5G C-RAN资源预测和分配方法及系统技术方案

本发明专利技术提供一种5G C‑RAN资源预测和分配方法及一种5G C‑RAN资源预测和分配系统，属于无线通讯领域。所述方法包括：建立针对C‑RAN系统的流量预测模型，并根据所述流量预测模型获得流量预测数据；根据所述流量预测数据设计用于网络资源分配的基于遗传算法的网络资源分配算法；根据所述网络资源分配算法获得网络资源的最优分配方案，并根据所述最优分配方案进行系统网络资源的动态分配。分配的过程既考虑了BBU的运行能耗，也同时考虑了计算任务迁移能耗，在一定程度上实现了保证通信网络服务质量的同时，节约系统能耗。

【技术实现步骤摘要】
5GC-RAN资源预测和分配方法及系统
本专利技术涉及无线通讯领域，具体地涉及一种5GC-RAN资源预测和分配方法及一种5GC-RAN资源预测和分配系统。
技术介绍
随着5G的逐步推广和应用，无线接入网C-RAN体系作为5G的一项核心技术，需要一种更加智能、灵活的架构和策略，使之充分挖掘5G网络的性能。当前对C-RAN架构下的基带池所进行的优化较少，基带池中的BBU(BuildingBasebandUnite，室内基带处理单元)不管是闲时还是忙时都处于活跃状态，没有根据负载情况进行动态切换。由于对网络资源的需求在时间和空间上的分布非常不均衡，因此长期处于活跃状态的BBU会造成较大的资源浪费。当前对于C-RAN资源的预测和分配方法的研究主要围绕两个方面：一是通过模型对网络负载情况进行预测，二是根据预测值或实际值对C-RAN资源进行动态分配。目前存在的方法大多只是关注能耗的最小化，对于资源动态分配所造成的计算任务在迁移过程中产生的额外能耗以及通信任务可能存在的中断风险却没有具体的优化方案，针对此问题，需要创造一种保证通信网络服务质量的同时，节约系统能耗的C-RAN资源的预测和分配方法。
技术实现思路
本专利技术实施方式的目的是提供一种5GC-RAN资源预测和分配方法方法，以至少解决上述的目前存在的方法大多只是关注能耗的最小化，对于资源动态分配所造成的计算任务在迁移过程中产生的额外能耗以及通信任务可能存在的中断风险却没有具体的优化方案的问题。为了实现上述目的，本专利技术第一方面提供一种5GC-RAN资源预测和分配方法，所述方法包括：建立综合能耗优化和维持网络服务质量的优化问题；建立针对C-RAN系统的流量预测模型，并根据所述流量预测模型获得流量预测数据；根据所述流量预测数据设计用于网络资源分配的基于遗传算法的网络资源分配算法；根据所述网络资源分配算法获得网络资源的最优分配方案，并根据所述最优分配方案进行系统网络资源的动态分配。可选的，所述建立综合能耗优化和维持网络服务质量的优化问题，包括：分别计算BBU运行总能耗、任务迁移总能耗和电力通信任务瞬时功率；其中，BBU运行总能耗计算公式为：其中，n为BBU池中的BBU总数；Pbi(t)为在时间t内，第i个BBU的能耗，其计算公式为：其中，h为任务总数；为布尔变量；Sz(t)为第z个任务的任务量；γ为运行能耗的修正权重；Pbbasic(t)为BBU开启时的基础能耗。可选的，所述任务迁移总能耗βtotal(t)的计算公式为：其中，h为任务总数；为布尔变量；S′z(t)表示在进行数据迁移时该任务的数据量大小；δ为任务迁移能耗的修正权重；所述电力通信任务瞬时功率的计算公式为：其中，为第i个BBU中的第m个任务的处理速率；α为功率的修正权重。可选的，将所述综合能耗优化和所述维持网络服务质量作为优化问题的建模关系式为：MinPtotal(t)＝αtotal(t)+βtotal(t)+Pstatic(t)其中，Pstatic(t)为C-RAN系统的静态能耗总和；将所述综合能耗优化和所述维持网络服务质量作为优化问题满足以下约束条件：γ,δ,α>0其中，Pmax为BBU的额定最大功率；m表示该任务为该BBU中的第m个任务；M为该BBU此时的任务总数；为第i个BBU中第m个任务的下行网络速率；CMax为BBU下行网络速率的额定最大值。