2020年智能化基站节能研究.pdf

1 智 能 化 基 站 节 能 研 究 （ 2020 年） SDN/NFV/AI 标准与 产业 推进委员会 2020 年 9 月 2 版权声明 本白皮书版权属于 SDN/NFV/AI 标准与 产业 推进委员会 ，并受法 律保护。转载、摘编或利用其它方式使用本白皮书文字或者观点，应 注明“来源： SDN/NFV/AI 标准与 产业 推进委员会 ”。违反上述声明， 本联盟将追究其相关法律责任。 3 目 录 前言 . 4 一、 范围 . 5 二、 参考文献 . 5 三、 缩略语 . 6 四、 概述 . 9 (一 ) 业务诉求 . 9 (二 ) 标准化研究现状 . 10 五、 4G 基站节能方案 . 12 (一 ) 4G 基站节能总体方案 . 12 1. 典型基站的能耗模型 . 12 2. 基站节电整体策略 . 12 (二 ) 基于 AI 的 4G 基站节能技术 . 18 1. 小区覆盖场景识别 . 18 2. 自动化节能策略匹配 . 21 六、 5G 基站节能方案 . 25 (一 ) 5G 基站节能总体方案 . 25 1. 概述 . 25 2. 硬件方面 . 26 3. 软件技术方面 . 26 (二 ) 基于 AI 的 5G 基站节能技术 . 31 附录 . 34 附录 1 基于 AI 的 4G 基站节能方案评估 . 34 附录 2 基于 AI 的 5G 基站节能方案评估 . 34 致谢 . 36 4 前言 近年来，随着通信业务的快速发展，基站规模飞速增长，基站能 耗 也随之迅速的 增长，三大运营商希望采取各种措施减少基站能耗， 一方面响应国家、政府节能减排的号召，另一方面降低企业 OPEX 成 本开销 。 在实际 的 网络 运行 中 ， 话务量具有明显的潮汐效应，当业务量很 少时，基站仍然处于运行状态，造成了极大的能源浪费 ，因此 基站 需 要随话务 量 忙闲变化动态调整设备状态，从而减少不必要的能耗。传 统的节能方式需要人工分析海量数据，包括公参数据 、 网络存量 、 特 性适配 、 站点共覆盖 、 多频多制式网络识别等，所以往往采用人工设 置统一关断参数，但因为参数无差异化，无法自动匹配不同场景，无 法与个站话务强匹配 ，从而在 话务忙时，因参数设置不合理而 导致 业 务受损，影响 KPI； 而在业务闲时，因参数设置不合理，节能效果无 法最大体现。无线网络需要智能化基站节能方案，针对各种不同场景， 通过人工智能技术自动识别，并制定匹配的节能策略，同时保障业务 KPI。 本研究课题将重点研究 4G/5G基站节能 方案 、 基于 AI的 4G基站节 能技术、 基于 AI的 5G基站节能 技术、 基于 AI的 4G/5G基站节能方案评 估 等内容。本研究课题 旨在 为运营商和设备商的基于人工智能的 基站 节能 储备技术经验。 5 一、 范围 本文针对 智能化 基站节能技术 进行研究，主要包括如下几个部分： 1. 基站节能的业务诉求和标准化研究现状； 2. 4G 基站节能 方案 ； 3. 5G 基站节能方案； 4. 基于 AI 的 4G 基站节能方案评估； 5. 基于 AI 的 5G 基站节能方案评估 。 二、 参考文献 下列文件中的条款通过本研究课题的引用而成为本研究课题的 条款。凡是注日期的引用文件，其随后所有的修改单（不包括勘误的 内容）或修订版均不适用于本研究课题，然而，鼓励根据本研究课题 达成协议的各方研究是否可使用这些文件的最新版本。凡是不注日期 的引用文件，其最新版本适用于本研究课题。 1 3GPP TR36.927“ Evolved Universal Terrestrial Radio Access (E-UTRA); Potential solutions for energy saving for E-UTRAN (Release 15) ” 2 3gpp TS28.310“ Management and orchestration; Energy efficiency of 5G (Release 16) ” 3 3GPP TR37.816“ Study on RAN-centric data collection and utilization for LTE and NR (Release 16)” 4 ITU-T Recommendations L.5G_sav Energy saving technologies