黄春红

摘 要 在5G时代背景下，通信业务种类多样化，终端连接数量也不断增长，通信行业对于节能降耗的要求也不断提升。此次研究主要是分析5G基站节能技术，首先分析模型与节能技术，提出基于AI的智能节能技术方案，采用灵活的节能策略，全面提升能源的有效利用率，减少运营商各项支出费用。

关键词 AI智能技术;5G基站;节能技术

在经济发展过程中，群众生活水平日益提升，“绿色节能”开始成为社会发展新主题，国家注重建设环境友好型、资源节约型社会，以此完成节能减排的约束性目标。在5G时代下，新业务与新应用场景层出不穷，相应扩大网络建设规模，加快终端数据流量增长速度，但是也出现了移动通信网络数据增长与能源消耗矛盾。需要将节能技术应用到5G基站中，同时发挥出AI技术的作用价值，全面提升5G基站的运行效益。

15G基站能耗构成

为了全面确保移动通信网络的覆盖率与服务质量，电信运营商开始建设大量无线基站，该类基站分布广泛，能源消耗占比较大。在5G发展过程中，行业应用场景不断变化，数据流量增长速度日益加快，对网络建设与运营管理提出新要求。深入分析5G基站节能技术，有助于降低基站能耗，经济价值与社会价值非常高。

5G基站能耗包括传输能耗、计算能耗和其他能耗。对于传输能耗来说，主要包括射频部分与功率放大器所消耗的电力能源，上述设备主要是执行基带信号和无线信号转换，因此在传输能耗中也包含电线功耗。对于计算能耗来说，主要是消耗的电力能源，包括数字处理、管理控制、核心网和其他基站的通信功耗。對于其他功耗来说，主要是从市电中引入到基站直流供电转换过程损失的电量，同时包括制冷设备、监控系统和机房空调所消耗的电量。

5G移动通信网络中，基站所消耗的能源占据总能耗的80%，机房机械设备能耗占比超过50%。5GAAU设备和传统RRU设备的差别较大，AAU设备内部形成天线阵列、设备通道与基带功能。所以设备在功放模块、收发机与数字基带的功耗比较大。按照相关统计可知，5G设备能耗占据总设备能耗到80%，所以必须降低5G基站能耗，以此降低整个通信网络的能耗[1]。

2基于AI的节能技术方案架构与流程

在AAU自检模式符号关断基础上，形成增强符号关断，通过BBU设备实现集中调度与控制，在时序上实现调度汇聚，以此节约时隙，强化符号关断的节能效果。增强通道关断主要是针对5GMIMO技术，引入5G天线，将AAU作为主力机型，此时可以灵活关断。

多层覆盖的载波关断主要是针对组网场景，5G载波在低业务量时关断，联合AI技术可以自动化配置节能小区，属于5G的关键节能方案。应用无线智能平台和人工智能算法，可以实现系统性能与节能效果的平衡，以此实现节能降耗效果。5G基站智能节能流程如下：第一，采用数据采集系统获取基站性能数据。第二，对数据进行清洗构建与聚合筛选，将其作为负荷预测与场景识别模型的训练数据。第三，采用机器学习算法识别智能场景，明确节能关断功能与方案。第四，为了达到目标，必须明确科学的节能门限阈值。第五，应用历史话务数据，通过机器学习算法预测业务量，明确节能时间[2]。

35G基站节能场景智能识别

3.1 业务理解

网络话务量的潮汐效应明显，不同时间段的话务量波动差异大。传统方式主要是在基站设备持续运行状态下关断，不能按照话务量进行调控，从而加大能耗。所以必须提升无线资源的有效利用率。通过收集历史时空特性数据，对无线资源利用变化规律进行分析，有效监控和评估小区KPI，通过AI技术，预测和评估网络覆盖、场景特征与用户分布情况，都是按照运营商策略用户需求，提供合理化建议，全面确保网络性能，减少能源消耗。

3.2 数据准备

设备层：基站小区基础数据：生产厂商、位置、性质、室分、频点、方向角、挂高。能耗数据：模块负荷或能耗指标。第二，网络层：网络KPI数据包括上下行PRB负荷、各类信道占用率、邻区关系与覆盖、平均接入距离。第三，业务层：无线业务数据。用户数：激活用户、RRC连接用户;业务流量：PDCP上下行平均流量;核心网业务数据：业务切片、QoS、业务价值。第四，用户感知：客户感知类数据，包括UE上下文掉线率、RRC掉线率、ERAB掉线率。

3.3 数据建模

第一，特征选择：首先，时间类：选择一个月工作日;切分一天中的不同时间段，比较聚类效果后，选择0：00-7：00、08：00-19：00、20：00-23：00时间段。其次，分时段网络KPI指标、用户感知指标、基础信息。第二，聚类算法：对某运营商某个本地网约10000多个基站小区的特征宽表数据，进行多种聚类算法模型的训练结果进行比较后，最终采用两步聚类分析方法。从自动聚出的3个类别可以分析出，聚类3的流量潮汐规律基站小区为政府办公/商业写字楼，是固定上班群，占比约11.6%，是典型的节能场景。

3.4 模型验证

第一，节能场景基站小区信息：聚类3聚出的部分基站小区信息，从基站的名称可以发现均分布在政府办公/商业写字楼，和预先设定的聚类目标一致。第二，节能场景基站客户感知指标分布：凌晨为预期节能时段，时间为00：00-07：00;白天为高峰时段，客户感知良好，时间为08：00-09：00;夜晚为低流量时段，时间为20：00-23：00。模型泛化性试验：聚类结果与训练用指标比较接近，话务量和潮汐具备规律。表示聚类模型在基站技能场景识别的泛化性良好，值得推广。

4结束语

综上所述，5G基站节能属于系统化工程，必须确保软件与硬件的优化配合，加大技术创新力度，合理应用新材料工艺与新方案，以此降低基站设备的运行能耗。将人工智能技术应用到运营运维环节，有助于实现5G网络的智能化协同，优化资源调度，改善用户体验。

参考文献

[1] 费彦肖，吴俊星.5G与AI融合技术在智慧环保领域的应用研究[J].智能城市，2020，6（7）：152-153.

[2] 叶晓斌，姚丽红，刘惜吾，等.基于AI的基站及回传网故障定因[J].邮电设计技术，2019，22（11）：24-27.