CN115915237A - 基站设备的节能量测算方法、装置及计算设备 - Google Patents
基站设备的节能量测算方法、装置及计算设备 Download PDFInfo
- Publication number
- CN115915237A CN115915237A CN202110908459.1A CN202110908459A CN115915237A CN 115915237 A CN115915237 A CN 115915237A CN 202110908459 A CN202110908459 A CN 202110908459A CN 115915237 A CN115915237 A CN 115915237A
- Authority
- CN
- China
- Prior art keywords
- energy
- index data
- effective
- saving
- data
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基站设备的节能量测算方法、装置及计算设备,该方法包括:获取待测设备对应小区的多个时段的指标数据;指标数据包括网管性能数据和配置参数数据;分别将多个时段内指标数据输入至第一能耗模型中进行处理,得到多个时段对应的节能关断不生效情况下的多个第一功率;分别将多个时段内指标数据输入至第二能耗模型中进行处理,得到多个时段对应的节能关断生效情况下的多个第二功率;根据多个第一功率与多个第二功率,计算得到待测设备的节能量。通过上述方式,能够还原设备每一个时段的节能关断生效与不生效情况下的设备功耗,能够消除小区负荷变化对节电量的影响,从而精确计算节电量,能够提升节电量测单的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基站设备的节能量测算方法、装置及计算设备。
背景技术
随着移动通信业务的飞速发展,各大运营商加快网络建设的步伐,基站数量大幅度增加,随之带来了新的问题,即基站能耗迅速增长增加了运营商的成本,因此,降低基站能耗、节能减排势在必行。
现阶段,主要通过硬节能和软节能达到降低功耗、节能减排的目的。硬节能是指通过采用更高级的芯片工艺、更高集成度的功能芯片或更高功放效率以降低功耗。软节能是指软件在满足一定的无线性能的基础上,根据小区负荷灵活关断部分器件或者载波以便节能,软节能关断技术包括符号关断、通道关断以及载波关断等等。另外,小区关断也是常用的关断方式,将需关断小区的业务量迁移到补偿小区,此时关断小区设备的能耗既由于业务量的降低而下降,同时,由于业务量降低达到节能关断生效条件,节能关断生效从而能耗下降。
现有技术中,评估节能关断效果的方法为统计若干天未开启节能时设备的平均功率,以及开启节能后设备的平均功率,计算两者之差并乘以开启节能的时间即得到节能量。但是,该评估方式没有考虑到开启节能前后,由小区负荷变化引起的设备耗电量变化,在通信主设备节电量测算方面,缺乏严谨性,容易产生误差。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基站设备的节能量测算方法、装置及计算设备。
根据本发明的一个方面,提供了一种基站设备的节能量测算方法,包括:
获取待测设备对应小区的多个时段的指标数据;其中,指标数据包括网管性能数据和配置参数数据;
分别将多个时段内指标数据输入至第一能耗模型中进行处理,得到多个时段对应的节能关断不生效情况下的多个第一功率;
分别将多个时段内指标数据输入至第二能耗模型中进行处理,得到多个时段对应的节能关断生效情况下的多个第二功率;
根据多个第一功率与多个第二功率,计算得到待测设备的节能量。
可选地,网管性能数据包括以下中的至少一个:
上下行PRB平均利用率、连接建立最大用户数、连接建立平均用户数、上下行流量、无线利用率、PDCCH资源使用率、VoLTE语音话务量;
配置参数数据包括以下中的至少一个:载波数、通道数、单通道功率。
可选地,方法进一步包括:
根据待测设备的厂家信息、型号信息以及节能关断技术信息,匹配相应的第一能耗模型和第二能耗模型。
可选地,方法进一步包括:
获取样本指标数据;其中,样本指标数据包括:网管性能数据、配置参数维度数据、平均功率数据;
对样本指标数据进行分类,得到关断生效类的样本指标数据以及关断不生效类的样本指标数据;
根据关断不生效类的样本指标数据,训练得到第一能耗模型;
根据关断生效类的样本指标数据,训练得到第二能耗模型。
