一种小区节能方法、系统、设备及介质与流程

本发明涉及无线通信，尤其是一种小区节能方法、系统、设备及介质。

背景技术：

1、随着移动通信网络的发展，无线网络的能耗越来越大，运营商节能降耗的需求也越来也迫切。在无线网络的能耗构成中，基站的能耗占比最高。因此，如何实现小区节能，降低基站能耗，一直是业界研究的热点。相关技术中主要通过人为设置节能策略对小区进行关断，存在节能策略下发存在滞后，节能效果不明显，宏、微站能耗大，能效低，用户体验差等问题。综合上述，相关技术中存在的技术问题亟需得到解决。

技术实现思路

1、有鉴于此，本发明实施例提供一种小区节能方法、系统、设备及介质，以提升基站能效和用户感知。

2、一方面，本发明提供了一种小区节能方法，所述方法包括：

3、获取小区空时频数据，所述小区空时频数据包括外部事件数据和基站数据；

4、根据小区流量预测模型对所述小区空时频数据进行流量预测处理，得到小区流量预测结果；

5、获取小区信息和关键绩效指标；

6、根据所述小区信息结合所述小区流量预测结果进行节能策略生成，得到初始节能策略；

7、根据所述关键绩效指标对所述初始节能策略进行优化，得到目标节能策略；

8、对所述目标节能策略进行下发执行，完成小区节能。

9、可选地，所述获取小区空时频数据，包括：

10、通过第一接口获取外部系统输入的外部事件数据，所述外部事件数据包括地图、天气和节假日；

11、通过第二接口获取网管系统输入的基站数据，所述基站数据包括资源利用率和邻区配置关系。

12、可选地，在所述根据小区流量预测模型对所述小区空时频数据进行流量预测处理之前，所述方法还包括构建小区流量预测模型，具体包括：

13、对所述小区空时频数据进行数据预处理并保存，得到小区空时频数据库；

14、采用卷积神经网络搭建得到小区空时频训练模型；

15、根据所述小区空时频数据库对所述小区空时频训练模型进行实例参数调整处理，得到小区流量预测模型。

16、可选地，在所述根据所述小区空时频数据库对所述小区空时频训练模型进行实例参数调整处理之前，所述方法还包括对所述小区空时频训练模型进行训练，具体包括：

17、从所述小区空时频数据库中获取训练数据集；

18、将所述训练数据集输入到所述小区空时频训练模型，得到资源利用率预测结果；

19、根据损失函数对所述资源利用率预测结果进行计算，确定训练的损失值；

20、根据所述损失值对所述小区空时频训练模型的参数进行更新。

21、可选地，所述根据小区流量预测模型对所述小区空时频数据进行流量预测处理，得到小区流量预测结果，包括：

22、将所述小区空时频数据输入所述小区流量预测模型，预测得到资源利用率预测值；

23、根据小区资源利用率与小区流量的正相关关系，对所述资源利用率预测值进行计算，得到小区流量预测结果。

24、可选地，所述根据所述小区信息结合所述小区流量预测结果进行节能策略生成，得到初始节能策略，包括：

25、根据强化学习模型对所述小区信息和所述小区流量预测结果进行小区参数寻优处理，得到小区优化参数；

26、对所述小区优化参数进行节能策略指定处理，得到初始节能策略。

27、可选地，所述根据所述关键绩效指标对所述初始节能策略进行优化，得到目标节能策略，包括：

28、根据所述关键绩效指标对所述小区优化参数进行微调处理，得到小区微调参数；

29、根据所述小区微调参数对所述初始节能策略进行微调处理，得到目标节能策略。

30、另一方面，本发明实施例还提供了一种小区节能系统，所述系统包括：

31、第一模块，用于获取小区空时频数据，所述小区空时频数据包括外部事件数据和基站数据；

32、第二模块，用于根据小区流量预测模型对所述小区空时频数据进行流量预测处理，得到小区流量预测结果；

33、第三模块，用于获取小区信息和关键绩效指标；

34、第四模块，用于根据所述小区信息结合所述小区流量预测结果进行节能策略生成，得到初始节能策略；

35、第五模块，用于根据所述关键绩效指标对所述初始节能策略进行优化，得到目标节能策略；

36、第六模块，用于对所述目标节能策略进行下发执行，完成小区节能。

37、可选地，所述第一模块，用于获取小区空时频数据，包括：

38、第一单元，用于通过第一接口获取外部系统输入的外部事件数据，所述外部事件数据包括地图、天气和节假日；

39、第二单元，用于通过第二接口获取网管系统输入的基站数据，所述基站数据包括资源利用率和邻区配置关系。

40、可选地，在所述第二模块，用于根据小区流量预测模型对所述小区空时频数据进行流量预测处理之前，所述系统还包括第七模块，用于构建小区流量预测模型，具体包括：

41、第三单元，用于对所述小区空时频数据进行数据预处理并保存，得到小区空时频数据库；

42、第四单元，用于采用卷积神经网络搭建得到小区空时频训练模型；

43、第五单元，用于根据所述小区空时频数据库对所述小区空时频训练模型进行实例参数调整处理，得到小区流量预测模型。

44、可选地，在所述第五单元，用于根据所述小区空时频数据库对所述小区空时频训练模型进行实例参数调整处理之前，所述系统还包括第六单元，用于对所述小区空时频训练模型进行训练，具体包括：

45、第一子单元，用于从所述小区空时频数据库中获取训练数据集；

46、第二子单元，用于将所述训练数据集输入到所述小区空时频训练模型，得到资源利用率预测结果；

47、第三子单元，用于根据损失函数对所述资源利用率预测结果进行计算，确定训练的损失值；

48、第四子单元，用于根据所述损失值对所述小区空时频训练模型的参数进行更新。

49、可选地，所述第二模块，用于根据小区流量预测模型对所述小区空时频数据进行流量预测处理，得到小区流量预测结果，包括：

50、第七单元，用于将所述小区空时频数据输入所述小区流量预测模型，预测得到资源利用率预测值；

51、第八单元，用于根据小区资源利用率与小区流量的正相关关系，对所述资源利用率预测值进行计算，得到小区流量预测结果。

52、可选地，所述第四模块，用于根据所述小区信息结合所述小区流量预测结果进行节能策略生成，得到初始节能策略，包括：

53、第九单元，用于根据强化学习模型对所述小区信息和所述小区流量预测结果进行小区参数寻优处理，得到小区优化参数；

54、第十单元，用于对所述小区优化参数进行节能策略指定处理，得到初始节能策略。

55、可选地，所述第五模块，用于根据所述关键绩效指标对所述初始节能策略进行优化，得到目标节能策略，包括：

56、第十一单元，用于根据所述关键绩效指标对所述小区优化参数进行微调处理，得到小区微调参数；

57、第十二单元，用于根据所述小区微调参数对所述初始节能策略进行微调处理，得到目标节能策略。

58、另一方面，本发明实施例还公开了一种电子设备，包括处理器以及存储器；

59、所述存储器用于存储程序；

60、所述处理器执行所述程序实现如前面所述的方法。

61、另一方面，本发明实施例还公开了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。

62、另一方面，本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。

63、本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明实施例通过获取小区空时频数据；根据小区流量预测模型对所述小区空时频数据进行流量预测处理，得到小区流量预测结果；能够结合空时频数据和人工智能技术对小区能耗进行精细化控制和优化,从而达到更佳的节能效果的方法和流程，提高了小区节能的精准性和实时性。另外，本发明实施例还通过根据所述小区信息结合所述小区流量预测结果进行节能策略生成，得到初始节能策略；根据所述关键绩效指标对所述初始节能策略进行优化，得到目标节能策略；能够自动学习并适应不同的环境和网络条件，实现智能决策及时调整小区配置和参数，提高了小区节能性能。