5G基站智能节能方案研究

（中国联合网络通信有限公司网络技术研究院，北京 100048）

0 引言

随着移动通信网络建设规模逐年增加，通信设备对能源的需求与日俱增，移动通信网络的能耗在运营商的运营成本（OPEX,Operating Expense）占比已高于15%。经过5G 试商用网络的测试验证，5G 单站功耗是4G 单站功耗的3～4 倍，运营商面临基站设备能耗大幅增加OPEX费用的运营压力。当通信行业迈入5G 时代，通信设备的智能节能对降低5G 网络运营成本，实现通信行业节能减排目标具有重要意义。

传统的基站设备节能方案依赖于主设备厂家在硬件、软件等产品设计和持续优化能力。硬件方案，新设备可以通过使用新工艺、新材料、新设计等创新技术方案，实现降低设备硬件的基本能耗。软件节能方案，通过智能符号关断、深度休眠、通道关断等软件功能，在某些场景下实现降低基站能耗。硬件方案受限于器件、工艺的发展情况。软件方案已支持单站的节能策略的配置，更需要综合考虑全网节能最优策略。

随着5G 网络智能化、云化架构的发展趋势，结合大数据技术、人工智能技术等技术方案，5G 网络智能能耗管理可以实现节能策略智能化选择、参数配置自动化、效果评估全面化，从而达到全网运行效率最优、综合节能效率最优的“双优目标”。

1 5G基站能耗分析

为了满足5G 丰富的业务场景的要求，3GPP R15 规范定义了NR 新空口标准，对5G 基站设备的硬件能力、软件功能等都提出更高要求。例如，5G 基站需要支持更大带宽，在Sub 6 GHz 频段支持100 MHz 带宽，毫米波频段支持400 MHz 至800 MHz 带宽，大带宽对软件、硬件处理能力要求更高，5G 基站的功耗需求也更大。

5G 有源天线处理单元（AAU,Active Antenna Unit）与传统的4G 射频拉远单元（RRU,Radio Remote Unit）设备有很大差别，例如AAU 内部集成了天线阵列、支持高达64 个射频通道以及部分基带功能等，这些使得AAU内部在功放模块、数字基带、收发机等器件的功耗数值和功耗占比都有较大幅度增加。此外，AAU 的功耗还要考虑时钟模块、电源模块、滤波器等其它模块增加的热耗。根据5G 基站功耗的测试数据分析，基站设备中AAU 设备（64T64R AAU）在5G 基站设备总能耗占比约90%，提高AAU 的能效水平可有效降低单站总能耗。

基站设备功耗包括静态功耗和动态功耗，如图1 所示。目前，5G 基站设备基础功耗平均占比58%，动态功耗平均占比42%。基站的静态功耗与基站设备硬件有关，可以通过硬件平台升级来降低设备的基础功耗。基站基础功耗的降低手段包括基带资源共享、器件动态关断、AAU设备快速唤醒等硬件节能方案，主要依靠主设备厂家不断演进硬件工艺、提高集成度来完成。动态功耗（主要是AAU 设备功耗）随业务负荷波动，功耗变化与AAU设备业务负荷（业务量）变化相关，通过软件功能优化可提高动态能耗的有效利用率。软件功能节能方式包括符号关断、通道关断、载波关断、小区休眠、电源管理等。本文主要从软件节能方案角度出发，通过AI 算法预测忙闲时段的业务量，智能化设定不同基站的节电时间、节电方式，有效控制空闲基站的耗电量。

2 基站智能节能方案

传统的软件节能方案主要依赖于话务统计经验，无法实现实时、跨网络、灵活智能的节能管理全天候跨网络智能化节能，管理效率与节能小区数量成反比，管理难度高、节能效果欠佳。随着计算机硬件性能大幅提升及AI 技术的日益成熟，智能节能技术将突破传统节能方案的实现瓶颈，可通过在网管系统增加AI 模块用于智能节能控制，实现4G/5G 多制式网络智能协同，支持网络区域级、单基站、单扇区不同颗粒度的智能节能，并且达到高效、实时、灵活的基站能耗管理目标。

基站智能节能方案主要通过自动采集4G/5G 基站的业务量、性能数据、工参数据、运行指标、告警数据、B域数据等，按场景、区域、基站性质对基站进行分级管理，利用AI 算法对历史业务量数据进行建模，通过业务量模型对基站进行业务预测，根据业务预测结果为基站制定差异化的节能策略，自动生成节能任务通过指令下发基站，在业务空闲时实施符号关断、通道关断、载波关断、小区休眠、电源关断等操作，在业务高峰时则自动将节能模式切换为正常模式，从而达到全天候、跨厂家、多网协同的系统级节能效果，如图2 所示。

2.1 数据采集与分析

图1 基站功耗分析示意图

图2 基站智能节能方案

数据采集需要按照基站业务过程、信令交换原则等，通过对接不同的数据来源库，以一定粒度获取需要的数据源，包括PM、MR、工参、基站配置等数据。然后，对获取的数据进行提取解析、关联汇聚，将原始数据存储到节能方案所需的数据库表格中。另外，需要对数据的规模进行探索分析，对不同规模的数据采取不同的存储方式和处理工具。为了方便后续为基站节能提供深层次支撑服务，需要通过各种技术手段对数据进行组织或分析，包括缺失数值的处理、数据编码、数据标准化、数据降维等。