可选地,对样本指标数据进行分类进一步包括:
根据样本设备对应小区的符号关断子帧数、载波关断生效时长和/或通道关断生效时长,对样本指标数据进行分类。
可选地,根据样本设备对应小区的符号关断子帧数、载波关断生效时长和/或通道关断生效时长,对样本指标数据进行分类进一步包括:
若载波关断生效时长达到第一预设值、通道关断生效时长达到第二预设值或者符号关断子帧数的比例达到第三预设值,则将样本指标数据划分为关断生效类的样本指标数据;
若载波关断生效时长为零、通道关断生效时长为零并且关断子帧数为零,则将样本指标数据划分为关断不生效类的样本指标数据。
可选地,方法进一步包括:
将待测设备的指标数据进行预处理;将样本指标数据进行预处理;
其中,预处理包括:对网管性能数据进行归一化处理,对配置参数数据进行独热编码。
根据本发明的另一方面,提供了一种基站设备的节能量测算装置,包括:
数据采集模块,适于获取待测设备对应小区的多个时段的指标数据;其中,指标数据包括网管性能数据和配置参数数据;
模型处理模块,适于分别将多个时段内指标数据输入至第一能耗模型中进行处理,得到多个时段对应的节能关断不生效情况下的多个第一功率;分别将多个时段内指标数据输入至第二能耗模型中进行处理,得到多个时段对应的节能关断生效情况下的多个第二功率;
计算模块,适于根据多个第一功率与多个第二功率,计算得到待测设备的节能量。
可选地,网管性能数据包括以下中的至少一个:
上下行PRB平均利用率、连接建立最大用户数、连接建立平均用户数、上下行流量、无线利用率、PDCCH资源使用率、VoLTE语音话务量;
配置参数数据包括以下中的至少一个:载波数、通道数、单通道功率。
可选地,装置进一步包括:
匹配模块,适于根据待测设备的厂家信息、型号信息以及节能关断技术信息,匹配相应的第一能耗模型和第二能耗模型。
可选地,装置进一步包括:
模型训练模块,适于获取样本指标数据;其中,样本指标数据包括:网管性能数据、配置参数维度数据、平均功率数据;对样本指标数据进行分类,得到关断生效类的样本指标数据以及关断不生效类的样本指标数据;根据关断不生效类的样本指标数据,训练得到第一能耗模型;根据关断生效类的样本指标数据,训练得到第二能耗模型。
可选地,模型训练模块进一步适于:根据样本设备对应小区的符号关断子帧数、载波关断生效时长和/或通道关断生效时长,对样本指标数据进行分类。
可选地,模型训练模块进一步适于:
若载波关断生效时长达到第一预设值、通道关断生效时长达到第二预设值或者符号关断子帧数的比例达到第三预设值,则将样本指标数据划分为关断生效类的样本指标数据;
若载波关断生效时长为零、通道关断生效时长为零并且关断子帧数为零,则将样本指标数据划分为关断不生效类的样本指标数据。
可选地,装置进一步包括:
预处理模块,适于将待测设备的指标数据进行预处理;将样本指标数据进行预处理;其中,预处理包括:对网管性能数据进行归一化处理,对配置参数数据进行独热编码。
根据本发明的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述基站设备的节能量测算方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述基站设备的节能量测算方法对应的操作。
根据本发明的基站设备的节能量测算方法、装置及计算设备,获取待测设备对应小区的多个时段的指标数据;其中,指标数据包括网管性能数据和配置参数数据;分别将多个时段内指标数据输入至第一能耗模型中进行处理,得到多个时段对应的节能关断不生效情况下的多个第一功率;分别将多个时段内指标数据输入至第二能耗模型中进行处理,得到多个时段对应的节能关断生效情况下的多个第二功率;根据多个第一功率与多个第二功率,计算得到待测设备的节能量。通过上述方式,能够还原设备每一个时刻的节能关断生效与不生效情况下的设备功耗,能够消除小区负荷变化对节电量的影响,从而精确计算节电量,同时能够消除由不可量化因素引入的误差,能够提升节电量测单的准确性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的基站设备的节能量测算方法的流程图;
图2示出了本发明另一实施例提供的基站设备的节能量测算方法的流程图;
图3示出了本发明实施例提供的基站设备的节能量测算装置的结构示意图;
图4示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的基站设备的节能量测算方法的流程图,如图1所示,该方法包括以下步骤:
