基于多元線性回歸算法的5G基站能耗模型

帥農村 邵澤才

【摘? 要】5G基站能耗高，對運營商的網絡運營成本帶來較大的壓力。優化了5G基站能耗測試方法和業務加載方法，獲取了大量現網5G基站能耗和無線利用率關系的實測基礎數據。基于多元線性回歸算法，構建了不同場景下的5G基站能耗模型，能耗模型擬合優度達到0.99以上。

【關鍵詞】5G基站;多元線性回歸算法;能耗模型

The high energy consumption of 5G base station brings great pressure to the network operation cost. This paper optimizes the energy consumption test method and service loading method of 5G base stations， and obtains massive measured basic data about the relationship between energy consumption and wireless utilization of 5G base stations in the existing network. Based on multiple linear regression algorithms， the energy consumption model of 5G base station in different scenarios is constructed， and the goodness of fit for the energy consumption model is more than 0.99.

5G base station; multiple linear regression algorithm; energy consumption model

0? ?引言

移動互聯網的蓬勃發展對移動網絡的帶寬、時延和容量要求越來越高，現有的4G網絡無法滿足飛速發展的移動互聯網應用需求。5G網絡具有超高速率、超大連接、超低時延等特點，隨著國家5G牌照的發放，運營商已經啟動大規模的網絡建設。5G宏基站采用64T64R和32T32R模式，功耗是普通4G基站的2～3倍，5G建設給運營商帶來較大的成本壓力。為此，構建5G基站能耗模型，探索5G基站能耗規律，可以準確估算建設5G基站帶來的能耗成本增加，并可以準確評估5G基站節能功能的節能效果，對推動5G基站節能減排工作的開展有較大的意義。

1? ?5G基站能耗模型建模基礎數據采集方法

1.1? 5G基站能耗關聯因素分析

由文獻[2]、文獻[3]可知，基站主設備能耗主要與設備型號、主設備功率、載波數和綜合業務量相關。1套5G基站主設備一般由1個基帶BBU單元和3個射頻AAU單元構成，5G基站功耗包含基帶BBU功耗和射頻AAU功耗兩部分，BBU功耗主要和基帶板件配置相關，AAU功耗主要和AAU總功率、基站載波配置和無線利用率相關。

5G基站相關影響因素分析如圖1所示：

1.2? 5G基站能耗測試方法

由于基站的電流和電壓是不斷波動的，使用常規的萬用表測試基站電流和電壓，無法準確記錄基站的功耗。為保證測試數據的準確性，5G基站功耗測試建議采用有功耗存儲功能的Fluke 345電能分析儀，如圖2所示。由文獻[4]可知，4G分布式基站RRU能耗測試點取供電系統和RRU之間的直流電源線上鉗表，為此5G基站能耗測試時Fluke 345電能分析儀直接卡在AAU直流電源線上測試，如圖3所示。測試時取2 s均值顆粒度的直流電流值，Fluke 345電能分析儀能耗數據記錄時長可達到10小時，可實現測試時無人值守，減少測試工作的人員投入，提高測試數據的準確度。

1.3? 基站負荷加載方法

為建立5G共模基站能耗和無線利用率的關系，需要獲取不同無線利用率下的5G基站能耗數據。基站無線利用率是占用的RB數與RB總數的比值，子載波間隔一定時，相同頻帶寬度下5G單載波的RB是固定的，其他參數固定時，AAU的功耗主要和占用的RB數相關，而與占用RB的用戶分布無關。為此，可以采用實際用戶集中加載或網管模擬加載5G基站，獲得不同利用率下的5G基站功耗數據用于建模。

（1）5G基站負荷加載方法

現網5G用戶極少，為保持利用率數據區間的完整性，建議采取人工利用5G終端加載獲取不同無線利用率的方法。根據多次測試驗證，采用1臺CPE粗調占用RB數和1臺手機微調占用RB數的模式，建立實際終端業務加載與無線利用率的關系如表1所示，實際測試中按以下業務組合加載，可較好控制5G基站無線利用率。由于5G基站功耗存在相關的慣性，無線利用率值突變，儀表測試能耗的誤差較大。為保持能耗測試的準確性，建議實際測試中5G基站無線利用率從低到高逐步提升加載。

