CN112954707B - 基站的节能方法、装置、基站和计算机可读存储介质 - Google Patents

基站的节能方法、装置、基站和计算机可读存储介质 Download PDF

Info

Publication number
CN112954707B
CN112954707B CN201911262430.XA CN201911262430A CN112954707B CN 112954707 B CN112954707 B CN 112954707B CN 201911262430 A CN201911262430 A CN 201911262430A CN 112954707 B CN112954707 B CN 112954707B
Authority
CN
China
Prior art keywords
base station
energy
saving
service
predicted
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911262430.XA
Other languages
English (en)
Other versions
CN112954707A (zh
Inventor
李力卡
王敏
张慧嫦
赖琮霖
张青
马泽雄
许盛宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN201911262430.XA priority Critical patent/CN112954707B/zh
Publication of CN112954707A publication Critical patent/CN112954707A/zh
Application granted granted Critical
Publication of CN112954707B publication Critical patent/CN112954707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/26—Resource reservation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/52—Allocation or scheduling criteria for wireless resources based on load
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开涉及一种基站的节能方法、装置、基站和计算机可读存储介质，涉及无线通信技术领域。该方法包括：根据节能基站及其各相邻基站的当前业务数据，利用机器学习模型，预测节能基站的第一预测业务负荷，和各相邻基站的第一预测业务负荷，用于确定是否存在业务负荷增加的相邻基站；在存在业务负荷增加的相邻基站的情况下，根据该相邻基站的第一预测业务负荷，以及节能基站与该相邻基站之间的历史业务负荷变化信息，预测节能基站的第二预测业务负荷；根据节能基站的第一预测业务负荷和第二预测业务负荷，确定节能基站的预测业务负荷峰值；根据预测业务负荷峰值和节能基站的当前资源，确定需要唤醒的所述节能基站的预留资源。

Description

基站的节能方法、装置、基站和计算机可读存储介质
技术领域
本公开涉及无线通信技术领域，特别涉及一种基站的节能方法、基站的节能装置、基站和计算机可读存储介质。
背景技术
在5G时代的初期，4G和5G基站将长期并存。5G的用户分布稀薄，而5G基站能耗是4G的3到4倍。因此，为大幅降低基站能耗，有必要对基站部分资源关断(通道关断)以降低能耗。甚至采用AAU(Active Antenna Unit，有源天线单元)休眠、小站下电等深度高效节能模式。
在相关技术中，基站进入这些深度节能模式后，一般通过预设业务负荷阈值、起止时间范围，对设备进行自动唤醒，以退出节能模式。
发明内容
本公开的发明人发现上述相关技术中存在如下问题：局限性较大，对业务恢复不够及时，无法适用于不同的业务情况，导致网络性能下降。
鉴于此，本公开提出了一种基站的节能技术方案，能够适用于不同业务的及时唤醒，从而在节能的情况下提高网络性能。
根据本公开的一些实施例，提供了一种基站的节能方法包括：根据节能基站及其各相邻基站的当前业务数据，利用机器学习模型，预测节能基站的第一预测业务负荷，和各相邻基站的第一预测业务负荷，用于确定是否存在业务负荷增加的相邻基站；在存在业务负荷增加的相邻基站的情况下，根据该相邻基站的第一预测业务负荷，以及节能基站与该相邻基站之间的历史业务负荷变化信息，预测节能基站的第二预测业务负荷；根据节能基站的第一预测业务负荷和第二预测业务负荷，确定节能基站的预测业务负荷峰值；根据预测业务负荷峰值和节能基站的当前资源，确定需要唤醒的所述节能基站的预留资源。
在一些实施例中，历史业务负荷变化信息根据节能基站与各相邻基站之间的历史业务数据确定。
在一些实施例中，历史业务负荷变化信息通过下面的步骤确定：获取节能基站与各相邻基站之间的历史业务数据；根据历史业务数据，确定节能基站与各相邻基站之间的业务传播关系，业务传播关系包括节能基站与各相邻基站之间的业务在不同时间段的业务负载低谷点和峰值点；根据业务传播关系，确定历史业务负荷变化信息。
在一些实施例中，该方法还包括：根据节能基站及其各相邻基站的当前用户体验指标，利用机器学习模型，预测节能基站的预测用户体验指标，和各相邻基站的预测用户体验指标；根据节能基站及其各相邻基站的当前用户体验指标，和节能基站及其各相邻基站的预测用户体验指标，判断用户体验是否下降。
