亚信科技借助英特尔 软硬件产品与技术，打造全新智能节能方案
亚信科技 (中国) 有限公司 (以下简称“亚信科技”) 基于英特尔® FlexRAN™ 参考架构，借助英特尔® 至强® D 处理器、英特尔® vRAN 加速器 ACC100 适配器等产品提供的强劲算力，推出一系列基于 5G 云化技术架构的5G无线接入网(RAN)产品，并获得用户好评。
为更好助力实现“碳中和”等目标，帮助用户打造绿色 5G 网络，亚信科技与英特尔一起，采用英特尔 Chronos 框架与英特尔 P/C-state 等技术，为基站等新一代 5G RAN 产品打造全新的智能节能方案。新方案以 Chronos 框架内置的多种时间序列预测 AI 和机器学习 (Machine Learning， ML) 模型为核心，构建了包括时序数据采集、模型训练、基站性能指标预测以及能耗指令调整的完整工作闭环。通过一系列测试与实验室验证表明，新方案不仅能在保证基站业务不受影响的前提下，带来 15%-30% 的综合节能，也能有效应对流量负载剧增等突发情况，为5G云化基站节能标准的制定提供有效参考。
“更为开放的 5G 云化技术架构，正为网络智能化探索提供通途。我们基于 5G 云化技术架构推出的 5G RAN 产品，在为用户打造卓越的产品体验之余，也提供了用于绿色网络建设的高可用基站智能节能方案。来自英特尔的至强® D 处理器、 Chronos 框架以及英特尔 P/C-state 等软硬件产品与技术，给予我们产品强劲的算力支持和有效的 AI 方案加速。”
欧阳晔 博士
首席技术官、高级副总裁
亚信科技(中国)有限公司
解决方案：借助 Chronos 框架，亚信科技构建智能化的基站节能方案
应对传统方案面临的问题，引入 AI/ML 方法来实现基站的智能节能正获得越来越多的关注。良好的智能方案不仅可以预测每个基站的未来流量 (例如 10 分钟、 60 分钟、 1 天以及 1 周后)，同时能兼顾实时流量的突然变化，实现智能学习、自动执行电源管理调整指令。这种调节频率最快可以达到秒级，而且更精细化的调节能在不影响业务效率的前提下实现最大化节能，不仅能减少用户能耗，也可大幅降低运维复杂度和管理维护成本。
为此，亚信科技首先对可采集的数据源，包括基站协议栈数据 (例如接入用户终端数量、物理资源块 ((Physical Resource Block， PRB) 利用率以及流量负载等)、 x86 平台服务器系统数据 (例如处理器利用率、功耗、处理器频率等) 等进行了全面的分析，这些数据都是一组随时间变化的数据序列。
一般地，时间序列数据分析可被广泛应用于各个领域的预测性分析，如网络流量负载、无线资源占用率等。与传统预测方法相比，基于 AI/ML 模型开展的时间序列任务在预测准确性与灵活性上更具优势。因此，亚信科技将基于 AI/ML 模型的时间序列预测性分析作为新方案的核心策略。
基于这一思路，亚信科技基站智能节能方案基本工作流程如图1 所示，分为以下几个步骤：
1. 系统初始化配置，采集历史时序数据，并得出不同数据源 (基站协议栈数据、 x86平台服务器系统数据等)之间的关系；
2.从不同数据源采集数据，作为AI/ML模型训练输入数据集；
3.AI/ML框架初始化训练得出AI推理模型，并输出结果至智能节能rAPP/xAPP；
4.智能节能 rAPP/xAPP 基于 AI 模型并结合大时间尺度的配置，预测未来的KPI指标并进行节能控制动作；
5.AI/ML 模型根据配置时间以及 BBU 实时 KPI 指标，进行算法模型的学习与迭代更新；
6.智能节能 rAPP/xAPP 根据更新后的 AI/ML 输出结果进行指标预测，并通过英特尔 P/C-state 等技术作出相应的节能控制与执行。例如，预测到未来用户终端数量少、流量负载低、 PRB 利用率低时，可以通过调整降低处理器频率，甚至关闭部分物理核来降低基站的能耗。
基于上述流程，融合智能节能新方案的亚信科技基站新架构如图2所示，其中橙色部分为新方案所增设组件，主要包括：
• 为了更高效地从不同数据源采集数据，亚信科技引入了基于英特尔® 架构优化的 Telegraf 加强工具以及其它第三方开源时序采集工具，这些工具可通过标准的 E2 接口或私有接口将数据推送至时序数据库InfluxDB；
• 部署于 BBU 或 SMO 的时序预测 AI/ML 模型可以借助 Chronos 框架提供的一系列增强功能进行模型训练，并对 RAN网络中的用户终端数量、流量、 PRB利用率等关键指标进行预测；
• 加入用于大尺度节能控制及配置的 EXEC 程序，其一方面可通过获取 AI/ML 模型的预测数据，进行大尺度的节能控制与执行，另一方面也可反向输入参数给 AI/ML 模型，用以配置AI/M L模型的计算频率等；
• 采用 R1 标准接口的非实时应用程序 rAPP，其部署于 SMO 中，可根据 AI/ML 模型的预测结果及配置，进行非实时的大时间尺度节能控制；
• 实时应用程序 xAPP，其部署于 BBU 中，进行近实时节能控制，可以有效防止业务突发、异常突发时导致的 AI/ML 算法模型失效，同时还可根据系统信息来控制用户终端进行无线小区、载波等的切换。
可以看到，构建并高效训练用于时序预测的 AI/ML 模型是新方案的关键因素。为帮助亚信科技更高效地在方案中构建大规模时间序列预测应用，英特尔为之提供了 Chronos 框架，这一框架源自由英特尔开源的统一大数据分析和人工智能平台 BigDL，如图 3 所示，其主要提供了数据处理与特征工程、内置模型及可选的超参数优化三个组件，功能分别为：
• 数据处理与特征工程 (Data Processing & Feature Engineering) 组件： 内置了 70 多个数据处理和特征工程工具，通过 TSDataset API 接口来供亚信科技新方案方便地调用，从而快捷高效地完成数据预处理和特征工程流程；
• 内置模型 (Built-in Models) 组件： 内置 10 余个可用于时间序列预测、检测和模拟的独立深度学习和机器学习模型，功能涵盖预测器 (Forecasters)、检测器 (Detectors) 以及模拟器(Simulators)；
• 超参数优化 (Hyperparameter Optimization) 组件： 高度集成、可扩展和自动化的工作流 (通过 AutoTSEstimator 等API 实现)，能帮助新方案开展从数据预处理、特征工程到模型训练、模型选择和超参调优等全栈的自动化机器学习过程。
Chronos 框架提供了十多种不同种类的 ML/DL 内置模型，为不同应用场景提供高精确度的预测。与此同时，英特尔提供的多种优化方式，例如框架所集成的 ONNX runtime， OpenVINO™ 工具套件以及英特尔® oneAPI AI Analytics Toolkit 等，均能对AI模型优化和推理、训练提供更佳的性能支持。
如图 4 所示，亚信科技使用英特尔 Chronos 框架进行时间序列预测的基本流程如下：
1. 由 Chronos 框架提供的 TSDataset 接口对加载的 5G 小基站负荷数据集进行快速的数据预处理，例如填充、缩放、特征工程等操作。
2.然后，利用预 处理的时间序列数据进行建模，并通过 Chronos 的 AutoTSEstimator 接口，实现自动化超参数搜索、特征选取、模型优化来对算法进行调优并生成时间序列预测模型。
3.最终，使用这一模型对 5G 小基站负荷数据进行推理，获得实时的 5G 小基站负荷预测数据。
通常而言，处理器每个物理核的处理能力与频率是正相关的，且频率越高带来的功耗更高。因此，借助 AI/ML 模型获得良好的预测结果后，亚信科技还引入英特尔 P/C-state 等技术，对英特尔® 至强® D 处理器的频率等参数进行动态调整，从而实现基站能耗智能控制。这一技术可以通过相应的配置工具，对处理器的每个物理核进行静态或半静态的频率配置，从而实现性能和功耗的平衡。例如，当智能应用预测到基站即将进入低负载状态时，就可以借助该技术来降低处理器一个或多个物理核的频率，从而实现能耗的动态降低，或者将部分物理核放置到休眠状态，取得更大的节能效果。
方案收益：节能成效符合预期，为 5G 云化基站节能标准制定提供有效参考
为了让上述智能节能方案具有可信赖的实战能力，且不对繁忙的基站业务产生影响，亚信科技又与英特尔一起，围绕英特尔® 至强® D 处理器、 Chronos 框架以及英特尔 P/C-states 技术等的软硬件特性开展了大量的优化工作，并通过反复迭代实验，使新方案能够在各种场景中 (例如突发的海量业务带来的流量负载急剧增大等)都运用自如。
在双方携手进行的验证测试中，新方案表现出了高度的准确性、敏捷性和及时性。例如在某业务场景中，如图 5 所示，当系统预测到基站满足下面任一条件且用户终端数量低于 15 个，即流量负载低于 40Mbps、 PRB 利用率低于 10% 或处理器利用率低于 15% 时，就使用英特尔 P-state 技术将英特尔® 至强® D处理器设置为节能模式，使其工作在 1GHz；而当 预 测 到 基 站 满 足下 面 任 一 条 件，即 流 量 负 载 高 于 40Mbps、PRB 利用率高于 10% 或用户终端数量高于 15 个，则使用英特尔 P/C-state 技术将英特尔® 至强® D处理器设置为高性能模式，使其工作在 1.9GHz。基于类似的一系列调整策略，验证测试结果表明，新的基站智能节能方案可为用户带来 15%-30 % 的综合节能 ，在推动绿色网络建设理念之外，也帮助用户有效降低了运营成本。
此外，在本方案的设计、构建和验证过程中，亚信科技和英特尔一起，通过大量的测试数据，充分观测了处理器实时降频等操作对基站业务负载的影响，也为 5G 云化基站的节能标准制定提供了有效参考。
如果您想要了解该解决方案的详细信息，请关注英特尔开发人员专区微信公众号在后台回复“AsianInfo5G”，即可获取相关资料。
