基于AI的5G基站节能技术研究

【摘  要】随着5G时代的到来，通信业务种类和终端连接数呈爆发式增长，通信行业节能降耗面临着前所未有的挑战。分析了5G基站的能耗模型与基础节能技术，提出基于AI的智能节能技术和方案，通过业务负荷预测、智能场景识别、多网协同配合等手段采用灵活精准的节能策略，在确保用户感知体验的前提下有效提升能源利用效率，降低电信运营商OPEX费用。

【关键词】人工智能;5G基站;节能

doi：10.3969/j.issn.1006-1010.2019.12.006      中图分类号：TN929.5

文献标志码：A      文章编号：1006-1010（2019）12-0032-05

引用格式：梁力维，李荣聪. 基于AI的5G基站节能技术研究[J]. 移动通信， 2019，43（12）： 32-36.

Research on Intelligent Energy Saving Technology of 5G Base Station Based on AI

LIANG Liwei， LI Rongcong

（Guangdong Branch of China Telecom Co.， Ltd.， Guangzhou 510180， China）

[Abstract] With the advent of the 5G era， the types of communication services and the number of terminal connections are exploding， and the energy saving in the communication industry is facing unprecedented challenges. This paper analyzes the energy consumption model and fundamental energy-saving technologies of 5G base station， and proposes AI-based energy-saving technologies and solutions. Flexible and precise energy-saving strategies are adopted through load forecasting， intelligent scenario recognition and multi-network cooperation. Under the premise of guaranteeing user-perceived experience， the energy efficiency is effectively improved and OPEX costs for telecom operators are reduced.

[Key words]AI; 5G base station; energy conservation

0   引言

隨着我国经济的高速发展和人民生活水平的不断提高，节能减排、可持续发展已经成为社会发展的重大课题。国务院发布的《“十三五”节能减排综合工作方案》中提出要牢固树立创新、协调、绿色、开放、共享的发展理念，落实节约资源和保护环境的基本国策，加快建设资源节约型、环境友好型社会，确保完成“十三五”节能减排约束性目标，实现经济发展与环境改善双赢。

5G时代各种新业务和应用场景层出不穷，通信网络建设规模不断扩大，终端连接数和数据流量呈爆发式增长，移动通信网络数据增长和能耗之间的矛盾进一步加剧。持续降低电信运营商OPEX中的电费成本，成为未来通信行业可持续发展的重要方向。

1   5G基站能耗构成分析

为了保证移动通信网络的有效覆盖和服务质量，电信运营商需要在全国范围内建设数百万台无线基站。这些基站分布范围广、数量庞大，其能耗在整个移动通信网络中占有较大的比重。尤其在5G阶段，面向行业应用的场景层出不穷，数据流量呈现指数级增长，这对网络建设、运营和管理提出了新的挑战。持续深入研究5G基站节能技术，大幅降低5G单站能耗水平，具有非常重要的经济价值和社会价值。

5G基站能耗一般包括计算能耗、传输能耗和其他能耗三部分，具体划分如下：

（1）计算能耗：即BBU消耗的电量，包括数字部分处理、管理和控制，核心网和其他基站间通信等相关功耗。

（2）传输能耗：即功率放大器（PA）和射频（RF）部分所消耗的电量，其主要执行基带信号与无线信号之间的信号转换，馈电线的功耗也包括在传输功耗之内。

（3）其他能耗：即从市电引入到基站直流供电的整个转换过程中额外损失的电量，也包括机房空调、监控系统、制冷设备所消耗的电量。图1为5G基站能耗构成图：

图1    5G基站能耗构成图

在5G移动通信网络中基站设备能耗占总能耗的80%以上，机房中基站设备的能耗占比超过50%。5G AAU设备与传统4G RRU有较大的差别，AAU内部集成了天线阵列、最高64个射频通道和部分基带功能，因此AAU在功放模块、数字基带、收发机等部分功耗有较大增加，据统计5G AAU设备的能耗占基站设备的80%以上。因此，降低5G基站能耗尤其是AAU的能耗，对于整个通信网络的能耗降低起着至关重要的作用。图2为5G设备机房与基站/AAU的能耗占比：

图2    5G设备机房与基站/AAU能耗占比

2   基于AI的5G基站节能技术与解决方案

2.1  5G基站基础节能技术

基站设备节能主要有两种方式，分别是硬件节能和软件节能，硬件节能主要是降低整个基站设备的基础能耗，软件节能则基于业务负荷状态对基站资源进行合理調度，以达到基站设备高效率运行的目的。

