5G是電信行業(yè)的下一個重大機會點，基站節(jié)能減排已成運營商的努力目標

智能社會腳步漸近，在你看得到或看不到的地方，變革正在發(fā)生。

作為數(shù)字化底層平臺的電信行業(yè)正身處變革的中心。未來的數(shù)字孿生將無處不在，各個垂直行業(yè)擁抱數(shù)字化的進程帶來了萬億美元級的市場想象空間，為人口紅利漸逝下的運營商們實現(xiàn)新的商業(yè)增長提供了絕佳機會；而硬幣的另一面則是，用戶需求的持續(xù)提升、傳統(tǒng)業(yè)務的每況愈下、行業(yè)整體現(xiàn)狀的相對不健康、來自跨界競爭的壓力乃至今后業(yè)務發(fā)展市場環(huán)境的種種不確定性，都挑戰(zhàn)著運營商所主導的整個價值鏈。

無論機會還是挑戰(zhàn)，都驅(qū)使著運營商必須作出改變。面向智能化、“以客戶為中心”的網(wǎng)絡架構(gòu)層面的重構(gòu)與轉(zhuǎn)型，將是一切的前提。今年4月，華為創(chuàng)造性地在全云化網(wǎng)絡構(gòu)架基礎上引入AI技術(shù)，提出SoftCOM AI戰(zhàn)略及架構(gòu)，以此來推動電信網(wǎng)絡的自動、自優(yōu)、自愈、自治，從而實現(xiàn)運維效率倍增、能源效率倍增、資源效率倍增以及用戶體驗的大幅提升。

如今，隨著將運營商網(wǎng)絡訴求和難點不斷收斂與提煉，華為SoftCOM AI團隊已經(jīng)識別出部分轉(zhuǎn)型焦點場景，并針對這些場景形成了相應的可操作可執(zhí)行的解決方案與用例，并且已經(jīng)和運營商展開試點——考慮到以往一項技術(shù)由概念到落地往往需要數(shù)年時間，這個速度不可謂不快。在近期的一場采訪中，華為專家就此向C114作了充分的展示與分享，涉及的場景種類包括通過預測性分析實現(xiàn)主動優(yōu)化（如基站智能節(jié)能）、解決重復低效工作問題以提升效率（如PON故障定位）、解決海量數(shù)據(jù)下無法做到人工全量處理的問題（如Massive?MIMO尋優(yōu)）等。

基站智能節(jié)能

有統(tǒng)計顯示，基站站點能耗費用（電費）占到網(wǎng)絡運營成本的16%之多，為優(yōu)化成本結(jié)構(gòu)和促進社會效益，針對基站站點的節(jié)能減排已成運營商的一大努力目標。

分解開來看，傳統(tǒng)宏基站能耗構(gòu)成中基站主設備占50%、射頻單元能耗占主設備能耗的80%、功放（PA）能耗又占到射頻單元能耗的79%——隨著分布式基站成為主流建站方式，基站主設備能耗占比將繼續(xù)提高。與此同時，網(wǎng)絡話務量往往存在明顯的潮汐效應，忙時與閑時能達到4倍的差距，但大部分基站設備卻始終保持持續(xù)運行狀態(tài)（所有資源24小時一直開），能耗并沒有隨話務量動態(tài)調(diào)整，造成了相當大的浪費。因此對于主設備而言，如何通過基站載波睡眠的方式降低能耗就成為了基站節(jié)能的主要考慮方向。

通俗地講，基站智能節(jié)能就是降低或關(guān)閉搭載載波的功放模塊，功放模塊是個硬件實體，用于將調(diào)制好的載波信號加大功率發(fā)送出去。載波睡眠所針對的是一個扇區(qū)有2個載波（2個小區(qū)）及以上覆蓋的場景，將容量小區(qū)的功放模塊關(guān)閉，僅保留覆蓋小區(qū)以滿足基本覆蓋?；据d波關(guān)斷特性不是新鮮事，但目前這個特性的使用率卻不高，原因是傳統(tǒng)的一刀切方式嚴重依賴于定時關(guān)斷等人工設置的統(tǒng)一默認值，經(jīng)常會影響到用戶的通話和上網(wǎng)體驗。

如何讓這么好的特性真正能夠用起來？如果可以預測基站小區(qū)的無線資源利用率，就可以用來對每個小區(qū)睡眠時間做出個性化的精準設置，解決基站節(jié)能特性“不敢用”的問題。但做到預測并非易事，首先需要得到成千上萬個小區(qū)的歷史數(shù)據(jù)，比如時間、鄰區(qū)關(guān)系、事件、無線資源利用率等特征值，再把這些特征值與無線資源利用率的映射關(guān)系找出來；同時，還要監(jiān)控KPI/KQI的變化，根據(jù)調(diào)整策略部署后KPI/KQI的變化動態(tài)調(diào)整關(guān)斷參數(shù)。顯然，靠人工將影響預測的不確定因素與無線資源利用率關(guān)聯(lián)起來非常困難，在實踐中基本無法實施。

SoftCOM AI的出現(xiàn)完美地解決了這個問題。通過AI訓練平臺時空計算模塊中的神經(jīng)網(wǎng)絡算法，將各種影響因素的歷史時空特征數(shù)據(jù)和無線資源利用率之間的映射關(guān)系找出來，確定權(quán)重矩陣和偏置矩陣，從而得到無線資源利用率預測模型。在預測模型建設完成之后就可部署到系統(tǒng)中，根據(jù)無線資源利用率預測結(jié)果設置睡眠門限參數(shù)，計算滿足小區(qū)睡眠門限的時間段。

據(jù)華為專家介紹，從當前在某實驗局的效果來看，基于AI的基站智能關(guān)斷可幫助運營商在覆蓋范圍不變、KPI/KQI不受影響的情況下，節(jié)省15%-25%的基站電力消耗。

PON光模塊和光鏈路故障定位及預測

作為用于解決“最后一公里”的寬帶解決方案，PON技術(shù)在此前“光進銅退”的風潮下已經(jīng)在全球廣泛部署。但在享受到技術(shù)帶來的助益的同時，PON無源器件的故障定位困難并缺乏遠程定位的有效手段，導致了相當大的運維成本壓力。

根據(jù)某運營商的統(tǒng)計，2016年7月-12月共收到用戶2.5萬條投訴，光鏈路和OLT/ONT光模塊（光電轉(zhuǎn)換模塊）故障占比34%。這其中皮纖設備因為城鎮(zhèn)改造、鼠類咬斷、雨雪天氣等原因造成的故障占比超過20%，戶外各種接頭（冷結(jié)子、水晶頭等）故障超過6%。由于無源器件無法發(fā)出任何信息，這一段設備如果發(fā)生故障將很難準確定位。

由于光纖線路都埋在管道中無法檢測，按照現(xiàn)有流程，一旦家庭寬帶用戶投訴故障就只能帶著專業(yè)測試儀器（OTDR）上門到ONT上檢測整個鏈路來判斷故障原因。而運營商上門成本高昂，歐洲平均為175歐元，在中國亦達50人民幣，某運營商2017年一年上門費用的費用就達到了1億人民幣之多。

SoftCOM AI借助于網(wǎng)管系統(tǒng)（U2000、uTraffic等）從ONT/OLT光模塊獲取歷史數(shù)據(jù)，包括模塊類型、模塊電壓、模塊電流、模塊溫度、光層告警、光層統(tǒng)計、發(fā)送功率、接收功率、光距等，從這些數(shù)據(jù)中抽取出特征、打上標簽進行AI訓練。AI訓練出來的模型可以用于實時數(shù)據(jù)的推理，得出故障種類和故障定界兩方面信息，以此來實現(xiàn)故障的精準定位及預測。通過SoftCOM AI方案提供遠程定位手段，可將遠程定位率從30%提升到80%。

Massive MIMO自優(yōu)化配置

5G是電信行業(yè)的下一個重大機會點，在價值鏈各方的共同推動下，它離我們已不再遙遠。在5G到來前在網(wǎng)絡領域做好準備，正當其時。

在城市環(huán)境中可用無線頻譜已經(jīng)飽和，為滿足業(yè)務需求的急速增長，4G和5G時代增加天線的數(shù)目不可避免。大規(guī)模天線技術(shù)（Massive MIMO）正是5G時代的核心技術(shù)之一，想要充分發(fā)揮其優(yōu)勢，就必須對Massive MIMO基站的各項參數(shù)進行靈活的適應性調(diào)整以應對業(yè)務的變化。

然而，不同地點、不同場景、不同用戶分布，天線組合的參數(shù)不一。3G時代天線一共只有13種參數(shù)組合（水平波寬+垂直波寬），很容易通過專家的經(jīng)驗判斷來選擇；到了4G時代，天線的參數(shù)組合（水平波寬+垂直波寬+下傾角）數(shù)量增加到數(shù)百種，已經(jīng)很難憑借過去的經(jīng)驗來判斷；而5G時代的幾千種參數(shù)組合（水平波寬+垂直波寬+下傾角+水平角）更是人工經(jīng)驗判斷所不能實現(xiàn)的。面對大量的參數(shù)組合和快速的業(yè)務變化，加上人工操作效率低、風險大、難以實施，Massive MIMO基站迫切需要更加智能、可優(yōu)化的機制。

SoftCOM AI通過引入AI來分析處理各種復雜場景特征和波束參數(shù)組合的對應關(guān)系。極大縮短漫長的調(diào)試階段，快速得到某個地點某種場景下的波束的最優(yōu)配置參數(shù)。

在某運營商的實際使用中，通過AI技術(shù)已實現(xiàn)了短短數(shù)天得到一個站點的最優(yōu)初始值，效率比傳統(tǒng)方式有了巨大提升。