CN115314910B - 基站节能时段预测方法、装置、电子设备及可读存储介质 - Google Patents
基站节能时段预测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN115314910B CN115314910B CN202210957830.8A CN202210957830A CN115314910B CN 115314910 B CN115314910 B CN 115314910B CN 202210957830 A CN202210957830 A CN 202210957830A CN 115314910 B CN115314910 B CN 115314910B
- Authority
- CN
- China
- Prior art keywords
- base station
- time point
- index data
- saving
- operation index
- 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
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
- 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
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种基站节能时段预测方法、装置、电子设备及可读存储介质。该方法包括:在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据;根据各所述运行指标数据的相似程度对各所述基站进行分类,以获得基站分类结果,所述基站分类结果包括各类基站及对应的运行状态;针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,所述时间点分类结果包括各类采样时间点以及该类基站在各类采样时间点上的运行状态;根据各所述时间点分类结果,确定下一预设时长内各类基站的最佳节能时间段。本申请的方法,可以降低基站网络运维的难度。
Description
技术领域
本申请涉及基站节能技术,尤其涉及一种基站节能时段预测方法、装置、电子设备及可读存储介质。
背景技术
目前的基站节能***主要利用一些基站运行指标、功耗指标等进行建模分析,预测下一时间点的节能状态,并根据此状态执行相应的节能策略。而实际上,这种逐时间点的节能状态判断及节能策略的下发,因涉及需要频繁的基站进行去激活、激活操作,会增大基站网络的运维难度。
发明内容
本申请提供一种基站节能时段预测方法、装置、电子设备及可读存储介质,用以解决现有技术中,基站网络运维难度较大的技术问题。
第一方面,本申请提供一种基站节能时段预测方法,包括:
在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据;
根据各所述运行指标数据的相似程度对各所述基站进行分类,以获得基站分类结果,所述基站分类结果包括各类基站及对应的运行状态;
针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,所述时间点分类结果包括各类采样时间点以及该类基站在各类采样时间点上的运行状态;
根据各所述时间点分类结果,确定下一预设时长内各类基站的最佳节能时间段。
在一个实施例中,所述运行指标数据,包括:上下行流量、上下行利用率、用户数、单站功耗、AAU/RRU功耗和BBU功耗。
在一个实施例中,在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据,包括:
根据预设的时间间隔,获得所述多个连续的预设时长内的各个采样时间点;
针对预设范围内的各基站,分别获取在所述各个采样时间点上采集的运行指标数据,以获取预设范围内的各基站的运行指标数据。
在一个实施例中,所述根据各所述运行指标数据的相似程度对各所述基站进行分类,以获得基站分类结果,包括:
将各所述运行指标数据以及基站标识,输入到基站聚类模型中,以使所述基站聚类模型根据各所述运行指标数据的相似程度对各基站进行分类,输出获得基站分类结果
在一个实施例中,所述针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,包括:
针对各类基站,将每类基站在各个采样时间点的运行指标数据以及采样时间点,输入到时间点聚类模型中,以使时间点聚类模型根据该类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果。
在一个实施例中,根据各所述时间点分类结果,确定下一预设时长内各类基站的最佳节能时间段,包括:
根据各所述时间点分类结果,获得各类基站分别在各类采样时间点上的运行状态;
将各类基站的运行状态为不活跃的至少一类采样时间点,确定为各类基站的各最佳节能时间点;
根据各类基站的各最佳节能时间点,获得各类基站的最佳节能时间段。
