CN117135737A - 基站电源的控制方法、装置、电子设备及存储介质 - Google Patents
基站电源的控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117135737A CN117135737A CN202311378965.XA CN202311378965A CN117135737A CN 117135737 A CN117135737 A CN 117135737A CN 202311378965 A CN202311378965 A CN 202311378965A CN 117135737 A CN117135737 A CN 117135737A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- target
- base station
- power supply
- energy consumption
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005265 energy consumption Methods 0.000 claims abstract description 112
- 241000282461 Canis lupus Species 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 10
- 241000282421 Canidae Species 0.000 description 14
- 239000013598 vector Substances 0.000 description 8
- 230000007423 decrease Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- H04W52/04—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
- H04W52/228—TPC being performed according to specific parameters taking into account previous information or commands using past power values or information
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种基站电源的控制方法、装置、电子设备及存储介质，涉及通信技术领域，所述方法包括：获取基站电源的第一性能指标、第一配置参数和系统误差；根据灰狼优化算法确定第一系数和第二系数；基于第一系数对第一性能指标进行更新，得到第二性能指标，以及基于第二系数对第一配置参数进行更新，得到第二配置参数；对第二性能指标、第二配置参数和系统误差进行计算，得到基站电源的能耗值；基于能耗值对基站电源进行控制。本申请通过第一系数和第二系数对基站电源的第一性能指标、第一配置参数和系统误差进行适应性调整，从而得到基站电源能耗值，并根据能耗值对基站电源进行控制，从而提高了基站电源的能耗控制效果。
Description
技术领域
本申请实施例涉及通信技术领域，尤其涉及一种基站电源的控制方法、装置、电子设备及存储介质。
背景技术
随着5G网络的普遍覆盖及5G终端的大幅扩销，导致5G忙时话务量及功耗占比大幅提高。目前，多数5G基站会在话务高峰期电源超负荷运行而导致的闪断问题，目前对于闪断问题的解决方法一般是通过对原有基站结构进行改造，但是这种方法涉及结构改进，人力物力消费巨大，并且也无法做到基站电源的能耗控制，从而导致基站电源的能耗控制效果较差的问题。
发明内容
本申请实施例提供一种基站电源的控制方法、装置、电子设备及存储介质，以解决现有技术中基站电源的能耗控制效果较差的问题。
为解决上述问题，本申请是这样实现的：
第一方面，本申请实施例提供了一种基站电源的控制方法，所述方法包括：
获取基站电源的第一性能指标、第一配置参数和系统误差；
根据灰狼优化算法确定第一系数和第二系数，所述第一系数为所述第一性能指标的调整系数，所述第二系数为所述第一配置参数的调整系数；
基于所述第一系数对所述第一性能指标进行更新，得到第二性能指标，以及基于所述第二系数对所述第一配置参数进行更新，得到第二配置参数；
对所述第二性能指标、所述第二配置参数和所述系统误差进行计算，得到所述基站电源的能耗值；
基于所述能耗值对所述基站电源进行控制。
可选的，所述根据灰狼优化算法确定第一系数和第二系数，包括：
获取基站电源的历史工作数据；
根据所述历史工作数据确定目标第一系数和目标第二系数；
根据灰狼优化算法对所述目标第一系数、所述目标第二系数进行迭代计算，确定所述第一系数和所述第二系数。
可选的，所述根据灰狼优化算法对所述目标第一系数、所述目标第二系数进行迭代计算，确定所述第一系数和所述第二系数，包括：
基于所述目标第一系数和所述目标第二系数生成第三系数，所述第三系数指示所述目标第一系数和所述目标第二系数之间的关联关系；