在一些实施例中，预测节能基站的第二预测业务负荷包括：在用户体验下降的情况下，预测节能基站的第二预测业务负荷。
在一些实施例中，历史业务负荷变化信息包括业务时间信息、传播方向信息、源基站业务量峰值、目的基站业务量峰值。
在一些实施例中，业务时间信息包括业务传播时延信息，业务传播时延信息根据节能基站的业务负荷低谷点与相应的相邻基站的业务负荷低谷点之间的时间差确定。
在一些实施例中，根据节能基站的第一预测业务负荷和第二预测业务负荷，确定节能基站的预测业务负荷峰值包括：将节能基站的第一预测业务负荷中的业务负荷峰值和节能基站的第二预测业务负荷中的业务负荷峰值的最大值，确定为节能基站的预测业务负荷峰值
在一些实施例中，历史业务负荷变化信息包括历史优先保障业务量，优先保障业务量为要求低时延、高可靠性的业务量，预测业务负荷峰值包括预测优先保障业务量，唤醒的预留资源优先用于预测优先保障业务量。
在一些实施例中，各相邻基站根据节能基站的测量报告中的TA(Time Advanced，时间提前量)确定。
根据本公开的另一些实施例，提供一种基站的节能装置，包括：第一预测单元，用于根据节能基站及其各相邻基站的当前业务数据，利用机器学习模型，预测节能基站的第一预测业务负荷，和各相邻基站的第一预测业务负荷，用于确定是否存在业务负荷增加的相邻基站；第二预测单元，用于在存在业务负荷增加的相邻基站的情况下，根据该相邻基站的第一预测业务负荷，以及节能基站与该相邻基站之间的历史业务负荷变化信息，预测节能基站的第二预测业务负荷；确定单元，用于根据节能基站的第一预测业务负荷和第二预测业务负荷，确定节能基站的预测业务负荷峰值；唤醒单元，用于根据预测业务负荷峰值和节能基站的当前资源，确定需要唤醒的所述节能基站的预留资源。
在一些实施例中，历史业务负荷变化信息根据节能基站与各相邻基站之间的历史业务数据确定。
在一些实施例中，历史业务负荷变化信息通过下面的步骤确定：获取节能基站与各相邻基站之间的历史业务数据；根据历史业务数据，确定节能基站与各相邻基站之间的业务传播关系，业务传播关系包括节能基站与各相邻基站之间的业务在不同时间段的业务负载低谷点和峰值点；根据业务传播关系，确定历史业务负荷变化信息。
在一些实施例中，第一预测单元根据节能基站及其各相邻基站的当前用户体验指标，利用机器学习模型，预测节能基站的预测用户体验指标，和各相邻基站的预测用户体验指标，根据节能基站及其各相邻基站的当前用户体验指标，和节能基站及其各相邻基站的预测用户体验指标，判断用户体验是否下降；第二预测单元在用户体验下降的情况下，预测节能基站的第二预测业务负荷。
在一些实施例中，历史业务负荷变化信息包括业务时间信息、传播方向信息、源基站业务量峰值、目的基站业务量峰值。
在一些实施例中，业务时间信息包括业务传播时延信息，业务传播时延信息根据节能基站的业务负荷低谷点与相应的相邻基站的业务负荷低谷点之间的时间差确定。
在一些实施例中，确定单元将节能基站的第一预测业务负荷中的业务负荷峰值和节能基站的第二预测业务负荷中的业务负荷峰值的最大值，确定为节能基站的预测业务负荷峰值
在一些实施例中，历史业务负荷变化信息包括历史优先保障业务量，优先保障业务量为要求低时延、高可靠性的业务量，预测业务负荷峰值包括预测优先保障业务量，唤醒的预留资源优先用于预测优先保障业务量。
在一些实施例中，各相邻基站根据节能基站的测量报告中的TA确定。
根据本公开的又一些实施例，提供一种基站的节能装置，包括：存储器；和耦接至存储器的处理器，处理器被配置为基于存储在存储器装置中的指令，执行上述任一个实施例中的基站的节能方法。
根据本公开的再一些实施例，提供一种基站，包括：节能装置，用于上述任一个实施例中的基站的节能方法。
根据本公开的再一些实施例，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一个实施例中的基站的节能方法。
在上述实施例中，结合根据基站当前业务数据和历史业务数据的两种预测结果，确定基站的预测负荷峰值，以便确定需要唤醒的预留资源。这样，可以适用于不同业务的及时唤醒，从而在节能的情况下提高网络性能。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开：
图1示出本公开的基站的节能方法的一些实施例的流程图；
图2示出本公开的基站的节能装置的一些实施例的示意图；
图3示出本公开的基站的节能方法的一些实施例的示意图；
图4示出本公开的基站的节能装置的一些实施例的框图；
图5示出本公开的基站的节能装置的另一些实施例的框图；
图6示出本公开的基站的节能装置的又一些实施例的框图；
图7示出本公开的基站的一些实施例的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
针对上述技术问题，本公开建立了基于客户感知预测的节能基站唤醒方法；采用区域业务感知等人工只能预测模型，实现大区域的业务传播模型；据此对基站节能模式提前做出反应，按需动态调整资源，满足不同基站在不同时间、不同业务状态下的提前唤醒；实现运维指标最大保障和节能效果最大化间的平衡。
在一些实施例中，通过采集基站的KPI(Key Performance Indicators，关键性能指标)、MR(Measurement Report，测量报告)、业务数据、基站信息等数据，建立基站间业务/高保障业务传播关系模型。基于人工智能建立基站间业务预测模型；通过节能基站周边邻站业务情况，预测节能基站下一周期业务情况；于事前完成基站节能策略按需动态调节；可支持部分资源恢复或节能模式退出，使得客户感知免受影响。例如，可以通过如下的实施例实现。