在一个实施例中,所述根据各所述时间点分类结果,获得下一预设时长内各类基站的最佳节能时间段之后,还包括:
根据基站类别向各基站发送节能指令,以控制各所述基站从对应的最佳节能时间段的起始时间开始,进入休眠模式或者关断预设个数的通道;所述节能指令携带有下一预设时长内各类基站的最佳节能时间段的起始时间。
第二方面,本申请提供一种基站节能时段预测装置,包括:
运行指标数据获取模块,用于在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据;
基站聚类结果获取模块,用于根据各所述运行指标数据的相似程度对各所述基站进行分类,以获得基站分类结果,所述基站分类结果包括各类基站及对应的运行状态;
时间聚类结果获取模块,用于针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,所述时间点分类结果包括各类采样时间点以及该类基站在各类采样时间点上的运行状态;
节能时间段获取模块,用于根据各所述时间点分类结果,获得下一预设时长内各类基站的最佳节能时间段。
第三方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如第一方面所述的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
本申请提供的基站节能时段预测方法、装置、电子设备及可读存储介质,通过在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据;根据各所述运行指标数据的相似程度对各所述基站进行分类,以获得基站分类结果,所述基站分类结果包括各类基站及对应的运行状态;针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,所述时间点分类结果包括各类采样时间点以及该类基站在各类采样时间点上的运行状态;根据各所述时间点分类结果,确定下一预设时长内各类基站的最佳节能时间段。本申请根据历史的多个连续的预设时长内所获得的各基站的运行指标数据,对基站进行分类,得到不同运行状态的各类基站。再根据同一运行状态下的每类基站在各个采样时间点的运行状态,对预设时长内的采样时间点进行分类,得到该类基站在各类采样时间点上的运行状态,从而可确定该类基站在一个预设时长内的最佳节能时间段,以便控制该类基站在最佳节能时间段上采取节能措施进行节能。其他基站同理可得。由于是对下一预设时长内的一段时间进行预测,而非逐个时间点预测,相比于现有技术,本申请不需要频繁地对基站进行激活和去激活操作,因此,在一定程度上可以降低基站网络的运维难度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为实现本申请实施例的基站节能时段预测方法的一种应用场景图;
图2为本申请一实施例的实现基站节能时段预测方法的流程示意图;
图3为本申请另一实施例的实现基站节能时段预测方法的流程示意图;
图4为本申请实现基站节能时段预测方法的结构示意图;
图5为用来实现基站节能时段预测方法中的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了清楚理解本申请的技术方案,首先对现有技术的方案进行详细介绍。
目前的基站节能***主要利用一些基站运行指标、功耗指标等进行建模分析,预测下一时间点的节能状态,并根据此状态执行相应的节能策略。这种逐时间点预测,预测的是每小时的基站状态,一般情况下会以每小时预测出的基站状态执行节能(预测基站活跃则不节能,预测基站不活跃则下发节能策略),很有可能出现上一小时基站不活跃、下一小时基站复活的情况,当上一小时预测基站不活跃时下发基站去激活指令,下一小时基站复活,又要下发基站激活指令,这种逐小时的基站状态预测很有可能涉及反复的基站去激活、激活操作,对于基站网络的运维压力是非常大的,一旦涉及去激活、激活操作失败,会引发严重后果(尤其是激活失败)。
所以在面对现有技术的技术问题时,发明人通过创造性的研究后发现,为了减小基站网络的运维难度。因而,本申请根据历史的多个连续的预设时长内所获得的各基站的运行指标数据,对基站进行分类,得到不同运行状态的各类基站。再根据同一运行状态下的每类基站在各个采样时间点的运行状态,对预设时长内的采样时间点进行分类,得到该类基站在各类采样时间点上的运行状态,从而可确定该类基站在一个预设时长内的最佳节能时间段,以便控制该类基站在最佳节能时间段上采取节能措施进行节能。其他基站同理可得。由于是对下一预设时长内的一段时间进行预测,而非逐个时间点预测,因此相比于现有技术,本申请不需要频繁地对基站进行激活和去激活操作,因此,在一定程度上可以降低基站网络的运维难度。
