基于KPI预测的AI多频节能提升基站节能效益

目前节能普遍的做法是夜间选取较闲基站进行节电,这种策略在时间和空间上束缚了节电的效益,如果能突破这两个束缚,就能最大限度提升将节电效益。从日常指标来看,白天甚至忙时还是存在大量小区可以进行节能,问题在于指标是过去发生的事,而进行节能是即将要做的事,如何通过过去的指标规律能预测出将来的发展趋势?如果可以就能根据预测的结果部署节能,这样就解放了时间束缚。为此我们深度学习了主流的数学预测算法(ARIMA算法,LSTM算法)实现了预测。然后在执行门限上,不采取选择闲基站一刀切的方式,而是根据一个相对门限进行选择,如果容量载波关闭后感知速率不低于关闭前忙时的1.2倍就可以执行节能,这样就解放了空间束缚。根据以上构想进行验证,最终实现可以基于感知和预测模型的节电方案,节电效益是普通节电方案的3倍,将节电效益最大化。