CN115134898A - 基于聚类分析的5g基站节能方法、装置、设备及介质 - Google Patents
基于聚类分析的5g基站节能方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115134898A CN115134898A CN202210713923.6A CN202210713923A CN115134898A CN 115134898 A CN115134898 A CN 115134898A CN 202210713923 A CN202210713923 A CN 202210713923A CN 115134898 A CN115134898 A CN 115134898A
- Authority
- CN
- China
- Prior art keywords
- energy
- saving
- index
- base station
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
- H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/22—TPC being performed according to specific parameters taking into account previous information or commands
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及智能决策领域,揭露一种基于聚类分析的5G基站节能方法、装置、电子设备以及存储介质,所述方法包括:对5G基站的历史数据进行数据预处理,划分5G基站的节能时段;对预处理数据进行预聚类,得预聚类估计值,对预聚类估计值进行聚类分析,得到聚类最终值,提取5G基站的节能指标;对所述节能指标进行归一化,计算指标信息熵,计算指标信息熵对应的权重,计算节能时段的综合归一化值;根据综合归一化值,构建节能指数;划分覆盖区域与流量网格,计算流量负载,确定5G基站的流量分析结果;根据流量分析结果,识别5G基站的节能区域,确定5G基站的节能策略,对5G基站进行节能处理,得到5G基站的节能结果。本发明可以提高5G基站节能的灵活度。
Description
技术领域
本发明涉及智能决策领域,尤其涉及一种基于聚类分析的5G基站节能方法、装置、电子设备以及存储介质。
背景技术
基于聚类分析的5G基站节能是指对利用聚类分析对所述5G基站的历史数据进行流量分析,确定所述5G基站的通信范围内用户的流量使用情况,根据流量使用情况,调节所述5G基站的能耗的过程。
目前,在进行5G基站节能处理时,常常会出现由于对5G基站的通信范围内用户网络使用情况判断不准确而导致的5G基站节能不准确的情况,例如,在夜间使用时,5G基站对某一通信区域进行节能处理,此时网速会变得缓慢,但相应的通信区域可能存在夜市、学校与地铁等,在此通信区域的用户会因为所述5G基站的节能处理而无法正常使用网络。因此,5G基站节能处理的灵活度较低。
发明内容
为了解决上述问题,本发明提供了一种基于聚类分析的5G基站节能方法、装置、电子设备以及存储介质,可以提高5G基站节能处理的灵活度。
第一方面,本发明提供了一种基于聚类分析的5G基站节能方法,包括:
获取5G基站的历史数据,对所述历史数据进行数据预处理,得到预处理数据,并划分所述5G基站的节能时段;
根据所述节能时段,对所述预处理数据进行预聚类,得到预聚类估计值,对所述预聚类估计值进行聚类分析,得到聚类最终值,根据所述聚类最终值,提取所述5G基站的节能指标;
根据所述节能时段,对所述节能指标进行归一化,得到归一化指标,计算所述归一化指标的指标信息熵,并计算所述指标信息熵对应的指标权重,根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值;
根据所述综合归一化值,识别所述5G基站的节能场景,构建所述节能场景中节能时段的节能指数;
划分所述5G基站的覆盖区域,构建所述覆盖区域的流量网格,计算所述流量网格的流量负载,根据所述流量负载,确定所述5G基站的流量分析结果;
根据所述流量分析结果,识别所述5G基站的节能区域,根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,根据所述节能策略,对所述5G基站进行节能处理,得到所述5G基站的节能结果。
在第一方面的一种可能实现方式中,所述对所述历史数据进行数据预处理,得到预处理数据,包括:
对所述历史数据进行数据集成,得到集成数据;对所述集成数据进行数据转换,得到转换数据;
采用数据审核节点对所述转换数据的完整性进行检查,得到检查结果;
根据所述检查结果,删除所述转换数据中的错误数据与无效数据,并利用分类回归树算法对所述转换数据中的空数据进行缺失值差补;
其中,利用下述公式对所述集成数据进行数据转换:
其中,x′表示所述转换数据,x表示所述集成数据,xmin表示所述集成数据中的最小数据,xmax表示所述集成数据中的最大数据。
在第一方面的一种可能实现方式中,,所述计算所述归一化指标的指标信息熵,包括:
利用下述公式计算所述归一化指标的指标信息熵:
其中,Ej表示第j个所述归一化指标的指标信息熵,n表示所述归一化指标的数量,pij表示第i个节能时段的第j个归一化指标的比重。
在第一方面的一种可能实现方式中,所述根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值,包括:
计算所述指标信息熵的指标均值;
根据所述指标均值与所述指标权重,计算所述节能时段的综合归一化值;
其中,利用下述公式计算所述指标信息熵的指标均值:
其中,E′j表示第j个所述归一化指标的指标信息熵的指标均值,u表示指标信息熵中每个数据值的数量,Ejk表示第j个所述归一化指标的指标信息熵中的第k个数据值。
利用下述公式计算所述节能时段的综合归一化值:
其中,Z表示所述综合归一化值,Wj表示第j个所述归一化指标的指标信息熵对应的指标权重,m表示指标信息熵的数量,E′j表示第j个所述归一化指标的指标信息熵的指标均值。
在第一方面的一种可能实现方式中,所述根据所述综合归一化值,识别所述5G基站的节能场景,包括:
获取所述5G基站的节能时段,配置所述节能时段的比较阈值;
