基于AI深度學習的面向業務5G基站節能系統研究

徐孟強

基于AI深度學習的面向業務5G基站節能系統研究

徐孟強

（中國移動通信集團浙江有限公司寧波分公司，浙江 寧波 315100）

由于5G業務發展，5G基站數量增多，造成運營商的電費成本急劇增加，節能降耗成為運營商的可持續發展需求。在研究主流5G基站節能模式及多方位5G節能方案的基礎上，提出了基于多種AI算法的5G基站節能系統，通過單SIM卡級別的高精度業務識別，在保證5G重要業務等各類型業務穩定運行的基礎上，實現了最佳策略的5G基站柔性節能。

5G基站節能；高精度業務識別；智能決策

1 引言

截至2020年年底，全球已在57個國家和地區累計商用了142張5G網絡，全球的5G終端連接數達到了2.3億。其中中國于2020年累計建成將近72萬座5G基站，實現了重點區域的連續覆蓋。5G基站的建設發展迅猛，運營商的5G基站耗電量極速增加。各類主流5G主設備功耗在4 kW左右[1]，僅5G基站一項全國每年需耗電2.523×1010kW.h，以0.6元/(kW.h)的電價計算，全年預計需151億元以上電費。

移動通信網絡數據增長與高能耗問題之間的矛盾進一步加劇，節能降耗是未來移動通信行業可持續發展的長期存在的首要需求，持續降低電信運營商運營成本中的電費成本，已成為決定運營商經營能力的重要因素。經統計，浙江移動5G低流量小區時段占比60%以上，3萬個以上邏輯站潮汐特性明顯，無線網絡可統籌調度容量資源豐富。因此聚焦5G基站節能技術，探索節能策略，在保障用戶感知、網絡質量前提下，追求最大的節能降費擁有廣闊的藍海。

而隨著5G 2B業務的發展，工廠、學校等各企事業單位用戶使用的行為模式不同而業務保障等級高，識別、定位移動的、不可預測的5G 2B終端，以確保5G 2B業務正常使用運行，對于可關停5G業務識別的精度提出了更高的要求。

2 5G基站節電方法應用現狀

當前主流的5G基站節能方法分為以下6種。

（1）符號關斷

通過符號關斷可削減靜態電路，根據數傳情況實時關閉功率放大器等高能耗硬件，如圖1所示。該方法對應用場景無特殊要求，可在微秒級恢復，對用戶感知沒影響，可24 h開啟。

（2）通道關斷

當5G網絡負荷較低時，關閉（或休眠）部分基站發射的射頻通道，以達到節能目的。該方法常應用于潮汐效應較明顯區域，如學校、城區、大型場館等，一般開啟時間為0:00—6:00。

（3）載波關斷

本文中的載波關斷指純5G覆蓋的多載波區域，當業務量較低時，可自適應關閉一個或多個載波，如圖2所示。該方法通過移動魯棒性優化（mobility robustness optimization，MRO）業務預測與滑窗方案共同判定載波是否可以被關斷。雖然載波與通道關斷可根據5G小區性能指標劣于閥值實現5G基站自動停止載波或通道關斷，但是由于載波關斷會影響覆蓋效果，故該方法只針對5G覆蓋的小區，以確保關斷節能后的網絡用戶感知。

圖1 符號關斷原理

圖2 載波關斷原理

（4）小區關斷

本文中的小區指4G/5G共覆蓋的多載波扇區，小區關斷指對5G容量層進行關斷，如圖3所示。由于網絡潮汐現象，通過精準決策關閉空閑或業務量低的5G載波資源，并同步滿足區域業務需求，從而減少指射頻拉遠單元（remote radio unit，RRU）/有源天線處理單元（active antenna unit，AAU）的功率輸出，到達節能效果。該方法依賴于對小區業務量進行小時級別的AI分析決策，適用于相對靜態的業務關停，且需要臨時喚醒的場景。

（5）深度休眠

相比于節能空間有限的小區關斷，引入深度休眠功能可盡可能多的關閉AAU與RRU的射頻硬件資源，如射頻模塊、功放器件、數字中頻等器件，僅保留接口（如增強型通用公共無線電接口）部分的少量電路，如圖4所示，節電比例可達60%～70%。該方法與小區關斷相似，但無法通過指令臨時喚醒，需對業務量進行AI精準分析決策。

