基于深度强化学习的基站动态开关研究

作     者：王瑜 范燕琳 孙洋洋 熊建胜 蒋涛 周莹 韩志博 李子怡 王振乾 WANG Yu;FAN Yanlin;SUN Yangyang;XIONG Jiansheng;JIANG Tao;ZHOU Ying;HAN Zhibo;LI Ziyi;WANG Zhenqian

作者机构：中国联合网络通信集团有限公司智网创新中心北京100048 北京邮电大学安全生产智能监控北京市重点实验室北京100876 北京科技大学工业互联网研究院北京100083 

基　　金：2023年中国联通智网创新中心基于AI的基站与接入机房节能算法模型研究及应用研发项目 

出 版 物：《无线电通信技术》 (Radio Communications Technology)

年 卷 期：2024年第50卷第4期

页      码：815-822页

摘      要：随着5G移动互联网的快速发展,为了满足用户不断增长的流量需求,5G基站大规模部署,导致能耗急剧增加。针对以上问题,通过采用流量预测与深度强化学习相结合的方法,建立基站动态开关模型。具体而言,该模型通过密集卷积神经网络(Densely Connected Convolutional Networks, DenseNet)对基站流量进行预测;进一步地,基于精确的移动流量预测,将基站开关控制问题建模为一个马尔科夫决策过程(Markov Decision Process, MDP),然后通过强化学习方法进行求解。此外,强化学习的reward函数设计在优化基站开关成本时综合考虑了多方面的因素,包括能耗和用户服务质量(Quality of Service, QoS)下降成本,目标是在降低能耗的前提下,最小化长期的基站能量消耗。最终通过对真实数据集的大量实验验证,提出的模型与当前使用的基站常开策略相比,能够节约37%的能量消耗,且节能效果也优于传统启发式算法。

主 题 词：基站 蜂窝网络 动态开关 流量预测 深度Q网络 

学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 080402[080402] 0804[工学-材料学] 081001[081001] 

D　O　I：10.3969/j.issn.1003-3114.2024.04.025

馆 藏 号：203130842...