and best practices for 5G RAN equipment 5 ITU-T M.resm-AI Requirements for energy saving management of 5G RAN system with AI 6 ETSI EN 303 472 V1.1.1 (2018-10) Environmental Engineering (EE); Energy Efficiency measurement methodology and metrics for RAN equipment 7 ETSI TS 103 586 V1.1.1 (2019-04) Environmental Engineering (EE); Liquid 6 cooling solutions for Information and Communication Technology (ICT) infrastructure equipment 8 ETSI ES 203 700 V1.1.0 (2020-05) Environmental Engineering (EE); Sustainable power feeding solutions for 5G network 9 ETSI TR 103 542 V1.1.1 (2018-06) Environmental Engineering (EE); Study on methods and metrics to evaluate energy efficiency for future 5G systems 10杜诗研 ,江伟 ,王猛 ,周雷雷 . LTE 网络智能关断技术节能指标试验与分析 J.电 信工程技术与标准化 ,2017,30(07):59-62. 11奉媛 .智能符号关断技术在 LTE 系统的应用研究 J.电信技术 ,2017(02):11- 12+15. 12唐宏 ,李玉妍 .载频智能节电技术在 TD-LTE 通信网络中的应用 J.数字通 信 ,2014,41(03):58-61+68. 13张功耀 ,倪凯 ,杨浪成 .一种基于载频智能上下电的基站节能方法 J.邮电设计 技术 ,2010(10):18-22. 14张志荣 , 许晓航 , 朱雪田等 . 基于 AI 的 5G 基站节能技术研究 J. 电子技术 应用 , 2019(10). 15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. 16 中国信科，大唐移动，场景化 5G 智慧网络白皮书，“多维度拓展 构建 5G 新坐标”在线研讨会， 2020 年 8 月 . 17 中国联通，中国联通 5G 智能节能技术白皮书，移动世界大会（ MWC），上 海， 2019 年 6 月 . 18 中兴通讯，中兴通讯自主进化网络白皮书， 2020 年 8 月 . 19华为，华为网络人工智能引擎（ NAIE）白皮书， HUAWEI CONNECT 2019 , 2019 年 9 月 . 三、 缩略语 AAU Active Antenna Unit 有源天线单元 AI Artificial Intelligence 人工智能 ASIC Application Specific Integrated Circuit 专用集成电路 BBU Building Base band Unite 室内基带处理单元 7 CPU Central Processing Unit 中央处理器 CQI Channel Quality Indication 信道质量指示 CU Centralized Unit 集中单元 CU-UP Centralized Unit-User Plane 集中单元用户平面 DL Down Link 下行链路 DPD Digital Pre-Distortion 数字预失真 DU Distributed Unit 分布单元 EE Environmental Engineering 环境工程 EPC Evolved Packet Core 演进分组 核心网 E-UTRAN Evolved UMTS Terrestrial Radio Access Network 演进的 UMTS陆地无线 接入网 GERAN GSM EDGE Radio Access Network GSM/EDGE 