趙胃森，陳志偉，孫 磊，繆慶兵，金 鑫

（1.中國移動通信集團(tuán)云南有限公司，云南 昆明 650000；2.中國移動通信集團(tuán)公司云南有限公司互聯(lián)網(wǎng)分公司，云南 昆明 650000；3.中移物聯(lián)網(wǎng)有限公司，重慶 400000）

1 背景和意義

工信部發(fā)放5G商用牌照后，我國運營商已開始在全國范圍內(nèi)大規(guī)模開展5G工程建設(shè)。對于5G基站建設(shè)而言，無論是設(shè)備功率大幅提高的宏基站，還是數(shù)量眾多的小微基站，均需要低壓配電系統(tǒng)進(jìn)行供電。在5G基站主建設(shè)期，基站的個數(shù)和配電線路會大量增加。隨著基站個數(shù)的增多，運維團(tuán)隊對基站的維護(hù)難度逐漸大。當(dāng)基站供電線路出現(xiàn)問題時候，運維人員需要找到對應(yīng)的基站，然后依次進(jìn)行排查，才能處理好隱患，這樣的過程比較費時費力。并且基站本身的耗電量比較大，電費占了很大的運營成本。在用電管理中主要存在以下問題：

⊙ 基站數(shù)量大，運維負(fù)擔(dān)重、效率低。

⊙ 基站能耗居高不下，據(jù)統(tǒng)計分析，平均每個基站主設(shè)備的電費支出約占整個基站電費支出的54%，隨著5G基站建設(shè)，主設(shè)備更成為基站機房中的主要耗電設(shè)備。

⊙ 系統(tǒng)聯(lián)動性差：無法遠(yuǎn)程控制基站設(shè)備和線路，線路出現(xiàn)故障時無法立即通知相應(yīng)人員并采取措施。

⊙ 偷電行為：部分人員會依靠基站的供電系統(tǒng)，私自接搭自用設(shè)備。

現(xiàn)有的基站供電系統(tǒng)無法滿足用戶對智能化、信息化、可視化、維護(hù)簡便等日益增加的需求，對系統(tǒng)中電池的故障隱患等沒有預(yù)先感知和判斷，需要運維人員不斷地到現(xiàn)場進(jìn)行運維服務(wù)，運維效率低。

從企業(yè)外部發(fā)展環(huán)境來看，行業(yè)的調(diào)整必須是滿足經(jīng)濟(jì)發(fā)展和社會發(fā)展的并行策略?；镜木G色節(jié)能減排策略對企業(yè)提出了更高的要求，嚴(yán)格基站建設(shè)的節(jié)能減排措施，對移動通信機房建設(shè)具有深遠(yuǎn)的影響意義；從通信企業(yè)內(nèi)部發(fā)展環(huán)境來講，來自成本控制、技術(shù)革新以及人力資源的整體素質(zhì)條件提高等，成為其謀求節(jié)能減排措施實現(xiàn)經(jīng)濟(jì)效益最大化的特殊要求。通信企業(yè)通過技術(shù)進(jìn)步和落實節(jié)能減排的相關(guān)措施，對解決行業(yè)競爭危機，實現(xiàn)行業(yè)市場競爭的問題，提供合理化建議。

2 市場趨勢

2.1 市場現(xiàn)有手段缺點

傳統(tǒng)的基站關(guān)閉和啟動方法，是根據(jù)當(dāng)前基站的用戶數(shù)量進(jìn)行判斷，主要存在以下問題：一是當(dāng)用戶數(shù)量波動時會頻繁關(guān)閉、啟動基站，影響系統(tǒng)工作；二是當(dāng)數(shù)據(jù)采集故障不能獲取用戶數(shù)量時，會導(dǎo)致系統(tǒng)無法判斷；三是在獨立組網(wǎng)情況下，如果出現(xiàn)自動駕駛場景，由于數(shù)據(jù)采集上報的滯后性，會導(dǎo)致當(dāng)自動駕駛進(jìn)入時，尚未啟動基站，當(dāng)自動駕駛已離開時，基站卻被啟動。

2.2 市場需求分析

近些年，通信業(yè)迅猛發(fā)展，通信運營商的網(wǎng)絡(luò)規(guī)模也越來越大，各種通信設(shè)備也越來越多，網(wǎng)絡(luò)設(shè)備所需的電力能源需求也日益增長。通信業(yè)不是耗能大戶，但是同樣責(zé)無旁貸，綠色通信再次被聚焦，龐大的網(wǎng)絡(luò)設(shè)備特別是基站蓄電池、空調(diào)都消耗著大量電能，節(jié)能降耗勢在必行。

