基于AI技术下的5G基站智能节能科技研究

马维锟

【摘  要】随着5G时代的到来，基站的信息服务质量得到不断提升。如何在提升服务质量的同时，运用AI技术优化智能节能科技的节能效果，是目前亟待解决的一个问题。论文首先对传统的基站节能技术进行了介绍，其次对基于AI技术的基站节能技术进行了概述，并对具体的节能技术进行了分析。最后得出结论：随着我国AI技术的不断发展、5G基站的不断普及与完善，我国的基站智能节能科技将得到进一步的发展。

【Abstract】With the arrival of 5G era， the information service quality of base station has been continually improved. How to use AI technology to optimize the energy-saving effect of intelligent energy-saving technology while improving the service quality is an urgent problem to be solved at present. This paper firstly introduces the traditional base station energy-saving technology， then summarizes the base station energy-saving technology based on AI technology， and analyzes the specific energy-saving technology. Finally， the paper draws a conclusion： with the continuous development of AI technology and the continuous popularization and improvement of 5G base station in China， the intelligent energy-saving technology for base station in China will be further developed.

【關键词】AI技术;5G基站;智能节能科技

【Keywords】AI technology; 5G base station; intelligent energy-saving technology

【中图分类号】TN929.5;TP18                                             【文献标志码】A                                                 【文章编号】1673-1069（2021）09-0182-03

1 引言

目前，我国对于节能减排工作非常重视，而随着5G基站的逐步建设，传统的硬件节能技术以及软件节能技术已无法满足我国对于节能减排的相关要求，因此，AI技术逐渐应用到了5G基站智能节能科技当中。但这种技术目前尚处在发展阶段，还未完全成熟，许多地方仍亟待完善。而如何进一步提高AI技术在5G基站中应用的智能节能效果，正是本文研究的重点。

2 传统基站节能技术

2.1 基站硬件节能

传统的基站硬件节能技术主要是通过采取优化设备硬件设计、提升设备集成度和完善生产工艺等措施，以此达到降低基站的基础功耗和提高基站设备的能源利用率的目的。

首先，在具体的硬件优化过程中，较为常见的是对半导体的不断优化。目前所使用的最新的半导体技术是7mm集成电路设计，这种新技术能够有效实现基站的节能目标，即在提升基站总体工作性能的同时能够降低其能耗。

其次，可以通过提高AAU硬件系统的集成度来达到基站节能的目的，但这种方法要基于不影响其总体系统性能的情况进行。

最后，可以通过研发各种新材料、新设备以及新技术来提升其硬件的总体性能，进而达到基站节能的相关标准[1]。

2.2 基站软件节能

基站软件节能并不是从具体的通信软件上着手进行节能，而是借助对硬件的调配来完成对软件的相应调整，进而减少其耗能。但是需要在保证性能不受影响的基础上，通过调整基站软件配置并对硬件资源进行合理调配，进而实现基站节能减耗的目标。在软件节能方面，主要有以下4种方法：

第一，符号关断，指的是在网络负荷较低的情况下借助无业务数据与系统消息块的空闲正常下行子帧的下行符号和无业务数据的特殊子帧的下行符号上，通过关闭射频部分中功放模块的发射功率的方式来达到降低功耗的目的。但这种方法的使用是有范围的，通常在时延不敏感的情况下才能进行。然后由基站基于数据业务量的不断变化，对其数据链路进行集中的调整。但是在必要的控制信道和信号上，依旧要维持原有的发射功率，保障业务的正常进行。而当业务量回到正常的状态时，基站会立刻对其符号关断功能进行终止，随后所有的功能便会恢复到工作状态，继续保持原有的工作。

第二，通道关断，指的是通常在夜间工作量较少的情况下，运用大规模的多输入、多输出技术对其部分射频通道进行关闭，进而起到节约能源、降低能耗的作用。具体的操作是根据其当前时间段内的上行/下行资源块利用率，来决定是否对其进行通道关闭。如果满足所达到的条件，就进行部分通道关闭操作，反之如果不满足，则退出通道关闭状态。该方案与符号关断一样，只适合于夜间工作量较少的状况下进行。并且在其通道关闭功能进行的过程中，还要不断考虑其上下行的业务负荷状况，只有这样才能发挥出该方法最佳的节能效果与运行性能。

第三，载波关断，这种方法与前面2种方法一样，同样是在特定的状况下才能进行。其通常是在网络较闲的时间段或地区开展，然后借助载波关断技术来降低基站的能耗。

第四，深度休眠，其主要应用于室内覆盖分布式皮站，如商场、地铁等典型潮汐场景，即一天之中存在业务空闲段和业务繁忙段。当进入业务较少的时间段，相关设备便进入深度休眠状态，许多功能都将不再提供服务。而当业务量不断上升，达到某个特定范围，则又重新对设备进行激活，从而满足其服务需求。因此，只要设定好深度休眠模式的启动与关闭时间，便能在有效的空闲状态下实现节能目的。上述方法的使用皆受时间以及空间的限制，虽然也能起到降低能耗的作用，但是节能效果并不理想，亟待进一步的完善[2]。