根据所述比较阈值,对所述综合归一化值进行高低定位,得到所述节能时段的高低结果;
根据所述高低结果,确定所述5G基站的节能场景。
在第一方面的一种可能实现方式中,,所述构建所述节能场景中节能时段的节能指数,包括:
根据所述节能时段,计算所述节能场景中对应的节能指标的小时均值;
对所述小时均值进行归一化处理,得到归一化均值;
计算所述归一化均值对应的节能指数;
其中,利用下述公式所述计算所述归一化均值对应的节能指数:
Y=1-x′q
其中,Y表示所述节能指数,x′q表示所述归一化均值。
在第一方面的一种可能实现方式中,所述计算所述流量网格的流量负载,包括:
利用下述公式计算所述流量网格的流量负载:
其中,l(gridk)表示第k个流量网格的流量负载,表示历史流量负载,Tk表示第k个流量网格的面积,Tpk表示第k个流量网格所在的第p个覆盖区域的面积。grid表示将平面划分的n×n个大小相同的流量网格,k表示grid的中心点,xp表示5G基站的覆盖区域中位置坐标的点集合,xnbor表示k的自然领域集合。
第二方面,本发明提供了一种基于聚类分析的5G基站节能装置,所述装置包括:
节能时段划分模块,用于获取5G基站的历史数据,对所述历史数据进行数据预处理,得到预处理数据,并划分所述5G基站的节能时段;
节能指标提取模块,用于根据所述节能时段,对所述预处理数据进行预聚类,得到预聚类估计值,对所述预聚类估计值进行聚类分析,得到聚类最终值,根据所述聚类最终值,提取所述5G基站的节能指标;
归一化值计算模块,用于根据所述节能时段,对所述节能指标进行归一化,得到归一化指标,计算所述归一化指标的指标信息熵,并计算所述指标信息熵对应的指标权重,根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值;
节能指数构建模块,用于根据所述综合归一化值,识别所述5G基站的节能场景,构建所述节能场景中节能时段的节能指数;
流量结果确定模块,用于划分所述5G基站的覆盖区域,构建所述覆盖区域的流量网格,计算所述流量网格的流量负载,根据所述流量负载,确定所述5G基站的流量分析结果;
基站节能处理模块,用于根据所述流量分析结果,识别所述5G基站的节能区域,根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,根据所述节能策略,对所述5G基站进行节能处理,得到所述5G基站的节能结果。
第三方面,本发明提供一种电子设备,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,以使所述至少一个处理器能够执行如上述第一方面中任意一项所述的基于聚类分析的5G基站节能方法。
第四方面,本发明提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面中任意一项所述的基于聚类分析的5G基站节能方法。
与现有技术相比,本方案的技术原理及有益效果在于:
本发明实施例首先通过获取5G基站的历史数据,以用于后续对所述历史数据进行聚类分析,进一步地,本发明实施例通过对所述历史数据进行数据预处理,以用于将不规范且杂乱的历史数据按照一定的规则进行标准化处理,进一步地,本发明实施例通过划分所述5G基站的节能时段,以用于后续计算不同时间段居民对所述5G基站提供的网络流量的使用程度,进一步地,本发明实施例通过根据所述节能时段,对所述预处理数据进行预聚类,以用于从数据集中找出相似的数据并组成不同的组,进一步地,本发明实施例通过对所述预聚类估计值进行聚类分析,以用于通过收集历史时间空间数据,分析PRB资源利用率等KPI的变化规律,利用聚类算法对覆盖小区的网络KPI进行分析和评估,进一步地,本发明实施例通过根据所述聚类最终值,提取所述5G基站的节能指标,以用于后续计算在不同节能时段中节能指标的具体数值,利用所述具体数值反映所述5G基站在不同节能时段的居民网络使用情况,进一步地,本发明实施例通过根据所述节能时段,对所述节能指标进行归一化,以用于对杂乱的节能指标标准化,保障后续进行公式计算的流畅度,进一步地,本发明实施例通过计算所述归一化指标的指标信息熵,以用于计算所述归一化指标中每个归一化指标所占的概率,进一步地,本发明实施例通过计算所述指标信息熵对应的指标权重,以用于计算所述指标信息熵每个指标信息熵所占的重量程度,保障后续进行平均值计算,进一步地,本发明实施例通过构建所述节能场景中节能时段的节能指数,以用于将抽象的节能场景数值化,进一步地,本发明实施例通过划分所述5G基站的覆盖区域,以用于后续建立划分的区域的坐标系,进一步地,本发明实施例通过计算所述流量网格的流量负载,以用于计算所述流量网格的未来流量使用情况,进一步地,本发明实施例通过根据所述流量分析结果,识别所述5G基站的节能区域,以用于根据用户的网络流量使用情况,识别每个5G基站周边的用户使用网络的具体场景。因此,本发明实施例提出的一种基于聚类分析的5G基站节能方法、装置、电子设备以及存储介质,可以提高5G基站节能处理的灵活度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种基于聚类分析的5G基站节能方法的流程示意图;
图2为本发明一实施例中图1提供的一种基于聚类分析的5G基站节能方法的其中一个步骤的流程示意图;
图3为本发明一实施例中图1提供的一种基于聚类分析的5G基站节能方法的另外一个步骤的流程示意图;
图4为本发明一实施例提供的一种基于聚类分析的5G基站节能装置的模块示意图;
图5为本发明一实施例提供的实现基于聚类分析的5G基站节能方法的电子设备的内部结构示意图。
具体实施方式
应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种基于聚类分析的5G基站节能方法,所述基于聚类分析的5G基站节能方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之,所述基于聚类分析的5G基站节能方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参阅图1所示,是本发明一实施例提供的基于聚类分析的5G基站节能方法的流程示意图。其中,图1中描述的基于聚类分析的5G基站节能方法包括:
S1、获取5G基站的历史数据,对所述历史数据进行数据预处理,得到预处理数据,并划分所述5G基站的节能时段。