從移動通信的市場應(yīng)用來看，其普遍使用率和受用戶青睞程度，遠(yuǎn)遠(yuǎn)超過了傳統(tǒng)紙媒和計算機網(wǎng)絡(luò)技術(shù)，尤其是其便攜式的應(yīng)用方法，給人們的出行和社交提供了必要的條件。移動通信機房基站綠色節(jié)能減排項目的開展，不僅是行業(yè)正向發(fā)展的必要前提，也是節(jié)約能源資源，實現(xiàn)產(chǎn)業(yè)優(yōu)化配置，營造企業(yè)和諧發(fā)展環(huán)境，為企業(yè)持久發(fā)展提供機遇的體現(xiàn)，更是對企業(yè)發(fā)展起積極指導(dǎo)作用的體現(xiàn)。

2.3 市場潛在發(fā)展趨勢

市場潛在發(fā)展趨勢有以下幾個方向：

（1）數(shù)據(jù)融合分析：基于大數(shù)據(jù)的融合分析，結(jié)合歷史數(shù)據(jù)對用電趨勢、隱患、故障點等進(jìn)行預(yù)測。

（2）個性化管理：針對每個基站的使用情況設(shè)定用電策略，根據(jù)現(xiàn)場情況對設(shè)備進(jìn)行遠(yuǎn)程操控。

（3）無人值守：遠(yuǎn)程監(jiān)控安全相關(guān)的監(jiān)測數(shù)據(jù)，當(dāng)電氣安全設(shè)備檢測到報警故障時會自動通過手機短信、語音電話和APP推送提醒用戶。

智能化遠(yuǎn)程電池監(jiān)控管理可以促進(jìn)信息流通、資源共享，提升工作效率，具有顯著的經(jīng)濟(jì)效益和社會效益。

3 技術(shù)手段

3.1 潮汐小區(qū)研究

通過性能話務(wù)數(shù)據(jù)，進(jìn)行小區(qū)潮汐計算，生成業(yè)務(wù)關(guān)聯(lián)并有潮汐效應(yīng)的小區(qū)對，基于以上數(shù)據(jù)生成潮汐調(diào)度指令，通過后臺下發(fā)電池脫鉤（通過物理手段或電子電路將電池輸出切斷讓其停止供電工作）命令，實現(xiàn)用電的智能化和自動化。實現(xiàn)方案如圖1所示。

圖1 潮汐小區(qū)5G基站用電的智能化和自動化

潮汐小區(qū)具體算法如下：

（1）小區(qū)狀態(tài)池：記錄每小區(qū)每小時的忙閑情況，分為高負(fù)荷、低業(yè)務(wù)、正常。

（2）潮汐高負(fù)荷小區(qū)：按集團(tuán)高負(fù)荷小區(qū)判定標(biāo)準(zhǔn)，每小時獨立計算，若最近七個工作日內(nèi)有三次及以上高負(fù)荷則為潮汐高負(fù)荷。

（3）潮汐低業(yè)務(wù)小區(qū)：按集團(tuán)低業(yè)務(wù)小區(qū)判定標(biāo)準(zhǔn)，每小時獨立計算，低業(yè)務(wù)并且拆除不會導(dǎo)致同扇區(qū)小區(qū)高負(fù)荷，若最近七個工作日內(nèi)有五次（可配置）及以上低業(yè)務(wù)則為潮汐低業(yè)務(wù)。

（4）潮汐高負(fù)荷小區(qū)池：建立潮汐高負(fù)荷小區(qū)池，存放所有潮汐高負(fù)荷小區(qū)，記錄小區(qū)高負(fù)荷時段。

（5）潮汐低業(yè)務(wù)小區(qū)池：建立潮汐低業(yè)務(wù)小區(qū)池，存放所有潮汐低業(yè)務(wù)小區(qū)，記錄小區(qū)低業(yè)務(wù)時段。

