基于時(shí)空分布的基站異常能耗分析方法

陳志文，黃琰奕，嚴(yán)展鴻，趙永紅，陳志明

(中國移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司廣東分公司，廣東 廣州 510623)

0 引 言

隨著移動(dòng)通信網(wǎng)絡(luò)的快速發(fā)展，移動(dòng)業(yè)務(wù)需求不斷增加，無線基站作為網(wǎng)絡(luò)覆蓋和信號(hào)傳輸?shù)幕A(chǔ)設(shè)施，其能耗問題不僅關(guān)系到網(wǎng)絡(luò)運(yùn)行的成本，而且直接影響著環(huán)境的可持續(xù)發(fā)展。因此，對基站能耗進(jìn)行科學(xué)、準(zhǔn)確的分析和管理尤為重要。如果基站存在異常能耗問題，可能導(dǎo)致網(wǎng)絡(luò)設(shè)備損壞、通信質(zhì)量下降，甚至影響網(wǎng)絡(luò)穩(wěn)定運(yùn)行。目前，對于基站異常能耗的分析仍缺乏系統(tǒng)的方法，因此文章旨在研究一種有效的基站異常能耗分析方法，以便及時(shí)發(fā)現(xiàn)并解決異常能耗問題，提高網(wǎng)絡(luò)運(yùn)行效率和穩(wěn)定性[1]。

1 基站異常能耗分析現(xiàn)狀

現(xiàn)有的基站主設(shè)備能耗數(shù)據(jù)按天輸出，并通過節(jié)能任務(wù)對基站進(jìn)行節(jié)能操作。與基站網(wǎng)絡(luò)性能和節(jié)電量等已有的多種指標(biāo)分析相比，對基站設(shè)備能耗，特別是基于時(shí)間和地理場景的能耗管控，尚未有相關(guān)的指標(biāo)統(tǒng)計(jì)。此外，如果能耗管控使用全網(wǎng)統(tǒng)一的標(biāo)準(zhǔn)，可能會(huì)放大不同能耗規(guī)律和不同場景下的基站異常問題[2-3]。因此，需要利用能耗數(shù)據(jù)，結(jié)合基站相關(guān)屬性信息，建立合適的基站能耗異常標(biāo)準(zhǔn)，分析基站能耗是否符合標(biāo)準(zhǔn)，以補(bǔ)充基站能耗異常分析的部分空白。

2 基站異常能耗分析方法研究

2.1 基站異常能耗分析方法概述

基站在空間上的場景屬性與工作日、休息日的能耗存在一定規(guī)律。由于不同場景下的時(shí)間屬性有所不同，因此文章以某月能耗數(shù)據(jù)統(tǒng)計(jì)各場景的平均能耗，結(jié)果如圖1 所示。

圖1 某月各通信場景平均能耗

文章提出的基站異常能耗分析方法，通過關(guān)聯(lián)基站遠(yuǎn)端射頻單元（Remote Radio Unit，RRU）的能耗數(shù)據(jù)與基站場景，并增加時(shí)間屬性，按照一定規(guī)律對基站能耗數(shù)據(jù)進(jìn)行狀態(tài)標(biāo)簽標(biāo)注。同時(shí)，使用支持向量機(jī)算法訓(xùn)練數(shù)據(jù)，構(gòu)建基站異常能耗模型。該模型以歷史全年能耗數(shù)據(jù)作為輸入，輸出基站的能耗狀態(tài)，統(tǒng)計(jì)模型中各場景的基站狀態(tài)異常率，并將其作為異常標(biāo)準(zhǔn)值。當(dāng)新數(shù)據(jù)輸入模型時(shí)，模型會(huì)輸出相應(yīng)的能耗狀態(tài)。同時(shí)，統(tǒng)計(jì)新數(shù)據(jù)的異常率，并與模型場景異常標(biāo)準(zhǔn)值進(jìn)行對比，如果新數(shù)據(jù)的異常率超出標(biāo)準(zhǔn)，則認(rèn)為該場景的能耗存在異常。此時(shí)，模型會(huì)輸出該場景異常能耗的基站信息，以輔助運(yùn)營商分析異常原因。為增強(qiáng)模型的適應(yīng)性，加入場景異常標(biāo)準(zhǔn)值修正機(jī)制。根據(jù)修正規(guī)則，定期或按需更新異常標(biāo)準(zhǔn)值，使其能夠不斷適應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)的變化。

