您的位置：首页 >资讯 >

基于业务保障的5G基站智能关断方法分析

时间：2022-08-21 22:45:03 | 来源：C114通信网

摘要：

通过资源利用率门限，筛选目标关断基站候选集，在此基础上，计算业务的时延余值和丢包余值，借助综合评估值对业务进行等级划分。结合业务性质对用户进行标记，进而通过业务关断门限对目标基站进行标识。核算目标基站的所有邻区，在所有邻区处于轻载，并且在实施负载转移后仍然不过载的前提下采取对目标基站的关断措施。最后采用matlab工具对GSIC算法进行了仿真验证。结果表明，无论是单站关断还是簇关断，均可以实现比较理想的节能目标。

概述

5G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)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。刘友波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。杨拓等人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：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。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。

GSIC模型

2.1 目标基站

为了叙述方便，假设有u个基站：gNB

tar={gNB1,gNB2,⋯,gNBu}，每个基站gNBk（gNBk∈gNBtar）上运行kv个用户，USk,i是第i个用户，USk,i∈{USk,1,USk,2,⋯,

}，每个用户开展k

vw个业务，SVk,i,j是第j个业务，SVk,i,j∈{SVk,i,1,SVk,i,2,⋯,

}，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：

PRBk≤Thr_Lk

（1）

式中:

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

Thr_Lkϵ{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：

∇Delayt,i,j=Delayt,i,j/DelayMt,i,j

（2）

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：

∇Dropt,i,j=Dropt,i,j/DropMt,i,j

（3）

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：

EVt,i,j=δt,i,j×∇Delayt,i,j+(1-δt,i,j)×∇Dropt,i,j

（4）

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gNBtϵ{1,2,⋯,u}，假设其中每个用户运行的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：

SV_NGBRt,i=SVt,i−SV_GBRt,i

（5）

步骤4：分级判断。

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

SVt,i=SV_NGBRt,i

（6）

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：

Closet=1

（7）

否则，计算

（8）

式中：

EVt,i——基站gNBkϵ{1,2,⋯,u}中用户USt,i的关断评估值

计算：

（9）

式中：

EVt——基站gNBkϵ{1,2,⋯,u}的评估值

判断下式是否成立：

EVt≤EV_THRt

（10）

式中：

EV_THRt——基站gNBtϵ{1,2,⋯,u}的业务关断门限

若是，同样将基站gNBkϵ{1,2,⋯,u}的关断标识置为1，见式（7）。

否则，

Closet=0

（11）

步骤5：执行关断。

收集那些满足Closet=1条件的基站集gNBtt，并且满足

gNBtt={gNBz}，gNBz∈gNBtclose}

（12）

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，找到个gNBz邻区中资源利用率最小的基站gNBnb，若满足

PRBz+PRBnb>OvLthr

（13）

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。

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至表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3100~3500W之间的高位运行，而在GSIC打开后，由于部分业务转移，功耗下降至2600~3000W间的低位区间，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。