（中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司網(wǎng)絡(luò)技術(shù)研究院，北京 100048）

0 引言

隨著移動(dòng)通信網(wǎng)絡(luò)建設(shè)規(guī)模逐年增加，通信設(shè)備對(duì)能源的需求與日俱增，移動(dòng)通信網(wǎng)絡(luò)的能耗在運(yùn)營(yíng)商的運(yùn)營(yíng)成本（OPEX,Operating Expense）占比已高于15%。經(jīng)過(guò)5G 試商用網(wǎng)絡(luò)的測(cè)試驗(yàn)證，5G 單站功耗是4G 單站功耗的3～4 倍，運(yùn)營(yíng)商面臨基站設(shè)備能耗大幅增加OPEX費(fèi)用的運(yùn)營(yíng)壓力。當(dāng)通信行業(yè)邁入5G 時(shí)代，通信設(shè)備的智能節(jié)能對(duì)降低5G 網(wǎng)絡(luò)運(yùn)營(yíng)成本，實(shí)現(xiàn)通信行業(yè)節(jié)能減排目標(biāo)具有重要意義。

傳統(tǒng)的基站設(shè)備節(jié)能方案依賴于主設(shè)備廠家在硬件、軟件等產(chǎn)品設(shè)計(jì)和持續(xù)優(yōu)化能力。硬件方案，新設(shè)備可以通過(guò)使用新工藝、新材料、新設(shè)計(jì)等創(chuàng)新技術(shù)方案，實(shí)現(xiàn)降低設(shè)備硬件的基本能耗。軟件節(jié)能方案，通過(guò)智能符號(hào)關(guān)斷、深度休眠、通道關(guān)斷等軟件功能，在某些場(chǎng)景下實(shí)現(xiàn)降低基站能耗。硬件方案受限于器件、工藝的發(fā)展情況。軟件方案已支持單站的節(jié)能策略的配置，更需要綜合考慮全網(wǎng)節(jié)能最優(yōu)策略。

隨著5G 網(wǎng)絡(luò)智能化、云化架構(gòu)的發(fā)展趨勢(shì)，結(jié)合大數(shù)據(jù)技術(shù)、人工智能技術(shù)等技術(shù)方案，5G 網(wǎng)絡(luò)智能能耗管理可以實(shí)現(xiàn)節(jié)能策略智能化選擇、參數(shù)配置自動(dòng)化、效果評(píng)估全面化，從而達(dá)到全網(wǎng)運(yùn)行效率最優(yōu)、綜合節(jié)能效率最優(yōu)的“雙優(yōu)目標(biāo)”。

1 5G基站能耗分析

為了滿足5G 豐富的業(yè)務(wù)場(chǎng)景的要求，3GPP R15 規(guī)范定義了NR 新空口標(biāo)準(zhǔn)，對(duì)5G 基站設(shè)備的硬件能力、軟件功能等都提出更高要求。例如，5G 基站需要支持更大帶寬，在Sub 6 GHz 頻段支持100 MHz 帶寬，毫米波頻段支持400 MHz 至800 MHz 帶寬，大帶寬對(duì)軟件、硬件處理能力要求更高，5G 基站的功耗需求也更大。

5G 有源天線處理單元（AAU,Active Antenna Unit）與傳統(tǒng)的4G 射頻拉遠(yuǎn)單元（RRU,Radio Remote Unit）設(shè)備有很大差別，例如AAU 內(nèi)部集成了天線陣列、支持高達(dá)64 個(gè)射頻通道以及部分基帶功能等，這些使得AAU內(nèi)部在功放模塊、數(shù)字基帶、收發(fā)機(jī)等器件的功耗數(shù)值和功耗占比都有較大幅度增加。此外，AAU 的功耗還要考慮時(shí)鐘模塊、電源模塊、濾波器等其它模塊增加的熱耗。根據(jù)5G 基站功耗的測(cè)試數(shù)據(jù)分析，基站設(shè)備中AAU 設(shè)備（64T64R AAU）在5G 基站設(shè)備總能耗占比約90%，提高AAU 的能效水平可有效降低單站總能耗。

