薛龍來，夏偉，李軻，劉明勇

（1.河南省信息咨詢?cè)O(shè)計(jì)研究有限公司，河南 鄭州 450000；2.中國聯(lián)合網(wǎng)絡(luò)通信有限公司洛陽分公司，河南 洛陽 471000）

0 引言

通信網(wǎng)絡(luò)節(jié)能方案可以劃分為基站設(shè)備節(jié)能方案和網(wǎng)絡(luò)級(jí)節(jié)能方案?；驹O(shè)備節(jié)能方案主要考慮從設(shè)備硬件、軟件特性等方面優(yōu)化設(shè)備能耗，而網(wǎng)絡(luò)級(jí)節(jié)能方案考慮多制式網(wǎng)絡(luò)之間協(xié)作實(shí)現(xiàn)全網(wǎng)能耗最優(yōu)的效果?；驹O(shè)備節(jié)能方案主要有兩種節(jié)能方式，即硬件節(jié)能方案和軟件節(jié)能，硬件節(jié)能通過優(yōu)化設(shè)備硬件設(shè)計(jì)、提高關(guān)鍵芯片的性能與集成度來降低基站設(shè)備的基礎(chǔ)功耗，它對(duì)工藝要求更高，如7 nm/5 nm 技術(shù)[1]。軟件節(jié)能從業(yè)務(wù)運(yùn)營角度出發(fā)對(duì)硬件資源進(jìn)行合理調(diào)配，讓基站設(shè)備更高效運(yùn)行。

軟件節(jié)能通常包括符號(hào)關(guān)斷、通道關(guān)斷、載波關(guān)斷、小區(qū)關(guān)斷/ 深度休眠。網(wǎng)絡(luò)級(jí)節(jié)能包括多制式網(wǎng)絡(luò)之間協(xié)作以及提高前期規(guī)劃設(shè)計(jì)水平，打造宏微協(xié)同、室內(nèi)外結(jié)合的立體異構(gòu)網(wǎng)絡(luò)。

通信業(yè)務(wù)一般具有較明顯的業(yè)務(wù)特征，例如，按時(shí)間段分為業(yè)務(wù)忙和業(yè)務(wù)閑時(shí)，軟件節(jié)能技術(shù)可根據(jù)業(yè)務(wù)在時(shí)間上的分布特征，以及網(wǎng)絡(luò)負(fù)荷的變化，在保證預(yù)定指標(biāo)的前提下，通過調(diào)整基站軟件功能配置對(duì)硬件資源進(jìn)行合理調(diào)配，從而達(dá)到節(jié)約基站能耗的目的。

對(duì)于基站來講，應(yīng)針對(duì)不同的場(chǎng)景選取不同的節(jié)能策略。根據(jù)節(jié)能場(chǎng)景識(shí)別模型及網(wǎng)格化業(yè)務(wù)量預(yù)測(cè)，基站可以針對(duì)不同的節(jié)能場(chǎng)景采取不同的軟件節(jié)能策略，最大限度地節(jié)能降耗。

兩步聚類模型是一種分層聚類算法（Herarchical Algorithms），其算法適合任何尺度的變量。兩步聚類分析主要是利用距離測(cè)度假設(shè)聚類模型的變量均為自變量，即假設(shè)連續(xù)型變量為正態(tài)分布，分類變量為多項(xiàng)式，使用經(jīng)驗(yàn)內(nèi)部檢驗(yàn)方法穩(wěn)定自變量假設(shè)及分布假設(shè)的干擾。兩步聚類分析可以產(chǎn)生不同的聚類判別信息、最終聚類的聚類頻數(shù)和描述性統(tǒng)計(jì)量，而且可以產(chǎn)生聚類頻數(shù)的條形圖和變量的重要性圖。其有以下幾個(gè)特點(diǎn)：一是可以處理分類變量和連續(xù)型變量，二是自動(dòng)選擇聚類數(shù)，三是有效地分析大樣本數(shù)據(jù)。

