基于AI 的多系統(tǒng)協(xié)同在5G 網(wǎng)絡(luò)節(jié)能中的應(yīng)用

任 強(qiáng)

（中國聯(lián)通遼寧省分公司，沈陽 110008）

1 無線基站能耗

隨著網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大，運(yùn)營商的能耗越來越高。2019年的中國移動(dòng)業(yè)績報(bào)告顯示，中國移動(dòng)的動(dòng)力水電取暖費(fèi)支出為328.74億，巨額能耗讓運(yùn)營商的盈利壓力越來越大。在總能耗中，網(wǎng)絡(luò)的能耗問題占比約為總能耗的70%，其中無線基站設(shè)備占據(jù)網(wǎng)絡(luò)能耗的50%。在5G 時(shí)代，無線基站的設(shè)備功耗相比于前幾代網(wǎng)絡(luò)有著明顯提升。當(dāng)前，5G 設(shè)備的功耗相當(dāng)于基站機(jī)房站點(diǎn)內(nèi)所有設(shè)備的功耗之和。

在無線基站設(shè)備中，射頻單元（RRU）的功耗占比大概為無線基站設(shè)備的75%，其中主要是RRU 設(shè)備中的功放消耗的能量。現(xiàn)實(shí)網(wǎng)絡(luò)中，由于用戶的遷移和行為變化，網(wǎng)絡(luò)話務(wù)量有著明顯的潮汐效應(yīng)。當(dāng)在凌晨時(shí)刻，網(wǎng)絡(luò)話務(wù)量趨近于0，但是基站設(shè)備還處于運(yùn)行狀態(tài)，造成了能源的極大浪費(fèi)。

網(wǎng)絡(luò)節(jié)能的一個(gè)重要方向就是減少網(wǎng)絡(luò)設(shè)備的無效能耗?，F(xiàn)在的網(wǎng)絡(luò)設(shè)備是無論用戶數(shù)量和話務(wù)量的是多少，都一直在持續(xù)的運(yùn)行，雖然其功耗相比峰值功耗有所降低，但是相對(duì)理想狀態(tài)來說，可以改變的空間還非常大。網(wǎng)絡(luò)的理想狀態(tài)是，當(dāng)網(wǎng)絡(luò)用戶的的話務(wù)量減少為0時(shí)，網(wǎng)絡(luò)設(shè)備的能耗也要降低到極低的狀態(tài)。

圖1 低流量時(shí)間段能耗沒隨之降低

當(dāng)前，網(wǎng)絡(luò)節(jié)能的狀態(tài)主要有兩條路徑：一是基站軟硬件節(jié)能技術(shù)；二是基于AI 的話務(wù)預(yù)測(cè)節(jié)能技術(shù)。在基站的軟硬件節(jié)能節(jié)能技術(shù)僅通過提高單個(gè)基站的軟硬件性能和休眠開關(guān)進(jìn)行節(jié)能，這種節(jié)能技術(shù)有一定的局限性。基于AI 的話務(wù)預(yù)測(cè)節(jié)能更好的考慮了基站間的操作，實(shí)現(xiàn)更進(jìn)一步的節(jié)能。但是這兩種節(jié)能技術(shù)都沒有實(shí)現(xiàn)無效功率降到最低，只有實(shí)現(xiàn)基于AI 的多系統(tǒng)互操作，達(dá)到多大的話務(wù)量就使用多少資源的目標(biāo)后，才能徹底的消除無效功耗，接近網(wǎng)絡(luò)功能最低的極限。

2 基站軟硬件節(jié)能技術(shù)

基站的軟硬件節(jié)能技術(shù)主要包括硬件節(jié)能和軟件節(jié)能。硬件節(jié)能是改善基站設(shè)備的硬件材料，降低基站硬件的基礎(chǔ)耗能；軟件節(jié)能是通過參數(shù)門限的設(shè)置，實(shí)現(xiàn)對(duì)硬件工作時(shí)間的操控，減少基站的無效耗能。

2.1 基站硬件節(jié)能技術(shù)

