基站节能方法、系统及装置与流程

1.本发明涉及基站节能技术领域，特别涉及一种基站节能方法、一种基站节能系统和一种基站节能装置。


背景技术：

2.相关技术中，随着移动数据量的增长，对网络容量的需求也越来越高，传统的蜂窝系统将很难满足需求，5g网络应运而生；5g网络在带来了数据速率和系统容量提升的同时，也大幅度增加了通信网络的能耗，5g基站功耗远远超过了4g基站，于是高功耗成了大规模部署5g网络的棘手问题。


技术实现要素：

3.本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种基站节能方法，通过自动化处理实现网络场景自适应，并且通过一站一策和多网协同以降低基站功耗，从而提高基站节能效率。
4.本发明的第二个目的在于提出一种基站节能系统。
5.本发明的第三个目的在于提出一种基站节能装置。
6.为达到上述目的，本发明第一方面实施例提出了一种基站节能方法，包括以下步骤：节能控制中心获取基站簇内每个基站对应的数据信息，并根据所述每个基站对应的数据信息对所述每个基站进行场景识别，以得到节能优先级列表，并将所述节能优先级列表发送给所述每个基站；所述每个基站获取自身数据信息，并根据所述自身数据信息和所述节能优先级列表获取第一节能策略，并将所述第一节能策略发送给所述节能控制中心；所述节能控制中心对所述每个基站对应的第一节能策略进行策略执行判断，并根据相应的判断结果对所述第一节能策略进行调整以得到所述每个基站对应的第二节能策略，并将所述第二节能策略发送给相应的基站；所述每个基站根据接收到的第二节能策略进行相应的节能操作。
7.根据本发明实施例的基站节能方法，首先，通过节能控制中心获取基站簇内每个基站对应的数据信息，并根据每个基站对应的数据信息对每个基站进行场景识别，以得到节能优先级列表，并将节能优先级列表发送给每个基站；接着，每个基站获取自身数据信息，并根据自身数据信息和节能优先级列表获取第一节能策略，并将第一节能策略发送给节能控制中心；然后，节能控制中心对每个基站对应的第一节能策略进行策略执行判断，并根据相应的判断结果对第一节能策略进行调整以得到每个基站对应的第二节能策略，并将第二节能策略发送给相应的基站；最后，每个基站根据接收到的第二节能策略进行相应的节能操作；由此，通过自动化处理实现网络场景自适应，并且通过一站一策和多网协同以降低基站功耗，从而提高基站节能效率。
8.另外，根据本发明上述实施例提出的基站节能方法还可以具有如下附加的技术特征：
9.可选地，所述节能控制中心还将获取的基站簇内每个基站对应的数据信息进行预处理后保存到第一数据池中；所述每个基站还将获取的自身数据信息进行预处理后保存到第二数据池中。
10.可选地，所述每个基站的数据信息包括：非时序数据如生产厂商、地理位置等，时序数据如气候环境数据、能耗数据、业务重要性程度、kpi数据以及其对应的时间戳。
11.可选地，所述数据信息的获取方式包括周期定时和事件触发，其中，周期定时指在节能策略实施后如果无突发异常发生，则在每个节能周期初采集基站数据，事件触发指在节能策略实施后如果有突发异常发生，则立即采集基站在该时刻的数据。
12.可选地，根据所述自身数据信息和所述节能优先级列表获取第一节能策略，包括：根据基站的第二数据池中的所述自身数据信息和所述节能优先级列表训练强化学习模型，以输出基站的节能时间窗口，以便根据所述节能时间窗口生成第一节能策略。
13.可选地，所述节能控制中心对所述每个基站对应的第一节能策略进行策略执行判断，并根据相应的判断结果对所述第一节能策略进行调整以得到所述每个基站对应的第二节能策略，包括：所述节能控制中心判断所述每个基站对应的第一节能策略之间是否存在节能策略冲突；如果是，则根据节能优先级列表，对低节能需求场景对应的基站的第一节能策略进行调整；如果否，则不进行调整。
14.可选地，所述每个基站根据接收到的第二节能策略进行相应的节能操作，包括：所述每个基站判断接收到的第二节能策略与第一节能策略是否一致；如果是，则对所述强化学习模型进行更新；如果否，则不对所述强化学习模型进行更新；将所述第二节能策略暂时缓存于策略缓存列表中；根据所述第二节能策略进行相应的节能操作；基站在进行节能操作的过程中监测实时数据，判断是否有突发异常发生；如果是，则有序停止执行当前节能策略，并执行策略缓存列表中上一节能周期的节能策略，以及根据该时刻的数据在当前节能周期内更新所述第一数据池和所述第二数据池，以便根据新的数据更新场景识别和强化学习模型；如果否，则对所述策略缓存列表进行一次更新，将当前节能策略保留于策略缓存列表中。
15.为达到上述目的，本发明第二方面实施例提出了一种基站节能系统，包括网管端的节能控制中心和m个基站端，其中每个基站端对应设置有节能控制器和节能执行器，节能控制中心获取基站簇内m个基站端对应的数据信息，并根据所述m个基站端对应的数据信息对所述m个基站端进行场景识别，以得到节能优先级列表，并将所述节能优先级列表发送给所述m个基站端的节能控制器；所述m个基站端中的每个基站端获取自身数据信息，并根据所述自身数据信息和所述节能优先级列表获取第一节能策略，并将所述第一节能策略发送给所述节能控制中心；所述节能控制中心对所述m个基站端对应的第一节能策略进行策略执行判断，并根据相应的判断结果对所述第一节能策略进行调整以得到所述m个基站端中的每个基站端对应的第二节能策略，并将所述第二节能策略发送给相应基站端的节能控制器和节能执行器；所述m个基站端中的每个基站端的节能控制器和节能执行器根据接收到的第二节能策略进行相应的节能操作。
16.根据本发明实施例的基站节能系统，通过节能控制中心获取基站簇内m个基站端对应的数据信息，并根据所述m个基站端对应的数据信息对所述m个基站端进行场景识别，以得到节能优先级列表，并将所述节能优先级列表发送给所述m个基站端的节能控制器；所
述m个基站端中的每个基站端获取自身数据信息，并根据所述自身数据信息和所述节能优先级列表获取第一节能策略，并将所述第一节能策略发送给所述节能控制中心；所述节能控制中心对所述m个基站端对应的第一节能策略进行策略执行判断，并根据相应的判断结果对所述第一节能策略进行调整以得到所述m个基站端中的每个基站端对应的第二节能策略，并将所述第二节能策略发送给相应基站端的节能控制器和节能执行器；所述m个基站端中的每个基站端的节能控制器和节能执行器根据接收到的第二节能策略进行相应的节能操作；由此，通过自动化处理实现网络场景自适应，并且通过一站一策和多网协同以降低基站功耗，从而提高基站节能效率。
17.另外，根据本发明上述实施例提出的基站节能系统还可以具有如下附加的技术特征：
18.可选地，所述节能控制中心还将获取的基站簇内每个基站对应的数据信息进行预处理后保存到第一数据池中；所述每个基站还将获取的自身数据信息进行预处理后保存到第二数据池中。
19.可选地，所述节能控制器根据第二数据池中的所述自身数据信息和所述节能优先级列表训练强化学习模型，以输出基站的节能时间窗口，以便根据所述节能时间窗口生成第一节能策略。
20.可选地，所述节能控制中心对所述m个基站端对应的第一节能策略进行策略执行判断，并根据相应的判断结果对所述第一节能策略进行调整以得到所述m个基站端中的每个基站端对应的第二节能策略，包括：所述节能控制中心判断所述每个基站端对应的第一节能策略之间是否存在节能策略冲突；如果是，则根据节能优先级列表，对低节能需求场景对应的基站的第一节能策略进行调整；如果否，则不进行调整。
21.可选地，所述m个基站端中的每个基站端的节能控制器和节能执行器根据接收到的第二节能策略进行相应的节能操作，包括所述每个基站判断接收到的第二节能策略与第一节能策略是否一致；如果是，则对所述强化学习模型进行更新；如果否，则不对所述强化学习模型进行更新；将所述第二节能策略暂时缓存于策略缓存列表中；根据所述第二节能策略进行相应的节能操作；基站在进行节能操作的过程中监测实时数据，判断是否有突发异常发生；如果是，则有序停止执行当前节能策略，并执行策略缓存列表中上一节能周期的节能策略，以及根据该时刻的数据在当前节能周期内更新所述第一数据池和所述第二数据池，以便根据新的数据更新场景识别和强化学习模型；如果否，则对所述策略缓存列表进行一次更新，将当前节能策略保留于策略缓存列表中。
22.为达到上述目的，本发明第三方面实施例提出了一种基站节能装置，包括第一数据处理模块，部署于节能控制中心，用于对采集到的数据进行预处理；第二数据处理模块，部署于节能控制器中，用于对采集到的数据进行预处理；第一数据池模块，部署于节能控制中心中，用于保存基站的数据；第二数据池模块，部署于节能控制器中，用于保存基站的数据；场景识别模块，部署于节能控制中心，用于对基站覆盖场景进行分类识别，并输出基站的节能优先级列表；节能策略输出模块，部署于节能控制器，根据基站的历史数据，训练强化学习模型，并利用基站的实时数据，不断更新神经网络，输出一个节能周期中的节能时间窗口；节能策略判断模块，部署于节能控制中心，判断基站簇的节能策略是否会冲突；节能策略优化模块，部署于节能控制中心，根据节能优先级列表更新节能策略，并将更新后的节