本发明实施例通过获取5G基站的历史数据,以用于后续对所述历史数据进行聚类分析。
其中,所述5G基站是指专门提供5G网络服务的公用移动通信基站。所述历史数据是指包括设备信息、网络层数据、业务层数据、用户感知数据的数据,所述设备信息是指基站小区(每个5G基站的覆盖范围)的基础信息,包括室分/宏站、小区标识、统计时间、频段、经度、纬度等;所述网络层数据包括上行PRB平均利用率、上行PRB利用率最大值、下行PRB平均利用率、下行PRB利用率最大值等;所述业务层数据包括空口上行业务流量、空口下行业务流量、RRC连接最大数、RRC连接平均数;所述用户感知数据包括RRC连接建立成功率、E-RAB建立成功率。
进一步地,本发明实施例通过对所述历史数据进行数据预处理,以用于将不规范且杂乱的历史数据按照一定的规则进行标准化处理。
本发明的一实施例中,所述对所述历史数据进行数据预处理,得到预处理数据,包括:对所述历史数据进行数据集成,得到集成数据;对所述集成数据进行数据转换,得到转换数据;采用数据审核节点对所述转换数据的完整性进行检查,得到检查结果;根据所述检查结果,删除所述转换数据中的错误数据与无效数据,并利用分类回归树算法对所述转换数据中的空数据进行缺失值差补;其中,利用下述公式对所述集成数据进行数据转换:
其中,x′表示所述转换数据,x表示所述集成数据,xmin表示所述集成数据中的最小数据,xmax表示所述集成数据中的最大数据。
可选地,所述数据集成是指将相似属性字段进行取舍,选取代表性的字段。所述数据转换是指由于不同指标单位和量级不一样,导致聚类结果不合理,在聚类前采用0-1标准化对数据进行标准化处理。其中,所述数据审核节点是指用于检查数据是否合乎规范的节点,例如在所述数据审核节点中设置字段类型(字符型、整型、浮点型等),检查所述转换数据的字段类型是否符合所设置的字段类型。所述分类回归树算法是指是一种典型的决策树算法,不仅可以应用于分类问题,而且可以用于回归问题。
进一步地,本发明实施例通过划分所述5G基站的节能时段,以用于后续计算不同时间段居民对所述5G基站提供的网络流量的使用程度。
其中,所述节能时段是指24小时之内的时间段,包括凌晨时段、白天时段与夜晚时段。所述凌晨时段可以按照00~07点进行划分,所述白天时段可以按照08~19点进行划分,所述夜晚时段可以按照20~23进划分。
S2、根据所述节能时段,对所述预处理数据进行预聚类,得到预聚类估计值,对所述预聚类估计值进行聚类分析,得到聚类最终值,根据所述聚类最终值,提取所述5G基站的节能指标。
本发明实施例通过根据所述节能时段,对所述预处理数据进行预聚类,以用于从数据集中找出相似的数据并组成不同的组。
本发明的一实施例中,所述根据所述节能时段,对所述预处理数据进行预聚类,得到预聚类估计值,通过利用BIRCH算法中的CF树生长的原理,逐个读取所述预处理数据中的数据点,并在读取的同时将所述数据点中密集区域的数据点生成诸多的小的子簇实现。
示例性地,例如在凌晨时段里面有多个数据“abcde”,从a开始逐个读取这些数据,在这些数据的数值接近时,将数值接近的数据生成子簇,例如a与b接近,生成子簇A,c与d接近,生成子簇B,e独自作为一个子簇C,将所述ABC作为所述预聚类估计值。
进一步地,本发明实施例通过对所述预聚类估计值进行聚类分析,以用于通过收集历史时间空间数据,分析PRB资源利用率等KPI的变化规律,利用聚类算法对覆盖小区的网络KPI进行分析和评估。
本发明的一实施例中,所述对所述预聚类估计值进行聚类分析,得到聚类最终值,包括:利用BIRCH算法中的CF树生长的原理对所述预聚类估计值进行循环聚类,得到循环聚类值;对所述循环聚类值进行合并去重处理,得到所述聚类最终值。
示例性地,在凌晨时段得到的预聚类估计值为“abcde”时,得到循环聚类值为“ABC”,方法与上述的对所述预处理数据进行预聚类,得到预聚类估计值的方法一致,并逐一确定每个基站小区在不同时间段的循环聚类值,将凌晨时间段得到的基站小区1的循环聚类值A与基站小区2的循环聚类值B进行取平均值,最终得到三个时间段下的三个基站小区1的循环聚类值结果。
进一步地,本发明实施例通过根据所述聚类最终值,提取所述5G基站的节能指标,以用于后续计算在不同节能时段中节能指标的具体数值,利用所述具体数值反映所述5G基站在不同节能时段的居民网络使用情况。
其中,所述节能指标是指能反映出5G基站小区“繁忙程度”的指标,包括分时段RRC连接平均数、空口下行业务流量与下行PRB平均利用率等。
本发明的一实施例中,所述根据所述聚类最终值,提取所述5G基站的节能指标,通过识别所述聚类最终值的大小确定所述节能指标。
示例性地,得到凌晨时段的循环聚类值结果为1%、2%、3%、4%、5%五个聚类结果,可以根据占比大小选取节能指标,3%、4%、5%占比较大,则选取3%、4%、5%对应的数据,例如3%对应的数据为分时段RRC连接平均数,则将所述分时段RRC连接平均数作为所述节能指标。
S3、根据所述节能时段,对所述节能指标进行归一化,得到归一化指标,计算所述归一化指标的指标信息熵,并计算所述指标信息熵对应的指标权重,根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值。
本发明实施例通过根据所述节能时段,对所述节能指标进行归一化,以用于对杂乱的节能指标标准化,保障后续进行公式计算的流畅度。
本发明的一实施例中,利用下述公式对所述节能指标进行归一化:
其中,y′ij表示第i个节能时段的第j个所述归一化指标,yij表示第i个节能时段的第j个节能指标,(min)yj表示所述第j个所述节能指标的最小值,(max)yj表示所述第j个所述节能指标的最大值。
进一步地,本发明实施例通过计算所述归一化指标的指标信息熵,以用于计算所述归一化指标中每个归一化指标所占的概率。其中,所述指标信息熵是指某种特定信息的出现概率(离散随机事件的出现概率)。
本发明的一实施例中,利用下述公式计算所述归一化指标的指标信息熵:
其中,Ej表示第j个所述归一化指标的指标信息熵,n表示所述归一化指标的数量,pij表示第i个节能时段的第j个归一化指标的比重。
进一步地,本发明实施例通过计算所述指标信息熵对应的指标权重,以用于计算所述指标信息熵每个指标信息熵所占的重量程度,保障后续进行平均值计算。
本发明的一实施例中,利用下述公式计算所述指标信息熵对应的指标权重:
其中,Wj表示第j个所述归一化指标的指标信息熵对应的指标权重,m表示指标信息熵的数量,Ej表示第j个所述归一化指标的指标信息熵。
进一步地,本发明实施例通过根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值,以用于计算所有指标的综合指标数据值,保障后续利用所述综合指标数据值评估所述节能时段的基站覆盖情况。
本发明的一实施例中,所述根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值,包括:计算所述指标信息熵的指标均值;根据所述指标均值与所述指标权重,计算所述节能时段的综合归一化值;其中,利用下述公式计算所述指标信息熵的指标均值:
其中,E′j表示第j个所述归一化指标的指标信息熵的指标均值,u表示指标信息熵中每个数据值的数量,Ejk表示第j个所述归一化指标的指标信息熵中的第k个数据值。
利用下述公式计算所述节能时段的综合归一化值:
其中,Z表示所述综合归一化值,Wj表示第j个所述归一化指标的指标信息熵对应的指标权重,m表示指标信息熵的数量,E′j表示第j个所述归一化指标的指标信息熵的指标均值。
S4、根据所述综合归一化值,识别所述5G基站的节能场景,构建所述节能场景中节能时段的节能指数。
本发明实施例通过根据所述综合归一化值,识别所述5G基站的节能场景,以用于剔除所述5G基站的通信区域中未使用所述5G基站信号的区域。
其中,所述节能场景是指所述5G基站的通信区域中的使用所述5G基站信号的区域,其与未使用所述5G基站信号的区域相反,例如人较多的地区,所述未使用所述5G基站信号的区域可以为无人的山脉、水面等。
本发明的一实施例中,参阅图2所示,所述根据所述综合归一化值,识别所述5G基站的节能场景,包括:
S201、获取所述5G基站的节能时段,配置所述节能时段的比较阈值;
S202、根据所述比较阈值,对所述综合归一化值进行高低定位,得到所述节能时段的高低结果;
S203、根据所述高低结果,确定所述5G基站的节能场景。
示例性地,分别对所述5G基站的凌晨、白天、夜晚三个时段按照其Z值(所述综合归一化值)的大小进行判断,大于0.5判断为“高”值,否则为“低”值;最后进行节能场景判断,将凌晨、白天、夜晚三个时段的Z值全为“低”的定义为低效能小区;Z值全为“高”的定义为高效能小区;其它的各种组合形式均为存在节能场景的基站小区(所述5G基站通信的区域范围)。
进一步地,本发明实施例通过构建所述节能场景中节能时段的节能指数,以用于将抽象的节能场景数值化。其中,所述节能指数是指用于定义节能时段的数值,其值取值范围在[0,1]之间,值越大代表其在该时段内此基站小区(5G基站的周边)优先选取合适的节能策略进行节能。
本发明的一实施例中,所述构建所述节能场景中节能时段的节能指数,包括:根据所述节能时段,计算所述节能场景中对应的节能指标的小时均值;对所述小时均值进行归一化处理,得到归一化均值;计算所述归一化均值对应的节能指数;其中,利用下述公式所述计算所述归一化均值对应的节能指数:
Y=1-x′q
其中,Y表示所述归一化均值对应的节能指数,x′q表示所述归一化均值。
示例性地,所述计算所述节能场景中对应的节能指标的小时均值是指计算所述节能场景中每项指标(RRC连接平均数、空口下行业务流量、下行PRB平均利用率)在所述节能时段(所述凌晨时段可以按照00~07点进行划分,所述白天时段可以按照08~19点进行划分,所述夜晚时段可以按照20~23进划分)的均值,例如在凌晨时段(共7小时),节能场景存在三项指标,计算所述三项指标中A指标的7小时内的均值,例如在第1小时A指标的数值为5,在第2小时A指标的数值为3,在第3小时A指标的数值为1,则三小时内的均值为
进一步地,本发明的一实施例中,所述对所述小时均值进行归一化处理,得到归一化均值,与上述根据所述节能时段,对所述节能指标进行归一化,得到归一化指标的原理类似,在此不做进一步地赘述。
S5、划分所述5G基站的覆盖区域,构建所述覆盖区域的流量网格,计算所述流量网格的流量负载,根据所述流量负载,确定所述5G基站的流量分析结果。
本发明实施例通过划分所述5G基站的覆盖区域,以用于后续建立划分的区域的坐标系。其中,所述覆盖区域可以设置为以所述5G基站为中心、以所述5G基站的通信范围为半径的圆形区域中的扇形区域。
本发明的一实施例中,所述划分所述5G基站的覆盖区域,通过设置所述5G基站的扇形区域实现。
进一步地,本发明实施例通过构建所述覆盖区域的流量网格,以用于对每个精度的覆盖范围的流量使用情况进行计算,提升后续流量预测的准确度。其中,所述流量网格可以设置为n×n个大小相同的流量网格,也可以根据具体情况进行设置。
本发明的一实施例中,所述构建所述覆盖区域的流量网格,通过配置所述覆盖区域的分割比例实现。
示例性地,若配置所述覆盖区域的分割比例为n×n,则将所述覆盖区域划分为n×n个大小相同的流量网格。
进一步地,本发明实施例通过计算所述流量网格的流量负载,以用于计算所述流量网格的未来流量使用情况。其中,所述流量负载是指所述覆盖区域内的未来居民使用的流量预测结果。
本发明的一实施例中,利用下述公式计算所述流量网格的流量负载:
其中,l(gridk)表示第k个流量网格的流量负载,表示历史流量负载,Tk表示第k个流量网格的面积,Tpk表示第k个流量网格所在的第p个覆盖区域的面积。grid表示将平面划分的n×n个大小相同的流量网格,k表示grid的中心点,xp表示5G基站的覆盖区域中位置坐标的点集合,xnbor表示k的自然领域集合。
进一步地,本发明实施例通过根据所述流量负载,确定所述5G基站的流量分析结果,以用于利用所述覆盖区域的历史流量使用情况预测未来流量使用情况,保障后续根据流量使用情况配置节能策略时的准确度。其中,所述流量分析结果是指所述5G基站的每个覆盖区域在不同的时间段的空间流量变化程度。
本发明的一实施例中,所述根据所述流量负载,确定所述5G基站的流量分析结果,通过构建所述5G基站的流量地图实现。