基站硬件節(jié)能技術(shù)主要包括以下三個(gè)方向：一是射頻器件的新材料新工藝，它是以第三代半導(dǎo)體材料為代表的GaN 對(duì)GaAs技術(shù)的取代，可以更好地降低設(shè)備的功耗；二是高集成度的數(shù)字單元和射頻單元融合，該技術(shù)主要是AAU 的繼承都越來越高，并且包括一定的幾代處理單元；三是芯片性能的提高，主要是在7 nm 工藝的應(yīng)用可以優(yōu)化集成電路的設(shè)計(jì)，進(jìn)而減少設(shè)備功耗。

2.2 基站軟件參數(shù)節(jié)能技術(shù)

基站的軟件參數(shù)節(jié)能技術(shù)是在保證網(wǎng)絡(luò)話務(wù)性能的前提下，根據(jù)網(wǎng)絡(luò)負(fù)荷和話務(wù)特征的變化，通過調(diào)整基站參數(shù)，改變基站的工作狀態(tài)，從而實(shí)現(xiàn)降低基站功耗的目的。當(dāng)前，基站軟件參數(shù)調(diào)節(jié)有信道關(guān)閉、天線通道關(guān)閉、載波關(guān)閉和深度休眠四種模式。信道關(guān)閉是指當(dāng)話務(wù)信道沒有數(shù)據(jù)發(fā)送的時(shí)候，關(guān)閉射頻單元的功放模塊，減少無用功率的發(fā)送；通道關(guān)閉是指在網(wǎng)絡(luò)話務(wù)負(fù)荷比較低的時(shí)候，關(guān)閉基站天線的通道，節(jié)約基站能耗；載波關(guān)閉是指當(dāng)一個(gè)基站配置多載波，在話務(wù)負(fù)荷比較輕的時(shí)候，關(guān)閉副載波，實(shí)現(xiàn)節(jié)能；基站的深度休眠是指在某些潮汐效應(yīng)比較明顯的場(chǎng)景，包括室內(nèi)場(chǎng)景，比如高校教學(xué)區(qū)與生活區(qū)、商場(chǎng)、步行街等場(chǎng)景；在某個(gè)時(shí)間段話務(wù)負(fù)荷趨近于零時(shí)，讓基站處于休眠狀態(tài)，只有當(dāng)話務(wù)負(fù)荷超過某個(gè)門限，BBU 再喚醒RRU 開啟工作。

3 常用的AI 基站節(jié)能技術(shù)

當(dāng)前，業(yè)界也提出了利用AI 技術(shù)實(shí)現(xiàn)基站的節(jié)能，主要方向是利用AI 識(shí)別小區(qū)覆蓋場(chǎng)景并預(yù)測(cè)小區(qū)話務(wù)流量、利用AI 實(shí)現(xiàn)小區(qū)的協(xié)同覆蓋和參數(shù)調(diào)優(yōu)節(jié)能。

（1）利用AI 識(shí)別小區(qū)覆蓋場(chǎng)景并預(yù)測(cè)小區(qū)話務(wù)流量。如上文所述，在某些場(chǎng)景中，話務(wù)量潮汐效應(yīng)非常明顯。但是在另外一些場(chǎng)景，話務(wù)量只有閑忙時(shí)的區(qū)別，在白天話務(wù)量變化有起伏，到了凌晨以后，話務(wù)量逐漸降低。

網(wǎng)絡(luò)基站可以利用基站歷史信息，包括場(chǎng)景內(nèi)的連接用戶數(shù)、資源利用率和基站所處的環(huán)境等因素，使用AI 中聚類模型確定基站的節(jié)能場(chǎng)景。根據(jù)時(shí)間、人口和環(huán)境的變化采取智能節(jié)能策略。