硬件节能主要通过优化硬件架构设计，改进生产工艺和提高基带处理、数字中频、射频等关键核心芯片集成度等方式来进行。如采用10 nm/7 nm等高集成度的芯片工艺，减小芯片面积，提升系统性能，采用氮化镓等新材料提升AAU设备功放效率。

软件节能根据通信业务在时间和空间分布上的不同特征以及网络负荷的变化，在保证用户感知体验的前提下，通过灵活动态的调度策略对基站进行载频、通道、符号或者整机休眠等不同的关断节能策略，以尽可能增加设备低功耗模式工作时间，最大限度提升基站设备资源利用效率。

常用的基础节能关断策略如下：

（1）符号关断。符号关断功能在网络低负荷时通过不连续发射来降低功放模块消耗的总功率。当符号关断功能开启时，在下行符号没有用户数据发送的时候，基站设备通过主动关闭射频部分中功放模块的发射功率来实现节能目的。

（2）载波关断。对于有多层覆盖的组网场景，一般其中一个载波用来做基础覆盖，另外一个载波用来做容量补热。根据对PRB等KPI的周期性监控，在业务空闲时段关闭容量补热载频，节约能源消耗。

（3）通道关断。5G标准引入Massive MIMO技术，在基站业务负荷较低场景，比如夜间闲时、非容量小区场景等，可考虑关闭部分射频通道的发射功率，达到节能效果。

2.2  AI技术发展及其在5G基站上的应用

受限于经济效益、业务需求等多种因素，5G建设将是一个长期的过程，因此多制式共存将成为未来一段时间的常态。随着网络复杂度的增加，传统的主要依赖于人工方式的运营运维手段已经无法满足实际需求。人工智能（AI）技术在解决高计算量数据分析、跨领域特性挖掘、动态策略生成等方面具备天然优势，将赋予5G时代网络运营运维新的模式和能力。

网络话务量存在明显的潮汐效应，不同时段网络话务量波动很大，而传统方式大部分基站设备处于24小时持续运行状态或者根据固定的策略进行关断，无法根据话务量进行智能调控，导致额外的能耗成本。因此，如何提高无线资源利用率成为运营商的普遍目标。

通过收集历史时空特性数据分析无线资源利用率变化规律，对覆盖小区的KPI进行监控和评估，利用人工智能技术充分考虑网络覆盖、用户分布、场景特征并根据历史数据和实时数据对无线资源利用率进行预测和评估，根据运营商策略与用户意愿给出合适的建议措施（如关断策略、关断时间和时长等），从而保障网络性能，降低能源损耗。

基于AI的智能节能方案包括如下基本功能：

（1）业务预测。基于历史业务负荷数据训练预测模型，在预测的节能小区和节能时段触发该小区的负荷转移到其邻区，负荷转移完成后立即触发该小区的节能。如存在多个节能时段，则在每个节能时段都激活节能。

（2）节能策略选择。基于预测结果，支持节能策略的最优选择、实时调整、自动更新和执行，实行差异化的阈值调整门限，满足预设的KPI指标和节能目标。

（3）多网协同控制。自动识别多层覆盖小区、基础覆盖小区和补热小区，热点覆盖小区可根据业务量变化、多网覆盖状态等进入节能模式，实现节能效果。

（4）场景识别。基于话务模型分析自动识别业务场景，如商业区、居民区、高铁线路等，便于根据不同的场景类型制定不同的关断节能策略。

2.3  基于AI的5G基站节能技术方案架构和工作流程

传统4G网络中由于PA在RRU设备能耗占比几乎达到了80%左右，因此大多采用关断PA的方式进行节能。但是5G AAU能耗主要包括PA功耗、TRX功耗、数字基带功耗三部分，这三部分功耗占比几乎达到了AAU设备能耗的80%。单纯关闭PA的节能方式效果不再明显，必须要有新的技术方案匹配才能达到预期效果。5G网络中，深度休眠将成为一种常态，低业务场景下增强符号关断、增强通道关断、多层覆盖下的载波关断都是最常用的节能方案。图3为5G基站关键节能技术全景图：

