［金晶］

1 引言

5G 網(wǎng)絡(luò)憑借其自身技術(shù)優(yōu)勢在高傳輸速度、海量終端接入、超低時延方面實現(xiàn)跨越式發(fā)展，且理論單位傳輸功耗更低，單比特能耗是4G 的1/10，但5G 整體功耗卻是4G 的3 倍[1]。3GPP 組織在第46 次會議中，正式確定了5G-Advanced 是現(xiàn)階段5G 的未來演進(jìn)方向。與現(xiàn)有5G 網(wǎng)絡(luò)相比，在能耗問題被持續(xù)關(guān)注的當(dāng)下，網(wǎng)絡(luò)節(jié)能機制的定義、設(shè)備陣列的功效增強，網(wǎng)絡(luò)綠色節(jié)能能力被看作是5G-Advanced 網(wǎng)絡(luò)的其中一個重要演進(jìn)目標(biāo)。如何在滿足行業(yè)目標(biāo)和用戶需求的前提下實現(xiàn)5G-Advance 節(jié)能網(wǎng)絡(luò)演進(jìn)發(fā)展，實現(xiàn)更長久且有效的節(jié)能網(wǎng)絡(luò)功能是當(dāng)前各大運營商以及設(shè)備廠商關(guān)注重點。近年來，AI for Network 的概念在無線通訊界被不斷地提到。運用大數(shù)據(jù)分析技術(shù)，深度分析現(xiàn)網(wǎng)基站運行、用戶分布數(shù)據(jù)將更加有效地指導(dǎo)基站節(jié)能功能部署。在保證用戶感知不變或提升的同時提升網(wǎng)絡(luò)能效。

2 5G 基站基礎(chǔ)節(jié)能策略

至2020年底，全國已經(jīng)完成70萬座5G基站建設(shè)工作，各種基于5G 行業(yè)應(yīng)用場景層出，數(shù)據(jù)流量業(yè)務(wù)隨著5G終端不斷進(jìn)入市場而呈現(xiàn)遞增趨勢，但總體需求遠(yuǎn)未達(dá)到5G 設(shè)備實際設(shè)計能力，大量單位能效被無效益浪費[2]。業(yè)內(nèi)當(dāng)前主要的節(jié)能方式包括符號關(guān)斷、射頻通道關(guān)斷、深度休眠、LNR 智能載波關(guān)斷等。本章節(jié)將集中論述各項基礎(chǔ)節(jié)能功能的技術(shù)原理。

2.1 基礎(chǔ)節(jié)能功能原理

（1）符號關(guān)斷

在基站設(shè)備中，RRU/AAU 的射頻器件中，功率放大器的能耗占比最高。在沒有信號輸出的情況下時，改類射頻器件也會持續(xù)工作并產(chǎn)生能耗。為降低系統(tǒng)能耗，同時又保證數(shù)據(jù)傳送的完整性，基站在部分時間段周期性關(guān)閉功放能力，通過低業(yè)務(wù)低功放來實現(xiàn)整體系統(tǒng)功耗的降低。如圖1 所示，當(dāng)基站檢測到符號沒有承載數(shù)據(jù)時（圖中標(biāo)識的空閑符號），基站會實時關(guān)閉RRU/AAU 的射頻器件，以降低系統(tǒng)能耗。當(dāng)基站檢測到符號有承載數(shù)據(jù)時（基站觸發(fā)公共信號、參考信號、業(yè)務(wù)信號），基站會實時打開RRU/AAU 的射頻器件，以保證數(shù)據(jù)傳送的完整性[3]。

圖1 符號關(guān)斷原理示意圖

（2）射頻通道智能關(guān)斷

基站在日常某些時間段處于輕載（業(yè)務(wù)少）或空載（無業(yè)務(wù)），但射頻模塊的發(fā)射通道仍處于工作狀態(tài)，造成了基站能耗的浪費。如圖2 所示，射頻通道智能休眠可在設(shè)定的時間段內(nèi)，當(dāng)小區(qū)處于輕載或空載時，gNodeB（5G基站）自動休眠本小區(qū)的部分發(fā)射通道，從而達(dá)到節(jié)能的目的。同時gNodeB 會自動調(diào)整小區(qū)公共信道的發(fā)射功率，以盡量保證gNodeB 的覆蓋和業(yè)務(wù)不受影響。該功能可通過設(shè)置射頻通道智能休眠生效的時間段、PRB 門限、PRB門限偏置來實現(xiàn)生效控制，在射頻通道智能休眠功能生效的時間段內(nèi)，當(dāng)小區(qū)下行PRB 利用率小于或等于啟動射頻通道智能休眠功能的下行PRB 門限時，小區(qū)將自動進(jìn)入射頻通道智能休眠狀態(tài)[4]。

圖2 通道關(guān)斷示意圖

（3）AAU 深度休眠

如圖3，圖4 所示，AAU 深度休眠節(jié)能功能是指保持AAU 可靠性的同時，忽略網(wǎng)絡(luò)負(fù)荷等其它因素，根據(jù)預(yù)先設(shè)定的時間段進(jìn)入休眠，從而起到節(jié)能的效果。射頻模塊深度休眠節(jié)能以AAU 為粒度，采用定時休眠，在配置的時間到達(dá)后，會先禁止新用戶接入，然后切換在線用戶，在射頻模塊無業(yè)務(wù)時進(jìn)入深度休眠節(jié)能。若AAU 上涉及的所有小區(qū)都沒有用戶和業(yè)務(wù)，則立刻啟動休眠小區(qū)，AAU 進(jìn)入深度休眠狀態(tài)。若射頻模塊上小區(qū)一直有用戶在線，則將在等待時長超時后，強制休眠小區(qū)，同時射頻模塊進(jìn)入深度休眠[5]。

圖3 AAU 工作狀態(tài)切換至休眠狀態(tài)示意圖

圖4 AAU 深度休眠示意圖

（4）LNR 智能載波關(guān)斷

同覆蓋載波智能關(guān)斷應(yīng)用于異頻同覆蓋組網(wǎng)。在異頻組網(wǎng)的情況下，同覆蓋的扇區(qū)中低頻段作為打底，保證網(wǎng)絡(luò)的基礎(chǔ)覆蓋；高頻段小區(qū)作為容量小區(qū)，用于吸收話務(wù)，提升系統(tǒng)容量。如圖5 所示，同覆蓋載波智能關(guān)斷是指當(dāng)容量小區(qū)和基礎(chǔ)小區(qū)上總的負(fù)荷較低時，將容量小區(qū)的用戶切換到基礎(chǔ)小區(qū)（異頻同覆蓋組網(wǎng)中作為基本覆蓋目的的頻點對應(yīng)的小區(qū)）中，然后關(guān)斷容量小區(qū)（異頻同覆蓋組網(wǎng)中作為提升小區(qū)容量目的的頻點對應(yīng)的小區(qū)）對應(yīng)的載波，以節(jié)約能耗。一般而言，基礎(chǔ)小區(qū)是不能被關(guān)閉的，容量小區(qū)作為高頻段小區(qū)在網(wǎng)絡(luò)低負(fù)荷時可以被關(guān)閉，同時為了讓容量小區(qū)的用戶順利切換到基礎(chǔ)小區(qū)，容量小區(qū)與基礎(chǔ)小區(qū)必須互相配置鄰區(qū)。在同覆蓋載波智能關(guān)斷的時間段內(nèi)，同時滿足如下條件時容量小區(qū)將進(jìn)入同覆蓋載波智能關(guān)斷模式，即本小區(qū)上行PRB 利用率+同覆蓋基礎(chǔ)鄰區(qū)的上行PRB 利用率小于本小區(qū)同覆蓋載波智能關(guān)斷啟動上行門限；本小區(qū)下行PRB 利用率+同覆蓋基礎(chǔ)鄰區(qū)的下行PRB 利用率小于本小區(qū)同覆蓋載波智能關(guān)斷啟動下行門限[6]。

圖5 LNR 智能載波關(guān)斷示意圖

2.2 基礎(chǔ)節(jié)能功能演進(jìn)

如上文所述，業(yè)內(nèi)針對5G 基站節(jié)能目前主要分為符號關(guān)斷、射頻通道智能關(guān)斷、AAU 深度休眠和LNR 智能載波關(guān)斷4 類。SON（Self Organized Networks，自組織網(wǎng)絡(luò)）作為4G 時代已提出的網(wǎng)絡(luò)演進(jìn)目標(biāo)，在5G 智能網(wǎng)絡(luò)發(fā)展中任然保有著較為重要的地位。因此，利用網(wǎng)絡(luò)內(nèi)生數(shù)據(jù)，運用ML（Machine Learning，機械學(xué)習(xí)）技術(shù)實現(xiàn)基礎(chǔ)節(jié)能功能的智能化自動部署將會是5G-Advanced 中最具代表性的SON 節(jié)能部署。

在5G-Advanced 階段，網(wǎng)絡(luò)將進(jìn)一步部署邊緣服務(wù)器。這些服務(wù)器將被應(yīng)用于存儲與分析服務(wù)器下屬基站覆蓋范圍內(nèi)的用戶分布及用戶行為特征。以此類數(shù)據(jù)為模型輸入數(shù)據(jù)，邊緣服務(wù)器將動態(tài)地根據(jù)模型輸出結(jié)果對基站節(jié)能的模式和時間進(jìn)行調(diào)整。核心服務(wù)器將收集每個邊緣服務(wù)器的任務(wù)下發(fā)日志，宏觀判斷整體網(wǎng)絡(luò)能耗情況，針對節(jié)能數(shù)據(jù)模型進(jìn)行迭代訓(xùn)練與重新下發(fā)。實現(xiàn)整體網(wǎng)絡(luò)節(jié)能模型的循環(huán)迭代，利用迭代的敏捷性應(yīng)對無線網(wǎng)絡(luò)用戶行為的高變動性。

3 大數(shù)據(jù)用戶行為分析模型搭建

3.1 數(shù)據(jù)采集

為更加貼近實際用戶行為，模型數(shù)據(jù)采集必須為多維度汲取來保證模型輸出結(jié)果可靠性與準(zhǔn)確性，主要數(shù)據(jù)來源包含下面幾個方面。

（1）市場經(jīng)營數(shù)據(jù)包含當(dāng)前4/5G 用戶計費詳單、終端型號、客戶等級、客戶套餐、用戶投訴數(shù)據(jù)等。

（2）企業(yè)運營管理數(shù)據(jù)包含日常用戶4/5G 開戶銷戶狀況、5G 新增入網(wǎng)數(shù)量。

（3）移動用戶4/5G 行為數(shù)據(jù)包含訪問移動互聯(lián)網(wǎng)的行為數(shù)據(jù)、訪問應(yīng)用類型、訪問時間節(jié)點、訪問接入?yún)^(qū)域分布等。

（4）網(wǎng)絡(luò)運行系統(tǒng)數(shù)據(jù)包含終端行為信息、認(rèn)證時間、基站位置等。

（5）4/5G 核心網(wǎng)記錄包含互聯(lián)網(wǎng)用戶行為包含用戶訪問URL、訪問時間、用戶語音通話時間節(jié)點等。

（6）4/5G 業(yè)務(wù)平臺數(shù)據(jù)包含用戶終端分布、TOB 支撐產(chǎn)品、各類平臺支撐用戶增值業(yè)務(wù)等。

（7）4/5G 運營網(wǎng)管數(shù)據(jù)包含日常運營能耗、小時級能耗顆粒、單小區(qū)級用戶接入與切出數(shù)量、小區(qū)級空載時效比、用戶上下行感知速率分布、用戶CQI 數(shù)據(jù)、4/5G MR 話統(tǒng)等。

3.2 數(shù)據(jù)預(yù)處理平臺構(gòu)建

針對各類平臺提取的數(shù)據(jù)包含結(jié)構(gòu)化文件以及非結(jié)構(gòu)化數(shù)據(jù)這一特點，本研究優(yōu)選分布式集群系統(tǒng)平臺進(jìn)行數(shù)據(jù)預(yù)處理形成統(tǒng)一結(jié)構(gòu)化數(shù)據(jù)?；谶\營成本及效率優(yōu)先考慮基于Hadoop 分布式軟件框架，該分布式軟件框架憑借對失敗節(jié)點重新處理的高可靠性、短時間擴展龐大計算節(jié)點的高擴展性、保障各個節(jié)點動態(tài)平衡的高效性、自動重新獲取失敗任務(wù)的高容錯性成為首選。為確保目標(biāo)數(shù)據(jù)完整可靠性，各類數(shù)據(jù)平臺接入節(jié)點需要配置多個接入端口來保障穩(wěn)定性，同時Hadoop 平臺能夠完成主備多層次服務(wù)器的搭建任務(wù)[7]。

3.3 用戶行為模型設(shè)計

用戶行為模型原則上只為挖掘4/5G 用戶當(dāng)前以及后期行為屬性給予當(dāng)前5G 網(wǎng)絡(luò)承載的影響。該模型主要從用戶多元性、空間移動性、活動時間特性、網(wǎng)絡(luò)質(zhì)量需求4 類關(guān)鍵指標(biāo)進(jìn)行建模。

（1）用戶類型多元性

當(dāng)前5G 網(wǎng)絡(luò)存在單模SA 用戶、SA-NSA 雙模用戶、ToB 固定IP 用戶共存現(xiàn)象，需要及時跟蹤不同種類用戶數(shù)量占比。不同類型的用戶對于網(wǎng)絡(luò)的敏感度不同，例如當(dāng)基站由于節(jié)能導(dǎo)致覆蓋收縮時，ToB 固定IP 用戶會出現(xiàn)網(wǎng)絡(luò)不可用現(xiàn)象而普通雙模ToC 用戶則會在LTE 下重新發(fā)起業(yè)務(wù)。因此，單位時間內(nèi)，5G 用戶多元性越高，網(wǎng)絡(luò)節(jié)能帶來的用戶感知下降也就越嚴(yán)重。

（2）用戶空間移動性

通過對現(xiàn)網(wǎng)5G 用戶單位時間內(nèi)活躍基站位置的提取，來構(gòu)建5G 用戶空間分布范圍。同時，新增5G 開戶用戶必定屬于4G 原有用戶升級而來。通過分析用戶在4G 網(wǎng)絡(luò)的基站占用變化情況，來預(yù)測5G 用戶的活動路徑。高空間移動性表示用戶前往節(jié)能后覆蓋未受損區(qū)域的概率越大。網(wǎng)絡(luò)節(jié)能帶來的用戶感知下降也就越小。

（3）用戶時間潮汐度

隨著互聯(lián)網(wǎng)APP 應(yīng)用豐富化，手機蜂窩數(shù)據(jù)使用占比已經(jīng)突破60%。當(dāng)前階段，4/5G 用戶的業(yè)務(wù)模型基本一致。如圖6 所示，當(dāng)前5G 網(wǎng)絡(luò)初期TOB、TOC 主流業(yè)務(wù)未發(fā)生明顯變化，4/5G 用戶流量TOP10 的APP 重合度高達(dá)90%以上。業(yè)務(wù)模型的一致表示著用戶時間特性的一致，因此在5G 用戶活動時間不足時，4G 用戶的潮汐型亦能作為模型的輸入分析源。通過對區(qū)域內(nèi)基站流量的變化統(tǒng)計，能夠得出區(qū)域內(nèi)用戶無線網(wǎng)絡(luò)使用量的潮汐分布。從而使得模型能夠根據(jù)潮汐程度下發(fā)不同的節(jié)能策略。

圖6 4/5G 用戶業(yè)務(wù)模型對比

（4）網(wǎng)絡(luò)質(zhì)量需求

用戶對網(wǎng)絡(luò)質(zhì)量需求往往能夠決定基站存在必要性，運營商各種執(zhí)行策略優(yōu)先考慮網(wǎng)絡(luò)服務(wù)質(zhì)量。5G 業(yè)務(wù)初期為業(yè)務(wù)爬坡階段，整體使用率不足10%，對5G 獨有的大帶寬、海量機器通信、超低時延需求不明顯，相反，對上下行用戶速率體驗、流量資費較為敏感。4G 業(yè)務(wù)在部分時間段、部分地點能夠完全取代5G 基站且保證網(wǎng)絡(luò)同等服務(wù)能力[8,9]。節(jié)能策略不可避免的會帶來網(wǎng)絡(luò)質(zhì)量的下降。針對用戶不同的業(yè)務(wù)類型，能夠計算出區(qū)域內(nèi)用戶對于網(wǎng)絡(luò)質(zhì)量的實際需求，從而控制不同節(jié)能措施的下發(fā)。

4 基于用戶行為5G 節(jié)能策略

4.1 各節(jié)能方式節(jié)能效果驗證

在構(gòu)建智能化模型之前，需要對現(xiàn)有節(jié)能方式的實際部署效果進(jìn)行驗證。實測數(shù)據(jù)對于智能化節(jié)能模型中的節(jié)能策略判斷制定具有重要的指導(dǎo)意義。本研究選取現(xiàn)網(wǎng) 1 000 個5G 基站進(jìn)行為期6 個月的單一/組合節(jié)能策略實際節(jié)能性能效果驗證。各策略/組合間的節(jié)能效果如表1所示。

表1 多制式節(jié)能方式節(jié)能效果

4.2 智能化策略控制模型架構(gòu)

如上文所述，模型將網(wǎng)絡(luò)用戶特征分為多元性、移動性、潮汐度和質(zhì)量需求度4 個維度。由于4 個維度所代表的層面不同，智能化策略模型需要在不同的策略制定階段控制不同的數(shù)據(jù)輸入。同時，不同數(shù)量維度的用戶數(shù)據(jù)對于基站顆粒度的控制也有所不同。例如，在同一單位時間內(nèi)考慮用戶潮汐值時使用小區(qū)作為顆粒度即可，考慮用戶多元性需要站點級別而考慮用戶移動性則需要以簇為顆粒度。

如圖7 所示，智能化策略控制模型根據(jù)3.1 中所述海量大數(shù)據(jù)按四大維度進(jìn)行射頻單元級數(shù)據(jù)入庫。因潮汐性主要數(shù)據(jù)為小區(qū)負(fù)荷、用戶數(shù)及流量數(shù)據(jù)，涉及字段較少。因此用決策樹算法根據(jù)不同的數(shù)據(jù)向量特征給出所推薦的節(jié)能策略組。多元性、網(wǎng)絡(luò)質(zhì)量需求由于涉及的字段較多，分別采用了隨機森林以及BP 神經(jīng)網(wǎng)絡(luò)算法作為工具。而用戶移動性方面，則是先通過聚類算法將不同小區(qū)間進(jìn)行類合并，進(jìn)而使用決策樹算法根據(jù)類內(nèi)用戶流動性得出策略推薦。

圖7 智能化策略控制模型架構(gòu)

以四維用戶特征數(shù)據(jù)為基礎(chǔ)的節(jié)能策略在下發(fā)前，將進(jìn)行最小相交。得出最終的模型推薦策略組合。同時，系統(tǒng)將收集網(wǎng)絡(luò)投訴、能耗數(shù)據(jù)分別以正，反兩個方向?qū)δＰ椭械母魉惴▋?nèi)參數(shù)進(jìn)行調(diào)整。例如，若用戶投訴數(shù)據(jù)在一段時間內(nèi)急增，那么決策樹中針對極端節(jié)能策略的判定條件則會更加嚴(yán)格。若節(jié)能效果與4.1 中單獨實測效果差距較大，那么神經(jīng)網(wǎng)絡(luò)中則會在初始設(shè)定更多的基站進(jìn)行更加激進(jìn)的節(jié)能策略下發(fā)。

通過算法計算策略，策略得出數(shù)據(jù)，數(shù)據(jù)修正策略的整體系統(tǒng)閉環(huán)，整體用戶行為5G 節(jié)能策略能夠?qū)崿F(xiàn)系統(tǒng)內(nèi)的自我調(diào)優(yōu)，實現(xiàn)節(jié)能策略的自動化下發(fā)與高時效性調(diào)整。

5 節(jié)能評估

為體現(xiàn)實際使用節(jié)能效益，選取國內(nèi)通信基礎(chǔ)較為強勢省份進(jìn)行多城市5G 節(jié)能策略優(yōu)化實施。全網(wǎng)絡(luò)總計開啟納入節(jié)能系統(tǒng)站點14 920 個，通過提前建模分析實施對應(yīng)的節(jié)能策略方式包含符號關(guān)斷、射頻通道關(guān)斷、深度休眠、LNR 智能關(guān)斷相結(jié)合。模型穩(wěn)定態(tài)時，節(jié)能策略主要可概括為絕大部分小區(qū)全天候開通符號關(guān)斷，射頻通道關(guān)斷僅打開32T32R 和64T64R的小區(qū)，開通時間為0～7 點低話務(wù)時段，農(nóng)村、郊區(qū)低用戶場景輔助使用深度休眠策略，近郊區(qū)采用LNR智能關(guān)斷策略，同時每個城市統(tǒng)一數(shù)據(jù)采集平臺，基于模型預(yù)估進(jìn)行現(xiàn)網(wǎng)節(jié)能策略優(yōu)化調(diào)整。如圖8 所示，7 個城市整體節(jié)能日均可達(dá)24 018 kWh，平均節(jié)能效果達(dá)到原能耗的15.26%，累計年均可省電877 萬kWh，直接產(chǎn)生社會經(jīng)效益800 萬元。

圖8 基于大數(shù)據(jù)分析多城市實際節(jié)能效果趨勢

6 其他節(jié)能方法實踐及展望

目前階段而言，5G 基站節(jié)能的手段依然相對較少，基站節(jié)能的實現(xiàn)模式也主要局限于射頻模式本身。本研究針對此類局限，對現(xiàn)階段可行的解決方案進(jìn)行展望。針對部份5G 業(yè)務(wù)極端不活躍區(qū)域通過DSS（Dynamic Spectrum Sharing，動態(tài)頻譜共享）方式進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)改造可以作為節(jié)能手段的一種拓展。而將蓄電池融入基站能源循環(huán)實現(xiàn)錯峰用電則可以作為未來5G 基站節(jié)能模式的拓展。

5G 高頻主設(shè)備以單日功耗來算，空載功耗2.15～2.3 kW，均載功耗3.14～3.25 kW，滿載功耗3.78～3.91 kW，遠(yuǎn)遠(yuǎn)超出4G 空載1.14 kW 的功耗平均水平，因此在5G 流量高度空載且LTE 網(wǎng)絡(luò)同時滿足覆蓋的場景，通過休眠高頻段MASSIVE MIMO 基站，改造低頻多發(fā)多收LTE 基站實現(xiàn)DSS 功能。將網(wǎng)絡(luò)結(jié)構(gòu)由原始5/4G 網(wǎng)絡(luò)分別使用高、低頻段改變?yōu)楦哳l5G 基站深度休眠，LTE/NR 用同一低頻頻段的網(wǎng)絡(luò)架構(gòu)?，F(xiàn)網(wǎng)少量5G 流量被低頻5G 吸收，從而保障5G 大功率基站長時間段深度休眠業(yè)務(wù)實施。如圖9 所示，選取100 站點的范圍進(jìn)行為期17 周的LTE DSS改造+基站深度休眠策略試驗，基站BBU 根據(jù)當(dāng)前實際業(yè)務(wù)需求動態(tài)關(guān)閉AAU 側(cè)所有載波、功放、底噪，保留基礎(chǔ)OM 通道。實際AAU 周均功耗可以降低40%～60%左右，同時，當(dāng)?shù)皖lDSS 小區(qū)的NR 業(yè)務(wù)無法滿足現(xiàn)網(wǎng)負(fù)荷時，高頻5G 小區(qū)將從休眠狀態(tài)激活到工作狀態(tài)，整體反應(yīng)時間實測低于5 min。

圖9 DSS 特性下深度休眠特性節(jié)點實施

在節(jié)能模式方面，利用電池備電、峰谷電價成為運營商節(jié)能降耗的重要選擇，傳統(tǒng)方式是采用基于策略的、固定時間點方式進(jìn)行備電，但是由于站點的負(fù)載處于實時變化狀態(tài)，且很多國家與地區(qū)大量實行多峰多谷的靈活電價措施，傳統(tǒng)方式已不能實現(xiàn)最大程度的節(jié)能，基于現(xiàn)網(wǎng)實際用戶環(huán)境實行錯峰節(jié)能成為必然選擇。5G 用戶行為模型未來也需要考慮作用于調(diào)整基站蓄電池的存放節(jié)奏變化。通過實時預(yù)測站點的負(fù)載變化，結(jié)合電池容量，精準(zhǔn)計算電池放電時間，從而實現(xiàn)最大程度的節(jié)能。另外，將機房備用鋰電池投入到電網(wǎng)波峰波谷循環(huán)中來，不但可以獲到峰谷差價的收益，還幫助電廠節(jié)能、供電線路節(jié)材，避免了市電引入線路改造[10,11]。

7 結(jié)束語

5G 基站節(jié)能作為5G-Advanced 的重要演進(jìn)方向，隨著射頻技術(shù)、機器學(xué)習(xí)技術(shù)、計算機運算技術(shù)的不斷創(chuàng)新，智能網(wǎng)絡(luò)運維下的節(jié)能將成為當(dāng)前5G 網(wǎng)絡(luò)向5G-Advanced 階段演進(jìn)的重要發(fā)展方向。本文提出了一種根據(jù)不同用戶行為維度智能化進(jìn)行基站節(jié)能策略下發(fā)的通訊大數(shù)據(jù)分析系統(tǒng)。該系統(tǒng)將用戶行為特征分為4 類，以最小相交的原則進(jìn)行基站節(jié)能策略推薦。依據(jù)伴隨節(jié)能產(chǎn)生的用戶投訴、基站能耗數(shù)據(jù)對系統(tǒng)內(nèi)算法進(jìn)行修正。

同時，本文也對該系統(tǒng)進(jìn)行了展望，融合DSS 功能特性，針對現(xiàn)網(wǎng)實施網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整在將來能夠作為已有模型節(jié)能策略集合的補充?；拘铍姵爻浞殴?jié)奏智能化調(diào)整可以作為該系統(tǒng)的拓展運用領(lǐng)域。