A Probabilistic Simulator for Solar-Powered Aerial Base Stations

One of the essential visions of the next generation of communication networks is to provide reliable and global coverage. However, some events, such as disaster situations can cause damage and outage of terrestrial base stations. Therefore, Unmanned Aerial Vehicles (UAVs) have been proposed to support or even take over the terrestrial networks in such cases by offering wireless coverage as aerial base stations. However, UAVs are powered by batteries, as opposed to terrestrial base stations, which are usually attached to the power grid. This is one of the most demanding challenges in deploying UAVs as aerial base stations since it may restrict their endurance time and communication capability. Using energy harvesting, especially solar energy, is a promising solution to address this challenge, but the amount of collected power is uncertain because of the solar irradiance variability, which makes it difficult for the practitioners to manage and equip the solar-powered UAV to establish a network in the desired area. Therefore, solar power forecasts can be used to predict the amount of harvested energy by the UAV to plan its mission. On the other hand, testing the actual equipment can be unfeasible from an economic and risk point of view. Therefore, simulation plays a vital role in such cases. Researchers developed different simulators for UAVs based on the different use of these aerial vehicles, but there is no simulator that provides the prediction of the behavior of solar-powered UAVs using the solar irradiance forecast from a power consumption point of view to empower practitioners in making better informed decisions about how to equip their UAVs depending on the mission and network requirements. This study aims to provide an analytical tool to simulate the behavior of the solar-powered UAV by modeling its energy consumption and providing information for operators by using probabilistic solar irradiance forecasting. The tool uses the inputs based on the details of the mission and, by simulating it, will provide information such as the duration that the UAV may be active in the mission, the status of the UAV, and also the battery charge level at the end of the simulation. Moreover, it provides a log file that consists of the detailed actions of the UAV during the simulation. Based on the emergency scenario implemented through the provided tool, we demonstrate its usefulness and capabilities. Our experimental evaluation shows a maximum 5% difference between the predicted outcomes and the actual outcomes of the simulation. The runtime of the simulation for the scenario in different experiments was, on average, around one minute, confirming its applicability for pre-deployent evaluation. Moreover, the experiments show the impact of different aspects, such as the start time of the mission, the battery threshold for returning to the initial station and distance to the destionation of the scenario on the outputs. In conclusion , our tool can provide informative details to the operators, and its good performance and short execution time help them to make the best decision on equipping the UAV and asses the risk with a high amount of certainty in a short amount of time.

Una delle visioni essenziali della prossima generazione di reti di comunicazione è quella di fornire una copertura affidabile e globale. Tuttavia, alcuni eventi, come le situazioni di emergenza, possono causare danni e interruzioni delle stazioni base terrestri. Pertanto, i veicoli aerei senza equipaggio (UAV) sono stati proposti per supportare o addirittura assumere il controllo delle reti terrestri in tali casi offrendo copertura wireless come stazioni base aeree. Tuttavia, gli UAV sono alimentati da batterie, al contrario delle stazioni base terrestri, che di solito sono collegate alla rete elettrica. Questa è una delle sfide più impegnative nel dispiegamento di UAV come stazioni base aeree poiché potrebbe limitare il tempo di resistenza e la capacità di comunicazione. L'utilizzo della raccolta di energia, in particolare l'energia solare, è una soluzione promettente per affrontare questa sfida, ma la quantità di energia raccolta è incerta a causa della variabilità dell'irraggiamento solare, che rende difficile per i professionisti gestire ed equipaggiare l'UAV a energia solare per stabilire una rete nell'area desiderata. Pertanto, le previsioni sull'energia solare possono essere utilizzate per prevedere la quantità di energia raccolta dall'UAV per pianificare la sua missione. D'altra parte, testare l'attrezzatura reale può essere irrealizzabile da un punto di vista economico e di rischio. Pertanto, la simulazione gioca un ruolo fondamentale in tali casi. I ricercatori hanno sviluppato diversi simulatori per UAV basati sul diverso utilizzo di questi veicoli aerei, ma non esiste un simulatore che fornisca la previsione del comportamento degli UAV a energia solare utilizzando la previsione dell'irraggiamento solare dal punto di vista del consumo di energia per consentire ai professionisti di fare decisioni più informate su come equipaggiare i loro UAV a seconda della missione e dei requisiti di rete. Questo studio mira a fornire uno strumento analitico per simulare il comportamento dell'UAV a energia solare modellando il suo consumo energetico e fornendo informazioni agli operatori utilizzando la previsione probabilistica dell'irraggiamento solare. Lo strumento utilizza gli input in base ai dettagli della missione e, simulandola, fornirà informazioni come la durata che l'UAV può essere attivo nella missione, lo stato dell'UAV e anche il livello di carica della batteria alla fine della simulazione. Inoltre, fornisce un file di registro che consiste nelle azioni dettagliate dell'UAV durante la simulazione. Sulla base dello scenario di emergenza implementato attraverso lo strumento fornito, ne dimostriamo l'utilità e le capacità. La nostra valutazione sperimentale mostra una differenza massima del 5% tra i risultati previsti e i risultati effettivi della simulazione. Il tempo di esecuzione della simulazione per lo scenario in diversi esperimenti è stato, in media, di circa un minuto, a conferma della sua applicabilità per la valutazione pre-distribuzione. Inoltre, gli esperimenti mostrano l'impatto di diversi aspetti, come l'ora di inizio della missione, la soglia della batteria per il ritorno alla stazione iniziale e la distanza alla destinazione dello scenario sulle uscite. In conclusione, il nostro strumento può fornire dettagli informativi agli operatori e le sue buone prestazioni e il breve tempo di esecuzione li aiutano a prendere la decisione migliore sull'equipaggiamento dell'UAV e a valutare il rischio con un'elevata certezza in un breve lasso di tempo.