[发明专利]基站的节能方法、系统和生产者网元

说明书

本公开涉及一种基站的节能方法、系统和生产者网元，涉及通信技术领域。该基站的节能方法包括：生产者网元接收消费者网元的服务请求，服务请求包括节能策略的预测模型的描述信息；生产者网元根据描述信息，获取预测模型候选集；生产者网元利用推荐算法，在预测模型候选集中确定至少一个最优预测模型，用于确定基站的节能策略。

技术领域

本公开涉及通信技术领域，特别涉及一种基站的节能方法、基站的节能系统、生产者网元和非易失性计算机可读存储介质。

背景技术

随着5G商用的全面开展，无线网络覆盖越来越密集。如果基站长期处于高功率运行状态，会给运营商带来高昂的能耗成本。例如，可以依赖预先设定好的统一门限来决定基站功能开关与否。但是，这样无法适应复杂多变的无线环境。

AI(Artificial Intelligence，人工智能)和无线网络的融合已成为无线通信发展的方向之一。通过将AI技术引入无线网络，可以利用AI算法对海量数据进行分类、统计和推理，进而给出分析、预测和推荐等结论，从而可以适应复杂多变的网络环境。

基于AI的网络节能方案，不仅可以得到更精准有效的节能策略，还可以在有效降低运营商能耗的同时保障网络服务质量。

在相关技术中，有多种预测模型(如运用AI、机器学习算法的模型)可以对海量的无线网数据(如平均下行物理资源模块利用率、平均无线资源控制连接用户数等)进行分析和预测。

发明内容

本公开的发明人发现上述相关技术中存在如下问题：无法在多种预测模型中确定最优模型，导致节能效果差。

鉴于此，本公开提出了一种基站的节能技术方案，能够使得生产者网元获取预测模型候选集，从中确定最优模型，从而提高节能效果。

根据本公开的一些实施例，提供了一种基站的节能方法，包括：生产者网元接收消费者网元的服务请求，服务请求包括节能策略的预测模型的描述信息；生产者网元根据描述信息，获取预测模型候选集；生产者网元利用推荐算法，在预测模型候选集中确定至少一个最优预测模型，用于确定基站的节能策略。

在一些实施例中，描述信息包括模预测模型的构造信息、标识信息、分析需求中的至少一个。

在一些实施例中，根据描述信息获取预测模型候选集包括：根据服务请求中不同的描述信息，分别获取预测模型候选子集；根据多个预测模型候选子集，确定预测模型候选集。

在一些实施例中，根据描述信息，获取预测模型候选集包括：在服务请求中包含预测模型的构造信息的情况下，生产者网元从消费者网元，获取与模型的构造信息对应的预测模型候选子集，用于构成预测模型候选集。

在一些实施例中，根据描述信息，获取预测模型候选集包括：在服务请求中包含预测模型的标识信息的情况下，生产者网元从模型存储层，获取与标识信息对应的预测模型候选子集，用于构成预测模型候选集。

在一些实施例中，根据描述信息，获取预测模型候选集包括：在服务请求中包含预测模型的分析需求的情况下，生产者网元根据分析需求和标识信息的映射关系，确定与分析需求相应的标识信息；生产者网元从模型存储层，获取与标识信息对应的预测模型候选子集，用于构成预测模型候选集。

在一些实施例中，构造信息包括预测模型的模型参数、相应算法中的至少一个，标识信息包括预测模型的标识、模型准确率、模型性能信息中的至少一个，分析需求包括分析任务的标识符、分析任务的类型、分析任务的时间范围、分析任务的准确率要求、分析任务的性能需求中的至少一个。

在一些实施例中，从模型存储层，获取与标识信息对应的预测模型候选子集包括：生产者网元从自身的模型存储层、其他生产者网元的模型存储层、第三方平台的模型存储层中的至少一个，获取与标识信息对应的预测模型候选子集。