一种注意力机制LSTM的5G网络地铁节电方法

随着5G网络的规模化建设应用,5G基站设备的大功耗及高能耗成为运营商急需解决的成本问题。针对该问题,提出了一种基于注意力机制LSTM的5G网络地铁节电方法,该方法首先根据地铁特殊业务场景通过特征工程建立了与5G业务场景相关联的业务关键特征,为了尽可能挖掘长时序特征,建立了基于注意力机制的LSTM时序预测模型,实现了小时粒度5G基站业务量的精确预测;其次基于多项式回归模型建立了5G地铁业务量与基站配置量的函数模型,形成节电策略。最后,实现5G基站节电效能的有效评估,通过建立5G基站用电量与基站设备BBU、HUB、RRU等硬件设备功耗函数模型,实现节电策略实施后节电效能的有效评估。实验结果表明,对比传统的5G电力供应模型,该方法能够节省43%的电能。