能策略反馈给各个基站的节能控制器和节能执行器；弹性时间窗管理模块，部署于节能执行器，弹性时间窗管理模块根据节能控制中心和节能控制器的输出方案，对最终执行的节能方案进行调整，同时将最终节能方案缓存于策略缓存列表中，当有突发异常发生时，将上一节能周期的节能方案发布给紧急情况处理模块；紧急情况处理模块，紧急情况处理模块在节能策略执行过程中监测基站的实时数据，当有紧急情况发生时有序停止节能状态，恢复到上一节能周期的基站节能状态，同时将该时刻的数据传输给节能控制中心和节能控制器。
23.根据本发明实施例的基站节能装置，通过数据处理模块，部署于节能控制中心和节能控制器中，分别用第一数据处理模块和第二数据处理模块表示，用于对采集到的数据进行预处理；数据池模块，部署于节能控制中心和节能控制器中，分别用第一数据池和第二数据池表示，用于保存基站的数据；场景识别模块，部署于节能控制中心，用于对基站覆盖场景进行分类识别，并输出基站的节能优先级列表；节能策略输出模块，部署于节能控制器，根据基站的历史数据，训练强化学习模型，并利用基站的实时数据，不断更新神经网络，输出一个节能周期中的节能时间窗口；节能策略判断模块，部署于节能控制中心，判断基站簇的节能策略是否会冲突；节能策略优化模块，部署于节能控制中心，根据节能优先级列表更新节能策略，并将更新后的节能策略反馈给各个基站的节能控制器和节能执行器；弹性时间窗管理模块，部署于节能执行器，弹性时间窗管理模块根据节能控制中心和节能控制器的输出方案，对最终执行的节能方案进行调整，同时将最终节能方案缓存于策略缓存列表中，当有突发异常发生时，将上一节能周期的节能方案发布给紧急情况处理模块；紧急情况处理模块，紧急情况处理模块在节能策略执行过程中监测基站的实时数据，当有紧急情况发生时有序停止节能状态，恢复到上一节能周期的基站节能状态，同时将该时刻的数据传输给节能控制中心和节能控制器；由此，通过自动化处理实现网络场景自适应，并且通过一站一策和多网协同以降低基站功耗，从而提高基站节能效率。
附图说明
24.图1为根据本发明一个实施例的基站簇的网络场景架构图；
25.图2为根据本发明一个实施例的基站节能方法的流程示意图；
26.图3为根据本发明一个具体实施例的基站节能方法的流程示意图；
27.图4为根据本发明一个实施例的基站节能系统的方框示意图；
28.图5为根据本发明一个具体实施例的基站节能装置的方框示意图。
具体实施方式
29.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
30.本技术是基于发明人对以下问题的认识与研究而提出的：
31.现有的5g基站节能控制主要通过软件实现基站的节能，例如，一种方式为：实时采集基站的负荷数据并人工设定阈值，当业务负荷低于阈值时对基站执行节能操作，当业务负荷高于阈值时终止基站节能状态；但是，根据人工经验的方法具有主观性，且不能进行节
能方案的动态优化与调整，节能调节灵活性较差且前期需要耗费大量人力资源来确定具体的节能方案；并且，仅从单个站点考虑节能方案的制定，没有考虑如何降低多基站协同下的总体能耗，导致运营商无法从网络层面全局监测基站能耗状况并部署基站节能策略。另一种方式为：通过对基站场景进行分类，依据基站所在的地理位置信息进行划分，对于不同的基站场景根据人工的经验采用不同的节能方式；但是，其没有从能耗管理、以节能为目地进行基站场景识别，没有考虑到不同的基站场景只适用不同的节能关断方式，导致用户体验降低甚至影响正常通信。再一种是：利用机器学习方法构建基站的业务预测模型，使业务预测模型输出下一时间段的预测业务量，根据预测结果对基站进行智能休眠、唤醒和监控操作；但是，现有的网络级节能技术大多利用机器学习方法通过业务预测来输出节能策略，没有考虑网络层和站点层的策略交互；频繁更新机器学习模型对网络控制中心的负担过大同时可能引起负优化问题；对于突发情况没有设置合适的保护机制。
