[go: up one dir, main page]

CN116192637B - 一种设备节能方法和网络设备 - Google Patents

一种设备节能方法和网络设备

Info

Publication number
CN116192637B
CN116192637B CN202111473667.XA CN202111473667A CN116192637B CN 116192637 B CN116192637 B CN 116192637B CN 202111473667 A CN202111473667 A CN 202111473667A CN 116192637 B CN116192637 B CN 116192637B
Authority
CN
China
Prior art keywords
resource information
target
information combination
model
preset
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111473667.XA
Other languages
English (en)
Other versions
CN116192637A (zh
Inventor
曾勇梅
何向东
漆春梅
李逸步
朱江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Huawei Technologies Co Ltd
Original Assignee
Shanghai Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Huawei Technologies Co Ltd filed Critical Shanghai Huawei Technologies Co Ltd
Priority to CN202111473667.XA priority Critical patent/CN116192637B/zh
Priority to EP22897323.6A priority patent/EP4412317A4/en
Priority to PCT/CN2022/119855 priority patent/WO2023093237A1/zh
Publication of CN116192637A publication Critical patent/CN116192637A/zh
Priority to US18/676,214 priority patent/US12476869B2/en
Application granted granted Critical
Publication of CN116192637B publication Critical patent/CN116192637B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. Transmission Power Control [TPC] or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H04L41/0833—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network energy consumption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Power Sources (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

一种设备节能方法包括：根据N个载波在历史时段的业务数据量确定目标时段的业务数据量，根据目标时段的业务数据量获取目标KPI，预设模型组和预设条件，根据N个载波的载波资源信息生成M个资源信息组合后，根据预设模型组获取每个资源信息组合的KPI，根据每个资源信息组合的KPI与目标KPI的比较结果选择候选资源信息组合；将目标时段的业务数据量和候选资源信息组合输入预设的资源利用率模型，根据候选资源信息组合的物理资源块利用率和预设的资源能耗模型预测候选资源信息组合的能耗；从候选资源信息组合中选取用于调整载波资源的目标资源信息组合。这样能预测每个资源信息组合的KPI和能耗，选择不影响KPI和低能耗的资源信息组合，以保障KPI和节能。

