基于DCNN-LSTM负荷预测算法的5G基站节能系统研究

伴随着5G网络的大规模快速建设,运营商乃至整体通信行业的能耗压力在同步凸显。通过节能降耗实现行业可持续发展成为当前5G网络发展的新研究方向。以小区物理资源块(physical resource block,PRB)利用率为负荷评估指标,对小区指标进行深度特征提取,提出了一套深度卷积神经网络和长短期记忆(DCNN-LSTM)深度学习算法模型实现PRB利用率未来值预测,进一步结合小区瞬时任务中大小包比例,对各种基站设定动态化的节能策略。并引入网络能耗管理网元,对整体5G接入网络的能耗进行动态化统一管理,在保障无线网络服务质量的基础上,实现了5G基站的智能化节能运作。