移动基站能耗预测模型的设计

《移动基站能耗预测模型的设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、移动基站能耗预测模型的设计　　摘要随着移动业务的迅速发展，基站能耗的不断攀升，为铁塔公司的节能减排工作带来一定的压力，根据广东省某地区的标杆站及相关能耗样本，针对影响基站能耗的多因子进行分析，提出在该自变量基础上的多元线性回归能耗预测分析模型，为基站的能耗管理提供预测与评价具有现实意义，实现能耗管理的宏观预测，并动态更新能耗样本库，实现能耗模型的在基站精准预测的作用。　　【关键词】基站能耗能耗预测线性回归节能管理　　随着通信基站数量的迅速增加，移动公司的基站数量大，分布面广，安装位置分散且情况复杂的特点编制。由于点多面广，情况复杂，移动公司需要派专人或委托代维公司抄表、维护，以满

2、足基站的电量核算、用电分析等能耗日常管理。特别是近年来，随着基站数量迅速增加，用电成本已经成为运营商的主要成本，而且比例还在逐年增加，节能降耗已成为公司重点工作之一。但目前基站用电管理缺乏有效手段：柴油机发电管理混乱、用电信息分析统计失真。节能目标缺乏科学依据。　　基站能耗管理系统建设的目的是对各局站的耗电情况进行精细化的统计和分析，对各种节能措施的节能效果进行评测：准确统计现有局（站）能耗数据，监控站点能耗情况，找出并分析能耗异常变化的站点；测试、评估基站采用的各种节能措施的实际节能效果；根据标杆站点采集的数据，建立模型，通过分析得到不同条件下最优的节能措施和方法。　　1能耗影

3、响因子分析　　影响基站能耗的因素诸多，本研究拟从基站的深层次关系，通过分析与对比，针对以下几个影响进行说明，并选择以下作为线性回归的自变量。以得出相关模型。　　1.1基站面积　　基站面积是决定移动基站的一个重要参数，按基站机房建设的国家规范及要求规定，需保持一定的温湿度范围，一般来说，不管基站的产权属性如何，面积越大，空调耗能会越大，目前空调是基站中重要的耗能设备。　　1.2基站温度　　基站温度作为环境参数在基站中具有决定作用，通信基站中通信设施及蓄电池、直流屏、空调等设备受该因素影响较大，故对基站能耗具有很大的影响作用，一般在基站中根据室外温度自动调节温度或保持恒温的方式来运行

4、。　　1.2PUE值　　PowerUsageEffectiveness的简写，是评价数据中心能源效率的指标，是数据中心消耗的所有能源与IT负载使用的能源之比，PUE值已经成为国际上比较通行的数据中心电力使用效率的衡量指标。基站作为一种特殊的机房，该值对基站具有同样重要的作用。　　2能耗模型建立　　根据基站能耗的多因子影响分析，可以确定该能耗数据受多个因子的影响而变化，并具有一定的线性关系，符合多元线性回归的特征，故本文拟根据广东省某地区的基站能耗数据统计样本，通过具体分析数据，建立该区域的能耗预测模型，具体实验过程如下：　　2.1模型建立　　Y=β0+β1X1+β2X2+...+

5、βmXm+e；　　其中，βj（j=1，2，...，m）为偏回归系数（partialregressioncoefficent），表示在其他自变量保持不变的情况下，自变量Xm变动一个单位所引起的因变量Y的平均变动.上式也被称为总体回归函数的随机表达式。它的非随机表达式为　　E（Y?OX1i，X2i，…Xki，）=β0+β1X1i+β2X2i+…+βkXki。　　e（residual）表示去除m个自变量对Y的影响后的随机误差，又称为残值。　　2.2模型验证　　本项目在实施过程中，我们根据广东省某地区1356个基站能耗数据进行统计分析，并在此基础上形成能耗挖掘数据，本研究课题拟选用其中的

6、平均值参数进行样本分析，该数据在以上样本的基础上更有参考价值，在此平均值能耗样本的数据中进行数据验证，使数据具有更可靠的数据基础及依据。　　根据以上样本平均值参数绘制的能耗趋势曲线如图1所示，本课题需研究的重点是建立模型，预测下一个能耗点（期间预测能耗值）所在处，以实现能耗趋势的动态管理。　　根据以上样本数据，确定了线性回归的相关参数配置，如表2所示为模型摘要表，表针了该方程的拟合优度，其中R是Y和Xi的复相关系数（或观察值与预测值的相关系数），测定了因变量Y与所有自变量全体之间线性相关程度。　　模型显著性校验，是检验所有自变量与因变量之间的线性关系是否显著，是否可用线性模型来表

7、示，通过判断显著性.043<.05，可以判定自变量与因变量之间存在显著的线性关系。　　在以上样本参数中，通过最小二乘法或矩阵法等方法，可以得出相关系数，如下所示，β0=-8456.411，β1=50.509，β2=298.8，β3=-88.746；如表4所示。　　2.3模型应用　　根据以上得到的基站能耗模型，通过输入某个时间段的（如月份）的相关参数，即可得到该能耗预测值，在实际运用中，我们将该能耗实际值填入相关样本库中，重新计算偏回归系数，从而实现模型的动态更新，确保了实际数据对