对所述目标第一系数、所述目标第二系数和所述第三系数进行迭代计算，确定目标第三系数，所述目标第三系数为所述目标第一系数和所述目标第二系数之间关联关系的最优值；
根据所述目标是第三系数确定所述第一系数和所述第二系数。
可选的，所述基于所述能耗值对所述基站电源进行控制之后，所述方法还包括：
确定所述基站电源的下限能耗值和上限能耗值，所述下限能耗值为所述基站电源的最低能耗值，所述上限能耗值为所述基站电源的最高能耗值；
在所述基站电源的能耗值低于所述下限能耗值或高于所述上限能耗值的情况下，生成报警信息。
可选的，所述基于所述能耗值对所述基站电源进行控制之后，所述方法还包括：
根据所述能耗值确定所述基站电源中多个功率指标，所述多个功率指标与所述基站电源中的多个功能模块一一对应；
分别计算每个所述功率指标的上限指标值和下限指标值；
在目标功率指标低于所述下限指标值或高于所述上限指标值的情况下，生成调整信息，所述调整信息用于对所述目标功率指标进行调整，所述目标功率指标为所述多个功率指标中的任意一个功率指标。
可选的，所述在目标功率指标低于所述下限指标值或高于所述上限指标值的情况下，生成调整信息之后，所述方法还包括：
分别建立每个所述功率指标的逗留时间模型；
根据所述逗留时间模型确定每个所述功率指标的当前状态和目标状态；
在所述目标功率的目标状态与所述目标功率的当前状态不同的情况下，将所述目标功率的当前状态切换为目标状态。
可选的，所述在所述目标功率的目标状态与所述目标功率的当前状态不同的情况下，将所述目标功率的当前状态切换为目标状态，包括：
确定所述目标功率的当前状态的持续时间；
在所述目标功率的目标状态与所述目标功率的当前状态不同，且所述当前状态的持续时间达到高于预设阈值的情况下，将所述目标功率的当前状态切换为目标状态。
第二方面，本申请实施例提供了一种基站电源的控制装置，包括：
获取模块，用于获取基站电源的第一性能指标、第一配置参数和系统误差；
确定模块，用于根据灰狼优化算法确定第一系数和第二系数，所述第一系数为所述第一性能指标的调整系数，所述第二系数为所述第一配置参数的调整系数；
更新模块，用于基于所述第一系数对所述第一性能指标进行更新，得到第二性能指标，以及基于所述第二系数对所述第一配置参数进行更新，得到第二配置参数；
计算模块，用于对所述第二性能指标、所述第二配置参数和所述系统误差进行计算，得到所述基站电源的能耗值；
控制模块，用于基于所述能耗值对所述基站电源进行控制。
第三方面，本申请实施例还提供一种通信设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；所述处理器，用于读取存储器中的程序实现如前述第一方面所述方法中的步骤。
第四方面，本申请实施例还提供一种可读存储介质，用于存储程序，所述程序被处理器执行时实现如前述第一方面所述方法中的步骤。
本申请提供一种基站电源的控制方法、装置、电子设备及存储介质，所述方法包括：获取基站电源的第一性能指标、第一配置参数和系统误差；根据灰狼优化算法确定第一系数和第二系数，所述第一系数为所述第一性能指标的调整系数，所述第二系数为所述第一配置参数的调整系数；基于所述第一系数对所述第一性能指标进行更新，得到第二性能指标，以及基于所述第二系数对所述第一配置参数进行更新，得到第二配置参数；对所述第二性能指标、所述第二配置参数和所述系统误差进行计算，得到所述基站电源的能耗值；基于所述能耗值对所述基站电源进行控制。本申请通过第一系数和第二系数对基站电源的第一性能指标、第一配置参数和系统误差进行适应性调整，从而得到基站电源能耗值，并根据能耗值对基站电源进行控制，从而提高了基站电源的能耗控制效果。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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是本申请实施例提供的基站电源的控制方法的流程示意图；
图2是本申请实施例提供的基站电源的控制装置的结构示意图；
图3是本申请实施例提供的通信设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，本申请中使用“和/或”表示所连接对象的至少其中之一，例如A和/或B和/或C，表示包含单独A，单独B，单独C，以及A和B都存在，B和C都存在，A和C都存在，以及A、B和C都存在的7种情况。
参见图1，图1是本申请实施例提供的基站电源的控制方法的流程示意图。图1所示的基站电源的控制方法可以由终端执行。
如图1所示，基站电源的控制方法可以包括以下步骤：
步骤101、获取基站电源的第一性能指标、第一配置参数和系统误差。
在本实施例中，基站电源的第一性能指标包括基站电源内的多个性能指标，例如传输指标、功率指标等等。第一配置参数包括基站电源内的多个配置参数，例如电源的相关配置数据等等。系统误差为基站电源自带的相关误差，例如数据误差。
步骤102、根据灰狼优化算法确定第一系数和第二系数，所述第一系数为所述第一性能指标的调整系数，所述第二系数为所述第一配置参数的调整系数。
在本实施例中，灰狼优化算法是一种群智能优化算法，它的独特之处在于一小部分拥有绝对话语权的灰狼带领一群灰狼向猎物前进，从而最终确定最优值。
