王耀祖，蔡宗平，馬學軍，石 ?。ㄖ袊苿油ㄐ偶瘓F設計院有限公司重慶分公司，重慶 400042）

1 概述

傳統(tǒng)的節(jié)能技術主要還是依賴簡單的模型或人工設定好的門限來決定開關與否，其參數(shù)設置相對保守，導致節(jié)能效果有限。所有參數(shù)都是由基站統(tǒng)一設置、定制化設置，無法適應現(xiàn)網復雜多變的環(huán)境，無法解決不同環(huán)境下各基站節(jié)能策略的獨立選擇問題，難以在用戶體驗和節(jié)能效果間達到平衡。本文將探討利用AI 技術，通過歷史數(shù)據(jù)學習構建模型，同時引入實時數(shù)據(jù)不斷訓練修正模型，探討在當前環(huán)境下進行節(jié)能場景的識別、負荷的智能預測、節(jié)能策略的智能推薦，在保證用戶體驗的條件下，達到智慧節(jié)能的效果。

2 基站節(jié)電技術方案

現(xiàn)網主要采用硬關斷和軟關斷2 種方案，硬關斷主要包含電池脫鉤、遠程繼電器關斷、FSU 關斷方式，軟關斷主要包含符號關斷節(jié)電、通道關斷節(jié)電、載波關斷節(jié)電、小區(qū)關斷節(jié)電4 種節(jié)電方式，實際操作中，通過對每種節(jié)電方式匯總累加來判斷節(jié)電效果，可結合進行應用，本文中主要討論軟關斷相關的技術應用。

2.1 符號關斷（亞幀關斷）節(jié)能

符號關斷指基站在部分符號沒有發(fā)送數(shù)據(jù)時，基站在這些“沒有發(fā)送數(shù)據(jù)”的符號周期關閉功放，從而達到降低系統(tǒng)功耗的目的。該特性分為基本符號關斷和增強型符號關斷。符號關斷功能需要RRU 支持，增強型符號關斷還需要UE支持。

亞幀關斷與符號關斷類似，基站根據(jù)業(yè)務量的變化，適時休眠部分器件（至少包含功放），如圖1所示。

圖1 符號關斷原理示意圖

基本符號關斷的原理就是在RRU 進行檢測，如果當前符號不承載數(shù)據(jù)，則關閉功放。檢測是符號級的，如圖1 所示，在1 個Slot 中Symbol#1、#2、#3、#5、#6周期內可以關閉功放，如圖2所示。

圖2 基本符號關斷原理示意圖

增強型符號關斷模式是基站在部分子幀沒有用戶數(shù)據(jù)發(fā)送時，基站將這些“沒有用戶數(shù)據(jù)發(fā)送”的子幀配置成MBSFN 子幀，實現(xiàn)關閉更多的符號。如圖2所示，1個MBSFN子幀可以只在Symbol#0發(fā)送參考信號，其他Symbol可以都關閉功放。

2.2 通道關斷節(jié)能

通過監(jiān)測一段時間內的小區(qū)業(yè)務量狀態(tài)，若該狀態(tài)滿足全部預設條件/閾值，觸發(fā)小區(qū)從多入多出（MIMO）配置為單入多出（SIMO），實現(xiàn)節(jié)能轉換，該功能進行小區(qū)配置操作，全部載扇都會被更新至相同的目標配置。通道節(jié)能觸發(fā)后會造成網絡容量、覆蓋的下降，會拒絕切入請求，同時小區(qū)會退服1 s左右，影響接入成功率、小區(qū)退服時長、用戶峰值速率和平均速率等指標，造成用戶感知下降。因此通道關斷功能對網絡有較大影響，操作實施需慎重，如圖3所示。

圖3 通道關斷原理示意圖

2.3 載波關斷節(jié)電

基站載波關斷是指關閉搭載載波的功放模塊。功放模塊是個硬件實體，用于將調制好的載波信號加大功率發(fā)送出去。載波關斷針對的是一個扇區(qū)有2個或以上載波覆蓋的場景。如果1 個扇區(qū)只有1 個載波覆蓋，是不能執(zhí)行這個動作的，一旦執(zhí)行整個扇區(qū)就無信號了，如圖4所示。