图3    5G基站关键节能技术全景图

增强符号关断指的是在设备级AAU自检模式符号关断的基础上，由BBU进行集中调度控制，将调度在时隙上进行汇聚，从而空闲出更多的时隙，提升符号关断的节能效果。

增强通道关断是针对5G的关键技术Massive MIMO而言，5G大规模天线的引入，64通道AAU成为主力机型，因此64天线可以关断的方式就比较灵活，可以关断16通道，32通道，甚至48通道。同时关断的器件也比之前更多。前面提到的PA、TRX和数字器件也都可以进行关闭，从而达到更好的节能效果。

多层覆盖下的载波关断是针对典型的NSA组网场景，4G主节点基站和5G辅节点基站组成双连接。5G载波在低业务量时进行关断，4G载波负荷升高时唤醒5G载波也将是一种常态化节能手段。而SA场景，无论系统内还是系统间，结合AI技术，多层覆盖网络中自识别自配置4G/5G节能小区，也是5G必备的节能方案之一。

图4是智能节能网络总体架构图，基于无线智能应用平台，采用人工智能算法，在系统性能和节能效果间达到最大平衡，实现网络节能降耗。

如图5所示，5G基站智能节能工作流程如下：

（1）通过网管或者数据采集系统获取基站的性能、MR/CDT等数据。

（2）对于采集到的数据进行清洗、构建、聚合、筛选等预处理，作为场景识别、负荷预测等模型的训练数据。

（3）通过机器学习算法进行智能场景识别，确定采用的节能关断方案和功能。

（4）综合要达到的节能目标确定合适的节能门限阈值。

（5）基于历史话务数据，采用机器学习算法对未来一定时间段的业务量进行预测，确定节能时间激活时间窗。

（6）下发综合节能策略到网管，执行对5G基站的节能操作，如深度休眠、载波关断、符号关断以及对应的激活时间窗等。

（7）采集基站的性能数据进行评估是否达到预期目标，闭环迭代优化门限阈值等策略。

在流量负荷预测中经常使用到两种方案，一种是基于序列特征的预测方法，包括Arima、Prophet等时间序列算法。这类算法基于时间序列本身的特点，将序列分解为周期性、趋势性、随机扰动几部分，从而进行建模和预测。另外一种是回归预测方法，包括神经网络、SVM等回归算法，基于历史负荷数据建立回归模型来达到预测未来负荷的目的。时间序列特征算法相对于回归预测，更适用于平稳序列，且具备更好的运算效率。在无线网络中大部分小区的流量负荷都呈现平稳序列的特点，采用基于序列特征的預测方法，能够得到适用于节能算法精度的负荷预测值。

3   节能应用效果评价体系

传统的设备级节能评估手段不适合5G时代所面临的场景，运营商不再只关注设备在闲时节能比例的高低。运营商的关注点在于4G相同业务能力下较长一段时间的耗电量以及开启节能策略后节约的电费，即瓦数决定流量，焦耳决定比特。

3GPP协议对能效的定义如下：

EEglobal=bKEEscenarioK （1）

EEscenario=           （2）

bk指的是每一种业务场景的能效的评估权重，a1指的是每一负荷等级的权重，v1指的是基站每秒所产生的业务流量，EC1指的是基站在v1条件下的能耗值。

从上面的公式可以看出，单位功耗下能够提供的流量越大，则能效越高。

流量是运营商的生命线，是运营商的重要收入来源，在无需提供流量的时间内充分节能可以为运营商节约大量OPEX。节能技术作为流量和能耗平衡的支撑点，在能效指标提升中起到至关重要的作用。

4   结束语

5G基站的节能是一个长期的系统性工作，需要软硬件协同配合，不断进行技术创新，采用新架构、新工艺、新材料、新方案、新设计，逐步降低基站设备的基础功耗。同时将人工智能技术引入到通信网络运营运维的各个环节，实现4G/5G网络的智能协同，资源调度的持续优化，用户体验的不断改善。基于AI的5G基站节能技术不断创新和演进将有效降低运营商OPEX成本，提升运营商市场竞争力和可持续发展能力。

参考文献：

[1] 中兴通讯股份有限公司. 5G网络智能化白皮书[Z]. 2018.

[2] 中国电信. 中国电信人工智能发展白皮书V1.0[Z]. 2019.

[3] 中国联通. 中国联通5G智能节能技术白皮书[Z]. 2019.

[4] 3GPP. 3GPP TS 38.913： Study on Scenarios and Requirements for Next Generation Access Technologies[S]. 2017.

[5] 3GPP. 3GPP TS 38.300： NR and NG-RAN Overall Description[S]. 2017.★