步骤103、基于所述第一系数对所述第一性能指标进行更新，得到第二性能指标，以及基于所述第二系数对所述第一配置参数进行更新，得到第二配置参数。
在本实施例中，根据灰狼优化算法确定的第一系数和第二系数对上述第一性能指标和第一配置参数分别进行更新，最终得到第二性能指标和第二配置参数。
步骤104、对所述第二性能指标、所述第二配置参数和所述系统误差进行计算，得到所述基站电源的能耗值。
在本实施例中，基站电源的能耗值可以由以下模型进行表示：
其中R：5G基站电源能耗，矩阵/>：5G基站电源性能指标即第一性能指标，矩阵/>：5G基站电源配置参数即第一配置参数，/>为第一系数，/>为第二系数，/>为系统误差。
通过上述模型可以计算得到基站电源的能耗值，从而可以准确确定基站电源当前的工作情况。
步骤105、基于所述能耗值对所述基站电源进行控制。
在本实施例中，通过能耗值对基站电源进行控制，具体地，例如能耗值过高时，可以提醒维护人员降低基站电源的功耗，例如能耗值过低时，可以提醒维护人员提高基站电源的功耗。
本申请提供一种基站电源的控制方法，所述方法包括：获取基站电源的第一性能指标、第一配置参数和系统误差；根据灰狼优化算法确定第一系数和第二系数，所述第一系数为所述第一性能指标的调整系数，所述第二系数为所述第一配置参数的调整系数；基于所述第一系数对所述第一性能指标进行更新，得到第二性能指标，以及基于所述第二系数对所述第一配置参数进行更新，得到第二配置参数；对所述第二性能指标、所述第二配置参数和所述系统误差进行计算，得到所述基站电源的能耗值；基于所述能耗值对所述基站电源进行控制。本申请通过第一系数和第二系数对基站电源的第一性能指标、第一配置参数和系统误差进行适应性调整，从而得到基站电源能耗值，并根据能耗值对基站电源进行控制，从而提高了基站电源的能耗控制效果。
在一些可行的实施方式中，可选的，所述根据灰狼优化算法确定第一系数和第二系数，包括：
获取基站电源的历史工作数据；
根据所述历史工作数据确定目标第一系数和目标第二系数；
根据灰狼优化算法对所述目标第一系数、所述目标第二系数进行迭代计算，确定所述第一系数和所述第二系数。
在本实施例中，可以通过查询基站电源的历史工作数据从而确定基站电源的目标第一系数和目标第二系数，该目标第一系数和目标第二系数表明了历史基站电源已使用的系数，从而可以通过已使用的系数计算出准确的第一系数和第二系数。
可选的，所述根据灰狼优化算法对所述目标第一系数、所述目标第二系数进行迭代计算，确定所述第一系数和所述第二系数，包括：
基于所述目标第一系数和所述目标第二系数生成第三系数，所述第三系数指示所述目标第一系数和所述目标第二系数之间的关联关系；
对所述目标第一系数、所述目标第二系数和所述第三系数进行迭代计算，确定目标第三系数，所述目标第三系数为所述目标第一系数和所述目标第二系数之间关联关系的最优值；
根据所述目标是第三系数确定所述第一系数和所述第二系数。
在本实施例中，需要进行说明的是，设定能耗模型的误差为适应度函数，通过调整系数、/>来得出该适应度函数的最优解。
①设定等级
设定狼为头狼，/>狼为狼群下任继承者，/>为第二等级，听从于头狼，狼为第三等级，听命于/>、/>狼，其余狼为普通狼，普通狼按照/>、/>、/>的指示捕食猎物，将/>狼设为最优解，/>狼作为次优解，/>狼作为最佳解决方案，狩猎过程由/>、/>、/>进行引导，由普通狼负责执行，找到相对较好的解决方案后更新/>、/>、/>；
②包围猎物
在狼、/>狼、/>狼的带领下狼群想狩猎包围猎物，捕食过程中灰狼搜寻猎物的行为如下所示：
式中：/>：狼与猎物的距离/>：第t次算法迭代时猎物的位置/>、/>：分别为第次算法迭代、第次算法迭代时灰狼的位置/>：算法迭代次数/>、/>间的随机向量（为算法带来随机性，避免陷入局部最优）/>：收敛因子，初始值为2，随着迭代次数的增加线性减小到0；T：最大迭代次数，设为1000
由上述公式可以看出，普通狼群的移动方向由自身位置和随机向量C决定，移动步长由普通狼群与猎物的距离和随机向量A决定，a线性减小时即意味着随机性和运动步长幅度，移动步长随迭代次数的增加而减小，从而越来越接近最优解。
③狩猎
发现猎物位置时，普通狼群在、/>、/>狼的带领下逐渐包围猎物，对于每一只狼，根据下式计算其位置更新方向：
式中：/>：/>狼、/>狼、/>狼其他个体间（普通狼）的距离；/>：随机变量（为算法带来随机性）；/>：分别为/>狼、/>狼、/>狼的当前位置；/>：位置向量；/>：分别为/>狼、/>狼和/>狼前进的补偿及方向；：系数向量；
根据下式综合判断灰狼个体向猎物的移动方向：
式中：/>：包围猎物过程中第/>次算法迭代时灰狼个体更新的位置；
④攻击猎物
当猎物停止移动时，灰狼通过攻击来完成整个狩猎过程。为了模拟灰狼逼近猎物，a值的减小会引起A值波动（即a值由2线性减小到0时，A值在[-a,a]之间变化。
当，狼群远离猎物，探索其他区域，寻找全局最优解。当/>，狼群靠近猎物，寻找局部最优解。
通过上述计算方式，可以更新其他灰狼位置，判断是否满足终止条件，不满足则继续迭代，直到满足结束条件，输出最优灰狼个体、/>、/>狼的位置，并输出对应的参数值，从而减小开关电源的能耗，减小其工作时产生的热量，进而提升其输出功率。
可选的，所述基于所述能耗值对所述基站电源进行控制之后，所述方法还包括：
确定所述基站电源的下限能耗值和上限能耗值，所述下限能耗值为所述基站电源的最低能耗值，所述上限能耗值为所述基站电源的最高能耗值；
在所述基站电源的能耗值低于所述下限能耗值或高于所述上限能耗值的情况下，生成报警信息。
在本实施例中，为了准确监测5G基站电源是否存在过载现象，故在检测前需先初始化电路。在初始化电路完成之后，可以通过在电源中设置5G基站的过载阈值，并在电源系统短路保护功能正常的情况下，检测5G基站电源是否存在过载现象。具体地，可以通过在基站电源中确定下限能耗值和上限能耗值，通过上下限值对基站电源进行实时监控，在出现基站电源的能耗值低于所述下限能耗值或高于所述上限能耗值的情况下，生成报警信息，从而提醒工作人员及时处理。
可选的，所述基于所述能耗值对所述基站电源进行控制之后，所述方法还包括：
根据所述能耗值确定所述基站电源中多个功率指标，所述多个功率指标与所述基站电源中的多个功能模块一一对应；
分别计算每个所述功率指标的上限指标值和下限指标值；
在目标功率指标低于所述下限指标值或高于所述上限指标值的情况下，生成调整信息，所述调整信息用于对所述目标功率指标进行调整，所述目标功率指标为所述多个功率指标中的任意一个功率指标。
在本实施例中，基站电源中包括了多个功能模块，通过对多个功能模块所对应的多个功率指标进行监控，可以防止出现过载的情况。其中，目标功率指标为出现超载或者过低的情况，在该请况下会生成调整信息提醒基站进行调整，从而避免出现故障。解决因5G主设备瞬间功率超限而带来的电源系统频繁闪断问题，避免因电源系统闪断带来的无法通信问题，可进一步提升用户满意度。
可选的，所述在目标功率指标低于所述下限指标值或高于所述上限指标值的情况下，生成调整信息之后，所述方法还包括：
分别建立每个所述功率指标的逗留时间模型；
根据所述逗留时间模型确定每个所述功率指标的当前状态和目标状态；
在所述目标功率的目标状态与所述目标功率的当前状态不同的情况下，将所述目标功率的当前状态切换为目标状态。
可选的，所述在所述目标功率的目标状态与所述目标功率的当前状态不同的情况下，将所述目标功率的当前状态切换为目标状态，包括：
确定所述目标功率的当前状态的持续时间；
在所述目标功率的目标状态与所述目标功率的当前状态不同，且所述当前状态的持续时间达到高于预设阈值的情况下，将所述目标功率的当前状态切换为目标状态。
在本实施例中，当检测超出过载阈值时，则通过自适应状态切换算法将5G基站电源内的各功率单元转换、汇聚成功率池。其在确保电源系统短路保护功能正常的情况下，把电源系统内的各功率单元汇集成功率池，达到瞬间功率倍增的效果，以包容5G主设备瞬间超限功率通过，确保主设备运行稳定。
自适应状态切换算法通过下式进行过载指标的状态检测及状态切换：
式中：k为过载指标的数量，为1到5中的任一正整数；/>：第k个过载指标数据值；/>：第k个过载指标的上限值；/>：第k个过载指标的下限值；/>：设定的过载阈值；当上式成立时，进行状态切换。
通过上述的自适应状态切换算法可以实现5G基站电源内各功率单元状态的自由切换。
同时为保证瞬间功率能够顺利通过，则需建立各功率单元在每个状态内的逗留时间模型：
设各功率单元包括个状态，其状态集合表示为：，在n+1时刻切换点处的状态和切换之前的状态关系为：
式中：/>：表示时刻；/>：表示对应时刻的状态；/>：表示对应时刻的状态；
根据离散马尔科夫链得到下一步状态转移概率矩阵如下所述：
式中：/>采用PHT分布的SMM模型（义项矩阵模型）对各功率单元在每个状态内的逗留时间进行建模：
其中，/>为各功率单元在个状态下的运行逗留时间分布，/>、/>和/>是PHT分布中的概率向量、失效率向量和转移矩阵，
其中，/>为各个元素都为1的列向量，且与/>和/>具有相同长度；
所述逗留时间模型还满足如下的约束条件：
上述2个约束条件即代表电源系统内的各功率单元汇集成功率池后，其瞬间功率约为电源额定输出功率的1.5-2倍之间，且该状态持续时间不小于10分钟。
通过上述方式可有效确保5G网络高峰所带来的瞬间峰值功耗顺利通过，而且无需额外增加投资及设备安装工日。
本申请通过第一系数和第二系数对基站电源的第一性能指标、第一配置参数和系统误差进行适应性调整，从而得到基站电源能耗值，并根据能耗值对基站电源进行控制，从而提高了基站电源的能耗控制效果。
参见图2，图2是本申请实施例提供的基站电源的控制装置的结构图。如图2所示，基站电源的控制装置200包括：
获取模块210，用于获取基站电源的第一性能指标、第一配置参数和系统误差；
确定模块220，用于根据灰狼优化算法确定第一系数和第二系数，所述第一系数为所述第一性能指标的调整系数，所述第二系数为所述第一配置参数的调整系数；
更新模块230，用于基于所述第一系数对所述第一性能指标进行更新，得到第二性能指标，以及基于所述第二系数对所述第一配置参数进行更新，得到第二配置参数；
计算模块240，用于对所述第二性能指标、所述第二配置参数和所述系统误差进行计算，得到所述基站电源的能耗值；
控制模块250，用于基于所述能耗值对所述基站电源进行控制。
可选的，确定模块220包括：
获取子模块，用于获取基站电源的历史工作数据；
确定子模块，用于根据所述历史工作数据确定目标第一系数和目标第二系数；
计算子模块，用于根据灰狼优化算法对所述目标第一系数、所述目标第二系数进行迭代计算，确定所述第一系数和所述第二系数。
可选的，计算子模块包括：
生成单元，用于基于所述目标第一系数和所述目标第二系数生成第三系数，所述第三系数指示所述目标第一系数和所述目标第二系数之间的关联关系；
计算单元，用于对所述目标第一系数、所述目标第二系数和所述第三系数进行迭代计算，确定目标第三系数，所述目标第三系数为所述目标第一系数和所述目标第二系数之间关联关系的最优值；
确定单元，用于根据所述目标是第三系数确定所述第一系数和所述第二系数。
可选的，还包括：
阈值确定模块，用于确定所述基站电源的下限能耗值和上限能耗值，所述下限能耗值为所述基站电源的最低能耗值，所述上限能耗值为所述基站电源的最高能耗值；
信息生成模块，用于在所述基站电源的能耗值低于所述下限能耗值或高于所述上限能耗值的情况下，生成报警信息。
可选的，还包括：
指标确定模块，用于根据所述能耗值确定所述基站电源中多个功率指标，所述多个功率指标与所述基站电源中的多个功能模块一一对应；
指标计算模块，用于分别计算每个所述功率指标的上限指标值和下限指标值；
指标生成模块，用于在目标功率指标低于所述下限指标值或高于所述上限指标值的情况下，生成调整信息，所述调整信息用于对所述目标功率指标进行调整，所述目标功率指标为所述多个功率指标中的任意一个功率指标。
可选的，还包括：
模型建立模块，用于分别建立每个所述功率指标的逗留时间模型；
模型确定模块，用于根据所述逗留时间模型确定每个所述功率指标的当前状态和目标状态；
状态切换模块，用于在所述目标功率的目标状态与所述目标功率的当前状态不同的情况下，将所述目标功率的当前状态切换为目标状态。
可选的，状态切换模块包括：
状态确定子模块，用于确定所述目标功率的当前状态的持续时间；
状态切换子模块，用于在所述目标功率的目标状态与所述目标功率的当前状态不同，且所述当前状态的持续时间达到高于预设阈值的情况下，将所述目标功率的当前状态切换为目标状态。
本申请通过第一系数和第二系数对基站电源的第一性能指标、第一配置参数和系统误差进行适应性调整，从而得到基站电源能耗值，并根据能耗值对基站电源进行控制，从而提高了基站电源的能耗控制效果。
本申请实施例还提供一种电子设备。请参见图3，电子设备可以包括处理器301、存储器302及存储在存储器302上并可在处理器301上运行的程序3021。
在通信设备为电子设备的情况下，程序3021被处理器301执行时可实现图1对应的方法实施例中的任意步骤：
获取基站电源的第一性能指标、第一配置参数和系统误差；
根据灰狼优化算法确定第一系数和第二系数，所述第一系数为所述第一性能指标的调整系数，所述第二系数为所述第一配置参数的调整系数；
基于所述第一系数对所述第一性能指标进行更新，得到第二性能指标，以及基于所述第二系数对所述第一配置参数进行更新，得到第二配置参数；
对所述第二性能指标、所述第二配置参数和所述系统误差进行计算，得到所述基站电源的能耗值；
基于所述能耗值对所述基站电源进行控制。
可选的，所述根据灰狼优化算法确定第一系数和第二系数，包括：
获取基站电源的历史工作数据；
根据所述历史工作数据确定目标第一系数和目标第二系数；
根据灰狼优化算法对所述目标第一系数、所述目标第二系数进行迭代计算，确定所述第一系数和所述第二系数。
可选的，所述根据灰狼优化算法对所述目标第一系数、所述目标第二系数进行迭代计算，确定所述第一系数和所述第二系数，包括：
基于所述目标第一系数和所述目标第二系数生成第三系数，所述第三系数指示所述目标第一系数和所述目标第二系数之间的关联关系；
对所述目标第一系数、所述目标第二系数和所述第三系数进行迭代计算，确定目标第三系数，所述目标第三系数为所述目标第一系数和所述目标第二系数之间关联关系的最优值；
根据所述目标是第三系数确定所述第一系数和所述第二系数。
可选的，所述基于所述能耗值对所述基站电源进行控制之后，所述方法还包括：
确定所述基站电源的下限能耗值和上限能耗值，所述下限能耗值为所述基站电源的最低能耗值，所述上限能耗值为所述基站电源的最高能耗值；
在所述基站电源的能耗值低于所述下限能耗值或高于所述上限能耗值的情况下，生成报警信息。
可选的，所述基于所述能耗值对所述基站电源进行控制之后，所述方法还包括：
根据所述能耗值确定所述基站电源中多个功率指标，所述多个功率指标与所述基站电源中的多个功能模块一一对应；
分别计算每个所述功率指标的上限指标值和下限指标值；
在目标功率指标低于所述下限指标值或高于所述上限指标值的情况下，生成调整信息，所述调整信息用于对所述目标功率指标进行调整，所述目标功率指标为所述多个功率指标中的任意一个功率指标。
可选的，所述在目标功率指标低于所述下限指标值或高于所述上限指标值的情况下，生成调整信息之后，所述方法还包括：
分别建立每个所述功率指标的逗留时间模型；
根据所述逗留时间模型确定每个所述功率指标的当前状态和目标状态；
在所述目标功率的目标状态与所述目标功率的当前状态不同的情况下，将所述目标功率的当前状态切换为目标状态。
可选的，所述在所述目标功率的目标状态与所述目标功率的当前状态不同的情况下，将所述目标功率的当前状态切换为目标状态，包括：
确定所述目标功率的当前状态的持续时间；
在所述目标功率的目标状态与所述目标功率的当前状态不同，且所述当前状态的持续时间达到高于预设阈值的情况下，将所述目标功率的当前状态切换为目标状态。
本申请通过第一系数和第二系数对基站电源的第一性能指标、第一配置参数和系统误差进行适应性调整，从而得到基站电源能耗值，并根据能耗值对基站电源进行控制，从而提高了基站电源的能耗控制效果。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述声纹识别模型的训练方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器（Read-Only Memory，简称ROM）、随机存取存储器（Random AccessMemory，简称RAM）、磁碟或者光盘等。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。
Claims (10)
1.一种基站电源的控制方法，其特征在于，所述方法包括：
获取基站电源的第一性能指标、第一配置参数和系统误差；
根据灰狼优化算法确定第一系数和第二系数，所述第一系数为所述第一性能指标的调整系数，所述第二系数为所述第一配置参数的调整系数；
基于所述第一系数对所述第一性能指标进行更新，得到第二性能指标，以及基于所述第二系数对所述第一配置参数进行更新，得到第二配置参数；
对所述第二性能指标、所述第二配置参数和所述系统误差进行计算，得到所述基站电源的能耗值；
基于所述能耗值对所述基站电源进行控制。
2.根据权利要求1所述的方法，其特征在于，所述根据灰狼优化算法确定第一系数和第二系数，包括：
获取基站电源的历史工作数据；
根据所述历史工作数据确定目标第一系数和目标第二系数；
根据灰狼优化算法对所述目标第一系数、所述目标第二系数进行迭代计算，确定所述第一系数和所述第二系数。
3.根据权利要求2所述的方法，其特征在于，所述根据灰狼优化算法对所述目标第一系数、所述目标第二系数进行迭代计算，确定所述第一系数和所述第二系数，包括：
基于所述目标第一系数和所述目标第二系数生成第三系数，所述第三系数指示所述目标第一系数和所述目标第二系数之间的关联关系；
对所述目标第一系数、所述目标第二系数和所述第三系数进行迭代计算，确定目标第三系数，所述目标第三系数为所述目标第一系数和所述目标第二系数之间关联关系的最优值；
根据所述目标第三系数确定所述第一系数和所述第二系数。
4.根据权利要求1所述的方法，其特征在于，所述基于所述能耗值对所述基站电源进行控制之后，所述方法还包括：
确定所述基站电源的下限能耗值和上限能耗值，所述下限能耗值为所述基站电源的最低能耗值，所述上限能耗值为所述基站电源的最高能耗值；
在所述基站电源的能耗值低于所述下限能耗值或高于所述上限能耗值的情况下，生成报警信息。
5.根据权利要求1所述的方法，其特征在于，所述基于所述能耗值对所述基站电源进行控制之后，所述方法还包括：
根据所述能耗值确定所述基站电源中多个功率指标，所述多个功率指标与所述基站电源中的多个功能模块一一对应；
分别计算每个所述功率指标的上限指标值和下限指标值；
在目标功率指标低于所述下限指标值或高于所述上限指标值的情况下，生成调整信息，所述调整信息用于对所述目标功率指标进行调整，所述目标功率指标为所述多个功率指标中的任意一个功率指标。
6.根据权利要求5所述的方法，其特征在于，所述在目标功率指标低于所述下限指标值或高于所述上限指标值的情况下，生成调整信息之后，所述方法还包括：
分别建立每个所述功率指标的逗留时间模型；
根据所述逗留时间模型确定每个所述功率指标的当前状态和目标状态；
在所述目标功率的目标状态与所述目标功率的当前状态不同的情况下，将所述目标功率的当前状态切换为目标状态。
7.根据权利要求6所述的方法，其特征在于，所述在所述目标功率的目标状态与所述目标功率的当前状态不同的情况下，将所述目标功率的当前状态切换为目标状态，包括：
确定所述目标功率的当前状态的持续时间；
在所述目标功率的目标状态与所述目标功率的当前状态不同，且所述当前状态的持续时间达到高于预设阈值的情况下，将所述目标功率的当前状态切换为目标状态。
8.一种基站电源的控制装置，其特征在于，所述装置包括：
获取模块，用于获取基站电源的第一性能指标、第一配置参数和系统误差；
确定模块，用于根据灰狼优化算法确定第一系数和第二系数，所述第一系数为所述第一性能指标的调整系数，所述第二系数为所述第一配置参数的调整系数；
更新模块，用于基于所述第一系数对所述第一性能指标进行更新，得到第二性能指标，以及基于所述第二系数对所述第一配置参数进行更新，得到第二配置参数；
计算模块，用于对所述第二性能指标、所述第二配置参数和所述系统误差进行计算，得到所述基站电源的能耗值；
控制模块，用于基于所述能耗值对所述基站电源进行控制。
9.一种通信设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；其特征在于，所述处理器，用于读取存储器中的程序实现如权利要求1至7中任一项所述的基站电源的控制方法中的步骤。
10.一种可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的基站电源的控制方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311378965.XA CN117135737B (zh) | 2023-10-24 | 2023-10-24 | 基站电源的控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311378965.XA CN117135737B (zh) | 2023-10-24 | 2023-10-24 | 基站电源的控制方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117135737A true CN117135737A (zh) | 2023-11-28 |
| CN117135737B CN117135737B (zh) | 2024-01-26 |
Family
ID=88861310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311378965.XA Active CN117135737B (zh) | 2023-10-24 | 2023-10-24 | 基站电源的控制方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117135737B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106374534A (zh) * | 2016-11-17 | 2017-02-01 | 云南电网有限责任公司玉溪供电局 | 一种基于多目标灰狼优化算法的大规模家庭能量管理方法 |
| CN106896716A (zh) * | 2017-04-17 | 2017-06-27 | 华北电力大学（保定） | 基于灰狼算法的微电网交直流断面换流器pid参数优化方法 |
| CN108110769A (zh) * | 2018-01-09 | 2018-06-01 | 国网江西省电力有限公司上饶供电分公司 | 基于灰狼算法的主动配电网电压协调控制策略 |
| US20190171187A1 (en) * | 2016-05-09 | 2019-06-06 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for the industrial internet of things |
| CN111787543A (zh) * | 2020-06-10 | 2020-10-16 | 杭州电子科技大学 | 一种基于改进灰狼优化算法的5g通信系统资源分配方法 |
| CN115696533A (zh) * | 2023-01-03 | 2023-02-03 | 杭州纵横通信股份有限公司 | 一种基于5g的通信基站能耗优化方法与设备 |
| CN116155329A (zh) * | 2023-04-23 | 2023-05-23 | 南京邮电大学 | 基于元启发算法的mMIMO-NOMA系统的用户分簇和功率分配方法 |
| CN116321243A (zh) * | 2023-01-05 | 2023-06-23 | 杭州纵横通信股份有限公司 | 一种基站的移动性管理方法 |
| CN116757544A (zh) * | 2023-06-29 | 2023-09-15 | 西安理工大学 | 一种配电网电能质量附加损耗综合评估方法及系统 |
| CN116896139A (zh) * | 2023-09-11 | 2023-10-17 | 中国铁塔股份有限公司四川省分公司 | 基于通信电源系统的新型bms系统 |
-
2023
- 2023-10-24 CN CN202311378965.XA patent/CN117135737B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190171187A1 (en) * | 2016-05-09 | 2019-06-06 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for the industrial internet of things |
| CN106374534A (zh) * | 2016-11-17 | 2017-02-01 | 云南电网有限责任公司玉溪供电局 | 一种基于多目标灰狼优化算法的大规模家庭能量管理方法 |
| CN106896716A (zh) * | 2017-04-17 | 2017-06-27 | 华北电力大学（保定） | 基于灰狼算法的微电网交直流断面换流器pid参数优化方法 |
| CN108110769A (zh) * | 2018-01-09 | 2018-06-01 | 国网江西省电力有限公司上饶供电分公司 | 基于灰狼算法的主动配电网电压协调控制策略 |
| CN111787543A (zh) * | 2020-06-10 | 2020-10-16 | 杭州电子科技大学 | 一种基于改进灰狼优化算法的5g通信系统资源分配方法 |
| CN115696533A (zh) * | 2023-01-03 | 2023-02-03 | 杭州纵横通信股份有限公司 | 一种基于5g的通信基站能耗优化方法与设备 |
| CN116321243A (zh) * | 2023-01-05 | 2023-06-23 | 杭州纵横通信股份有限公司 | 一种基站的移动性管理方法 |
| CN116155329A (zh) * | 2023-04-23 | 2023-05-23 | 南京邮电大学 | 基于元启发算法的mMIMO-NOMA系统的用户分簇和功率分配方法 |
| CN116757544A (zh) * | 2023-06-29 | 2023-09-15 | 西安理工大学 | 一种配电网电能质量附加损耗综合评估方法及系统 |
| CN116896139A (zh) * | 2023-09-11 | 2023-10-17 | 中国铁塔股份有限公司四川省分公司 | 基于通信电源系统的新型bms系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张涛等: "基于灰狼算法的分布式电源优化配置", 水电能源科学, no. 04 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117135737B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106532778B (zh) | 一种计算分布式光伏并网最大准入容量的方法 | |
| CN106650784A (zh) | 一种基于特征聚类比较的光伏电站功率预测方法及装置 | |
| EP2562901B1 (en) | Unit commitment for wind power generation | |
| CN113762603A (zh) | 基于改进麻雀算法优化的光伏基站短期光伏功率预测方法 | |
| CN105429134A (zh) | 一种基于电力大数据的电网电压稳定性预测方法 | |
| CN110046471A (zh) | 基于改进粒子群神经网络算法的散热器优化方法 | |
| CN113361766A (zh) | 一种集成机器学习的多模式降水预估方法 | |
| CN115866621B (zh) | 一种基于鲸鱼算法的无线传感器网络覆盖方法 | |
| CN115564193A (zh) | 智能配电网多维度综合效益评估方法及系统、存储介质 | |
| CN117135737B (zh) | 基站电源的控制方法、装置、电子设备及存储介质 | |
| CN112600827B (zh) | 基于增量式最小费用最大流的虚拟服务迁移方法及系统 | |
| CN116722545B (zh) | 基于多源数据的光伏发电预测方法和相关设备 | |
| CN105590139A (zh) | 一种基于方差最小的短期风功率预测方法 | |
| CN106655187B (zh) | 一种svg消除离网光伏逆变器谐波能力指数预测方法 | |
| CN115833101B (zh) | 电力调度方法、装置、电子设备和存储介质 | |
| CN113950134B (zh) | 基站的休眠预测方法、装置、设备和计算机可读存储介质 | |
| Nafar et al. | A novel parameter estimation method for metal oxide surge arrester models | |
| CN112785037B (zh) | 一种配电网反时限过电流保护定值优化方法 | |
| CN104410077B (zh) | 基于改进遗传算法的电力系统多线程电压无功优化控制方法 | |
| Doagou-Mojarrad et al. | Probabilistic interactive fuzzy satisfying generation and transmission expansion planning using fuzzy adaptive chaotic binary PSO algorithm | |
| CN108872628A (zh) | 一种移动式多功能测风参数智能监测系统及方法 | |
| CN109506248A (zh) | 一种基于可在线寻优的案例推理查询式锅炉燃烧优化方法 | |
| CN115907153A (zh) | 基于极限学习机的光伏功率预测方法 | |
| CN109002634A (zh) | 基于混合仿真技术的架空配电网避雷器安装位置优化方法 | |
| CN116505594B (zh) | 基于误差修正的储能系统可调下垂系数的确定方法及系统 |
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 |