（6）拆補匹配原則。

A 潮汐高負(fù)荷小區(qū)池小區(qū)按高負(fù)荷時段從長到短排序。

B 為每個潮汐高負(fù)荷小區(qū)匹配潮汐低業(yè)務(wù)小區(qū)：

⊙ 高負(fù)荷小區(qū)與低業(yè)務(wù)小區(qū)為同廠家、同頻段（先拆高）、同RRU型號、同BBU型號。

⊙ 高負(fù)荷小區(qū)波峰與低業(yè)務(wù)小區(qū)波谷時段匹配，低業(yè)務(wù)小區(qū)波谷時段必須包含高負(fù)荷小區(qū)波峰時段。

⊙ 如果低業(yè)務(wù)小區(qū)也同時為高負(fù)荷小區(qū)，要求高負(fù)荷小區(qū)的波峰與低業(yè)務(wù)小區(qū)的波峰錯開。

⊙ 優(yōu)先選擇能匹配高負(fù)荷小區(qū)時段并且低業(yè)務(wù)時段最短的小區(qū)，長的保留給其他小區(qū)使用。

具體流程如圖2所示。

圖2 潮汐小區(qū)匹配流程

3.2 基于時間序列的通信基站設(shè)備脫鉤方法

本文提供了一種利用用戶數(shù)、流量、PRB利用率、話務(wù)量等業(yè)務(wù)數(shù)據(jù)對基站的業(yè)務(wù)趨勢進(jìn)行預(yù)測的方法。方法內(nèi)容包括：一是通過業(yè)務(wù)數(shù)據(jù)和日期屬性，判斷基站是否存在潮汐效應(yīng)和潮汐效應(yīng)發(fā)生的日期屬性；二是對存在潮汐效應(yīng)的基站建立時間序列模型，預(yù)測基站未來的業(yè)務(wù)變化情況；三是對預(yù)測結(jié)果的業(yè)務(wù)波動情況進(jìn)行合并，避免出現(xiàn)過多關(guān)閉點導(dǎo)致頻繁關(guān)閉、啟動，影響使用。方法步驟如圖3所示，下面進(jìn)行具體介紹：

本文包括業(yè)務(wù)數(shù)據(jù)采集、潮汐基站分析、時間序列模型訓(xùn)練和調(diào)優(yōu)、預(yù)測基站關(guān)閉時段、關(guān)閉點合并和設(shè)置基站關(guān)閉、啟動時段。

圖3 方法步驟

3.2.1 步驟1：業(yè)務(wù)數(shù)據(jù)采集

在步驟1中，按5 min粒度采集基站的業(yè)務(wù)數(shù)據(jù)，采集數(shù)據(jù)如表1所示。

表1 按5 min粒度采集基站的業(yè)務(wù)數(shù)據(jù)表

3.2.2 步驟2：潮汐基站判斷

非潮汐基站全天業(yè)務(wù)量分布比較均勻，不需要對基站進(jìn)行關(guān)閉、啟動操作，因此需要對基站進(jìn)行分類，判斷出哪些基站存在潮汐現(xiàn)象。潮汐基站判斷方法如下：

（1）對數(shù)據(jù)時間按天進(jìn)行標(biāo)注，分為工作日、法定節(jié)假日、其他節(jié)假日。

（2）對基站業(yè)務(wù)數(shù)據(jù)按照小時、eNodeBID （其中eNodeB（Evolved Node B），即演進(jìn)型Node B，LTE中基站的名稱，eNodeBID即基站的惟一標(biāo)識）進(jìn)行處理，用戶連接數(shù)取最大值，上下行流量、話務(wù)量取累計值。

（3）計算基站用戶連接數(shù)、上下行流量、話務(wù)量最大值，將小時數(shù)據(jù)與相應(yīng)最大值對比，進(jìn)行歸一化處理，將數(shù)據(jù)映射為（0，1）之間的小數(shù)。

（4）將歸一化后的3個值進(jìn)行累加，作為基站的融合業(yè)務(wù)量。

（5）計算每天每小時每個基站的融合業(yè)務(wù)量，分為高負(fù)荷、低負(fù)荷、正常負(fù)荷。

（6）潮汐基站符合部分時段業(yè)務(wù)負(fù)荷高、部分時段業(yè)務(wù)負(fù)荷低，因此如高負(fù)荷占比高于20%且低負(fù)荷占比高于20%，則判斷為潮汐基站。

（7）與時間標(biāo)簽結(jié)合，輸出如表2所示的信息。

表2 與時間標(biāo)簽結(jié)合輸出信息表

3.2.3 步驟3：時間序列模型訓(xùn)練及調(diào)優(yōu)