图1示出本公开的基站的节能方法的一些实施例的流程图。
如图1所示，该方法包括：步骤110，确定第一预测业务负荷；步骤120，确定第二预测业务负荷；步骤130，确定预测业务负荷峰值；和步骤140，确定需要唤醒的资源。
在步骤110中，根据节能基站及其各相邻基站的当前业务数据，利用机器学习模型，预测节能基站的第一预测业务负荷，和各相邻基站的第一预测业务负荷。根据各相邻基站的第一预测业务负荷确定是否存在业务负荷增加的相邻基站。
例如，当前业务数据，可以包括核心网信令或DPI(Deep Packet Inspection，深度报文检测)等。
例如，各相邻基站根据所述节能基站的MR中的TA确定。相邻基站可以是节能基站附近一定距离范围内的基站，可以包括周边基站和***基站等。
例如，机器学习模型可以是LSTM(Long Short-Term Memory，长短期记忆网络)、随机森林、lightGBM(Light Gradient Boosting Machine，轻梯度提升机)等时序智能预测模型。
在步骤120中，在存在业务负荷增加的相邻基站的情况下，根据该相邻基站的第一预测业务负荷，以及节能基站与该相邻基站之间的历史业务负荷变化信息，预测节能基站的第二预测业务负荷。
在一些实施例中，历史业务负荷变化信息根据节能基站与各相邻基站之间的历史业务数据确定。例如，历史业务数据可以包括核心网信令或DPI等。
例如，历史业务负荷变化信息通过下面的步骤确定：获取节能基站与所述各相邻基站之间的历史业务数据；根据历史业务数据，确定节能基站与各相邻基站之间的业务传播关系。业务传播关系包括节能基站与各相邻基站之间的业务在不同时间段的业务负载低谷点和峰值点；根据业务传播关系，确定历史业务负荷变化信息。
在一些实施例中，可以根据业务负荷信息、优先保障业务指标分别建立业务传播关系模型、优先保障业务传播关系模型。例如，业务传播关系模型包括基站不同时段的业务指标的低谷电和峰值点等。
例如，业务负荷信息可以包括RRC(Radio Resource Control，无线资源控制)、PRB(Physical Resource Block，物理资源模块)、流量等；优先保障业务指标可以包括小区的VOLTE(Voice over Long-Term Evolution，长期演进语音承载)、切片业务量等。
在一些实施例中，历史业务负荷变化信息包括业务时间信息、传播方向信息、源基站业务量峰值、目的基站业务量峰值。例如，业务时间信息包括业务传播时延信息。业务传播时延信息根据节能基站的业务负荷低谷点与相应的相邻基站的业务负荷低谷点之间的时间差确定。
例如，历史业务负荷变化信息包括时间信息、业务源基站、业务目的基站、传播时延、源基站业务量峰值、目的基站业务量峰值、高保障务量等。
在一些实施例中，历史业务负荷变化信息包括历史优先保障业务量。优先保障业务量为要求低时延、高可靠性的业务量。预测业务负荷峰值包括预测优先保障业务量，唤醒的预留资源优先用于预测优先保障业务量。
在一些实施例中，根据节能基站及其各相邻基站的当前用户体验指标，利用机器学习模型，预测节能基站的预测用户体验指标，和各相邻基站的预测用户体验指标。根据节能基站及其各相邻基站的当前用户体验指标，和节能基站及其各相邻基站的预测用户体验指标，判断用户体验是否下降。在用户体验下降的情况下，预测节能基站的第二预测业务负荷。
在步骤130中，根据节能基站的第一预测业务负荷和第二预测业务负荷，确定节能基站的预测业务负荷峰值。
在一些实施例中，将节能基站的第一预测业务负荷中的业务负荷峰值和节能基站的第二预测业务负荷中的业务负荷峰值的最大值，确定为节能基站的预测业务负荷峰值。
在步骤140中，根据预测业务负荷峰值和节能基站的当前资源，确定需要唤醒的节能基站的预留资源。
在上述实施例中，结合根据基站当前业务数据和历史业务数据的两种预测结果，确定基站的预测负荷峰值，以便确定需要唤醒的预留资源。这样，可以适用于不同业务的及时唤醒，从而在节能的情况下提高网络性能。
图2示出本公开的基站的节能装置的一些实施例的示意图。
如图2所示，节能装置包括网络数据采集模块、节能分析引擎、基站节能控制模块和数据库。节能分析引擎包括数据ETL(Extract-Transform-Load，抽取、转换、加载)模块、基站业务传播关系分析与预测模型、基站监测分析模块等。
在一些实施例中，网络数据采集模块包括网络区域板块数据的采集。例如，网络区域板块数据采集包括采集节能基站及其邻区基站、核心网络相关的客户感知数据(用户体验指标)。采集的数据包括KPI(包括业务负荷指标，如PRB、RRC用户连接、业务流量；客户感知指标，如掉话率、接通率、数据业务下载速率等)、VOLTE、5G业务切片业务、MR、用户数据、基站信息等。
在一些实施例中，根据历史数据进行大数据分析，确定基站间存在的业务传播的规律，从而建立基站业务传播关系分析模型；基于节能基站、相邻基站板块历史数据，通过机器学习模型分析预测节能基站周边相邻基站间的业务、优先保障业务的传播，从而建立基站间业务传播人工智能预测模型：。
在一些实施例中，数据ETL模块用于数据的预处理，如数据清洗、去噪、统一格式等。
在一些实施例中，基站监测分析模块监测节能基站相邻基站的负荷、高保障业务(优先保障业务)客户感知指标变化情况；分析节能基站剩余的业务负荷资源、高保障业务的承接能力。
