基站节能方法、装置、设备及存储介质与流程

1.本技术涉及移动通信领域，尤其涉及一种基站节能方法、装置、设备及存储介质。


背景技术：

2.随着城市化发展对环境的影响，节能减排越来越被人们所关注。近年来，随着移动用户的高速增长，通信运营商基站的数量也在急剧增长，基站能耗正逐步增大；此外，5g(第五代移动通信)基站能耗更是4g(第四代移动通信)基站的3-4倍，亟需合理控制并降低基站能耗。目前，节能控制都是采用传统的手段，例如，使用实时的负荷数据来判断基站是否节能，由于负荷数据一般都存在一定的延迟，当前基站的状态可能存在偏差，对节能方案的输出有一定影响；此外，该节能控制缺乏可持续演进性，难以满足4g及5g的协同节能，局限性较强。


技术实现要素：

3.有鉴于此，本技术实施例提供了一种基站节能方法、装置、设备及存储介质，旨在改善节能效果。
4.本技术实施例的技术方案是这样实现的：
5.本技术实施例提供了一种基站节能方法，包括：
6.获取目标区域内各小区的性能参数；
7.基于所述各小区的性能参数确定节能补偿小区对，所述节能补偿小区对包括：成对的主小区和补偿小区；
8.生成各小区的网络指标的预测数据；
9.基于所述节能补偿小区对、所述预测数据和设定的节能门限值，生成并发送节电指令。
10.上述方案中，所述性能参数包括：工参数据和/或测量报告(measurementreport，mr)数据，所述基于所述各小区的性能参数确定节能补偿小区对，包括以下之一：
11.基于mr数据计算小区的重叠覆盖度，根据所述重叠覆盖度确定节能补偿小区对；
12.基于工参数据选取间距及方位角的偏差符合要求的小区对，得到节能补偿小区对；
13.基于mr数据计算小区的重叠覆盖度，并基于工参数据选取间距及方位角的偏差符合要求的小区对，基于所述小区对和所述重叠覆盖度确定节能补偿小区对；
14.其中，所述重叠覆盖度基于主小区和邻区的采样数量的比值确定。
15.上述方案中，所述生成各小区的网络指标的预测数据，包括：
16.生成各小区的网络指标在下一第一设定时长内单位时间粒度的第一预测数据；
17.生成各小区的网络指标在下一第二设定时长内单位时间粒度的第二预测数据；
18.其中，第一设定时长大于第二设定时长。
19.上述方案中，所述基于所述节能补偿小区对、所述预测数据和设定的节能门限值，
生成并发送节电指令，包括：
20.基于所述节能补偿小区对、所述第一预测数据和设定的节能门限值，生成所述第一设定时长内的初始节能策略；
21.基于所述第二预测数据验证所述初始节能策略是否准确，若是，则生成并发送相应的节电指令。
22.上述方案中，所述方法还包括：
23.若基于所述第二预测数据确定处于节电状态的主小区的网络指标超出相应的节能门限值，则唤醒所述主小区。
24.上述方案中，所述方法还包括：
25.监测补偿小区的网络指标；
26.若确定所述补偿小区的网络指标超出相应的节能门限值，则唤醒所述主小区。
27.上述方案中，所述方法还包括：
28.统计各主小区的唤醒次数；
29.若统计的唤醒次数达到设定次数，则禁止相应的主小区的节能控制。
30.本技术实施例还提供了一种基站节能装置，包括：
31.获取模块，用于获取目标区域内各小区的性能参数；
32.确定模块，用于基于所述各小区的性能参数确定节能补偿小区对，所述节能补偿小区对包括：成对的主小区和补偿小区；
33.预测模块，用于生成各小区的网络指标的预测数据；
34.节能控制模块，用于基于所述节能补偿小区对、所述预测数据和设定的节能门限值，生成并发送节电指令。
35.本技术实施例又提供了一种基站节能设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器，用于运行计算机程序时，执行本技术实施例任一所述方法的步骤。
36.本技术实施例还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本技术实施例任一所述方法的步骤。
37.本技术实施例提供的技术方案，获取目标区域内各小区的性能参数；基于各小区的性能参数确定节能补偿小区对，该节能补偿小区对包括：成对的主小区和补偿小区；生成各小区的网络指标的预测数据；基于节能补偿小区对、预测数据和设定的节能门限值，生成并发送节电指令；如此，可以通过节电指令实现节能补偿小区对中主小区的关断控制，进而实现基站的节能降耗。