（2）小區(qū)協(xié)同覆蓋和參數(shù)調(diào)整。對(duì)于配置多載波的小區(qū)，AI智能節(jié)能系統(tǒng)利用共覆蓋學(xué)習(xí)算法，統(tǒng)計(jì)終端對(duì)異頻的支持率，誘導(dǎo)終端主動(dòng)發(fā)起異頻測(cè)量。經(jīng)過周期性上報(bào)測(cè)量結(jié)果刷新學(xué)習(xí)算法，建立基站間和基站內(nèi)部的頻段共覆蓋，可以有效地提高基站節(jié)能。另外，通過終端上報(bào)的MR 測(cè)量報(bào)告信息，智能節(jié)能系統(tǒng)能發(fā)現(xiàn)網(wǎng)絡(luò)中的節(jié)能小區(qū)及其補(bǔ)償小區(qū)，并預(yù)測(cè)話務(wù)變化趨勢(shì)。當(dāng)節(jié)能小區(qū)處于低話務(wù)負(fù)荷狀態(tài)時(shí)，系統(tǒng)將把節(jié)能小區(qū)的話務(wù)遷移至其補(bǔ)償小區(qū)，并將節(jié)能小區(qū)休眠。同時(shí)，通過實(shí)時(shí)監(jiān)控功能，系統(tǒng)能夠在話務(wù)尖峰到來時(shí)及時(shí)喚醒休眠的節(jié)能小區(qū)以保證網(wǎng)絡(luò)質(zhì)量。

（3）

圖2 小區(qū)協(xié)同覆蓋場(chǎng)景

4 多頻段多系統(tǒng)的協(xié)同節(jié)能技術(shù)

傳統(tǒng)的節(jié)能方式通常是單系統(tǒng)基站的控制，業(yè)界也提出了跨頻段跨系統(tǒng)的系統(tǒng)協(xié)同節(jié)能理念，實(shí)現(xiàn)多制式多頻段協(xié)同，頻段內(nèi)跨制式協(xié)同關(guān)斷，頻段間多載波關(guān)斷，并可實(shí)現(xiàn)小區(qū)級(jí)自動(dòng)化節(jié)能參數(shù)差異配置。在本文中，我們提出基于話務(wù)預(yù)測(cè)開啟最少頻率資源節(jié)能算法，此種節(jié)能方式實(shí)現(xiàn)“無話務(wù)低能耗”，把網(wǎng)絡(luò)耗能降到最低限度。其理論基礎(chǔ)是香農(nóng)公式的擴(kuò)展形式：

式中，C 為網(wǎng)絡(luò)容量；Bi為小區(qū)i 的信道帶寬；為小區(qū)i的信噪比。

從香農(nóng)公式可知，所有話務(wù)類型都要有頻率資源來承載，根據(jù)前文所述，射頻發(fā)送電磁波是網(wǎng)絡(luò)耗能占比比較高的部分，如果能讓發(fā)送的數(shù)據(jù)僅用需要的帶寬，其余的帶寬都做到深度休眠狀態(tài)，包括基站級(jí)休眠，載波機(jī)休眠、通道級(jí)休眠和時(shí)隙級(jí)休眠模式，就實(shí)現(xiàn)了網(wǎng)絡(luò)功耗的最低限度。但是，為保證網(wǎng)絡(luò)的基本性能，必須保證網(wǎng)絡(luò)功能的完整性，據(jù)此設(shè)計(jì)智慧基站節(jié)能平臺(tái)系統(tǒng)。

首先，網(wǎng)絡(luò)要用低頻段做基礎(chǔ)覆蓋網(wǎng)絡(luò)，而且基礎(chǔ)覆蓋網(wǎng)絡(luò)在任何時(shí)候都要工作，保證網(wǎng)絡(luò)覆蓋和用戶的隨時(shí)接入。

其次，為了保證網(wǎng)絡(luò)的安全性，當(dāng)智慧基站節(jié)能平臺(tái)系統(tǒng)發(fā)生故障時(shí)，所有基站要全部開啟。在每天的任何時(shí)候，與前一天同時(shí)段的基站開啟量相比，變化量超過5%或者10%，則產(chǎn)生告警，以便監(jiān)控人員及時(shí)發(fā)現(xiàn)異常，進(jìn)行處理。

（1）預(yù)測(cè)系統(tǒng)模型。在以上基礎(chǔ)上，設(shè)計(jì)基站休眠節(jié)能預(yù)測(cè)系統(tǒng)平臺(tái)，預(yù)測(cè)系統(tǒng)平臺(tái)分為輸入?yún)?shù)、預(yù)測(cè)系統(tǒng)、決策優(yōu)化和話務(wù)執(zhí)行四大部分。