数据采集和分析的过程中需要建立数据质量评估和监控体系。在数据采集之后，需对数据质量进行评估，确定数据的可用性，以免因数据质量问题影响后续节能策略的分析。在数据处理的过程中需要监控数据处理的步骤、时间、有效性等，避免因数据处理过程的中断或错误导致后续节能分析的错误。

2.2 分级管理

智能节能方案需结合运营商需求，按场景、价值区域、基站性质等对小区进行分级管理，即对节能小区制定差异化的节能调度方案，并且对不同小区设置节能调度优先级。根据业务量特点可将小区划分为不同场景，不同场景可实施不同的节能手段，具体小区可分为如图3所示的场景1 至场景8 等情况。例如：场景1，话务量高、潮汐效应明显小区（写字楼、商场等），可实行载波关断或深度休眠；场景5，话务量高、潮汐效应不明显且持续高业务量区域（汽车站、火车站等），可实行符号关断、通道关断；场景6，白天和节假日话务量高（景区等），可实行载波关断、符号关断、通道关断；场景7，夜间完全无业务（地铁站等），可实行深度休眠、电源关断。

图3 小区场景分类图

不同价值区域基站智能节能方案需要自动化设定不同的优先级，对于热点区域、口碑区域、重保区域尽量不实施节能操作，对于其他区域可依照整体话务量的多少分先后次序执行节能策略。基站的性质对于节能方案的制定也有重要作用，比如使用频段、4G/5G 网络制式、是否为容量层等都会影响节能分级管理的策略。节能智能化分级管理主要通过AI 分类、聚类算法实现。每个小区的各项特征都由一个矩阵来描述，计算基站矩阵之间的距离，依据距离的大小将全部的基站分为不同的类簇，后续可为每个类簇制定节能优先级并且选择不同的预测模型。

2.3 业务量预测

业务精准预测的目的是在获取的数据基础上，通过历史数据挖掘、实时业务统计、分场景业务模型分析得出待节能小区的预测结果。目前应用于业务量预测的智能算法主要有差分自回归移动平均模型（ARIMA,Autoregressive Integrated Moving Average Model）、Prophet 模型、长短时记忆网络（LSTM,Long Short Term Memory Network）模型等。差分自回归移动平均模型是一种可加性回归模型，该模型的特点是能够对时间序列数据进行较准确的预测，但需要人工确定多个参数，不利于批量模型的训练。Prophet 模型也是一种可加性回归模型，该模型的特点是建模效率高、模型准确性较高、适用性好、能够自动适应空值、可配节假日、事件时间属性等。LSTM 模型是基于循环神经网络的顺序数据算法，该算法包含内部存储器，可以解决循环神经网络无法处理长距离的依赖的问题。LSTM 模型的特点是对于长期的时序数据有较好的预测准确性，但其建模的硬件性能与时间消耗较大，不利于批量训练模型。

基站业务量由于受各种因素影响较多，变化趋势呈现较多特性，往往利用单一时间序列预测算法或已有算法不能得到理想结果，在实际应用中还需要根据不同区域数据的特点设计算法、组合应用。

2.4 节能策略生成与执行

在不同的时间段，不同的区域，基站的使用率是不同的，为了更好地达到节电效果，需要实时地更改节能的策略。节能策略根据2.2 小节的小区分级结果及2.3 小节的业务量预测结果，根据不同节电策略对网络的影响以及节电效果配置不同的生成时间段以及持续时长，通过策略为抓手使节能效果与网络性能达到最佳状态。节能策略需智能化地设定节能模型的优先级、生效时长、节能阈值等。

节能策略的执行需与设备厂商硬件网管OMC 对接，实现节能调度任务下发、节能方案执行等功能。如图4 所示，策略执行主要是将生成的节能策略转化为可在OMC 执行的指令，然后获取节能小区的互斥权限，判断该小区是否正在执行与节能指令互斥的操作，并且对节能小区的现网状态及告警进行查询解析，如果节能小区不存在互斥操作且状态正常，则执行小区节能关断操作并且同步相应网元，执行完成后需释放小区的互斥权限并且检查小区执行后的状态及告警。

图4 节能策略执行流程

2.5 评估体系

智能节能方案需要建立全面的、一体化的评估体系，以保证网络在实施节能策略时不降低网络的运行质量，保证用户的良好体验。智能节能方案的评估体系主要包括指标评估、感知评估、节能评估、操作评估四个方面。指标评估主要是指针对执行节能小区及补偿小区构建实时指标分析机制，确保重要KPI 指标满足要求，如指标恶化效果不佳及时进行回退处理。感知评估是指对节能方案实施后对用户感知的分析，构建用户感知指标分析机制，确保不生成牺牲用户感知得来的节能方案。节能评估指对生成的节能方案产生的节能效果进行计算，评估节能效果，并根据评估的节能效果不断优化节能策略。操作评估主要是指对下发OMC 的节能指令执行日志进行实时解析、分析，及时发现执行失败的指令，根据关键字段获取小区的实时状态。

3 结束语

与4G 网络相比，5G 网络能提供更高速率、更低时延、更大连接密度等网络能力，也在承担显著增加的OPEX成本。据估算，5G 基站功耗是OPEX 成本中增量较大、增幅较高的支出成本。高效智能化的基站设备节能是未来5G 网络发展的必然趋势。5G 基站智能节能方案应结合通信行业产业链的实际发展情况，逐步降低商用设备基础功耗，加快节能软件功能的研发进度。同时，运营商需利用智能化技术，从网络层面协同管理4G/5G 等多制式系统的能耗，推动4G/5G 智能协同节能方案的落地，以达到降低网络能耗的目标。