步骤S110,获取待测设备对应小区的多个时段内的指标数据;其中,指标数据包括网管性能数据和配置参数数据。
其中,多个时段为连续的多个时段,且时长相等,例如可以是待测时段内以最小时段为粒度所划分的多个时段。
通过对业务量数据、网管中单板能耗数据进行验证,结果显示通信主设备的耗电量极大程度上取决于网络负荷(性能数据)和配置参数。网管性能数据包括:上下行PRB平均利用率、连接建立最大用户数、连接建立平均用户数、上下行流量、无线利用率、PDCCH资源使用率、VoLTE语音话务量;配置参数数据包括:载波数、通道数、单通道功率。
步骤S120,分别将多个时段内指标数据输入至第一能耗模型中进行处理,得到多个时段对应的节能关断不生效情况下的多个第一功率。
第一能耗模型用于计算节能关断不生效情况下的功耗,预先根据样本数据训练得到。针对任一时段内的指标数据,将其输入到第一能耗模型中进行计算,得到该时段内节能关断不生效情况下的功耗。
步骤S130,分别将多个时段内指标数据输入至第二能耗模型中进行处理,得到多个时段对应的节能关断生效情况下的多个第二功率。
第二能耗模型用于计算节能关断生效情况下的功耗,预先根据样本数据训练得到。针对任一时段内的指标数据,将其输入到第二能耗模型中进行计算,得到该时段内节能关断生效情况下的功耗。
步骤S140,根据多个第一功率与多个第二功率,计算得到待测设备的节能量。
在一种可选的方式中,将同一个时段对应的第一功率和第二功率作差,得到功率差值,再根据各个时段对应的功率差值以及各个时段的时长,计算得到该待测时段内待测设备的节能量。例如,当时段的时长为1小时,则将各个功率差进行累加即得到待测时段内待测设备的节能量。
在一种可选的方式中,根据各个时段对应的第一功率进行计算得到节能关断不生效情况下的第一耗电量,同时,根据各个时段对应的第二功率计算得到节能关断生效情况下的第二耗电量。最后,计算第一耗电量与第二耗电量之间的差值,即得到该待测时段内待测设备的节能量。
由此可见,本发明实施例中计算节能量方法的构思为:
C=∑(D-D’)
其中,时段的时长为1小时,D为设备在时段内节能关断不生效情况下的功率,D’为设备在时段内节能关断生效情况下的功率。
其中,通过算法拟合,节能关断不生效情况下的功率D以及节能关断生效情况下的功率D’计算公式分别如下:
D=k1X1+k2X2+y
D’=k1’X1+k2’X2+y
其中,矩阵X1为网管性能矩阵,矩阵X2为配置参数矩阵,矩阵k1、k2、k1’、k2’为算法拟合系数,矩阵y为不可量化的因素所造成的耗电量。则根据上述计算节能量的公式,可得:
C=∑(k1X1+k2X2+y-k1’X1-k2’X2-y)=∑(k1X1+k2X2-k1’X1-k2’X2)
现有技术中,节能量算法为:C=(A-B)*T,A为未开启节能期间设备的平均功率,B为开启节能期间设备的平均功率,T为开启节能的时间。然而,在开启节能前后小区负荷有所变化,小区负荷的变化会直接或者间接引起设备的耗电量的变化,由此方法计算出的节能量还包括由小区负荷变化所导致的节能量,并不是全是由节能关断生效所导致的节能量,从而造成关断技术的节能效果评估出现误差。
根据本实施例所提供的基站设备的节能量测算方法,获取待测设备对应小区的多个时段内的指标数据;指标数据包括网管性能数据和配置参数数据;分别将多个时段内指标数据输入至第一能耗模型中进行处理,得到多个时段对应的节能关断生效情况下的多个第一功率;分别将多个时段内指标数据输入至第二能耗模型中进行处理,得到多个时段对应的节能关断不生效情况下的多个第二功率;根据多个第一功率计算得到第一耗电量,根据多个第二功率计算得到第二耗电量,计算第一耗电量和所述第二耗电量之间的差值,得到待测设备的节能量。通过上述方式,通过不同的能耗模型,可以得到每一个时段内的设备功耗,还原设备每一个时刻的节能关断生效与不生效情况下的设备功耗,消除小区负荷变化对节电量的影响,从而精确计算节电量,同时能够消除由不可量化因素引入的误差,能够提升节电量测单的准确性。
图2示出了本发明另一实施例提供的基站设备的节能量测算方法的流程图,如图2所示,该方法包括以下步骤:
步骤S210,获取样本指标数据;其中,样本指标数据包括:网管性能数据、配置参数维度数据、平均功率数据。
具体地,选取样本设备所服务的试点站点,以预设时长为粒度,采集试点站点中该样本设备所服务的对应小区的样本指标数据,即采集到每个时段内的样本指标数据。
可选地,预设时长可以为1小时,或者,可以设置为更短时长,实际应用中可以根据精度要求灵活设置。进一步可选的,采取样本指标数据的时间粒度的时长,与采集待测设备的指标数据的时间粒度的时长一致。