在一些实施例中，基站节能控制模块根据基站监测分析情况，向基站发送新的调整策略或指令。例如，调整策略或指令包括基站退出节能模式，或部分恢复资源。
图3示出本公开的基站的节能方法的一些实施例的示意图。
如图3所示，该方法包括离线部分和在线部分。
在一些实施例中，离线部分包括线下通过历史数据对基站间业务负荷传播相关特性进行大数据分析，输出基站间业务传播关系。例如，采取节能措施基站为基站A，离线部分包括如下步骤。
在数据采集步骤中，对一段历史时间段(如一个月等)的KPI、MR、业务数据(如核心网信令或DPI数据)进行采集。可以根据历史MR数据的TA，测算全网的邻站关系，如基站A的邻站可以包括基站B、基站C等。
在大数据分析步骤中，可以进行建模和测算。例如，可以选定一些业务负荷、低时延高保障业务(优先保障业务)指标，如RRC、PRB、流量、小区的VOLTE、切片业务量等。
在一些实施例中，可以根据这些选定的数据，建立基站间业务负荷传播关系分析模型和高保障业务传播关系分析模型。例如，可以基于大数据分析，测算基站在不同时段(如早、中、晚)的业务指标的上升拐点(低谷值)、峰值拐点(峰值)等。
在基站预测规律数据步骤中，可以计算基站间的业务量传播关系。例如，业务量传播关系包括业务相关的时间段、传播方向(如基站B传播到基站A)、传播时差(如基站B的上升拐点、峰值拐点与基站A的上升拐点、峰值拐点de时间偏移)。业务量传播关系还可以包括普通业务负荷变化量、高保障业务变化量的平均值等。
在一些实施例中，可以根据建立基站间业务负荷传播关系分析模型和高保障业务传播关系分析模型，分别输出业务传播关系数据库和高保障业务传播关系数据库，即历史业务负荷变化信息。
在一些实施例中，在线部分包括线上根据节能基站周边的邻站业务数据，预测业务传播情况。
基站进入节能关断状态，如通道关断、基站下电等。对节能基站进行数据采集。例如，可以在线进行准实时数据采集(如1小时以内)。采集的数据可以报KPI(含客户感知数据)数据、高保障业务情况(核心网信令或DPI数据)等。
在监测客户感知和业务数据步骤中，针对节能基站A监测其周边的相邻基站甚至更远的***站点的上述数据。
在人工智能预测业务数据步骤中，通过时序智能预测模型(如LSTM、随机森林、lightGBM等)，基于最近一段时期的历史数据，预测邻站(可以包括更***邻站)和节能基站A在下一个周期的业务负荷、客户感知指标等。
在一些实施例中，可以基于相邻基站的预测结果判断是否存在业务量抬升变化。如果存在，则结合业务传播关系数据库，计算基站A在下一周期的业务量抬升情况。例如，业务量抬升情况包括时间点、业务量峰值、高保障业务的情况等。可以将业务峰值结果和基站A在下一周期预测峰值取较大者输出。
在一些实施例中，可以对基站节能模式进行调节。例如，根据节能基站下一个周期的业务预测情况(业务峰值、是否有高保障业务)，事前完成对基站的节能模式调整。
在判断剩余资源能否承载新增负荷步骤中，评估基站A当前配置是否可以满足预测的业务的资源需求。
在基站A节能关断在工作的资源不可以满足预测资源需求的情况下，事前发起对节能基站A的节能策略调整指令；在基站A节能关断在工作的资源可以满足预测资源需求的情况下，重复监测客户感知和业务数据步骤。
在判断剩余资源能否部分满足负荷步骤中，节能策略调整指令可以包括：根据需要唤醒部分资源如部分收发单元、中继资源；退出节能模式等。例如，如果无法满足，则基站A退出节能状态，唤醒所有资源；如果能够满足，则唤醒相应的部分资源。
在一些实施例中，假设节能基站A开启了通道关断或深度休眠，其邻站有基站B、C等。那么会存在业务流量，从基站B进入基站A，然后再转到其他相邻基站的情况。
在这种情况下，可以预先离线通过大数据测算是否存在业务从基站B向基站A的传播关系和规律。
在一些实施例中，通过历史大数据分析，可以确定相邻基站间业务量上升沿和峰值结构，从而确定两者间多次重复出现某时段(如6-7点)的业务传播相关性规律。根据该规律，可以建立基站业务传播规律数据表。
在一些实施例中，基站业务传播规律数据表可以包括记录时间、源基站、目基站、平均传播时延(如分钟)、源基站某负荷指标峰值、目的基站某负荷指标峰值2、高保障业务量。例如，基站业务传播规律数据表中的一条数据可以包括是(6:00、基站B、基站A、30、50、55、10)。
在一些实施例中，可以进行在线分析预测。例如，可以包括如下步骤。
针对节能基站A监测其周边邻站甚至更远的***站点的业务、客户感知数据。
通过时序智能预测模型(如LSTM、随机森林、lightGBM等)基于最近一段时期历史数据，预测邻站B、节能基站A下一个周期的业务负荷、客户感知指标数据。例如，PRB、RRC、高保障业务量等。
基于相邻基站B的预测结果，如果存在业务量抬升变化，就结合基站业务传播规律数据表，计算基站A在下一周期的业务量变化情况。
在一些实施例中，根据下一周期的业务量变化情况，可以判断基站A是否有业务量抬升。还可以判断，预测的业务峰值是否为有高保障业务。例如，可以将业务量结果和基站A下一周期预测值取最大值输出。可以在判断出预测业务峰值为高保障业务的情况下，唤醒基站A的相应资源，以保证高保障业务的执行。
在一些实施例中，可以根据预测结果，调整基站节能模式。可以根据节能基站下一个周期的业务预测情况(业务峰值、是否有高保障业务)，事前完成对基站的节能模式调整。
例如，可以评估基站A当前配置是否可以满足预测的业务的资源需求；若基站A节能关断在工作的资源不可以满足预测资源需求，则事前即可发起对节能基站A的节能策略调整指令。
例如，节能策略调整指令可以包括：如果资源足够无需唤醒；如果资源部分不足，唤醒基站A部分资源，例如，可以从16T16R恢复到32T32R；如果资源严重不足，基站A退出节能模式。