圖4 載波關斷原理示意圖

從實際網絡架構分析，網絡需要存在異構多層網絡，在一個扇區(qū)中，需要有多個載波覆蓋，實現(xiàn)共覆蓋，當業(yè)務量下降時，原來由2個載波承載的業(yè)務量可由1 個載波進行承載。當載波上的用戶數(shù)較少時，可將用戶遷移到負荷允許的目標關聯(lián)載波上，然后關掉該載波，以節(jié)約基站能耗。該方式下節(jié)能場景與網絡覆蓋有緊密關系，執(zhí)行不當會造成整片區(qū)域無信號，使用戶感知下降。

2.4 小區(qū)關斷節(jié)電

小區(qū)關斷一般是指閉塞或去激活邏輯小區(qū)，無明確說明，一般默認為小區(qū)去激活。

閉塞是指關閉邏輯小區(qū)的射頻發(fā)射功能或開啟用戶接入禁止功能，當解除閉塞后小區(qū)立刻進入服務狀態(tài)，該過程小區(qū)無需重啟，對網絡的影響較小。不同廠家及不同的網絡制式對該功能的實現(xiàn)方式有所不同。以華為2G為例，該狀態(tài)下后臺仍可對小區(qū)進行維護操作，小區(qū)閉塞前已接入用戶仍可以使用該小區(qū)提供的服務，在小區(qū)閉塞的情況下，通過小區(qū)間的切換，在一定時間內將本小區(qū)用戶切換到鄰小區(qū)，實現(xiàn)業(yè)務的不中斷，當計數(shù)器到達設定的值后會釋放該小區(qū)的所有用戶。以華為4G 為例，高優(yōu)先級閉塞小區(qū)時，將會立即去激活小區(qū)；中優(yōu)先級閉塞小區(qū)時，在設定的小區(qū)中優(yōu)先級閉塞時長內，如果沒有用戶，則立即去激活小區(qū)，否則將在小區(qū)中優(yōu)先級閉塞時長（可通過參數(shù)配置）超時后，去激活小區(qū)；低優(yōu)先級閉塞小區(qū)時，將會在小區(qū)無用戶后，去激活小區(qū)，如圖5所示。

圖5 小區(qū)關斷原理示意圖

小區(qū)去激活是將邏輯小區(qū)從物理載波上去關聯(lián)，使得射頻信號無法發(fā)送處理，用戶相關的所有業(yè)務都會中斷。同時后臺亦不能對小區(qū)進行任何操作。去激活的基站（小區(qū)）激活后會自動啟動，進行網絡交互，重新為覆蓋區(qū)域內的用戶提供服務。該操作過程會造成小區(qū)提供服務的立刻中斷，瞬間釋放掉連接在該小區(qū)的用戶，引起原有覆蓋的改變、KPI 指標（接通率、掉線率等）的惡化，造成用戶感知的下降。

小區(qū)閉塞、去激活是針對邏輯小區(qū)的，當一個載波承載2 個邏輯小區(qū)（需RRU 支持），操作其中一個小區(qū)，不影響另一個小區(qū)的正常運行，這種情況相當于刪除了一個邏輯小區(qū)數(shù)據(jù)，使得原有的覆蓋發(fā)生變化，當某一個扇區(qū)內的所有小區(qū)都去激活，會造成該區(qū)域內無網絡信號，影響用戶感知，需謹慎操作。

2.5 5G AAU深度休眠

當網絡中沒有5G用戶時，可僅保留喚醒最小單元（電源模塊+eCPRI 通信接口），關閉AAU 其他所有可關閉器件（基帶處理單元、數(shù)字中頻、收發(fā)信機、功放等），AAU 進入深度休眠，實現(xiàn)最大程度的節(jié)能，如圖6所示。5G AAU 深度休眠主要應用在5G 建網初期用戶較少，夜間無高速率需求的場景。