（2）4G基站負荷加載方法

現網建設的5G基站，大部分會共AAU反向開啟4G，對于4G/5G共模基站，基站能耗模型建模時還需要對4G基站進行加載。4G網絡已承載了較多用戶，一般較難得到空載環境。同時，能耗模型建模需要模擬4G基站負荷從空載到滿載，4G基站滿載負荷過高會影響現網用戶上網感知。能耗測試過程中為規避現網4G用戶的影響確保4G無線利用率從低到高可控，本次測試中禁掉待測的4G小區，禁止現網用戶接入，在網管通過網管模擬加載的方式，測試4G基站負荷從空載到滿載的4/5G共模基站功耗。網管負載參數的配置索引取值為0到9共10個，依次對應的RB利用率門限從10%到100%。通過網管模擬加載參數設置，網管控制相應比例的RB發射功率，獲得不同4G基站無線利用率下的4G/5G共模基站能耗關系數據。

1.4? 5G基站AAU功耗和無線利用率關系初探

在獨立5G場景下，通過以上測試方法獲得5G基站AAU功耗和無線利用率的關系數據。得到5G基站AAU功耗和無線利用率的散點圖如圖4所示，分析發現5G基站AAU功耗和無線利用率呈線性關系。

2? ?多元線性回歸算法

2.1? 多元線性回歸模型

2.2? 模型可靠性檢驗

（2）顯著性檢驗

T檢驗：用于對某一個自變量（x1，…，xn）對于y的線性顯著性，如果某一個xi不顯著，意味著可以從模型中剔除這個變量，使得模型更簡潔，T檢驗的結果看P-value。

F檢驗：用于對所有的自變量（x1，…，xn）在整體上看對于y的線性顯著性，F檢驗看Significant F值。P-value和Significant F值一般要求小于0.05，越小越顯著。

3? ?5G基站能耗模型建模

選取某廠家的5G基站，利用前述的5G基站能耗測試方法和無線利用率業務加載方法，測試獲取每15分鐘區間的4G/5G基站無線利用率和5G基站能耗的關系數據，利用線性回歸算法擬合得到5G基站能耗模型，下面按獨立5G場景和4G/5G共模場景分別說明。

3.1? 5G基站AAU能耗模型

（1）獨立5G場景5G基站AAU能耗模型

總功率240 W的某廠家5G基站設備，單獨只開通5G網絡。5G網絡功率配置240 W，帶寬配置100 MHz載波，關閉節能功能。在此獨立5G場景下，5G基站AAU能耗模型如下：

截距P-value為3.62×10-33，X1變量P-value為7.38×10-27，Significant F為7.38×10-27，模型的顯著性檢驗值均遠小于0.05，說明模型的顯著性較好。

獨立5G場景5G基站AAU功耗分布圖如圖5所示。

（2）4G/5G共模場景5G基站AAU能耗模型

總功率240 W的某廠家5G基站設備，共模開通4G和5G網絡。5G網絡配置帶寬100 MHz載波，功率160 W;4G網絡配置帶寬2×20 MHz 2載波，功率2×40 W，關閉節能功能。在此4G/5G共模場景下，5G基站AAU能耗模型如下：

截距P-value為7.44×10-68，X1變量P-value為1.77×10-64，X2變量P-value為5.52×10-32，Significant F為5.12×10-49，模型的顯著性檢驗值均遠小于0.05，說明模型的顯著性較好。

4G/5G共模場景5G基站AAU功耗三維曲面圖如圖6所示。

3.2? 5G基站BBU能耗特性

由文獻[1]可知，4G單模基站BBU功耗實際上隨負荷或資源變化很小，可視為固定值。從測試數據可以看出，5G基站的BBU功耗也基本和無線利用率無關，5G BBU能耗數值基本穩定，具體如表2所示。

4? ?結束語

本文優化了5G基站能耗測試方法和業務加載方法，在獲取大量5G基站能耗和無線利用率關系數據的基礎上，基于多元線性回歸算法構建了不同場景下的5G基站能耗模型，構建的5G基站能耗模型準確度高，擬合優度達到0.99以上。本文構建的5G基站能耗模型，可以準確估算不同無線利用率下5G基站耗電量，對推動節能減排工作的開展有一定作用。

參考文獻：

[1]? ? 李雯雯，邊森，Chien Aun Chan，等.移動互聯網業務對基站能耗的影響[J]. 電信科學， 2015，31（10）： 165-171.

[2]? ? 楊天劍，張靜. 基于聚類算法的通信基站能耗標桿建立與分析[J]. 移動通信， 2015，39（18）： 92-96.

[3]? ? 帥農村，鄭輯杰，辛冰，等. GSM移動通信基站能耗模型研究[J]. 移動通信， 2011，35（2）： 87-90.

[4]? ? 李韶英，莊湛海，倪偉彬. LTE基站能效測試與分析[J]. 電信科學， 2014，30（9）： 149-153.

[5]? ? 方艾，金鐸，徐雄，等. 電信運營商能耗優化的大數據分析模型研究[J]. 電信科學， 2014，30（10）： 38-42.