Al深度學(xué)習(xí)助力5G基站降低能耗

楊軍

5G作為“新基建”的排頭兵，成為拉動經(jīng)濟、緩解疫情沖擊、穩(wěn)增長穩(wěn)就業(yè)的新抓手。隨著智慧交通、泛在電力物聯(lián)網(wǎng)、智慧城市等數(shù)字化應(yīng)用蓬勃生長，一場伴隨著5G萬物智聯(lián)而來的“數(shù)據(jù)海嘯”正滾滾襲來，而海量數(shù)據(jù)引發(fā)的電力消耗也將成倍增長。5G設(shè)備高能耗的僵局亟待破解。

通信網(wǎng)絡(luò)在5G時代發(fā)生重大變化

在相當(dāng)長的一段時間內(nèi)，現(xiàn)網(wǎng)的2G/3G/4G將會和5G RAT共存。目前70%的運營商站點頻譜數(shù)≥5頻，未來毫米波部署之后，站點頻譜數(shù)普遍達(dá)到7 - 10頻及以上，涵蓋從700兆赫茲雙通道到3.5G的64通道共9個頻段。待5G FRI部署完成后，站點頻譜數(shù)將更多，站點峰值功耗將增至約13700瓦，在未來幾年，隨著毫米渡及新技術(shù)在現(xiàn)有頻段的應(yīng)用，最終站點日常功耗增至約13400瓦，峰值功耗將增至18900瓦。

由于5G頻段的上移，為提升5G用戶體驗速率和實現(xiàn)熱點地區(qū)及高容量業(yè)務(wù)場景的連續(xù)覆蓋，運營商將以“宏基站為主，小基站為輔”的組網(wǎng)方式有效補充和解決4G網(wǎng)絡(luò)覆蓋的問題，截至2019年末，全國三大運營商4G基站總數(shù)合計在大約519萬個，其中宏基站占比70%，約360萬個。未來，基于5G中頻段的宏站覆蓋范圍與4G宏站大致相當(dāng)或稍弱，大致估算宏站需求個數(shù)是4G的1.2倍，大約在450萬個，加上微基站數(shù)量，預(yù)測到2025年，我國5G基站總數(shù)將達(dá)到623萬個。所以運營商將新增更多站點，導(dǎo)致消耗更多的電量。

通信運營能源的消耗主要是電力，占比80%-85%。其中的移網(wǎng)基站、固網(wǎng)通信機房和IDC機房占到總耗電量的95%以上。2019年，4G基站對全社會用電量的增量貢獻(xiàn)約1.1 -1.6%。因此控制能源費總量增長，核心點是基站和IDC機房。

5G高能耗對整個供電系統(tǒng)帶來挑戰(zhàn)

5G基站本身的能耗主要來源于基站的CU/DU（基帶處理單元）設(shè)備和AAU（大規(guī)模天線陣列）。CU/DU消耗的電量主要用于計算，包括數(shù)字部分處理、管理和控制、核心網(wǎng)和其他基站間通信等。由于CU/DU的功率比較穩(wěn)定，不受太大的業(yè)務(wù)負(fù)荷影響。而AAU則不同，隨著負(fù)荷的增加，功耗也大幅增加。AAU設(shè)備內(nèi)部集成了天線陣列、最高64個射頻通道和部分基帶功能，其能耗占基站設(shè)備總能耗的sooK以上。

據(jù)相關(guān)機構(gòu)預(yù)測，到2022年，我國5G網(wǎng)絡(luò)建設(shè)規(guī)模至少達(dá)到250萬站，屆時運營商5G網(wǎng)絡(luò)能耗成本將至少達(dá)到每年575億元——750億元。

5G基站的巨大電費開支，也將會對運營商的經(jīng)營和盈利情況帶來巨大沖擊。2018年，三大運營商共盈利1492億元。如果按未來5G的用電成本，和每年2.9%的利潤增長率計算，2025年運營商的盈利將會大幅降低。除了基站自身設(shè)備能耗帶來的挑戰(zhàn)，5G的高能耗對整個供電系統(tǒng)也帶來挑戰(zhàn)。這些挑戰(zhàn)包括市電容量、整流器容量、備電能力、溫控能力等等。

5G的“高能耗”要從兩方面來看，一個是絕對能耗，另一個就是相對能耗。如果是從它能夠傳輸?shù)谋忍芈式嵌葋砜?，實際上5G比4G強。5G的理論峰值速率為lG，約為4G（峰值速率）100M的10倍。5G基站的覆蓋半徑為100 - 300米，比40.基站的（覆蓋半徑）1-3公里密集很多倍。5G基站天線的系統(tǒng)容量和發(fā)射功率也是4G的好幾倍。盡管50.基站的相對能耗低于4G，但絕對耗能過高，需要引起重視。

Al從基站軟件側(cè)實現(xiàn)節(jié)能優(yōu)化

長期來看，5G基站節(jié)能還要從“源頭”人手，即從基站的硬件側(cè)和軟件側(cè)來實現(xiàn)節(jié)能優(yōu)化。

硬件節(jié)能方案主要通過優(yōu)化設(shè)備硬件設(shè)計、改進(jìn)生成工藝、設(shè)備集成度等手段，達(dá)到降低基站設(shè)備基礎(chǔ)能耗、不斷提高基站設(shè)備能源利用率的目的。比如，在基帶板方面推進(jìn)高集成度和低功耗ASIC芯片解決方案、數(shù)字中頻推進(jìn)下一代7nm/5—ASIC芯片、不斷提高芯片的集成度、減少芯片使用數(shù)量等。而軟件節(jié)能則是基于業(yè)務(wù)負(fù)荷狀態(tài)對基站資源進(jìn)行合理調(diào)度，在運行基站時更好地降本增效。5G基站的符號關(guān)斷、載波關(guān)斷、頻道關(guān)斷、深度休眠是網(wǎng)絡(luò)管理精細(xì)化的重要趨勢。

近年來，隨著AI（人工智能）技術(shù)興起，其在圖像識別、生產(chǎn)控制等領(lǐng)域的優(yōu)勢，也將廣泛應(yīng)用于通信站點供電系統(tǒng)，促進(jìn)站點供電自動化控制，持續(xù)提高站點能效和站點可靠性。在執(zhí)行基站深度休眠時，基于AJ的5G基站能耗分析和控制平臺可針對網(wǎng)絡(luò)覆蓋、用戶分布、場景特征等數(shù)據(jù)，利用機器學(xué)習(xí)算法對歷史數(shù)據(jù)進(jìn)行人工智能判斷，采用下發(fā)不同的關(guān)斷指令策略，在不妨礙用戶正常使用網(wǎng)絡(luò)的前提下達(dá)到最優(yōu)節(jié)能效果。

深度學(xué)習(xí)技術(shù)如何在能源管理中施展拳腳的？在用戶側(cè)和需求側(cè)，在從海量的用戶數(shù)據(jù)挖掘出有價值的商業(yè)信息需要進(jìn)行高層的語義分析，目前使用循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、卷積神經(jīng)網(wǎng)絡(luò)CNN、長短記憶網(wǎng)絡(luò)LSTM等來完成對海量文本的語義理解、信息抽取等數(shù)據(jù)挖掘任務(wù)。

在供給側(cè)和售電側(cè)，隨著電網(wǎng)智能化要求提高，完成不同的領(lǐng)域任務(wù)需要訓(xùn)練不同的深度神經(jīng)網(wǎng)絡(luò)模型，而模型訓(xùn)練依賴海量歷史數(shù)據(jù)、注意力機制與BERT，深度學(xué)習(xí)技術(shù)可有效降低訓(xùn)練新模型所需要的數(shù)據(jù)量要求。