Description

一种设备节能方法和网络设备
技术领域
本申请涉及通信领域，尤其涉及一种设备节能方法和网络设备。
背景技术
在通信网络中部署网络设备后，网络设备的所有载波通常处于运行状态。在不同时段的业务数据量有波动，当载波的业务数据较少或用户较少时存在高能耗的问题。
有一种节能方法大致如下：当业务数据量小于第一门限且大于或等于第二门限时，关闭部分载波资源的时长为第一时长。当业务数据量小于第二门限且大于或等于第三门限时，关闭部分载波资源的时长为第二时长，第二时长大于第一时长。业务数据量小于第三门限时，关闭部分载波资源的时长为第三时长，第三时长大于第二时长。
上述方法可能影响网络的关键性能指标(key performance indicator，KPI)，难以满足用户对服务质量的要求。
发明内容
有鉴于此，本申请提供一种设备节能方法和网络设备，能够预测业务数据量和确定目标时段的KPI，通过模型预测出每个资源信息组合的KPI和能耗，选择不影响KPI和低能耗的资源信息组合调整载波资源，从而能够保障KPI和节能。
第一方面提供一种设备节能方法，该方法包括：第一网络设备根据目标区域的N个载波在历史时段承载的业务数据量确定目标时段的业务数据量，再根据目标时段的业务数据量获取目标KPI，预设模型组和预设条件，根据N个载波的载波资源信息生成M个资源信息组合之后，依次从M个资源信息组合中选取一个资源信息组合作为待处理资源信息组合；从包括历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合的模型数据集合中选取预设模型组中每个模型的输入数据；将每个模型的输入数据输入预设模型组中对应的模型，从预设模型组输出待处理资源信息组合的KPI，再将每个资源信息组合的KPI与目标KPI进行比较，然后根据符合预设条件的比较结果从多个资源信息组合中选择至少一个候选资源信息组合；将目标时段的业务数据量和候选资源信息组合输入预设的资源利用率模型，再根据每个候选资源信息组合的物理资源块利用率和预设的资源能耗模型预测每个候选资源信息组合的能耗；从至少一个候选资源信息组合中选取目标资源信息组合；将目标资源信息组合发送给第二网络设备，第二网络设备根据目标资源信息组合在目标时段调整目标资源信息组合对应的载波资源。
其中，载波资源信息包括载波标识、载波状态、载波的通道数和载波功率等级，每个资源信息组合包括N个载波的载波资源信息，N和M均为大于1的整数。预设模型组中每个模型用于输出待处理资源信息组合的KPI中一个参数值，目标资源信息组合的能耗小于或等于预设能耗。信号质量信息可以是RSRP或RSSI。
依此实施，第一网络设备能够通过预设的多个模型预测出每个资源信息组合的KPI和能耗，从而选择不影响KPI和低能耗的资源信息组合调整载波资源，能够保障KPI和节能。
在一种可能的实现方式中，第一网络设备根据目标时段的业务数据量获取目标KPI，预设模型组和预设条件包括：当目标时段的业务数据量小于或等于第一数据量时，第一网络设备获取包括目标流量流失比例和目标弱覆盖比例的目标KPI，包括第一预设模型和第二预设模型的预设模型组以及包括第一规则和第二规则的预设条件。其中，第一预设模型用于输出每个资源信息组合对应的流量流失比例，第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，第一规则为资源信息组合的流量流失比例小于或等于目标流量流失比例，第二规则为资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例。依此可以获得轻载场景下的目标KPI，预设模型组和预设条件。
在另一种可能的实现方式中，第一网络设备根据目标时段的业务数据量获取目标KPI，预设模型组和预设条件包括：当目标时段的业务数据量大于第一数据量且小于或等于第二数据量时，第一网络设备获取包括目标流量流失比例，目标弱覆盖比例和目标吞吐率的目标KPI，包括第一预设模型，包括第二预设模型和第三预设模型的预设模型组，以及包括第一规则，第二规则和第三规则的预设条件。其中，第一预设模型用于输出每个资源信息组合对应的流量流失比例，第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，第三预设模型用于输出每个资源信息组合对应的吞吐量，第一规则为资源信息组合的流量流失比例小于或等于目标流量流失比例，第二规则为资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例,第三规则为资源信息组合的吞吐率大于或等于目标吞吐率。依此可以获得中载场景下的目标KPI，预设模型组和预设条件。
可选的，目标吞吐率是根据历史时段的业务体验速率和预设的满足度确定的。这样获得的目标吞吐率能够满足用户对业务体验速率的要求，也能够达到预设的满足度。
另一可选的，目标吞吐率对应于目标物理资源块利用率，目标物理资源块利用率是根据历史时段的流量压抑点确定的。流量压抑点能够指示在流量与用户数的对应关系为线性关系时的最大用户数和最大流量，这样获得的目标吞吐率能够满足一定数量的用户，也能满足用户对业务速率的需求。
另一可选的，目标吞吐率是根据在目标历史时段的吞吐率和预设扩展系数确定的。扩展系数为重载时段的吞吐率与其他时段的吞吐率之比。目标历史时段的业务数据量大于或等于预设数据量，即目标历史时段为重载时段。由于重载时段的吞吐率要低于其他时段的吞吐率，根据重载时段的吞吐率确和扩展系数定目标吞吐率，可以满足其他场景下的吞吐率要求。
在另一种可能的实现方式中，第一网络设备从模型数据集合中选取预设模型组中每个预设模型对应的输入数据包括：当预设模型组包括第一预设模型和第二预设模型时，第一网络设备从模型数据集合中选取历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第二预设模型的输入数据；当预设模型组包括第一预设模型，第二预设模型和第三预设模型时，第一网络设备从模型数据集合中选取历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第二预设模型的输入数据，从模型数据集合中选取目标时段的业务数据量和待处理资源信息组合作为第三预设模型的输入数据。对于不同场景，可以从模型数据集合选择不同模型的输入数据，以输出不同的KPI。
在另一种可能的实现方式中，第一网络设备根据每个候选载波资源集合的物理资源块利用率和预设的资源能耗模型预测每个候选载波资源集合的能耗包括：第一网络设备根据每个候选载波资源集合的物理资源块利用率、每个工作载波的可用通道数和预设的资源能耗模型预测每个候选载波资源集合的能耗。由于载波能耗与载波通道数相关，因此加入工作载波的通道数作为模型的输入数据能够提高模型的准确度。
在另一种可能的实现方式中，第一网络设备从至少一个候选资源信息组合中选取目标资源信息组合包括：第一网络设备从至少一个候选资源信息组合中选取最小能耗对应的候选资源信息组合作为目标资源信息组合。这样可以确定最小能耗的资源信息组合，按照该资源信息组合调整载波资源能够节省最多能耗。
在另一种可能的实现方式中，第一网络设备从至少一个候选资源信息组合中选取目标资源信息组合包括：第一网络设备根据每个候选资源信息组合的流量流失比例、弱覆盖比例和候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。这样可以获取在轻载场景下流量流失比例和弱覆盖比例对应的代价值，预测出节能对KPI的影响，从而选择节能且对KPI影响小的资源信息组合。
在另一种可能的实现方式中，第一网络设备从至少一个候选资源信息组合中选取目标资源信息组合包括：第一网络设备根据每个候选资源信息组合中工作载波资源的吞吐率、流量流失比例、弱覆盖比例和候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。这样可以获取在中载场景下流量流失比例，弱覆盖比例和吞吐率对应的代价值，预测出节能对KPI的影响，从而选择节能且对KPI影响小的资源信息组合。
在另一种可能的实现方式中，第一网络设备还包括资源组合状态接口，资源组合状态接口用于向第二网络设备传输目标资源信息组合。
第二方面提供一种建立资源利用率模型的方法，该方法包括：获取多个时段的样本，每个样本包括业务数据量，目标区域的资源信息组合和资源信息组合的物理资源利用率；对多个时段的样本进行训练，得到资源利用率模型。训练算法可以是但不限于GBDT算法，xgBoost算法或随机森林算法。资源信息组合包括在目标区域中全部或部分载波的载波资源信息。载波资源信息包括载波，载波通道和载波功率等级中的至少一种。资源利用率模型可以根据输入的业务数据量和资源信息组合预测该资源信息组合的物理资源利用率。
第三方面提供一种建立资源能耗模型的方法，该方法包括：获取多个时段的样本，每个样本包括目标区域的资源信息组合，资源信息组合的物理资源块利用率和能耗值；对多个时段的样本进行训练，得到资源能耗模型。训练算法可以是但不限于GBDT算法，xgBoost算法或随机森林算法。资源信息组合包括在目标区域中全部或部分载波的载波资源信息。载波资源信息包括载波，载波通道和载波功率等级中的至少一种。资源能耗模型可以根据输入的资源信息组合以及资源信息组合的物理资源块利用率预测该资源信息组合的能耗值。
第四方面提供一种建立预设模型组的方法，该方法包括：获取第一样本集合，第一样本集合包括第一组时段的业务数据量，第一组时段的资源信息组合，第二组时段的业务数据量，第二组时段的资源信息组合和流量流失比例；对第一样本集合进行训练，得到第一预设模型；获取第二样本集合，第二样本集合包括第一组时段的业务数据量，第一组时段的资源信息组合，第二组时段的业务数据量，第二组时段的资源信息组合和弱覆盖比例；对第二样本集合进行训练，得到第二预设模型。
训练算法可以是但不限于GBDT算法，xgBoost算法或随机森林算法。资源信息组合包括在目标区域中全部或部分载波的载波资源信息。载波资源信息包括载波，载波通道和载波功率等级中的至少一种。第一预设模型可以根据两个时段的业务数据量以及资源信息组合预测该资源信息组合的流量流失比例。第二预设模型可以根据两个时段的业务数据量以及资源信息组合预测该资源信息组合的弱覆盖比例。
在一个可选实施例中，该方法还包括：获取第三样本集合，第三样本集合中每个样本包括业务数据量，资源信息组合和吞吐率；对第三样本集合进行训练，得到第三预设模型。第三预设模型可以根据输入的业务数据量和资源信息组合预测该资源信息组合的吞吐率。
第五方面提供一种网络设备，该网络设备包括业务预测单元，获取单元，生成单元，第一模型处理单元，比较单元，第一选择单元，第二模型处理单元，第三模型处理单元，第二选择单元和发送单元，业务预测单元用于根据目标区域的N个载波在历史时段承载的业务数据量确定目标时段的业务数据量；获取单元用于根据目标时段的业务数据量获取目标关键性能指标KPI，预设模型组和预设条件；生成单元用于根据N个载波的载波资源信息生成M个资源信息组合，每个资源信息组合包括N个载波的载波资源信息，N和M均为大于1的整数；第一模型处理单元用于依次从M个资源信息组合中选取一个资源信息组合作为待处理资源信息组合；从模型数据集合中选取预设模型组中每个模型的输入数据；将每个模型的输入数据输入预设模型组中对应的模型；模型数据集合包括历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合，预设模型组中每个模型用于输出待处理资源信息组合对应的KPI中一个参数值；比较单元用于将每个资源信息组合的KPI与目标KPI进行比较；第一选择单元根据符合预设条件的比较结果从多个资源信息组合中选择至少一个候选资源信息组合；第二模型处理单元用于将目标时段的业务数据量和候选资源信息组合输入资源利用率模型，资源利用率模型用于输出候选资源信息组合的物理资源块利用率；第三模型处理单元用于根据每个候选资源信息组合的物理资源块利用率和预设的资源能耗模型预测每个候选资源信息组合的能耗；第二选择单元用于从至少一个候选资源信息组合中选取目标资源信息组合，目标资源信息组合的能耗小于或等于预设能耗；发送单元用于将目标资源信息组合发送给第二网络设备，目标资源信息组合用于在目标时段调整目标资源信息组合对应的载波资源。该网络设备可以预测出每个资源信息组合的KPI和能耗，从而选择不影响KPI和低能耗的资源信息组合调整载波资源，能够保障KPI和节能。
