李 露 李福昌

中國(guó)聯(lián)通研究院 北京 100048

引言

隨著國(guó)內(nèi)5G大規(guī)模建設(shè)的加速，運(yùn)營(yíng)商在承擔(dān)大量5G網(wǎng)絡(luò)建設(shè)費(fèi)用的同時(shí)，也面臨OPEX成本的巨大壓力。與傳統(tǒng)基站相比，5G基站站址更密集、建設(shè)環(huán)境更復(fù)雜、站點(diǎn)功耗更高。運(yùn)營(yíng)商現(xiàn)網(wǎng)移動(dòng)業(yè)務(wù)能耗成本占總能耗成本約70%，其中基站能耗比例超過(guò)九成，基站能耗成本巨大。在5G網(wǎng)絡(luò)共建共享的大背景下，5G基站設(shè)備對(duì)頻段、帶寬、功率等性能指標(biāo)等都提出更高要求，5G基站不僅支持3.5GHz等5G商用頻段，同時(shí)還需支持2.1GHz等重耕頻段；設(shè)備的硬件能力由支持3.5GHz頻段100MHz帶寬、200W最大發(fā)射功率演變?yōu)橹С?00MHz帶寬、320W等大帶寬、高功率的新要求?，F(xiàn)網(wǎng)對(duì)基站設(shè)備的更高要求，導(dǎo)致基站的能耗不斷增大，如5G基站能耗是4G能耗的3.5～4.5倍，運(yùn)營(yíng)商將面臨巨大的OPEX電費(fèi)壓力[1-4]。如何降低現(xiàn)網(wǎng)基站能耗是通信行業(yè)亟待解決的問(wèn)題。

傳統(tǒng)節(jié)能技術(shù)基于網(wǎng)管話務(wù)統(tǒng)計(jì)，分時(shí)段批量關(guān)斷設(shè)備，不能支持實(shí)時(shí)、跨網(wǎng)絡(luò)、靈活智能的節(jié)能管理，導(dǎo)致節(jié)能效果不佳、運(yùn)維復(fù)雜難度增加。5G時(shí)代，2G、3G、4G、5G多種制式系統(tǒng)會(huì)在一段時(shí)期內(nèi)共存，隨著云化架構(gòu)的演進(jìn)，多制式系統(tǒng)將逐步融合，需要從全網(wǎng)最優(yōu)的角度綜合考慮網(wǎng)絡(luò)能力和能耗成本。為滿足5G網(wǎng)絡(luò)高功耗、多制式并存、能耗精細(xì)化管理等技術(shù)挑戰(zhàn)，5G基站設(shè)備節(jié)能方案應(yīng)結(jié)合通信行業(yè)產(chǎn)業(yè)鏈的實(shí)際發(fā)展情況，不斷采用新工藝、新材料、新方案、新設(shè)計(jì)等創(chuàng)新技術(shù)，不斷改進(jìn)基站設(shè)備產(chǎn)品設(shè)計(jì)，降低商用設(shè)備基礎(chǔ)功耗；同時(shí)，加快軟件新節(jié)能功能的研發(fā)進(jìn)度，商用設(shè)備必須支持智能符號(hào)關(guān)斷、智能載波關(guān)斷、小區(qū)關(guān)斷、深度休眠、智能通道關(guān)斷等節(jié)能方案[5-8]。從網(wǎng)絡(luò)層面，4G/5G等多制式系統(tǒng)的協(xié)同管理入手，逐步在現(xiàn)網(wǎng)開(kāi)展4G/5G智能節(jié)能平臺(tái)試點(diǎn)，將人工智能技術(shù)應(yīng)用在通信網(wǎng)絡(luò)智能化、自動(dòng)化的智能管理中，以達(dá)到綜合網(wǎng)絡(luò)能力強(qiáng)、用戶體驗(yàn)優(yōu)、能耗低的目標(biāo)，真正降低運(yùn)營(yíng)商O(píng)PEX成本，提高網(wǎng)絡(luò)整體競(jìng)爭(zhēng)力。

1 基站節(jié)能基本原理

通信網(wǎng)絡(luò)節(jié)能方案可以劃分為基站節(jié)能方案和網(wǎng)絡(luò)級(jí)節(jié)能方案?；竟?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。基站設(shè)備節(jié)能方案主要有兩種方式，即硬件節(jié)能方案和軟件節(jié)能方案，硬件節(jié)能降低基站設(shè)備的基礎(chǔ)功耗，軟件節(jié)能從業(yè)務(wù)運(yùn)營(yíng)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。

硬件節(jié)能方案主要通過(guò)優(yōu)化設(shè)備硬件設(shè)計(jì)、改進(jìn)生成工藝以及設(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?；驹O(shè)備硬件節(jié)能方案可以通過(guò)提高硬件平臺(tái)集成度，加快半導(dǎo)體工藝更新?lián)Q代，加快新材料、新技術(shù)、新工藝等技術(shù)創(chuàng)新和產(chǎn)品應(yīng)用，持續(xù)降低基站設(shè)備能耗水平。例如，為了提高AAU設(shè)備的能效，需要從功放模塊、數(shù)字基帶(含數(shù)字中頻、基帶模塊)、收發(fā)機(jī)等對(duì)功耗影響較大的關(guān)鍵器件進(jìn)行技術(shù)升級(jí)，例如提高ASIC芯片比例，同時(shí)采用更高工藝(如5nm、3nm技術(shù))來(lái)降低能耗并減少芯片面積，從而提高集成度，減少AAU芯片數(shù)量，整體降低熱耗。

軟件節(jié)能方案根據(jù)通信網(wǎng)絡(luò)業(yè)務(wù)在時(shí)間、空間等分布特征，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(guò)基站軟件功能配置，對(duì)硬件資源進(jìn)行合理調(diào)配，實(shí)現(xiàn)高效利用資源的目的。在網(wǎng)絡(luò)中，為了實(shí)現(xiàn)軟件節(jié)能功能，基站除了要支持軟件功能對(duì)相應(yīng)硬件的控制外，還需要支持能耗數(shù)據(jù)的采集、交互、上報(bào)，以及BBU和AAU/RRU與網(wǎng)管之間的狀態(tài)信息交互。基站軟件技能方案主要包括符號(hào)關(guān)斷、通道關(guān)斷、載波關(guān)斷、小區(qū)關(guān)斷、深度休眠、功放調(diào)壓等[9]。

網(wǎng)絡(luò)級(jí)節(jié)能方案應(yīng)用于多制式共存的網(wǎng)絡(luò)中，考慮不同網(wǎng)絡(luò)制式之間的協(xié)同，使全網(wǎng)的能耗與網(wǎng)絡(luò)性能達(dá)到最優(yōu)。例如，4G/5G同覆蓋區(qū)域內(nèi)，可根據(jù)4G網(wǎng)絡(luò)與5G網(wǎng)絡(luò)的業(yè)務(wù)量等指標(biāo)的變化情況，靈活管理AAU/RRU設(shè)備的關(guān)斷時(shí)段，實(shí)現(xiàn)降低基站設(shè)備能耗的目的。若5G網(wǎng)絡(luò)的業(yè)務(wù)負(fù)荷較低，則可動(dòng)態(tài)關(guān)斷5G AAU/RRU載波，降低5G網(wǎng)絡(luò)的能耗，同時(shí)，5G網(wǎng)絡(luò)的業(yè)務(wù)量可由4G網(wǎng)絡(luò)承載。若5G網(wǎng)絡(luò)負(fù)荷超過(guò)預(yù)定門(mén)限，則開(kāi)啟5G小區(qū)，恢復(fù)正常的5G網(wǎng)絡(luò)覆蓋。若4G網(wǎng)絡(luò)的負(fù)荷低于預(yù)定門(mén)限，可通過(guò)關(guān)斷4G射頻通道或載波的方式，降低4G網(wǎng)絡(luò)的能耗[10]。

本文將重點(diǎn)討論網(wǎng)絡(luò)級(jí)節(jié)能方案，基于人工智能算法來(lái)預(yù)測(cè)小區(qū)業(yè)務(wù)量、靈活調(diào)整節(jié)能策略，使得智能節(jié)能方案可在多制式網(wǎng)絡(luò)、不同小區(qū)場(chǎng)景下智能適配，在不影響業(yè)務(wù)體驗(yàn)的前提下達(dá)到更好的節(jié)能效果。

2 網(wǎng)絡(luò)級(jí)智能節(jié)能方案

網(wǎng)絡(luò)級(jí)智能節(jié)能方案可以實(shí)現(xiàn)多制式無(wú)線網(wǎng)絡(luò)基站設(shè)備(如4G/5G基站設(shè)備)智能化、精細(xì)化、規(guī)?；?jié)能管理能力；實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)基礎(chǔ)設(shè)施，如電源、備電等系統(tǒng)按照多種系統(tǒng)制式的智能化管控，支持功耗數(shù)據(jù)精確采集上報(bào)、支持電源按系統(tǒng)制式和設(shè)備類型的分路智能供電等功能；支持對(duì)基站AAU/RRU等設(shè)備節(jié)能控制功能，支持符號(hào)關(guān)斷、通道關(guān)斷、載波關(guān)斷、深度休眠、電源關(guān)斷等節(jié)能特性[11-14]。

網(wǎng)絡(luò)級(jí)智能節(jié)能方案應(yīng)支持分場(chǎng)景、智能化基站節(jié)能策略管理，以全網(wǎng)能耗最優(yōu)為網(wǎng)絡(luò)級(jí)節(jié)能策略，以基于AI的智能業(yè)務(wù)精確預(yù)測(cè)、智能節(jié)能策略生成等功能，打破基礎(chǔ)設(shè)施數(shù)字化孤島，實(shí)現(xiàn)網(wǎng)絡(luò)能耗數(shù)據(jù)實(shí)時(shí)、高精度采集能力，并支持根據(jù)網(wǎng)絡(luò)基礎(chǔ)設(shè)施狀態(tài)，靈活管控基站的能耗情況。

本文下面將重點(diǎn)研究基于AI的網(wǎng)絡(luò)級(jí)節(jié)能方案，通過(guò)應(yīng)用不同的AI算法，如基于聯(lián)邦學(xué)習(xí)的節(jié)能方案、基于強(qiáng)化學(xué)習(xí)的節(jié)能方案等，提升節(jié)能預(yù)測(cè)精度和適用范圍，實(shí)現(xiàn)對(duì)單個(gè)基站設(shè)備功耗的智能化管理。智能節(jié)能方案可以通過(guò)統(tǒng)一節(jié)能管理平臺(tái)實(shí)現(xiàn)，平臺(tái)支持與網(wǎng)管、網(wǎng)優(yōu)平臺(tái)、工參等現(xiàn)網(wǎng)平臺(tái)數(shù)據(jù)互通，可以實(shí)時(shí)采集現(xiàn)網(wǎng)數(shù)據(jù)，并且支持與多廠家OMC平臺(tái)南向接口對(duì)接互通，實(shí)現(xiàn)4G、5G OMC節(jié)能指令發(fā)送、指令執(zhí)行監(jiān)控等功能，從而達(dá)到對(duì)4G/5G多種制式基站設(shè)備的統(tǒng)一管理能力，制定自動(dòng)化適配智能節(jié)能策略，持續(xù)提升網(wǎng)絡(luò)節(jié)能效果。

2.1 基于強(qiáng)化學(xué)習(xí)的節(jié)能方案

基于強(qiáng)化學(xué)習(xí)的節(jié)能方案首先需要定義價(jià)值函數(shù)，價(jià)值函數(shù)需包含能耗降低參數(shù)和網(wǎng)絡(luò)性能參數(shù)，保證在不降低網(wǎng)絡(luò)性能的前提下最大限度降低網(wǎng)絡(luò)能耗。然后通過(guò)已實(shí)踐節(jié)能策略小區(qū)的反饋結(jié)果，來(lái)搜索當(dāng)前節(jié)能策略的最優(yōu)值，可按照一定搜索方法遍歷盡可能多的策略，計(jì)算其節(jié)能能耗與網(wǎng)絡(luò)性能的價(jià)值函數(shù)值，通過(guò)強(qiáng)化學(xué)習(xí)得出后續(xù)最佳節(jié)能策略?；趶?qiáng)化學(xué)習(xí)的節(jié)能方案流程如圖1所示。

圖1 基于強(qiáng)化學(xué)習(xí)的節(jié)能方案流程

當(dāng)節(jié)能任務(wù)執(zhí)行一定時(shí)間后，可將歷史每個(gè)小區(qū)的節(jié)能策略形成策略特征庫(kù)，在策略特征庫(kù)豐富后，可直接在策略庫(kù)中選取最優(yōu)的節(jié)能策略直接執(zhí)行，以節(jié)省節(jié)能策略預(yù)測(cè)時(shí)間，并且根據(jù)節(jié)能策略執(zhí)行結(jié)果不斷修正節(jié)能策略特征庫(kù)。

針對(duì)不同話務(wù)模型，可以通過(guò)強(qiáng)化學(xué)習(xí)的方式綜合考量能效、任務(wù)準(zhǔn)確度和網(wǎng)絡(luò)質(zhì)量，智能推薦更精確的策略門(mén)限。

2.2 基于聯(lián)邦學(xué)習(xí)共享網(wǎng)絡(luò)下的節(jié)能方案

聯(lián)邦學(xué)習(xí)可以在確保用戶隱私和數(shù)據(jù)安全的前提下實(shí)現(xiàn)跨公司或組織間的模型訓(xùn)練。各公司/組織間交換模型信息的過(guò)程被設(shè)計(jì)和全程加密，公司/組織互相不能夠獲取到其他任何公司/組織的隱私數(shù)據(jù)內(nèi)容，可以實(shí)現(xiàn)跨公司/組織間的聯(lián)合建模。

在5G基站共享、4G基站不共享場(chǎng)景下，可以通過(guò)聯(lián)邦學(xué)習(xí)分別提取不同運(yùn)營(yíng)商間不共享的基站數(shù)據(jù)，如4G基站數(shù)據(jù)，分別在運(yùn)營(yíng)商本地進(jìn)行模型訓(xùn)練預(yù)測(cè)節(jié)能小區(qū)情況。運(yùn)營(yíng)商無(wú)需互通各自的基站數(shù)據(jù)，聯(lián)邦學(xué)習(xí)能夠隔離非共享的4G數(shù)據(jù)，將隱私數(shù)據(jù)隔離具備足夠安全性。以5G共享基站和非共享4G基站的性能、公參等數(shù)據(jù)為輸入，4G基站隱私數(shù)據(jù)單獨(dú)訓(xùn)練模型，當(dāng)不同運(yùn)營(yíng)商5G用戶駐留回自己4G基站時(shí)小于4G最大負(fù)荷要求，5G基站可以節(jié)能，此時(shí)5G業(yè)務(wù)負(fù)荷可分擔(dān)到不同運(yùn)營(yíng)商的4G基站。基于聯(lián)邦學(xué)習(xí)共享網(wǎng)絡(luò)下的節(jié)能方案可根據(jù)4G/5G網(wǎng)絡(luò)的業(yè)務(wù)量等指標(biāo)的變化情況，對(duì)5G基站設(shè)備采用智能節(jié)能策略。

基于聯(lián)邦學(xué)習(xí)共享網(wǎng)絡(luò)下的節(jié)能方案具體實(shí)現(xiàn)流程如圖2所示，運(yùn)營(yíng)商A和運(yùn)營(yíng)商B的LTE基站、5G基站都基于其本地?cái)?shù)據(jù)來(lái)訓(xùn)練模型參數(shù)，并且將模型參數(shù)(梯度)上傳到中央服務(wù)器單元。中央服務(wù)器通過(guò)使用安全的聯(lián)合平均聚合所有分布式節(jié)點(diǎn)端的模型參數(shù)，形成最終全局模型，然后將該模型發(fā)送給每個(gè)連接的運(yùn)營(yíng)商。每當(dāng)運(yùn)營(yíng)商重新接入或有數(shù)據(jù)更新時(shí)，用戶將更新發(fā)送回服務(wù)器，服務(wù)器構(gòu)建改進(jìn)全局模型。通過(guò)上述過(guò)程，各運(yùn)營(yíng)商負(fù)責(zé)學(xué)習(xí)全局模型的更新，并通過(guò)其本地?cái)?shù)據(jù)更新本地訓(xùn)練模型。各共享運(yùn)營(yíng)商可隔離非共享數(shù)據(jù)，并且能獲得全局節(jié)能算法模型，從而實(shí)施共享網(wǎng)絡(luò)下的節(jié)能方案。

圖2 基于聯(lián)邦學(xué)習(xí)的共享網(wǎng)絡(luò)節(jié)能方案流程

2.3 提升預(yù)測(cè)粒度及精度

智能節(jié)能預(yù)測(cè)可以通過(guò)細(xì)化預(yù)測(cè)精度及預(yù)測(cè)時(shí)長(zhǎng)來(lái)增加節(jié)能算法的準(zhǔn)確性及實(shí)用性。例如，可將智能節(jié)能預(yù)測(cè)粒度和節(jié)能任務(wù)下發(fā)精度由1小時(shí)提升至15分鐘，預(yù)測(cè)時(shí)長(zhǎng)由24小時(shí)提升至48小時(shí)。

將粒度細(xì)化到15分鐘粒度后，可實(shí)現(xiàn)了跨度1/4小時(shí)的滑窗機(jī)制，最小節(jié)能時(shí)間段應(yīng)用更加靈活，整體提升了節(jié)能效率，對(duì)網(wǎng)絡(luò)波動(dòng)響應(yīng)將更迅速，避免由于粗粒度預(yù)測(cè)造成提前或滯后關(guān)斷(開(kāi)啟)節(jié)能任務(wù)的情況。節(jié)能預(yù)測(cè)最好能同時(shí)滿足小時(shí)級(jí)精度和15分鐘精度兼容，運(yùn)維人員可根據(jù)現(xiàn)網(wǎng)實(shí)際情況選擇實(shí)施。

預(yù)測(cè)時(shí)長(zhǎng)提升至48小時(shí)后，可以有效減少預(yù)測(cè)頻次，提前指定節(jié)能策略，且預(yù)測(cè)時(shí)長(zhǎng)能向更長(zhǎng)周期拓展。

取3萬(wàn)多個(gè)小區(qū)15分鐘粒度的歷史數(shù)據(jù)，并對(duì)未來(lái)48小時(shí)的小區(qū)PRB利用率進(jìn)行預(yù)測(cè)，并對(duì)比整體及小區(qū)小時(shí)級(jí)預(yù)測(cè)值與真實(shí)值數(shù)據(jù)，計(jì)算得出預(yù)測(cè)準(zhǔn)確率。從預(yù)測(cè)結(jié)果可以看出1個(gè)小時(shí)和15分鐘的預(yù)測(cè)平均絕對(duì)誤差(Mean Absolute Deviation)，本次預(yù)測(cè)的3萬(wàn)多個(gè)小區(qū)15分鐘粒度數(shù)據(jù)通過(guò)相同時(shí)序模型算法預(yù)測(cè)的MAE值約1.15196%，誤差相比小時(shí)級(jí)預(yù)測(cè)結(jié)果1.64%降低0.488%。

圖3為整體利用率曲線對(duì)比，以15分鐘為粒度統(tǒng)計(jì)一天3萬(wàn)多小區(qū)不同時(shí)間段的無(wú)線利用率均值，真實(shí)值true_ratio與AI模型的預(yù)測(cè)值utilization_ratio對(duì)比，error為預(yù)測(cè)值與真實(shí)值的預(yù)測(cè)誤差。由曲線可看出模型下整體預(yù)測(cè)結(jié)果與實(shí)際值的整體趨勢(shì)均較吻合，AI模型預(yù)測(cè)值稍微高于真實(shí)值。

圖3 預(yù)測(cè)96個(gè)15分鐘粒度整體誤差分析

圖4、圖5為15分鐘粒度與小時(shí)粒度的預(yù)測(cè)誤差統(tǒng)計(jì)對(duì)比圖，統(tǒng)計(jì)了3萬(wàn)多小區(qū)不同預(yù)測(cè)誤差范圍內(nèi)的小區(qū)占比情況。如圖4所示，24個(gè)時(shí)段中15分鐘粒度預(yù)測(cè)無(wú)線利用率誤差在0.05以內(nèi)占比超過(guò)了94%，誤差在0.075以內(nèi)比例在97%以上，相比前期小時(shí)粒度準(zhǔn)確率，誤差在0.05以內(nèi)準(zhǔn)確度提升7%，誤差在0.075以內(nèi)準(zhǔn)確度提升4%左右。

圖4 15分鐘粒度預(yù)測(cè)小區(qū)準(zhǔn)確度分析

圖5 小時(shí)粒度預(yù)測(cè)小區(qū)準(zhǔn)確度分析

3 結(jié)束語(yǔ)

5G AAU 24小時(shí)功耗數(shù)值變化較大，忙/閑時(shí)AAU功耗相差300w以上，采用分時(shí)關(guān)斷的節(jié)能方案可以降低網(wǎng)絡(luò)能耗。根據(jù)5G現(xiàn)網(wǎng)業(yè)務(wù)分析，對(duì)于非熱點(diǎn)區(qū)域，約70%現(xiàn)網(wǎng)5G基站滿足4G/5G協(xié)同節(jié)能的條件，通過(guò)關(guān)斷5G小區(qū)可有效降低網(wǎng)絡(luò)能耗。5G網(wǎng)絡(luò)相比4G網(wǎng)絡(luò)有更高的能力，但其網(wǎng)絡(luò)的能耗也顯著增加。當(dāng)前運(yùn)營(yíng)商網(wǎng)絡(luò)用戶主要為4G/5G用戶，未來(lái)5G用戶將會(huì)不斷增長(zhǎng)。因此，在4G、5G多制式共存的網(wǎng)絡(luò)中，隨著用戶不斷變化的多制式協(xié)同節(jié)能方案尤為重要。智能高效的節(jié)能方案也是未來(lái)網(wǎng)絡(luò)發(fā)展的必然趨勢(shì)，本文討論了基于聯(lián)邦學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的節(jié)能方案，在后續(xù)研究中也將不斷優(yōu)化提升智能節(jié)能算法和方案，滿足未來(lái)網(wǎng)絡(luò)高功耗、多制式并存、能耗精細(xì)化管理等技術(shù)挑戰(zhàn)。節(jié)能增效是運(yùn)營(yíng)商在5G網(wǎng)絡(luò)時(shí)代保持市場(chǎng)競(jìng)爭(zhēng)力，提高盈利能力的重要任務(wù)。網(wǎng)絡(luò)級(jí)智能節(jié)能方案綜合考慮用戶體驗(yàn)、基站設(shè)備及站點(diǎn)情況，使5G網(wǎng)絡(luò)設(shè)備、網(wǎng)管系統(tǒng)與基礎(chǔ)設(shè)施系統(tǒng)緊密配合，進(jìn)一步提高了網(wǎng)絡(luò)建設(shè)效率，降低建設(shè)運(yùn)維成本，實(shí)現(xiàn)構(gòu)建低成本、低能耗、智能運(yùn)維及快速響應(yīng)的基礎(chǔ)網(wǎng)絡(luò)體系的目標(biāo)。