示例性地,将所述5G基站的通信区域划分为多个50×50m精度网格,通过上述流量负载的算法,得到不同时段的流量负载,在流量地图中利用颜色的深浅表示流量负载的大小,利用颜色的变换表示随着时间的变换流量负载的变换,例如流量地图中颜色越靠近红色表示流量负载越大,越靠近蓝色表示流量负载越小,在凌晨2~4点两个小时内,该区域流量值较低,流量平均值仅为2.3GB/h;在白天7~9点两个小时内,商户陆续开门营业,人流量逐渐增大,流量持续上升,流量平均值为9.2GB/h;而在白天9~11点两个小时内,人流量持续增大,流量继续上升,达到平均值16.6GB/h。利用所述流量地图可以清晰地反映了移动数据流量在时间和空间上的变化。
S6、根据所述流量分析结果,识别所述5G基站的节能区域,根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,根据所述节能策略,对所述5G基站进行节能处理,得到所述5G基站的节能结果。
本发明实施例通过根据所述流量分析结果,识别所述5G基站的节能区域,以用于根据用户的网络流量使用情况,识别每个5G基站周边的用户使用网络的具体场景。其中,所述节能区域是指用户使用网络的具体场景,包括交通枢纽、商业购物区、学校校园与地铁等。
本发明的一实施例中,所述根据所述流量分析结果,识别所述5G基站的节能区域,通过分析所述流量分析结果的时空流量变迁实现。
示例性地,获取所述流量分析结果中的流量地图,例如流量地图中颜色越靠近红色表示流量负载越大,越靠近蓝色表示流量负载越小,在凌晨2~4点两个小时内,该区域流量值较低,流量平均值仅为2.3GB/h;在白天7~9点两个小时内,商户陆续开门营业,人流量逐渐增大,流量持续上升,流量平均值为9.2GB/h;而在白天9~11点两个小时内,人流量持续增大,流量继续上升,达到平均值16.6GB/h,根据上述流量地图中时间与空间上流量的变换可知,所述节能区域为商业购物区。
进一步地,本发明实施例通过根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,以用于对所述5G基站中不同流量使用场景,按照所述节能指数的优先级对所述5G基站进行节能处理。
其中,所述节能策略是指针对不同的节能区域设置的节能策略,例如所述节能区域为交通枢纽时,所述节能策略可以为对所述5G基站进行载波关断与关断/深度休眠。
本发明的一实施例中,参阅图3所示,所述根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,包括:
S301、构建所述节能区域的初始节能策略;
S302、根据所述节能指数,对所述节能区域进行节能排序,得到节能序列;
S303、根据所述节能序列,构建所述5G基站的节能策略。
示例性地,构建所述节能区域的初始节能策略包括:节能区域为交通枢纽时,所述初始节能策略为:高铁车站,是口碑型场景,一般为室分覆盖,可进行符号关断,夜晚用户较少时容量层可进行载波关断,凌晨无列车运行,车站一般关闭,无用户时可开启小区关断/深度休眠;节能区域为商业购物区时,所述初始节能策略为:大型商业购物区,是口碑型场景,一般为室分覆盖,可进行符号关断,不宜开启通道关断,该类场景潮汐效应明显,夜晚用户较少时容量层可进行载波关断,凌晨无用户时可开启小区关断/深度休眠;节能区域为学校校园时,所述初始节能策略为:高校多为多层网,存在室外宏站覆盖和室分覆盖,在教学楼和宿舍之间存在潮汐效应,可进行符号关断和通道关断,夜间宿舍里用户较多,可进行载波关断或调整小区关断时间,对于教学楼可凌晨可开启小区关断/深度休眠;节能区域为地铁时,所述初始节能策略为:地铁是口碑型场景,白天可进行符号关断和通道关断,凌晨地铁无运营期间可对所有地铁小区开启小区关断/深度休眠。根据所述节能指数可以确定每个节能区域的节能优先级,例如,节能区域为“交通枢纽、商业购物区、学校校园、地铁”,根据其对应的节能指数“4、5、3、2”,节能指数越大,节能优先级越大,对所述节能区域进行排序得到“商业购物区、交通枢纽、学校校园、地铁”序列;根据所述节能序列,构建所述5G基站的节能策略可以设置为:在所述节能区域为交通枢纽时,根据所述交通枢纽相对于所述5G基站的方位,利用载波关断调整所述5G基站此方位的通信状态。
进一步地,本发明实施例通过根据所述节能策略,对所述5G基站进行节能处理,以用于按照预先的规划对所述5G基站进行节能,提升节能处理的效率。
本发明的一实施例中,所述根据所述节能策略,对所述5G基站进行节能处理,得到所述5G基站的节能结果,通过利用所述节能策略对所述5G基站进行节能处理。
可以看出,本发明实施例首先通过获取5G基站的历史数据,以用于后续对所述历史数据进行聚类分析,进一步地,本发明实施例通过对所述历史数据进行数据预处理,以用于将不规范且杂乱的历史数据按照一定的规则进行标准化处理,进一步地,本发明实施例通过划分所述5G基站的节能时段,以用于后续计算不同时间段居民对所述5G基站提供的网络流量的使用程度,进一步地,本发明实施例通过根据所述节能时段,对所述预处理数据进行预聚类,以用于从数据集中找出相似的数据并组成不同的组,进一步地,本发明实施例通过对所述预聚类估计值进行聚类分析,以用于通过收集历史时间空间数据,分析PRB资源利用率等KPI的变化规律,利用聚类算法对覆盖小区的网络KPI进行分析和评估,进一步地,本发明实施例通过根据所述聚类最终值,提取所述5G基站的节能指标,以用于后续计算在不同节能时段中节能指标的具体数值,利用所述具体数值反映所述5G基站在不同节能时段的居民网络使用情况,进一步地,本发明实施例通过根据所述节能时段,对所述节能指标进行归一化,以用于对杂乱的节能指标标准化,保障后续进行公式计算的流畅度,进一步地,本发明实施例通过计算所述归一化指标的指标信息熵,以用于计算所述归一化指标中每个归一化指标所占的概率,进一步地,本发明实施例通过计算所述指标信息熵对应的指标权重,以用于计算所述指标信息熵每个指标信息熵所占的重量程度,保障后续进行平均值计算,进一步地,本发明实施例通过构建所述节能场景中节能时段的节能指数,以用于将抽象的节能场景数值化,进一步地,本发明实施例通过划分所述5G基站的覆盖区域,以用于后续建立划分的区域的坐标系,进一步地,本发明实施例通过计算所述流量网格的流量负载,以用于计算所述流量网格的未来流量使用情况,进一步地,本发明实施例通过根据所述流量分析结果,识别所述5G基站的节能区域,以用于根据用户的网络流量使用情况,识别每个5G基站周边的用户使用网络的具体场景。因此,本发明实施例提出的一种基于聚类分析的5G基站节能方法可以提高5G基站节能处理的灵活度。
如图4所示,是本发明基于聚类分析的5G基站节能装置功能模块图。
