AI节能方案,全方位构建低碳网络

发布时间:2020-05-14 作者:范英鹰 中兴通讯 阅读量:

随着移动通信网络逐步迈入5G时代,新技术和新特性层出不穷,新业务和新应用不断涌现。与4G网络相比,5G网络在传输速率、传输时延、连接规模等关键性能指标上有了质的飞跃,从而可以支撑更加丰富的业务场景和应用,但也给运营商带来了CAPEX和OPEX不断攀升的挑战。典型的运营网络中,无线站点能耗大约占据整网的45%左右,其中主设备无线基站的能耗约占一半以上。因此无线基站的降耗对网络节能至关重要。

无线通信网络的话务量具有明显的潮汐效应,减少低话务时段的无效能耗是节能的主要方向之一。在一个庞大的网络中,面对各种特性差异较大的场景,如何制定匹配的节能策略,成为网络节能的关键所在。

传统的节能方式需要人工分析海量数据,包括公参数据、网络存量、特性适配、站点共覆盖、多频多制式网络识别等。在实际实施时,往往采用在指定区域统一关断参数的方式进行。因为参数无法差异化设置,与站点话务强匹配,有可能会因参数设置不合理导致一些站点在话务繁忙时业务受损,影响网络性能,而有些站点在业务闲时,节能效果无法达到最大化。

中兴通讯AI节能方案借助AI和大数据技术,实现不同场景、不同站点、不同时间、多制式网络协同节能,在保证网络KPI的基础上,使节能效果最大化,实现能耗与性能的最佳平衡。

中兴通讯AI节能方案落实部署主要包括初始方案评估设计、功能验证及实施、效果性能调优三个阶段。

初始策略自配置

在初始节能方案评估设计阶段,系统通过大数据分析,自动梳理网络主流场景,并根据历史话务模型和基站配置进行节能场景分析,配合用户行为习惯、站点硬件设备、节能功能约束条件等客观条件,预估节能效果并设计初始方案。方案实现节能初始策略自配置,对预期有节能效果的小区开启节能策略,并提供相对合适的初始门限及可执行节能的时间段。

参数门限自调整

在方案实施阶段,利用网管系统对网络进行监控与分析,根据小区历史数据区分出正效应、负效应以及无效应三类小区,采用周内同天的子序列拆分预测法,并结合节假日因子对预测指标的影响,优选采用二阶指数平滑预测算法,得到计算性能最优、优化效果最好的时间序列预测模型。

根据此预测模型,结合不同的节能功能(符号关断、通道关断、小区关断、设备深度休眠),自动调整针对不同节能功能的最佳节能时间及相应节能门限设置,实现“一小区一策略”,保证节能特性最大化匹配站点实际运行情况。

经实际外场商用验证,话务预测准确率可高达90%以上,有效提高节能时间段的节能效率。

KPI回滚式自优化

针对节能而言,进入关断的门限值越高,节能效果越好。但传统的节能方案为了兼顾各种场景的差异性,一般采用较低的门限值,使得节能效果受损。使用KPI回滚式自优化策略,可在保证网络性能的基础上实现节能效果最大化。

系统根据全场景话务模型、节能效果和KPI趋势的大数据分析,强化自学习,在线不断迭代优化,利用聚类算法寻求最优调整步长,监控网络核心KPI(包括建立类、掉话类、切换类、用户体验类等),在允许浮动范围内,不断迭代预测模型,最终达到节能和系统性能的最佳平衡点(见图1)。


随着AI节能方案商用部署规模的不断扩大、商用数据样本的不断累积,AI预测及迭代算法也在不断地精细化,通过节能时间段离散化设计、不同节能功能个性化门限配置、更细粒度的优化步长迭代等,更好地匹配商用网络部署场景及用户行为习惯,进一步提高节能效率。同时可支持重点保障场景,利用AI技术自动设定黑白名单,避免节能对这些场景网络性能的影响。

中兴通讯AI节能方案自2019年中起已在国内广泛商用,先后在山东、重庆、四川、福建、湖南、辽宁等多地多运营商部署,累积应用规模超过10万小区;同时,海外如马来西亚、南非、意大利等地区也在同步部署验证。经商用验证,AI节能方案可有效降低基站10%~15%的能耗,每千站点可实现年节电150万~200万度,折合约150万~200万元(按工业用电平均电费1元/度进行估算)。中兴通讯AI节能方案全面降低运营商OPEX,助力运营商构建低碳网络,实现可持续发展。