一种多层架构下的5G节能方式研究

陈斌 陈武军 樊忠文

【摘要】    随着5G通信是当代到来，网络架构复杂度提升，多层网络性能过剩、能耗加剧，以多载波、大功率为代表的5G基站正在逐步成为运营商重要运营成本之一。为进一步降低运营成本，以当前网络架构优化为基础结合AI算法完成多种网络制式整体节能，在确保用户感知不变情况下，实现运营商对能源利用效率的再提升。[1]

【关键词】    5G网络    多层网络    AI智能    能源利用率

Abstract：  With the advent of 5g communication， the complexity of network architecture is improved， the performance of multi-layer network is excessive and the energy consumption is increasing. 5g base station represented by multi carrier and high-power is gradually becoming one of the important operating costs of operators. In order to further reduce the operation cost， this paper combines with the current network architecture optimization and AI algorithm to complete the overall energy saving of various network systems， and improve the energy utilization efficiency of operators under the condition of ensuring the user perception unchanged[1].

Key words： 5G network，Multi-layer network， AI intelligence， Energy utilization rate

引言

至2016年175国签署巴黎气候协议以来，移动通信作为首个承诺节能减排的目标产业，当前全球已经超过50家运营商明确承诺节能目标。而5G作为新时代通信技术，凭借其无可比拟的技术优势正在构建全球新经济基础，但是随着通信技术同代发展，整体能耗只升不降，为节能减排降低运营成本愈发困难。为可持续性发展，必须加快现网多制式网络融合节能减排，不能仅仅局限于5G单制式节能降耗[1]。

一、当前移动通信网络架构

网络制式的发展节奏明显快于终端替换，当前全球依旧存在于11亿部单模2G制式终端，9亿部单模3G终端，90亿部4G多模终端以及新增的1亿部5G多模终端。从1992年第一个2G正式商用至今已有快30年，终端类型虽每年以1000+速度更新，但其基础通信功能依旧受制于通信运营商建设进展而更新缓慢。以中国为例，全国超过680万座通信基站，其中2G、3G基站占比超过30%，接近210万座，而现网依旧存在约2000万单模2G终端，3600万单模3G终端[2，3]。因此网络技术的迭代无法完全取代前期已经建设通信基础制式，只有加快终端迭代，多制式融合方式才能降低运营商运营成本，实现节能减排目标。当前各大运营商主要网络架构如下，以2G作为偏远山区、海域、作为基础语音保障体系，3G作为2G补充层需要逐步实现退网，4G作为容量层和主要承载层依旧在逐步渗透建设，5G为未来容量层在逐步建设中。

二、多层制式协同节能减排

2.1基站制式缩减，3G逐步退网

以中国移动为例，作为国内最大运营商，在国内总计已经完成462万个基站建设工作，至2020年底新增4万个4G基站，30万个5G基站并且完成主要城市5G城区建设覆盖工作和4G未覆盖区补充工作[4]。同时中国移动积极参与引导3G单模老用户退网，进入4G网络工作，拟规划2021年底完成全部3G基站退网清频，最终形成2G山区、远海覆盖、4G基础容量层、5G流量引导层向2G山区、远海覆盖、4G DSS改造45G融合、5G容量层转变。目前针对存量2G用户采取向上升级至4G，但是支持原有2G制式，保留基本语音通话基础功能同时用户具备自主升级4G5G终端制式。针对3G用户进行引导式劝退，直接有序关闭3G站点，各区域通过一定终端置换引导升级至45G网络，进一步降低基站复杂程度。随着3G完全退网，多层网络架构趋向于简洁化，基站整体数量不会因5G基站数量上升而出现大幅度增加，且相比原有基础网络整体电费运营、人工维护等方面有较明显的成本降低。

2.2 45G功能融合，减少大功率基站

在5G R15标准制定中引入新的概念即LTE FDD和NR瞬时动态频谱共享（Dynamic Spectrum Sharing），来进一步优化45G无法真正融合的尴尬处境，同时加快4G用户向5G容量过度进程。其主要依据是5G TDD的频谱大带宽和Massive MIMO技术是真正能够提供eMBB 10倍能力提升的，但也有其缺点，频谱要可获得，可使用，高频频谱覆盖不如低频，尤其是上行。在采用FDD制式基站上可以同步部署NR，基站硬件不用做大的改動，只需新增5G基带板、软件升级就可以支持5G，具有同时做到成本低，部署快、广覆盖5G的优势。5G初期用户渗透率需要时间逐步提升，存在大量网络空闲浪费资源，这也是造成单用户能耗比高的重要因素之一。通过LTE&NR DSS即动态频谱共享，在原有4G FDD基站上实现4G、5G能够同时接入，按需提供4G和5G的服务，动态灵活调整降低5G单独部署基站成本[5]。5G无法因其自身大频谱、Massive MIMO技术特性无法做到整体低功耗运行，以单个64T64R 型AAU站点主设备单日功耗来算空载功耗2.1-2.2KW，均载功耗3.1-3.2KW，满载功耗3.7-3.9KW远远超出4G空载1.1KW的功耗水平，因此无法做到类似于4G基站全区域覆盖或者1：1覆盖。随着45G用户迭代加快，运营商需要逐步完成郊区和农村5G覆盖工作，同时保留4G基础覆盖，因此具备DSS能力的基站改造成为首选。按照既有规划，后期网络架构最终会形成2G＼4G作为基础覆盖层，5G作为容量层，同时大部分4G能够实现5G用户接入来保障5G体验以及后期实现5G大功率基站闲时节能策略的实施。