2.2 能耗數(shù)據(jù)處理及狀態(tài)標(biāo)簽標(biāo)注規(guī)則

提取某地市某年1 月、4 月、7 月以及10 月的基站主設(shè)備的天粒度能耗數(shù)據(jù)，增加時(shí)間屬性，并關(guān)聯(lián)工作場景，以統(tǒng)計(jì)不同時(shí)間屬性下的平均能耗和能耗偏離值[4]。

狀態(tài)標(biāo)簽標(biāo)注規(guī)則為：第一，RRU 能耗為空或?yàn)? 時(shí)，標(biāo)為異常；第二，計(jì)算每個(gè)基站在不同時(shí)間屬性下的平均能耗和能耗偏離值，以確定能耗偏移度，并判斷數(shù)據(jù)是否異常；第三，引入正態(tài)分布，基于能耗偏移度的絕對值，用標(biāo)簽標(biāo)注不同RRU 平均能耗梯度下的數(shù)據(jù)，且隨機(jī)變量x服從一個(gè)位置參數(shù)為μ、尺度參數(shù)為σ的概率分布，概率密度函數(shù)為

經(jīng)分析，單站在天粒度下的RRU 平均能耗均保持在200kW·H 以內(nèi)，而基站月平均能耗主要分布在20 ～30 kW·H 的范圍內(nèi)。可以將這些基站的平均能耗劃分為4 個(gè)區(qū)間，即平均能耗小于10 kW·H、大于10 kW·H 且小于20 kW·H、大于20 kW·H 且小于40 kW·H 以及大于40 kW·H，4 個(gè)區(qū)間站點(diǎn)數(shù)量平均分布。基于此，將能耗數(shù)據(jù)劃分為4 個(gè)梯度，并對每個(gè)梯度進(jìn)行正態(tài)分布分析，結(jié)果如圖2 所示。

圖2 能耗偏移度正態(tài)分布曲線

為使模型訓(xùn)練得到盡可能貼合的結(jié)果且不過擬合，以能耗偏移度的平均值為對稱軸，計(jì)算出其95.44%面積，即兩個(gè)標(biāo)準(zhǔn)差區(qū)間兩側(cè)橫軸上的能耗偏移值，并將其作為判斷RRU 平均能耗是否異常的臨界值。不同平均能耗梯度下兩個(gè)標(biāo)準(zhǔn)差的數(shù)據(jù)如表1 所示，超出能耗偏移度絕對值的標(biāo)注為異常，能耗數(shù)據(jù)標(biāo)注標(biāo)簽示例如表2 所示。

表1 不同平均能耗梯度下兩個(gè)標(biāo)準(zhǔn)差的數(shù)據(jù)

表2 能耗數(shù)據(jù)標(biāo)注標(biāo)簽示例

2.3 基于支持向量機(jī)算法建立基站異常能耗模型

文章構(gòu)建模型的目標(biāo)是輸出基站異常能耗狀態(tài)，即判斷能耗數(shù)據(jù)是否異常，屬于二分類，因此使用支持向量機(jī)算法訓(xùn)練模型[5]。在訓(xùn)練過程中，使用了34 810 條數(shù)據(jù)，其中標(biāo)簽為正常的數(shù)據(jù)有28 655 條，標(biāo)簽為異常的數(shù)據(jù)有6 155 條。為訓(xùn)練模型，采取了一系列的處理措施，包括數(shù)據(jù)預(yù)處理，將自定義函數(shù)向量化，對數(shù)組中的每個(gè)元素進(jìn)行編碼、歸一化、拼接數(shù)據(jù)及特征標(biāo)準(zhǔn)化等。完成數(shù)據(jù)處理后，建立支持向量機(jī)模型，并對模型進(jìn)行訓(xùn)練、預(yù)測，以計(jì)算模型準(zhǔn)確率。

2.4 統(tǒng)計(jì)場景異常標(biāo)準(zhǔn)值

將上年的能耗數(shù)據(jù)輸入基站異常能耗模型，輸出全年基站能耗異常狀態(tài)，統(tǒng)計(jì)各場景基站異常狀態(tài)比例，并將其作為異常標(biāo)準(zhǔn)值，以判斷測試數(shù)據(jù)運(yùn)用模型的輸出結(jié)果。例如，經(jīng)模型輸出的狀態(tài)統(tǒng)計(jì)，城區(qū)道路場景下的平均基站數(shù)為55 342 個(gè)，工作日平均異常基站數(shù)為6 642 個(gè)，休息日平均異常基站數(shù)為2350 個(gè)，即工作日異常標(biāo)準(zhǔn)值為12.00，休息日異常標(biāo)準(zhǔn)值為4.25。

2.5 異常能耗檢測與定位

將某地市某月的數(shù)據(jù)作為測試集，增加時(shí)間屬性、場景、平均能耗以及能耗偏離值4 個(gè)指標(biāo)。能耗數(shù)據(jù)輸入模型后，輸出測試數(shù)據(jù)的狀態(tài)結(jié)果，如表3 所示。

由表1 可知，輸出異常的并不是基于原訓(xùn)練集的規(guī)則，而是根據(jù)模型的規(guī)律自動(dòng)輸出，即非人為制定的規(guī)則，異常值為0，正常值為1。

根據(jù)模型輸出的狀態(tài)結(jié)果統(tǒng)計(jì)不同時(shí)間屬性下的異常基站數(shù)、異常率等數(shù)據(jù)。從工作日異常率超出異常標(biāo)準(zhǔn)值的場景中，輸出了具體的異常站點(diǎn)。通過對這些異常基站的分析可知，出現(xiàn)異常次數(shù)最多的基站為基站C，高達(dá)28 次，基站整月異常率高達(dá)93%。與歷史月份相比，該基站最低異常次數(shù)為2 次。同時(shí)，對比歷史月份的平均能耗值發(fā)現(xiàn)，基站C 的能耗增加了一半以上。因此，基站C 異常率的突增可能是導(dǎo)致該場景超出異常標(biāo)準(zhǔn)值的主要原因。通過查看基站C 的能耗數(shù)據(jù)發(fā)現(xiàn)，在月中某日該基站的能耗突然翻倍增加，導(dǎo)致整個(gè)月的平均能耗值升高，能耗偏離絕對值也相應(yīng)增大，故模型識(shí)別為異常。由此可見，基站異常能耗模型能夠在實(shí)際生產(chǎn)能耗數(shù)據(jù)中識(shí)別出異常場景，為實(shí)際的能耗監(jiān)控管理提供了輔助手段。

2.6 場景異常標(biāo)準(zhǔn)值的修正

由于網(wǎng)絡(luò)環(huán)境和能耗情況會(huì)不斷變化，場景異常標(biāo)準(zhǔn)值不能一成不變。為更準(zhǔn)確地反映基站異常能耗情況，需要按實(shí)際網(wǎng)絡(luò)和能耗情況修正模型。文章提出一種以一年為時(shí)間單位的修正方法，首先利用場景異常標(biāo)準(zhǔn)值與月粒度的異常率繪制曲線，并建立曲線的趨勢線；其次通過計(jì)算二次多項(xiàng)式，得到趨勢曲線的二次函數(shù)表達(dá)式，并對該函數(shù)進(jìn)行一階求導(dǎo)，得到異常率浮動(dòng)的幅度；最后將該導(dǎo)數(shù)作為場景異常標(biāo)準(zhǔn)值的修正系數(shù)，用原異常標(biāo)準(zhǔn)值乘以（1+修正系數(shù)），即可更新成為未來一年的異常標(biāo)準(zhǔn)值。

3 結(jié) 論

文章通過建立基站異常能耗模型，統(tǒng)計(jì)場景異常標(biāo)準(zhǔn)值，并將其與新數(shù)據(jù)中的場景機(jī)房異常率進(jìn)行比對，從而判定異常能耗場景，輸出場景中的異常基站清單。該方法不僅為需要重點(diǎn)保障的通信場景提供了數(shù)據(jù)基礎(chǔ)，還可幫助操作人員查明基站能耗異常的原因，核實(shí)異常情況。同時(shí)，通過修正機(jī)制不斷更新異常標(biāo)準(zhǔn)值，以適應(yīng)不斷變化的網(wǎng)絡(luò)環(huán)境。在判斷異常率是否異常時(shí)，允許在可接受的范圍內(nèi)存在異常能耗，但模型只會(huì)關(guān)注超出制定標(biāo)準(zhǔn)的異常率。此外，訓(xùn)練集的能耗數(shù)據(jù)時(shí)間、基站區(qū)域范圍、規(guī)則制定都可根據(jù)應(yīng)用方的需求和經(jīng)驗(yàn)進(jìn)行動(dòng)態(tài)調(diào)整，以確保模型適用于應(yīng)用方的真實(shí)情況。