无线通讯 网络 gNB Next Generation NodeB 5G 中的基站 GSM Global System for Mobile Communications 全球移动通信系统 FPGA Field-Programmable Gate Array 现场可编程门阵列 KPI Key Performance Indicator 关键 性能 指标 KQI Key Quality Indicators 关键质量指标 MBSFN Multicast Broadcast Single Frequency Network 多播 /组播单频网络 MDT Minimization of Drive Test 最小化路测技术 MCES Multi-network Cooperation Energy Saving System 多网协作节能系统 Massive Massive Multiple-Input Multiple-Output 大规模多输入输出系统 8 MIMO MR Measurement Report 测量报告 MR-DC Multi-RAT Dual Connectivity 多无线接入技术双连接 MWC Mobile World Congress 世界移动通信大会 NG-RAN NG-Radio Access Network 5G 的无线接入网 NR New Radio 新空口 NSA Non-Stand Alone 非独立组网 OFDM Orthogonal Frequency Division Multiplexing 正交频分复用技术 OPEX Operating Expense 运营支出 OSS Operation Support Systems 运营支撑系统 PA Power Amplifier 功率放大器 PDCP Packet Data Convergence Protocol 分组数据汇聚协议 PDU Protocol Data Unit 协议数据单元 PRB Physical Resource Block 物理资源模块 QoS Quality of Service 业务质量 RAT Radio Access Technology 无线接入技术 RRC Radio Resource Control 无线资源控制 RRU Remote Radio Unit 射频拉远单元 RS Reference Signal 参考信号 SVM Support Vector Machine 支持向量机 TCP Transmission Control Protocol 传输控制协议 TRX Transmission Receiver Unit, 收发信机单元 （简称载 9 频） UL Up Link 上行链路 UMTS Universal Mobile Telecommunications System 通用移动通信系统 UPS Uninterruptible Power Supply 不间断电源 URLLC Ultra-reliable and Low Latency Communications 超高可靠与低时延通信 UTRAN UMTS Terrestrial Radio Access Network UMTS 陆地无线接入网 四、 概述 (一 ) 业务诉求 移动运营商越来越多地致力于降低移动网络的功耗，以通过节能 方案降低运营费用（ OPEX）。随着预计在 5G NR 中部署更多数量的 网元，例如在高频段具有大量 MIMO 的小型基站，节能变得更加紧 迫和具有挑战性。在 5G 系统中，无线通信单元的能耗占比较大，无 线通信系统中射频部分 (如 RRU)的能耗占比最大。因此，如何节约无 线通信单元的能源就显得尤为重要。另一方面， 5G 无线网络引入了 很多新的无线电技术，这使得节能非常困难，波束赋形就是一个例子。 在大规模天线阵密集网络中，相关波束控制和参数分配的复杂性比 4G 增加了一个数量级，大大增加了功耗。此外，波束控制还需要考 虑其他方面，如覆盖、干扰、用户 QoS 等。通过空口的辐射功率优化 （传输功率优化和精益载波设计），支持不同睡眠模式的增强硬件和 不同小区之间的协调功率优化，可以实现节能。典型的节能方案之一 是 将 容量增强器部署在提供基本覆盖的小区下，当不再需要容量时 可 10 以关闭容量增强器并且可以根据需要重新激活容量增强器。 