預(yù)測(cè)系統(tǒng)在整個(gè)供應(yīng)鏈體系中處在最底層并且起到一個(gè)支撐的作用，支持上層的多個(gè)決策優(yōu)化系統(tǒng)，而這些決策優(yōu)化系統(tǒng)利用精準(zhǔn)的預(yù)測(cè)數(shù)據(jù)結(jié)合運(yùn)籌學(xué)技術(shù)得出最優(yōu)的決策，并將結(jié)果提供給更上層的話務(wù)執(zhí)行系統(tǒng)或是話務(wù)方直接使用。

目前，預(yù)測(cè)系統(tǒng)主要支持三大話務(wù)：話務(wù)量預(yù)測(cè)、單站話務(wù)量預(yù)測(cè)和話務(wù)增長預(yù)測(cè)。其中，話務(wù)量預(yù)測(cè)主要支持資源開啟方案和話務(wù)轉(zhuǎn)移方案；單站話務(wù)量預(yù)測(cè)主要支持話務(wù)轉(zhuǎn)移方案和用戶感知；業(yè)主增長預(yù)測(cè)主要支持資源增加計(jì)劃。

話務(wù)量預(yù)測(cè)又包括分時(shí)段話務(wù)量預(yù)測(cè)，分類型話務(wù)量預(yù)測(cè)，分地域場(chǎng)景話務(wù)量預(yù)測(cè)；單站話務(wù)量預(yù)測(cè)包括物理層話務(wù)吞吐量預(yù)測(cè)，應(yīng)用層話務(wù)量預(yù)測(cè)，連接用戶數(shù)預(yù)測(cè)，RE 占用率預(yù)測(cè)等指標(biāo)；話務(wù)增長預(yù)測(cè)主要包括用戶數(shù)量增長預(yù)測(cè)、業(yè)務(wù)增長預(yù)測(cè)。此外，用戶感知主要包括呼叫成功率、擁塞率、業(yè)務(wù)激活時(shí)延、切換成功率等KPI。

圖3 預(yù)測(cè)系統(tǒng)模型

（2）預(yù)測(cè)系統(tǒng)架構(gòu)。整體架構(gòu)從上至下依次是：數(shù)據(jù)源輸入層、基礎(chǔ)數(shù)據(jù)加工層、核心業(yè)務(wù)層、數(shù)據(jù)輸出層和下游系統(tǒng)。首先從外部數(shù)據(jù)源獲取我們所需的業(yè)務(wù)數(shù)據(jù)，然后對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行加工清洗，再通過時(shí)間序列、機(jī)器學(xué)習(xí)等人工智能技術(shù)對(duì)數(shù)據(jù)進(jìn)行處理分析，最后計(jì)算出預(yù)測(cè)結(jié)果并通過多種途徑推送給下游系統(tǒng)使用。

（3）

圖4 預(yù)測(cè)系統(tǒng)架構(gòu)

數(shù)據(jù)源輸入層：基站的日常話務(wù)報(bào)表、基站基礎(chǔ)信息數(shù)據(jù)庫和當(dāng)?shù)氐貓D包含有絕大多數(shù)需要的用戶信息。

基礎(chǔ)數(shù)據(jù)加工層：在這一層主要通過Hive 對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行一些加工清洗，去掉不需要的字段，過濾不需要的維度并清洗有問題的數(shù)據(jù)。

核心業(yè)務(wù)層：這層是系統(tǒng)的的核心部分，橫向看又可分為三層：特征構(gòu)建、預(yù)測(cè)算法和預(yù)測(cè)結(jié)果加工；縱向看是由多個(gè)話務(wù)指標(biāo)構(gòu)成，彼此間有相互制約的關(guān)系。

特征構(gòu)建：將之前清洗過的基礎(chǔ)數(shù)據(jù)通過近一步的處理轉(zhuǎn)化成標(biāo)準(zhǔn)格式的特征數(shù)據(jù)，提供給后續(xù)算法模型使用。

