AI节能方案，全方位构建低碳网络

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。