圖3 小區關斷原理

圖4 深度休眠原理

（6）硬關斷

事先對RRU/AAU/室內基帶處理單元（base band unit，BBU）設備安裝智能開關[2]，可針對設備單元下的所有小區都已經進行小區關斷的情況下，直接通過智能開關對設備進行硬關斷操作，從而實現基站設備單元100%節電。該方法相較于深度休眠，不要求設備支持深度休眠功能，但需要安裝智能開關，增加了一定的成本，適用于無深度休眠功能場景。

6種節能方法均有優劣勢，單一應用某項節能方法無法實現最優節電，對比見表1。

3 現有5G基站節能應用存在的問題

傳統的節能策略主要采用閾值判定，無法實現統一集中的融合智能化判定。隨著AI技術應用的興起，通過AI的決策選擇，實現最優節能策略的匹配。但是當前的5G基站的節能方案主要針對5G 2C用戶，即滿足大部分的5G手機用戶需求，仍存在如下問題。

（1）固定區域的7×24 h

工業生產（或重點保障業務）可能在某段時間數據流量較低造成AI決策失誤，5G終端容易被誤傷，造成5G終端無法接入5G網絡。

（2）非固定區域的無規律5G企業用戶使用行為，如救護車、消防車等偶發性非固定線路行駛，可能出現5G基站關停導致業務中斷。

（3）限定時限的5G基站深度休眠無法實現業務快速恢復的響應需求，故需要更加智能且柔性的節能手段，具備快速的基站業務恢復能力。

通過采集基站的業務性能數據識別并生成基站的節能策略，可一定程度保障5G業務正常運行[3]。利用AI算法根據流量潮汐與鄰區覆蓋的補償效應自動預測并判斷基站節能場景，從而實現較為精準的節能決策[4]。針對不同應用場景關聯匹配節能措施，實現場景化的可靠業務保障的節能節電[5]。上述理論均有一定的側重，通過多方位的5G基站節能方案的探索與應用，為高精度高可靠5G基站節能節電提供新的思路與方向。

4 5G基站節能系統建設思路

目前5G基站的節電方案均以5G業務保障為優先級，根據小區業務量、共覆蓋識別、基站性能指標等維度AI分析識別與判斷最佳節能場景方案。AI的分析識別仍停留在5G基站級，而未實現單SIM卡級別的高精度識別，難以保證重點客戶的5G連續接入需求。

本文的5G基站節能系統有以下特點。

（1）在算法上進行了創新，通過重要的5G物聯網卡業務發現確認需要重點保障的5G基站，保證5G業務的正常運行，實現了精準的業務聯動與5G保障等級的劃分。

（2）根據5G保障等級，結合業務量、共覆蓋及性能指標等參數，決策判斷最佳節能方案，實現了最大的節能效益。

表1 節能方法對比

（3）通過AI學習與預測，動態識別與調整重點保障5G基站，避免了手工調整5G重點保障基站的漏報與錯報數據。

圖5 5G基站節能系統架構

5 5G智能節能系統整體框架

5G基站節能系統通過對5G基礎網元及4G基站進行數據采集與處理，滿足多場景的5G節能需求，同時平臺具備網元性能指標呈現與節電態勢展示功能，實現業務高質量運行與節電降本的目標。系統整體架構如圖5所示。

5G基站節能系統主要包含基礎數據采集模塊、基礎數據分析模塊、重點保障業務分析模塊、配置管理模塊，通過對5G基站下發相應的節電策略，實現0:00—6:00期間滿足用戶業務需求的節能。系統工作主流程如圖6所示。

（1）基礎數據采集模塊通過4G/5G基站、基站網管及自建共覆蓋管理平臺對4G/5G基站的運行指標、容量及共覆蓋情況進行采集。

（2）基礎數據分析模塊根據基礎數據采集模塊采集的數據，進行AI容量預測與共覆蓋識別。

（3）重點保障業務分析模塊通過統一數據管理功能（unified data management，UDM）與會話管理功能（session management function，SMF）采集2B簽約用戶及其基站接入信息。

（4）配置管理模塊根據基礎數據分析模塊的小區級容量預測與共覆蓋情況，結合重點保障業務分析模塊分析的重點保障業務與2B業務的信息，決策相應的節電策略，并下發對應配置給5G基站進行節電管理。

圖6 系統節能流程

本系統核心為基礎數據分析模塊、重點保障業務分析模塊及配置管理模塊，用于精準判斷5G基站的節電策略。

5.1 基礎數據分析模塊

基礎數據分析模塊結合AI容量預測中的LSTM神經網絡算法與共覆蓋識別的錨點聚類算法計算小區的容量與信號覆蓋情況，獲取小區級業務運行數據，用以配置管理模塊決策節能策略。