兩步聚類算法通過預(yù)聚類和聚類兩個(gè)步驟完成。預(yù)聚類（pre-clustering）階段。采用了BIRCH（Balanced Iterative Reducing and Clustering using Hierarchies）算法中CF（Clustering Feature Tree）樹生長的思想，逐個(gè)讀取數(shù)據(jù)集中數(shù)據(jù)點(diǎn)，在生成CF 樹的同時(shí)，預(yù)先聚類密集區(qū)域的數(shù)據(jù)點(diǎn)，形成諸多的小的子簇（sub-cluster）。

聚類（clustering）階段。以預(yù)聚類階段的結(jié)果子簇為對(duì)象，在得到CF 樹之后，通過繼續(xù)使用對(duì)數(shù)似然距離度量方法，根據(jù)距離最小原則將預(yù)處理的聚類進(jìn)行合并，從而得到數(shù)量合適的聚類集合。

由此考慮通信業(yè)務(wù)的時(shí)間、空間特征，提取網(wǎng)絡(luò)KPI，將具有相似業(yè)務(wù)特征的基站小區(qū)聚為一類，再根據(jù)其覆蓋場(chǎng)景、網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)變化情況、網(wǎng)絡(luò)結(jié)構(gòu)、共站情況、載波配置情況等作為前置條件，選擇合適的節(jié)能策略。本文充分分析基站基礎(chǔ)數(shù)據(jù)及網(wǎng)絡(luò)KIP 數(shù)據(jù)，結(jié)合基站小區(qū)覆蓋場(chǎng)景，提出了將節(jié)能場(chǎng)景識(shí)別、網(wǎng)格化基站小區(qū)流量預(yù)測(cè)和三個(gè)節(jié)能策略判決條件相結(jié)合的5G 基站節(jié)能策略。

1 5G基站節(jié)能場(chǎng)景分析

1.1 業(yè)務(wù)理解

通信業(yè)務(wù)存在明顯的潮汐效應(yīng)，不同時(shí)段網(wǎng)絡(luò)負(fù)荷波動(dòng)很大，而大部分基站設(shè)備均為24 小時(shí)不間斷運(yùn)行狀態(tài)，無法根據(jù)網(wǎng)絡(luò)負(fù)荷和覆蓋目標(biāo)場(chǎng)景進(jìn)行智能節(jié)能，從而增加能耗成本。通過收集歷史時(shí)間空間數(shù)據(jù)，分析PRB 資源利用率等KPI 的變化規(guī)律，利用聚類算法對(duì)覆蓋小區(qū)的網(wǎng)絡(luò)KPI進(jìn)行分析和評(píng)估，根據(jù)運(yùn)營商策略與覆蓋場(chǎng)景，給出恰當(dāng)?shù)墓?jié)能策略（如小區(qū)關(guān)斷/深度休眠時(shí)間等），從而在保障網(wǎng)絡(luò)性能的同時(shí)，降低基站能耗，減少運(yùn)行成本[2]。

對(duì)某一批基站小區(qū)，提取一段時(shí)間內(nèi)24 小時(shí)的某些特定業(yè)務(wù)指標(biāo)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，并按照凌晨00～07 點(diǎn)，白天08～19 點(diǎn)，夜晚20～23 點(diǎn)三個(gè)時(shí)間段切分。采用兩步聚類法，分別對(duì)上述時(shí)間段的數(shù)據(jù)聚類得到具體的聚類結(jié)果，并對(duì)三個(gè)時(shí)間段所聚類的每種類型與每個(gè)基站小區(qū)做出映射關(guān)系，以三個(gè)時(shí)間段所有聚類分類組合為對(duì)象求出其所對(duì)應(yīng)的集合Set，Set 中元素個(gè)數(shù)即為聚類組合個(gè)數(shù)N。

1.2 數(shù)據(jù)準(zhǔn)備

（1）設(shè)備信息

基站小區(qū)基礎(chǔ)信息：室分/ 宏站、小區(qū)標(biāo)識(shí)、統(tǒng)計(jì)時(shí)間、頻段、經(jīng)度、緯度。

（2）網(wǎng)絡(luò)層數(shù)據(jù)

上行PRB 平均利用率、上行PRB 利用率最大值、下行PRB 平均利用率、下行PRB 利用率最大值。

（3）業(yè)務(wù)層數(shù)據(jù)

空口上行業(yè)務(wù)流量、空口下行業(yè)務(wù)流量、RRC 連接最大數(shù)、RRC 連接平均數(shù)。

（4）用戶感知數(shù)據(jù)

RRC 連接建立成功率、E-RAB 建立成功率。

1.3 數(shù)據(jù)預(yù)處理

（1）數(shù)據(jù)集成與轉(zhuǎn)換

將相似屬性字段進(jìn)行取舍，選取代表性的字段。由于不同指標(biāo)單位和量級(jí)不一樣，導(dǎo)致聚類結(jié)果不合理，在聚類前采用0-1 標(biāo)準(zhǔn)化對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，轉(zhuǎn)換公式如下：。

（2）數(shù)據(jù)清洗

采用數(shù)據(jù)審核節(jié)點(diǎn)對(duì)數(shù)據(jù)的完整性進(jìn)行檢查，刪除數(shù)據(jù)中存在字段信息的錯(cuò)誤值或無效值，并采用分類回歸樹（C&RT）算法對(duì)空值進(jìn)行缺失值差補(bǔ)。

1.4 數(shù)據(jù)建模

數(shù)據(jù)預(yù)處理后的信息如表1 所示。接著分別對(duì)凌晨時(shí)段、白天時(shí)段、夜晚時(shí)段等三個(gè)時(shí)間段所屬的數(shù)據(jù)進(jìn)行兩步聚類。首先進(jìn)行預(yù)聚類，得到聚類數(shù)目的一個(gè)粗略估計(jì)值J。接著在預(yù)聚類基礎(chǔ)上進(jìn)行聚類，確定J的最終值。將三個(gè)時(shí)間段得到的J的最終值J1、J2、J3，與每個(gè)小區(qū)相對(duì)應(yīng)，對(duì)三個(gè)聚類結(jié)果合并去重，并將三個(gè)時(shí)間段聚類分類進(jìn)行組合，輸出聚類結(jié)果。如表2 所示，凌晨聚類-4 表示為凌晨時(shí)間段第四種分類。

表1 處理后的網(wǎng)絡(luò)KPI數(shù)據(jù)示例

表2 聚類結(jié)果及聚類組合示例

1.5 聚類結(jié)果分析

對(duì)某一批基站小區(qū)數(shù)量為S的聚類結(jié)果分析如表3所示。輪廓系數(shù)通常作為聚類質(zhì)量好壞的評(píng)估指標(biāo)，輪廓系數(shù)的取值區(qū)間為[-1,1]。-1 代表分類效果差，1 代表分類效果好。0 代表聚類重疊，沒有很好地劃分聚類。可以看到該兩步聚類的輪廓系數(shù)為0.6、0.8，說明聚類質(zhì)量較高，結(jié)果較為理想。

表3 聚類結(jié)果分析示例

根據(jù)對(duì)聚類輸入?yún)?shù)變量重要性的預(yù)測(cè)結(jié)果，選出最能反映出基站小區(qū)“繁忙程度”的分時(shí)段RRC 連接平均數(shù)、空口下行業(yè)務(wù)流量、下行PRB 平均利用率三項(xiàng)指標(biāo)，通過以下原則判斷該小區(qū)是否為節(jié)能場(chǎng)景。

具體思路是，對(duì)于按照三個(gè)時(shí)間段切分的網(wǎng)絡(luò)KIP 數(shù)據(jù)，假設(shè)在三個(gè)時(shí)間段下等到的聚類個(gè)數(shù)結(jié)果分別是J1，J2，J3。分別在J1，J2，J3下，求出每個(gè)聚類分類的三項(xiàng)指標(biāo)均值，通過歸一化處理，并采用熵權(quán)法，得到每個(gè)聚類分類下三項(xiàng)指標(biāo)的值，若該值大于0.5 定義為“高”，否則定義為“低”。則對(duì)于某一聚類組合Jx1/Jx2/Jx3，若存在高低不同的情況，則該聚類組合即為節(jié)能場(chǎng)景聚類組合。

（1）采用0-1 標(biāo)準(zhǔn)化對(duì)以上三個(gè)字段數(shù)據(jù)分時(shí)段進(jìn)行歸一化處理，處理方法如式(1)、式(2)：

例如在某時(shí)間段下第i個(gè)聚類分類的第j個(gè)指標(biāo)是xij，歸一化后為x'ij。若指標(biāo)為正向指標(biāo)，則選用式(1)，若指標(biāo)為負(fù)向指標(biāo)，則選用式(2)。接著對(duì)上述分時(shí)段的三個(gè)指標(biāo)，采用熵權(quán)法計(jì)算各指標(biāo)的權(quán)重。

1）由如下信息熵公式計(jì)算三項(xiàng)指標(biāo)各自的信息熵：

其中，第i個(gè)聚類分類的第j個(gè)指標(biāo)的比重，定義如果pij=0，則。

2）計(jì)算第j個(gè)指標(biāo)的權(quán)重如式(4)：

（2）對(duì)數(shù)量為S的基站小區(qū)，如表2 所示的每個(gè)小區(qū)對(duì)應(yīng)的聚類組合，即小區(qū)與聚類組合之間的映射，以所有聚類組合為對(duì)象求出其所對(duì)應(yīng)的集合Set。

（3）以Set 內(nèi)每種聚類組合為對(duì)象，求出三個(gè)時(shí)間段下每種聚類的三項(xiàng)指標(biāo)均值ERRC連接平均數(shù)、E′空口下行業(yè)務(wù)流量、E下行PRB平均利用率，并將其歸一化處理，分別記為E′RRC連接平均數(shù)、E′空口下行業(yè)務(wù)流量、E′下行PRB平均利用率。

（4）在上述三個(gè)時(shí)間段下，分別將E′RRC連接平均數(shù)、E′空口下行業(yè)務(wù)流量、E′下行PRB平均利用率乘以相對(duì)應(yīng)的Wj，按式(5)求出該時(shí)段下綜合歸一化值Z：

（5）分別對(duì)凌晨、白天、夜晚三個(gè)時(shí)段按照其Z值的大小進(jìn)行判斷，大于0.5 判斷為“高”值，否則為“低”值。

（6）最后進(jìn)行節(jié)能場(chǎng)景判斷，將凌晨、白天、夜晚三個(gè)時(shí)段的Z值全為“低”的定義為低效能小區(qū)；Z值全為“高”的定義為高效能小區(qū)；其它的各種組合形式均為存在節(jié)能場(chǎng)景的基站小區(qū)，如表4 所示。

表4 節(jié)能場(chǎng)景分析示例

（7）對(duì)于存在節(jié)能場(chǎng)景的基站小區(qū)，定義節(jié)能時(shí)段的節(jié)能指數(shù)，其值取值范圍在[0,1]之間，值越大代表其在該時(shí)段內(nèi)此基站小區(qū)優(yōu)先選取合適的節(jié)能策略進(jìn)行節(jié)能，節(jié)能指數(shù)的計(jì)算方法是分時(shí)段提取分析小區(qū)級(jí)該時(shí)段內(nèi)RRC 連接平均數(shù)、空口下行業(yè)務(wù)流量、下行PRB 平均利用率，求出上述三項(xiàng)指標(biāo)的小時(shí)均值，同時(shí)對(duì)該三項(xiàng)指標(biāo)按照歸一化處理，公式為，其中。對(duì)數(shù)量為S的基站小區(qū)，經(jīng)過上述處理后的結(jié)果如表5 所示。