附图说明
38.图1为本技术实施例基站节能方法的流程示意图；
39.图2为本技术应用实施例中应用基站节能方法的节能系统的结构示意图；
40.图3为本技术应用实施例中基站节能方法的流程示意图；
41.图4为本技术实施例基站节能装置的结构示意图；
42.图5为本技术实施例基站节能设备的结构示意图。
具体实施方式
43.下面结合附图及实施例对本技术再作进一步详细的描述。
44.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
45.本技术实施例提供了一种基站节能方法，可以应用于基站节能设备上，如图1所示，该方法包括：
46.步骤101，获取目标区域内各小区的性能参数。
47.这里，基站节能设备可以配置数据采集模块，采集需要节能控制的目标区域内各小区的性能参数。
48.示例性地，性能参数至少包括：工参数据和/或mr数据。该性能参数还可以包括：性能管理(performance management，pm)数据和/或网络资源管理 (network resource management，nrm)数据，本技术实施例对此不做限定。
49.步骤102，基于所述各小区的性能参数确定节能补偿小区对，所述节能补偿小区对包括：成对的主小区和补偿小区。
50.本技术实施例中，基于所述各小区的性能参数确定节能补偿小区对，包括以下之一：
51.基于mr数据计算小区的重叠覆盖度，根据所述重叠覆盖度确定节能补偿小区对；
52.基于工参数据选取间距及方位角的偏差符合要求的小区对，得到节能补偿小区对；
53.基于mr数据计算小区的重叠覆盖度，并基于工参数据选取间距及方位角的偏差符合要求的小区对，基于所述小区对和所述重叠覆盖度确定节能补偿小区对；
54.其中，所述重叠覆盖度基于主小区和邻区的采样数量的比值确定。
55.在一应用示例中，基于mr数据确定节能补偿小区对具体如下：
56.1)、筛选主服务小区的信号强度》-110dbm的mr数据作为采样点，采样点数量默认要求大于5000(可配置)；
57.2)、计算重叠覆盖度，如下所示：
58.重叠覆盖度＝单个邻区的信号强度》-110dbm的采样点数/主服务小区的信号强度》-110dbm的采样点数；
59.3)、将重叠覆盖度大于80％的邻区作为备选的重叠覆盖邻区，并将备选的重叠覆盖邻区根据重叠覆盖度大小排序，将主服务小区和重叠覆盖度最大的邻区作为节能补偿小区对，即主服务小区作为节能补偿小区对中的主小区，重叠覆盖度最大的邻区作为该主小区的补偿小区，以在主小区关断时提供服务。
60.在另一应用示例中，基于工参数据确定节能补偿小区对具体如下：
61.1)、从工参数据中获取各小区的位置信息，计算两个小区之间的距离，将距离小于50米的小区划入共站小区列表；
62.2)、基于工参数据获取共站小区列表中各小区的方位角，将方位角偏差在设定范围(例如，10
°
)内的小区作为满足重叠覆盖度的补偿小区，进而得到节能补偿小区对。
63.在又一应用示例中，基于mr数据和工参数据确定节能补偿小区对具体如下：
64.1)、基于mr数据计算小区的重叠覆盖度；
65.例如，筛选主服务小区的信号强度》-110dbm的mr数据作为采样点，采样点数量默认要求大于5000(可配置)，重叠覆盖度＝单个邻区的信号强度》-110dbm的采样点数/主服务小区的信号强度》-110dbm的采样点数；
66.2)、从工参数据中获取各小区的位置信息，计算两个小区之间的距离，将距离小于50米的小区划入共站小区列表；
67.3)、基于工参数据获取共站小区列表中各小区的方位角，将方位角偏差在设定范围(例如，10
°
)内的小区作为候选的补偿小区；
68.4)、基于候选的补偿小区的重叠覆盖度选取重叠覆盖度大于80％且重叠覆盖度最大的小区作为补偿小区，进而得到节能补偿小区对。
69.可以理解的是，本技术实施例中的节能补偿小区对中，每个主小区存在一个补偿小区，用于在主小区关断时提供服务。
70.步骤103，生成各小区的网络指标的预测数据。
71.这里，基站节能设备可以基于历史的各小区的性能参数，生成各小区的网络指标的预测数据，该网络指标可以包括以下至少之一：用户数、上行prb (physical resource block，物理资源块)利用率、下行prb利用率、上行业务量、下行业务量。