样本指标数据具体包括网管性能数据、配置参数维度数据、平均功率数据。其中,网管性能数据包括:网管性能数据包括:上下行PRB平均利用率、连接建立最大用户数、连接建立平均用户数、上下行流量、无线利用率、PDCCH资源使用率、VoLTE语音话务量;配置参数数据包括:载波数、通道数、单通道功率。平均功率数据为设备小时内平均功率。
在一种可选的方式中,对样本指标数据进行降维以选取建模指标数据,例如,通过卡方检验、皮尔逊相关性分析、方差分析等方式。
步骤S220,对样本指标数据进行分类,得到关断生效类的样本指标数据以及关断不生效类的样本指标数据。
具体地,根据符号关断子帧数、通道关断时长以及载波关断时长三相指标,对样本指标数据进行分类。
若时段内载波关断生效时长达到第一预设值、通道关断生效时长达到第二预设值或者符号关断子帧数的比例达到第三预设值,则将该时段对应的样本指标数据划分为关断生效类的样本指标数据。
若时段内载波关断生效时长为零、通道关断生效时长为零并且关断子帧数为零,则将该时段内对应的样本指标数据划分为关断不生效类的样本指标数据。
步骤S230,根据关断不生效类的样本指标数据,训练得到第一能耗模型;根据关断生效类的样本指标数据,训练得到第二能耗模型。
在一种可选的方式中,在训练模型之前,对样本指标数据进行预处理。具体包括:对于网管性能数据进行空值填充处理和归一化处理,空值填充可采用中位数,如果数据量超高预定值则直接丢弃有空值的数据。对于配置参数数据采用独热编码方式进行编码。对于平均功率数据,分析功率数据中存在的离群值,判断离群值与网管性能数据中各字段的关联程度。如果时段内平均功率不在标准范围内,且该时段内网管性能数据与其他时段相比之间的差异处于预设范围内,则判定为脏数据,如果平均功率不在标准范围内,但性能数据也随之有所变化,则判定为可用数据。
可选地,对于每一类样本指标数据,将样本指标数据集合按照预设比例进行分割,得到用于训练机器学习模型的训练集,以及用于对机器学习模型进行精度校验的测试集。
在一种可选的方式中,采用GBRT(gradient boosting regression tree,梯度渐进回归树)算法建立第一能耗模型和第二能耗模型,GBRT通过再一次计算来减少上一次模型的残差,在残差减少的梯度上建立一个新的模型,由此不断迭代,将每一次的计算累加得到最终结果。其具体训练方法如下:
(1)数据样本{xi,yi},i∈[1,n],矩阵xi为输入网管性能数据、配置参数数据,矩阵yi为网管设备平均功率。
(2)初始化损失函数,损失函数如下:
(3)给定初始值β:
(4)对于迭代次数m,求第m-1次模型的倒数(残差的梯度方向):
(5)将上一步的结果作为伪因变量,拟合样本集{xi,yi},求得参数αm,拟合模型为:
h{xi,αm}
(6)根据损失函数最小化原则,求得模型新的步长βm作为当前模型权重:
(7)更新模型:
fm(x)=fm-1(x)+βmh(xi,αm)
(8)M次迭代结束后,得到回归树:
当然,实际应用中还可以采取其他算法训练第一能耗模型和第二能耗模型。
步骤S240,根据待测设备的厂家信息、型号信息以及节能关断技术信息,匹配相应的第一能耗模型和第二能耗模型。
在一种可选的方式中,分别训练得到针对于不同厂家、不同型号以及不同关断技术的基站设备的第一能耗模型和第二能耗模型。在后续测算过程中,根据待测设备的厂家、型号以及节能关断技术选择相应的能耗模型进行计算。通过这种方式,能够进一步提升节能量测算的准确性。
根据待测设备的厂家、型号以及节能关断技术,查找同样厂家、同样型号以及同样关断技术对应的第一能耗模型和第二能耗模型。
步骤S250,分别将多个时段内指标数据输入至第一能耗模型中进行处理,得到多个时段对应的节能关断不生效情况下的多个第一功率。
其中,多个时段为待测时段内时长相等的多个连续时段。
针对于任一时段内的指标数据,将其输入到第一能耗模型中进行计算,第一能耗模型输出该时段对应的节能关断不生效情况下的第一功率。
步骤S260,分别将多个时段内指标数据输入至第二能耗模型中进行处理,得到多个时段对应的节能关断生效情况下的多个第二功率。
针对于任一时段内的指标数据,将其输入到第二能耗模型中进行计算,第二能耗模型输出该时段对应的节能关断生效情况下的第二功率。
步骤S270,根据多个第一功率与多个第二功率,计算得到待测设备的节能量。