本发明所述基于聚类分析的5G基站节能装置400可以安装于电子设备中。根据实现的功能,所述基于聚类分析的5G基站节能装置可以包括数据预处理模块401、相似用户采集模块402、关联特征检测模块403以及用户类别识别模块404。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本发明实施例中,关于各模块/单元的功能如下:
所述节能时段划分模块401,用于获取5G基站的历史数据,对所述历史数据进行数据预处理,得到预处理数据,并划分所述5G基站的节能时段;
所述节能指标提取模块402,用于根据所述节能时段,对所述预处理数据进行预聚类,得到预聚类估计值,对所述预聚类估计值进行聚类分析,得到聚类最终值,根据所述聚类最终值,提取所述5G基站的节能指标;
所述归一化值计算模块403,用于根据所述节能时段,对所述节能指标进行归一化,得到归一化指标,计算所述归一化指标的指标信息熵,并计算所述指标信息熵对应的指标权重,根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值;
所述节能指数构建模块404,用于根据所述综合归一化值,识别所述5G基站的节能场景,构建所述节能场景中节能时段的节能指数;
所述流量结果确定模块405,用于划分所述5G基站的覆盖区域,构建所述覆盖区域的流量网格,计算所述流量网格的流量负载,根据所述流量负载,确定所述5G基站的流量分析结果;
所述基站节能处理模块406,用于根据所述流量分析结果,识别所述5G基站的节能区域,根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,根据所述节能策略,对所述5G基站进行节能处理,得到所述5G基站的节能结果。
详细地,本发明实施例中所述基于聚类分析的5G基站节能装置400中的所述各模块在使用时采用与上述的图1至图3中所述的基于聚类分析的5G基站节能方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明实现基于聚类分析的5G基站节能方法的电子设备的结构示意图。
所述电子设备可以包括处理器50、存储器51、通信总线52以及通信接口53,还可以包括存储在所述存储器51中并可在所述处理器50上运行的计算机程序,如基于聚类分析的5G基站节能程序。
其中,所述处理器50在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器50是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器51内的程序或者模块(例如执行基于聚类分析的5G基站节能程序等),以及调用存储在所述存储器51内的数据,以执行电子设备的各种功能和处理数据。
所述存储器51至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器51在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器51在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器51不仅可以用于存储安装于电子设备的应用软件及各类数据,例如数据库配置化连接程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线52可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器51以及至少一个处理器50等之间的连接通信。
所述通信接口53用于上述电子设备5与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,所述用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器50逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利发明范围上并不受此结构的限制。
所述电子设备中的所述存储器51存储的数据库配置化连接程序是多个计算机程序的组合,在所述处理器50中运行时,可以实现:
获取5G基站的历史数据,对所述历史数据进行数据预处理,得到预处理数据,并划分所述5G基站的节能时段;
根据所述节能时段,对所述预处理数据进行预聚类,得到预聚类估计值,对所述预聚类估计值进行聚类分析,得到聚类最终值,根据所述聚类最终值,提取所述5G基站的节能指标;
根据所述节能时段,对所述节能指标进行归一化,得到归一化指标,计算所述归一化指标的指标信息熵,并计算所述指标信息熵对应的指标权重,根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值;
根据所述综合归一化值,识别所述5G基站的节能场景,构建所述节能场景中节能时段的节能指数;
划分所述5G基站的覆盖区域,构建所述覆盖区域的流量网格,计算所述流量网格的流量负载,根据所述流量负载,确定所述5G基站的流量分析结果;
根据所述流量分析结果,识别所述5G基站的节能区域,根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,根据所述节能策略,对所述5G基站进行节能处理,得到所述5G基站的节能结果。
具体地,所述处理器50对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个非易失性计算机可读取存储介质中。所述存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取5G基站的历史数据,对所述历史数据进行数据预处理,得到预处理数据,并划分所述5G基站的节能时段;
根据所述节能时段,对所述预处理数据进行预聚类,得到预聚类估计值,对所述预聚类估计值进行聚类分析,得到聚类最终值,根据所述聚类最终值,提取所述5G基站的节能指标;
根据所述节能时段,对所述节能指标进行归一化,得到归一化指标,计算所述归一化指标的指标信息熵,并计算所述指标信息熵对应的指标权重,根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值;
根据所述综合归一化值,识别所述5G基站的节能场景,构建所述节能场景中节能时段的节能指数;