如图1所示,本申请实施例提供的基站节能时段预测方法的应用场景,在该应用场景中对应的网络架构中包括电子设备10和各基站20,各基站20和电子设备10之间进行通信连接。电子设备10可以用于采集各基站的运行指标数据并存储,图1中仅示出了基站1和基站n,n为正整数。在确定下一预设时长内的各类基站20的最佳节能时间段时,电子设备10可以从存储的运行指标数据中,获取与下一预设时长最接近的多个连续的预设时长内的,预设范围内的各基站的运行指标数据。根据各运行指标数据的相似程度对各基站20进行分类,获得基站分类结果,再对各类基站20在各个采样时间时间点的运行指标数据的相似程度对各个采样时间点进行分类,获得各时间点分类结果,以确定下一预设时长内各类基站20的最佳节能时间段。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2是本申请一实施例提供的基站节能时段预测方法,如图2所示,本实施例提供的基站节能时段预测方法的执行主体是电子设备。则本实施例提供的基站节能时段预测方法包括以下步骤:
步骤101,在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据。
其中,预设时长通常可以设置为1天,不做具体限定。多个连续的预设时长,是指多个且连续的预设时长,以1天为例,多个连续的预设时长是指连续多天,n个连续的预设时长即连续n天。
预设范围可以是全国范围内、省级范围或市级范围内,也可以视情况进一步划分。
基站的运行指标数据是指表征基站的运行状态的指标数据,可以包括上下行流量、上下行利用率、用户数、单站功耗、AAU/RRU功耗和BBU功耗。
电子设备可以是核心网,每隔15分钟或1个小时采集各基站的运行指标数据并存储。在对各基站在下一预设时长内的最佳节能时间段进行预测时,则确定与下一预设时长最接近的多个连续的预设时长,并在该多个连续的预设时长内,获取预设范围内的各基站的运行指标数据。例如,一般可以采集最新的7-14天的预设范围内的各基站的运行指标数据(是一种最新的历史数据)。
步骤102,根据各运行指标数据的相似程度对各基站进行分类,以获得基站分类结果,基站分类结果包括各类基站及对应的运行状态。
其中,运行指标数据的相似程度是指各基站之间的运行指标数据的值在时序上的近似程度,相似程度至少包括相似和不相似。基站之间的运行指标数据的相似程度为相似时,表明基站之间的运行状态相似,基站之间的运行指标数据的相似程度为不相似时,表明基站之间的运行状态不相似。
基站分类结果是指基于运行指标数据的相似程度进行分类后的结果,通常运行指标数据的相似程度为相似的基站可以分为一类,基站分类结果可以包括多类彼此间运行状态相似的基站。
在对各基站进行分类时,可以采用现有的聚类算法,例如KNN、KMeans、GMM等,不做赘述。分类后即可获得基站分类结果,即,通过对各基站进行分类以获得基站分类结果,可以将各基站中运行状态相似的分为一类,从而得到多类基站,即具有多种运行状态的基站类型。
可以理解的是,同一省份或者同一地区的基站,运行指标数据的相似程度通常相似,运行状态趋于一致,可分为一类基站。不同省份或不同地区的基站,运行指标数据的相似程度通常不相似,运行状态不一致,不可分为一类基站。
步骤103,针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,时间点分类结果包括各类采样时间点以及该类基站在各类采样时间点上的运行状态。
其中,采样时间点是指电子设备采集各基站的运行指标数据时的时间点。各基站的运行指标数据携带有对应的采样时间点。
在多个连续的预设时长内,各个预设时长内的采样时间点具有一致性,电子设备在多个连续的预设时长内的多个同一时间点进行采样。例如,连续3天内,每天的采样时间点可以是8:30、8:45、9:00…15:30、14:00等。
具体地,本实施例是在前述根据各运行指标数据的相似程度对各基站进行分类后,已获得各类基站和对应的运行状态。从采样时间点的维度出发,针对每类基站在多个连续的预设时长内的各个采样时间点进行分类,以获得各类基站在各类采样时间点上的运行状态。
示例性地,预设时长为1天,多个连续的预设时长为2天时,若2天内的采样时间点包括第1天的t11、t12、t13、t14、t15以及第2天的t21、t22、t23、t2t、t25,此处,t11和t21,t12和t22,t13和t23,t14和t24,t15和t25是第1、2天同一时间点的五组采样时间点。
获取基站分类结果的分类过程可以理解为,根据t11、t12、t13、t14、t15、t21、t22、t23、t24、t25各采样时间点的运行指标数据的相似程度,对预设范围内的各基站进行分类。
获取时间点分类结果的分类过程可以理解为,分别根据t11、t12、t13、t14、t15(或者根据t21、t22、t23、t24、t25)等采样时间点,以确定在每类基站在2天内各类采样时间点上的运行指标数据,对实现各类基站在采样时间点上的进一步分类。
步骤104,根据各时间点分类结果,确定下一预设时长内各类基站的最佳节能时间段。
其中,最佳节能时间段,是指对基站进行节能措施的最佳时间段。通常是基站运行状态最不活跃的时间段,为最佳节能时间段。下一预设时长是多个连续的预设时长之后的一个预设时长。以预设时长为1天举例说明,多个连续的预设时长是2022.1.1-2022.1.7,则下一预设时长是2022.1.8。
具体地,确定各类基站在各类采样时间点上的运行状态之后,即可确定各类基站在哪些时间段可以进行节能措施。
在预设范围较大,涉及基站的数量非常大,若直接获取全国范围内所有基站在各类采样时间点上的运行指标数据,则每类采样时间点上的各基站易出现运行状态不一致的情况,因而无法准确判断最佳节能时间段。因此,在获取各时间点分类结果之前,先对各基站进行分类,可以保证在确定最佳节能时间段时,不受其他基站运行状态不一致的影响,有利于获得准确的最佳节能时间段。
如表1所示,是对基站分类和采样时间点进行分类后的节能时间段示意表。
表1节能时间段示意表
t11-t12 | t12-t13 | t13-t14 | |
I类基站 | 非常活跃 | 不活跃 | 一般活跃 |
II类基站 | 不活跃 | 一般活跃 | 一般活跃 |
其中,I类基站在t11-t12时间段内为非常活跃,在t12-t13时间段内为不活跃,在t13-t14为一般活跃,因而可以将t12-t13时间段作为I类基站的最佳节能时间段。
本申请中,在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据;根据各运行指标数据的相似程度对各基站进行分类,以获得基站分类结果,基站分类结果包括各类基站及对应的运行状态;针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,时间点分类结果包括各类采样时间点以及该类基站在各类采样时间点上的运行状态;根据各时间点分类结果,确定下一预设时长内各类基站的最佳节能时间段。本申请根据历史的多个连续的预设时长内所获得的各基站的运行指标数据,对基站进行分类,得到不同运行状态的各类基站。再根据同一运行状态下的每类基站在各个采样时间点的运行状态,对预设时长内的采样时间点进行分类,得到该类基站在各类采样时间点上的运行状态,从而可确定该类基站在一个预设时长内的最佳节能时间段,以便控制该类基站在最佳节能时间段上采取节能措施进行节能。其他基站同理可得。由于是对下一预设时长内的一段时间进行预测,而非逐个时间点预测,相比于现有技术,本申请不需要频繁地对基站进行激活和去激活操作,因此,在一定程度上可以降低基站网络的运维难度。
作为一种可选实施方式,如图3所示,本实施例中,步骤101,包括以下步骤:
步骤201,根据预设的时间间隔,获得多个连续的预设时长内的各个采样时间点。
其中,预设的时间间隔是指在预设时长内,设定的采样时间间隔。
即,在多个连续的预设时长内,电子设备按照预设的时间间隔采集各基站的运行指标数据。
步骤202,针对预设范围内的各基站,分别获取在各个采样时间点上采集的运行指标数据,以获取预设范围内的各基站的运行指标数据。
其中,电子设备已采集各基站的运行指标数据之后,若确定多个连续的预设时长内的各个采样时间点,则获取预设范围内各基站在各个采样时间点上的运行指标数据,获得预设范围内的各基站的运行指标数据。
本实施例中,根据预设的时间间隔,获得多个连续的预设时长内的各个采样时间点;针对预设范围内的各基站,分别获取在各个采样时间点上采集的运行指标数据,以获取预设范围内的各基站的运行指标数据。各采样时间点是基于预设时间间隔确定的,各采样时间点分布匀称,以分布匀称的各采样时间点所采集的各基站的运行指标数据确定最佳节能时间段,可以提高确定最佳节能时间段的准确性。
作为一种可选实施方式,本实施例中,步骤102,具体包括:将各运行指标数据以及基站标识,输入到基站聚类模型中,以使基站聚类模型根据各运行指标数据的相似程度对各基站进行分类,输出获得基站分类结果。
其中,基站标识,可以用于区分各基站,基站标识具有唯一性。
基站聚类模型,是指对基站进行分类的聚类模型,所采用的可以是现有的聚类算法,例如KNN、KMeans、GMM等。
将各运行指标数据和基站标识,输入到基站模型中时,各运行指标数据与基站标识应该是匹配对应的。输入之后,基站聚类模型则根据各运行指标数据的相似程度对各基站进行分类,从而输出获得基站分类结果。
本实施例中,将各运行指标数据以及基站标识,输入到基站聚类模型中,以使基站聚类模型根据各运行指标数据的相似程度对各基站进行分类,输出获得基站分类结果。采用基站聚类模型,对各基站进行分类,可以快速且准确的获得基站分类结果。
作为一种可选实施方式,本实施例中,步骤103,具体包括:针对各类基站,将每类基站在各个采样时间点的运行指标数据以及采样时间点,输入到时间点聚类模型中,以使时间点聚类模型根据该类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果。
其中,时间点聚类模型,是指对各类基站的各个采样时间点进行分类的聚类模型,所采用的可以是现有的聚类算法,例如KNN、KMeans、GMM等。
如前述,各运行指标数据携带有对应的采样时间点,此处,将各类基站在各个采样时间点的运行指标数据以及采样时间点,输入到时间点聚类模型中,等同于将各类基站在各个采样时间点的运行指标数据输入到时间点聚类模型。
输入到时间点模型之后,时间点聚类模型可以根据各类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,从而获得各时间点分类结果。
本实施例中,针对各类基站,将每类基站在各个采样时间点的运行指标数据以及采样时间点,输入到时间点聚类模型中,以使时间点聚类模型根据该类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果。采用时间点聚类模型,对各基站在各个采样时间点的运行指标的相似程度对各个采样时间点进行分类,可以快速且准确的获得各时间点分类结果。
对于上述基站聚类模型和时间点聚类模型,考虑到预设范围内各基站的运行状态可能随时间发生变化,以及自然灾害或突发情况的影响,因此需进行长期迭代,一般可按周或按月进行迭代。
作为一种可选实施方式,本实施例中,步骤104,包括以下步骤:
步骤301,根据各时间点分类结果,获得各类基站分别在各类采样时间点上的运行状态。
其中,时间点分类结果包括一类基站在各类采样时间点上对应的运行状态,因此根据各时间点分类结果,可以获得各类基站分别在各类采样时间点上的运行状态。
步骤302,将各类基站的运行状态为不活跃的至少一类采样时间点,确定为各类基站的各最佳节能时间点。
其中,基站的运行状态为不活跃时,表明可以对该基站进行节能措施。采样时间点是离散的,一类采样时间点至少包括一个采样时间点。
具体的,在确定每类基站的各最佳节能时间点时,先计算该类基站在每类采样时间点的各运行指标数据的均值,选取预设比例的均值最小的一类采样时间点作为预设时长内的最佳节能时间点。例如,预设比例可以是80%,若运行指标数据有6项,包括上下行流量、上下行利用率…和BBU功耗,在某类采样时间点上,有5项运行指标数据的均值最小,则可以将该类采样时间点确定为最佳节能时间点。
步骤303,根据各类基站的各最佳节能时间点,获得各类基站的最佳节能时间段。
具体地,在确定各类基站的各最佳节能时间点后,若选取结果能够在至少n个时间点上连续(n为筛选阈值,可取3或更多),则确定为该类基站的预设时长内的最佳节能时段。即,在确定最佳节能时间段时,是根据连续的最佳节能时间点得到的。
本实施例中,根据各时间点分类结果,获得各类基站分别在各类采样时间点上的运行状态;将各类基站的运行状态为不活跃的至少一类采样时间点,确定为各类基站的各最佳节能时间点;根据各类基站的各最佳节能时间点,获得各类基站的最佳节能时间段。由于确定各类基站的最佳节能时间段时,是根据各类基站的各最佳节能时间点确定的,而最接节能时间点是根据各类基站分别在各类采样时间点上的运行状态得到的。因此,得到的最佳节能时间点是准确的,同样地,最佳节能时间段也是准确的。
基站在预设时长内的节能时段会出现不唯一的情况,最佳节能时间段也可能不唯一。此时,可以根据节能目标和节能方式的激进程度,调整最佳节能时间点的筛选阈值,来延长或缩短节能时间段。
作为一种可选实施方式,本实施例中,在步骤104之后,还包括:根据基站类别向各基站发送节能指令,以控制各基站从对应的最佳节能时间段的起始时间开始,进入休眠模式或者关断预设个数的通道;节能指令携带有下一预设时长内各类基站的最佳节能时间段的起始时间。
其中,节能指令是电子设备发送的,用于控制基站在进入最佳节能时间段时,自动执行节能措施。节能措施至少包括休眠模式和通断关断,节能指令中可携带下一预设时长内各类基站的最佳节能时间段的起始时间,以及一种节能措施,例如进入休眠模式或者关断预设个数的通道。
基站进入休眠模式或者关断一定个数的通道后,将短时间内不会产生功耗等,可节约供电和减少基站网络负载。
为确保各类基站一进入最佳节能时间段时,即可自动执行节能措施,可以是电子设备在获得下一预设时长内的各类基站的最佳节能时间段的起始时间时,即根据基站类别,向各基站发送节能指令,且该节能指令中携带有下一预设时长内的各类基站的最佳节能时间段的起始时间,在到达起始时间时,该节能指令才开始有效作用于各基站。
本实施例中,根据基站类别向各基站发送节能指令,以控制各基站从对应的最佳节能时间段的起始时间开始,进入休眠模式或者关断预设个数的通道;节能指令携带有下一预设时长内各类基站的最佳节能时间段的起始时间。通过向各基站发送节能指令,可以控制各基站自动进入休眠模式或关断预设个数的通道,从而达到节能的目的。
在另一个实施例中,为确保各类基站一进入最佳节能时间段时,即可自动执行节能措施,还可以是电子设备在到达下一预设时长内各类基站的最佳节能时间段的起始时间时,下发节能指令给各类基站,从而使各类基站一接收到该节能指令,自动执行节能操作。
图4是本申请一实施例提供的基站节能时段预测装置的结构示意图,如图4所示,本实施例提供的基站节能时段预测装置40位于电子设备中,则本实施例提供的基站节能时段预测装置40,包括:运行指标数据获取模块41,基站聚类结果获取模块42,时间聚类结果获取模块43和节能时间段获取模块44。
其中,运行指标数据获取模块41,用于在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据;基站聚类结果获取模块42,用于根据各运行指标数据的相似程度对各基站进行分类,以获得基站分类结果,基站分类结果包括各类基站及对应的运行状态;时间聚类结果获取模块43,用于针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,时间点分类结果包括各类采样时间点以及该类基站在各类采样时间点上的运行状态;节能时间段获取模块44,用于根据各时间点分类结果,获得下一预设时长内各类基站的最佳节能时间段。
可选地,运行指标数据,包括:上下行流量、上下行利用率、用户数、单站功耗、AAU/RRU功耗和BBU功耗。
可选地,运行指标数据获取模块41,具体用于:根据预设的时间间隔,获得多个连续的预设时长内的各个采样时间点;针对预设范围内的各基站,分别获取在各个采样时间点上采集的运行指标数据,以获取预设范围内的各基站的运行指标数据。
可选地,基站聚类结果获取模块42,具体用于:将各运行指标数据以及基站标识,输入到基站聚类模型中,以使基站聚类模型根据各运行指标数据的相似程度对各基站进行分类,输出获得基站分类结果。
可选地,时间聚类结果获取模块43,具体用于:针对各类基站,将每类基站在各个采样时间点的运行指标数据以及采样时间点,输入到时间点聚类模型中,以使时间点聚类模型根据该类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果。
可选地,节能时间段获取模块44,具体用于:根据各时间点分类结果,获得各类基站分别在各类采样时间点上的运行状态;将各类基站的运行状态为不活跃的至少一类采样时间点,确定为各类基站的各最佳节能时间点;根据各类基站的各最佳节能时间点,获得各类基站的最佳节能时间段。
可选地,基站节能时段预测装置40,还包括:节能措施执行模块,用于在根据各时间点分类结果,获得下一预设时长内各类基站的最佳节能时间段之后,根据基站类别向各基站发送节能指令,以控制各基站从对应的最佳节能时间段的起始时间开始,进入休眠模式或者关断预设个数的通道;节能指令携带有下一预设时长内各类基站的最佳节能时间段的起始时间。
图5是根据一示例性实施例示出的一种电子设备的框图,该设备可以是如图5所示,电子设备,包括:存储器51,处理器52;存储器51用于存储处理器可执行指令的存储器;处理器52用于运行计算机程序或指令,以实现如上任意一个实施例提供的基站节能时段预测方法。
其中,存储器51,用于存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。存储器51可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volati le memory),例如至少一个磁盘存储器。
其中,处理器52可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本公开实施例的一个或多个集成电路。
可选的,在具体实现上,如果存储器51和处理器52独立实现,则存储器51和处理器52可以通过总线53相互连接并完成相互间的通信。总线53可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线53、外部设备互连(PeripheralComponent,简称为PCI)总线53或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线53等。总线53可以分为地址总线53、数据总线53、控制总线53等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线53或一种类型的总线53。
可选的,在具体实现上,如果存储器51和处理器52集成在一块芯片上实现,则存储器51和处理器52可以通过内部接口完成相同间的通信。
一种非临时性计算机可读存储介质,当该存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述电子设备的基站节能时段预测方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种基站节能时段预测方法,其特征在于,所述方法包括:
在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据;其中,所述运行指标数据包括:上下行流量、上下行利用率、用户数、单站功耗、AAU/RRU功耗和BBU功耗;
根据各所述运行指标数据的相似程度对各所述基站进行分类,以获得基站分类结果,所述基站分类结果包括各类基站及对应的运行状态;
针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,所述时间点分类结果包括各类采样时间点以及该类基站在各类采样时间点上的运行状态;
根据各所述时间点分类结果,获得各类基站分别在各类采样时间点上的运行状态;
将各类基站的运行状态为不活跃的至少一类采样时间点,确定为各类基站的各最佳节能时间点;
根据各类基站的各最佳节能时间点,获得各类基站的最佳节能时间段。
2.根据权利要求1所述的方法,其特征在于,在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据,包括:
根据预设的时间间隔,获得所述多个连续的预设时长内的各个采样时间点;
针对预设范围内的各基站,分别获取在所述各个采样时间点上采集的运行指标数据,以获取预设范围内的各基站的运行指标数据。
3.根据权利要求2所述的方法,其特征在于,所述根据各所述运行指标数据的相似程度对各所述基站进行分类,以获得基站分类结果,包括:
将各所述运行指标数据以及基站标识,输入到基站聚类模型中,以使所述基站聚类模型根据各所述运行指标数据的相似程度对各基站进行分类,输出获得基站分类结果。
4.根据权利要求3所述的方法,其特征在于,所述针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,包括:
针对各类基站,将每类基站在各个采样时间点的运行指标数据以及采样时间点,输入到时间点聚类模型中,以使时间点聚类模型根据该类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果。
5.根据权利要求1所述的方法,其特征在于,所述根据各所述时间点分类结果,获得下一预设时长内各类基站的最佳节能时间段之后,还包括:
根据基站类别向各基站发送节能指令,以控制各所述基站从对应的最佳节能时间段的起始时间开始,进入休眠模式或者关断预设个数的通道;所述节能指令携带有下一预设时长内各类基站的最佳节能时间段的起始时间。
6.一种基站节能时段预测装置,其特征在于,所述装置包括:
运行指标数据获取模块,用于在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据;其中,所述运行指标数据包括:上下行流量、上下行利用率、用户数、单站功耗、AAU/RRU功耗和BBU功耗;
基站聚类结果获取模块,用于根据各所述运行指标数据的相似程度对各所述基站进行分类,以获得基站分类结果,所述基站分类结果包括各类基站及对应的运行状态;
时间聚类结果获取模块,用于针对各类基站,根据每类基站在各个采样时间点的运行指标数据的相似程度对各个采样时间点进行分类,以获得对应的时间点分类结果,所述时间点分类结果包括各类采样时间点以及该类基站在各类采样时间点上的运行状态;
节能时间段获取模块,用于根据各所述时间点分类结果,获得各类基站分别在各类采样时间点上的运行状态;将各类基站的运行状态为不活跃的至少一类采样时间点,确定为各类基站的各最佳节能时间点;根据各类基站的各最佳节能时间点,获得各类基站的最佳节能时间段。
7.根据权利要求6所述的装置,其特征在于,所述运行指标数据获取模块,在所述在多个连续的预设时长内,获取预设范围内的各基站的运行指标数据时,具体用于:
根据预设的时间间隔,获得多个连续的预设时长内的各个采样时间点;针对预设范围内的各基站,分别获取在各个采样时间点上采集的运行指标数据,以获取预设范围内的各基站的运行指标数据。
8.根据权利要求7所述的装置,其特征在于,所述基站聚类结果获取模块,在所述根据各所述运行指标数据的相似程度对各所述基站进行分类,以获得基站分类结果时,具体用于:
将各运行指标数据以及基站标识,输入到基站聚类模型中,以使基站聚类模型根据各运行指标数据的相似程度对各基站进行分类,输出获得基站分类结果。
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210957830.8A CN115314910B (zh) | 2022-08-10 | 2022-08-10 | 基站节能时段预测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210957830.8A CN115314910B (zh) | 2022-08-10 | 2022-08-10 | 基站节能时段预测方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115314910A CN115314910A (zh) | 2022-11-08 |
CN115314910B true CN115314910B (zh) | 2023-06-20 |
Family
ID=83861053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210957830.8A Active CN115314910B (zh) | 2022-08-10 | 2022-08-10 | 基站节能时段预测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115314910B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108848520A (zh) * | 2018-05-28 | 2018-11-20 | 西安交通大学 | 一种基于流量预测与基站状态的基站休眠方法 |
CN111417180A (zh) * | 2020-03-25 | 2020-07-14 | 沈欣颖 | 一种协同基站节能管理的网络调度方法及装置 |
CN112243285A (zh) * | 2019-07-16 | 2021-01-19 | ***通信集团重庆有限公司 | 基站节能方法及装置 |
CN112566226A (zh) * | 2020-12-16 | 2021-03-26 | 北京电信规划设计院有限公司 | 5g基站智能化节能方法 |
CN113705707A (zh) * | 2021-09-02 | 2021-11-26 | 中国联合网络通信集团有限公司 | 基站小区节电状态的确定方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103974389B (zh) * | 2013-02-01 | 2018-04-06 | 株式会社日立制作所 | 蜂窝网络中的基站和基站的休眠控制方法 |
-
2022
- 2022-08-10 CN CN202210957830.8A patent/CN115314910B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108848520A (zh) * | 2018-05-28 | 2018-11-20 | 西安交通大学 | 一种基于流量预测与基站状态的基站休眠方法 |
CN112243285A (zh) * | 2019-07-16 | 2021-01-19 | ***通信集团重庆有限公司 | 基站节能方法及装置 |
CN111417180A (zh) * | 2020-03-25 | 2020-07-14 | 沈欣颖 | 一种协同基站节能管理的网络调度方法及装置 |
CN112566226A (zh) * | 2020-12-16 | 2021-03-26 | 北京电信规划设计院有限公司 | 5g基站智能化节能方法 |
CN113705707A (zh) * | 2021-09-02 | 2021-11-26 | 中国联合网络通信集团有限公司 | 基站小区节电状态的确定方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
基于AI的5G基站节能技术研究;梁力维;李荣聪;;移动通信(第12期) * |
Also Published As
Publication number | Publication date |
---|---|
CN115314910A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108171550B (zh) | 行为数据分析方法、装置及存储介质 | |
CN112954707B (zh) | 基站的节能方法、装置、基站和计算机可读存储介质 | |
CN104993974A (zh) | 一种识别设备工作状态的检测方法以及上位机 | |
CN104219747B (zh) | 一种根据电量信息调整唤醒时间的方法、装置及终端 | |
CN115422260A (zh) | 基站活跃度分析方法、装置、电子设备及可读存储介质 | |
CN115314910B (zh) | 基站节能时段预测方法、装置、电子设备及可读存储介质 | |
CN112954021B (zh) | 基于多设备数据的唤醒调节处理方法及装置 | |
CN116697497B (zh) | 一种通风空调***控制方法、装置、设备和存储介质 | |
CN111212336B (zh) | 一种抄表***和方法 | |
CN110797865B (zh) | 一种数据驱动的供电薄弱环节识别方法及*** | |
CN112053006A (zh) | 基于迁移学习的冷热电联供***优化时间加速方法及*** | |
CN113676790B (zh) | 低压集抄设备的采集调度方法、装置、集中器和介质 | |
CN111509810A (zh) | 一种锂电池充电状态检测方法、装置及存储介质 | |
CN114135928B (zh) | 电采暖***的集中控制方法、终端及存储介质 | |
CN113448747B (zh) | 数据传输方法、装置、计算机设备和存储介质 | |
CN114187685B (zh) | 一种智能锁耗电的优化方法、***、设备及介质 | |
JP7282264B2 (ja) | 人口抽出装置 | |
CN112261683B (zh) | 基站功耗节能效果测试方法、装置、设备及存储介质 | |
CN113992687A (zh) | 智能业务集群调度方法、装置、电子设备及存储介质 | |
CN115915237A (zh) | 基站设备的节能量测算方法、装置及计算设备 | |
CN107220748B (zh) | 一种基于贪心算法的设备采集调度方法及*** | |
CN112015260A (zh) | 处理器的性能状态的调节方法、装置、uefi及存储介质 | |
CN116841717B (zh) | 一种根据任务紧急程度实时生成排序的方法及*** | |
CN113129464B (zh) | 办公设备自动控制方法、装置、服务器以及存储介质 | |
CN114500140B (zh) | 用于语音设备唤醒的方法、装置、平台设备及存储介质 |
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 |