核心算法：利用時(shí)間序列分析、機(jī)器學(xué)習(xí)等人工智能技術(shù)進(jìn)行話務(wù)量、單站話務(wù)量的預(yù)測(cè)，是預(yù)測(cè)系統(tǒng)中最為核心的部分。

預(yù)測(cè)結(jié)果加工：預(yù)測(cè)結(jié)果可能在格式和一些特殊性要求上不能滿足下游系統(tǒng)，所以還需要根據(jù)實(shí)際情況對(duì)其進(jìn)行加工處理，比如增加標(biāo)準(zhǔn)差、促銷標(biāo)識(shí)等額外信息。

預(yù)測(cè)結(jié)果輸出層：將最終預(yù)測(cè)結(jié)果同步控制基站節(jié)能系統(tǒng)，并回傳至基站日常數(shù)據(jù)庫中和基礎(chǔ)信息數(shù)據(jù)、MySql、HBase 或制作成JSF 接口供其他系統(tǒng)遠(yuǎn)程調(diào)用。

下游系統(tǒng)：包括下游任務(wù)流程、下游Web 系統(tǒng)和其他系統(tǒng)。

在AI 平臺(tái)系統(tǒng)中，基于MR 測(cè)量數(shù)據(jù)和日常話務(wù)數(shù)據(jù)，可以有效的對(duì)基站話務(wù)量和用戶行為進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)達(dá)到多網(wǎng)協(xié)同節(jié)能的目標(biāo)。在不影響用戶體驗(yàn)的情況下將不同的業(yè)務(wù)遷移到不同的頻段。當(dāng)業(yè)務(wù)量比較少時(shí)，盡可能的讓低頻段來承載，因?yàn)榈皖l段覆蓋范圍廣，需要開啟的基站數(shù)量少，只有業(yè)務(wù)量慢慢變多時(shí)，才會(huì)開啟高頻段的基站，這樣可以達(dá)到最大限度的節(jié)能，

在此平臺(tái)下，最難預(yù)測(cè)的是用戶的移動(dòng)性產(chǎn)生的切換，由于用戶行為的隨機(jī)性，會(huì)導(dǎo)致基站開啟不及時(shí)導(dǎo)致的頻繁切換問題，使得用戶的網(wǎng)絡(luò)體驗(yàn)有輕微的受損。

當(dāng)前的基礎(chǔ)AI 節(jié)能模型目前還處于試驗(yàn)階段，從某地市的短期105個(gè)基站的試驗(yàn)結(jié)果來看，在典型的網(wǎng)絡(luò)配置下，要比其他的節(jié)能技術(shù)多降低10%的能耗。因此基于多頻段多系統(tǒng)的協(xié)同節(jié)能技術(shù)能夠?qū)崿F(xiàn)很好的節(jié)能成效，但由于數(shù)據(jù)量比較大，對(duì)服務(wù)器的配置要求高。

5 結(jié)束語

在5G 的網(wǎng)絡(luò)建設(shè)中，基站的能耗已經(jīng)成為運(yùn)營商沉重的負(fù)擔(dān)，如果能解決基站能耗的問題，會(huì)讓5G 網(wǎng)絡(luò)的普及更加迅速。本文在當(dāng)前網(wǎng)絡(luò)節(jié)能技術(shù)的基礎(chǔ)上，提出多頻段多網(wǎng)絡(luò)的協(xié)調(diào)節(jié)能技術(shù)，并構(gòu)建出平臺(tái)模型，雖然在應(yīng)用中還有一定的瑕疵，但是主要因?yàn)閷?shí)驗(yàn)的范圍比較小，周期也比較短，對(duì)AI 的算法的訓(xùn)練還不夠。隨著算法的改進(jìn)和數(shù)據(jù)量的增加，多頻段多網(wǎng)絡(luò)協(xié)調(diào)節(jié)能技術(shù)表現(xiàn)會(huì)更好。為了降低對(duì)服務(wù)器的依賴，需要改進(jìn)算法中數(shù)據(jù)關(guān)聯(lián)性。