26、5G基站节能场景与智能变电站防误系统研究

5G基站节能场景与智能变电站防误系统研究

5G基站节能场景研究

在当今时代，5G基站的能耗问题备受关注，如何实现节能成为了重要的研究方向。

数据选取与变量描述

为了研究5G基站的节能场景，选取了某城市运营商2022年连续10周的时间序列数据，涵盖了超过6万个基站24小时每小时的服务负载数据记录。数据类型主要包括：
- 设备数据 ：包含制造商、机房分区、频点、方向角等。
- 业务数据 ：如活跃用户、PDCP（分组数据汇聚协议）的平均上下行流量等。
- 网络数据 ：包括上下行PRB（物理资源块）的利用率和各种信道的占用率。

基站流量负载的周期性效应识别

采用SOM + K - means两阶段聚类结合轮廓系数来识别基站的星期效应类型，具体分为以下三种：
- 明显的星期效应 ：若聚类结果的轮廓系数大于0.65，表明每日负载的聚类效果较好，具有明显的星期效应。
- 一致的每周趋势 ：当聚类结果的轮廓系数小于0.65且平均相似度大于0.9时，意味着基站每日负载极为相似，即整周具有相同的趋势。
- 无明显效应 ：除上述两种情况外，定义为无明显变化规律。

每日潮汐现象与节能周期识别

• 计算潮汐效应系数 ：假设某基站的日流量负载曲线函数为$f(x)$，潮汐系数定义为$\De