在上述实施例中，可以基于人工智能，事前智能预测以调整节能基站。根据相邻基站的业务传播关系，***节能基站业务变化趋势，从而实现智能化感知。
在上述实施例中，智能控制策略能按需实现部分或全部恢复。可以按需精确选择是部分恢复基站资源或完全退出节能模式，避免乒乓效应，实现最大化节能；
在上述实施例中，使高效节能方案规模部署更容易。基于经验对各基站预设复电指标阈值非常困难，无法动态适配业务。本公开可以自动智能适配调节，使得基站高效节能的规模应用更容易可行，提高维护效率，免除后顾之忧。
图4示出本公开的基站的节能装置的一些实施例的框图。
如图4所示，基站的节能装置4包括第一预测单元41、第二预测单元42、确定单元43和唤醒单元44。
第一预测单元41根据节能基站及其各相邻基站的当前业务数据，利用机器学习模型，预测节能基站的第一预测业务负荷，和各相邻基站的第一预测业务负荷。各相邻基站的第一预测业务负荷用于确定是否存在业务负荷增加的相邻基站。
在一些实施例中，各相邻基站根据节能基站的测量报告中的TA确定。
第二预测单元42在存在业务负荷增加的相邻基站的情况下，根据该相邻基站的第一预测业务负荷，以及节能基站与该相邻基站之间的历史业务负荷变化信息，预测节能基站的第二预测业务负荷。
在一些实施例中，历史业务负荷变化信息根据节能基站与各相邻基站之间的历史业务数据确定。
在一些实施例中，历史业务负荷变化信息通过下面的步骤确定：获取节能基站与各相邻基站之间的历史业务数据；根据历史业务数据，确定节能基站与各相邻基站之间的业务传播关系，业务传播关系包括节能基站与各相邻基站之间的业务在不同时间段的业务负载低谷点和峰值点；根据业务传播关系，确定历史业务负荷变化信息。
在一些实施例中，历史业务负荷变化信息包括业务时间信息、传播方向信息、源基站业务量峰值、目的基站业务量峰值。
在一些实施例中，业务时间信息包括业务传播时延信息，业务传播时延信息根据节能基站的业务负荷低谷点与相应的相邻基站的业务负荷低谷点之间的时间差确定。
在一些实施例中，历史业务负荷变化信息包括历史优先保障业务量，优先保障业务量为要求低时延、高可靠性的业务量，预测业务负荷峰值包括预测优先保障业务量，唤醒的预留资源优先用于预测优先保障业务量。
在一些实施例中，第一预测单元41根据节能基站及其各相邻基站的当前用户体验指标，利用机器学习模型，预测节能基站的预测用户体验指标，和各相邻基站的预测用户体验指标；根据节能基站及其各相邻基站的当前用户体验指标，和节能基站及其各相邻基站的预测用户体验指标，判断用户体验是否下降；第二预测单元42在用户体验下降的情况下，预测节能基站的第二预测业务负荷。
确定单元43根据节能基站的第一预测业务负荷和第二预测业务负荷，确定节能基站的预测业务负荷峰值。
唤醒单元44根据预测业务负荷峰值和节能基站的当前资源，确定需要唤醒的所述节能基站的预留资源。
在一些实施例中，确定单元43将节能基站的第一预测业务负荷中的业务负荷峰值和节能基站的第二预测业务负荷中的业务负荷峰值的最大值，确定为节能基站的预测业务负荷峰值
在上述实施例中，结合根据基站当前业务数据和历史业务数据的两种预测结果，确定基站的预测负荷峰值，以便确定需要唤醒的预留资源。这样，可以适用于不同业务的及时唤醒，从而在节能的情况下提高网络性能。
图5示出本公开的基站的节能装置的另一些实施例的框图。
如图5所示，该实施例的基站的节能装置5包括：存储器51以及耦接至该存储器51的处理器52，处理器52被配置为基于存储在存储器51中的指令，执行本公开中任意一个实施例中的基站的节能方法。
其中，存储器51例如可以包括***存储器、固定非易失性存储介质等。***存储器例如存储有操作***、应用程序、引导装载程序、数据库以及其他程序等。
图6示出本公开的基站的节能装置的又一些实施例的框图。
如图6所示，该实施例的基站的节能装置6包括：存储器610以及耦接至该存储器610的处理器620，处理器620被配置为基于存储在存储器610中的指令，执行前述任意一个实施例中的基站的节能方法。
存储器610例如可以包括***存储器、固定非易失性存储介质等。***存储器例如存储有操作***、应用程序、引导装载程序以及其他程序等。
基站的节能装置6还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630、640、650以及存储器610和处理器620之间例如可以通过总线660连接。其中，输入输出接口630为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口。存储接口650为SD卡、U盘等外置存储设备提供连接接口。
图7示出本公开的基站的一些实施例的框图。
如图7所示，基站7包括节能装置71，用于上述任一个实施例中的基站的节能方法。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、***、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质上实施的计算机程序产品的形式。
至此，已经详细描述了根据本公开的基站的节能方法、基站的节能装置、基站和计算机可读存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法和***。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和***。用于方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (21)

1.一种基站的节能方法，包括：
根据节能基站及其各相邻基站的当前业务数据，利用机器学习模型，预测所述节能基站的第一预测业务负荷，和所述各相邻基站的第一预测业务负荷，用于确定是否存在业务负荷增加的相邻基站；
在存在业务负荷增加的相邻基站的情况下，根据该相邻基站的第一预测业务负荷，以及所述节能基站与该相邻基站之间的历史业务负荷变化信息，预测所述节能基站的第二预测业务负荷；
根据所述节能基站的第一预测业务负荷和第二预测业务负荷，确定所述节能基站的预测业务负荷峰值；
根据所述预测业务负荷峰值和所述节能基站的当前资源，确定需要唤醒的所述节能基站的预留资源。
2.根据权利要求1所述的节能方法，其中，
所述历史业务负荷变化信息根据所述节能基站与所述各相邻基站之间的历史业务数据确定。
3.根据权利要求2所述的节能方法，其中，
所述历史业务负荷变化信息通过下面的步骤确定：
获取所述节能基站与所述各相邻基站之间的历史业务数据；
根据所述历史业务数据，确定所述节能基站与所述各相邻基站之间的业务传播关系，所述业务传播关系包括所述节能基站与所述各相邻基站之间的业务在不同时间段的业务负载低谷点和峰值点；
根据所述业务传播关系，确定所述历史业务负荷变化信息。
4.根据权利要求1所述的节能方法，还包括：
根据所述节能基站及其各相邻基站的当前用户体验指标，利用所述机器学习模型，预测所述节能基站的预测用户体验指标，和所述各相邻基站的预测用户体验指标；
根据所述节能基站及其各相邻基站的当前用户体验指标，和所述节能基站及其各相邻基站的预测用户体验指标，判断用户体验是否下降；
其中，所述预测所述节能基站的第二预测业务负荷包括：
在用户体验下降的情况下，预测所述节能基站的第二预测业务负荷。
5.根据权利要求1所述的节能方法，其中，
所述历史业务负荷变化信息包括业务时间信息、传播方向信息、源基站业务量峰值、目的基站业务量峰值。
6.根据权利要求5所述的节能方法，其中，
所述业务时间信息包括业务传播时延信息，
所述业务传播时延信息根据所述节能基站的业务负荷低谷点与相应的相邻基站的业务负荷低谷点之间的时间差确定。
7.根据权利要求1-6任一项所述的节能方法，其中，所述根据所述节能基站的第一预测业务负荷和第二预测业务负荷，确定所述节能基站的预测业务负荷峰值包括：
将所述节能基站的第一预测业务负荷中的业务负荷峰值和所述节能基站的第二预测业务负荷中的业务负荷峰值的最大值，确定为所述节能基站的预测业务负荷峰值。
8.根据权利要求1-6任一项所述的节能方法，其中，
所述历史业务负荷变化信息包括历史优先保障业务量，所述优先保障业务量为要求低时延、高可靠性的业务量，
所述预测业务负荷峰值包括预测优先保障业务量，唤醒的预留资源优先用于所述预测优先保障业务量。
9.根据权利要求1-6任一项所述的节能方法，其中，
所述各相邻基站根据所述节能基站的测量报告中的时间提前量TA确定。
10.一种基站的节能装置，包括：
第一预测单元，用于根据节能基站及其各相邻基站的当前业务数据，利用机器学习模型，预测所述节能基站的第一预测业务负荷，和所述各相邻基站的第一预测业务负荷，用于确定是否存在业务负荷增加的相邻基站；
第二预测单元，用于在存在业务负荷增加的相邻基站的情况下，根据该相邻基站的第一预测业务负荷，以及所述节能基站与该相邻基站之间的历史业务负荷变化信息，预测所述节能基站的第二预测业务负荷；
确定单元，用于根据所述节能基站的第一预测业务负荷和第二预测业务负荷，确定所述节能基站的预测业务负荷峰值；
唤醒单元，用于根据所述预测业务负荷峰值和所述节能基站的当前资源，确定需要唤醒的所述节能基站的预留资源。
11.根据权利要求10所述的节能装置，其中，
所述历史业务负荷变化信息根据所述节能基站与所述各相邻基站之间的历史业务数据确定。
12.根据权利要求10所述的节能装置，其中，
所述历史业务负荷变化信息通过下面的步骤确定：
获取所述节能基站与所述各相邻基站之间的历史业务数据；
根据所述历史业务数据，确定所述节能基站与所述各相邻基站之间的业务传播关系，所述业务传播关系包括所述节能基站与所述各相邻基站之间的业务在不同时间段的业务负载低谷点和峰值点；
根据所述业务传播关系，确定所述历史业务负荷变化信息。
13.根据权利要求10所述的节能装置，其中，
所述第一预测单元根据所述节能基站及其各相邻基站的当前用户体验指标，利用所述机器学习模型，预测所述节能基站的预测用户体验指标，和所述各相邻基站的预测用户体验指标，根据所述节能基站及其各相邻基站的当前用户体验指标，和所述节能基站及其各相邻基站的预测用户体验指标，判断用户体验是否下降；
所述第二预测单元在用户体验下降的情况下，预测所述节能基站的第二预测业务负荷。
14.根据权利要求10所述的节能装置，其中，
所述历史业务负荷变化信息包括业务时间信息、传播方向信息、源基站业务量峰值、目的基站业务量峰值。
15.根据权利要求14所述的节能装置，其中，
所述业务时间信息包括业务传播时延信息，
所述业务传播时延信息根据所述节能基站的业务负荷低谷点与相应的相邻基站的业务负荷低谷点之间的时间差确定。
16.根据权利要求10-15任一项所述的节能装置，其中，
所述确定单元将所述节能基站的第一预测业务负荷中的业务负荷峰值和所述节能基站的第二预测业务负荷中的业务负荷峰值的最大值，确定为所述节能基站的预测业务负荷峰值。
17.根据权利要求10-15任一项所述的节能装置，其中，
所述历史业务负荷变化信息包括历史优先保障业务量，所述优先保障业务量为要求低时延、高可靠性的业务量，
