一种AI节能调度的基站能耗优化方法及系统与流程

摘要: 本发明涉及基站能耗优化领域,特别涉及一种ai节能调度的基站能耗优化方法及系统。背景技术:1、基站通常是指公用移动通信基站,指在一定的无线电覆盖区中,通过移动通信...
一种AI节能调度的基站能耗优化方法及系统与流程

本发明涉及基站能耗优化领域,特别涉及一种ai节能调度的基站能耗优化方法及系统。

背景技术:

1、基站通常是指公用移动通信基站,指在一定的无线电覆盖区中,通过移动通信交换中心,与移动电话等终端设备之间进行信息传递的无线电收发信电台,随着移动通信网络的大规模部署,基站数量持续增长,基站能耗已成为运营商运营成本的重要组成部分。

2、现有技术中的大量基站通常采用的是退役锂电池经梯次利用后组成的电池模组,而梯次利用电池模组由于来源批次不同和历史使用工况各异,进而其各单体电池的内阻离散程度显著高于新电池组,不同单体之间内阻差异可达数倍乃至数十倍。

3、为了对基站中的梯次利用电池模组进行能耗优化,现有技术通常将电池模组作为整体对象进行建模,采用统一的soh和soc参数描述电池状态,但这种方式通常会存在未能区分模组内各单体的个体差异,导致调度策略无法适配单体级的健康状态分布,存在过充过放风险,加速电池退化,因此,使用一种可以以单体内阻散离分区为核心驱动变量进行能耗优化的ai节能调度的基站能耗优化方法,以区分模组内各单体的个体差异是有必要的。

技术实现思路

1、本发明的目的在于提供一种ai节能调度的基站能耗优化方法及系统,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:一种ai节能调度的基站能耗优化方法,包括:

3、各基站在充放电间隙窗口内提取各梯次利用电池模组单体的直流内阻增量,依据增量数值将各单体映射至预定义离散度分区,不同分区激活对应的采样时序配置与等级专属拒绝域上界,采样间隔随散离分区升高而缩短,异常判定边界随散离分区独立设定、互不继承;

4、各基站以当前散离分区编号作为输入特征之一,仅使用本站历史上处于同一散离分区区间的运行记录作为训练子集,在该等级对应的参数空间内训练本地节能模型,各等级的模型权重系数独立拟合,不跨等级继承初始化值,使模型输出的调度方案与本站电池当前散离分区绑定。

5、优选的,所述内阻散离分区划分具体包括:

6、将梯次利用电池模组各单体内阻划分为三个散离分区:0-50mω为低散离分区、50-100mω为中散离分区以及大于100mω为高散离分区;

7、按散离分区分组后,以各等级内阻中位数为基准,采用1.5倍四分位距作为异常判定阈值,对异常样本执行单次遍历剔除,剔除后不补充数据、不重置等级边界,保持原始分级结构完整;

8、样本量低于等级内最小有效样本数时,触发相邻等级临时合并保护机制,合并后以合并前各等级中位数加权均值作为临时基准,合并状态在下一采集周期自动解除;

9、对各散离分区的参数数据分别设定独立线性缩放系数,将内阻变化速率、单体间内阻极差、温度响应斜率各参数按等级内极值归一化至[0, 1]区间,不跨等级混合归一化。

10、优选的,所述本地节能模型训练具体包括:

11、各基站依据当前内阻阶级裁剪模型输入特征维度:

12、低阻阶级模型仅使用soc和内阻变化速率二维特征作为输入,中阻阶级模型在此基础上增加温度和内阻关联系数为三维输入,高阻阶级模型进一步增加soh衰减斜率为四维输入,各阶级模型的特征权重系数在本阶级历史数据上独立拟合,不从其他阶级继承初始化值;

13、以当前内阻阶级对应的最大允许放电深度为硬约束上界,在该约束内最小化调度功耗偏差,不同内阻阶级的约束上界独立设定,互不继承;

14、训练数据限定为本站历史上处于同一内阻阶级区间的运行记录,训练完成后将模型与对应内阻阶级区间绑定,基站在调度执行阶段以实时内阻阶级判定结果为索引直接调用对应绑定模型,无需重新推断模型归属。

15、优选的,还包括聚合协同,具体为:

16、聚合节点收集各基站上报的等级绑定调度方案,以散离分区编号为唯一分组键执行组内聚合,组内聚合权重由各基站在该等级的历史有效样本量与等级驻留时长的倒数乘积独立计算,不跨等级合并、不执行全局目标函数求解;

17、各等级组内聚合结果独立存储,以散离分区编号为索引构成分等级方案库,聚合节点不向各基站传输其他基站的原始调度参数,仅下发对应等级的聚合结果。

18、优选的,还包括阶级驱动执行,具体为:

19、各基站以实时内阻散离分区判定结果为索引,从分等级方案库中调用对应等级方案执行;

20、以连续k个采集周期内单体内阻滑动均值跨越等级边界作为等级跃迁触发条件,k值随散离分区升高而递减;

21、等级跃迁触发后,原等级的放电深度约束参数立即失效,不向新等级继承任何约束值,新等级约束参数完全来源于分等级方案库中对应等级的独立设定值,跃迁过渡期内暂停调度方案更新直至新等级首次采集周期完成。

22、优选的,所述散离分区边界值执行周期性自适应校正,具体包括:

23、以连续n个完整采集周期内各等级中位数的线性漂移斜率为输入,当某等级中位数累计漂移量超过该等级初始区间宽度的20%时,触发单侧边界平移操作,仅调整发生漂移一侧的等级边界值,对侧边界保持不变;

24、边界平移量以漂移斜率的整数倍步长执行,步长固定为5mω,单次校正不超过两个步长;

25、边界校正记录以时间戳和触发等级编号为索引独立存储,校正前后的历史训练数据不重新归级,仅对校正后新采集数据按更新边界归入对应等级,已绑定模型的等级区间标注同步更新但模型权重不重置。

26、优选的,当某散离分区的本站历史运行记录数量低于模型训练最小样本阈值时,执行等级冷启动补偿,具体包括:

27、以该等级的内阻区间中值、对应放电深度硬约束上界及当前采集周期的实测参数为基础,按等差步长在该等级参数空间内生成虚拟补偿样本,虚拟样本数量不超过该等级实测样本量的2倍;

28、虚拟补偿样本仅用于本等级模型的初次训练,不参与后续增量更新,实测样本累计达到最小样本阈值后虚拟补偿样本自动失效并从训练集中移除;

29、虚拟补偿样本生成过程不调用其他等级的历史数据,不执行跨等级特征映射或参数继承,各等级冷启动补偿过程相互独立。

30、优选的,还包括模组健康状态评估输出,具体为:

31、以各基站梯次利用电池模组在连续m个采集周期内,以模组内实测内阻超过高散离分区下边界的单体数量与模组标称单体总数之比,定义为该模组的分区偏移率,离散度指数按采集周期滚动计算;

32、当高分区单体数量占模组总单体数的比例超过预设上限时,输出模组分区容量失衡告警,预警信号仅包含该基站标识、触发时间戳及当前离散度指数值,不包含任何用户业务数据;

33、触发模组分区失衡告警触发后,该基站将本站高散离分区对应的单体最大容量释放比例上限乘以0.8作为全模组临时执行上限,收紧操作不经聚合节点确认、由基站本地直接执行,临时上限持续至分区偏移率在连续d个采集周期内不再呈单调递增趋势后由本地自动撤销。

34、优选的,所述聚合节点在生成各等级聚合结果后,执行等级内一致性评分,具体包括:

35、以参与该等级聚合的各基站上报方案中,调度功耗偏差目标值的组内变异系数作为一致性评分指标,变异系数低于预设阈值t1时判定为高可信聚合结果,高于t2时判定为低可信聚合结果,t1与t2按等级独立设定;

36、高可信聚合结果正常下发至对应等级各基站;

37、低可信聚合结果不下发,对应等级各基站收到低可信标记后保留本站当前绑定模型的调度方案继续执行,不等待新聚合结果;

38、连续两个聚合周期均为低可信时,聚合节点向对应等级各基站发送等级边界复核指令,各基站重新执行一次散离分区归级判定,归级结果更新后重新上报方案参与下一聚合周期。

39、一种ai节能调度的基站能耗优化系统,包括:

40、内阻采集与等级归入模块,用于各基站在充放电间隙窗口内提取各梯次利用电池模组单体的直流内阻增量,依据增量数值将各单体映射至预定义离散度分区,不同分区激活对应的采样时序配置与等级专属拒绝域上界,采样间隔随散离分区升高而缩短;

41、等级隔离训练模块,用于各基站以当前散离分区编号作为输入特征之一,仅使用本站历史上处于同一散离分区区间的运行记录作为训练子集,在该等级对应的参数空间内训练本地节能模型,各等级的模型权重系数独立拟合,不跨等级继承初始化值,使模型输出的调度方案与本站电池当前散离分区绑定;

42、等级分组聚合模块,用于收集各基站上报的等级绑定调度方案,以离散等级编号为唯一分组键执行组内聚合,组内聚合权重由各基站在该等级的历史有效样本量与等级驻留时长的倒数乘积独立计算,不跨等级合并、不执行全局目标函数求解;

43、阶级驱动执行模块,用于以实时内阻离散等级判定结果为索引,从分等级方案库中调用对应等级方案执行,以连续k个采集周期内单体内阻滑动均值跨越等级边界作为等级跃迁触发条件,等级跃迁触发后原等级放电深度约束参数立即失效、不向新等级继承任何约束值;

44、模组健康评估模块,用于以各基站梯次利用电池模组在连续m个采集周期内,以模组内实测内阻超过高散离分区下边界的单体数量与模组标称单体总数之比。

45、本发明的技术效果和优点:

46、(1)本发明通过将梯次利用电池模组各单体内阻实时映射至对应散离分区,并以等级为触发条件差异化设定采样间隔与异常判定边界,进而有利于解决将电池模组作为整体建模导致个体差异被掩盖的问题,有利于将采样资源向高内阻等级倾斜,便于使异常检测灵敏度随等级升高而提升;

47、(2)本发明通过各等级模型仅使用同等级历史运行记录作为训练子集,权重系数独立拟合和不跨等级继承,进而有利于防止不同健康状态数据混合训练导致的模型偏差,使调度方案与当前电池实际状态高度匹配,有利于提升调度精度;

48、(3)本发明通过聚合节点以散离分区编号为唯一分组键执行组内聚合,聚合权重由历史有效样本量与等级驻留时长倒数乘积独立计算,禁止跨等级合并,进而有利于保证下发至各基站的聚合方案与其电池实际散离分区的高度匹配,便于防止出现全局聚合方案对特定状态基站适配性差的情况;

49、(4)本发明通过监测各等级中位数的线性漂移斜率,在漂移量超过阈值时触发单侧边界平移,进而有利于使等级划分边界随电池群体长期退化趋势动态调整,便于防止固定边界导致的等级归属失真,保持分级体系长期有效性;

50、(5)本发明通过针对历史数据不足的等级,以等差步长在等级参数空间内生成虚拟补偿样本,以及聚合一致性评分过滤低质量聚合结果,以组内变异系数作为一致性评分指标,低可信聚合结果不下发,对应基站保留本地方案执行,进而有利于解决模型初次训练的样本稀疏问题,便于使虚拟样本在实测数据达标后自动失效,进而便于不影响模型后续迭代质量,同时有利于防止出现低质量聚合结果对基站调度稳定性干扰的情况,便于连续低可信时触发等级边界复核,以形成自愈闭环;

51、(6)本发明通过以高散离分区单体占比作为模组离散度指数的设置方式,进而有利于使单调递增超阈值时触发退役预警并自动收紧放电深度约束,有利于在不依赖外部运维指令的情况下实现电池资产寿命的主动保护,进而便于降低过放风险。