本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘 要：5G网络以其高速率、广泛连接和低时延为新技术领域提供支持，但面临着严峻的能耗问题。研究了AI技术在提升基站能效方面的应用，提出了基于图神经网络的流量预测方法，考虑了流量数据的空间关联和时间依赖性。该方法结合图卷积网络和时序卷积模块，优化了基站流量分布，显著提升了流量预测准确性。准确的流量预测能够为基站关停策略提供科学依据，从而有效降低能耗，提升能源效率，减少成本，促进可持续发展。
关键词：5G基站；节能；流量预测；人工智能；图神经网络
doi：10.12045/j.issn.1007-3043.2024.09.007
概述
由于5G毫米波基站在更高频段运行，其覆盖范围比 3.5 GHz 频段基站更小，同时毫米波基站的功放效率可能低于传统基站，这意味着它们的功耗也更大。另一方面，5G基站与4G相比具有更大的带宽，每个基站的发射功率可能是4G的多倍，导致单站整体功耗大幅增加。此外，AI 内生也将是 5G 网络的一项重要特征，5G基站未来还将承载更多的 AI计算任务，通过基站侧的边缘计算能力对各类AI应用进行推理运算，将进一步增加5G基站的能耗。
因此，对无线基站的能耗管控至关重要，有效的能耗管控不仅能够降低运营成本，减少对环境的负面影响，而且将成为未来无线网络建设的关键策略。目前，行业内主要采用人工智能算法来对基站流量进行预测，对于流量较少的基站进行动态关停、调整，由此来节约基站的能耗。然而对 5G 无线基站的关停时段必须要进行精准合理的预测和规划，以避免部分基站关停后造成通信服务的中断和用户体验的下降。
5G 网络建设初期可能会存在基站异构组网的情况，网络结构趋于复杂化，业务场景趋于差异化，客户需求也趋于多样化。而目前针对无线网络基站的传统机器学习流量预测方法主要侧重于单个基站的预测，忽视了基站与基站之间的连接关系，这将导致对5G无线基站的能耗关停模型预测的准确性不高，从而严重限制了基站节能策略的有效实施。
而图智能 AI 技术在无线基站资源编排调度中将体现出重要价值：一是图结构化数据可以呈现出对象之间复杂关系的重要性，精确描述5G异构无线基站之间的关系；二是图智能人工智能算法在复杂网络环境下展现出比传统机器学习更为卓越的决策能力，智能推断挖掘复杂无线网络拓扑中的隐藏信息和关联关系；三是电信行业拥有通信网络拓扑和人机物交互拓扑这 2种天然的图结构，应用图智能 AI技术可以建立无线基站的网络资源拓扑模型，进而优化无线基站的资源配置和调度，实现网络资源、用户感知和能耗的最优编排，为基站动态关停节能提供高效、智能的决策支持。本文采用图神经网络技术赋能无线通信网络基站资源动态调度，可以进一步提高5G异构混合无线基站流量预测的准确性，更精确地分析和优化基站的时空流量分布，成为5G+AI的全新演进方向。