2.3基于AI算法的5G基站节能

随着制造工艺和智能化信息技术的发展，5G基站具备了硬件和软件双向节能的能力，即能够通过高集成度芯片、高密度元器件实现单功耗高承载的硬件节能和通过技术算法实现可靠稳定的软件节能[6]。当前常规5G软件节能方案主要有符号关断、载波关断、通道关断、深度休眠等实现手段通过相应时间的把控来最大限度进行节能来提升基站设备资源利用效率。5G初期用户流量使用模型不太稳定，一味追求低功耗将极大影响现网用户实际体验，因此需要根据现网实际用户行为进行模拟计算来判定采用何种节能方式，兼顾用户体验。AI+驱动确定KPI意图的节能模式可以作为创新性节能方式，能够通过AI智能运算测量出现网实际用户体验而针对性采取对应节能方案。如图所示需要通过AI计算构建KPI-资源-能耗模型，达成基于确定性意图的节能。实施方法为根据载波资源确定候选关断组合，下发模拟关断，AI预测不同关断组合下小区PRB利用率、KPI（速率），之后利用能耗模型预测小区能耗收益，最终根据寻优策略获取满足确定KPI下的最优关断策略。

运营商依据自有设备资源架构以及对现网关键KPI指标定义来动态发掘5G节能优势同时确保现网5G用户实际体验不下降，从而保障45G用户平稳过度整体节能方案思路，是一种有效保障用户感知和功耗相平衡的新型节能方式。其中关键核思路为通过大量数据采集通过AI集群分析计算，将客户注重关键KPI指标如体验速率高于设定门限值的比例、优化区域的切换增加次数、切换成功率、优化区域流量稳定、接入成功率、掉话率等，下发相对应节能参数结合模拟仿真输出与现网实施相匹配的节能方案。

三、节能评估

多层次网络架构下的节能评估无法单纯通过单个基站进行纵向节能评估，因此我们可以通过将现网基站进行栅格化处理，栅格内所有基站节能评估设为Ai，以时间粒度t为基准，所有基站总功耗Wi为横坐标，同一时间段内总话务量E2G权值a1、E4G权值a2、E5G权值a3，區域总流量L2G权值b1、L4G权值b2、L5G权值b3进行整体业务功耗比计算[7，8]。

通过一定时间段内对栅格内所有基站业务量对比总体功耗比值来判定区域性基站节能效果，同时可以通过话务量和功耗对应变化及时修正节能参数下发。

四、结束语

当前运营商网络架构单独进行某一种制式站点节能已经无法有效完成节能初衷，且运营商一定是以用户体验为基础合理优化全制式基站节能参数。随着现网大量终端迭代对网络质量需求愈发明显，低制式网络已经逐步被高制式网络取代，整体业务容量由2G-3G-4G-5G逐步发展，因此适时合理规划全制式网络节能有利于降低运营商运营成本且符合节能环保的大方向。同时随着人工智能发展，运营商可以通过前期的数据建模分析来预判未来一定时间段内节能走势，通过栅格化、区域化参数下发来达到业务稳定，业务基站功耗下降的目标。

参  考  文  献

[1]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，（12）.

[2] Chang K C， Chu K C， Wang H C， et al. Energy saving technology of 5G base station based on Internet of Things collaborative control[J]. IEEE Access， 2020， 8： 32935-32946.

[3]张化，李鹏，鲁娜，蔡博文，李皛. 5G基站节能技术性能评估研究[J]. 电子技术应用，2020，（10）.

[4]中国移动. 中国移动5G白皮书 [Z]. 2019.

[5]中国电信. 中国电信人工智能发展白皮书V1.0[Z]. 2019.

[6]张志荣，许晓航，朱雪田，夏旭，. 基于AI的5G基站节能技术研究[J]. 电子技术应用，2019，（10）. [7]曹萌，. 关于通信基站节能减排评估指标及评估方法的探究[J]. 科技风，2012，（21）.

[8]张高记，吕建东，陈文学. 通信基站节能减排评估指标及评估方法研究[J]. 电信学，2011，（3）.