表5 節(jié)能指數(shù)分析示例

2 網(wǎng)格化基站小區(qū)流量預(yù)測(cè)

本文基于移動(dòng)數(shù)據(jù)流量居住區(qū)和工作區(qū)的空間遷移特性，以及流量時(shí)間分布上基于時(shí)間段的分布特性，通過基站在不同時(shí)段的歷史流量負(fù)載數(shù)據(jù)預(yù)測(cè)未來某段時(shí)間流量負(fù)載[3]。每個(gè)網(wǎng)格處的流量由式(6) 給出[4]：

按照上述方法，結(jié)合基站扇區(qū)方位角等參數(shù)，進(jìn)而得到單扇區(qū)i的覆蓋區(qū)域，通過該區(qū)域內(nèi)包含網(wǎng)格數(shù)量多少可以計(jì)算扇區(qū)i下一天12 個(gè)時(shí)段內(nèi)扇區(qū)i覆蓋區(qū)域的流量Li，以上即完成數(shù)學(xué)模型搭建。該方法計(jì)算復(fù)雜度較小，基于歷史數(shù)據(jù)預(yù)測(cè)未來時(shí)段流量負(fù)載，與實(shí)際流量負(fù)載的空間分布一致，可通過編寫程序即可完成。

以某一大型商業(yè)批發(fā)市場(chǎng)為例，如圖1 所示，基站1主覆蓋該區(qū)域，為便于分析，將該區(qū)域劃分為50×50 m 精度網(wǎng)格，通過上述流量預(yù)測(cè)算法，得到不同時(shí)段的流量地圖，圖中顏色越靠近紅色表示流量負(fù)載越大，越靠近藍(lán)色表示流量負(fù)載越小?？梢娫诹璩?～4 點(diǎn)兩個(gè)小時(shí)內(nèi)，該區(qū)域流量值較低，流量?jī)H為2.3 GB/h；在白天7～9 點(diǎn)兩個(gè)小時(shí)內(nèi)，商戶陸續(xù)開門營業(yè)，人流量逐漸增大，流量持續(xù)上升，為9.2 GB/h；而在白天9～11 點(diǎn)兩個(gè)小時(shí)內(nèi)，人流量持續(xù)增大，流量繼續(xù)上升，達(dá)到16.6 GB/h。這些流量地圖清晰地反映了移動(dòng)數(shù)據(jù)流量在時(shí)間和空間上的變化。

圖1 網(wǎng)格化流量預(yù)測(cè)示例

3 節(jié)能場(chǎng)景的節(jié)能策略推薦

本文所涉及的節(jié)能策略主要包括符號(hào)關(guān)斷、通道關(guān)斷、載波關(guān)斷、小區(qū)關(guān)斷/深度休眠。

根據(jù)上述計(jì)算得到的節(jié)能場(chǎng)景聚類結(jié)果及小區(qū)節(jié)能指數(shù)，將節(jié)能小區(qū)與現(xiàn)網(wǎng)小區(qū)覆蓋場(chǎng)景進(jìn)行關(guān)聯(lián)，實(shí)現(xiàn)更詳細(xì)的業(yè)務(wù)場(chǎng)景劃分。如地鐵、高鐵車站、5A 級(jí)景區(qū)、三甲及以上醫(yī)院、高校校園等。同時(shí)針對(duì)重要場(chǎng)景設(shè)定白名單機(jī)制，如重要機(jī)關(guān)單位、VIP、重要大客戶等，申請(qǐng)建立黑白名單機(jī)制，針對(duì)黑名單小區(qū)采取謹(jǐn)慎操作的策略[6]。具體來說，結(jié)合基站所覆蓋區(qū)域的場(chǎng)景屬性關(guān)聯(lián)匹配相應(yīng)的節(jié)能方案，下面對(duì)一些重點(diǎn)區(qū)域的節(jié)能場(chǎng)景策略說明如下：

（1）交通樞紐

高鐵車站，是口碑型場(chǎng)景，一般為室分覆蓋，可進(jìn)行符號(hào)關(guān)斷，夜晚用戶較少時(shí)容量層可進(jìn)行載波關(guān)斷，凌晨無列車運(yùn)行，車站一般關(guān)閉，無用戶時(shí)可開啟小區(qū)關(guān)斷/深度休眠。

（2）商業(yè)購物區(qū)

大型商業(yè)購物區(qū)，是口碑型場(chǎng)景，一般為室分覆蓋，可進(jìn)行符號(hào)關(guān)斷，不宜開啟通道關(guān)斷。該類場(chǎng)景潮汐效應(yīng)明顯，夜晚用戶較少時(shí)容量層可進(jìn)行載波關(guān)斷，凌晨無用戶時(shí)可開啟小區(qū)關(guān)斷/深度休眠。

（3）學(xué)校校園

高校多為多層網(wǎng)，存在室外宏站覆蓋和室分覆蓋，在教學(xué)樓和宿舍之間存在潮汐效應(yīng)?？蛇M(jìn)行符號(hào)關(guān)斷和通道關(guān)斷，夜間宿舍里用戶較多，可進(jìn)行載波關(guān)斷或調(diào)整小區(qū)關(guān)斷時(shí)間，對(duì)于教學(xué)樓可凌晨可開啟小區(qū)關(guān)斷/深度休眠。

（4）地鐵

地鐵是口碑型場(chǎng)景，白天可進(jìn)行符號(hào)關(guān)斷和通道關(guān)斷，凌晨地鐵無運(yùn)營期間可對(duì)所有地鐵小區(qū)開啟小區(qū)關(guān)斷/深度休眠。

對(duì)于白名單基站小區(qū)不進(jìn)行任何節(jié)能操作，否則進(jìn)一步判斷節(jié)能場(chǎng)景的推薦策略是否包含載波關(guān)斷或者小區(qū)關(guān)斷/深度休眠，若不包含則按照覆蓋場(chǎng)景匹配的節(jié)能策略執(zhí)行。若包含則對(duì)該基站小區(qū)進(jìn)行網(wǎng)格化流量預(yù)測(cè)，再結(jié)合節(jié)能場(chǎng)景的節(jié)能時(shí)段（凌晨、白天、夜晚）確定具體的節(jié)能時(shí)間，節(jié)能時(shí)間與流量預(yù)測(cè)的時(shí)間顆粒度相同均為2 小時(shí)。

4 節(jié)能判決條件

根據(jù)基站小區(qū)覆蓋場(chǎng)景結(jié)合網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)變化情況，本文將網(wǎng)絡(luò)結(jié)構(gòu)、4G/5G 共站情況、載波配置情況、流量負(fù)載與頻帶資源的等效關(guān)系、PRB 利用率等作為前置條件，選擇合適的節(jié)能策略，由此引入三個(gè)判決條件：

4.1 判決條件一

采用基于MR（Measurement Report）鄰區(qū)對(duì)的同覆蓋小區(qū)判決方法[7]，“是”表示某區(qū)域存在5G 覆蓋層小區(qū)和5G 容量層小區(qū)，“否”表示某區(qū)域只存在5G 覆蓋層小區(qū)，MR 鄰區(qū)對(duì)的共覆蓋判決方法：

首先，假設(shè)有A、B 兩個(gè)小區(qū)，采集鄰區(qū)對(duì)A-B 和B-A的MR，在前的是主服務(wù)小區(qū)，在后的是鄰小區(qū)。

然后，在鄰區(qū)對(duì)的1 個(gè)采樣點(diǎn)中，若鄰區(qū)的電平高于-105 dBm，或鄰區(qū)的電平小于-105 dBm 且比主服務(wù)小區(qū)的電平大-3 dB 以上，則該采樣點(diǎn)是好點(diǎn)。統(tǒng)計(jì)鄰區(qū)對(duì)內(nèi)好點(diǎn)的數(shù)量，比上鄰區(qū)對(duì)總采樣點(diǎn)的數(shù)量，記為好點(diǎn)比例。

最后，若A-B 鄰區(qū)對(duì)的好點(diǎn)比例高于80%，而B-A鄰區(qū)對(duì)的好點(diǎn)比例低于80%，則認(rèn)為B 是A 的容量層；若兩個(gè)鄰區(qū)對(duì)的好點(diǎn)比例均高于80%，則A、B 小區(qū)可減容好點(diǎn)比例高的那個(gè)小區(qū)；若兩個(gè)鄰區(qū)對(duì)的好點(diǎn)比例均低于80%，則A、B 小區(qū)均不可減容；若B-A 鄰區(qū)對(duì)的好點(diǎn)比例高于80%，而A-B 鄰區(qū)對(duì)的好點(diǎn)比例低于80%，則認(rèn)為A 是B 的容量層。

4.2 判決條件二

采用流量負(fù)載與頻帶資源等效方法[8]，是表示與某5G扇區(qū)同覆蓋下的4G 扇區(qū)的頻帶資源在滿足原有4G 流量負(fù)載需求的前提下，能滿足新增頻帶資源的需求，否表示不能。

由香農(nóng)公式，扇區(qū)i下用戶的平均數(shù)據(jù)傳輸速率為Ci=Wlog(1+S/N)，為信號(hào)與噪聲的功率之比，是無量綱單位，其中基站間干擾同樣可以考慮為高斯白噪聲，其中g(shù)i是扇區(qū)i下用戶接收信號(hào)的平均路徑損耗，gi可通過Uma 信道模型給出，分為PLUMa-LOS和PLUMa-NLOS。信號(hào)衰減的因素主要包括信道衰落和瑞利衰減；W為信道帶寬；di為扇區(qū)i下用戶與扇區(qū)i的平均距離，dim為扇區(qū)i下用戶與可接受到信號(hào)的鄰居扇區(qū)m的平均距離；pi為基站j的傳輸功率，σ0為高斯白噪聲。在實(shí)際工程應(yīng)用中可用SINR信噪比代替S/N，由于SINR以分貝（dB）為單位，且二者之間的換算關(guān)系為：

因此扇區(qū)i下用戶的平均數(shù)據(jù)傳輸速率為Ci可變?yōu)楣健９街械腟INR 均為下行SINR，由于MR 數(shù)據(jù)中無法直接提取下行SINR，但該值可由MR 提取的RSRQ（Reference Signal Receiving Quality）通過一定的換算關(guān)系等效得到，換算公式為，其中X為基站小區(qū)用戶使用的RB 數(shù)量，N是全帶寬的RB 數(shù)目，SINR 值還可通過DT（Drive Test）和CQT（Call Quality Test）可進(jìn)一步加以驗(yàn)證，并修正該值。

假設(shè)在某節(jié)能時(shí)間段T內(nèi)預(yù)測(cè)5G 扇區(qū)i5G覆蓋區(qū)域下的負(fù)載為Li，則此時(shí)間段內(nèi)的平均數(shù)據(jù)傳輸速率Ci=Li/T，由此可得在該時(shí)間段內(nèi)的扇區(qū)下i5G覆蓋區(qū)域所需頻帶資源為，若此時(shí)與該5G 扇區(qū)i5G同覆蓋下的4G 扇區(qū)i4G的頻帶資源在滿足原有4G流量負(fù)載需求的前提下，仍可滿足新增頻帶資源Wi5G的需求，且5G 接入用戶較少或無接入用戶，此時(shí)可將5G 扇區(qū)i5G的AAU 進(jìn)行深度休眠[9]。

4.3 判決條件三

采用15 分鐘顆粒度提取小區(qū)PRB 利用率，根據(jù)實(shí)際分析需要也可采用其他時(shí)間顆粒度。是表示小區(qū)PRB 利用率小于40%，否表示小區(qū)PRB 利用率大于等于40%。

5 節(jié)能策略推薦流程

如圖2 所示，為最終的基站節(jié)能策略推薦流程[10]，現(xiàn)對(duì)部分關(guān)鍵流程簡(jiǎn)要說明如下：

圖2 基站節(jié)能策略推薦流程

首先進(jìn)行數(shù)學(xué)模型搭建，包括提取歷史網(wǎng)絡(luò)數(shù)據(jù)，使用兩步聚類法進(jìn)行節(jié)能場(chǎng)景識(shí)別與節(jié)能指數(shù)計(jì)算，同時(shí)進(jìn)行網(wǎng)格化流量模型搭建。

接著對(duì)于節(jié)能場(chǎng)景的基站小區(qū)關(guān)聯(lián)覆蓋場(chǎng)景匹配的節(jié)能策略，然后判斷是否為白名單基站小區(qū)，對(duì)于白名單基站小區(qū)不進(jìn)行任何節(jié)能操作，否則進(jìn)一步判斷節(jié)能場(chǎng)景的推薦策略是否包含載波關(guān)斷或者小區(qū)關(guān)斷/ 深度休眠，若不包含則按照覆蓋場(chǎng)景匹配的節(jié)能策略執(zhí)行，若包含則對(duì)該基站小區(qū)進(jìn)行網(wǎng)格化流量預(yù)測(cè)。

然后對(duì)該基站小區(qū)是否為4G/5G 共站進(jìn)行判斷，若為是，則用判決條件一進(jìn)行判斷，若滿足條件一則對(duì)5G容量層小區(qū)進(jìn)行節(jié)能操作，5G 容量層小區(qū)又分為5G 容量層單載波小區(qū)和5G 容量層多載波小區(qū)，對(duì)于5G 容量層單載波小區(qū)則直接采用深度休眠策略，對(duì)于5G 容量層多載波小區(qū)則先采用載波關(guān)斷節(jié)能策略，達(dá)到一定時(shí)間后進(jìn)一步采用判決條件三進(jìn)行判決，若滿足條件三則采用深度休眠策略，否則結(jié)束載波關(guān)斷狀態(tài)。

同理我們也可應(yīng)用三個(gè)判決條件得出其他策略選擇流程的判斷過程。

6 結(jié)論

通過選取全網(wǎng)華為區(qū)8 148 個(gè)小區(qū)，其中存在節(jié)能場(chǎng)景的1 372 個(gè)，占比約16.84%，節(jié)能時(shí)段約占全天1/2～2/3，節(jié)能效果相當(dāng)可觀。

本文系統(tǒng)性地將分析得到的基站小區(qū)節(jié)能場(chǎng)景及其節(jié)能策略推薦模型、流量預(yù)測(cè)、流量負(fù)載與頻帶資源等效方法、小區(qū)共覆蓋判決等，生成三個(gè)判決條件作為前置條件，根據(jù)前置條件將常用的幾種節(jié)能方式有機(jī)地結(jié)合起來，最終生成智能節(jié)能技術(shù)流程模型圖該技術(shù)流程模型圖將基站級(jí)節(jié)能與網(wǎng)絡(luò)級(jí)節(jié)能以及基站小區(qū)節(jié)能場(chǎng)景的節(jié)能策略模型充分結(jié)合起來，根據(jù)實(shí)際的網(wǎng)絡(luò)覆蓋情況和業(yè)務(wù)側(cè)數(shù)據(jù)預(yù)測(cè)情況智能、動(dòng)態(tài)地進(jìn)行節(jié)能策略的選擇切換，從而較為科學(xué)合理地進(jìn)行5G 基站節(jié)能降耗。