所述预测业务负荷峰值包括预测优先保障业务量，唤醒的预留资源优先用于所述预测优先保障业务量。
18.根据权利要求10-15任一项所述的节能装置，其中，
所述各相邻基站根据所述节能基站的测量报告中的时间提前量TA确定。
19.一种基站的节能装置，包括：
存储器；和
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1-9任一项所述的基站的节能方法。
20.一种基站，包括：
节能装置，用于执行权利要求1-9任一项所述的基站的节能方法。
21.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-9任一项所述的基站的节能方法。
CN201911262430.XA 2019-12-11 2019-12-11 基站的节能方法、装置、基站和计算机可读存储介质 Active CN112954707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911262430.XA CN112954707B (zh) 2019-12-11 2019-12-11 基站的节能方法、装置、基站和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911262430.XA CN112954707B (zh) 2019-12-11 2019-12-11 基站的节能方法、装置、基站和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112954707A CN112954707A (zh) 2021-06-11
CN112954707B true CN112954707B (zh) 2022-09-16

Family

ID=76225990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911262430.XA Active CN112954707B (zh) 2019-12-11 2019-12-11 基站的节能方法、装置、基站和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112954707B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113438687B (zh) * 2021-06-23 2022-10-11 中国联合网络通信集团有限公司 一种基站唤醒方法、装置及设备
CN116405990A (zh) * 2021-12-28 2023-07-07 中兴通讯股份有限公司 设备节能方法、***、电子设备及存储介质
CN117279033A (zh) * 2022-06-15 2023-12-22 中兴通讯股份有限公司 小区间的干扰协调方法、设备及存储介质
CN117692941A (zh) * 2022-08-25 2024-03-12 中兴通讯股份有限公司 动态负荷预测方法、装置、基站和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2530979A1 (en) * 2011-06-03 2012-12-05 Alcatel Lucent A base station, a network, and a method of base station switching between modes
EP2849478A1 (en) * 2013-09-13 2015-03-18 Alcatel Lucent A base station and a method of a base station estimating traffic load on a neighbouring base station
CN104883725A (zh) * 2015-06-19 2015-09-02 东南大学 一种长期演进网络中基于站点实际负载的网络节能方法
EP2919531A1 (en) * 2014-03-10 2015-09-16 Aspire Technology Limited Method and system for determining where and when in a cellular mobile network power consumption savings can be achieved without impacting quality of service
CN105611545A (zh) * 2014-11-19 2016-05-25 中兴通讯股份有限公司 基站干扰协调方法、装置和基站干扰协调***
EP3122099A1 (en) * 2015-07-24 2017-01-25 Cisco Technology, Inc. System and method to facilitate radio access point load prediction in a network environment

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110102589A (ko) * 2010-03-11 2011-09-19 삼성전자주식회사 무선통신시스템에서 전력 소모를 줄이기 위한 장치 및 방법
EP2439988B1 (en) * 2010-10-08 2014-06-25 Alcatel Lucent Optimizing power consumption of a base station

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2530979A1 (en) * 2011-06-03 2012-12-05 Alcatel Lucent A base station, a network, and a method of base station switching between modes
EP2849478A1 (en) * 2013-09-13 2015-03-18 Alcatel Lucent A base station and a method of a base station estimating traffic load on a neighbouring base station
EP2919531A1 (en) * 2014-03-10 2015-09-16 Aspire Technology Limited Method and system for determining where and when in a cellular mobile network power consumption savings can be achieved without impacting quality of service
CN105611545A (zh) * 2014-11-19 2016-05-25 中兴通讯股份有限公司 基站干扰协调方法、装置和基站干扰协调***
CN104883725A (zh) * 2015-06-19 2015-09-02 东南大学 一种长期演进网络中基于站点实际负载的网络节能方法
EP3122099A1 (en) * 2015-07-24 2017-01-25 Cisco Technology, Inc. System and method to facilitate radio access point load prediction in a network environment

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AI技术在5G基站节能应用的展望;张青;《广东通信技术》;20191015(第10期);全文 *
基于基站休眠的蜂窝网络节能技术研究;朱禹涛等;《电信网技术》;20151015(第10期);全文 *

Also Published As

Publication number Publication date
CN112954707A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN112954707B (zh) 基站的节能方法、装置、基站和计算机可读存储介质
KR101529539B1 (ko) 모바일 통신 단말들을 위한 스마트 전력 관리 방법 및 장치
CN103348744B (zh) 使用功率阈值对移动通信终端进行智能功率管理的方法和装置
CN105636056B (zh) 一种频谱资源自优化的节能方法、装置和***
CN110996377B (zh) 一种基站节能方法、***、装置和存储介质
WO2016078268A1 (zh) 节能方法及装置
CN113543284A (zh) 节能方法、基站、控制单元及存储介质
WO2016115956A1 (zh) 基于云计算的业务***的调度方法及调度装置
CN102498735B (zh) 用于小区控制的方法和设备
KR20210097828A (ko) Ai 예측에 기반한 지능형 터미널 에너지 절약 방법 및 장치
CN109600765B (zh) 一种休眠、唤醒控制方法、装置、du、cu和存储介质
TWI572179B (zh) Mobile network base station communication prediction and resource scheduling automation analysis system and method
CN102520785A (zh) 一种云数据中心能耗管理方法及***
CN111752710A (zh) 数据中心pue动态优化方法、***、设备及可读存储介质
CN111148189B (zh) 用户终端及其控制方法、计算机可读存储介质
EP2590443A1 (en) Control device and method, and node device
CN109756372B (zh) 一种电信计费***的弹性伸缩方法及装置
CN109660995B (zh) 基于机器学习算法的WiFi***中AP智能节能控制方法及设备
CN106912088B (zh) 一种小基站休眠的控制方法及装置
CN105471655A (zh) 虚拟化集群中确定物理设备上电或下电的方法及装置
CN105700665B (zh) 基于嵌入式***功耗模式的选择方法及***，嵌入式***
CN115243349A (zh) 基站节能方法、装置、电子设备及存储介质
CN107005935A (zh) 网络能效优化方法和装置
CN114071662A (zh) 基站及其节能控制方法和装置
CN103001740B (zh) 寻呼状态控制方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant