基于AI的4G/5G基站節能解決方案應用

王耀祖，蔡宗平，馬學軍，石 巍（中國移動通信集團設計院有限公司重慶分公司，重慶 400042）

1 概述

傳統的節能技術主要還是依賴簡單的模型或人工設定好的門限來決定開關與否，其參數設置相對保守，導致節能效果有限。所有參數都是由基站統一設置、定制化設置，無法適應現網復雜多變的環境，無法解決不同環境下各基站節能策略的獨立選擇問題，難以在用戶體驗和節能效果間達到平衡。本文將探討利用AI 技術，通過歷史數據學習構建模型，同時引入實時數據不斷訓練修正模型，探討在當前環境下進行節能場景的識別、負荷的智能預測、節能策略的智能推薦，在保證用戶體驗的條件下，達到智慧節能的效果。

2 基站節電技術方案

現網主要采用硬關斷和軟關斷2 種方案，硬關斷主要包含電池脫鉤、遠程繼電器關斷、FSU 關斷方式，軟關斷主要包含符號關斷節電、通道關斷節電、載波關斷節電、小區關斷節電4 種節電方式，實際操作中，通過對每種節電方式匯總累加來判斷節電效果，可結合進行應用，本文中主要討論軟關斷相關的技術應用。

2.1 符號關斷（亞幀關斷）節能

符號關斷指基站在部分符號沒有發送數據時，基站在這些“沒有發送數據”的符號周期關閉功放，從而達到降低系統功耗的目的。該特性分為基本符號關斷和增強型符號關斷。符號關斷功能需要RRU 支持，增強型符號關斷還需要UE支持。

亞幀關斷與符號關斷類似，基站根據業務量的變化，適時休眠部分器件（至少包含功放），如圖1所示。

圖1 符號關斷原理示意圖

基本符號關斷的原理就是在RRU 進行檢測，如果當前符號不承載數據，則關閉功放。檢測是符號級的，如圖1 所示，在1 個Slot 中Symbol#1、#2、#3、#5、#6周期內可以關閉功放，如圖2所示。

圖2 基本符號關斷原理示意圖

增強型符號關斷模式是基站在部分子幀沒有用戶數據發送時，基站將這些“沒有用戶數據發送”的子幀配置成MBSFN 子幀，實現關閉更多的符號。如圖2所示，1個MBSFN子幀可以只在Symbol#0發送參考信號，其他Symbol可以都關閉功放。

2.2 通道關斷節能

通過監測一段時間內的小區業務量狀態，若該狀態滿足全部預設條件/閾值，觸發小區從多入多出（MIMO）配置為單入多出（SIMO），實現節能轉換，該功能進行小區配置操作，全部載扇都會被更新至相同的目標配置。通道節能觸發后會造成網絡容量、覆蓋的下降，會拒絕切入請求，同時小區會退服1 s左右，影響接入成功率、小區退服時長、用戶峰值速率和平均速率等指標，造成用戶感知下降。因此通道關斷功能對網絡有較大影響，操作實施需慎重，如圖3所示。

圖3 通道關斷原理示意圖

2.3 載波關斷節電

基站載波關斷是指關閉搭載載波的功放模塊。功放模塊是個硬件實體，用于將調制好的載波信號加大功率發送出去。載波關斷針對的是一個扇區有2個或以上載波覆蓋的場景。如果1 個扇區只有1 個載波覆蓋，是不能執行這個動作的，一旦執行整個扇區就無信號了，如圖4所示。

圖4 載波關斷原理示意圖

從實際網絡架構分析，網絡需要存在異構多層網絡，在一個扇區中，需要有多個載波覆蓋，實現共覆蓋，當業務量下降時，原來由2個載波承載的業務量可由1 個載波進行承載。當載波上的用戶數較少時，可將用戶遷移到負荷允許的目標關聯載波上，然后關掉該載波，以節約基站能耗。該方式下節能場景與網絡覆蓋有緊密關系，執行不當會造成整片區域無信號，使用戶感知下降。

2.4 小區關斷節電

小區關斷一般是指閉塞或去激活邏輯小區，無明確說明，一般默認為小區去激活。

閉塞是指關閉邏輯小區的射頻發射功能或開啟用戶接入禁止功能，當解除閉塞后小區立刻進入服務狀態，該過程小區無需重啟，對網絡的影響較小。不同廠家及不同的網絡制式對該功能的實現方式有所不同。以華為2G為例，該狀態下后臺仍可對小區進行維護操作，小區閉塞前已接入用戶仍可以使用該小區提供的服務，在小區閉塞的情況下，通過小區間的切換，在一定時間內將本小區用戶切換到鄰小區，實現業務的不中斷，當計數器到達設定的值后會釋放該小區的所有用戶。以華為4G 為例，高優先級閉塞小區時，將會立即去激活小區；中優先級閉塞小區時，在設定的小區中優先級閉塞時長內，如果沒有用戶，則立即去激活小區，否則將在小區中優先級閉塞時長（可通過參數配置）超時后，去激活小區；低優先級閉塞小區時，將會在小區無用戶后，去激活小區，如圖5所示。

圖5 小區關斷原理示意圖

小區去激活是將邏輯小區從物理載波上去關聯，使得射頻信號無法發送處理，用戶相關的所有業務都會中斷。同時后臺亦不能對小區進行任何操作。去激活的基站（小區）激活后會自動啟動，進行網絡交互，重新為覆蓋區域內的用戶提供服務。該操作過程會造成小區提供服務的立刻中斷，瞬間釋放掉連接在該小區的用戶，引起原有覆蓋的改變、KPI 指標（接通率、掉線率等）的惡化，造成用戶感知的下降。

小區閉塞、去激活是針對邏輯小區的，當一個載波承載2 個邏輯小區（需RRU 支持），操作其中一個小區，不影響另一個小區的正常運行，這種情況相當于刪除了一個邏輯小區數據，使得原有的覆蓋發生變化，當某一個扇區內的所有小區都去激活，會造成該區域內無網絡信號，影響用戶感知，需謹慎操作。

2.5 5G AAU深度休眠

當網絡中沒有5G用戶時，可僅保留喚醒最小單元（電源模塊+eCPRI 通信接口），關閉AAU 其他所有可關閉器件（基帶處理單元、數字中頻、收發信機、功放等），AAU 進入深度休眠，實現最大程度的節能，如圖6所示。5G AAU 深度休眠主要應用在5G 建網初期用戶較少，夜間無高速率需求的場景。

圖6 AAU深度休眠原理示意圖

3 基于AI的智能節電模型

3.1 小區節能場景庫建立

為達到小區節能的最大化，避免設置固定門限造成網絡性能下降和節能效果不理想，可將現網小區進行場景化分類，依據場景特性，智能選擇合理的節能方案，該過程可通過AI 人工智能學習技術實現，采用機器學習、神經網絡算法實現小區覆蓋場景的智能分類。

該模塊主要強調了利用機器學習技術（如聚類、分類、協同過濾預測），基于基站本身的歷史信息，如上下行PRB 利用率、上下行流量、用戶數、基站負荷等，使用AI 中的貝葉斯分類（NBC）和聚類算法通過已知經驗找到規律進行預測，確立基站節能場景，以便采取不同的節能策略。當新加入基站或者基站周圍場景變化時，可根據模型自動判別所處場景。最終建立“基站節能場景管理庫”。依據小區覆蓋場景，采取相應的節能策略，從而達到智慧節能的效果。如圖7所示。

圖7 業務、場景智能預測過程

根據節能場景識別模型，小區可以依據業務使用量的潮汐情況，適配各場景。例如：當模型識別某場景白天、晚間流量很大，但夜間無流量，且周末相比工作日流量增大，可能將該場景識別為商場類，再如當模型識別某小區周末、節假日流量大且正常工作日流量較低，可判別為景區類等。

在小區智能識別過程中可同時與現網小區覆蓋場景進行關聯，實現更詳細的業務場景劃分。如VVIP、VIP、地鐵、高鐵、高速、高校、醫院等。同時針對重要場景設定白名單機制，如黨政軍、VVIP、VIP等，申請建立黑白名單機制，針對黑名單小區采取謹慎的操作策略。

3.2 小區業務量預測

通過預測基站未來業務流量的變化趨勢，可實現小區自動化節電，通過自動匹配節電措施、動態調整小區節電時長達到智能節電的效果，采用該方法，可在保障網絡性能和用戶感知的前提下，實現更優的節能效果。

小區業務流量模型的搭建，把小區過去一段時間內的KPI 性能數據作為輸入，如用戶量、基站負荷、無線利用率、上下行峰值PRB 利用率、上下行業務流量、基站告警等數據，通過AI 機器學習算法，預測小區未來24 h 內話務量變化趨勢，輸出待節能小區列表及小區級可節電時段、時長，自動制定小區節電清單，匹配節電場景及節電策略，發起定時節電流程。為防止小區運行過程中預測判斷錯誤，可在小區節能策略執行前通過關聯實時性能數據對預測結果進行模型糾正，提升預測準確性，實現保障網絡性能、用戶感知的智慧節電。

3.3 共覆蓋智能識別

傳統的共覆蓋關系主要通過頻段、經緯度、方位角信息來確定共覆蓋站點中的覆蓋關系，該方法的弊端在于無法準確地反映站點的實際覆蓋關系，采用基于MR 測量報告進行TDD/FDD/NR 融合組網算法，根據MR 之間的相關性評估站點的覆蓋關系，準確地分解出覆蓋層、容量層、共覆蓋關系，從而為調度策略提供基礎能力支撐保障。

常規的多層網匹配方式是基于小區邏輯扇區的經緯度、方位角進行關聯計算所得到的，原理為全網2個頻段及以上多層網扇區數量（個）是指共站同天面的扇區須包含F、D、FDD 2 個及以上多頻段小區，其中多頻段小區經緯度基本一致（50 m 以內）且方位角偏差小于20°。計算多頻段扇區數時，一個含多頻段的多層網的扇區結構標記為一個多層網扇區，使用該方法建立多層網扇區庫（共覆蓋小區庫）。

該過程需要依賴于小區工參的經緯度、方位角信息，數據的偏差、填報錯誤和數據缺失容易影響小區共覆蓋模型的準確性，故為提升共覆蓋模型的準確性，可以引入MRO測量數據進行進一步佐證。針對多層網組網結構，在站點重疊覆蓋區域，當基礎小區與容量小區MR 重疊采樣點占比>80%時，容量小區利用率較低時通過配置相應節電配置策略，將容量層小區用戶及業務遷移到覆蓋層，并將容量小區休眠實現節能。通過該方法周期性進行小區共覆蓋扇區數據庫自動化更新。

針對4G/5G基站協同節能也可通過站間共覆蓋智能判斷，通過多頻多制式多網協同進行優先級排序，以及網絡AI節能等多種措施，達到多網協同節能。如通過AI 智能預測，在5G 業務需求量不大的時段將5G用戶使用4G 業務需求轉移至4G，通過關閉5G 站點，達到節能的效果，多頻多制式間的平滑切換需要借助于AI 訓練模型，經過長期和大量數據的校驗，提升準確度。

3.4 節能策略智能推薦

傳統的節能策略采用閾值選擇，各節能策略間相對獨立，無法達到智能化匹配，造成節能效果不佳，基于AI 的策略選擇模型則通過小區場景、流量預測、共覆蓋等模型的預測結果，實現小區最優節能策略的匹配。通過基于AI強化學習的優先級模型，依據同類小區優先級高的策略優先匹配的原則，實現更優的節能效果。

該過程是通過將小區信息、節能場景識別以及業務流量預測結果作為輸入，經由智能啟閉計算以及場景策略智能分析，得到最佳推薦節能策略，將其應用于基站。節能完成后通過基站負荷監控、用戶感知數據以及節約能耗數據的評估，實現節能效果后評估，從而達到對計算模型的進一步優化。

針對前期應用，通過應用智能場景識別方案將小區分類為以下場景，針對不同的場景關聯匹配相應的節能方案，節能措施制定如圖8所示。

圖8 節能措施與場景關聯關系

場景策略說明如下。

a）高鐵：高鐵一般為多層網，可進行符號關斷，容量層可進行載波關斷，基礎層可進行通道關斷，也可根據列車通車時間在無列車經過時對所有小區進行去激活（如晚間無列車運行時，去激活4G網絡）。

b）普通城區：普通城區多層網較多，可進行符號關斷，容量層可進行載波關斷或小區關斷，基礎層可進行通道關斷。

c）農村：農村多為單層網，且站間距較大，可進行符號關斷，但通道關斷對邊緣用戶影響較大，需謹慎開啟。多層網可進行載波關斷或小區關斷。

d）地鐵：地鐵白天可進行符號關斷和通道關斷，夜間地鐵無運營期間可對所有地鐵小區進行小區關斷。

e）大型場館：大型場館多為多層網，可進行符號關斷和通道關斷，進行載波關斷時長相對于小區關斷較長，在場館用戶較少時可采取小區關斷操作。

f）高校：高校多為多層網，可進行符號關斷和通道關斷，夜間宿舍里用戶較多，可進行載波關斷或調整小區關斷時間，對于教學樓夜間可進行小區關斷。

g）商場、寫字樓：商場和寫字樓多為室分小區，可進行符號關斷，不宜開啟通道關斷，且潮汐效應明顯，夜間可對小區進行小區關斷。

h）景區：景區一般為多層網，平時人流量較少，可采取載波關斷、通道關斷和符號關斷策略，在夜間可通過小區關斷的方式進行節能。

i）VIP、黨政軍場景需要重點保障，為避免影響用戶感知，不建議采取影響網絡質量的節能措施，在用戶較少時，建議采用符號關斷的方式節能。

4 節能效果驗證

選取某中等省份，其全網4G/5G 小區規模約35 萬個，基站數約9 萬個，針對全網（包含4G/5G 小區）開啟智能節電策略進行節能效果驗證，在不考慮部分因廠家License 資源不足等因素，同時因符號關斷時長主設備暫無相應計數器進行統計，故采用行業測量平均值，即符號關斷每小時每基站節電0.025 kWh 計，統計18 天節電執行情況，共執行節電任務操作1 792 163次，其中通道關斷執行次數占比達到93.56%，如圖9所示。

圖9 節能措施應用執行情況

為統一標準且便于統計計算，節電量統計取一階段現網驗證平均值：符號關斷按每小時每基站節電0.025 kWh 計，通道關斷按每小時每小區0.02 kWh 計，載波/小區關斷按每小時每扇區0.08 kWh計（關閉單個D 頻段RRU 為0.08，如再關FDD 頻段RRU 則為0.08×2），電費按0.65元/kWh進行計算。計算出符號關斷單站/通道關斷單小區/載波（小區）關斷扇區的全天節電量=該節電功能全天節電生效時長×該功能單小時節電量，再全部匯總累加。節電生效時長可通過監測網管指標或實際設置時間等手段進行獲取。如一個小區全天開啟載波關斷，夜間6 h 開啟小區關斷，則計算全天節電量時應刨除夜間的6 h 的載波關斷，即節電量不能重復計算。2020 年6 月上旬節電趨勢如圖10所示。

圖10 基站節能應用情況

統計全省2020 年6 月上旬節能情況，18 天共節電量75.61萬kWh，日均節電量約4.25萬kWh，按0.65元/kWh計算，日均節約電費2.73萬元，每月按30天計算，則預計年度節電量為1 528.8萬kWh，約合983萬元。

5 總結

5G 網絡已經運營，極大方便了人們的生活，但5G的高能耗帶來運營成本的抬升，對運營商多網運營造成巨大的成本挑戰，通過應用基于AI的智能基站節能技術，解決復雜場景的基站節能策略關聯，構建基于歷史數據負荷的智能節電模型，實現動態高效率的節能應用，取得了良好效果。在保證用戶體驗的條件下，后續可以在此基礎上實現機房硬件的節能管理，如空調節能、UPS節能等多種舉措，進一步降低基站能耗，實現智慧機房的目標。