圖6 AAU深度休眠原理示意圖

3 基于AI的智能節(jié)電模型

3.1 小區(qū)節(jié)能場景庫建立

為達到小區(qū)節(jié)能的最大化，避免設置固定門限造成網絡性能下降和節(jié)能效果不理想，可將現(xiàn)網小區(qū)進行場景化分類，依據(jù)場景特性，智能選擇合理的節(jié)能方案，該過程可通過AI 人工智能學習技術實現(xiàn)，采用機器學習、神經網絡算法實現(xiàn)小區(qū)覆蓋場景的智能分類。

該模塊主要強調了利用機器學習技術（如聚類、分類、協(xié)同過濾預測），基于基站本身的歷史信息，如上下行PRB 利用率、上下行流量、用戶數(shù)、基站負荷等，使用AI 中的貝葉斯分類（NBC）和聚類算法通過已知經驗找到規(guī)律進行預測，確立基站節(jié)能場景，以便采取不同的節(jié)能策略。當新加入基站或者基站周圍場景變化時，可根據(jù)模型自動判別所處場景。最終建立“基站節(jié)能場景管理庫”。依據(jù)小區(qū)覆蓋場景，采取相應的節(jié)能策略，從而達到智慧節(jié)能的效果。如圖7所示。

圖7 業(yè)務、場景智能預測過程

根據(jù)節(jié)能場景識別模型，小區(qū)可以依據(jù)業(yè)務使用量的潮汐情況，適配各場景。例如：當模型識別某場景白天、晚間流量很大，但夜間無流量，且周末相比工作日流量增大，可能將該場景識別為商場類，再如當模型識別某小區(qū)周末、節(jié)假日流量大且正常工作日流量較低，可判別為景區(qū)類等。

在小區(qū)智能識別過程中可同時與現(xiàn)網小區(qū)覆蓋場景進行關聯(lián)，實現(xiàn)更詳細的業(yè)務場景劃分。如VVIP、VIP、地鐵、高鐵、高速、高校、醫(yī)院等。同時針對重要場景設定白名單機制，如黨政軍、VVIP、VIP等，申請建立黑白名單機制，針對黑名單小區(qū)采取謹慎的操作策略。

3.2 小區(qū)業(yè)務量預測

通過預測基站未來業(yè)務流量的變化趨勢，可實現(xiàn)小區(qū)自動化節(jié)電，通過自動匹配節(jié)電措施、動態(tài)調整小區(qū)節(jié)電時長達到智能節(jié)電的效果，采用該方法，可在保障網絡性能和用戶感知的前提下，實現(xiàn)更優(yōu)的節(jié)能效果。

小區(qū)業(yè)務流量模型的搭建，把小區(qū)過去一段時間內的KPI 性能數(shù)據(jù)作為輸入，如用戶量、基站負荷、無線利用率、上下行峰值PRB 利用率、上下行業(yè)務流量、基站告警等數(shù)據(jù)，通過AI 機器學習算法，預測小區(qū)未來24 h 內話務量變化趨勢，輸出待節(jié)能小區(qū)列表及小區(qū)級可節(jié)電時段、時長，自動制定小區(qū)節(jié)電清單，匹配節(jié)電場景及節(jié)電策略，發(fā)起定時節(jié)電流程。為防止小區(qū)運行過程中預測判斷錯誤，可在小區(qū)節(jié)能策略執(zhí)行前通過關聯(lián)實時性能數(shù)據(jù)對預測結果進行模型糾正，提升預測準確性，實現(xiàn)保障網絡性能、用戶感知的智慧節(jié)電。

3.3 共覆蓋智能識別

傳統(tǒng)的共覆蓋關系主要通過頻段、經緯度、方位角信息來確定共覆蓋站點中的覆蓋關系，該方法的弊端在于無法準確地反映站點的實際覆蓋關系，采用基于MR 測量報告進行TDD/FDD/NR 融合組網算法，根據(jù)MR 之間的相關性評估站點的覆蓋關系，準確地分解出覆蓋層、容量層、共覆蓋關系，從而為調度策略提供基礎能力支撐保障。

常規(guī)的多層網匹配方式是基于小區(qū)邏輯扇區(qū)的經緯度、方位角進行關聯(lián)計算所得到的，原理為全網2個頻段及以上多層網扇區(qū)數(shù)量（個）是指共站同天面的扇區(qū)須包含F(xiàn)、D、FDD 2 個及以上多頻段小區(qū)，其中多頻段小區(qū)經緯度基本一致（50 m 以內）且方位角偏差小于20°。計算多頻段扇區(qū)數(shù)時，一個含多頻段的多層網的扇區(qū)結構標記為一個多層網扇區(qū)，使用該方法建立多層網扇區(qū)庫（共覆蓋小區(qū)庫）。

該過程需要依賴于小區(qū)工參的經緯度、方位角信息，數(shù)據(jù)的偏差、填報錯誤和數(shù)據(jù)缺失容易影響小區(qū)共覆蓋模型的準確性，故為提升共覆蓋模型的準確性，可以引入MRO測量數(shù)據(jù)進行進一步佐證。針對多層網組網結構，在站點重疊覆蓋區(qū)域，當基礎小區(qū)與容量小區(qū)MR 重疊采樣點占比>80%時，容量小區(qū)利用率較低時通過配置相應節(jié)電配置策略，將容量層小區(qū)用戶及業(yè)務遷移到覆蓋層，并將容量小區(qū)休眠實現(xiàn)節(jié)能。通過該方法周期性進行小區(qū)共覆蓋扇區(qū)數(shù)據(jù)庫自動化更新。

針對4G/5G基站協(xié)同節(jié)能也可通過站間共覆蓋智能判斷，通過多頻多制式多網協(xié)同進行優(yōu)先級排序，以及網絡AI節(jié)能等多種措施，達到多網協(xié)同節(jié)能。如通過AI 智能預測，在5G 業(yè)務需求量不大的時段將5G用戶使用4G 業(yè)務需求轉移至4G，通過關閉5G 站點，達到節(jié)能的效果，多頻多制式間的平滑切換需要借助于AI 訓練模型，經過長期和大量數(shù)據(jù)的校驗，提升準確度。

3.4 節(jié)能策略智能推薦

傳統(tǒng)的節(jié)能策略采用閾值選擇，各節(jié)能策略間相對獨立，無法達到智能化匹配，造成節(jié)能效果不佳，基于AI 的策略選擇模型則通過小區(qū)場景、流量預測、共覆蓋等模型的預測結果，實現(xiàn)小區(qū)最優(yōu)節(jié)能策略的匹配。通過基于AI強化學習的優(yōu)先級模型，依據(jù)同類小區(qū)優(yōu)先級高的策略優(yōu)先匹配的原則，實現(xiàn)更優(yōu)的節(jié)能效果。

該過程是通過將小區(qū)信息、節(jié)能場景識別以及業(yè)務流量預測結果作為輸入，經由智能啟閉計算以及場景策略智能分析，得到最佳推薦節(jié)能策略，將其應用于基站。節(jié)能完成后通過基站負荷監(jiān)控、用戶感知數(shù)據(jù)以及節(jié)約能耗數(shù)據(jù)的評估，實現(xiàn)節(jié)能效果后評估，從而達到對計算模型的進一步優(yōu)化。

針對前期應用，通過應用智能場景識別方案將小區(qū)分類為以下場景，針對不同的場景關聯(lián)匹配相應的節(jié)能方案，節(jié)能措施制定如圖8所示。

圖8 節(jié)能措施與場景關聯(lián)關系

場景策略說明如下。

a）高鐵：高鐵一般為多層網，可進行符號關斷，容量層可進行載波關斷，基礎層可進行通道關斷，也可根據(jù)列車通車時間在無列車經過時對所有小區(qū)進行去激活（如晚間無列車運行時，去激活4G網絡）。

b）普通城區(qū)：普通城區(qū)多層網較多，可進行符號關斷，容量層可進行載波關斷或小區(qū)關斷，基礎層可進行通道關斷。

c）農村：農村多為單層網，且站間距較大，可進行符號關斷，但通道關斷對邊緣用戶影響較大，需謹慎開啟。多層網可進行載波關斷或小區(qū)關斷。

d）地鐵：地鐵白天可進行符號關斷和通道關斷，夜間地鐵無運營期間可對所有地鐵小區(qū)進行小區(qū)關斷。

e）大型場館：大型場館多為多層網，可進行符號關斷和通道關斷，進行載波關斷時長相對于小區(qū)關斷較長，在場館用戶較少時可采取小區(qū)關斷操作。

f）高校：高校多為多層網，可進行符號關斷和通道關斷，夜間宿舍里用戶較多，可進行載波關斷或調整小區(qū)關斷時間，對于教學樓夜間可進行小區(qū)關斷。

g）商場、寫字樓：商場和寫字樓多為室分小區(qū)，可進行符號關斷，不宜開啟通道關斷，且潮汐效應明顯，夜間可對小區(qū)進行小區(qū)關斷。

h）景區(qū)：景區(qū)一般為多層網，平時人流量較少，可采取載波關斷、通道關斷和符號關斷策略，在夜間可通過小區(qū)關斷的方式進行節(jié)能。

i）VIP、黨政軍場景需要重點保障，為避免影響用戶感知，不建議采取影響網絡質量的節(jié)能措施，在用戶較少時，建議采用符號關斷的方式節(jié)能。

4 節(jié)能效果驗證

選取某中等省份，其全網4G/5G 小區(qū)規(guī)模約35 萬個，基站數(shù)約9 萬個，針對全網（包含4G/5G 小區(qū)）開啟智能節(jié)電策略進行節(jié)能效果驗證，在不考慮部分因廠家License 資源不足等因素，同時因符號關斷時長主設備暫無相應計數(shù)器進行統(tǒng)計，故采用行業(yè)測量平均值，即符號關斷每小時每基站節(jié)電0.025 kWh 計，統(tǒng)計18 天節(jié)電執(zhí)行情況，共執(zhí)行節(jié)電任務操作1 792 163次，其中通道關斷執(zhí)行次數(shù)占比達到93.56%，如圖9所示。

圖9 節(jié)能措施應用執(zhí)行情況

為統(tǒng)一標準且便于統(tǒng)計計算，節(jié)電量統(tǒng)計取一階段現(xiàn)網驗證平均值：符號關斷按每小時每基站節(jié)電0.025 kWh 計，通道關斷按每小時每小區(qū)0.02 kWh 計，載波/小區(qū)關斷按每小時每扇區(qū)0.08 kWh計（關閉單個D 頻段RRU 為0.08，如再關FDD 頻段RRU 則為0.08×2），電費按0.65元/kWh進行計算。計算出符號關斷單站/通道關斷單小區(qū)/載波（小區(qū)）關斷扇區(qū)的全天節(jié)電量=該節(jié)電功能全天節(jié)電生效時長×該功能單小時節(jié)電量，再全部匯總累加。節(jié)電生效時長可通過監(jiān)測網管指標或實際設置時間等手段進行獲取。如一個小區(qū)全天開啟載波關斷，夜間6 h 開啟小區(qū)關斷，則計算全天節(jié)電量時應刨除夜間的6 h 的載波關斷，即節(jié)電量不能重復計算。2020 年6 月上旬節(jié)電趨勢如圖10所示。

圖10 基站節(jié)能應用情況

統(tǒng)計全省2020 年6 月上旬節(jié)能情況，18 天共節(jié)電量75.61萬kWh，日均節(jié)電量約4.25萬kWh，按0.65元/kWh計算，日均節(jié)約電費2.73萬元，每月按30天計算，則預計年度節(jié)電量為1 528.8萬kWh，約合983萬元。

5 總結

5G 網絡已經運營，極大方便了人們的生活，但5G的高能耗帶來運營成本的抬升，對運營商多網運營造成巨大的成本挑戰(zhàn)，通過應用基于AI的智能基站節(jié)能技術，解決復雜場景的基站節(jié)能策略關聯(lián)，構建基于歷史數(shù)據(jù)負荷的智能節(jié)電模型，實現(xiàn)動態(tài)高效率的節(jié)能應用，取得了良好效果。在保證用戶體驗的條件下，后續(xù)可以在此基礎上實現(xiàn)機房硬件的節(jié)能管理，如空調節(jié)能、UPS節(jié)能等多種舉措，進一步降低基站能耗，實現(xiàn)智慧機房的目標。