3 AI节能技术概述

传统的节能技术借助的是时间和空间上的业务量差，然后通过调整参数或者关闭开关来达到节能的目的。但是随着科技的发展以及社会环境的变化，原有的节能方式正逐步受到限制，使得本来节能效果一般的节能技术难以发挥作用。而AI节能技术的运用恰好能克服传统节能技术的缺陷，既能为用户提供优质服务体验，也能满足节能减排的需要。AI技术通过对以往用户的历史使用数据进行分析，建立相关的学习模型，并且根据实时的数据变化，来对其模型不断进行优化，最后再制定出合理、科学的节能策略。对其时间以及空间上的节能配置进行优化，有效解决了用户服务质量和节能要求之间的矛盾[3]。

如今，我国已经建成的5G基站达到60万个，在带来更大的带宽与更多的通道数的同时，也带来了更大的能耗。据有关数据统计，相较于4G基站来说，其总的能耗比4G基站多3～4倍，所以其运营所带来的电力消耗也是非常巨大的，因此，AI节能技术的应用便显得更为关键。目前，较为常见的节能技术思路是从基站射频入手，在兼顾体验的同时，构建设备、站点和网络三级技术方案体系，结合AI等技术多管齐下，从试点来看效果显著。同时，错峰用电及地方用电优惠也使得5G基站耗电得到一定程度的缓解。

3.1 AI节能技术的重要性

相关数据研究发现，在运营商OPEX中，其基站的电费支出占网络运营部分的30%以上，是其整体支出的10%左右。而我国移动电费支出显示，2018年的电费支出达到了220亿元，这些都是非常大的开销，而且不包括其损耗的电能。如今，随着5G基站的大力建设，其能耗也将会随之增加，其原因主要包括以下几点：

①大带宽。5G NR带宽从原来的4G的几十兆变为160/200兆。

②通道数增多。收发通道数从原来的8通道变为64/32通道。

③数字中频器件、芯片等集成度不足，导致功耗增加。

④流量从传统的2流变为16流。

⑤发射功率从大于100W变为240/320W。

由此可见，5G基站所产生的能耗要比以往的4G基站大得多，因此，加强对AI节能技术的应用便显得愈发关键。同时，目前许多5G基站的运营商中，仅从主设备的空载功耗来看就达到了2.2～2.3kW，而其满载功耗更是达到了3.7～3.9kW。以每一度电1.3元为例来进行计算，原本的4G基站一年的电费可以达到20280元，5G基站每年所产生的电费达到了54600元，而按照我国60万座5G基站来进行计算，其一年的电费就能达到327亿元。从上面所列舉的数据我们可以认识到AI节能技术的应用不仅能为5G基站运营商节省运营成本，而且还能有效减少能耗，节省能源的同时也满足了国家相关的环保要求。

3.2 5G基站能耗构成

如今，为进一步提高通信网络的覆盖区域面积以及服务质量，一些5G基站已经开始大规模修建，其所带来的能耗也大大增加。随着数据流量增长速度的不断加快，以及一些应用场景的不断变化，5G时代的到来也适应了网络信息发展的要求。而想要促进其经济社会价值的不断提高，就必须不断通过运用智能节能技术来降低基站的能耗。目前，5G基站的能耗主要可以分为以下3个方面：

一是传输过程中所产生的能耗;二是计算过程中产生的能耗;三是其他能耗。以传输能耗为例，还可以分为射频部分与功率放大器所产生的能源消耗，而这2个部分所执行的是基带信号与无线信号转换，在进行传输的过程中还可能会产生电线的功耗。计算能耗大部分所消耗的是电力能源，其主要的消耗途径是数字处理、智能管理、核心网等其他的通信功耗。而其他的通信消耗主要包括直流电供电时所产生的线路功耗，以及其他制冷设备、监控设备以及机房空调等所消耗的电量。在目前的5G通信网络中，其基站所消耗的能源基本上占据了总能耗的80%，其中机房设备所占能耗基本上超过一半的比例。此外，5G基站中所使用的AAU设备与传统电站的RRU设备在能耗上也有着很大的差别，AAU设备内部形成天线阵列、设备通道与基带功能。因此，在设备的功放模块、收发机与数字基带方面其功耗占比更大。所以，如何降低5G基站的能耗将是接下来所面临的主要问题。