划分所述5G基站的覆盖区域,构建所述覆盖区域的流量网格,计算所述流量网格的流量负载,根据所述流量负载,确定所述5G基站的流量分析结果;
根据所述流量分析结果,识别所述5G基站的节能区域,根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,根据所述节能策略,对所述5G基站进行节能处理,得到所述5G基站的节能结果。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于聚类分析的5G基站节能方法,其特征在于,所述方法包括:
获取5G基站的历史数据,对所述历史数据进行数据预处理,得到预处理数据,并划分所述5G基站的节能时段;
根据所述节能时段,对所述预处理数据进行预聚类,得到预聚类估计值,对所述预聚类估计值进行聚类分析,得到聚类最终值,根据所述聚类最终值,提取所述5G基站的节能指标;
根据所述节能时段,对所述节能指标进行归一化,得到归一化指标,计算所述归一化指标的指标信息熵,并计算所述指标信息熵对应的指标权重,根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值;
根据所述综合归一化值,识别所述5G基站的节能场景,构建所述节能场景中节能时段的节能指数;
划分所述5G基站的覆盖区域,构建所述覆盖区域的流量网格,计算所述流量网格的流量负载,根据所述流量负载,确定所述5G基站的流量分析结果;
根据所述流量分析结果,识别所述5G基站的节能区域,根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,根据所述节能策略,对所述5G基站进行节能处理,得到所述5G基站的节能结果。
4.根据权利要求1所述的方法,其特征在于,所述根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值,包括:
计算所述指标信息熵的指标均值;
根据所述指标均值与所述指标权重,计算所述节能时段的综合归一化值;
其中,利用下述公式计算所述指标信息熵的指标均值:
其中,E′j表示第j个所述归一化指标的指标信息熵的指标均值,u表示指标信息熵中每个数据值的数量,Ejk表示第j个所述归一化指标的指标信息熵中的第k个数据值。
利用下述公式计算所述节能时段的综合归一化值:
其中,Z表示所述综合归一化值,Wj表示第j个所述归一化指标的指标信息熵对应的指标权重,m表示指标信息熵的数量,E′j表示第j个所述归一化指标的指标信息熵的指标均值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述综合归一化值,识别所述5G基站的节能场景,包括:
获取所述5G基站的节能时段,配置所述节能时段的比较阈值;
根据所述比较阈值,对所述综合归一化值进行高低定位,得到所述节能时段的高低结果;
根据所述高低结果,确定所述5G基站的节能场景。
6.根据权利要求1所述的方法,其特征在于,所述构建所述节能场景中节能时段的节能指数,包括:
根据所述节能时段,计算所述节能场景中对应的节能指标的小时均值;
对所述小时均值进行归一化处理,得到归一化均值;
计算所述归一化均值对应的节能指数;
其中,利用下述公式所述计算所述归一化均值对应的节能指数:
Y=1-x′q
其中,Y表示所述节能指数,x′q表示所述归一化均值。
8.一种基于聚类分析的5G基站节能方法装置,其特征在于,所述装置包括:
节能时段划分模块,用于获取5G基站的历史数据,对所述历史数据进行数据预处理,得到预处理数据,并划分所述5G基站的节能时段;
节能指标提取模块,用于根据所述节能时段,对所述预处理数据进行预聚类,得到预聚类估计值,对所述预聚类估计值进行聚类分析,得到聚类最终值,根据所述聚类最终值,提取所述5G基站的节能指标;
归一化值计算模块,用于根据所述节能时段,对所述节能指标进行归一化,得到归一化指标,计算所述归一化指标的指标信息熵,并计算所述指标信息熵对应的指标权重,根据所述指标信息熵与所述指标权重,计算所述节能时段的综合归一化值;
节能指数构建模块,用于根据所述综合归一化值,识别所述5G基站的节能场景,构建所述节能场景中节能时段的节能指数;
流量结果确定模块,用于划分所述5G基站的覆盖区域,构建所述覆盖区域的流量网格,计算所述流量网格的流量负载,根据所述流量负载,确定所述5G基站的流量分析结果;
基站节能处理模块,用于根据所述流量分析结果,识别所述5G基站的节能区域,根据所述节能区域与所述节能指数,确定所述5G基站的节能策略,根据所述节能策略,对所述5G基站进行节能处理,得到所述5G基站的节能结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于聚类分析的5G基站节能方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于聚类分析的5G基站节能方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210713923.6A CN115134898B (zh) | 2022-06-22 | 2022-06-22 | 基于聚类分析的5g基站节能方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210713923.6A CN115134898B (zh) | 2022-06-22 | 2022-06-22 | 基于聚类分析的5g基站节能方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115134898A true CN115134898A (zh) | 2022-09-30 |
CN115134898B CN115134898B (zh) | 2023-04-18 |
Family
ID=83380261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210713923.6A Active CN115134898B (zh) | 2022-06-22 | 2022-06-22 | 基于聚类分析的5g基站节能方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115134898B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112566226A (zh) * | 2020-12-16 | 2021-03-26 | 北京电信规划设计院有限公司 | 5g基站智能化节能方法 |