72.可以理解的是，基站节能设备可以基于统计方法或者深度学习方法进行预测，本技术实施例对此不做限定。
73.步骤104，基于所述节能补偿小区对、所述预测数据和设定的节能门限值，生成并发送节电指令。
74.这里，基站节能设备可以获取节能补偿小区对中成对的主小区、补偿小区分别对应的预测数据，并将预测数据与设定的节能门限值进行比对，若落入节电策略对应的节能门限值区间，则可以生成并发送相应的节电指令。
75.示例性地，节电指令包括：通道关断对应的第一指令、浅度休眠对应的第二指令及深度休眠对应的第三指令；设定的节能门限值包括：通道关断下主小区和补偿小区分别对应的节能门限值、浅度休眠下主小区和补偿小区分别对应的节能门限值及深度休眠下主小区和补偿小区分别对应的节能门限值。其中，节能门限值可以基于前述的网络指标确定。
76.在一应用示例中，各节能门限值还可以基于时段进行划分，例如，白天时段和夜间时段的节能门限值可以不用，本技术实施例对此不做限定。
77.可以理解的是，若基站节能设备确定成对的主小区、补偿小区分别对应的预测数据均符合深度休眠下的节能门限值，则基站节能设备可以下发深度休眠对应的第三指令给基站，进而使得主小区进入深度休眠，实现节能控制。如此，可以通过节电指令实现节能补偿小区对中主小区的关断控制，进而实现基站的节能降耗。
78.在一些实施例中，所述生成各小区的网络指标的预测数据，包括：
79.生成各小区的网络指标在下一第一设定时长内单位时间粒度的第一预测数据；
80.生成各小区的网络指标在下一第二设定时长内单位时间粒度的第二预测数据；
81.其中，第一设定时长大于第二设定时长。
82.示例性地，假定单位时间粒度为15分钟，第一设定时长为一天，第二设定时长为2小时，即第一预测数据对应预测的96个单位时间粒度的网络指标，第二预测数据对应预测
的8个单位时间粒度的网络指标。需要说明的是，上述仅为举例说明，在其他实施例中，单位时间粒度、第一设定时长、第二设定时长可以基于需求进行合理设置，本技术实施例对此不做限定。
83.可以理解的是，上述第一预测数据为长时预测数据，上述第二预测数据为短时预测数据。对于长时预测数据，可以采用统计方法和/或深度学习算法预测；其中，统计方法可以为利用最大值或平均值统计的方法预测未来一天的网络指标，最大值统计相对于平均值统计，最大值统计方式较保守，但能减少小区的误关率，平均值统计较最大值统计，能增加小区的节电量，但误关率较难保证，最终选择何种方案统计，取决于保守和节电量的平衡；对于深度学习方法，可以提取网络指标的历史特征，例如，提取连续n天的历史分布特征，n为大于 1的自然数，采用xgboost(extreme gradient boosting，极端梯度提升)算法，预测未来一天的网络指标。对于短时预测数据，可以采取上述类似的算法预测，在此不再赘述。
84.在一些实施例中，所述基于所述节能补偿小区对、所述预测数据和设定的节能门限值，生成并发送节电指令，包括：
85.基于所述节能补偿小区对、所述第一预测数据和设定的节能门限值，生成所述第一设定时长内的初始节能策略；
86.基于所述第二预测数据验证所述初始节能策略是否准确，若是，则生成并发送相应的节电指令。
87.在一应用示例中，可以基于长时预测数据生成未来一天的初始节能策略，例如，基于节能补偿小区对与长时预测数据，结合关断门限(即设定的节能门限值)对每个小区统一判断节能场景，若连续n个单位时间粒度均满足关断条件(例如，n为4)，则该连续时段满足该节能场景。其中，节能场景可以包括：通道关断、浅度休眠、深度休眠等场景。
88.示例性地，基站节能设备在下发节电指令时，还将上述初始节能策略与短时预测数据结合来判断，基于短时预测数据验证该初始节能策略是否准确，若短时预测数据中主小区的网络指标存在超过门限的情况，则该主小区在该时段的节电指令不会进行下发，以保证该小区正常的业务，若短时预测数据中主小区的网络指标符合门限要求，则该时段的节电指令继续下发。
89.在一实施例中，基站节能设备基于长时预测数据生成初始节能策略时，考虑到存在某个小区既为主小区又为补偿小区和多个主小区对应同一补偿小区的情况，针对以上两种情况需要进行冲突处理，从而在保证网络质量的基础上实现最大化的节能，基于此，基站节能设备可以根据各小区的业务量判断每个小区的优先级，将优先级高的小区设置优先关断，从而解决冲突的问题。
