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。

基于规则引擎的实时关键绩效指标生成技术

为了适应当前瞬息变幻的市场环境,针对当前只能按照系统既定的规则和特定应用环境来监控企业中关键绩效指标的不足,提出了基于规则引擎的实时关键绩效指标(KPI)生成方法以及基于KPI变化趋势的预测方法,并建立了基于事件的KPI数据流实时可视化展示和预警机制。通过模拟实际业务表明,规则引擎可以较好地分离业务逻辑,实现KPI的灵活可配、实时推理以及有效的可视化预警;基于实时KPI变化趋势的预测模型实现企业关键信息的预判能力,提高了企业的决策效率。