可选的，所述建立针对C-RAN系统的流量预测模型，包括：获取流量数据；根据算术移动平均算法对所述流量数据进行预处理，将滑动窗口位置的数据平均值作为该位置的数值；其中，所述算术移动平均算法包括：设定滑动窗口大小；计算滑动窗口内总数据量；根据所述总数据量和所述滑动窗口大小获得所述数据平均值；其中，计算公式为：其中，MA为最后求得的平均值；Ti为流量数据；j为窗口的起始位置；W为窗口宽度。可选的，所述建立针对C-RAN系统的流量预测模型，还包括：构建LSTM流量预测模型，并完成所述LSTM流量预测模型的训练；根据所述完成训练的LSTM流量预测模型和所述求得的平均值进行预测，并获得网络流量数据预测值；其中，所述LSTM流量预模型的损失函数为MAE平均绝对误差，其计算公式为：其中，yi为预测值；xi为实际值。可选的，所述基于遗传算法的网络资源分配算法为群种演化过程模拟算法；其中，一个染色体表示一个RRH的迁移方案，染色体上的基因表示对应位置的RRH下一次将迁移的BBU。可选的，所述根据所述网络资源分配算法获得网络资源的最优分配方案，并根据所述最优分配方案进行系统网络资源的动态分配，包括：1)根据遗传算法完成染色体编码，完成编码后生成一定数量的染色体，所述染色体中的基因皆为随机生成，所述染色体作为第一代种群开始进化；2)根据锦标赛选择法进行所述第一代种群中染色体适应性能筛选，每一次随机选择所述第一代种群中的两条染色体进行适应性比较，将其中适应性更强的一条染色体选为子代种群，直到所有染色体被筛选完成，保留原种群染色体总量中一半数量的适应性更强的染色体组作为子代种群；3)每次选择所述子代种群中的两条染色体，并进行两条染色体的基因随机部分交换，直到所有染色体均完成交叉，将所有交叉后的染色体均选入所述子代种群，所述子代种群中包括交叉后的染色体和适应性选择后的染色体；4)预设基因突变概率，通过基因突变扩充所述子代种群染色体数量，选择数量扩充后子代种群中适应性最强的染色体代表的RRH的迁移方案为网络资源的最优分配方案，并根据所述最优分配方案进行网络资源的动态分配。本专利技术第二方面提供一种5GC-RAN资源预测和分配系统，所述系统包括：采集单元，用于获取流量数据；处理单元，用于建立综合能耗优化和维持网络服务质量的优化问题；预测单元，用于建立针对C-RAN系统的流量预测模型，并根据所述流量预测模型获得流量预测数据；分配单元，用于根据所述流量预测数据设计用于网络资源分配的基于遗传算法的网络资源分配算法；根据所述网络资源分配算法获得网络资源的最优分配方案，并根据所述最优分配方案进行系统网络资源的动态分配。另一方面，本专利技术提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的5GC-RAN资源预测和分配方法。通过上述技术方案，首先通过对如何保证通信网络服务质量的同时，节约系统能耗的问题进行分析建模，综合能耗优化和维持网络服务质量的过程中需要考虑的各个因素，包括BBU的最大功率，计算任务的处理速率与对应功率之间的关系，以及各任务下行速率与处理速率的关系等；然后设计了针对C-RAN系统的流量预测模型，再根据该模型所得的预测数据作为资源分配的依据；设计了用于网络资源分配的基于遗传算法的网络资源分配算法，通过对预测所得数据和系统网络资源进行动态分配。分配的过程既考虑了BBU的运行能耗，也同时考虑了计算任务迁移能耗，在一定程度本文档来自技高网...