90.在一实施例中，所述方法还包括：
91.若基于所述第二预测数据确定处于节电状态的主小区的网络指标超出相应的节能门限值，则唤醒所述主小区。
92.可以理解的是，基站节能设备基于短时预测数据确定已处于节电状态的主小区的网络指标超出相应的节能门限值，例如，处于深度休眠状态的主小区的用户数已超出预先设定的节能门限值，则基站节能设备唤醒主小区，从而保障业务质量。
93.在一实施例中，所述方法还包括：
94.监测补偿小区的网络指标；
95.若确定所述补偿小区的网络指标超出相应的节能门限值，则唤醒所述主小区。
96.这里，基站节能设备可以实时监测补偿小区的网络指标，若确定补偿小区的网络指标超出相应的节能门限值，即表明补偿小区运行超负荷，则唤醒主小区，进而保障业务质量。
97.示例性地，基站节能设备可以在对主小区进行唤醒操作之后，将操作记录保存在本地，以备查询。
98.在一实施例中，所述方法还包括：
99.统计各主小区的唤醒次数；
100.若统计的唤醒次数达到设定次数，则禁止相应的主小区的节能控制。
101.示例性地，基站节能基于统计的各主小区的唤醒次数，若确定某个主小区唤醒次数较多，超过门限后将该主小区加入黑名单中，在下个周期该主小区将不参与节能。
102.下面结合应用实施例对本技术再作进一步详细的描述。
103.图2示出了应用基站节能方法的节能系统的结构示意图，如图2所示，该节能系统包括：数据采集模块0、节能-补偿小区生成模块1、业务量预测模块2、小区精细化划分模块3、网络监控与感知模块4、实时策略生成模块5、web(网络)可视化模块6、ai(人工智能)通用能力模块7及指令下发模块8。分别对上述各模块介绍如下：
104.数据采集装置
105.该数据采集模块可以准实时(例如，15分钟粒度)或者非实时采集各小区的数据，并将数据解析后存入数据库中。
106.节能-补偿小区生成模块
107.该节能-补偿小区生成模块可以根据不同的数据源，例如工参数据、mro (mr original，基于周期上报的mr)数据、mdt(minimization of drive-test，最小化路测)数据进行多层网共覆盖区域挖掘，并根据个性化配置，对需要节能的区域的小区进行节能-补偿小区配对。
108.业务量预测模块
109.该业务量预测模块包括：短时预测模块及业务量查询模块和小区长时业务量预测模块；
110.其中，短时预测模块及业务量查询模块用于对实时采集的15分钟粒度pm (性能管理)数据进行业务量指标未来1个或几个时刻的预测；或直接通过厂家omc(operation and maintenance center，操作维护中心)查询当前的小区瞬时业务量情况。如果短时预测的结果依旧符合关断条件，则直接下发指令进行节能操作。如果短时发现业务量有要超过门限的趋势，则进行紧急关闭节电功能，唤醒对应小区。
111.其中，小区长时业务量预测模块用于通过采集15分钟粒度的pm数据挖掘各个小区更多的可关闭时间段，从时间扩展的角度提高节电量。为了在白天放心小区关断，利用长时统计的思想，需要计算出各个小区历史一段时间中，除了0-6点以外的可关断时间段，在该时间段关闭前配合短时预测数据判断未来是否真的可以关断，再进行小区关断操作。
112.小区精细化划分模块
113.该小区精细化划分模块可以根据小区的基本信息和历史业务量时许趋势，进行聚类、分类操作，对不同类别的小区，进行不同的节能方案，例如，设置各节能方案的关断门限
及优先级。其中，节能方案可以包括：通道关断、浅度休眠、深度休眠，可以根据小区的业务量及上述三种节能方案(即关断方式) 的门限，对小区进行分类，哪些小区进行通道关断，哪些小区进行浅度休眠等。
114.网络监控与感知模块
115.该网络监控与感知模块可以分析与网络质量相关的指标数据，例如，pm、 dpi(deep packet inspection，深度报文检测)及节电量，对数据进行可视化展示；感知出现网络质量下降的小区，动态生成黑名单小区列表，并紧急停止对该小区的节能操作。
116.实时策略生成模块
117.该实时策略生成模块作为节能系统中的决策大脑，通过其他各个模块计算出的结果，生成小区节能方案(深度休眠、浅度休眠、通道关断等)。其目的是得到：什么小区、在什么时间段、进行最合适的节能操作。