WO2021209024A1 (zh) * | 2020-04-17 | 2021-10-21 | 中兴通讯股份有限公司 | 节能方法、基站、控制单元及存储介质 |
CN114269007A (zh) * | 2020-09-15 | 2022-04-01 | 中国电信股份有限公司 | 基站节能策略确定方法、装置以及方法存储介质 |
-
2022
- 2022-06-22 CN CN202210713923.6A patent/CN115134898B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021209024A1 (zh) * | 2020-04-17 | 2021-10-21 | 中兴通讯股份有限公司 | 节能方法、基站、控制单元及存储介质 |
CN114269007A (zh) * | 2020-09-15 | 2022-04-01 | 中国电信股份有限公司 | 基站节能策略确定方法、装置以及方法存储介质 |
CN112566226A (zh) * | 2020-12-16 | 2021-03-26 | 北京电信规划设计院有限公司 | 5g基站智能化节能方法 |
Non-Patent Citations (2)
Title |
---|
张青: "AI技术在5G基站节能应用的展望", 《广东通信技术》 * |
梁力维等: "基于AI的5G基站节能技术研究", 《移动通信》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115134898B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pei et al. | A new insight into land use classification based on aggregated mobile phone data | |
CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
CN111144468B (zh) | 电力用户信息标签化方法和装置、电子设备以及存储介质 | |
CN108563739A (zh) | 天气数据获取方法及装置、计算机装置及可读存储介质 | |
CN112085076A (zh) | 基于智慧路灯大数据的决策方法、决策装置及终端 | |
CN110658725B (zh) | 一种基于人工智能的能源监管和预测系统及其方法 | |
CN114626643A (zh) | 智慧城市政府供电调控方法、物联网系统、装置及介质 | |
CN109325631A (zh) | 基于数据挖掘的电动汽车充电负荷预测方法和系统 | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
CN115730790A (zh) | 基于边缘计算的充电配置方法、装置、设备及存储介质 | |
CN115422452A (zh) | 基于大数据的智能家居控制方法、装置、设备及存储介质 | |
CN109377406A (zh) | 电子装置、基于梯度提升回归的建筑物电力负荷预测方法及存储介质 | |
CN117200217A (zh) | 一种基于负荷分类的电力系统调度方法 | |
CN111680851A (zh) | 基于k线图的企业用电趋势评估方法 | |
CN110516849A (zh) | 一种基于典型日负荷曲线的负荷分类结果评价方法 | |
Xue et al. | A framework for short-term energy consumption prediction based on room air conditioner group characteristics | |
CN115134898B (zh) | 基于聚类分析的5g基站节能方法、装置、设备及介质 | |
Sheik Mohideen Shah et al. | Machine learning approach for power consumption model based on monsoon data for smart cities applications | |
Sun et al. | Deep convolutional autoencoder for urban land use classification using mobile device data | |
CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型系统及方法 | |
Sheng et al. | Configuration characteristics of green-blue spaces for efficient cooling in urban environments | |
Hou et al. | Data‐driven prediction for the number of distribution network users experiencing typhoon power outages | |
TWI536282B (zh) | 校園節能類神經網路決策支援系統及其方法 | |
Dong et al. | Image-based processing mechanism for peak load forecasting in smart grids | |
Liang et al. | New technology brings new opportunity for telecommunication carriers: Artificial intelligent applications and practices in telecom operators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |