考虑通信数据流量的5G基站电力负荷预测方法及系统与流程

本发明涉及电力系统领域，更具体的，涉及一种考虑通信数据流量的5g基站电力负荷预测方法及系统。

背景技术：

1、目前，在电力系统中，通信产生的业务流量表现出随机性和间歇性，这将导致基站能耗产生不确定性波动，将对配电网的扩展规划产生影响。另一方面，研究基站参与需求响应的能力需要评估其储能电池的可调度容量，因此事先根据基站的通信负载计算未来用电负荷是重要的步骤，具有一定的理论和实际意义。

2、5g基站的能耗构成单元主要包括基站主设备、基站辅助动力设备和环境温度控制设备。辅助动力配套系统主要包括开关电源、蓄电池组等，其中主要耗电的设备为开关电源。环境温度控制设备主要指空调设备，其需要维持长年基站温度18℃-28℃，因而能耗保持在一个较稳定的值。主设备包括有源天线单元(active antennaunit,aau)、基带处理单元(base bandunit,bbu)。

3、5g基站设备中主设备的耗电量最大，在基站能耗占比超过75％，其中aau的功耗随着通信负载的变化而显著变化。基站的通信负载映射到用户上，则反映了基站覆盖范围内的终端实际接入数量及相应的通信流量使用量。传统的基站负荷模型大多采取固定的功耗模型，未考虑一天内通信流量的变化情况。

4、虽然电力系统中数据流量呈现出相对确定的特点和随着用电情况密切变化的相关性，但在现有技术中，尚不能够根据基站承担的日数据流量不同的特点计算5g基站电力负荷，从而实现对电力系统中5g基站流量和耗电量的预测。

5、针对上述问题，亟需一种考虑通信数据流量的5g基站电力负荷预测方法及系统。

技术实现思路

1、为解决现有技术中存在的不足，本发明提供一种考虑通信数据流量的5g基站电力负荷预测方法及系统，通过k-means算法对于日数据流量曲线进行分类，通过各条曲线的特征判断预测日落入各个分类下的概率，从而构建5g基站电力负荷模型并预测5g基站的电力负荷。

2、本发明采用如下的技术方案。

3、本发明第一方面，涉及一种考虑通信数据流量的5g基站电力负荷预测方法，方法包括以下步骤：步骤1，基于时间维度收集基站覆盖范围内5g终端历史数据，并绘制日数据流量曲线，利用k-means聚类算法实现曲线的筛选与分类，形成k个数据流量使用类型；步骤2，选取影响日数据流量曲线的特征量，并给每条日数据流量曲线贴上特征量标签，建立5g终端行为模式与特征量之间的相关关系；步骤3，选取预测日的特征量值，计算各个数据流量使用类型中预测日的特征量值的条件概率，以生成预测日的特征量值落入k个数据流量使用类型中的每一类型的贝叶斯概率；步骤4，基于贝叶斯概率计算预测日的数据流量使用量、主设备功耗，以建立5g基站电力负荷模型。

4、优选的，步骤1中，5g终端历史数据包括5g终端总数、5g终端实际激活数、区域各时刻数据流量使用总量。

5、优选的，步骤1中，包括：采用小波阈值去噪对所述日数据流量曲线进行平滑处理，其中，各层阈值λn的选取如下：

6、

7、其中，m为首层小波分解系数绝对值的中位数；kg为高斯噪声标准方差的调整系数；n为信号长度。

8、优选的，步骤1中，包括：将平滑后的日数据流量曲线作为样本，采用k-means++法实现分类；其中，k个数据流量使用类型是基于间隔统计量算法获得的。

9、优选的，步骤2中，包括：步骤2.1，根据api数据热力图获得区域人口密度分布数据，确定基站覆盖范围内5g终端激活数量，选取终端激活数x1，日类型x2为特征量；步骤2.2，对每一类中的特征量x1进行高斯处理，将特征量转化为符合高斯分布的数据；设定特征量x2为工作日时取值1，非工作日取值0。

10、优选的，终端激活数x1的获得方式为：

11、

12、式中，nterm为预测日基站覆盖区域5g终端激活数量，

13、nterm(t)为预测日基站覆盖区域各时刻的5g终端激活数量，且有nterm(t)＝δ(t)·npop,m(t)，

14、其中，δ(t)是与区域建筑群类型和时刻相关的5g终端激活比例，取值范围为[0,1]，

15、表示同一区域预测日前5个相似日类型的人口分布数据。

16、优选的，步骤3中，包括：步骤3.1，根据历史日的特征量测量值形成预测元组，将预测日的特征量测量值分为多个训练元组，将训练元组和相关联的类标号形成训练集d；步骤3.2，根据步骤1的k个数据流量使用类型分别计算每个类型的先验概率p(ck)；步骤3.3，基于每个类型的先验概率p(ck)，计算各个数据流量使用类型中预测日的特征量值的条件概率p(x|ck)；步骤3.4，根据贝叶斯定理计算预测日的特征量值落入k个数据流量使用类型中的每一类型的贝叶斯概率p(ck|x)。

17、优选的，5g基站电力负荷模型为：

18、pbs＝pmain+psp+pac

19、其中，pmain为基站主设备功耗，

20、psp为基站辅助动力设备的能耗，

21、pac为环境温度控制设备的功耗。

22、优选的，主设备功耗为：

23、pmain＝paau,incre+paau,base+pbbu

24、paau,incre为aau设备增量功耗，

25、paau,max为aau设备的最大功耗，

26、paau,base为aau设备的基础功耗，

27、pbbu为bbu设备功耗。

28、优选的，aau设备增量功耗paau,incre包括上下行数据在单位时间δt内产生的功耗，且有

29、

30、其中，tmax,date为主设备上下行最大吞吐量，

31、tdate(t)的取值还受到主设备上下行最大吞吐量tmax,date的限制。

32、优选的，预测日的数据流量使用量为：

33、

34、式中，tdate(t)为预测日基站覆盖范围内一天各时间段内的上下行数据流量使用量，

35、ck(t)为预测日基站覆盖范围内一天各时间段内的基站k的上下行数据流量使用量。

36、优选的，基站辅助动力设备的能耗为

37、

38、环境温度控制设备的功耗基于空调设备的耗电功率获得，为

39、

40、其中，η为开关电源的交流、直流转化效率系数，

41、f表示机房的外围建筑结构面积，

42、c表示传热系数，

43、tin表示机房内的温度、tout表示外界环境温度，

44、α为移动基站主设备能耗中转化为非热量的效率系数，

45、β表示空调设备的能效比。

46、本发明第二方面，涉及一种考虑通信数据流量的5g基站电力负荷预测系统，系统包括分类模块、特征关联模块、概率计算模块和模型分析模块；其中，分类模块，用于基于时间维度收集基站覆盖范围内5g终端历史数据，并绘制日数据流量曲线，利用k-means聚类算法实现曲线的筛选与分类，形成k个数据流量使用类型；特征关联模块，用于选取影响日数据流量曲线的特征量，并给每条日数据流量曲线贴上特征量标签，建立5g终端行为模式与特征量之间的相关关系；概率计算模块，用于选取预测日的特征量值，计算各个数据流量使用类型中预测日的特征量值的条件概率，以生成预测日的特征量值落入k个数据流量使用类型中的每一类型的贝叶斯概率；模型分析模块，用于基于贝叶斯概率计算预测日的数据流量使用量、主设备功耗，以建立5g基站电力负荷模型。

47、本发明的有益效果在于，与现有技术相比，本发明中的一种考虑通信数据流量的5g基站电力负荷预测方法及系统，通过k-means算法对于日数据流量曲线进行分类，通过各条曲线的特征判断预测日落入各个分类下的概率，从而构建5g基站电力负荷模型并预测5g基站的电力负荷。本发明根据基站承担的日数据流量不同的特点，将多个历史数据流量变化曲线进行分类，然后建立数据流量与功耗的关系公式，计算5g基站电力负荷，可以提高负荷预测的精度。

48、本发明的有益效果还包括：

49、1、方法在海量基站建设的背景下，帮助电网准确掌握不同区域下基站负荷带来的影响，同时为基站储能调度提供参考依据。

50、2、本发明基于时间维度收集基站覆盖范围内5g终端若干时间的数据流量使用，建立数据流量与基站功耗的映射关系。方法中，考虑通信数据流量的5g基站电力负荷模型可以更好的反映基站负荷的变化规律。