【技术保护点】
1.一种5G C-RAN资源预测和分配方法，其特征在于，所述方法包括：/n建立综合能耗优化和维持网络服务质量的优化问题；/n建立针对C-RAN系统的流量预测模型，并根据所述流量预测模型获得流量预测数据；/n根据所述流量预测数据设计用于网络资源分配的基于遗传算法的网络资源分配算法；/n根据所述网络资源分配算法进行所述优化问题求解，获得网络资源的最优分配方案，并根据所述最优分配方案进行系统网络资源的动态分配。/n

【技术特征摘要】
1.一种5GC-RAN资源预测和分配方法，其特征在于，所述方法包括：
建立综合能耗优化和维持网络服务质量的优化问题；
建立针对C-RAN系统的流量预测模型，并根据所述流量预测模型获得流量预测数据；
根据所述流量预测数据设计用于网络资源分配的基于遗传算法的网络资源分配算法；
根据所述网络资源分配算法进行所述优化问题求解，获得网络资源的最优分配方案，并根据所述最优分配方案进行系统网络资源的动态分配。


2.根据权利要求1所述的5GC-RAN资源预测和分配方法，其特征在于，所述建立综合能耗优化和维持网络服务质量的优化问题，包括：
分别计算BBU运行总能耗、任务迁移总能耗和电力通信任务瞬时功率；其中，BBU运行总能耗αtotal(t)计算公式为：



其中，n为BBU池中的BBU总数；
Pbi(t)为在时间t内，第i个BBU的能耗，其计算公式为：



其中，h为任务总数；

为布尔变量；
Sz(t)为第z个任务的任务量；
γ为运行能耗的修正权重；
Pbbasic(t)为BBU开启时的基础能耗。


3.根据权利要求2所述的5GC-RAN资源预测和分配方法，其特征在于，所述任务迁移总能耗βtotal(t)的计算公式为：



其中，h为任务总数；

为布尔变量；
S′z(t)表示在进行数据迁移时该任务的数据量大小；
δ为任务迁移能耗的修正权重；
所述电力通信任务瞬时功率的计算公式为：



其中，为第i个BBU中的第m个任务的处理速率；
α为功率的修正权重。


4.根据权利要求3所述的5GC-RAN资源预测和分配方法，其特征在于，所述综合能耗优化和维持网络服务质量优化问题的关系式为：
MinPtotal(t)＝αtotal(t)+βtotal(t)+Pstatic(t)
其中，Pstatic(t)为C-RAN系统的静态能耗总和；
将所述综合能耗优化和所述维持网络服务质量作为优化问题满足以下约束条件：
γ,δ,α>0









其中，Pmax为BBU的额定最大功率；
m表示该任务为该BBU中的第m个任务；
M为该BBU此时的任务总数；

为第i个BBU中第m个任务的下行网络速率；
CMax为BBU下行网络速率的额定最大值。


5.根据权利要求1所述的5GC-RAN资源预测和分配方法，其特征在于，所述建立针对C-RAN系统的流量预测模型，包括：
获取流量数据；
根据算术移动平均算法对所述流量数据进行预处理，将滑动窗口位置的数据平均值作为该位置的数值；其中，所述算术移动平均算法包括：
设定滑动窗口大小；
计算滑动窗口内总数据量；
根据所述总数据量和所...

【专利技术属性】
技术研发人员：于浩，金鑫，汪辉，汪筱巍，胡丹，刘才华，杨阳，吴昊，董亚文，吴辉，郭力旋，吕玉祥，刘江，
申请(专利权)人：国网安徽省电力有限公司信息通信分公司，安徽继远软件有限公司，国网信息通信产业集团有限公司，国家电网有限公司，
类型：发明
国别省市：安徽;34