4 基于AI的基站节能技术

4.1 节能场景识别

由于每一个场景的服务量需求不同，以及每个时间段的需求量也会有着相应的变化，而为了最大限度地完成节能目标，就需要基站依据不同的场景，通过AI技术对其进行自动识别，然后建立合理的节能策略。而在策略的建立和选择上，则是依据其场景具体的气候环境、流量统计等历史数据进行确定。借助AI技术中相关性分析，建立相应的学习模型，智能化地对不同时段的场景采取不同的节能策略。并且实时根据新数据的变化，不断校正过去原有的模型，并进行节能策略上的更改，从而达到自动化管理的目的，在节约人力成本的同时，提高了基站节能工作的效率。

在具体的模型识别工作中，可以根据潮汐场景不同时间段内不同的人流情况来进行有依据的识别。例如，对商场的识别过程中，其白天以及晚上的流量必定很大，夜间则是无流量，并且其休息日的人流量必定大于工作日的人流量的，而AI技术则可以据此判定其场景应为商场。这样也就最大限度地提升了不同场景下的节能效果。

4.2 业务流量预测

除了从对场景的选择上完善不同的节能策略外，还可以通过AI技术提前对其业务量进行预测，从而进一步对其节能策略进行完善，进一步提高基站的节能效率。具体的措施是，如果依据AI技术预测出未来某一时段内业务量将激增，则应该提高基站的业务服务质量，而关闭一些节能功能。而当AI技术预测出未来某一时段内业务量将逐渐减少，则可以通过逐步开启节能功能的方式，在满足其服务要求的情况下完成节能目标。相比于根据实时数据的变化来调整节能策略的方法，这种业务流量预测的方法具有一定的前瞻性，能进一步强化基站的节能效果。

在对其预测模型进行构建的过程中，要基于场景的历史数据，如环境因素以及其自身的功能特征等。并且將其历史数据输送到预测网络中，然后将实际的业务流量与AI技术所预测出的业务流量进行对比，构建出最优的预测模型，并根据预测模型制定出最优的节能策略，进而达到最优的节能效果。

4.3 协同节能技术

在实际的节能工作中，想要达到节能效果的最大化，不仅要考虑其节能策略，还要考虑到具体的节能工作中的协同问题。首先，想要完成基站的协同工作，最常见的方法是将相邻的基站数据加入AI预测模型当中，从而进一步提高其预测结果的准确性。但是这种方法也有弊端，就是难以保证相邻的基站数据之间的相关性。因为有些基站可能在位置上相邻，但是可能在距离上却隔得非常远，这时两所基站的数据之间的关联性就难以得到保证，而一旦将其数据加入预测模型当中，非但不能进一步提升预测结果的准确性，反而会使其准确性受到影响。因此，在运用此种方法之前，一定要对其相邻的基站数据进行相关性分析，如果相关性高，则可以将其数据加入预测模型中，而一旦相关性较低，则无法将其数据加入预测模型中。只有这样才能充分提高预测模型结果的准确性，进而发挥协同节能技术的作用。

其次，将AI运用到协同节能技术中的作用除了能提高其模型预测的准确性外，还能实现全网的节能效果评估，使得在不同基站的整体调度上得到了优化。避免因运用节能功能的基站较多，而导致降低用户体验质量的现象发生。但是目前这种方法的运用还受到许多限制，如许多基站的设备因为生产厂家不同其具体的性能、节能效果也难达到一致，除此之外，不同的基站节能方式以及人员素质水平也都存在差异。因此，想要实现对全网节能效果的评估，以及对全体基站的整体调度还需要不断探索。

4.4 错峰用电政策

目前，我国许多地区陆续出台了一系列的政策，以此对5G基站用电实行峰谷电价，并进一步降低电价。在基站税收减免及数据中心的用地用水用电保障、建设审批、能耗指标要求等方面，加大政策支持力度。例如，广东省已经将峰、平、谷电价时段分别设置为6h、10h、8h，电价比例为1.65∶1∶0.5，其中，高峰时段电价是低谷时段的3倍以上。倘若是直供电站点，便可以采用智能电源，使得站点错峰运行，节约用电成本。同时，由于锂电池成本的下降，5G站点可能将普遍使用锂电池，而直供电已经是站点供电主流，将来站点剩余空间将由锂电池填充，不但电费得以下降，而且因为超长的备电时长，可使当前高昂的应急发电成本大幅下降。

【参考文献】

【1】吕婷，张猛，曹亘，等.5G基站节能技术研究[J].邮电设计技术，2020（5）：46-50.

【2】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，2019，45（10）：1-4.

【3】张青.AI技术在5G基站节能应用的展望[J].广东通信技术，2019，39（10）：29-32.