人工智能助力5G節(jié)能減排

摘要：在5G網(wǎng)絡(luò)大規(guī)模建設(shè)與應(yīng)用之際，針對5G基站能耗過大的現(xiàn)實問題，自主研發(fā)5G自動閉站系統(tǒng)，通過人工智能自動化實現(xiàn)5G站點開關(guān)站，進而實現(xiàn)5G站點自動化節(jié)能。

關(guān)鍵詞：5G;能耗;節(jié)能減排;納什均衡

（一）案例背景

隨著移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的驅(qū)動，在移動通信網(wǎng)絡(luò)中，基站是耗電大戶，大約80%的能耗來自基站。我們統(tǒng)計，基站能耗費用占網(wǎng)絡(luò)運營成本的16%。為優(yōu)化成本，基站站點的節(jié)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(shè)，AAU上塔安裝的部署方式。平均1套5G系統(tǒng)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(shù)。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(zhàn)。毫不夸張地說，如果不采取節(jié)能減排措施，5G網(wǎng)絡(luò)運營商將成為電力部門的“打工者”?；诖耍叫柚ρ芯?G基站節(jié)能減排機制，著手打造綠色節(jié)能的通信網(wǎng)。

（二）案例描述

隨著5G時代的到來，設(shè)備連接向海量連接的發(fā)展速度逐步加快，不斷推動移動數(shù)據(jù)流量的爆發(fā)式增長，大規(guī)模多輸入多輸出技術(shù)的引進使得5G能耗大幅增加，5G耗電量預(yù)計將是4G的3-5倍。

（1）當前問題

現(xiàn)網(wǎng)統(tǒng)計數(shù)據(jù)顯示，基站24小時不間斷運行，業(yè)務(wù)閑時基站依然耗能，運行效率低，需要思考全網(wǎng)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(jié)能方式：

1.載頻關(guān)斷：在異頻重疊覆蓋場景，當本載頻上的用戶數(shù)較少時，將用戶遷移到負荷允許的目標基礎(chǔ)載頻上，然后關(guān)掉本載頻，以節(jié)省eNodeB能耗。

2.符號關(guān)斷：調(diào)度器根據(jù)業(yè)務(wù)繁忙程度，通過業(yè)務(wù)數(shù)據(jù)量預(yù)測，主動將下行數(shù)據(jù)調(diào)度到指定的符號上，在剩余的無有效信息傳輸?shù)姆枙r間，關(guān)閉功放電源，從而達到節(jié)能目的。

3.通道關(guān)斷：當小區(qū)處于無業(yè)務(wù)或者業(yè)務(wù)負荷較低時，在系統(tǒng)設(shè)定的節(jié)能時間段，可以關(guān)閉RRU上部分發(fā)射通道，如由4T降階到2T，或者由2T降階到1T，以節(jié)省功耗。

（2）解決思路

為了解決5G基站小區(qū)能耗的問題，采用基站休眠機制，在用戶流量較小時，關(guān)閉不用的基站，以此來節(jié)約能耗。采用的主要思想是根據(jù)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(jīng)做出了最優(yōu)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(shù)：候選基站數(shù)目、最大迭代次數(shù)、慣性因子w、認知學(xué)習因子C1、群體學(xué)習因子C2、基站更新的最大最小速度、函數(shù)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(yīng)度值，初始化歷史最優(yōu)位置pbest為其本身和找出全局最優(yōu)位置gbest，假設(shè) 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(tài)指示參數(shù);

（3）根據(jù)公式（a）更新位置和速度，再根據(jù)公式（b）重新計算適應(yīng)度 ;

（4）根據(jù)適應(yīng)度更新歷史最優(yōu)pbest和全局最優(yōu)gbest;

（5）重復(fù)步驟（3）至步驟（5），直到滿足最大迭代次數(shù)為止。

根據(jù)以上算法，利用了業(yè)務(wù)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(yè)務(wù)進行預(yù)測：

1.對一個5G基站取3個星期的業(yè)務(wù)量數(shù)據(jù)，以小時為維度。以此數(shù)據(jù)集作為訓(xùn)練集;

2.對業(yè)務(wù)量時間序列的預(yù)處理：時間序列的預(yù)處理包括兩個方面的檢驗，平穩(wěn)性檢驗和白噪聲檢驗。能夠適用ARMA模型進行分析預(yù)測的時間序列必須滿足的條件是平穩(wěn)非白噪聲序列。因此對時間序列進行差分處理，經(jīng)驗證，模型差分階數(shù)取1;

3.平穩(wěn)性檢驗：模型的噪聲序列為白噪聲序列，符合平穩(wěn)性。

采用ARIMA（p，d，q）模型預(yù)測SHBCE0251南岸林茂建材_2小區(qū)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(nèi)，預(yù)測準確。

綜合上述兩種算法，我們自主研發(fā)自動開站關(guān)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(guān)站開站時間根據(jù)業(yè)務(wù)量統(tǒng)計結(jié)果自動智能調(diào)整。同時我們設(shè)置了相關(guān)應(yīng)急措施，在自動開站未執(zhí)行成功的情況下，觸發(fā)循環(huán)程序，30分鐘執(zhí)行一次開站操作，然后查詢狀態(tài)，反復(fù)執(zhí)行5次操作失敗，對接智能監(jiān)控自動派單系統(tǒng)，以系統(tǒng)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(fā)、自主部署，具有接地氣的粘合度，符合生產(chǎn)實際。

（三）分析總結(jié)（宋體、小四號、兩端對齊，標題加粗）

通過基站業(yè)務(wù)對網(wǎng)絡(luò)運維的指導(dǎo)作用實現(xiàn)網(wǎng)運節(jié)能減排：①對基站業(yè)務(wù)與能耗進行大數(shù)據(jù)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(jīng)做出了最優(yōu)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(yè)務(wù)進行預(yù)測：對5G基站取3個星期的業(yè)務(wù)量數(shù)據(jù)集作為訓(xùn)練集;對業(yè)務(wù)量時間序列進行平穩(wěn)性檢驗和白噪聲檢驗預(yù)處理;對時間序列進行一階差分處理，預(yù)測基站未來業(yè)務(wù)量。③自研自動開站關(guān)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(guān)站開站時間根據(jù)業(yè)務(wù)量統(tǒng)計結(jié)果自動智能調(diào)整。

作者簡介：姓名：嚴杰，性別：男，籍貫：四川，職務(wù)/職稱：高級工程師，學(xué)歷：本科，署名單位（中國聯(lián)合網(wǎng)絡(luò)通信有限公司重慶市分公司 ?郵編：401121），研究方向：人工智能。