（1）AI容量預測

根據長短期記憶（long short-term memory, LSTM）神經網絡算法，對持續30天的無線資源控制（radio resource control，RRC）、物理上行共享信道（physical uplink shared channel，PUSCH）、物理下行共享信道（physical downlink shared channel，PDSCH）等小時級小區7個指標數據進行訓練，實現高精度的小時級網絡容量預測，指標見表2。

（2）共覆蓋識別

4G/5G共覆蓋識別分為室外與室內共覆蓋扇區識別，以4G覆蓋為覆蓋層，5G覆蓋為容量層，其中室外共覆蓋識別采用錨點聚類算法輸出室外共覆蓋扇區組清單，室內共覆蓋扇區根據RRU設備序列號進行人工判定輸出共覆蓋扇區組清單。室外的錨點聚類算法如下。

表2 神經網絡容量預測指標

步驟1 確定扇區中心經緯度和共址cellID集合

● 全量4G小區為基礎按照經緯度進行散點，5G以新增小區方式加入。

● 采用密度聚類算法，以50 m半徑進行簇聚類，計算每個簇的中心經緯度，作為扇區的中心經緯度，簇內的全量cell作為一個共址cellID集合。

步驟2 確定扇區方位角

● 在共址cellID集合內，將全量小區的方位角進行散點，按給定夾角范圍（10°/ 20°/30°/60°等）進行聚類，順時針方向計算第一聚類的中心方位角。

● 以第一聚類的中心方位角作為錨點，依次增加（10°/20°/30°/60°等）作為第（=1,2,3,…,）個扇區的中心方位角。

●個扇區按照方位角由小到大，依次進行扇區編號。

● 將共址的全量cellID集合中的小區，按照方位角落入上述算法劃分的共覆蓋扇區中。

5.2 重點保障業務分析模塊

重點保障業務分析模塊根據-means算法對每個5G用戶的單SIM卡級業務進行聚類分析。根據工廠、港口、醫院、學校等10大行業應用重點項目全量SIM卡業務的30天平均單日在線時長、30天流量使用率、30天平均單日峰值速率3個維度的單卡數據進行分析。如圖7所示，最終建立4個業務行為模式為質心的重點保障業務模型。通過將已開卡的全量5G 2B用戶數據導入該模型，符合這4種業務行為模式之一的2B業務即重點保障業務，從而實現5G 2B重點保障業務的精準識別區分。

5.3 配置管理模塊

配置管理模塊根據重點保障業務分析模塊的重點保障業務接入數據，結合基礎數據分析模塊的AI容量預測與共覆蓋識別得出的基礎數據為每一個5G小區進行分階段決策，決策流程如圖8所示。

步驟1 配置管理模塊為每個小區進行判斷節能方案決策。

步驟2 查詢該小區是否接入重點保障業務；若是，則不對該小區進行節能；若否，則進行單覆蓋決策。

步驟3 查詢該小區是否接入2B用戶；若是，則僅進行符號關斷（3.1）；若否，則進行多覆蓋決策（3.2）。

圖7 重點保障業務模型

圖8 配置管理模塊決策流程

步驟4 根據7天的容量預測與共覆蓋識別，根據多覆蓋計算公式進行節能關斷決策。若可關斷小區數<1，則依據單覆蓋計算公式進行通道關斷，同時開啟符號關斷（4.1）；若可關斷小區數≥1，則進行休眠關斷決策（4.2）。

步驟5 根據可關斷小區數量進行休眠關斷決策。若可關斷小區數<2，則僅進行小區關斷與符號關斷；若可關斷小區數≥2，則對前?1個小區進行深度休眠。

單覆蓋與多覆蓋決策的門限見表3。

單覆蓋決策環節，根據等效通道承載原則進行節能關斷，以表4為例。

單覆蓋計算公式為：

6個指標計算結果分別與對應決策門限對比，若6個結果均大于門限則確定關斷通道數，并同步下發節能關斷策略。

多覆蓋決策環節，根據平均分配承載原則進行節能關斷，以表5為例。

多覆蓋計算公式為

表3 單覆蓋與多覆蓋決策門限

表4 單覆蓋關斷決策示例

表5 多覆蓋關斷決策示例

6個指標計算結果分別與對應決策門限對比，如小于門限，可繼續進行小區關停計算，直至算至滿足業務需求的最小小區數量。根據最終計算結果對相應基站遠程下發指令進行小區關斷或深度休眠等容量層關斷操作，并進行指標驗證觀察，避免由于批量關斷造成的業務損失。

6 實驗驗證

針對寧波市10個區縣定向選擇區域進行了系統功能驗證，符號通道關斷率達92.10%，通道關斷率46.14%，小區關斷率28.24%，深度休眠率17.72%，節電比例7.95%，具體見表6。

為確認節能策略下發對用戶業務的影響，對5G基站的協議數據單元（protocol data unit，PDU）會話建立成功率進行了監控，節能期間并未出現指標劣化，亦未出現由于節能原因造成的故障投訴如圖9所示。

表6 節能驗證結果

圖9 節能前后PDU會話建立成功率

7 結束語

本文利用多種AI算法，定位接入重點保障業務的5G基站，并匹配選擇最佳的節能策略，實現了以業務為導向的單卡級重要業務保障與精準基站節電。通過-means算法，對重點保障的單卡業務行為模式進行聚類分析，突破性地實現了前端業務與后端節能的有機結合，消除了人工識別的判定局限，有效保障重要客戶的業務運行?；诒疚奶岢龅乃惴ㄅc系統設計，開發了面向業務的5G基站節能系統，避免節能對網絡的影響，保障各用戶感知。

[1] 戴春偉. 5G基站能耗管控與環境影響[J]. 江蘇通信, 2020, 36(4): 29-32.

DAI C W. 5G base station energy consumption control and environmental impact[J]. Jiangsu Communication[J]. Jiangsu Communication, 2020, 36(4): 29-32.

[2] 古大鵬, 劉培瑩, 任麗濤. 天津移動5G基站智能節電研究[C]// 2020年中國通信能源會議論文集. 廣州, 2020: 438-440.

GU D P. LIU P Y, REN L T. Research on intelligent power saving of 5G base station by Tianjin Mobile[C]//Proceedings of 2020 China communication energy conference. Guangzhou, 2020: 438-440.

[3] 呂婷, 張猛, 曹亙, 等. 5G基站節能技術研究[J]. 郵電設計技術, 2020(5): 46-50.

Lü T, ZHANG M, CAO G, et al. Research on energy saving technology of 5G base station[J]. Designing Techniques of Posts and Telecommunications, 2020(5): 46-50.

[4] 張青. AI技術在5G基站節能應用的展望[J]. 廣東通信技術, 2019, 39(10): 29-32.

ZHANG Q. Prospect of AI technology in 5G base station energy saving application[J]. Guangdong Communication Technology, 2019, 39(10): 29-32.

[5] 王耀祖, 蔡宗平, 張洪偉. 基于AI的4G/5G基站節能解決方案應用[A]. TD產業聯盟、中國電子科技集團公司第七研究所《移動通信》雜志社. 5G網絡創新研討會（2020）論文集[C]//TD產業聯盟、中國電子科技集團公司第七研究所《移動通信》雜志社: 中國電子科技集團公司第七研究所《移動通信》雜志社, 2020: 6.

WANG Y Z, CAI Z P, ZHANG H W. Application of energy saving solution for 4G/5G base station based on AI[A]. TD Industry Alliance, Mobile Communications. Proceedings of 5G Network Innovation Seminar (2020)[C]//TD Industry Alliance, Mobile Communications: Mobile Communications, 2020: 6.

Research on business oriented 5G base station energy saving system based on AI deep learning

XU Mengqiang

Ningbo Branch of China Mobile Group Zhejiang Co., Ltd., Ningbo 315100, China

Due to the needs of 5G business development, the number of 5G base stations has increased, resulting in a sharp increase in the electricity cost of operators. Energy saving and consumption reduction has become the sustainable development demand of operators. Based on the research of mainstream 5G base station energy-saving mode and multi-directional 5G energy-saving scheme, a 5G base station energy-saving system based on a variety of AI algorithms was proposed. Through the high-precision service identification at the level of single SIM card, the best strategy of 5G base station flexible energy-saving was realized on the basis of ensuring the stable operation of 5G important services and other types of services.

5G base station energy saving, high precision service identification, intelligent decision-making

TN929.5

A

10.11959/j.issn.1000?0801.2021249

徐孟強（1972?），男，中國移動通信集團浙江有限公司寧波分公司總經理，主要研究方向為通信領域。

2021?07?29；

2021?11?15