基站設(shè)備功耗包括靜態(tài)功耗和動(dòng)態(tài)功耗，如圖1 所示。目前，5G 基站設(shè)備基礎(chǔ)功耗平均占比58%，動(dòng)態(tài)功耗平均占比42%。基站的靜態(tài)功耗與基站設(shè)備硬件有關(guān)，可以通過(guò)硬件平臺(tái)升級(jí)來(lái)降低設(shè)備的基礎(chǔ)功耗?；净A(chǔ)功耗的降低手段包括基帶資源共享、器件動(dòng)態(tài)關(guān)斷、AAU設(shè)備快速喚醒等硬件節(jié)能方案，主要依靠主設(shè)備廠家不斷演進(jìn)硬件工藝、提高集成度來(lái)完成。動(dòng)態(tài)功耗（主要是AAU 設(shè)備功耗）隨業(yè)務(wù)負(fù)荷波動(dòng)，功耗變化與AAU設(shè)備業(yè)務(wù)負(fù)荷（業(yè)務(wù)量）變化相關(guān)，通過(guò)軟件功能優(yōu)化可提高動(dòng)態(tài)能耗的有效利用率。軟件功能節(jié)能方式包括符號(hào)關(guān)斷、通道關(guān)斷、載波關(guān)斷、小區(qū)休眠、電源管理等。本文主要從軟件節(jié)能方案角度出發(fā)，通過(guò)AI 算法預(yù)測(cè)忙閑時(shí)段的業(yè)務(wù)量，智能化設(shè)定不同基站的節(jié)電時(shí)間、節(jié)電方式，有效控制空閑基站的耗電量。

2 基站智能節(jié)能方案

傳統(tǒng)的軟件節(jié)能方案主要依賴于話務(wù)統(tǒng)計(jì)經(jīng)驗(yàn)，無(wú)法實(shí)現(xiàn)實(shí)時(shí)、跨網(wǎng)絡(luò)、靈活智能的節(jié)能管理全天候跨網(wǎng)絡(luò)智能化節(jié)能，管理效率與節(jié)能小區(qū)數(shù)量成反比，管理難度高、節(jié)能效果欠佳。隨著計(jì)算機(jī)硬件性能大幅提升及AI 技術(shù)的日益成熟，智能節(jié)能技術(shù)將突破傳統(tǒng)節(jié)能方案的實(shí)現(xiàn)瓶頸，可通過(guò)在網(wǎng)管系統(tǒng)增加AI 模塊用于智能節(jié)能控制，實(shí)現(xiàn)4G/5G 多制式網(wǎng)絡(luò)智能協(xié)同，支持網(wǎng)絡(luò)區(qū)域級(jí)、單基站、單扇區(qū)不同顆粒度的智能節(jié)能，并且達(dá)到高效、實(shí)時(shí)、靈活的基站能耗管理目標(biāo)。

基站智能節(jié)能方案主要通過(guò)自動(dòng)采集4G/5G 基站的業(yè)務(wù)量、性能數(shù)據(jù)、工參數(shù)據(jù)、運(yùn)行指標(biāo)、告警數(shù)據(jù)、B域數(shù)據(jù)等，按場(chǎng)景、區(qū)域、基站性質(zhì)對(duì)基站進(jìn)行分級(jí)管理，利用AI 算法對(duì)歷史業(yè)務(wù)量數(shù)據(jù)進(jìn)行建模，通過(guò)業(yè)務(wù)量模型對(duì)基站進(jìn)行業(yè)務(wù)預(yù)測(cè)，根據(jù)業(yè)務(wù)預(yù)測(cè)結(jié)果為基站制定差異化的節(jié)能策略，自動(dòng)生成節(jié)能任務(wù)通過(guò)指令下發(fā)基站，在業(yè)務(wù)空閑時(shí)實(shí)施符號(hào)關(guān)斷、通道關(guān)斷、載波關(guān)斷、小區(qū)休眠、電源關(guān)斷等操作，在業(yè)務(wù)高峰時(shí)則自動(dòng)將節(jié)能模式切換為正常模式，從而達(dá)到全天候、跨廠家、多網(wǎng)協(xié)同的系統(tǒng)級(jí)節(jié)能效果，如圖2 所示。