在另一种可能的实现方式中，获取单元具体用于当目标时段的业务数据量小于或等于第一数据量时，获取包括目标流量流失比例和目标弱覆盖比例的目标KPI,包括第一预设模型和第二预设模型的预设模型组和包括第一规则和第二规则的预设条件，第一预设模型用于输出每个资源信息组合对应的流量流失比例，第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，第一规则为资源信息组合的流量流失比例小于或等于目标流量流失比例，第二规则为资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例。
在另一种可能的实现方式中，获取单元具体用于当目标时段的业务数据量大于第一数据量且目标时段的业务数据量小于或等于第二数据量时，获取包括目标流量流失比例，目标弱覆盖比例和目标吞吐率的目标KPI，包括第一预设模型，包括第二预设模型和第三预设模型的预设模型组，包括第一规则，第二规则和第三规则的预设条件，第一预设模型用于输出每个资源信息组合对应的流量流失比例，第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，第三预设模型用于输出每个资源信息组合对应的吞吐量，第一规则为资源信息组合的流量流失比例小于或等于目标流量流失比例，第二规则为资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例,第三规则为资源信息组合的吞吐率大于或等于目标吞吐率。
在另一种可能的实现方式中，目标吞吐率是根据历史时段的业务体验速率和预设的满足度确定的。
在另一种可能的实现方式中，目标吞吐率对应于目标物理资源块利用率，目标物理资源块利用率是根据历史时段的流量压抑点确定的。
在另一种可能的实现方式中，目标吞吐率是根据在目标历史时段的吞吐率和预设扩展系数确定的，目标历史时段的业务数据量大于或等于预设数据量。
在另一种可能的实现方式中，第一模型处理单元具体用于当预设模型组包括第一预设模型和第二预设模型时，第一网络设备从模型数据集合中选取历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第二预设模型的输入数据；当预设模型组包括第一预设模型，第二预设模型和第三预设模型时，第一网络设备从模型数据集合中选取历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第二预设模型的输入数据，从模型数据集合中选取目标时段的业务数据量和待处理资源信息组合作为第三预设模型的输入数据。
在另一种可能的实现方式中，第三模型处理单元具体用于根据每个候选载波资源集合的物理资源块利用率、每个工作载波的可用通道数和预设的资源能耗模型预测每个候选载波资源集合的能耗。
在另一种可能的实现方式中，第二选择单元具体用于从至少一个候选资源信息组合中选取最小能耗对应的候选资源信息组合作为目标资源信息组合。
在另一种可能的实现方式中，第二选择单元具体用于根据每个候选资源信息组合的流量流失比例、弱覆盖比例和候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
在另一种可能的实现方式中，第二选择单元具体用于根据每个候选资源信息组合中工作载波资源的吞吐率、流量流失比例、弱覆盖比例和候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
在另一种可能的实现方式中，第一网络设备包括资源组合状态接口，资源组合状态接口用于向第二网络设备传输目标资源信息组合。
第五方面中名词解释，网络设备执行的步骤和有益效果可参阅第一方面中的相应描述。
第六方面提供一种网络设备，该网络设备包括获取数据单元和训练单元，获取数据单元用于获取多个时段的样本，每个样本包括业务数据量，目标区域的资源信息组合和资源信息组合的物理资源利用率；训练单元用于对多个时段的样本进行训练，得到资源利用率模型。第六方面中名词解释，网络设备执行的步骤和有益效果可参阅第二方面中的相应描述。
第七方面提供一种网络设备，该网络设备包括获取数据单元和训练单元，获取数据单元用于获取多个时段的样本，每个样本包括目标区域的资源信息组合，资源信息组合的物理资源块利用率和能耗值；训练单元用于对多个时段的样本进行训练，得到资源能耗模型。第七方面中名词解释，网络设备执行的步骤和有益效果可参阅第三方面中的相应描述。
第八方面提供一种网络设备，该网络设备包括获取数据单元和训练单元，获取数据单元用于获取第一样本集合，第一样本集合包括第一组时段的业务数据量，第一组时段的资源信息组合，第二组时段的业务数据量，第二组时段的资源信息组合和流量流失比例；训练单元用于对第一样本集合进行训练，得到第一预设模型；获取数据单元还用于获取第二样本集合，第二样本集合包括第一组时段的业务数据量，第一组时段的资源信息组合，第二组时段的业务数据量，第二组时段的资源信息组合和弱覆盖比例；训练单元还用于对第二样本集合进行训练，得到第二预设模型。第八方面中名词解释，网络设备执行的步骤和有益效果可参阅第四方面中的相应描述。
在一个可选实施例中，获取数据单元还用于获取第三样本集合，第三样本集合中每个样本包括业务数据量，资源信息组合和吞吐率；训练单元还用于对第三样本集合进行训练，得到第三预设模型。
第九方面提供一种网络设备，其包括处理器和存储器，存储器，用于存储程序；处理器通过执行程序用于实现上述第一方面的设备节能方法，第二方面的建立资源利用率模型的方法，第三方面的建立资源能耗模型的方法或第四方面的建立预设模型组的方法。
第十方面提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面的方法。
第十一方面提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面的方法。
第十二方面提供了一种芯片系统，包括至少一个处理器，处理器和存储器耦合，存储器用于存储计算机程序或指令，处理器用于执行计算机程序或指令，以实现上述各方面的方法。
附图说明
图1为本申请实施例中无线通信系统的一个示意图；
图2为本申请实施例中无线通信系统的另一个示意图；
图3A为本申请实施例中下行体验速率变化曲线的一个示意图；
图3B为本申请实施例中流量变化曲线的一个示意图；
图3C为本申请实施例中物理资源块利用率变化曲线的一个示意图；
图4为本申请实施例中设备节能方法的一个流程图；
图5为本申请实施例中业务与速率的对应关系的一个示意图；
图6为本申请实施例中下行体验速率与用户满足度的对应关系的一个示意图；
图7为本申请实施例中流量压抑点的一个示意图；
图8为本申请实施例中建立资源利用率模型的一个流程图；
图9为本申请实施例中建立资源能耗模型的一个流程图；
图10为本申请实施例中建立预设模型组的一个流程图；
图11为本申请实施例中网络设备的一个结构图；
图12为本申请实施例中网络设备的另一个结构图；
图13为本申请实施例中网络设备的另一个结构图。
具体实施方式
本申请的设备节能方法可应用于多频组网场景。参阅图1，在一个多频组网场景的示例中，无线通信系统包括移动网络网元11，基站121，基站122，基站123，基站124和基站125。移动网络网元11部署有移动宽带自动操作引擎(mobile broadband automationengine，MAE)，通过MAE管理基站121，基站122，基站123，基站124和基站125。
每个基站的载波资源包括载波和载波通道。载波资源信息可以包括但不限于载波标识，载波状态、载波通道数和载波功率。每个基站可以配置一个或多个载波。载波的状态可以是开通或关闭。载波功率可以分为多个等级，例如载波功率分为10个等级，功率等级范围为0～10分贝(dB)。载波功率的等级数量以及功率等级范围可以根据实际情况进行设置。
每个载波对应的通道总数是预先配置的，例如64通道，32通道。在调整载波资源时，可以开通或关闭一个或多个通道。例如，一个载波对应的通道总数为64，可用通道数可以是但不限于64，32，16和8。在实际应用中，可用通道比例等于可用通道数与通道总数的比值。可用通道比例的取值可以是但不限于1，1/2，1/4，1/8。
在另一个多频组网场景的示例中，无线通信系统包括集中单元(centralizedunit，CU)和分布单元(distributed unit，DU)。每个CU连接一个或多个DU。参阅图2，在另一个示例中，无线通信系统包括CU21，DU221，DU222和DU223。应理解，无线通信系统中移动网络网元和基站的数量不限于以上举例。一个基站中CU和DU的数量不限于以上举例。
在另一个示例中，无线通信系统包括1个移动网络网元和60个基站。60个基站的平均下行体验速率如图3A所示。60个基站的流量如图3B所示。60个基站的物理资源块利用率如图3C所示。
参阅图3A，平均下行体验速率的峰值在早上4点，平均下行体验速率的谷值在晚上9点。早上4点的平均下行体验速率为32兆比特每秒(megabits per second，Mbps)，晚上9点的平均下行体验速率为14Mbps。可以看出，该区域的平均下行体验速率峰值大于平均下行体验速率谷值的2倍。
参阅图3B，流量峰值在下午6点，流量谷值在早上4点。可以看出，流量峰值约为流量谷值的9倍。
参阅图3C，物理资源块利用率峰值在下午6点，物理资源块利用率的谷值在早上4点。可以看出，物理资源块利用率的峰值约为物理资源块利用率谷值的3倍。从图3A，图3B和图3C可以看出，无线通信系统的KPI存在时空分布的不均衡。
按照现有节能方法，预先配置多个业务数据量门限，根据业务数据量的区间确定相应的关断时长，按照关断时长将部分载波关断，或者按照关断时长将部分载波通道关断。业务数据量越小，关断时长越大。这样关断时长是根据经验设置的，可能导致网络的KPI不能满足KPI要求。网络KPI包括用户体验速率、物理资源块利用率和流量等。
为了解决上述问题，本申请提供一种设备节能方法，能够获取各种状态的载波集合和各载波集合的KPI，将各载波集合的KPI和设定KPI进行比较，根据比较结果选取合适的载波集合，根据选取的载波集合关断载波或关断载波通道，这样既可以保障KPI，又可以节能。下面对该设备节能方法进行介绍，参阅图4，本申请中设备节能方法的一个实施例包括：
步骤401、第一网络设备根据目标区域的N个载波在历史时段承载的业务数据量确定目标时段的业务数据量。
本实施例中，当第一网络设备为移动网络网元时，目标区域包括一个或多个小区。当第一网络设备为基站时，目标区域为一个小区。N个载波可以是目标区域的全部载波或部分载波。目标时段可以是n小时，n分钟，n秒或n微秒，n的取值可以根据实际情况进行设置，本申请不作限定。
可选的，步骤401包括：第一网络设备使用时序预测方法对目标区域的N个载波在历史时段承载的业务数据量进行处理，以得到目标时段的业务数据量。历史时段的时长可以根据实际情况进行设置，例如，一个或多个星期，一天或几天，一个或多个小时等。
步骤402、第一网络设备根据目标时段的业务数据量获取目标关键性能指标，预设模型组和预设条件。
在轻载场景下吞吐量小可能是因为业务导致，可不考虑吞吐量。因此轻载场景和中载场景可以对应不同的KPI。
在一个可选实施例中，当目标时段的业务数据量小于或等于第一数据量时，表示目标时段的业务数据量属于轻载场景的数据量。第一网络设备获取包括目标流量流失比例和目标弱覆盖比例的目标KPI，包括第一预设模型和第二预设模型的预设模型组，以及包括第一规则和第二规则的预设条件。当目标时段的业务数据量大于第一数据量且小于或等于第二数据量时，表示目标时段的业务数据量属于中载场景的数据量。第一网络设备获取包括目标流量流失比例，目标弱覆盖比例和目标吞吐率的目标KPI，包括第一预设模型，包括第二预设模型和第三预设模型的预设模型组，包括第一规则，第二规则和第三规则的预设条件。第一数据量和第二数据量的取值都可以根据实际情况进行设置，本申请不作限定。
其中，第一预设模型用于输出每个资源信息组合对应的流量流失比例，第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，第三预设模型用于输出每个资源信息组合对应的吞吐量。第一规则为资源信息组合的流量流失比例小于或等于目标流量流失比例，第二规则为资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例。第三规则为资源信息组合的吞吐率大于或等于目标吞吐率。目标流量流失比例，目标弱覆盖比例和目标吞吐率都可以根据实际情况进行设置，本申请不作限定。
步骤403、第一网络设备根据N个载波的载波资源信息生成M个资源信息组合。
载波资源信息包括载波标识、载波状态、载波的通道数和载波功率等级。每个资源信息组合包括N个载波的载波资源信息，N和M均为大于1的整数。可选的，M个资源信息组合包括N个载波的载波资源信息的所有组合。
目标区域的载波可以分为基础载波和容量载波。基础载波不可关断，容量载波可以开通或关断。对于共射频的多个载波，多个载波保持同时关闭，或者同时开启。
在一个示例中，M个资源信息组合如表1所示：
载波标识 载波状态 载波通道数 载波功率等级
CA1 1 32 0
CA2 0 NULL NULL
… … … …
CAM 1 64 0
表1
载波功率等级表示载波调整幅度，当载波功率等级为0时，表示功率不变。NULL表示取值为空。
步骤404、第一网络设备依次从M个资源信息组合中选取一个资源信息组合作为待处理资源信息组合。
步骤405、第一网络设备从模型数据集合中选取预设模型组中每个模型的输入数据。
模型数据集合包括历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合。信号质量信息可以是但不限于参考信号接收功率(reference signal receiving power，RSRP)或接收信号强度指示(received signal strength indication，RSSI)。
步骤406、第一网络设备将每个模型的输入数据输入预设模型组中对应的模型。
具体的，第一网络设备将输入数据输入预设模型组中的每个模型后，预设模型组中每个模型可以输出待处理资源信息组合的KPI中一个参数值，这样预设模型组可以输出待处理资源信息组合的关键性能指标。依此可以输出每个资源信息组合的关键性能指标。
当目标时段的业务数据量小于或等于第一数据量时，第一网络设备将输入数据分别输入第一预设模型和第二预设模型，第一预设模型输出每个资源信息组合对应的流量流失比例，第二预设模型输出每个资源信息组合对应的弱覆盖比例。
当目标时段的业务数据量大于第一数据量且小于或等于第二数据量时，第一网络设备将输入数据分别输入第一预设模型，第二预设模型和第三预设模型，第一预设模型输出每个资源信息组合对应的流量流失比例，第二预设模型输出每个资源信息组合对应的弱覆盖比例，第三预设模型输出每个资源信息组合对应的吞吐量。
步骤407、第一网络设备将每个资源信息组合的关键性能指标与目标关键性能指标进行比较。
当目标KPI包括目标流量流失比例和目标弱覆盖比例时，第一网络设备将每个资源信息组合的流量流失比例与目标流量流失比例进行比较，以及，将每个资源信息组合的弱覆盖比例与目标弱覆盖比例进行比较。当第i个资源信息组合的流量流失比例小于或等于目标流量流失比例且第i个资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例时，确定第i个资源信息组合的KPI与目标KPI的比较结果符合预设条件。当第i个资源信息组合的流量流失比例大于目标流量流失比例，和/或第i个资源信息组合的弱覆盖比例大于目标弱覆盖比例时，确定第i个资源信息组合的KPI与目标KPI的比较结果不符合预设条件，i为不大于M的正整数。
当目标KPI包括目标流量流失比例，目标弱覆盖比例和目标吞吐率时，第一网络设备将每个资源信息组合的流量流失比例与目标流量流失比例进行比较，将每个资源信息组合的弱覆盖比例与目标弱覆盖比例进行比较，以及，将每个资源信息组合的吞吐量与目标吞吐量进行比较。当第i个资源信息组合的流量流失比例小于或等于目标流量流失比例，第i个资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例且第i个资源信息组合的吞吐率大于或等于目标吞吐率时，确定第i个资源信息组合的KPI与目标KPI的比较结果符合预设条件。当第i个资源信息组合的流量流失比例大于目标流量流失比例，和/或第i个资源信息组合的弱覆盖比例大于目标弱覆盖比例，和/或第i个资源信息组合的吞吐率小于目标吞吐率时，确定第i个资源信息组合的KPI与目标KPI的比较结果不符合预设条件。
步骤408、第一网络设备根据符合预设条件的比较结果从多个资源信息组合中选择至少一个候选资源信息组合。
步骤409、第一网络设备将目标时段的业务数据量和候选资源信息组合输入预设的资源利用率模型，资源利用率模型用于输出候选资源信息组合的物理资源块利用率。
步骤410、第一网络设备根据每个候选资源信息组合的物理资源块利用率和预设的资源能耗模型预测每个候选资源信息组合的能耗。
步骤411、第一网络设备从至少一个候选资源信息组合中选取目标资源信息组合，目标资源信息组合的能耗小于或等于预设能耗。
预设能耗可以根据实际情况进行设置，本申请不作限定。预设能耗的值可以是但不限于1500瓦。
步骤412、第一网络设备将目标资源信息组合发送给第二网络设备。
第二网络设备根据目标资源信息，在目标时段调整目标资源信息组合对应的载波资源。调节载波资源包括以下操作中的至少一项：开启载波，关闭载波，开启载波通道，关闭载波通道，调整载波功率。
本实施例中，第一网络设备可以预测目标时段的业务数据量，这样可以确定的目标KPI能够符合实际KPI。第一网络设备还可以将目标时段的业务数据量和各种资源信息组合输入预测模型组和资源能耗模型，通过模型预测出每个资源信息组合的KPI和能耗，选择不影响KPI和低能耗的资源信息组合对第二网络设备的载波资源调整。该方法既能够符合目标KPI，有能起到节能效果，从而克服了现有节能技术不能保障KPI的缺陷。
本申请可以通过多种方式确定目标吞吐率，下面进行介绍：
在另一个可选实施例中，目标吞吐率是根据历史时段的业务体验速率和预设的满足度确定的。
本实施例中，载波可能承载多种业务，每种业务有对应的速率。速率也称为体验速率或业务体验速率，速率包括下行体验速率和上行体验速率，本申请描述的体验速率通常是指下行体验速率。在一个示例中，第一满足度为80％，第二满足度为90％，某个时段的多种业务与速率的对应关系如表2所示，在表2中速率的单位为兆比特每秒。
业务名称 实际速率(Mbps) 第一满足度的速率阈值 第二满足度的速率阈值
网络语音服务 0.1 0.2 0.4
即时通讯 0.2 0.2 0.4
网络视频服务 0.3 0.4 0.5
游戏 0.7 0.8 1
240P视频 0.9 1 1.5
360P视频 1.3 1.5 2
500千字节的Web 2 2 4
480P视频 2.2 2 4
社交网络服务 2.2 2 4
1兆字节的Web 4 5 10
720P视频 4.7 5 10
电子邮件 7 10 20
2兆字节的Web 8 10 20
文件传输 8.9 10 20
云服务 8.9 10 20
1080P视频 9.1 10 20
表2
图5示出了表2的业务与实际速率的对应关系。
图6示出了用户满足度与720P视频业务的速率之间的对应关系。参阅图6，当速率为5Mbps时，用户满足度为80％，当速率为10Mbps时，用户满足度为90％。
从表2可以看出，当480P的视频业务和500KB的Web业务的速率都为2Mbps时，用户满足度为80％。当720P的视频业务和1MB的Web业务的速率都为5Mbps时，用户满足度为80％。当1080P的视频业务和2MB的Web业务的速率为都10Mbps时，用户满足度为80％。
可选的，目标吞吐率等于全部业务的速率阈值的加权平均值。速率阈值与用户满足度具有对应关系。每个业务的速率阈值的权值可以根据实际情况进行设置，本申请不作限定。这样的目标吞吐率可以满足业务速率和用户满足度的要求。
在另一个可选实施例中，目标吞吐率对应于目标物理资源块利用率，目标物理资源块利用率是根据历史时段的流量压抑点确定的。
本实施例中，流量压抑点能够指示在流量与用户数的对应关系为线性关系时的最大用户数和最大流量。参阅图7，在流量压抑点p之前，流量与用户数的对应关系为线性关系。从流量压抑点开始，流量与用户数的对应关系变成非线性关系。
具体的，根据流量压抑点确定目标用户数，根据用户数与物理资源块利用率的预设对应关系确定目标用户数对应的目标物理资源块利用率，根据物理资源块利用率与吞吐率的预设对应关系确定目标物理资源块利用率对应的目标吞吐率。这样的目标吞吐率能够满足一定数量的用户，也能满足用户对业务速率的需求。
在另一个可选实施例中，目标吞吐率是根据在目标历史时段的吞吐率和预设扩展系数确定的，目标历史时段的业务数据量大于或等于预设数据量。
本实施例中，扩展系数为非重载时段的吞吐率与重载时段的吞吐率之比。重载时段的吞吐率通常小于非重载时段的吞吐率。扩展系数可以是大于1的实数，例如1.2或2。扩展系数的取值可以根据实际情况进行设置，本申请不作限定。
当目标历史时段的业务数据量大于或等于预设数据量时，表明目标历史时段为重载时段，根据目标历史时段的吞吐率和扩展系数计算得到的目标吞吐率能够满足非重载场景下的吞吐量要求。非重载场景可以是中载场景或轻载场景。
除了以上方法确定目标吞吐率，还可以根据客户对吞吐率的要求或者建网要求的吞吐率确定目标吞吐率。
在另一个可选实施例中，第一网络设备根据每个候选载波资源集合的物理资源块利用率和预设的资源能耗模型预测每个候选载波资源集合的能耗包括：第一网络设备根据每个候选载波资源集合的物理资源块利用率、每个工作载波的可用通道数和预设的资源能耗模型预测每个候选载波资源集合的能耗。
本实施例中的资源能耗模型的输入数据还包括工作载波的可用通道数，由于载波通道与能耗相关，因此增加工作载波的可用通道数作为资源能耗模型的训练数据能够减少资源能耗模型的预测误差。
在另一个可选实施例中，第一网络设备从至少一个候选资源信息组合中选取目标资源信息组合包括：第一网络设备从至少一个候选资源信息组合中选取最小能耗对应的候选资源信息组合作为目标资源信息组合。
本实施例中，获取全部候选资源信息组合的能耗后，选择最小能耗的候选资源信息组合作为目标资源信息组合，这样耗能最少，节能效果最好。