32.为此，本发明提出了一种基站节能方法，首先，通过节能控制中心获取基站簇内每个基站对应的数据信息，并根据每个基站对应的数据信息对每个基站进行场景识别，以得到节能优先级列表，并将节能优先级列表发送给每个基站；接着，每个基站获取自身数据信息，并根据自身数据信息和节能优先级列表获取第一节能策略，并将第一节能策略发送给节能控制中心；然后，节能控制中心对每个基站对应的第一节能策略进行策略执行判断，并根据相应的判断结果对第一节能策略进行调整以得到每个基站对应的第二节能策略，并将第二节能策略发送给相应的基站；最后，每个基站根据接收到的第二节能策略进行相应的节能操作；由此，通过自动化处理实现网络场景自适应，并且通过一站一策和多网协同以降低基站功耗，从而提高基站节能效率。
33.为了更好的理解上述技术方案，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。
34.为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
35.图1为根据本发明一个实施例的基站簇的网络场景架构图，如图1所示，该场景由一个宏基站以及多个微基站组成目标基站簇；宏基站位于覆盖范围的中心，负责覆盖层的网络通信，微基站部署于宏基站的覆盖范围内，负责容量层的网络通信；根据接入规则，用户ue可以选择接入宏基站或微基站，一个ue在某时刻内只能接入一个基站；为了降低运营成本，在保证用户通信质量的前提下，会对基站簇中的各个基站进行基站节能控制。
36.图2为根据本发明实施例的基站节能方法的流程示意图。如图2所示，本发明实施例的基站节能方法包括以下步骤：
37.s101，节能控制中心获取基站簇内每个基站对应的数据信息，并根据每个基站对应的数据信息对每个基站进行场景识别，以得到节能优先级列表，并将节能优先级列表发送给每个基站。
38.也就是说，节能控制中心或者基站簇内所有基站的数据信息，并根据所有基站的数据信息对每个基站进行场景识别，以得到节能优先级列表，并将节能优先级列表发送给每个基站。
39.需要说明的是，每个基站对应的数据信息可为基站历史数据，包括非时序数据如生产厂商、地理位置等，以及时序数据如气候环境数据、能耗数据、业务重要性程度、kpi数据以及其对应的时间戳等。
40.作为一个示例，以5g网络为例，每个基站对应的数据信息如下表1所示：
41.表1数据信息
[0042][0043]
另外，节能控制中心在每一个节能周期初采集基站时序数据，从而对数据进行周期性更新，以提高节能效率；再者，节能周期可以是1h，12h或者其他时间，可以按照需求进行设置，本技术对此不作特殊限定。
[0044]
作为一个实施例，通过场景识别模型对所述每个基站进行场景识别，并且场景识别模型不在每一个节能周期更新，只在发生紧急情况的节能周期进行更新，以避免由于频繁更新机器学习模型导致对网络控制中心的负担过大而引起负优化的问题。
[0045]
作为一个实施例，利用场景识别将基站所覆盖的场景分为4个类别，分别对应为高业务量低节能需求场景，高业务量高节能需求场景，低业务量低节能需求场景，低业务量高节能需求场景，4种基站场景分别对应第一节能优先级、第二节能优先级、第三节能优先级和第四节能优先级4种优先级，4种优先级分别对应基站的节能关断方式，所述节能关断方式包括符号关断、通道关断、载波关断、基站关断；其中对于第一优先级，不进行节电操作；对于第二优先级，仅采用符号关断；对于第三优先级，采用同时进行符号关断和通道关断或同时进行符号关断和载波关断，其中载波关断仅针对多个覆盖小区的情况；对于第四优先级，采用基站关断，具体内容如表2所示；
[0046]
表2场景优先级以及对应的节能关断方式
[0047]
[0048][0049]
作为一个实施例，节能控制中心还将获取的基站簇内每个基站对应的数据信息进行预处理后保存到第一数据池中。
[0050]
需要说明的是，在无特殊情况时第一数据池内的数据可以间隔5个节能周期或10个节能周期更新一次。
[0051]
作为一个具体实施例，场景识别可以利用无监督学习方法，如聚类算法、最大期望算法等，本技术对此不作特殊限定，首先对第一数据池中的数据进行归一化处理和标注处理，并对时序数据进行特征工程，提取数据特征，如均值、标准差、自相关性、周期性等等，然后利用无监督学习方法将基站分为四个类别，并根据表2对每个类别进行标识，类别标识在无突发异常产生时不进行变动。
[0052]
另外，基站节能优先级列表包括了各个基站对应节能优先级，以5g基站的基站簇为例，其节能优先级列表如下：
[0053]
list
prio
＝{2，1，3，3，4}
[0054]
list
bs
＝{4，2，3，0，1}
[0055]
其中list
prio
列表中序号1、2、3、4分别对应第一节能优先级，第二节能优先级，第三节能优先级和第四节能优先级；list
bs
中序号代表基站索引根据节能优先级从低到高进行排序，当节能优先级相同时业务重要性低的基站排在前。
[0056]
也就是说，基站可以根据节能优先级列表确定基站的节能关断方式，所述节能关断方式包括符号关断、通道关断、载波关断、基站关断；其中对于第一优先级，不进行节电操作；对于第二优先级，仅采用符号关断；对于第三优先级，采用同时进行符号关断和通道关断或同时进行符号关断和载波关断，其中载波关断仅针对多个覆盖小区的情况；对于第四优先级，采用基站关断，由此，充分考虑到了不同的基站场景只适用不同的节能关断方式，从而提高用户体验避免影响正常通信。
[0057]
需要说明的是，节能关断方式中符号关断：基站检测到部分下行符号无数据发送时，在此周期内关闭功率放大器等射频硬件，降低静态功耗；该方法对应用场景无特殊要求，可在微秒级恢复，对用户体验无太大影响；通道关断：当5g网络负荷较低时，关闭(或休眠)部分基站发射的射频通道，以达到降低功耗的目的；该方法通常应用于潮汐效应比较明显的区域，如学校、商场、大型场馆等；载波关断：在多层频点小区同覆盖场景下，当小区负荷低，可考虑关闭其中一个载波，降低功耗；载波关断会影响覆盖效果，故该方法只适用于业务量少且地理位置集中的区域；基站关断：基站关闭aau功放、绝大部分射频以及数字通
路，仅保留最基本的数字接口电路，使aau进入深度休眠状态以达到降低功耗的目的；基站关断仅适用于业务量很低但节能需求较高的场景或者时段。
[0058]
s102，每个基站获取自身数据信息，并根据自身数据信息和节能优先级列表获取第一节能策略，并将第一节能策略发送给节能控制中心。
[0059]
作为一个实施例，每个基站还将获取的自身数据信息进行预处理后保存到第二数据池中。
[0060]
需要说明的是，自身数据信息包括本地基站的时序数据，无特殊情况时，第一数据池和第二数据池都进行周期性更新，即每隔固定节能周期数更新一次，其中第一数据池采集的数据量庞大更新频次低，第二数据池采集的数据量较小更新频次高，即第一数据池的数据更新频次低于第二数据池的数据更新频次。
[0061]
作为一个实施例，根据基站的第二数据池中的自身数据信息和节能优先级列表训练强化学习模型，以输出基站的节能时间窗口，以便根据节能时间窗口生成第一节能策略。
[0062]
也就是说，基站利用第二数据池数据训练强化学习模型，并输出基站在该节能周期中的节能时间窗口，将所述节能时间窗口生成第一节能策略并反馈给节能控制中心。
[0063]
作为一个具体实施例，强化学习模型可采用经典的ddpg深度强化学习网络，其结构包括actor网络和critic网络；其中actor网络以系统状态为输入，控制动作为输出；critic网络以系统状态和动作为输入，动作价值函数q作为输出。在其他示例中，本领域技术人员也可以基于其他机器学习算法建立机器学习模型，本领域技术人员可以根据实际实现需要，构建对应的机器学习模型，本技术对强化学习模型不作限定。
[0064]
本实施例设置基站为ddpg智能体，智能体的每一个actor网络和critic网络都由3层的全连接层神经网络构成，智能体可以根据环境反馈自适应地做出状态-动作对的最佳匹配方案，其中，智能体的状态空间包括了第二数据池中的数据以及节能控制中心输出的节能优先级标签，状态空间s＝[基站数据，基站节能优先级]；智能体的动作空间包含了基站实行节能关断的开始时间和结束时间，动作空间a＝[节能开始时间，节能结束时间]；智能体的奖励信号定义为基站能耗和用户服务质量的加权值，奖励r＝w1*用户体验-w2*基站能耗，其中w1和w2是用户体验和基站能耗的权重；奖励信号中的用户体验可以是用户数据传输速率，w1和w2可根据需求设定为8:2或9:1。
[0065]
s103，节能控制中心对每个基站对应的第一节能策略进行策略执行判断，并根据相应的判断结果对第一节能策略进行调整以得到每个基站对应的第二节能策略，并将第二节能策略发送给相应的基站。
[0066]
作为一个实施例，节能控制中心判断每个基站对应的第一节能策略之间是否存在节能策略冲突；如果是，则根据节能优先级列表，对低节能需求场景对应的基站的第一节能策略进行调整；如果否，则不进行调整。
[0067]
也就是说，节能控制中心获取该节能周期中各基站的第一节能策略，并进行策略执行判断，当多个协同基站的节能策略冲突而导致通信盲区或用户服务质量大幅度下降时，节能控制中心根据基站节能优先级列表，保证高节能需求基站的节能策略维持不变，同时调整低节能需求基站的节能策略，并将更新后的第二节能策略反馈给各个基站的节能控制器和节能执行器；从而全局监测基站能耗状况并部署基站节能策略，提高节能效果。
[0068]
s104，每个基站根据接收到的第二节能策略进行相应的节能操作。
[0069]
作为一个实施例，每个基站判断接收到的第二节能策略与第一节能策略是否一致；如果是，则对强化学习模型进行更新；如果否，则不对强化学习模型进行更新；将第二节能策略暂时缓存于策略缓存列表中；根据第二节能策略进行相应的节能操作；基站在进行节能操作的过程中监测实时数据，判断是否有突发异常发生；如果是，则有序停止执行当前节能策略，并执行策略缓存列表中上一节能周期的节能策略，以及根据该时刻的数据在当前节能周期内更新第一数据池和第二数据池，以便根据新的数据更新场景识别和强化学习模型；如果否，则对策略缓存列表进行一次更新，将当前节能策略保留于策略缓存列表中。
[0070]
也就是说，对比第一节能策略和第二节能策略，如果第一节能策略和第二节能策略不一致，对强化学习模型进行一次更新，否则不对模型进行更新；根据节能控制中心的输出方案，对最终执行的节能方案进行调整，并将最终的节能策略暂时缓存于策略缓存列表中，策略缓存列表中将保存5次或10次近期顺利执行的节能参数配置策略；将最终的节能策略执行于基站端并在节能策略执行过程中监测基站的实时数据，若有突发异常发生则有序停止执行当前节能策略，以实现保护机制，并执行策略缓存列表中上一节能周期的节能策略，将产生异常的策略从策略缓存列表中移除，同时将该时刻的数据传输给节能控制中心，节能控制中心在当前节能周期内更新第一数据池和第二数据池，利用新的数据更新场景识别和强化学习模型；若无异常发生则对策略缓存列表进行一次更新，将该策略保留于策略缓存列表中，达到场景自适应识别和动态策略优化的目的。
[0071]
需要说明的是，检测突发异常的方法可以采用现有可实现的技术，例如基于统计学的方法，总体思想是对数据的分布做出某些假设，然后利用统计推断方法找出该假设条件下的异常。
[0072]
综上所述，根据本发明实施例的基站节能方法，首先，通过节能控制中心获取基站簇内每个基站对应的数据信息，并根据每个基站对应的数据信息对每个基站进行场景识别，以得到节能优先级列表，并将节能优先级列表发送给每个基站；接着，每个基站获取自身数据信息，并根据自身数据信息和节能优先级列表获取第一节能策略，并将第一节能策略发送给节能控制中心；然后，节能控制中心对每个基站对应的第一节能策略进行策略执行判断，并根据相应的判断结果对第一节能策略进行调整以得到每个基站对应的第二节能策略，并将第二节能策略发送给相应的基站；最后，每个基站根据接收到的第二节能策略进行相应的节能操作；由此，通过自动化处理实现网络场景自适应，并且通过一站一策和多网协同以降低基站功耗，从而提高基站节能效率。
[0073]
图3为根据本发明一个实施例的基站节能方法的流程示意图，如图3所示，本发明实施例的基站节能方法包括以下步骤：
[0074]
步骤1：更新第一数据池，利用场景识别模型输出场景标签；
[0075]
具体的，只有在到达第一数据池更新周期的节能周期初更新第一数据池；
[0076]
步骤2：更新第二数据池，利用强化学习模型输出节能策略；
[0077]
步骤3：判断各基站的节能策略是否冲突，如果是则回到节能策略输出步骤，根据节能优先级列表对节能策略进行调整，同时对第二数据池和强化学习模型进行更新，如果否则进行步骤4；
[0078]
步骤4：执行节能策略到基站端；
[0079]
步骤5：判断当前时刻是否有紧急情况发生，如果是则有序停止执行当前节能策
略，并执行策略缓存列表中上一节能周期的节能策略，同时回到步骤1对第一数据池进行更新；如果否则进行步骤6；
[0080]
步骤6：判断当前时刻是否该节能周期结束，如果否则进入下一时刻，继续执行节能策略到基站端；如果是则进行步骤7；
[0081]
步骤7：判断当前节能周期是否到达数据池更新周期，如果是则回到步骤1更新第一数据池、第二数据池，更新场景识别模型和强化学习模型，如果否则更新策略缓存列表并等待进入下一节能时间周期。
[0082]
综上，通过平台实现自动化的处理，有效降低了人为的主观性，并且可以实现网络场景自适应、一站一策和多网协同以提高基站节能效率。
[0083]
另外，如图4所示，本发明实施例还提出了一种基站节能系统，包括网管端1的节能控制中心10和m个基站端2，其中每个基站端2对应设置有节能控制器20和节能执行器21。
[0084]
其中，网管端1的节能控制中心10获取基站簇内m个基站端2对应的数据信息，并根据m个基站端2对应的数据信息对m个基站端2进行场景识别，以得到节能优先级列表，并将节能优先级列表发送给m个基站端2的节能控制器20；m个基站端2中的每个基站端获取自身数据信息，并根据自身数据信息和节能优先级列表获取第一节能策略，并将第一节能策略发送给节能控制中心10；节能控制中心10对m个基站端2对应的第一节能策略进行策略执行判断，并根据相应的判断结果对第一节能策略进行调整以得到m个基站端2中的每个基站端对应的第二节能策略，并将第二节能策略发送给相应基站端的节能控制器20和节能执行器21；m个基站端2中的每个基站端的节能控制器20和节能执行器21根据接收到的第二节能策略进行相应的节能操作。
[0085]
也就是说，节能系统包括了三层节能架构，三层节能架构包括：部署于网管端的集中式节能控制中心10、部署于基站端的分布式节能控制器20和节能执行器21。其中，部署于网管端1的集中式节能控制中心10定时采集基站簇的基础数据，通过场景智能识别确定各基站的通信业务情况、节能优先级以及对应的节能手段，并实时监测基站簇的总体节能情况，同时从网络层面全局地调整各基站的节能策略。部署于基站端2的分布式节能控制器20根据本地基站的历史数据和实时数据，和网管端1集中式节能控制中心10交互节能策略，利用动态策略优化在满足用户通信质量、保障业务顺利执行的情况下，在每一个节能周期初输出该周期最佳的节能时间窗口，确定动态优化策略并交付给本地基站端的节能执行器。部署于基站端的节能执行器21配置节能参数以执行节能优化策略，根据实时数据对节能时间窗口进行微调，并且在有紧急情况时有序停止执行当前节能策略，恢复到上一节能周期的基站节能状态，同时节能执行器通知节能控制中心和基站节能控制器对数据池和训练模型进行更新。
[0086]
需要说明的是，m为大于等于1的整数或者大于等于2的整数。
[0087]
作为一个实施例，节能控制中心10还将获取的基站簇内每个基站对应的数据信息进行预处理后保存到第一数据池中；每个基站还将获取的自身数据信息进行预处理后保存到第二数据池中。
[0088]
作为一个实施例，节能控制中心10对m个基站端2对应的第一节能策略进行策略执行判断，并根据相应的判断结果对第一节能策略进行调整以得到m个基站端2中的每个基站端对应的第二节能策略，包括：节能控制中心10判断每个基站端对应的第一节能策略之间
是否存在节能策略冲突；如果是，则根据节能优先级列表，对低节能需求场景对应的基站的第一节能策略进行调整；如果否，则不进行调整。
[0089]
需要说明的是，调整方式根据实际需要进行适应性调整，本技术对此不作具体限定。
[0090]
作为一个实施例，m个基站端1中的每个基站端的节能控制器20和节能执行器21根据接收到的第二节能策略进行相应的节能操作，包括每个基站判断接收到的第二节能策略与第一节能策略是否一致；如果是，则对强化学习模型进行更新；如果否，则不对强化学习模型进行更新；将第二节能策略暂时缓存于策略缓存列表中；根据第二节能策略进行相应的节能操作；基站在进行节能操作的过程中监测实时数据，判断是否有突发异常发生；如果是，则有序停止执行当前节能策略，并执行策略缓存列表中上一节能周期的节能策略，以及根据该时刻的数据在当前节能周期内更新第一数据池和第二数据池，以便根据新的数据更新场景识别和强化学习模型；如果否，则对策略缓存列表进行一次更新，将当前节能策略保留于策略缓存列表中。
[0091]
需要说明的是，前述对于基站节能方法的实施例的解释说明同样适用于本实施例的基站节能系统，此处不再赘述。
[0092]
综上，通过平台实现自动化的处理，有效降低了人为的主观性，并且可以实现网络场景自适应、一站一策和多网协同以提高基站节能效率。
[0093]
另外，如图5所示，本发明实施例还提出了一种基站节能装置，包括第一数据处理模块101、第二数据处理模块201、第一数据池模块102、第二数据池模块202、场景识别模块103、节能策略输出模块203、节能策略判断模块104、节能策略优化模块105、弹性时间窗管理模块211、紧急情况处理模块212。
[0094]
其中，第一数据处理模块101部署于节能控制中心10，用于对采集到的数据进行预处理；第二数据处理模块201部署于基站节能控制器20中，用于对采集到的数据进行预处理；第一数据池模块102，部署于节能控制中心10中，用于保存基站的数据；第二数据池模块202，部署于节能控制器20中，用于保存基站的数据；第一数据池模块102和第二数据池模块202在无特殊情况时周期性更新，有突发情况时实时更新，其中第一数据池模块102采集的数据量庞大更新频次低，第二数据池模块202采集的数据量较小更新频次高；场景识别模块103部署于节能控制中心10，用于对基站覆盖场景进行分类识别，并输出基站的节能优先级列表；节能策略输出模块203部署于基站节能控制器20，根据基站的历史数据，训练强化学习模型，并利用基站的实时数据，不断更新神经网络，输出一个节能周期中的节能时间窗口；节能策略判断模块104部署于节能控制中心10，判断基站簇的节能策略是否会冲突而导致通信盲区或用户服务质量大幅度下降；节能策略优化模块105部署于节能控制中心10，根据基站节能优先级列表，保证高节能需求基站的节能策略维持不变，同时调整低节能需求基站的节能策略，并将更新后的节能策略反馈给各个基站的节能控制器20和节能执行器21；弹性时间窗管理模块211部署于节能执行器21，弹性时间窗管理模块211根据节能控制中心10和节能控制器20的输出方案，对最终执行的节能方案进行调整，同时将最终节能方案缓存于策略缓存列表中，当有突发异常发生时，将上一节能周期的节能方案发布给紧急情况处理模块212；紧急情况处理模块212在节能策略执行过程中监测基站的实时数据，当有紧急情况发生时有序停止节能状态，恢复到上一节能周期的基站节能状态，同时将该时
刻的数据传输给节能控制中心10和节能控制器20。
[0095]
需要说明的是，前述对于基站节能方法的实施例的解释说明同样适用于本实施例的基站节能装置，此处不再赘述。
[0096]
综上，通过平台实现自动化的处理，有效降低了人为的主观性，并且可以实现网络场景自适应，一站一策和多网协同以提高基站节能效率。
[0097]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0098]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0099]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0100]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0101]
应当注意的是，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部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部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。
[0102]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0103]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
[0104]
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0105]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0106]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0107]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0108]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。