時間序列分析主要用于描述和探索現(xiàn)象隨時間發(fā)展變化的數(shù)量規(guī)律，時間序列是指同一空間、不同時間某一現(xiàn)象的統(tǒng)計指標(biāo)數(shù)據(jù)按時間先后順序形成的一組動態(tài)序列，這一組數(shù)據(jù)可以表示各種各樣的含義的數(shù)值。本專利的時間序列分析是利用基站的歷史業(yè)務(wù)數(shù)據(jù)，分析其中的規(guī)律，預(yù)測后續(xù)的業(yè)務(wù)趨勢。具體操作方法如下：一是獲取存在潮汐現(xiàn)象的基站數(shù)據(jù)，按照工作日、法定節(jié)假日、其他節(jié)假日分別建立模型；二是由于基站業(yè)務(wù)量的時間序列變動受到長期趨勢、季節(jié)變動、周期循環(huán)和不規(guī)則變動這四個因子的共同影響，因此時間序列可以表示為下列的加法結(jié)構(gòu)模型：

（1）計算長期趨勢因子：加權(quán)移動平均后的平滑時間序列數(shù)據(jù)包含了長期趨勢因子和循環(huán)變動因子。由于長期趨勢有可能改變，這種改變可能源于運營策略的變化，并且在數(shù)據(jù)不同階段，循環(huán)周期也會有所不同，因此采用時間序列斷點檢測方法，將加權(quán)移動平均后的數(shù)據(jù)分段。

采用線性回歸模型擬合分段后的趨勢分量T（t）。將時間設(shè)為自變量，每一段的觀測流量值為因變量，求得每一段的線性回歸模型。由時間和此模型計算得到的因變量估計值就是長期趨勢T（t）：

式中，β0和β1分別表示斜率和截距，選取最小二乘法估計β0和β1，使得 ：

計算式中關(guān)于β0和β1的偏導(dǎo)數(shù)，求解線性方程組得：

（2）計算季節(jié)因子：將原始業(yè)務(wù)量數(shù)據(jù)減去平滑后的業(yè)務(wù)量數(shù)據(jù)，差值為業(yè)務(wù)量的季節(jié)因子和一部分的不規(guī)則變動 y（t）-M（t）=S（t）+I（t）。在這個流量業(yè)務(wù)中，季節(jié)周期為天，因此，計算每天的業(yè)務(wù)量中位數(shù)作為季節(jié)因子，可以避免極端不規(guī)則值的影響。

（3）計算循環(huán)因子：加權(quán)移動平均后的平滑時間序列，只剩下長期趨勢和循環(huán)變動。用回歸法已求出趨勢因子 T（t），因此，循環(huán)因子C（t）= M（t）-T（t）。

（4）計算不規(guī)則變動因子：在計算出趨勢因子、季節(jié)因子和循環(huán)因子后，不規(guī)則變動因子為I（t）=y（t）-T（t）-S（t）-C（t）。

（5）時間序列模型檢驗：將求得的長期趨勢因子、季節(jié)變動因子、周期循環(huán)因子和不規(guī)則變動因子求和得到最終該基站的流量預(yù)測模型。通過求均方根誤差來檢驗?zāi)Ｐ偷臏?zhǔn)確性，其計算公式如下：

式中，yi為觀測值；為預(yù)測值；m為預(yù)測值個數(shù)。

3.2.4 步驟4：業(yè)務(wù)量預(yù)測，預(yù)測基站關(guān)閉時段

使用模型對基站業(yè)務(wù)量進(jìn)行預(yù)測，無業(yè)務(wù)的時段設(shè)置為基站關(guān)閉時段，表結(jié)構(gòu)如表3所示。

表3 預(yù)測基站關(guān)閉時段表

3.2.5 步驟5：合并關(guān)閉點

由于分析數(shù)據(jù)為5 min粒度，短時間內(nèi)業(yè)務(wù)變化會導(dǎo)致頻繁關(guān)閉、啟動基站，影響系統(tǒng)運行，因此需要對關(guān)閉點進(jìn)行合并。步驟如下：

（1）所有關(guān)閉點初始狀態(tài)設(shè)置為待確認(rèn)。

（2）找到第一個關(guān)閉點和第二個關(guān)閉點。

（3）如果第一關(guān)閉點和第二關(guān)閉點時間差值超過60 min，則第一關(guān)閉點狀態(tài)設(shè)置為關(guān)閉，以第二關(guān)閉點為起點，重復(fù)步驟（2）。

（4）如時間差值在60 min內(nèi)，第一關(guān)閉點狀態(tài)設(shè)置為不關(guān)閉，以第二關(guān)閉點為起點，重復(fù)步驟2。

（5）重復(fù)上述步驟直至合并完畢。

3.2.6 步驟6：設(shè)置例外名單

部分基站在特定時間可能涉及到重大活動保障，不能使用基于時間序列的關(guān)閉和啟動機制，需要將這些基站的特定時段設(shè)置到例外名單中，表結(jié)構(gòu)如表4所示。

表4 設(shè)置例外名單表結(jié)構(gòu)

3.2.7 步驟7：設(shè)置基站關(guān)閉、啟動時段

根據(jù)預(yù)測及合并后的結(jié)果，設(shè)置基站的關(guān)閉、啟動時段。

4 技術(shù)優(yōu)點

傳統(tǒng)方法基于門限判斷，“機械地”關(guān)閉或啟動基站，未考慮后續(xù)可能發(fā)生的變化，可能導(dǎo)致頻繁啟?；?；由于數(shù)據(jù)采集的延遲性，傳統(tǒng)方法的判斷方式也必然存在滯后性，可能出現(xiàn)用戶已經(jīng)進(jìn)入，但基站尚未啟動。本文提出的基于時間序列的業(yè)務(wù)量預(yù)測方法，改變了傳統(tǒng)方法被動、局限的分析方式，能有效預(yù)測基站的業(yè)務(wù)趨勢，進(jìn)行基站的關(guān)閉和啟動，達(dá)到節(jié)能降耗的目的。

傳統(tǒng)方法未對基站數(shù)據(jù)日期屬性進(jìn)行分析，簡單判斷周末和非周末，未考慮法定節(jié)假日以及假期調(diào)整帶來的變化，容易導(dǎo)致誤判，可能會將某個上班的周六按照周末進(jìn)行分析，導(dǎo)致寫字樓區(qū)域基站關(guān)閉，用戶無法使用。本文按照工作日、法定節(jié)假日、其他節(jié)假日進(jìn)行獨立建模，有效區(qū)分時間場景，避免誤判。

5 項目預(yù)期效果

5G由于采用的是更高頻率，單站覆蓋的范圍更小。要實現(xiàn)更好更全的覆蓋，就需要更密更多的基站。5G基站功耗的平均功耗大約是4G的2.5～3.5 倍，未來5G基站的數(shù)量也將是4G基站的3倍，毫無疑問，電力問題將成為運營商5G網(wǎng)絡(luò)投資的巨大壓力。當(dāng)基站處于負(fù)載相對較小或者空載時，如果仍然保持在工作狀態(tài)，將會浪費大量的電能?，F(xiàn)有方案一般通過設(shè)置門限值對基站進(jìn)行啟停操作，當(dāng)用戶數(shù)量低于門限值則關(guān)閉有源設(shè)備的供電；當(dāng)用戶數(shù)量超過門限則啟動基站并恢復(fù)正常使用。

本文提案中通過采集、分析基站的業(yè)務(wù)數(shù)據(jù)，判斷存在潮汐效應(yīng)的基站；并針對這些基站使用時間序列分析方法，對業(yè)務(wù)量進(jìn)行預(yù)測；根據(jù)預(yù)測結(jié)果，將一段時間內(nèi)的業(yè)務(wù)波動進(jìn)行動態(tài)合并，計算出每個基站的啟動時段。實現(xiàn)智能的關(guān)閉和啟動方案，既能保障用戶感知基本無差異的前提下，又能有效降低用電成本，提高電池等設(shè)備的使用壽命，最終達(dá)到降本增效的目的。

項目總體計劃是在2020～2021年兩年內(nèi)研發(fā)出基于節(jié)能減排的電池脫鉤系統(tǒng)，并完成項目的產(chǎn)業(yè)化，在2022～2023兩年內(nèi)銷售30套，實現(xiàn)3 000萬的銷售收入，為國家創(chuàng)造稅收300萬元。本項目推出的基于節(jié)能減排的電池脫鉤系統(tǒng)將填補國內(nèi)在該方面的技術(shù)空白，大力弘揚了國家倡導(dǎo)的自主創(chuàng)新精神，大大降低我國5G網(wǎng)絡(luò)建設(shè)成本，有力地推動5G 產(chǎn)業(yè)的縱深發(fā)展。