人工智能助力5G節能減排

摘要：在5G網絡大規模建設與應用之際，針對5G基站能耗過大的現實問題，自主研發5G自動閉站系統，通過人工智能自動化實現5G站點開關站，進而實現5G站點自動化節能。

關鍵詞：5G;能耗;節能減排;納什均衡

（一）案例背景

隨著移動互聯網和物聯網的驅動，在移動通信網絡中，基站是耗電大戶，大約80%的能耗來自基站。我們統計，基站能耗費用占網絡運營成本的16%。為優化成本，基站站點的節能減排已成運營商的努力目標。目前5G部署采用的是CU/DU合設，AAU上塔安裝的部署方式。平均1套5G系統耗約1.2KW，相當于4G基站的3倍左右。引起5G基站能耗增大的因素主要有兩個：小微站密集部署，天線MIMO技術。在5G部署初期，并不考慮毫米波頻段，采用小于6GHz頻段與2G/3G/4G基站共站部署，5G單站用電功耗也將達到30kW以上。5G如此大的用電需求，對能源消耗以及后期運營成本也是非常大的挑戰。毫不夸張地說，如果不采取節能減排措施，5G網絡運營商將成為電力部門的“打工者”。基于此，亟需著力研究5G基站節能減排機制，著手打造綠色節能的通信網。

（二）案例描述

隨著5G時代的到來，設備連接向海量連接的發展速度逐步加快，不斷推動移動數據流量的爆發式增長，大規模多輸入多輸出技術的引進使得5G能耗大幅增加，5G耗電量預計將是4G的3-5倍。

（1）當前問題

現網統計數據顯示，基站24小時不間斷運行，業務閑時基站依然耗能，運行效率低，需要思考全網空載和超低負荷時段如何降低能耗。

當前主要有三種常見節能方式：

1.載頻關斷：在異頻重疊覆蓋場景，當本載頻上的用戶數較少時，將用戶遷移到負荷允許的目標基礎載頻上，然后關掉本載頻，以節省eNodeB能耗。

2.符號關斷：調度器根據業務繁忙程度，通過業務數據量預測，主動將下行數據調度到指定的符號上，在剩余的無有效信息傳輸的符號時間，關閉功放電源，從而達到節能目的。

3.通道關斷：當小區處于無業務或者業務負荷較低時，在系統設定的節能時間段，可以關閉RRU上部分發射通道，如由4T降階到2T，或者由2T降階到1T，以節省功耗。

（2）解決思路

為了解決5G基站小區能耗的問題，采用基站休眠機制，在用戶流量較小時，關閉不用的基站，以此來節約能耗。采用的主要思想是根據當時用戶需求來自動休眠、激活，為了解決該問題，以用戶和基站為博弈參與方建立博弈模型，并在每個參與者都認為自己已經做出了最優策略的情況下達到非合作博弈的均衡點（納什均衡點），再利用離散粒子群算法對其求解。具體步驟為：

（1）初始化參數：候選基站數目、最大迭代次數、慣性因子w、認知學習因子C1、群體學習因子C2、基站更新的最大最小速度、函數邊界、維度等信息;

（2）初始化粒子位置，即初始解x0 計算其適應度值，初始化歷史最優位置pbest為其本身和找出全局最優位置gbest，假設 是博弈雙方的策略組合，bNU是用戶對于基站的選擇，SNS是NS個基站的狀態指示參數;

（3）根據公式（a）更新位置和速度，再根據公式（b）重新計算適應度 ;

（4）根據適應度更新歷史最優pbest和全局最優gbest;

（5）重復步驟（3）至步驟（5），直到滿足最大迭代次數為止。

根據以上算法，利用了業務量人工智能判斷各站點閉站時段，如下圖所示。

同時，我們采用ARIMA（p，d，q）模型對基站業務進行預測：

1.對一個5G基站取3個星期的業務量數據，以小時為維度。以此數據集作為訓練集;

2.對業務量時間序列的預處理：時間序列的預處理包括兩個方面的檢驗，平穩性檢驗和白噪聲檢驗。能夠適用ARMA模型進行分析預測的時間序列必須滿足的條件是平穩非白噪聲序列。因此對時間序列進行差分處理，經驗證，模型差分階數取1;

3.平穩性檢驗：模型的噪聲序列為白噪聲序列，符合平穩性。

采用ARIMA（p，d，q）模型預測SHBCE0251南岸林茂建材_2小區在2020年9月7日凌晨0-1點的平均流量：0.007250MB，真實值：0.017847MB，誤差約為0.01MB，在誤差允許范圍內，預測準確。

綜合上述兩種算法，我們自主研發自動開站關站程序，對5G各站點實行自動化個性化智能化的閉站管理，關站開站時間根據業務量統計結果自動智能調整。同時我們設置了相關應急措施，在自動開站未執行成功的情況下，觸發循環程序，30分鐘執行一次開站操作，然后查詢狀態，反復執行5次操作失敗，對接智能監控自動派單系統，以系統自動派單和釘釘自動通知兩種方式告知對口維護人員。

（3）實施效果

零成本：該項目全部為我們自主研發、自主部署，具有接地氣的粘合度，符合生產實際。

（三）分析總結（宋體、小四號、兩端對齊，標題加粗）

通過基站業務對網絡運維的指導作用實現網運節能減排：①對基站業務與能耗進行大數據采集與分析，以用戶和基站為博弈參與方建立博弈模型，并在每個參與者都認為自己已經做出了最優策略的情況下達到非合作博弈的均衡點（納什均衡點），再利用離散粒子群算法對其求解。②采用ARIMA（p，d，q）模型對基站業務進行預測：對5G基站取3個星期的業務量數據集作為訓練集;對業務量時間序列進行平穩性檢驗和白噪聲檢驗預處理;對時間序列進行一階差分處理，預測基站未來業務量。③自研自動開站關站程序，對5G各站點實行自動化個性化智能化的閉站管理，關站開站時間根據業務量統計結果自動智能調整。

作者簡介：姓名：嚴杰，性別：男，籍貫：四川，職務/職稱：高級工程師，學歷：本科，署名單位（中國聯合網絡通信有限公司重慶市分公司 ?郵編：401121），研究方向：人工智能。