在另一个可选实施例中，第一网络设备从至少一个候选资源信息组合中选取目标资源信息组合包括：第一网络设备根据每个候选资源信息组合的流量流失比例、弱覆盖比例和候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
本实施例中，第一网络设备根据每个候选资源信息组合的流量流失比例确定第一代价函数值，根据每个候选资源信息组合的弱覆盖比例确定第二代价函数值，以及根据每个候选资源信息组合的能耗确定第三代价函数值，根据第一代价函数值，第二代价函数值和第三代价函数值确定候选资源信息组合对应的代价值。
候选资源信息组合对应的代价值cost，第一代价函数值Ytraffic，第二代价函数值Ypc和第三代价函数值Yps满足以下公式：
cost＝C1*Ytraffic+C2*Ypc+C3*Yps
C1为第一代价函数值的权重，C2为第二代价函数值的权重，C3为第三代价函数值的权重。
在计算出每个候选资源信息组合对应的代价值之后，可以使用离线粒子群算法确定最小代价值对应的目标资源信息组合。
可选的，第一网络设备根据每个候选资源信息组合的流量流失比例确定第一代价函数值包括：当候选资源信息组合的流量流失比例大于预设的节能基线时，第一代价函数值等于2000；当候选资源信息组合的流量流失比例小于预设的节能基线时，第一代价函数值等于0。节能基线可以是但不限于0.1。节能基线的取值可以根据实际情况进行设置，本申请不作限定。
可选的，第一网络设备根据每个候选资源信息组合的弱覆盖比例确定第二代价函数值包括：当候选资源信息组合的弱覆盖比例大于预设的弱覆盖比例时，第二代价函数值等于2000；当候选资源信息组合的弱覆盖比例小于或等于预设的弱覆盖比例时，第二代价函数值等于0。
可选的，第一网络设备根据每个候选资源信息组合的能耗确定第三代价函数包括：获取N个载波在待处理历史时段的历史能耗，待处理历史时段的时长与目标时长相等且待处理历史时段与目标时段相邻；根据每个候选资源信息组合的能耗和上述历史能耗确定能耗增益；当候选资源信息组合的能耗增益小于预设能耗增益时，第三代价函数值等于2000；当候选资源信息组合的能耗增益大于或等于预设能耗增益时，第三代价函数值等于20*(1-PCSavingRatio)。PCSavingRatio为候选资源信息组合的能耗增益。PCSavingRatio＝(PC-PCwithES)/PC，PC为候选资源组合的能耗，PCwithES为N个载波在待处理历史时段的历史能耗。
在另一个可选实施例中，第一网络设备从至少一个候选资源信息组合中选取目标资源信息组合包括：第一网络设备根据每个候选资源信息组合中工作载波资源的吞吐率、流量流失比例、弱覆盖比例和候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
本实施例中，第一网络设备根据每个候选资源信息组合的流量流失比例确定第一代价函数值，根据每个候选资源信息组合的弱覆盖比例确定第二代价函数值，根据每个候选资源信息组合的能耗确定第三代价函数值，以及根据每个候选资源信息组合的吞吐率确定第四代价函数值；根据第一代价函数值，第二代价函数值，第三代价函数值和第四代价函数值确定候选资源信息组合对应的代价值。
本实施例中，候选资源信息组合对应的代价值cost，第一代价函数值Ytraffic，第二代价函数值Ypc，第三代价函数值Yps和第四代价函数值Ythp满足以下公式：
cost＝C1*Ytraffic+C2*Ypc+C3*Yps+C4*Ythp
C1为第一代价函数值的权重，C2为第二代价函数值的权重，C3为第三代价函数值的权重，C4为第四代价函数值的权重。
在计算出每个候选资源信息组合对应的代价值之后，可以使用离线粒子群算法确定最小代价值，然后确定最小代价值对应的目标资源信息组合。
可选的，第一网络设备根据每个候选资源信息组合的流量流失比例确定第一代价函数值包括：当候选资源信息组合的流量流失比例大于预设的节能基线时，第一代价函数值等于2000；当候选资源信息组合的流量流失比例小于预设的节能基线时，第一代价函数值等于0。节能基线可以是但不限于0.1。节能基线的取值可以根据实际情况进行设置，本申请不作限定。
可选的，第一网络设备根据每个候选资源信息组合的弱覆盖比例确定第二代价函数值包括：当候选资源信息组合的弱覆盖比例大于预设的弱覆盖比例时，第二代价函数值等于2000；当候选资源信息组合的弱覆盖比例小于或等于预设的弱覆盖比例时，第二代价函数值等于0。
可选的，第一网络设备根据每个候选资源信息组合的能耗确定第三代价函数包括：获取N个载波在待处理历史时段的历史能耗，待处理历史时段的时长与目标时长相等且待处理历史时段与目标时段相邻；根据每个候选资源信息组合的能耗和历史能耗确定能耗增益；当候选资源信息组合的能耗增益小于预设能耗增益时，第三代价函数值等于2000；当候选资源信息组合的能耗增益大于或等于预设能耗增益时，第三代价函数值等于20*(1-PCSavingRatio)。PCSavingRatio为候选资源信息组合的能耗增益，PCSavingRatio＝(PC-PCwithES)/PC。PC为候选资源信息组合的能耗，PCwithES为N个载波在待处理历史时段的历史能耗。预设能耗增益可以根据实际情况进行设置，本申请不作限定。
可选的，第一网络设备根据每个候选资源信息组合的吞吐率确定第四代价函数包括：当候选资源信息组合的吞吐率小于预设吞吐率时，第四代价函数值等于2000；当候选资源信息组合的吞吐率大于或等于目标吞吐率时，第四代价函数值等于EXP((Thptarget-Thpsite)/Thptarget)。Thptarget为目标吞吐率，Thpsite为候选资源信息组合的吞吐率，EXP是以自然常数e为底的指数函数。预设吞吐率可以是在目标历史时段的下行平均速率，目标历史时段的业务量大于或等于预设数据量。
候选资源信息组合对应的代价值越小，表明候选资源组合越好。候选资源信息组合对应的代价值越大，表明候选资源组合越差。在实际应用中，可以根据实际需要设置流量流失比例的权重，弱覆盖比例的权重，能耗的权重，吞吐率的权重，这样可以选取出代价最小的资源信息组合，而且能够在一定程度上节能能耗。
上述代价函数中将2000作为各代价函数的最大值。实际上各代价函数的最大值可以设置为不同值，而且最大值可以根据实际情况进行设置，本申请不作限定。
本申请的实施例中，第一网络设备还包括资源组合状态接口，资源组合状态接口用于向第二网络设备传输目标资源信息组合。
本申请的模型包括但不限于资源利用率模型，资源能耗模型，第一预设模型，第二预设模型和第三预设模型。下面分别对各模型的建立方法进行介绍：
一、资源利用率模型：
参阅图8，本申请中建立资源利用率模型的方法的一个实施例包括：
步骤801、获取多个时段的样本，每个样本包括业务数据量，目标区域的资源信息组合和资源信息组合的物理资源利用率。
本实施例中，每个样本的采样时长相等。采样时长可以是n天，n小时或n分钟，n为正整数。采样时段的时长可以根据实际情况进行设置，本申请不作限定。资源信息组合包括目标区域的全部或部分载波。由于关断载波没有物理资源利用率，因此资源信息组合的物理资源利用率可以理解为在资源信息组合中工作载波的物理资源利用率。
步骤802、对多个时段的样本进行训练，得到资源利用率模型。
资源利用率模型的输入数据包括业务数据量和资源信息组合，资源利用率模型的输出数据为PRB利用率。使用监督学习算法对输入数据和输出数据进行训练，可以得到资源利用率模型。监督学习算法可以是但不限于GBDT算法，xgBoost算法或随机森林算法。
二、资源能耗模型：
参阅图9，本申请中建立资源能耗模型的方法的一个实施例包括：
步骤901、获取多个时段的样本，每个样本包括目标区域的资源信息组合，资源信息组合的物理资源块利用率和能耗值。
每个样本的采样时长相等。采样时长可以是n天，n小时或n分钟，n为正整数。采样时段的时长可以根据实际情况进行设置，本申请不作限定。资源信息组合包括目标区域的全部或部分载波。
步骤902、对多个时段的样本进行训练，得到资源能耗模型。
资源能耗模型的输入数据包括载波资源信息以及载波资源信息的物理资源块利用率，资源能耗模型的输出数据为能耗值，使用监督学习算法对输入数据和输出数据进行训练，可以得到资源能耗模型。监督学习算法可以是但不限于梯度提升决策树(gradientboosting decision tree，GBDT)算法，xgBoost算法或随机森林算法。
三、预设模型组：
参阅图10，本申请中建立预设模型组的方法的一个实施例包括：
步骤1001、获取第一样本集合，第一样本集合包括第一组时段的业务数据量，第一组时段的资源信息组合，第二组时段的业务数据量，第二组时段的资源信息组合和流量流失比例。
本实施例中，第一组时段包括N个时段，第二组时段包括N个时段，第一组时段的第i个时段是第二组时段中第i个时段的前一个时段且第一组时段的第i个时段与第二组时段中第i个时段相邻。例如，第一组时段的时段为第1小时，第2小时…，第23小时。第二组时段的时段为第2小时，第3小时…，第24小时。第一组时段和第二组时段中每个时段可以是但不限于n天，n小时或n分钟，n为正整数，n的取值可以根据实际情况进行设置，本申请不作限定。第一组时段的时长与第二组时段的时长可以不同，例如第一组时段的时段是7天，第二组时段的时段是1天。
步骤1002、对第一样本集合进行训练，得到第一预设模型。
第一预设模型的输入数据包括第一组时段的业务数据量，第一组时段的工作载波信息，第二组时段的业务数据量和第二组时段的工作载波信息，输出数据为流量流失比例。使用监督学习算法对输入数据和输出数据进行训练，以得到第一预设模型。监督学习算法可以是但不限于GBDT算法，xgBoost算法或随机森林算法。
步骤1003、获取第二样本集合，第二样本集合包括第一组时段的业务数据量，第一组时段的资源信息组合，第二组时段的业务数据量，第二组时段的资源信息组合和弱覆盖比例。
步骤1004、对第二样本集合进行训练，得到第二预设模型。
第二预设模型的输入数据包括第一组时段的业务数据量，第一组时段的工作载波信息，第二组时段的业务数据量和第二组时段的工作载波信息，输出数据为弱覆盖比例。使用监督学习算法对输入数据和输出数据进行训练，以得到第二预设模型。监督学习算法可以是但不限于GBDT算法，xgBoost算法或随机森林算法。
本实施例中，第一预设模型可以根据两个时段的业务数据量以及资源信息组合预测该资源信息组合的流量流失比例。第二预设模型可以根据两个时段的业务数据量以及资源信息组合预测该资源信息组合的弱覆盖比例。这样可以输出2个KPI参数值。
需要说明的是，建立第一预设模型和建立第二预设模型的顺序并不是固定的，步骤1003和步骤1004也可以在步骤1001或步骤1002之前执行。
在一个可选实施例中，该方法还包括：获取第三样本集合，第三样本集合中每个样本包括业务数据量，资源信息组合和吞吐率；对第三样本集合进行训练，得到第三预设模型。第三预设模型可以预测资源信息组合的吞吐率。
第三预设模型的输入数据包括第一组时段的业务数据量，第一组时段的工作载波信息，第二组时段的业务数据量和第二组时段的工作载波信息，输出数据为吞吐率。使用监督学习算法对输入数据和输出数据进行训练，以得到第三预设模型。监督学习算法可以是但不限于GBDT算法，xgBoost算法或随机森林算法。
应理解，对于上述每个模型的输入数据，在训练之前可以进行数据清洗和数据标准化处理。
下面以一个具体应用场景对本申请的设备节能方法的节能效果进行介绍：
在中载场景下，当目标区域的资源信息组合的PRB利用率为20％时，在不限定目标速率的条件下，目标区域的无损速率为15.1Mbps，节能空间为10.4％。在目标速率为8Mbps，8.5Mbps或10Mbps的条件下，节能空间和平均速率如表3所示：
目标速率 - 8Mbps 8.5Mbps 10Mbps
节能空间 10.4％ 19.3％ 18.7％ 16.2％
平均速率 15.1Mbps 13.7Mbps 13.78Mbps 13.99Mbps
节能空间增量 0 +9.1％ +8.5％ +5.8％
表3
从表3可以看出，在中载场景下，本申请的设备节能方法能够节省5.8％～9.1％的能耗。平均速率保持在无损速率的90％以上。其中，8.5Mbps为重载场景下的平均速率。
在轻载场景下，当目标区域的资源信息组合的PRB利用率为5％时，无损速率为27.3Mbps，节能空间为21.7％。在目标速率为10Mbps，13.5Mbps或15Mbps的条件下，节能空间和平均速率如表4所示：
目标速率 - 10Mbps 13.5Mbps 15Mbps
节能空间 21.7％ 33.1％ 32.6％ 31.9％
平均速率 27.3Mbps 17.1Mbps 17.28Mbps 17.54Mbps
节能空间增量 0 +11.4％ +10.9％ +10.2％
表4
从表4可以看出，在轻载场景下，本申请的设备节能方法能够节省10％以上的能耗。平均速率保持在无损速率的62％以上。其中，13.5Mbps为另一个重载场景下的平均速率。
本申请的网络设备可以实现图4所示实施例或可选实施例中由第一网络设备执行的步骤。参阅图11，在一个实施例中，网络设备1100包括：
业务预测单元1101，用于根据目标区域的N个载波在历史时段承载的业务数据量确定目标时段的业务数据量；
获取单元1102，用于根据目标时段的业务数据量获取目标KPI，预设模型组和预设条件；
生成单元1103，用于根据N个载波的载波资源信息生成M个资源信息组合，每个资源信息组合包括N个载波的载波资源信息，N和M均为大于1的整数；
第一模型处理单元1104，用于依次从M个资源信息组合中选取一个资源信息组合作为待处理资源信息组合；从模型数据集合中选取预设模型组中每个模型的输入数据，将每个模型的输入数据输入预设模型组中对应的模型，模型数据集合包括历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合，预设模型组中每个模型用于输出待处理资源信息组合对应的KPI中一个参数值；
比较单元1105，用于将每个资源信息组合的KPI与目标KPI进行比较；
第一选择单元1106，用于根据符合预设条件的比较结果从多个资源信息组合中选择至少一个候选资源信息组合；
第二模型处理单元1107，用于将目标时段的业务数据量和候选资源信息组合输入资源利用率模型，资源利用率模型用于输出候选资源信息组合的物理资源块利用率；
第三模型处理单元1108，用于根据每个候选资源信息组合的物理资源块利用率和预设的资源能耗模型预测每个候选资源信息组合的能耗；
第二选择单元1109，用于从至少一个候选资源信息组合中选取目标资源信息组合，目标资源信息组合的能耗小于或等于预设能耗；
发送单元1110，用于将目标资源信息组合发送给第二网络设备，目标资源信息组合用于在目标时段调整目标资源信息组合对应的载波资源。
在一个可选实施例中，获取单元1102具体用于当目标时段的业务数据量小于或等于第一数据量时，获取包括目标流量流失比例和目标弱覆盖比例的目标KPI,包括第一预设模型和第二预设模型的预设模型组和包括第一规则和第二规则的预设条件，第一预设模型用于输出每个资源信息组合对应的流量流失比例，第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，第一规则为资源信息组合的流量流失比例小于或等于目标流量流失比例，第二规则为资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例。
在另一个可选实施例中，获取单元1102具体用于当目标时段的业务数据量大于第一数据量且小于或等于第二数据量时，获取包括目标流量流失比例，目标弱覆盖比例和目标吞吐率的目标KPI，包括第一预设模型，包括第二预设模型和第三预设模型的预设模型组，包括第一规则，第二规则和第三规则的预设条件，第一预设模型用于输出每个资源信息组合对应的流量流失比例，第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，第三预设模型用于输出每个资源信息组合对应的吞吐量，第一规则为资源信息组合的流量流失比例小于或等于目标流量流失比例，第二规则为资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例,第三规则为资源信息组合的吞吐率大于或等于目标吞吐率。
可选的，目标吞吐率是根据历史时段的业务体验速率和预设的满足度确定的。
另一可选的，目标吞吐率对应于目标物理资源块利用率，目标物理资源块利用率是根据历史时段的流量压抑点确定的。
另一可选的，目标吞吐率是根据在目标历史时段的吞吐率和预设扩展系数确定的，目标历史时段的业务数据量大于或等于预设数据量。
在另一个可选实施例中，第一模型处理单元1104具体用于当预设模型组包括第一预设模型和第二预设模型时，第一网络设备从模型数据集合中选取历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第二预设模型的输入数据；当预设模型组包括第一预设模型，第二预设模型和第三预设模型时，第一网络设备从模型数据集合中选取历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取历史时段的信号质量信息，历史时段的业务数据量，历史时段的资源信息组合，目标时段的业务数据量和待处理资源信息组合作为第二预设模型的输入数据，从模型数据集合中选取目标时段的业务数据量和待处理资源信息组合作为第三预设模型的输入数据。
在另一个可选实施例中，第三模型处理单元1108具体用于根据每个候选载波资源集合的物理资源块利用率、每个工作载波的可用通道数和预设的资源能耗模型预测每个候选载波资源集合的能耗。
在另一个可选实施例中，第二选择单元1109具体用于从至少一个候选资源信息组合中选取最小能耗对应的候选资源信息组合作为目标资源信息组合。
在另一个可选实施例中，第二选择单元1109具体用于根据每个候选资源信息组合的流量流失比例、弱覆盖比例和候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
在另一个可选实施例中，第二选择单元1109具体用于根据每个候选资源信息组合中工作载波资源的吞吐率、流量流失比例、弱覆盖比例和候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
在另一个可选实施例中，网络设备1100还包括资源组合状态接口，资源组合状态接口用于向第二网络设备传输目标资源信息组合。
图11所示实施例中的名词解释，各单元执行的步骤和有益效果可参阅图4所示实施例中的相应描述。
参阅图12，本申请还提供一种网络设备，该网络设备1200包括获取数据单元1201和训练单元1202。
在一个可选实施例中，获取数据单元1201用于获取多个时段的样本，每个样本包括每个样本包括业务数据量，在目标区域中N个载波的载波资源信息和载波资源信息的物理资源利用率；训练单元1202用于对多个时段的样本进行训练，得到资源利用率模型。
在另一个实施例中，获取数据单元1201用于获取多个时段的样本，每个样本包括目标区域的资源信息组合，每个资源信息组合的物理资源块利用率和能耗值；训练单元1202用于对多个时段的样本进行训练，得到资源能耗模型。
在另一个实施例中，获取数据单元1201用于获取第一样本集合，第一样本集合包括第一组时段的业务数据量，第一组时段的载波资源信息，第二组时段的业务数据量，第二组时段的载波资源信息和流量流失比例；训练单元1202用于对第一样本集合进行训练，得到第一预设模型；获取数据单元1201还用于获取第二样本集合，第二样本集合包括第一组时段的业务数据量，第一组时段的载波资源信息，第二组时段的业务数据量，第二组时段的载波资源信息和弱覆盖比例；训练单元1202还用于对第二样本集合进行训练，得到第二预设模型。
在一个可选实施例中，获取数据单元1201用于获取第三样本集合，第三样本集合中每个样本包括业务数据量，资源信息组合和吞吐率；训练单元1202用于对第三样本集合进行训练，得到第三预设模型。
图12所示的网络设备能够实现图8，图9或图10所示实施例的方法。图12所示实施例中的名词解释，各单元执行的步骤和有益效果可参阅图8，图9或图10所示实施例的方法中的相应描述。
下面对本申请的网络设备的硬件结构进行介绍，参阅图13，本申请的网络设备1300的一个实施例包括：
通过总线1304连接的处理器1301，存储器1302和网络接口1303。处理器1301，存储器1302和网络接口1303的数量可以是一个或多个。
本实施例中，存储器1302用于存储程序或指令。通过调用存储器1302存储的程序或指令，处理器1301用于执行图4所示实施例或可选实施例中由第一网络设备执行的步骤，或者图8所示实施例中的建立资源利用率模型的方法，或图9所示实施例中建立资源能耗模型的方法，或者图10所示实施例中建立预设模型组的方法。
应理解，本实施例中提及的处理器1301可以是中央处理单元(centralprocessing unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解，本申请实施例中提及的存储器1302可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double datarate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DRRAM)。
网络接口1303可以用于接收数据或发送数据。
需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参见本申请前述所示的方法实施例中的叙述，此处不再赘述。
本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行上述实施例或可选实施例中设备节能方法。
本申请还提供一种包括计算机程序产品，当其在计算机上运行时，使得计算机执行如上述所示实施例或可选实施例中设备节能方法。
本申请还提供一种芯片系统，该芯片系包括相互耦合的处理器和存储器。存储器用于存储的计算机程序或指令，该处理单元用于执行存储器存储的计算机程序或指令，以使测量设备执行上述实施例中由测量设备执行的步骤。可选地，存储器为芯片内的存储器，如寄存器、缓存等，存储器还可以是站点内的位于芯片外部的存储器，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。上述任一处提到的处理器，可以是一个通用中央处理器，微处理器，专用集成电路(application specific integrated circuit，ASIC)或一个或多个用于实现上述设备节能方法的集成电路。
另外需说明的是，以上所描述的装置实施例只是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例的方案的目的。另外，本申请提供的装置实施例的附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例的技术方案的范围。

Claims (25)

1.一种设备节能方法，其特征在于，包括：
第一网络设备根据目标区域的N个载波在历史时段承载的业务数据量确定目标时段的业务数据量；
所述第一网络设备根据所述目标时段的业务数据量获取目标关键性能指标KPI，预设模型组和预设条件；
所述第一网络设备根据所述N个载波的载波资源信息生成M个资源信息组合，每个资源信息组合包括所述N个载波的载波资源信息，所述N和所述M均为大于1的整数；
所述第一网络设备依次从M个资源信息组合中选取一个资源信息组合作为待处理资源信息组合；
所述第一网络设备从模型数据集合中选取所述预设模型组中每个模型的输入数据，所述模型数据集合包括所述历史时段的信号质量信息，所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合；
所述第一网络设备将每个模型的输入数据输入所述预设模型组中对应的模型，所述预设模型组中每个模型用于输出待处理资源信息组合的KPI中一个参数值；
所述第一网络设备将所述每个资源信息组合的KPI与所述目标KPI进行比较；
所述第一网络设备根据符合所述预设条件的比较结果从所述多个资源信息组合中选择至少一个候选资源信息组合；
所述第一网络设备将所述目标时段的业务数据量和候选资源信息组合输入预设的资源利用率模型，所述资源利用率模型用于输出所述候选资源信息组合的物理资源块利用率；
所述第一网络设备根据每个候选资源信息组合的物理资源块利用率和预设的资源能耗模型预测每个候选资源信息组合的能耗；
所述第一网络设备从所述至少一个候选资源信息组合中选取目标资源信息组合，所述目标资源信息组合的能耗小于或等于预设能耗；
所述第一网络设备将所述目标资源信息组合发送给第二网络设备，所述目标资源信息组合用于在所述目标时段调整所述目标资源信息组合对应的载波资源。
2.根据权利要求1所述的方法，其特征在于，所述第一网络设备根据所述目标时段的业务数据量获取目标KPI，预设模型组和预设条件包括：
当所述目标时段的业务数据量小于或等于第一数据量时，所述第一网络设备获取包括目标流量流失比例和目标弱覆盖比例的目标KPI，包括第一预设模型和第二预设模型的预设模型组以及包括第一规则和第二规则的预设条件；
其中，所述第一预设模型用于输出每个资源信息组合对应的流量流失比例，所述第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，所述第一规则为所述资源信息组合的流量流失比例小于或等于目标流量流失比例，所述第二规则为所述资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例。
3.根据权利要求1所述的方法，其特征在于，所述第一网络设备根据所述目标时段的业务数据量获取目标KPI，预设模型组和预设条件包括：
当所述目标时段的业务数据量大于第一数据量且所述目标时段的业务数据量小于或等于第二数据量时，所述第一网络设备获取包括目标流量流失比例，目标弱覆盖比例和目标吞吐率的目标KPI，包括第一预设模型，包括第二预设模型和第三预设模型的预设模型组，以及包括第一规则，第二规则和第三规则的预设条件；
其中，所述第一预设模型用于输出每个资源信息组合对应的流量流失比例，所述第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，所述第三预设模型用于输出每个资源信息组合对应的吞吐量，所述第一规则为所述资源信息组合的流量流失比例小于或等于目标流量流失比例，所述第二规则为所述资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例,所述第三规则为所述资源信息组合的吞吐率大于或等于目标吞吐率。
4.根据权利要求3所述的方法，其特征在于，所述目标吞吐率是根据历史时段的业务体验速率和预设的满足度确定的。
5.根据权利要求3所述的方法，其特征在于，所述目标吞吐率对应于目标物理资源块利用率，所述目标物理资源块利用率是根据所述历史时段的流量压抑点确定的。
6.根据权利要求3所述的方法，其特征在于，所述目标吞吐率是根据在目标历史时段的吞吐率和预设扩展系数确定的，所述目标历史时段的业务数据量大于或等于预设数据量。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述第一网络设备从模型数据集合中选取所述预设模型组中每个模型的输入数据包括：
当所述预设模型组包括第一预设模型和第二预设模型时，所述第一网络设备从模型数据集合中选取所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取所述历史时段的信号质量信息，所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合作为第二预设模型的输入数据；
当所述预设模型组包括第一预设模型，第二预设模型和第三预设模型时，所述第一网络设备从模型数据集合中选取所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取所述历史时段的信号质量信息，所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合作为第二预设模型的输入数据，从模型数据集合中选取所述目标时段的业务数据量和所述待处理资源信息组合作为第三预设模型的输入数据。
8.根据权利要求1至6中任一项所述的方法，其特征在于，所述第一网络设备根据每个候选载波资源集合的物理资源块利用率和预设的资源能耗模型预测每个候选载波资源集合的能耗包括：
所述第一网络设备根据每个候选载波资源集合的物理资源块利用率、每个工作载波的可用通道数和预设的资源能耗模型预测每个候选载波资源集合的能耗。
9.根据权利要求1至6中任一项所述的方法，其特征在于，所述第一网络设备从所述至少一个候选资源信息组合中选取目标资源信息组合包括：
所述第一网络设备从所述至少一个候选资源信息组合中选取最小能耗对应的候选资源信息组合作为目标资源信息组合。
10.根据权利要求2所述的方法，其特征在于，所述第一网络设备从所述至少一个候选资源信息组合中选取目标资源信息组合包括：
所述第一网络设备根据每个候选资源信息组合的流量流失比例、弱覆盖比例和所述候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；
从所述至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
11.根据权利要求3至6中任一项所述的方法，其特征在于，所述第一网络设备从所述至少一个候选资源信息组合中选取目标资源信息组合包括：
所述第一网络设备根据每个候选资源信息组合中工作载波资源的吞吐率、流量流失比例、弱覆盖比例和所述候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；
从所述至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
12.根据权利要求1至6中任一项所述的方法，其特征在于，所述第一网络设备还包括资源组合状态接口，所述资源组合状态接口用于向所述第二网络设备传输所述目标资源信息组合。
13.一种网络设备，其特征在于，所述网络设备作为第一网络设备，所述网络设备包括：
业务预测单元，用于根据目标区域的N个载波在历史时段承载的业务数据量确定目标时段的业务数据量；
获取单元，用于根据所述目标时段的业务数据量获取目标关键性能指标KPI，预设模型组和预设条件；
生成单元，用于根据所述N个载波的载波资源信息生成M个资源信息组合，每个资源信息组合包括所述N个载波的载波资源信息，所述N和所述M均为大于1的整数；
第一模型处理单元，用于依次从M个资源信息组合中选取一个资源信息组合作为待处理资源信息组合；从模型数据集合中选取所述预设模型组中每个模型的输入数据；将每个模型的输入数据输入所述预设模型组中对应的模型；所述模型数据集合包括所述历史时段的信号质量信息，所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合，所述预设模型组中每个模型用于输出待处理资源信息组合对应的KPI中一个参数值；
比较单元，用于将所述每个资源信息组合的KPI与所述目标KPI进行比较；
第一选择单元，根据符合所述预设条件的比较结果从所述多个资源信息组合中选择至少一个候选资源信息组合；
第二模型处理单元，用于将所述目标时段的业务数据量和候选资源信息组合输入预设的资源利用率模型，所述资源利用率模型用于输出所述候选资源信息组合的物理资源块利用率；
第三模型处理单元，用于根据每个候选资源信息组合的物理资源块利用率和预设的资源能耗模型预测每个候选资源信息组合的能耗；
第二选择单元，用于从所述至少一个候选资源信息组合中选取目标资源信息组合，所述目标资源信息组合的能耗小于或等于预设能耗；
发送单元，用于将所述目标资源信息组合发送给第二网络设备，所述目标资源信息组合用于在所述目标时段调整所述目标资源信息组合对应的载波资源。
14.根据权利要求13所述的网络设备，其特征在于，
所述获取单元具体用于当所述目标时段的业务数据量小于或等于第一数据量时，获取包括目标流量流失比例和目标弱覆盖比例的目标KPI,包括第一预设模型和第二预设模型的预设模型组和包括第一规则和第二规则的预设条件，所述第一预设模型用于输出每个资源信息组合对应的流量流失比例，所述第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，所述第一规则为所述资源信息组合的流量流失比例小于或等于目标流量流失比例，所述第二规则为所述资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例。
15.根据权利要求13所述的网络设备，其特征在于，
所述获取单元具体用于当所述目标时段的业务数据量大于第一数据量且所述目标时段的业务数据量小于或等于第二数据量时，获取包括目标流量流失比例，目标弱覆盖比例和目标吞吐率的目标KPI，包括第一预设模型，包括第二预设模型和第三预设模型的预设模型组，包括第一规则，第二规则和第三规则的预设条件，所述第一预设模型用于输出每个资源信息组合对应的流量流失比例，所述第二预设模型用于输出每个资源信息组合对应的弱覆盖比例，所述第三预设模型用于输出每个资源信息组合对应的吞吐量，所述第一规则为所述资源信息组合的流量流失比例小于或等于目标流量流失比例，所述第二规则为所述资源信息组合的弱覆盖比例小于或等于目标弱覆盖比例,所述第三规则为所述资源信息组合的吞吐率大于或等于目标吞吐率。
16.根据权利要求15所述的网络设备，其特征在于，所述目标吞吐率是根据所述历史时段的业务体验速率和预设的满足度确定的。
17.根据权利要求15所述的网络设备，其特征在于，所述目标吞吐率对应于目标物理资源块利用率，所述目标物理资源块利用率是根据所述历史时段的流量压抑点确定的。
18.根据权利要求15所述的网络设备，其特征在于，所述目标吞吐率是根据在目标历史时段的吞吐率和预设扩展系数确定的，所述目标历史时段的业务数据量大于或等于预设数据量。
19.根据权利要求13至18中任一项所述的网络设备，其特征在于，
所述第一模型处理单元具体用于当所述预设模型组包括第一预设模型和第二预设模型时，所述第一网络设备从模型数据集合中选取所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取所述历史时段的信号质量信息，所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合作为第二预设模型的输入数据；当所述预设模型组包括第一预设模型，第二预设模型和第三预设模型时，所述第一网络设备从模型数据集合中选取所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合作为第一预设模型的输入数据，从模型数据集合中选取所述历史时段的信号质量信息，所述历史时段的业务数据量，所述历史时段的资源信息组合，所述目标时段的业务数据量和所述待处理资源信息组合作为第二预设模型的输入数据，从模型数据集合中选取所述目标时段的业务数据量和所述待处理资源信息组合作为第三预设模型的输入数据。
20.根据权利要求13至18中任一项所述的网络设备，其特征在于，
所述第三模型处理单元具体用于根据每个候选载波资源集合的物理资源块利用率、每个工作载波的可用通道数和预设的资源能耗模型预测每个候选载波资源集合的能耗。
21.根据权利要求13至18中任一项所述的网络设备，其特征在于，所述第二选择单元具体用于从所述至少一个候选资源信息组合中选取最小能耗对应的候选资源信息组合作为目标资源信息组合。
22.根据权利要求14所述的网络设备，其特征在于，
所述第二选择单元具体用于根据每个候选资源信息组合的流量流失比例、弱覆盖比例和所述候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从所述至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
23.根据权利要求15至18中任一项所述的网络设备，其特征在于，所述第二选择单元具体用于根据每个候选资源信息组合中工作载波资源的吞吐率、流量流失比例、弱覆盖比例和所述候选资源信息组合的能耗确定每个候选资源信息组合对应的代价值；从所述至少一个候选资源信息组合中确定最小代价值对应的目标资源信息组合。
24.根据权利要求13至18中任一项所述的网络设备，其特征在于，所述第一网络设备包括资源组合状态接口，所述资源组合状态接口用于向第二网络设备传输所述目标资源信息组合。
25.一种计算机可读存储介质，存储有指令，其特征在于，当其在计算机上运行时，使得计算机执行如权利要求1至12中任一项所述的方法。
CN202111473667.XA 2021-11-29 2021-11-29 一种设备节能方法和网络设备 Active CN116192637B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202111473667.XA CN116192637B (zh) 2021-11-29 2021-11-29 一种设备节能方法和网络设备
EP22897323.6A EP4412317A4 (en) 2021-11-29 2022-09-20 DEVICE ENERGY SAVING METHOD AND NETWORK DEVICE
PCT/CN2022/119855 WO2023093237A1 (zh) 2021-11-29 2022-09-20 一种设备节能方法和网络设备
US18/676,214 US12476869B2 (en) 2021-11-29 2024-05-28 Device energy saving method and network device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111473667.XA CN116192637B (zh) 2021-11-29 2021-11-29 一种设备节能方法和网络设备

