s’ha de preveure el mètode de control pels VSC per augmentar la inèrcia de la xarxa en presència de recursos d’energia renovable. El mètode de control ha de poder emular el comportament de la massa dels generadors síncrons convencionals.

Font: EE Publishers

Un convertidor de font de tensió convencional es pot canviar en un convertidor de sincronització mitjançant una estratègia de control adequada. La combinació dels avantatges d’un generador síncron amb un VSC ofereix una oportunitat per augmentar l’energia cinètica extreta de les renovables. Un convertidor d'ús ha d'utilitzar un enfocament de control basat en un esquema de droop per produir una inèrcia més elevada en comparació amb els VSC convencionals. En aquest mètode, el sincronitzador seria capaç de imitar la sortida de generadors síncrons i millorar el rendiment del sistema i absorbir les oscil·lacions dels sistemes d’alimentació. L’augment de la inèrcia del sistema proporciona un temps addicional per iniciar escenaris de self-healing mentre es manté la robustesa del funcionament del sistema. Malgrat les màquines síncrones que només aporten una quantitat d’inèrcia fixa (a causa de les característiques inherents a les seves parts giratòries), un sincronitzador es pot dissenyar per produir quantitats variables d’inèrcia segons sigui necessari per mantenir l’estabilitat de freqüència del sistema (tenint en compte la qualificació física dels límits deL VSC). A més, encara que a llarg termini, els convertidors de sincronització, permeten als distribuïdors desmantellar les seves centrals convencionals i reemplaçar-les per grans sistemes d’emmagatzematge sense la necessitat de tornar a ajustar els paràmetres de control a les centrals de proximitat i el sistema de protecció.

Font:NREL

Com a conclusió, les xarxes modernes, incloent les  microgrids i una alta penetració de les unitats de generació d’energia interconectada amb els VSC, pateixen una manca d’inèrcia que condueix a la inestabilitat de freqüència. Per superar el dèficit d’inèrcia en el sistema, es pot utilitzar una combinació d’SG i inversors convencionals per produir inèrcia virtual i millorar l’estabilitat del sistema.

Font: IEEE Smart Grid

Intel·ligència artificial i l’optimització avançada pels distribuïdors elèctrics.

Pressió creixent sobre les distribuïdores elèctriques, ja que intenten millorar com fer front a les incidències provocades pels forts fenòmens meteorològics.

Els desastres naturals estan provocant importants desordres a tot el món i la tendència és creixent. En el 2016, la durada mitjana d’interrupció dels clients als Estats Units anva dels 27 minuts a Nebraska,  les 6 hores a Virgínia Occidental, fins a les 20 hores a Carolina del Sud a causa de l’huracà Matthew.

Font: Argonne National Laboratories

Més recentment el 2017, gairebé 280.000 clients de Texas, es van quedar sense electricitat, després de l’huracà Harvey. El 2018, aproximadament 1,9 milions de clients van patir interrupcions elèctriques durant l’huracà Florència, mentre que 1,7 milions de clients van perdre el poder després de l’huracà Michaelal sud-est dels Estats Units. En el 2019, les fortes tempestes van provocar diverses aturades a Michigan i Wisconsin , on més de 500.000 clients es van quedar sense electricitat. Aquestes interrupcions d’energia poden provocar impactes socioeconòmics importants i poden possar en rics les vides. 

Les distribuïdores,  utilitzen sistemes de gestió d’interruccions (OMS de l'anglès Outage Management System) per gestionar la xarxa durant interrupcions i restablir el sevei als clients. Un OMS identifica i prediu possibles interrupcions de la xarxa i també, gestiona les accions per restablir el servei. D'altra banda, l'OMS pot ajudar a prioritzar els esforços de restabliment i gestionar els recursos de brigada per fer possible les reparacions després de les avaries. Un OMS pot reduir la durada d'interrupció fins a un 25%. El recent desenvolupament en intel·ligència artificial (IA) i l’optimització avançada proporcionen l’oportunitat de millorar molt els actuals  OMS. 

La gestió de les avaries i la seva reparació, no poden ser eficients sense una planificació adequada, que inclou la preparació de la brigada. La preparació prèvia  a la avaria, consisteix en garantir que hi hagi una quantitat adequada de recursos a les ubicacions adequades. La manca de recursos va ser una de les principals raons per la lenta resposta després de l’huracà Maria a Puerto Rico. L’AI i l’aprenentatge automàtic poden aprofitar les dades recollides d’interrupcions anteriors i esdeveniments meteorològics extrems per prendre decisions amb més informació. Per exemple, l'AI pot millorar la previsió del temps i predir possibles interrupcions mitjançant models de vulnaribitat dels components de la xarxa i les dades històriques d'interrupció. Es poden utilitzar tècniques avançades d’optimització per preparar i coordinar eficientment els recursos disponibles abans de la incidència. En un recent estudi es van mostra com utilitzar la programació estocàstica per a una assignació òptima de recursos abans de desastres naturals. La clau és, considerar diferents tipus de recursos de mà d’obra / equipament, restriccions de xarxa i les incerteses dels danys. Una línia d'investigació interesant, és  la coordinació dels recursos entre les diverses empreses de serveis i les diferents agències.

Font: MIT news

Durant les avaries extremes i posteriors, una de les principals preocupacions per als distribuïdores, és la manca d’observabilitat i del coneixement de la situació. Actualment, molts serveis utilitzen les trucades de telèfon i els desplaçaments a la zona per localitzar i avaluar els danys. En els últims esdeveniments extrems, es van utilitzar drons per escanejar xarxes per identificar danys. No obstant això, l'AI té la capacitat de consolidar la informació de diferents fonts, com ara la dels  comptadors intel·ligents,  les xarxes socials, les trucades de telèfon i els dispositius de protecció elèctrica dels client, per obtenir una avaluació més ràpida i precisa dels danys. Una solució viable és l’ús de l’avaluació basada en l'IA per prioritzar i seleccionar quines zones cal anar prioritariament. A més,  és important per als distribuïdors que tenen recursos limitats després de desastres naturals. A més de l'avaluació de danys, un altre exemple és utilitzar l'IA per estimar el temps de reparació i de restauració. Aquesta informació és fonamental per assegurar l'enviament eficient de la brigada. A més, pot proporcionar valuaosa informació als clients que necessiten electricitat de manera que,  els pot ajudar a organitzar-se millor per fer front a aqeusta mancança de servei. Recentment, s'ha proposat un mètode de deep-learning per estimar el temps de les reparacions i restauracions, utilitzant dades històriques d’interrupcions i les previsions meteorològiques.

Font: Aithotities.com

Després de l'analisi i la valoració dels danys, el següent pas és reparar i restablir el servei. Aixó inclou la gestió de les brigades per reparar els components danyats i realitzar les maniobres per restablir el servei mitjançant tecnologies de xarxa intel·ligent, com serien, els recursos energètics distribuïts, les microgrids i els interruptors automàtics. La dificultat és construir models de co-optimització que coordinin els dos processos que són interdependents, però que presenten terminis diferents. Recentement, s'ha demostrat que un model de co-optimització millorarà significativament el restabliment en comparació amb la resolució dels dos processos de manera independent. Tanmateix, el model de co-optimització amb diversos formats mixtes a gran escala, és extremadament difícil de resoldre. Per iaxò, s'han aprofitat les tècniques d’optimització avançada com ara és la cobertura progressiva i la metaheurística recolçat amb sistemes potents computacionals.

La gestió de l’avaria, inclou múltiples fases interdependents. L’AI i l’optimització avançada poden millorar totes aquestes fases, des de la predicció de l'avaria, la preparació d’esdeveniments, l’avaluació de danys, fins a la reparació i la restauració del servei. Tot i això, implementar aquests mètodes és encara un repte. Per això, s'ha defer més fàcil entendre el procés de presa de decisions de l'AI i de l'optimització, per demostrar clarament la seva efectivitat i comunicar els beneficis financers i socials als responsables polítics i enginyers.

Font: IEEE Smart Grid