根据多个时段对应的第一功率,计算得到待测时段内节能关断不生效情况下的耗电量。根据多个时段对应的第二功率,计算得到待测时段内节能关断生效情况下的耗电量。最终,计算差值待测设备在待测时段内的节能量。
现有的节能量测算方法中,选择未开启节能时段与开启节能时段设备功率做差计算节能量的方法,但不同时段内业务量也不一样,业务量会影响能耗,因此现有技术无法准确测算由节能关断生效所产生的节能量。而在本实施例中,通过采用机器学习建模方法还原设备在各个时段内节能关断生效与不生效时的功耗,进而计算节能量,能够消除节能与非节能时段由于业务量不同引入的误差,节能量测算结果更加准确。
在小区关断的节能方法中,关断小区的业务量迁移到补偿小区后,关断小区设备的能耗既由于业务量的降低而下降,同时,由于业务量降低达到软节能关断生效条件,软件能关断生效从使能耗下降,因此采用现有技术的节能量测算方法无法消除业务量的变化对节能量的影响。而采用本实施例的方法,能够仅计算业务量迁移后,由载波关断、通道关断、符号关断生效带来的设备节电量,消除由于业务量的变化而引入的误差,节能量测算结果更加准确。
综上所述,根据本实施例所提供的基站设备的节能量测算方法,通过采用机器学习建模方法还原设备在各个时段内节能关断生效与不生效时的功耗,还原设备每一时刻的能耗,从而精确计算节能量,消除了由于业务量不同引入的误差,节能量测算结果更加准确,并且,通过建立耗电量模型,能够满足对海量数据的测算需求,能够提升节能量测算的效率,可复用性强。
图3示出了本发明实施例提供的基站设备的节能量测算装置的结构示意图,如图3所示,该装置包括:
数据采集模块31,适于获取待测设备对应小区的多个时段的指标数据;其中,指标数据包括网管性能数据和配置参数数据;
模型处理模块32,适于分别将多个时段内指标数据输入至第一能耗模型中进行处理,得到多个时段对应的节能关断不生效情况下的多个第一功率;分别将多个时段内指标数据输入至第二能耗模型中进行处理,得到多个时段对应的节能关断生效情况下的多个第二功率;
计算模块33,适于根据多个第一功率与多个第二功率,计算得到待测设备的节能量。
在一种可选的方式中,网管性能数据包括以下中的至少一个:
上下行PRB平均利用率、连接建立最大用户数、连接建立平均用户数、上下行流量、无线利用率、PDCCH资源使用率、VoLTE语音话务量;
配置参数数据包括以下中的至少一个:载波数、通道数、单通道功率。
在一种可选的方式中,装置进一步包括:
匹配模块,适于根据待测设备的厂家信息、型号信息以及节能关断技术信息,匹配相应的第一能耗模型和第二能耗模型。
在一种可选的方式中,装置进一步包括:
模型训练模块,适于获取样本指标数据;其中,样本指标数据包括:网管性能数据、配置参数维度数据、平均功率数据;对样本指标数据进行分类,得到关断生效类的样本指标数据以及关断不生效类的样本指标数据;根据关断不生效类的样本指标数据,训练得到第一能耗模型;根据关断生效类的样本指标数据,训练得到第二能耗模型。
在一种可选的方式中,模型训练模块进一步适于:根据样本设备对应小区的符号关断子帧数、载波关断生效时长和/或通道关断生效时长,对样本指标数据进行分类。
在一种可选的方式中,模型训练模块进一步适于:
若载波关断生效时长达到第一预设值、通道关断生效时长达到第二预设值或者符号关断子帧数的比例达到第三预设值,则将样本指标数据划分为关断生效类的样本指标数据;
若载波关断生效时长为零、通道关断生效时长为零并且关断子帧数为零,则将样本指标数据划分为关断不生效类的样本指标数据。
在一种可选的方式中,装置进一步包括:
预处理模块,适于将待测设备的指标数据进行预处理;将样本指标数据进行预处理;其中,预处理包括:对网管性能数据进行归一化处理,对配置参数数据进行独热编码。
通过上述方式,通过不同的能耗模型,可以得到每一个时段内的设备功耗,还原设备每一个时刻的节能关断生效与不生效情况下的设备功耗,能够消除小区负荷变化对节电量的影响,从而精确计算节电量,同时能够消除由不可量化因素引入的误差,能够提升节电量测单的准确性。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基站设备的节能量测算方法。
图4示出了本发明计算设备实施例的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示,该计算设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。处理器402,用于执行程序410,具体可以执行上述用于计算设备的基站设备的节能量测算方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