传统的节能方式，因为需要人工分析海量数据，包括公参数据 、 网络存量 、 特性适配 、 站点共覆盖 、 多频多制式网络识别等，所以往 往采用人工设置统一关断参数，但因为参数无差异化，无法自动匹配 不同场景，无法与个站话务强匹配。导致话务忙时，因参数设置不合 理而业务受损，影响 KPI，而在业务闲时，因参数设置不合理，节能 效果无法最大体现。 因此，需要引入人工智能，以及如何将人工智能技术应用到无线 通信单元的运行和管理中 ，以此 驱动电信运营管理模式重大变革，实 现节能。 (二 ) 标准化研究现状 节能减排是 5G 时代的重要方向，一些 SDO 中已经开展 5G RAN 的能效评估及节能研究。 1） ITU-T 从不同角度开展 5G RAN 系统的节能研究， L.5G_sav 侧重于设 备级，研究 5G RAN 设备的节能技术和最佳实践。 M.resm-AI 从电信 运营管理的角度，研究 5G RAN 系统的节能需求和总体方案。此外 , M.resm-AI 关注 OSS 级别。在考虑 5G RAN 系统节能的同时，还应综 合考虑其他因素，如用户体验的保证和小区覆盖率等。 2） ETSI 环境工程 (Environmental Engineering， EE)工作组在能源效率方 面做了很多工作，包括能源效率指标和 KPI 定义，能效测量方法，能 11 源管理方法，以及相关节能方案。 ETSI TR 103 542 文档分析了未来 5G 系统的能效问题，重点是用于测量 5G 系统能效的方法和指标。 ETSI TS 103 586 文档定义了机柜 /机架级的液体冷却，产品级的液体 冷却，通过浸入绝缘液体中进行液体冷却方式，并提供基准方法，用 于 评估不同的冷却系统效率。 ETSI ES 203 700 文 档 针对 5G，融合的 无线和有线接入设备和网络定义了供电解决方案， C-RAN D-RAN 站点的 5G 电源解决方案。 5G 电力系统应该能够在更智能的软件平 台的基础上提供更高效的管理和维护，从而为 5G 网络的发展做好准 备。作为演进型 5G 电源系统，它应具备电源可用性管理，站点能效 管理，智能储能系统， 5G 基站的可再生能源解决方案等关键管理功 能。 3） 3GPP SA5 和 RAN3 工作组展开节能相关的研究工作。 3GPP TS28.310 文档为 5G 网络的节能评估和优化定义概念、用例、需求和解决方案。 介绍了一些数据量采集、功率、能源和环境（ PEE）测量收集，节能 的激活 /去激活机制。节能包括两种情况，其中容量增强小区 - gNB 被 候选小区完全或部分覆盖。集中式节能解决方案和分布式节能解决方 案都是根据流量测量值低于或高于一定阈值，切换基站节能和非节能 状态，而没有提到怎样使用人工智能达到节能的目的。 3GPP TR37.816 关注 Inter-RAT Inter-system 节能解决方案和基站能效评估，根据测量 指标，通过无线接口协议实现自动关断和开启。 4） TMF 12 通过催化剂项目展示了 4G 基站节能方案，基于小区基础信息、 话单、天气等多维数据，结合覆盖补偿、用户感知数据，对不同场景 小区提供不同节能方案，包括数据预统， AI 算法设计，基站小区价值 度量，节能方案输出和评估等过程。目前已启动 5G 基站节能催化剂 项目研究。 五、 4G 基站 节能 方案 (一 ) 4G 基站节能总体方案 1. 典型基站的能耗模型 基站的能耗分布如图 1 所示， 一般认为基站能耗中主设备占 50%， 空调能耗占 40%，开关电源能耗占 8%，其他设备能耗占 2%。主设备 能耗中 RRU 能耗占比 80%， RRU 设备的能耗主要来自功放，除去 RRU 收发信机 /接口板等基础能耗外，功放占据了 RRU 设备 75%的 能耗。 50 % 40 % 8 % 2 % 80 % 13 % 7 % 基站站点级能耗分布 基站主设备能耗分布 图 1 基站能耗分布图 2. 基站节电整体策略 从基站能耗的分布来看，可以从基站主设备，环境设备，电源系 13 统等方面进行节能。 基站主设备 1）硬件方面 a) 高效功放技术 ： 移动通信基站射频单元存在静态和动态功耗， 在基站整体功耗中的占比较 大，为此要采用偏置电压智能匹配技术、 多载波功放技术，提升功率放大器的线性化和高效率。 b) 多载波功放技术 ： 采用数字预失真的先进功放技术，可以较好 地补偿功放单元的非线性状态，满足移动通信信号传输的线性要求。 c) 提升芯片能力，芯片集成度 ，加快半导体新工艺的研发，另外 也需要提高硬件平台集成度，尤其是基带处理单元、射频模块等关键 器件，在保障系统性能的基础上提高器件集成度，从而降低基站设备 功耗。 2）软件技术方面 a) 智能载频关断：分析基站话务量，通过软件自动控制，实现节 能的技术。话务量较小时，把分散在小区内 各个载频的零散的话务量 集中到某一个载频上，空闲的载频将会被关闭，进入休眠状态。当小 区内的话务量增加，激活原先关闭的载频，使得载频重新正常工作并 接收话务。 典型应用于存在覆盖小区托底的场景（覆盖区域大部分重 叠） inter-eNB 场景 。 b) 智能 符号关断： RRU 检测在无有效数据发射 的符号周期 关闭 功放以达到节能目的。 符号关断有两种模式：基本符号关断和增强型 符号关断，增强型符号关断需要 UE 支持。基本符号关断是指在普通 14 子帧空闲符号周期关闭功放，增强型符号关断是指在 MBSFN 子帧空 闲符号周期关闭功放。 开启智能符号关断功能后，调度器根据业务繁 忙程度，通过业务数据量预测，主动将下行数据调度到指定的符号上， 在剩余的无有效信息传输的符号时间，关闭功放电源。 c) 智能 射频通道关断：当某小区业务负载较低或用户数较少时， 允许关闭本小区的部分发射通道（四发变两发，两发变单发），以节 省能耗。 当关闭通道后 eNodeB 会提升 控制信道 的发射功率 ，并自动 调整小区用户的传输模式，以保证信道 覆盖。 当检测到业务负荷增加 后，退出智能关断模式，恢复通道发射状态。 典型应用于多发射通道 RRU 且处于低负荷期间。 d) 智能调压：基于时隙业务负 荷的 PA 偏置开关调整， 主 要是控 制 PA 的偏置电压，以控制 PA 的偏置电流。 e) 下行功率控制：利用传统小区缩放的机制，增加基站发射功率， 相应地增大其覆盖面积，同时可以减小传统基站的发射功率，从而基 站上承载的用户数增加，实现对用户的分流，提高能源利用率。 f) 智能小区休眠 ： 多网协作节能系统 MCES（ Multi-network Cooperation Energy Saving System）是一种基于与网络设备适时交互 的系统，能同时支持多种主流厂商的 2G/3G/4G 设备。 MCES 系统能 够在小区间重叠覆盖场景中智能筛选，适时关闭部分重叠覆盖小区以 实现网络能耗的降低。通过分析海量测量报告信息和业务信息， MCES 系统能发现网络中的节能小区及其补偿小区，并预测业务变化 趋势。当节能小区处于低业务负荷状态时， MCES 系统将把节能小区 15 的业务迁移至其补偿小区，并将节能小区休眠。同时，通过实时监控 功能， MCES 系统能够在业务尖峰到来之前及时唤醒休眠的节能小区， 以保证网络质量。 环境设备 包括空调系统，通风系统 等 ： a) 空调变温度设定技术：根据室外大气温湿度和室内环境温度 的变化情况 ， 灵活调节每台空调的工况参数设定 ， 以最优化方案控制 每台空调的运行状态 ， 满足机房环境温度控制需要 ， 达到节电目的。 b) 空调变频改造技术：对现有空调采用变频改造 ， 通过加装变频 控制器提高空调运行效率来减少空调运行的能耗 ， 新建站可以采用节 能型变频空调等制冷设备。 c) 新风能技术：新风技能技术的应用与无线基站的室外环境密 切相关，其原理在于将室外的自然冷风和无线基站室内的热风通过新 风节能装置促进热量之间的相互交换。新风节能装置的使用有效利用 了无线基站室外的自然环境，并且通过热量交换降低室内温度，从而 实现了节能减排。 d) 空调远程监控：通过空调远程监控，利用采集设备将空调运行 状态和参数传输给监控终端，通过远程控制实现机房空调的环境控制、 温湿度控制，能够更好地实现节能减排的目标。 e) 智能通风系统：在气温较低的季节或者是低温的夜间，积极利 用自然环境资源，通过对基站机房进行智 能通风改造、引入新风系统， 采用直通风、自然散热等方式，来降低机房对空调的依赖，达到降低 16 能耗的目的。 f) 采用相变材料节能技术：利用相变材料在发生相变时吸收 /释 放热量的特性 ， 在移动通信基站中安装一定数量的相变材料 。 在室外 温度较低时 ， 充分利用室外自然冷源 ， 并配合进风 /排风扇和相应的监 控装置替代空调工作 ， 给基站制冷。在这过程只消耗很少的电量 (风扇 耗电 )， 可节省大量的电能。当基站所处环境温度偏高时 ， 可利用相变 材料与空调机交替制冷 ， 整个工作过程由监控系统控制。由于空调制 冷机的工作时间缩短、起停次数减少 ， 所以可以节省 电能。 电源系统 移动通信基点的供电系统由交流引入、开关电源、蓄电池构成， 存在大量的谐波，给系统造成较大的干扰，极大地浪费了能源，滤波 器效能 。 a) 开关电源休眠技术：根据系统的电流负荷情况和当前整流模 块的工作状况，通过软开关技术，在保证系统安全的条件下，自动调 整工作整流模块的数量，在负荷较小时，使部分模块处于休眠状态， 把整流模块调整到最佳负载效率下工作，从而降低系统的带载损耗和 空载损耗，达到节能的目的。 b) 低压配电系统 ： 变压器热备用改为冷备用、 UPS 供电改为高 压直流供电。 c) 蓄 电池恒温箱：对蓄电池工作区进行温度控制，基站其它工作 区的温度则由智能通风系统进行控制。在室外温度为 35以下时，利 用小功率的风机替代大功率空调实现机房降温（ 35）。这样 机房空 17 调仅在 35以上才开始制冷工作（传统机房空调启动温度一般设定 为 23左右）。通过减少机房空调的启动频率和使用时间，使机房空 调能耗大幅度下降 。 d) 风光互补发电系统 ： 可以引入储能装置，较好地实现风能与太 阳能的互补使用，改善和优化移动通信基站供电系统，降低系统成本。 e) 氢燃料电池 ： 利用能量转换装置，使氢气、甲醇、氧化剂等化 学能转换为电能，体现其发电效率高、环境污染小、能量高、可用燃 料多、噪声小等优点 。 建筑节能 a) 优化保温层：无线基站保温层的设置要综合考虑我国南北方 的 具体气候情况。一般来说，建筑保温层设置水平与建筑内温度传导 速度成反比，保温层设置 的 水平越高，温度传导速度就会变得越来越 慢。因此，在我国北方地区，应当重视优化设置保温层。在南方，夏 季要设置保温层，冬季为了有效地散热则需拆卸保温层。 b) 隔热节能：基站设置隔热设施以实现节能，其原理在于通过隔 热设施减少太阳辐射，从而降低了基站外传递到基站内的热量，减弱 空调的负荷，实现节能减排的目的。在我国温热的南方地区，隔热设 施有效地减少了基站外传到基站内的热量；我国北方夏 季气温较高， 因此设置隔热设施是极其必要的。 c) 建设地埋机房：地埋机房的建造是将整个机房都埋入地下 ， 地 表只留一个入口 ， 可保证施工、维护人员及设备顺利进入机房 。 18 (二 ) 基于 AI 的 4G 基站节能 技术 基站主设备能耗是基站能耗 中 最主要 的 组成部分，随着网络话务 量 的 忙闲变化，可以通过软件技术调整基站主设备状态以节省能耗。 本节研究基于 AI 的 4G 基站节能方案。在一个典型的网络中，场景 特性差异较大，如何识别各种不同场景，自动匹配智能节能策略，成 为节能的关键。 1. 小区覆盖场景识别 1) 小区覆盖场景分类 a) inter-RAT 场景 网络可以包括部署为容量增强的 LTE 小区，覆盖现有和优化的 2G / 3G 网络 ， inter-RAT 场景 覆盖如图 2 所示 。 E - U T R A N C e l l s C e l l D C e l l C L e g a c y C e l l A L e g a c y C e l l B C e l l E C e l l F C e l l G 图 2 inter-RAT 场景覆盖 该场景中 E-UTRAN 小区 C， D， E， F 和 G 完全被相同的传统 RAT 小区 A 和 B（例如 UMTS 或 GSM）覆盖。已经部署了小区 A / B 以提供该区域中服务的基本覆盖，而其他 E-UTRAN 小区则提高了 容量。 E-UTRAN 小区仅用于在一些热点处增强容量，因此无法保证 LTE 覆盖的连续性。传统网络为具有多模能力的 UE 提供基本覆盖。 19 仅在 E-UTRAN 与传统 RAT（例如 UMTS 或 GSM）联合部署的 情况下才应考虑用于该场景的节能解决方案。 b) inter-eNB 场景 E - U T R A N C e l l s C e l l D C e l l C E - U T R A N C e l l A E - U T R A N C e l l B C e l l E C e l l F C e l l G 图 3 inter-eNB 场景覆盖 这种场景中 E-UTRAN 小区 C， D， E， F 和 G 被 E-UTRAN 小区 A 和 B 覆盖。这里，小区 A 和 B 已被部署提供基本覆盖，而其他 E- UTRAN 小区提高了容量。当不再需要一些提供额外容量的小区时， 可以关闭它们以进行能量优化。在这种情况下， LTE 覆盖的连续性和 服务 QoS 都得到保证。通常， eNB 间节能机制应该保留网络中的基 本覆盖。 C o m p e n s a t i o n C e l l E n e r g y S a v i n g C e l l A G F E D C B A G F E D C B A G F E D C B A G F E D C B C a s e 1 C a s e 2 图 4 inter-eNB 场景覆盖 20 这种场景涉及两种情况。对于这两种情况，部署了 E-UTRAN 小 区的单层覆盖。在非高峰时间，节能电池可以进入休眠模式，而基本 覆盖由一个小区（ 图 3 情况）或几个补偿小区（ 图 4 情况）提供。当 负载水平和分布波动时，可以关闭一些小区，但是为了保证连续覆盖， 必须保持其他小区激活甚至重新配置以覆盖处于休眠模式的小区。 c) Intra-eNB 场景 当资源利用率足够低时，单个小区可以在节能模式下操作。 在 这种情况下，能耗的降低将主要基于 QoS 和覆盖保证方面的流量监 控。由于功率放大器消耗了 eNB 的大部分功率，因此单个小区的节 能解决方案主要旨在降低功率放大器的功耗。 2) 小区共覆盖识别方法 目前同覆盖识别的方法有以下几种： a) 基于小区工参（位置 、 天线类型 、 朝向 、 波瓣宽度），共 RRU 配置等小区分布特征，确定 共天馈同覆盖（包含覆盖）异频小区 。需 要对工参维护 进行 准确 且 及时 的 更新。 b) 基于网络测量 MR， MDT 数据进行覆盖统计评估，得出服务 小区和邻区之间的同覆盖关系。 c) 基于邻区关系级相关移动性指标分析，附加射频指纹信息，进 行邻区覆盖关系判断。 以上方案中对于制式间 、 站内 、 站间的实现区别在于相关数据汇 总的位置，不同的汇集位置会决定相关方案落地的节点和复杂程度。 如果是基于网络数据后分析，原理基本没有差别。 21 2. 自动化节能策略匹配 1) 概述 传统的节能方式参数手工配置，效率低，节能参数无差异化。智 能化节能系统采用自动化多模节能策略协同，可实现多制式多频段协 同，频段内跨制式协同关断，频段间多载波关断，并可实现小区级自 动化节能参数差异配置，无需人工参与。通过预测出未来一段时间的 小区 /小区簇 /区域负荷情况，同时匹配合适的节能方式（载波关断、 通道关断、符号关断等），并确定该范围内小区中针对不同节 能方式 的最佳节能时间。 自动化节能方案流程如图 5 所示， 系统会自动基于流量预测及强 化学习，寻优关断门限，并在线迭代优化，保证 KPI 无损。 对网络中大量小区的历史数据：诸如时间、负荷信息、邻区关系， 以及其他外部因素如天气、特定事件等多维度的数据作为输入，以小 区 /小区簇 /区域级别进行 AI 建模， 预测出未来一段时间的小区 /小区 簇 /区域负荷情况。 在预测建模中，还需要监测网络关键指标的 KPI，根据 KPI 的变 化情况对当前使用的预测模型进行反馈，以进一步迭代预测模型，最 终 同时 达到节能和系统性能的最优点。节能效果监测属于人工智能闭 环反馈的需求环节。通过监测基站能耗和用户感知，特别是用户在关 闭基站前后感知到的变化，调整基站节能策略。 22 基站节能 策略选择 符号关断 通道关断 载频关断 小区关断 反馈网络 K P I 基站负荷 性能数据 配置数据 覆盖数据 数据采集 小区 （ 服务小区 及邻区属性 ） 环境因素 节能场景识别 业务流量预测 AI 平台 节能策略推荐 算法库 数据训练 图 5 自动化节能方案图 2) 数据收集 数据收集是人工智能数据训练的基础，在节能之前需要收集数据， 包括但不限于 ： a) 无线端负载数据采集 ： PRB 利用率、 RRC 连接数、 负载流量、 CPU 利用率等 ； b) 无线端感知数据采集 ： RRC 成功率、 E-RAB 成功率、 CQI、延时等 ； c) 无线端基本数据采集 ： 经纬度、方 向角、发射功率、波束参数、服务场景等 ； d) 从端到端的感知数据收 集 ： TCP 延迟，视频流量 ； e) 终端覆盖数据采集 ： 信号强度、信噪比、 经纬度等。 目前负荷预测模型主要考虑的因素： a) 服务小区和邻区：负荷 （ PRB、 用户数），容量（流量 、 调度用户数） ； b) 环境因素：天气、 特殊日期、特殊事件 。 多因素的权重依赖于逻辑关系的建立和采用的学习算法。比如服 务小区和邻区关系的多因素可以采用神经网络进行权值的训练，也可 以基于一定的业务逻辑建立普通的回归模型确定权值。 23 3) 算法 表 1 几种预测算法比较 经典的 时序预 测模型 三阶指数平 滑 指数平滑功 能 Arima 经典时间序列 Prophet 节假日、事件 LSTM 神经网络 多维度输入因素 优点 运行速度快 运行速度快 可设置节假日 等特殊的事件； 预测效果是在 区间中的概率，和节 能算法中主要关注 低负荷段相匹配。 除了时间因 素，还可以考虑 空间、事件等多 维因素； 突发负荷预 测率高于其他算 法。 缺点 预测率低于 其他算法，对 突发负荷预 测效果不好； 对于非平稳的时 间序列和突发负 荷预测效果不 好； 对于长时间的预测 结果不可靠 运行效率 参数设 置 周期 p、 q、 d 周期 /季节、特殊事 件 神经元个数、神 经网络层次 在 AI 节能方案中在流量负荷预测的效果和准确度对于节能效果 评价起到关键作用。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 ，常用的几 种经典 的时间序列预测模型的特点如表 1 所示 。这类算法基于时间序 列本身的特点，通常来说时间序列一般由长期或趋势性变化以及周期 性变化等部分组成，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。 时间序列分解图如图 6 所示，从上面开始第一 条曲线为原始流量图，第二条曲线为分解的趋势图，第三条曲线为分 解的周期特性图，第四条曲线是 分解的随机扰动图。 24 图 6 时间序列分解图 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预测方法，能够得到适用于节能算法精度的负荷 预测值。 预测的负荷时间精度由 获得 的 KPI 数据的时间精度所决定。当前 KPI 的上报粒度最小可到达 15min，即在流量负荷预测中可以实现最 小 15min的时间精度。在 1天中包含 96个 15min粒度的负荷预测值， 基于每个粒度的负荷值独立的进行节能的开启判决，从而得到 1 天中 可关断的多个时间段，实现更精细化的节能控制。 图 7 是基于 30 天 数据预测最后 1 天的负荷值，蓝色和橙色即分别是实际值和预测值。 25 图 7 基于历史数据的预测曲线图 六、 5G 基站 节能 方案 (一 ) 5G 基站节能总体方案 1. 概述 5G 时代，密集分布的小基站和 Massive MIMO 天线将会是 5G 基 站的两大主要特征。 预计到 2024 年， 5G 小基站的 全 部数量将超过 4G 小基站；到 2025 年，得到商用部署的 5G 小基站将达到 1310 万个，占到全球所 有现网小 基站的三分之一以上。虽然一个小基站的能耗远低于一个传 统的宏站，但是，要完成对一片区域的连续覆盖，就需要较大数量的 5G 小基站。 在 Massive MIMO 方面，该技术涉及到在每个 5G 基站使用具有 更多天线单元的阵列，这导致每个 5G 基站将有更多的硬件组件。不 过，未来部署了 Massive MIMO 技术的 5G 基站，可能将会有一种比 4G 基站消耗更少电能的超精益设计 只要没有活跃的 5G 用户， 5G 基站就可以智能进入“睡眠模式”。 26 2. 硬件方面 1） 液冷基站技术 ： 液冷散热是一种适用于高功率电力电子设备 的冷却技术 ，利用液 态冷却介质的大比热容量特性，快速带走设备热量， 液体能比空气更 有效地散发基站的热量 。 该技术降低能耗约 30%，将二氧化碳排放量 减少 80%。 2） 在系统性能得到保障的同时 提高 AAU 硬件平台的集成度。加 快 ASIC 等高集成度器件替代 FPGA 等高功耗器件的进度，从而提高 器件集成度以降低基站的基础功耗。 3）加快与 5G 基站节能相关的新材料、新工艺、新技术 等 创新 和产品应用， 如使用新型半导体材料 GaN， 最新 7nm 工艺， 能够提 供较高的基站功放效率， 优化 AAU 设备的功放效率 。 3. 软件技术方面 1) 协议方面增强 在 Rel-15 NR WI 中，已经支持一些节能功