2.1 數(shù)據(jù)采集與分析

圖1 基站功耗分析示意圖

圖2 基站智能節(jié)能方案

數(shù)據(jù)采集需要按照基站業(yè)務(wù)過(guò)程、信令交換原則等，通過(guò)對(duì)接不同的數(shù)據(jù)來(lái)源庫(kù)，以一定粒度獲取需要的數(shù)據(jù)源，包括PM、MR、工參、基站配置等數(shù)據(jù)。然后，對(duì)獲取的數(shù)據(jù)進(jìn)行提取解析、關(guān)聯(lián)匯聚，將原始數(shù)據(jù)存儲(chǔ)到節(jié)能方案所需的數(shù)據(jù)庫(kù)表格中。另外，需要對(duì)數(shù)據(jù)的規(guī)模進(jìn)行探索分析，對(duì)不同規(guī)模的數(shù)據(jù)采取不同的存儲(chǔ)方式和處理工具。為了方便后續(xù)為基站節(jié)能提供深層次支撐服務(wù)，需要通過(guò)各種技術(shù)手段對(duì)數(shù)據(jù)進(jìn)行組織或分析，包括缺失數(shù)值的處理、數(shù)據(jù)編碼、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)降維等。

數(shù)據(jù)采集和分析的過(guò)程中需要建立數(shù)據(jù)質(zhì)量評(píng)估和監(jiān)控體系。在數(shù)據(jù)采集之后，需對(duì)數(shù)據(jù)質(zhì)量進(jìn)行評(píng)估，確定數(shù)據(jù)的可用性，以免因數(shù)據(jù)質(zhì)量問(wèn)題影響后續(xù)節(jié)能策略的分析。在數(shù)據(jù)處理的過(guò)程中需要監(jiān)控?cái)?shù)據(jù)處理的步驟、時(shí)間、有效性等，避免因數(shù)據(jù)處理過(guò)程的中斷或錯(cuò)誤導(dǎo)致后續(xù)節(jié)能分析的錯(cuò)誤。

2.2 分級(jí)管理

智能節(jié)能方案需結(jié)合運(yùn)營(yíng)商需求，按場(chǎng)景、價(jià)值區(qū)域、基站性質(zhì)等對(duì)小區(qū)進(jìn)行分級(jí)管理，即對(duì)節(jié)能小區(qū)制定差異化的節(jié)能調(diào)度方案，并且對(duì)不同小區(qū)設(shè)置節(jié)能調(diào)度優(yōu)先級(jí)。根據(jù)業(yè)務(wù)量特點(diǎn)可將小區(qū)劃分為不同場(chǎng)景，不同場(chǎng)景可實(shí)施不同的節(jié)能手段，具體小區(qū)可分為如圖3所示的場(chǎng)景1 至場(chǎng)景8 等情況。例如：場(chǎng)景1，話務(wù)量高、潮汐效應(yīng)明顯小區(qū)（寫字樓、商場(chǎng)等），可實(shí)行載波關(guān)斷或深度休眠；場(chǎng)景5，話務(wù)量高、潮汐效應(yīng)不明顯且持續(xù)高業(yè)務(wù)量區(qū)域（汽車站、火車站等），可實(shí)行符號(hào)關(guān)斷、通道關(guān)斷；場(chǎng)景6，白天和節(jié)假日話務(wù)量高（景區(qū)等），可實(shí)行載波關(guān)斷、符號(hào)關(guān)斷、通道關(guān)斷；場(chǎng)景7，夜間完全無(wú)業(yè)務(wù)（地鐵站等），可實(shí)行深度休眠、電源關(guān)斷。

圖3 小區(qū)場(chǎng)景分類圖

不同價(jià)值區(qū)域基站智能節(jié)能方案需要自動(dòng)化設(shè)定不同的優(yōu)先級(jí)，對(duì)于熱點(diǎn)區(qū)域、口碑區(qū)域、重保區(qū)域盡量不實(shí)施節(jié)能操作，對(duì)于其他區(qū)域可依照整體話務(wù)量的多少分先后次序執(zhí)行節(jié)能策略?；镜男再|(zhì)對(duì)于節(jié)能方案的制定也有重要作用，比如使用頻段、4G/5G 網(wǎng)絡(luò)制式、是否為容量層等都會(huì)影響節(jié)能分級(jí)管理的策略。節(jié)能智能化分級(jí)管理主要通過(guò)AI 分類、聚類算法實(shí)現(xiàn)。每個(gè)小區(qū)的各項(xiàng)特征都由一個(gè)矩陣來(lái)描述，計(jì)算基站矩陣之間的距離，依據(jù)距離的大小將全部的基站分為不同的類簇，后續(xù)可為每個(gè)類簇制定節(jié)能優(yōu)先級(jí)并且選擇不同的預(yù)測(cè)模型。

2.3 業(yè)務(wù)量預(yù)測(cè)

業(yè)務(wù)精準(zhǔn)預(yù)測(cè)的目的是在獲取的數(shù)據(jù)基礎(chǔ)上，通過(guò)歷史數(shù)據(jù)挖掘、實(shí)時(shí)業(yè)務(wù)統(tǒng)計(jì)、分場(chǎng)景業(yè)務(wù)模型分析得出待節(jié)能小區(qū)的預(yù)測(cè)結(jié)果。目前應(yīng)用于業(yè)務(wù)量預(yù)測(cè)的智能算法主要有差分自回歸移動(dòng)平均模型（ARIMA,Autoregressive Integrated Moving Average Model）、Prophet 模型、長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（LSTM,Long Short Term Memory Network）模型等。差分自回歸移動(dòng)平均模型是一種可加性回歸模型，該模型的特點(diǎn)是能夠?qū)r(shí)間序列數(shù)據(jù)進(jìn)行較準(zhǔn)確的預(yù)測(cè)，但需要人工確定多個(gè)參數(shù)，不利于批量模型的訓(xùn)練。Prophet 模型也是一種可加性回歸模型，該模型的特點(diǎn)是建模效率高、模型準(zhǔn)確性較高、適用性好、能夠自動(dòng)適應(yīng)空值、可配節(jié)假日、事件時(shí)間屬性等。LSTM 模型是基于循環(huán)神經(jīng)網(wǎng)絡(luò)的順序數(shù)據(jù)算法，該算法包含內(nèi)部存儲(chǔ)器，可以解決循環(huán)神經(jīng)網(wǎng)絡(luò)無(wú)法處理長(zhǎng)距離的依賴的問(wèn)題。LSTM 模型的特點(diǎn)是對(duì)于長(zhǎng)期的時(shí)序數(shù)據(jù)有較好的預(yù)測(cè)準(zhǔn)確性，但其建模的硬件性能與時(shí)間消耗較大，不利于批量訓(xùn)練模型。

基站業(yè)務(wù)量由于受各種因素影響較多，變化趨勢(shì)呈現(xiàn)較多特性，往往利用單一時(shí)間序列預(yù)測(cè)算法或已有算法不能得到理想結(jié)果，在實(shí)際應(yīng)用中還需要根據(jù)不同區(qū)域數(shù)據(jù)的特點(diǎn)設(shè)計(jì)算法、組合應(yīng)用。

2.4 節(jié)能策略生成與執(zhí)行

在不同的時(shí)間段，不同的區(qū)域，基站的使用率是不同的，為了更好地達(dá)到節(jié)電效果，需要實(shí)時(shí)地更改節(jié)能的策略。節(jié)能策略根據(jù)2.2 小節(jié)的小區(qū)分級(jí)結(jié)果及2.3 小節(jié)的業(yè)務(wù)量預(yù)測(cè)結(jié)果，根據(jù)不同節(jié)電策略對(duì)網(wǎng)絡(luò)的影響以及節(jié)電效果配置不同的生成時(shí)間段以及持續(xù)時(shí)長(zhǎng)，通過(guò)策略為抓手使節(jié)能效果與網(wǎng)絡(luò)性能達(dá)到最佳狀態(tài)。節(jié)能策略需智能化地設(shè)定節(jié)能模型的優(yōu)先級(jí)、生效時(shí)長(zhǎng)、節(jié)能閾值等。

節(jié)能策略的執(zhí)行需與設(shè)備廠商硬件網(wǎng)管OMC 對(duì)接，實(shí)現(xiàn)節(jié)能調(diào)度任務(wù)下發(fā)、節(jié)能方案執(zhí)行等功能。如圖4 所示，策略執(zhí)行主要是將生成的節(jié)能策略轉(zhuǎn)化為可在OMC 執(zhí)行的指令，然后獲取節(jié)能小區(qū)的互斥權(quán)限，判斷該小區(qū)是否正在執(zhí)行與節(jié)能指令互斥的操作，并且對(duì)節(jié)能小區(qū)的現(xiàn)網(wǎng)狀態(tài)及告警進(jìn)行查詢解析，如果節(jié)能小區(qū)不存在互斥操作且狀態(tài)正常，則執(zhí)行小區(qū)節(jié)能關(guān)斷操作并且同步相應(yīng)網(wǎng)元，執(zhí)行完成后需釋放小區(qū)的互斥權(quán)限并且檢查小區(qū)執(zhí)行后的狀態(tài)及告警。

圖4 節(jié)能策略執(zhí)行流程

2.5 評(píng)估體系

智能節(jié)能方案需要建立全面的、一體化的評(píng)估體系，以保證網(wǎng)絡(luò)在實(shí)施節(jié)能策略時(shí)不降低網(wǎng)絡(luò)的運(yùn)行質(zhì)量，保證用戶的良好體驗(yàn)。智能節(jié)能方案的評(píng)估體系主要包括指標(biāo)評(píng)估、感知評(píng)估、節(jié)能評(píng)估、操作評(píng)估四個(gè)方面。指標(biāo)評(píng)估主要是指針對(duì)執(zhí)行節(jié)能小區(qū)及補(bǔ)償小區(qū)構(gòu)建實(shí)時(shí)指標(biāo)分析機(jī)制，確保重要KPI 指標(biāo)滿足要求，如指標(biāo)惡化效果不佳及時(shí)進(jìn)行回退處理。感知評(píng)估是指對(duì)節(jié)能方案實(shí)施后對(duì)用戶感知的分析，構(gòu)建用戶感知指標(biāo)分析機(jī)制，確保不生成犧牲用戶感知得來(lái)的節(jié)能方案。節(jié)能評(píng)估指對(duì)生成的節(jié)能方案產(chǎn)生的節(jié)能效果進(jìn)行計(jì)算，評(píng)估節(jié)能效果，并根據(jù)評(píng)估的節(jié)能效果不斷優(yōu)化節(jié)能策略。操作評(píng)估主要是指對(duì)下發(fā)OMC 的節(jié)能指令執(zhí)行日志進(jìn)行實(shí)時(shí)解析、分析，及時(shí)發(fā)現(xiàn)執(zhí)行失敗的指令，根據(jù)關(guān)鍵字段獲取小區(qū)的實(shí)時(shí)狀態(tài)。

3 結(jié)束語(yǔ)

與4G 網(wǎng)絡(luò)相比，5G 網(wǎng)絡(luò)能提供更高速率、更低時(shí)延、更大連接密度等網(wǎng)絡(luò)能力，也在承擔(dān)顯著增加的OPEX成本。據(jù)估算，5G 基站功耗是OPEX 成本中增量較大、增幅較高的支出成本。高效智能化的基站設(shè)備節(jié)能是未來(lái)5G 網(wǎng)絡(luò)發(fā)展的必然趨勢(shì)。5G 基站智能節(jié)能方案應(yīng)結(jié)合通信行業(yè)產(chǎn)業(yè)鏈的實(shí)際發(fā)展情況，逐步降低商用設(shè)備基礎(chǔ)功耗，加快節(jié)能軟件功能的研發(fā)進(jìn)度。同時(shí)，運(yùn)營(yíng)商需利用智能化技術(shù)，從網(wǎng)絡(luò)層面協(xié)同管理4G/5G 等多制式系統(tǒng)的能耗，推動(dòng)4G/5G 智能協(xié)同節(jié)能方案的落地，以達(dá)到降低網(wǎng)絡(luò)能耗的目標(biāo)。