在此提供的算法或显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种基站设备的节能量测算方法,包括:
获取待测设备对应小区的多个时段的指标数据;其中,所述指标数据包括网管性能数据和配置参数数据;
分别将所述多个时段内指标数据输入至第一能耗模型中进行处理,得到所述多个时段对应的节能关断不生效情况下的多个第一功率;
分别将所述多个时段内指标数据输入至第二能耗模型中进行处理,得到所述多个时段对应的节能关断生效情况下的多个第二功率;
根据所述多个第一功率与多个第二功率,计算得到所述待测设备的节能量。
2.根据权利要求1所述的方法,其特征在于,所述网管性能数据包括以下中的至少一个:
上下行PRB平均利用率、连接建立最大用户数、连接建立平均用户数、上下行流量、无线利用率、PDCCH资源使用率、VoLTE语音话务量;
所述配置参数数据包括以下中的至少一个:载波数、通道数、单通道功率。
3.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
根据所述待测设备的厂家信息、型号信息以及节能关断技术信息,匹配相应的第一能耗模型和第二能耗模型。
4.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
获取样本指标数据;其中,所述样本指标数据包括:网管性能数据、配置参数维度数据、平均功率数据;
对所述样本指标数据进行分类,得到关断生效类的样本指标数据以及关断不生效类的样本指标数据;
根据所述关断不生效类的样本指标数据,训练得到第一能耗模型;
根据所述关断生效类的样本指标数据,训练得到第二能耗模型。
5.根据权利要求4所述的方法,其特征在于,所述对所述样本指标数据进行分类进一步包括:
根据样本设备对应小区的符号关断子帧数、载波关断生效时长和/或通道关断生效时长,对所述样本指标数据进行分类。
6.根据权利要求5所述的方法,其特征在于,所述根据样本设备对应小区的符号关断子帧数、载波关断生效时长和/或通道关断生效时长,对所述样本指标数据进行分类进一步包括:
若载波关断生效时长达到第一预设值、通道关断生效时长达到第二预设值或者符号关断子帧数的比例达到第三预设值,则将所述样本指标数据划分为关断生效类的样本指标数据;
若载波关断生效时长为零、通道关断生效时长为零并且关断子帧数为零,则将所述样本指标数据划分为关断不生效类的样本指标数据。
7.根据权利要求1或4所述的方法,其特征在于,所述方法进一步包括:
将所述待测设备的指标数据进行预处理;将所述样本指标数据进行预处理;
其中,所述预处理包括:对网管性能数据进行归一化处理,对配置参数数据进行独热编码。
8.一种基站设备的节能量测算装置,包括:
数据采集模块,适于获取待测设备对应小区的多个时段的指标数据;其中,所述指标数据包括网管性能数据和配置参数数据;
模型处理模块,适于分别将所述多个时段内指标数据输入至第一能耗模型中进行处理,得到所述多个时段对应的节能关断不生效情况下的多个第一功率;分别将所述多个时段内指标数据输入至第二能耗模型中进行处理,得到所述多个时段对应的节能关断生效情况下的多个第二功率;
计算模块,适于根据所述多个第一功率与多个第二功率,计算得到所述待测设备的节能量。
9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的基站设备的节能量测算方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的基站设备的节能量测算方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908459.1A CN115915237A (zh) | 2021-08-09 | 2021-08-09 | 基站设备的节能量测算方法、装置及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908459.1A CN115915237A (zh) | 2021-08-09 | 2021-08-09 | 基站设备的节能量测算方法、装置及计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115915237A true CN115915237A (zh) | 2023-04-04 |
Family
ID=86473126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110908459.1A Pending CN115915237A (zh) | 2021-08-09 | 2021-08-09 | 基站设备的节能量测算方法、装置及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115915237A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116528270A (zh) * | 2023-06-27 | 2023-08-01 | 杭州电瓦特科技有限公司 | 一种基站节能潜力评估方法、装置、设备及存储介质 |
-
2021
- 2021-08-09 CN CN202110908459.1A patent/CN115915237A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116528270A (zh) * | 2023-06-27 | 2023-08-01 | 杭州电瓦特科技有限公司 | 一种基站节能潜力评估方法、装置、设备及存储介质 |
CN116528270B (zh) * | 2023-06-27 | 2023-10-03 | 杭州电瓦特科技有限公司 | 一种基站节能潜力评估方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3089034B1 (en) | System and method for optimizing energy consumption by processors | |
CN104424092A (zh) | 页面加载时长测试方法及装置 | |
CN103309431B (zh) | 动态频率调整 | |
CN111026548A (zh) | 一种逆向深度强化学习的电力通信设备测试资源调度方法 | |
CN109992866A (zh) | 负荷预测模型的训练方法、装置、可读介质及电子设备 | |
CN111694714A (zh) | 一种众核芯片功耗估算方法、装置、设备及可读存储介质 | |
CN115915237A (zh) | 基站设备的节能量测算方法、装置及计算设备 | |
CN112417767B (zh) | 一种衰减趋势确定模型构建方法、衰减趋势确定方法 | |
CN109389215B (zh) | 一种深度学习网络的网络结构确定方法及装置 | |
CN113132891B (zh) | 一种基于移动信令的客流统计方法和*** | |
CN115794404B (zh) | 5gs网络确定ue不可用期的方法及ue进行***优化的方法 | |
CN103596214A (zh) | 一种分析数据的方法和装置 | |
CN116249186A (zh) | 无线网设备的数据处理方法、装置、存储介质及电子设备 | |
US11556685B1 (en) | Time-based power analysis | |
WO2022110213A1 (zh) | 生成分析对象的预测模型的方法、装置和存储介质 | |
CN110768736B (zh) | 一种信道仿真方法及装置 | |
CN114077884A (zh) | 深度学习模型的模型转换优化装置、方法及可读存储介质 | |
CN110298690B (zh) | 对象类目的周期判断方法、装置、服务器及可读存储介质 | |
CN112348284A (zh) | 一种电力负荷预测方法、装置、可读介质及电子设备 | |
CN113626340A (zh) | 测试需求识别方法、装置、电子设备及存储介质 | |
CN111092755A (zh) | 一种基于资源占用的边缘服务迁移仿真方法 | |
CN116542196B (zh) | 基于有效时钟路径的集成电路时序分析方法、***及介质 | |
CN107862132B (zh) | 一种用于电路近似计算的自动化节点删除方法 | |
CN113065058A (zh) | 家庭成员识别的方法及装置、电子设备和可读存储介质 | |
CN116528270B (zh) | 一种基站节能潜力评估方法、装置、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 |