5G基站智能節能方案研究

（中國聯合網絡通信有限公司網絡技術研究院，北京 100048）

0 引言

隨著移動通信網絡建設規模逐年增加，通信設備對能源的需求與日俱增，移動通信網絡的能耗在運營商的運營成本（OPEX,Operating Expense）占比已高于15%。經過5G 試商用網絡的測試驗證，5G 單站功耗是4G 單站功耗的3～4 倍，運營商面臨基站設備能耗大幅增加OPEX費用的運營壓力。當通信行業邁入5G 時代，通信設備的智能節能對降低5G 網絡運營成本，實現通信行業節能減排目標具有重要意義。

傳統的基站設備節能方案依賴于主設備廠家在硬件、軟件等產品設計和持續優化能力。硬件方案，新設備可以通過使用新工藝、新材料、新設計等創新技術方案，實現降低設備硬件的基本能耗。軟件節能方案，通過智能符號關斷、深度休眠、通道關斷等軟件功能，在某些場景下實現降低基站能耗。硬件方案受限于器件、工藝的發展情況。軟件方案已支持單站的節能策略的配置，更需要綜合考慮全網節能最優策略。

隨著5G 網絡智能化、云化架構的發展趨勢，結合大數據技術、人工智能技術等技術方案，5G 網絡智能能耗管理可以實現節能策略智能化選擇、參數配置自動化、效果評估全面化，從而達到全網運行效率最優、綜合節能效率最優的“雙優目標”。

1 5G基站能耗分析

為了滿足5G 豐富的業務場景的要求，3GPP R15 規范定義了NR 新空口標準，對5G 基站設備的硬件能力、軟件功能等都提出更高要求。例如，5G 基站需要支持更大帶寬，在Sub 6 GHz 頻段支持100 MHz 帶寬，毫米波頻段支持400 MHz 至800 MHz 帶寬，大帶寬對軟件、硬件處理能力要求更高，5G 基站的功耗需求也更大。

5G 有源天線處理單元（AAU,Active Antenna Unit）與傳統的4G 射頻拉遠單元（RRU,Radio Remote Unit）設備有很大差別，例如AAU 內部集成了天線陣列、支持高達64 個射頻通道以及部分基帶功能等，這些使得AAU內部在功放模塊、數字基帶、收發機等器件的功耗數值和功耗占比都有較大幅度增加。此外，AAU 的功耗還要考慮時鐘模塊、電源模塊、濾波器等其它模塊增加的熱耗。根據5G 基站功耗的測試數據分析，基站設備中AAU 設備（64T64R AAU）在5G 基站設備總能耗占比約90%，提高AAU 的能效水平可有效降低單站總能耗。

基站設備功耗包括靜態功耗和動態功耗，如圖1 所示。目前，5G 基站設備基礎功耗平均占比58%，動態功耗平均占比42%。基站的靜態功耗與基站設備硬件有關，可以通過硬件平臺升級來降低設備的基礎功耗。基站基礎功耗的降低手段包括基帶資源共享、器件動態關斷、AAU設備快速喚醒等硬件節能方案，主要依靠主設備廠家不斷演進硬件工藝、提高集成度來完成。動態功耗（主要是AAU 設備功耗）隨業務負荷波動，功耗變化與AAU設備業務負荷（業務量）變化相關，通過軟件功能優化可提高動態能耗的有效利用率。軟件功能節能方式包括符號關斷、通道關斷、載波關斷、小區休眠、電源管理等。本文主要從軟件節能方案角度出發，通過AI 算法預測忙閑時段的業務量，智能化設定不同基站的節電時間、節電方式，有效控制空閑基站的耗電量。

2 基站智能節能方案

傳統的軟件節能方案主要依賴于話務統計經驗，無法實現實時、跨網絡、靈活智能的節能管理全天候跨網絡智能化節能，管理效率與節能小區數量成反比，管理難度高、節能效果欠佳。隨著計算機硬件性能大幅提升及AI 技術的日益成熟，智能節能技術將突破傳統節能方案的實現瓶頸，可通過在網管系統增加AI 模塊用于智能節能控制，實現4G/5G 多制式網絡智能協同，支持網絡區域級、單基站、單扇區不同顆粒度的智能節能，并且達到高效、實時、靈活的基站能耗管理目標。

基站智能節能方案主要通過自動采集4G/5G 基站的業務量、性能數據、工參數據、運行指標、告警數據、B域數據等，按場景、區域、基站性質對基站進行分級管理，利用AI 算法對歷史業務量數據進行建模，通過業務量模型對基站進行業務預測，根據業務預測結果為基站制定差異化的節能策略，自動生成節能任務通過指令下發基站，在業務空閑時實施符號關斷、通道關斷、載波關斷、小區休眠、電源關斷等操作，在業務高峰時則自動將節能模式切換為正常模式，從而達到全天候、跨廠家、多網協同的系統級節能效果，如圖2 所示。

2.1 數據采集與分析

圖1 基站功耗分析示意圖

圖2 基站智能節能方案

數據采集需要按照基站業務過程、信令交換原則等，通過對接不同的數據來源庫，以一定粒度獲取需要的數據源，包括PM、MR、工參、基站配置等數據。然后，對獲取的數據進行提取解析、關聯匯聚，將原始數據存儲到節能方案所需的數據庫表格中。另外，需要對數據的規模進行探索分析，對不同規模的數據采取不同的存儲方式和處理工具。為了方便后續為基站節能提供深層次支撐服務，需要通過各種技術手段對數據進行組織或分析，包括缺失數值的處理、數據編碼、數據標準化、數據降維等。

