基于业务保障的5G基站智能关断方法分析

慕少锋，肖清华（.中国移动通信集团贵州有限公司，贵州 贵阳 55008；.华信咨询设计研究院有限公司，浙江 杭州 3004）

1 概述

5G［1－2］在带来了高速率、低时延的业务体验的同时，也带来了更加智能化和多样化的应用场景，人与人之间的通信逐渐迈向物与物之间的万物互联。但由于5G网络采取更高的频段，相比4G而言，实现相同面积的覆盖需要部署2～3 倍以上数量的基站（gNB）。另外，由于5G 天线采用Massive MIMO［3］天线阵列，单站功耗是4G的3倍左右。就网络部署而言，5G利用超密集网络（Ultra Dense Network，UDN）［4］提高网络容量和频谱效率的同时，也带来了严重的网络能耗问题。由此可见，如何降低5G 能耗不仅功在当代，更是利在千秋［5］。刘友波［6］等人提出了能源互联网背景下的5G基站能耗模型，从能量效率和成本效率的角度提出对5G 能耗的管控，但涉及层面过多，偏于理想化。帅农村等人［7］则基于多元线性回归分析了5G 能耗模型，可以相对准确估算5G基站建设的能耗，但模型的精度取决于拟合的精度。对于5G 商用过程中的节能应对策略可以参考文献［8］和文献［9］。杨拓等人［10］则另辟蹊径地分析了5G 终端环节的节能技术。从以上研究也可看出，解决5G 网络的能耗问题有2 种方法［11］：硬节能和软节能。硬节能主要通过新技术、新材料和优化硬件架构来降低功耗，而软节能的方法则更灵活多变，包括符号关断、通道判断、载波关断，以及深度休眠和节能调度等多种方式，更适合于目前AI 化的应用［12－16］。为此，本文从不同用户对不同业务需求不同资源的角度出发，提出一种基于业务保障的5G基站智能判断方法（Guaranteed Services based 5G gNB Intelligently Closing Algorithm，GSIC），借助差异化的5G 业务等级，根据业务的不同属性，有条件地实施5G 基站间的用户迁移，实现低价值、低负载基站的关断，从而达到优化能耗的目的。

2 GSIC模型

2.1 目标基站

为了叙述方便，假设有u个基站：gNBtar={gNB1,gNB2,…,gNBu}，每个基站gNB（kgNBkϵgNBtar）上运行kv个用户，USk,i是第i个用户，USk,i∈{USk,1,USk,2,…,USk,kv}，每个用户开展kvw个业务，SVk,i,j是第j个业务，SVk,i,j∈{SVk,i,1,SVk,i,2,…,SVk,i,kvw}，则用户USk,i运行的业务为SVk,i={SVk,i,j，j∈(1,2,…,kvw)}。

2.2 关断方法

步骤1：筛选目标基站。

对于每个基站gNBk，首先判断是否满足以下条件：

式中：

PRBk∈{1,2,…,u}——每个基站gNBk∈{1,2,…,u}统计时刻的PRB利用率

Tℎr_Lk∈{1,2,…,u}——相应的基站关断资源利用率门限

如果满足，则将gNBk纳入关断目标候选集gNBtclose。

步骤2：判断业务等级。

对于gNBtclose中的每个基站gNBtϵ{1,2,…,u}中每个用户所开展的每个业务，计算：

式中：

∇Delayt,i,j——用户USt,i的业务时延余值

Delayt,i,j——每个业务所对应的时延

DelayMt,i,j——每个业务所对应的时延容忍度

计算：

式中：

∇Dropt,i,j——用户USt,i的业务丢包余值

Dropt,i,j——每个业务所对应的丢包率

DropMt,i,j——每个业务所对应的丢包容忍度

计算：

式中：

EVt,i,j——用户USt,i的第j个业务的综合评估值

δt,i,j——业务等级权值，满足δt,i,j≤1

步骤3：用户标记。

每个用户开展的业务分为2 种：GBR 业务和Non－GBR 业务。对于基站gNBt∈{1,2,…,u}，假设每个用户运行的GBR业务集为SV_GBRt，i={SVt，i，m},m∈{1,2,…,kvw}，则剩余的Non－GBR业务集为：

步骤4：分级判断。

对于每个基站gNBk∈{1,2,…,u}中的每个用户USk,i，判断以下条件是否成立：

即用户USk,i开展的业务是否均为Non－GBR 业务，如果是，则将其所在的基站智能关断标识置为1，即：

否则，计算：

式中：

EVt,i——基站gNBk∈{}1,2,…,u中用户USt,i的关断评估值

计算：

式中：

EVt——基站gNBk∈{}1,2,…,u的评估值

判断下式是否成立：

式中：

EV_THRt——基站gNBt∈{1,2,…,u}的业务关断门限

若是，同样将基站gNBk∈{1,2,…,u}的关断标识置为1，见式（7）。

否则：

步骤5：执行关断。

收集满足Closet=1 条件的基站集gNBtt，并且满足：

对其中的每个gNBz，核算其所有邻区负载，若所有邻区负载均超过超载门限OvLtℎr，则本次关断行为取消。

否则，找到gNBz邻区中资源利用率最小的基站gNBnb，若满足：

则仍然不执行本次判断。

只有在满足Closet=1，gNBz∈gNBtclose，以 及PRBz+PRBnb≤OvLtℎr的条件下，才将gNBz的用户迁移到gNBnb中，并将基站gNBz关断。

3 仿真

3.1 仿真环境

本文采用Matlab对GSIC算法进行仿真，具体参数如表1～表3所示。

表1 仿真参数

表2 仿真业务的5QI值

表3 各基站及其仿真用户和业务

3.2 仿真结果与分析

3.2.1 单站关断

对gNB2 基站进行关断仿真，主要针对其中的Non－GBR 业务如AR 和直播下行流，所得的仿真结果如图1所示。

图1 单基站关断

从图1 可以看出，在GSIC 算法关闭的情况下，单站功耗始终维持在3 100～3 500 W 的高位运行，而在GSIC 打开后，由于部分业务转移，功耗下降至2 600～3 000 W的低位区间，下降比率约15%。功耗不是一成不变的，它也随着小区的环境，如信噪比，误码率等指标而波动。一般来说，小区吞吐率越大，或维持相应用户感知而RSRP越低的情况下，功耗也会越大。

3.2.2 簇关断

对仿真数据表中的6 个基站执行条件判断，所得的仿真结果如图2所示。

图2 小区负载

对仿真基站簇进行关断仿真，统计相应的功耗峰谷值。在GSIC 关闭时，功耗平均峰值约为20.8 kW，GSIC 打开后的平均峰值约为20.5 kW；在GSIC 关闭时，功耗平均谷值约为20 kW，而在GSIC 打开后，平均谷值约为18.2 kW，分别下降14.4%和9%。

4 结束语

5G 节能是响应国家实现碳中和政策重要的一面，在优化5G 基站性能的同时，应从软硬结合的角度出发，更优地实现节能减排［17－21］。本文只是单纯结合基站的用户开展业务的差异性，适时给出合理的关断策略，但在更细颗粒度的符号判断、通道判断等方面仍然有待研究，实现5G 基站的自组织能耗优化，并兼顾无线网络KPI。