118.web可视化模块
119.该web可视化模块可以对整个系统的节电量、网络指标进行可视化展现；并可以对各个策略的关断/唤醒门限进行个性化配置。
120.ai通用能力模块
121.该ai通用能力模块可以将能够通用的算法汇总在一起，形成节能系统的数据处理平台，供其他模块调用，其可以包括以下至少之一处理能力：
122.时序数据长时预测；
123.时序数据短时预测；
124.时序数据特征分类；
125.节电量智能评估。
126.指令下发模块
127.该指令下发模块可以收集节能系统传递过来的节能策略，自动组装成指令，进行批量指令下发；可以实时查询指令下发结果；并对所有关断的小区进行兜底唤醒，保证系统安全。
128.如图3所示，本应用实施例基站节能方法包括以下步骤：
129.步骤301，生成节能补偿小区对。
130.这里，基站节能设备可以基于工参数据和mr数据生成节能补偿小区对。具体如下：
131.1)、基于mr数据计算小区的重叠覆盖度；
132.例如，筛选主服务小区的信号强度》-110dbm的mr数据作为采样点，采样点数量默认要求大于5000(可配置)，重叠覆盖度＝单个邻区的信号强度》-110dbm的采样点数/主服务小区的信号强度》-110dbm的采样点数；
133.2)、从工参数据中获取各小区的位置信息，计算两个小区之间的距离，将距离小于50米的小区划入共站小区列表；
134.3)、基于工参数据获取共站小区列表中各小区的方位角，将方位角偏差在设定范围(例如，10
°
)内的小区作为候选的补偿小区；
135.4)、基于候选的补偿小区的重叠覆盖度选取重叠覆盖度大于80％且重叠覆盖度最大的小区作为补偿小区，进而得到节能补偿小区对。
136.步骤302，长时预测。
137.这里，基站节能设备可以基于性能数据利用长时预测的方法，预测小区未来1天或更长时间的业务量趋势，以便提前选出连续满足多个可关断小区时间点作为备关断时间段。其中需预测的网络指标可以包括：用户数、上行prb利用率、下行prb利用率、上行业务量及下行业务量。
138.步骤303，未来一天的节能策略生成。
139.这里，可以基于节能补偿小区对与长时预测数据，结合关断门限对每个小区统一判断节能场景，若连续n个时间点均满足关断条件(n建议为4)，则该连续时段为满足该节能场景的。
140.步骤304，短时预测。
141.这里，可以预测小区未来15分钟或2小时的业务量趋势，若短时预测的结果依旧符合关断条件，则直接下发指令进行节能操作，若短时预测的业务量有要超过门限的趋势，则进行紧急关闭节电功能，唤醒对应小区。例如，通过提取指标的历史特征，采用xgboost算法，预测下一时刻点或下多个时刻点的业务量。
142.步骤305，确认每时刻下发的指令。
143.这里，可以根据生成的一天的结果与短时预测结果，若短时预测结果中节能小区的业务量存在超过门限的情况，则该节能小区该时段的策略不会进行下发，以保证该小区正常的业务，若短时预测结果中节能小区的业务量符合门限要求，则该时段的指令继续下发。
144.步骤306，指令下发。
145.示例性地，网络级的节电指令通过节电系统，对接主设备厂家的webservice 接口，给设备下激活/去激活指令；设备级节电指令支持主流厂家(例如，华为、中兴、诺基亚等)的设备级节电方式的指令下发，包括符号关断、通道关断、载波关断等。
146.步骤307，指标监控。
147.示例性地，可以对全网的补偿小区，进行网络指标的实时监控。
148.步骤308，判断指标是否恶化，若否，则返回步骤305；若是，则执行步骤 309。
149.判断补偿小区的网络指标是否恶化，如果补偿小区有任意一个指标不满足阈值要求，即补偿小区的网络指标超出相应的节能门限值，即表明补偿小区运行超负荷，出现性能恶化，则执行步骤309。
150.步骤309，回退节能指令。
151.若补偿小区出现性能恶化，则对补偿小区所对应的节能小区进行唤醒操作，并将操作记录保存在本地，以备查询。
152.示例性地，如果某个节能小区唤醒次数较多，超过门限后，则将该节能小区加入黑名单中，下个周期该节能小区将不参与节能。
153.可以理解的是，本应用实施例的节能方法，支持通道关断、载波关断、深度休眠等节能操作，且通过计算共覆盖小区，获取节能补偿小区对，且基于ai 算法进行长时预测与短时预测，双重保证安全，一旦出现业务量突发，还有唤醒机制，从而可以保证网络安全。
154.为了实现本技术实施例的方法，本技术实施例还提供一种基站节能装置，该基站节能装置与上述基站节能方法对应，上述基站节能方法实施例中的各步骤也完全适用于本基站节能装置实施例。
155.如图4所示，该基站节能装置包括：获取模块401、确定模块402、预测模块403及节能控制模块404。其中，获取模块401用于获取目标区域内各小区的性能参数；确定模块402用于基于所述各小区的性能参数确定节能补偿小区对，所述节能补偿小区对包括：成对的主小区和补偿小区；预测模块403用于生成各小区的网络指标的预测数据；节能控制模块404用于基于所述节能补偿小区对、所述预测数据和设定的节能门限值，生成并发送节电指令。
156.示例性地，所述性能参数包括：工参数据和/或mr数据，确定模块402基于所述各小区的性能参数确定节能补偿小区对，包括以下之一：
157.基于mr数据计算小区的重叠覆盖度，根据所述重叠覆盖度确定节能补偿小区对；
158.基于工参数据选取间距及方位角的偏差符合要求的小区对，得到节能补偿小区对；
159.基于mr数据计算小区的重叠覆盖度，并基于工参数据选取间距及方位角的偏差符合要求的小区对，基于所述小区对和所述重叠覆盖度确定节能补偿小区对；
160.其中，所述重叠覆盖度基于主小区和邻区的采样数量的比值确定。
161.示例性地，预测模块403具体用于：
162.生成各小区的网络指标在下一第一设定时长内单位时间粒度的第一预测数据；
163.生成各小区的网络指标在下一第二设定时长内单位时间粒度的第二预测数据；
164.其中，第一设定时长大于第二设定时长。
165.示例性地，节能控制模块404具体用于：
166.基于所述节能补偿小区对、所述第一预测数据和设定的节能门限值，生成所述第一设定时长内的初始节能策略；
167.基于所述第二预测数据验证所述初始节能策略是否准确，若是，则生成并发送相应的节电指令。
168.示例性地，节能控制模块404还用于：
169.若基于所述第二预测数据确定处于节电状态的主小区的网络指标超出相应的节能门限值，则唤醒所述主小区。
170.示例性地，节能控制模块404还用于：
171.监测补偿小区的网络指标；
172.若确定所述补偿小区的网络指标超出相应的节能门限值，则唤醒所述主小区。
173.示例性地，节能控制模块404还用于：
174.统计各主小区的唤醒次数；
175.若统计的唤醒次数达到设定次数，则禁止相应的主小区的节能控制。
176.实际应用时，获取模块401、确定模块402、预测模块403及节能控制模块 404，可以由基站节能装置中的处理器来实现。当然，处理器需要运行存储器中的计算机程序来实现它的功能。
177.需要说明的是：上述实施例提供的基站节能装置在进行基站节能时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的基站节能装置与基站节能方法实施例属于同一构思，其具
体实现过程详见方法实施例，这里不再赘述。
178.基于上述程序模块的硬件实现，且为了实现本技术实施例的方法，本技术实施例还提供一种基站节能设备。图5仅仅示出了该基站节能设备的示例性结构而非全部结构，根据需要可以实施图5示出的部分结构或全部结构。
179.如图5所示，本技术实施例提供的基站节能设备500包括：至少一个处理器501、存储器502、用户接口503和至少一个网络接口504。基站节能设备500 中的各个组件通过总线系统505耦合在一起。可以理解，总线系统505用于实现这些组件之间的连接通信。总线系统505除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线系统505。
180.其中，用户接口503可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
181.本技术实施例中的存储器502用于存储各种类型的数据以支持基站节能设备的操作。这些数据的示例包括：用于在基站节能设备上操作的任何计算机程序。
182.本技术实施例揭示的基站节能方法可以应用于处理器501中，或者由处理器501实现。处理器501可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，基站节能方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器(dsp，digital signal processor)，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。处理器501可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器502，处理器501 读取存储器502中的信息，结合其硬件完成本技术实施例提供的基站节能方法的步骤。
183.在示例性实施例中，基站节能设备可以被一个或多个应用专用集成电路 (asic，application specific integrated circuit)、dsp、可编程逻辑器件(pld， programmable logic device)、复杂可编程逻辑器件(cpld，complexprogrammable logic device)、现场可编程逻辑门阵列(fpga，fieldprogrammable gate array)、通用处理器、控制器、微控制器(mcu，microcontroller unit)、微处理器(microprocessor)、或者其他电子元件实现，用于执行前述方法。
184.可以理解，存储器502可以是易失性存储器或非易失性存储器，也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 (rom，read only memory)、可编程只读存储器(prom，programmableread-only memory)、可擦除可编程只读存储器(eprom，erasableprogrammable read-only memory)、电可擦除可编程只读存储器(eeprom， electrically erasable programmable read-only memory)、磁性随机存取存储器 (fram，ferromagnetic random access memory)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(cd-rom，compact disc read-only memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(ram，random access memory)，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(sram， static random access memory)、同步静态随机存取存储器
(ssram， synchronous static random access memory)、动态随机存取存储器(dram， dynamic random access memory)、同步动态随机存取存储器(sdram， synchronous dynamic random access memory)、双倍数据速率同步动态随机存取存储器(ddrsdram，double data rate synchronous dynamic random accessmemory)、增强型同步动态随机存取存储器(esdram，enhanced synchronousdynamic random access memory)、同步连接动态随机存取存储器(sldram， synclink dynamic random access memory)、直接内存总线随机存取存储器 (drram，direct rambus random access memory)。本技术实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
185.在示例性实施例中，本技术实施例还提供了一种存储介质，即计算机存储介质，具体可以是计算机可读存储介质，例如包括存储计算机程序的存储器 502，上述计算机程序可由基站节能设备的处理器501执行，以完成本技术实施例方法所述的步骤。计算机可读存储介质可以是rom、prom、eprom、 eeprom、flash memory、磁表面存储器、光盘、或cd-rom等存储器。