Publications (2)

Publication Number Publication Date
CN116192637A CN116192637A (zh) 2023-05-30
CN116192637B true CN116192637B (zh) 2025-10-14

Family

ID=86444789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111473667.XA Active CN116192637B (zh) 2021-11-29 2021-11-29 一种设备节能方法和网络设备

Country Status (4)

Country Link
US (1) US12476869B2 (zh)
EP (1) EP4412317A4 (zh)
CN (1) CN116192637B (zh)
WO (1) WO2023093237A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120475485B (zh) * 2025-05-12 2026-02-03 嘉兴易瑞电子有限公司 用于通信基站的节能优化控制方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113055903A (zh) * 2019-12-26 2021-06-29 中国电信股份有限公司 用于基站的节能关断的方法、设备和介质

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9369962B2 (en) * 2010-05-17 2016-06-14 Qualcomm Incorporated Reducing idle mode power consumption for monitoring neighboring base stations
CN102447545B (zh) * 2010-10-11 2014-12-24 电信科学技术研究院 节能信息传输及处理方法、系统和设备
KR20130118961A (ko) * 2011-02-24 2013-10-30 닛본 덴끼 가부시끼가이샤 3세대 망에서 에너지 절감을 위한 휴면 코어 망 노드들
EP2786619B1 (en) * 2011-12-02 2022-04-13 Nokia Technologies Oy Facilitating power conservation for local area transmissions
WO2014129452A1 (ja) * 2013-02-19 2014-08-28 京セラ株式会社 移動通信システム、ユーザ端末及び基地局
JP2015061262A (ja) * 2013-09-20 2015-03-30 ソニー株式会社 通信制御装置及び通信制御方法
US9826476B2 (en) * 2013-12-18 2017-11-21 Nokia Solutions And Networks Oy Method and apparatus for activating an inactive cell
US20150365889A1 (en) * 2014-06-16 2015-12-17 Telefonaktiebolaget L M Ericsson (Publ) System and Method Employing Resource Sharing to Reduce Power Consumption by a Network Node
US9432901B1 (en) * 2015-07-24 2016-08-30 Cisco Technology, Inc. System and method to facilitate radio access point load prediction in a network environment
EP3433953B1 (en) * 2016-03-21 2020-12-02 Telefonaktiebolaget LM Ericsson (PUBL) Target carrier radio predictions using source carrier measurements
CN109644493A (zh) * 2016-06-15 2019-04-16 康维达无线有限责任公司 无许可操作
DE112017006689T5 (de) * 2016-12-30 2019-09-12 Intel Corporation Verfahren und vorrichtungen zur funkkommunikation
US10368309B2 (en) * 2017-03-28 2019-07-30 Avago Technologies International Sales Pte. Limited Dynamic power saving mode and configuration changing based on traffic pattern
JP7159317B2 (ja) * 2017-12-30 2022-10-24 インテル コーポレイション 無線通信の方法および装置
JP7298992B2 (ja) * 2018-02-05 2023-06-27 横河電機株式会社 運転評価装置、運転評価方法、及び運転評価プログラム
CN110139289B (zh) * 2018-02-09 2023-02-28 中兴通讯股份有限公司 一种调度方法及调度系统
EP3582558A1 (en) * 2018-06-15 2019-12-18 Nokia Solutions and Networks Oy Signaling for controlling power usage in radio access networks
CN110891302B (zh) * 2018-09-11 2021-10-01 华为技术有限公司 一种终端的节能方法及装置
CN111010700B (zh) * 2018-10-08 2021-06-22 上海华为技术有限公司 确定负载门限的方法和装置
US11160019B2 (en) * 2019-01-11 2021-10-26 Mediatek Inc. Electronic devices and methods for determining energy efficiency
KR102800378B1 (ko) * 2019-01-11 2025-04-23 지티이 코포레이션 유휴 모드에서 전용 자원들을 사전 구성하기 위한 정보 전송
CN110175693B (zh) * 2019-04-18 2023-04-28 中国矿业大学 一种无线可充电传感器网络中充电节点的调度方法
US11997600B2 (en) * 2019-09-09 2024-05-28 Qualcomm Incorporated Signaling to support power utilization modes for power saving
CN111918370A (zh) * 2020-07-27 2020-11-10 东联信息技术有限公司 基于大数据挖掘及ai调度的无线基站的节能降耗方法
CN115278832A (zh) * 2021-04-30 2022-11-01 华为技术有限公司 一种节能方法及装置
JP2024529806A (ja) * 2021-07-29 2024-08-14 ジオ プラットフォームズ リミティド ネットワークにおいてエネルギーを節約するシステム及び方法
CN115915166B (zh) * 2021-09-30 2025-10-17 华为技术有限公司 一种用于网络节能的通信方法及装置
US11943715B2 (en) * 2021-11-18 2024-03-26 Qualcomm Incorporated Techniques for configuring use of an energy saving mode

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113055903A (zh) * 2019-12-26 2021-06-29 中国电信股份有限公司 用于基站的节能关断的方法、设备和介质

Also Published As

Publication number Publication date
EP4412317A1 (en) 2024-08-07
CN116192637A (zh) 2023-05-30
EP4412317A4 (en) 2025-01-08
US20240314033A1 (en) 2024-09-19
US12476869B2 (en) 2025-11-18
WO2023093237A1 (zh) 2023-06-01

Similar Documents

Publication Publication Date Title
CN109195170B (zh) 小区扩容方法、装置及存储介质
CN114007225B (zh) Bwp的分配方法、装置、电子设备及计算机可读存储介质
CN105634787B (zh) 网络关键指标的评估方法、预测方法及装置和系统
WO2020168761A1 (zh) 训练模型的方法和装置
US9049731B2 (en) Facilitation of bandwidth-based femto cell management
Iversen Evaluation of multi-service CDMA networks with soft blocking
CN110941675B (zh) 一种基于深度学习的无线供能边缘计算延迟优化方法
CN111885618B (zh) 一种网络性能优化方法和装置
Baştuğ et al. On the delay of geographical caching methods in two-tiered heterogeneous networks
CN113728673B (zh) 用于估计被无线电问题抑制的数据业务的方法和装置
Khatibi et al. A model for virtual radio resource management in virtual RANs
US20240259868A1 (en) System, method, and non-transitory computer-readable media for forecasting capacity breaches in a mobile network
CN116192637B (zh) 一种设备节能方法和网络设备
US8649269B2 (en) Method of controlling resource usage in communication systems
CN115442820B (zh) 一种小区服务优化方法、装置及电子设备
Zhang et al. Stochastic programming method for offloading in mobile edge computing based internet of vehicle
CN112637904A (zh) 负载均衡方法、装置及计算设备
WO2024078076A1 (zh) 基站节能方法、设备及存储介质
Marinescu et al. A multi-agent neural network for dynamic frequency reuse in LTE networks
CN118612746A (zh) 一种传输分配方法、装置及网络设备
CN114503762B (zh) 用于资源可用性检查的方法和装置
Ibrahimi et al. Model to improve the forecast of the content caching based time-series analysis at the small base station
US20230179477A1 (en) Determining cell upgrade
Gao et al. Prediction-based Resource Slicing for Service Level Agreement Guarantee: A Deep Learning Approach
CN119545397B (zh) 语音覆盖互操作门限调整方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant