人工智能助力5G节能减排

摘要：在5G网络大规模建设与应用之际，针对5G基站能耗过大的现实问题，自主研发5G自动闭站系统，通过人工智能自动化实现5G站点开关站，进而实现5G站点自动化节能。

关键词：5G;能耗;节能减排;纳什均衡

（一）案例背景

随着移动互联网和物联网的驱动，在移动通信网络中，基站是耗电大户，大约80%的能耗来自基站。我们统计，基站能耗费用占网络运营成本的16%。为优化成本，基站站点的节能减排已成运营商的努力目标。目前5G部署采用的是CU/DU合设，AAU上塔安装的部署方式。平均1套5G系统耗约1.2KW，相当于4G基站的3倍左右。引起5G基站能耗增大的因素主要有两个：小微站密集部署，天线MIMO技术。在5G部署初期，并不考虑毫米波频段，采用小于6GHz频段与2G/3G/4G基站共站部署，5G单站用电功耗也将达到30kW以上。5G如此大的用电需求，对能源消耗以及后期运营成本也是非常大的挑战。毫不夸张地说，如果不采取节能减排措施，5G网络运营商将成为电力部门的“打工者”。基于此，亟需着力研究5G基站节能减排机制，着手打造绿色节能的通信网。

（二）案例描述

随着5G时代的到来，设备连接向海量连接的发展速度逐步加快，不断推动移动数据流量的爆发式增长，大规模多输入多输出技术的引进使得5G能耗大幅增加，5G耗电量预计将是4G的3-5倍。

（1）当前问题

现网统计数据显示，基站24小时不间断运行，业务闲时基站依然耗能，运行效率低，需要思考全网空载和超低负荷时段如何降低能耗。

当前主要有三种常见节能方式：

1.载频关断：在异频重叠覆盖场景，当本载频上的用户数较少时，将用户迁移到负荷允许的目标基础载频上，然后关掉本载频，以节省eNodeB能耗。

2.符号关断：调度器根据业务繁忙程度，通过业务数据量预测，主动将下行数据调度到指定的符号上，在剩余的无有效信息传输的符号时间，关闭功放电源，从而达到节能目的。

3.通道关断：当小区处于无业务或者业务负荷较低时，在系统设定的节能时间段，可以关闭RRU上部分发射通道，如由4T降阶到2T，或者由2T降阶到1T，以节省功耗。

（2）解决思路

为了解决5G基站小区能耗的问题，采用基站休眠机制，在用户流量较小时，关闭不用的基站，以此来节约能耗。采用的主要思想是根据当时用户需求来自动休眠、激活，为了解决该问题，以用户和基站为博弈参与方建立博弈模型，并在每个参与者都认为自己已经做出了最优策略的情况下达到非合作博弈的均衡点（纳什均衡点），再利用离散粒子群算法对其求解。具体步骤为：

（1）初始化参数：候选基站数目、最大迭代次数、惯性因子w、认知学习因子C1、群体学习因子C2、基站更新的最大最小速度、函数边界、维度等信息;

（2）初始化粒子位置，即初始解x0 计算其适应度值，初始化历史最优位置pbest为其本身和找出全局最优位置gbest，假设 是博弈双方的策略组合，bNU是用户对于基站的选择，SNS是NS个基站的状态指示参数;

（3）根据公式（a）更新位置和速度，再根据公式（b）重新计算适应度 ;

（4）根据适应度更新历史最优pbest和全局最优gbest;

（5）重复步骤（3）至步骤（5），直到满足最大迭代次数为止。

根據以上算法，利用了业务量人工智能判断各站点闭站时段，如下图所示。

同时，我们采用ARIMA（p，d，q）模型对基站业务进行预测：

1.对一个5G基站取3个星期的业务量数据，以小时为维度。以此数据集作为训练集;

2.对业务量时间序列的预处理：时间序列的预处理包括两个方面的检验，平稳性检验和白噪声检验。能够适用ARMA模型进行分析预测的时间序列必须满足的条件是平稳非白噪声序列。因此对时间序列进行差分处理，经验证，模型差分阶数取1;

3.平稳性检验：模型的噪声序列为白噪声序列，符合平稳性。

采用ARIMA（p，d，q）模型预测SHBCE0251南岸林茂建材_2小区在2020年9月7日凌晨0-1点的平均流量：0.007250MB，真实值：0.017847MB，误差约为0.01MB，在误差允许范围内，预测准确。

综合上述两种算法，我们自主研发自动开站关站程序，对5G各站点实行自动化个性化智能化的闭站管理，关站开站时间根据业务量统计结果自动智能调整。同时我们设置了相关应急措施，在自动开站未执行成功的情况下，触发循环程序，30分钟执行一次开站操作，然后查询状态，反复执行5次操作失败，对接智能监控自动派单系统，以系统自动派单和钉钉自动通知两种方式告知对口维护人员。

（3）实施效果

零成本：该项目全部为我们自主研发、自主部署，具有接地气的粘合度，符合生产实际。

（三）分析总结（宋体、小四号、两端对齐，标题加粗）

通过基站业务对网络运维的指导作用实现网运节能减排：①对基站业务与能耗进行大数据采集与分析，以用户和基站为博弈参与方建立博弈模型，并在每个参与者都认为自己已经做出了最优策略的情况下达到非合作博弈的均衡点（纳什均衡点），再利用离散粒子群算法对其求解。②采用ARIMA（p，d，q）模型对基站业务进行预测：对5G基站取3个星期的业务量数据集作为训练集;对业务量时间序列进行平稳性检验和白噪声检验预处理;对时间序列进行一阶差分处理，预测基站未来业务量。③自研自动开站关站程序，对5G各站点实行自动化个性化智能化的闭站管理，关站开站时间根据业务量统计结果自动智能调整。

作者简介：姓名：严杰，性别：男，籍贯：四川，职务/职称：高级工程师，学历：本科，署名单位（中国联合网络通信有限公司重庆市分公司  邮编：401121），研究方向：人工智能。