數據采集和分析的過程中需要建立數據質量評估和監控體系。在數據采集之后，需對數據質量進行評估，確定數據的可用性，以免因數據質量問題影響后續節能策略的分析。在數據處理的過程中需要監控數據處理的步驟、時間、有效性等，避免因數據處理過程的中斷或錯誤導致后續節能分析的錯誤。

2.2 分級管理

智能節能方案需結合運營商需求，按場景、價值區域、基站性質等對小區進行分級管理，即對節能小區制定差異化的節能調度方案，并且對不同小區設置節能調度優先級。根據業務量特點可將小區劃分為不同場景，不同場景可實施不同的節能手段，具體小區可分為如圖3所示的場景1 至場景8 等情況。例如：場景1，話務量高、潮汐效應明顯小區（寫字樓、商場等），可實行載波關斷或深度休眠；場景5，話務量高、潮汐效應不明顯且持續高業務量區域（汽車站、火車站等），可實行符號關斷、通道關斷；場景6，白天和節假日話務量高（景區等），可實行載波關斷、符號關斷、通道關斷；場景7，夜間完全無業務（地鐵站等），可實行深度休眠、電源關斷。

圖3 小區場景分類圖

不同價值區域基站智能節能方案需要自動化設定不同的優先級，對于熱點區域、口碑區域、重保區域盡量不實施節能操作，對于其他區域可依照整體話務量的多少分先后次序執行節能策略。基站的性質對于節能方案的制定也有重要作用，比如使用頻段、4G/5G 網絡制式、是否為容量層等都會影響節能分級管理的策略。節能智能化分級管理主要通過AI 分類、聚類算法實現。每個小區的各項特征都由一個矩陣來描述，計算基站矩陣之間的距離，依據距離的大小將全部的基站分為不同的類簇，后續可為每個類簇制定節能優先級并且選擇不同的預測模型。

2.3 業務量預測

業務精準預測的目的是在獲取的數據基礎上，通過歷史數據挖掘、實時業務統計、分場景業務模型分析得出待節能小區的預測結果。目前應用于業務量預測的智能算法主要有差分自回歸移動平均模型（ARIMA,Autoregressive Integrated Moving Average Model）、Prophet 模型、長短時記憶網絡（LSTM,Long Short Term Memory Network）模型等。差分自回歸移動平均模型是一種可加性回歸模型，該模型的特點是能夠對時間序列數據進行較準確的預測，但需要人工確定多個參數，不利于批量模型的訓練。Prophet 模型也是一種可加性回歸模型，該模型的特點是建模效率高、模型準確性較高、適用性好、能夠自動適應空值、可配節假日、事件時間屬性等。LSTM 模型是基于循環神經網絡的順序數據算法，該算法包含內部存儲器，可以解決循環神經網絡無法處理長距離的依賴的問題。LSTM 模型的特點是對于長期的時序數據有較好的預測準確性，但其建模的硬件性能與時間消耗較大，不利于批量訓練模型。

基站業務量由于受各種因素影響較多，變化趨勢呈現較多特性，往往利用單一時間序列預測算法或已有算法不能得到理想結果，在實際應用中還需要根據不同區域數據的特點設計算法、組合應用。

2.4 節能策略生成與執行

在不同的時間段，不同的區域，基站的使用率是不同的，為了更好地達到節電效果，需要實時地更改節能的策略。節能策略根據2.2 小節的小區分級結果及2.3 小節的業務量預測結果，根據不同節電策略對網絡的影響以及節電效果配置不同的生成時間段以及持續時長，通過策略為抓手使節能效果與網絡性能達到最佳狀態。節能策略需智能化地設定節能模型的優先級、生效時長、節能閾值等。

節能策略的執行需與設備廠商硬件網管OMC 對接，實現節能調度任務下發、節能方案執行等功能。如圖4 所示，策略執行主要是將生成的節能策略轉化為可在OMC 執行的指令，然后獲取節能小區的互斥權限，判斷該小區是否正在執行與節能指令互斥的操作，并且對節能小區的現網狀態及告警進行查詢解析，如果節能小區不存在互斥操作且狀態正常，則執行小區節能關斷操作并且同步相應網元，執行完成后需釋放小區的互斥權限并且檢查小區執行后的狀態及告警。

圖4 節能策略執行流程

2.5 評估體系

智能節能方案需要建立全面的、一體化的評估體系，以保證網絡在實施節能策略時不降低網絡的運行質量，保證用戶的良好體驗。智能節能方案的評估體系主要包括指標評估、感知評估、節能評估、操作評估四個方面。指標評估主要是指針對執行節能小區及補償小區構建實時指標分析機制，確保重要KPI 指標滿足要求，如指標惡化效果不佳及時進行回退處理。感知評估是指對節能方案實施后對用戶感知的分析，構建用戶感知指標分析機制，確保不生成犧牲用戶感知得來的節能方案。節能評估指對生成的節能方案產生的節能效果進行計算，評估節能效果，并根據評估的節能效果不斷優化節能策略。操作評估主要是指對下發OMC 的節能指令執行日志進行實時解析、分析，及時發現執行失敗的指令，根據關鍵字段獲取小區的實時狀態。

3 結束語

與4G 網絡相比，5G 網絡能提供更高速率、更低時延、更大連接密度等網絡能力，也在承擔顯著增加的OPEX成本。據估算，5G 基站功耗是OPEX 成本中增量較大、增幅較高的支出成本。高效智能化的基站設備節能是未來5G 網絡發展的必然趨勢。5G 基站智能節能方案應結合通信行業產業鏈的實際發展情況，逐步降低商用設備基礎功耗，加快節能軟件功能的研發進度。同時，運營商需利用智能化技術，從網絡層面協同管理4G/5G 等多制式系統的能耗，推動4G/5G 智能協同節能方案的落地，以達到降低網絡能耗的目標。