186.需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
187.另外，本技术实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
188.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术披露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种基站节能方法，其特征在于，包括：获取目标区域内各小区的性能参数；基于所述各小区的性能参数确定节能补偿小区对，所述节能补偿小区对包括：成对的主小区和补偿小区；生成各小区的网络指标的预测数据；基于所述节能补偿小区对、所述预测数据和设定的节能门限值，生成并发送节电指令。2.根据权利要求1所述的方法，其特征在于，所述性能参数包括：工参数据和/或测量报告mr数据，所述基于所述各小区的性能参数确定节能补偿小区对，包括以下之一：基于mr数据计算小区的重叠覆盖度，根据所述重叠覆盖度确定节能补偿小区对；基于工参数据选取间距及方位角的偏差符合要求的小区对，得到节能补偿小区对；基于mr数据计算小区的重叠覆盖度，并基于工参数据选取间距及方位角的偏差符合要求的小区对，基于所述小区对和所述重叠覆盖度确定节能补偿小区对；其中，所述重叠覆盖度基于主小区和邻区的采样数量的比值确定。3.根据权利要求1所述的方法，其特征在于，所述生成各小区的网络指标的预测数据，包括：生成各小区的网络指标在下一第一设定时长内单位时间粒度的第一预测数据；生成各小区的网络指标在下一第二设定时长内单位时间粒度的第二预测数据；其中，第一设定时长大于第二设定时长。4.根据权利要求3所述的方法，其特征在于，所述基于所述节能补偿小区对、所述预测数据和设定的节能门限值，生成并发送节电指令，包括：基于所述节能补偿小区对、所述第一预测数据和设定的节能门限值，生成所述第一设定时长内的初始节能策略；基于所述第二预测数据验证所述初始节能策略是否准确，若是，则生成并发送相应的节电指令。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：若基于所述第二预测数据确定处于节电状态的主小区的网络指标超出相应的节能门限值，则唤醒所述主小区。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：监测补偿小区的网络指标；若确定所述补偿小区的网络指标超出相应的节能门限值，则唤醒所述主小区。7.根据权利要求5或者6所述的方法，其特征在于，所述方法还包括：统计各主小区的唤醒次数；若统计的唤醒次数达到设定次数，则禁止相应的主小区的节能控制。8.一种基站节能装置，其特征在于，包括：获取模块，用于获取目标区域内各小区的性能参数；确定模块，用于基于所述各小区的性能参数确定节能补偿小区对，所述节能补偿小区对包括：成对的主小区和补偿小区；预测模块，用于生成各小区的网络指标的预测数据；节能控制模块，用于基于所述节能补偿小区对、所述预测数据和设定的节能门限值，生
成并发送节电指令。9.一种基站节能设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器，用于运行计算机程序时，执行权利要求1至7任一项所述方法的步骤。10.一种存储介质，所述存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至7任一项所述方法的步骤。

技术总结
本申请公开了一种基站节能方法、装置、设备及存储介质。该方法包括：获取目标区域内各小区的性能参数；基于各小区的性能参数确定节能补偿小区对，该节能补偿小区对包括：成对的主小区和补偿小区；生成各小区的网络指标的预测数据；基于节能补偿小区对、预测数据和设定的节能门限值，生成并发送节电指令；如此，可以通过节电指令实现节能补偿小区对中主小区的关断控制，进而实现基站的节能降耗。进而实现基站的节能降耗。进而实现基站的节能降耗。


技术研发人员：魏挥武 赵皓 周岩
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2022.03.15
技术公布日：2023/9/22