【技术实现步骤摘要】
【国外来华专利技术】人工智能供电的无线电超温处理
[0001]本专利技术涉及无线通信，具体而言，涉及用于人工智能供电的无线电超温处理。
技术介绍
[0002]无线电接入技术(诸如基于由第三代合作伙伴计划(3GPP)颁布的标准提供的那些技术)包括网络节点中的通信网络无线电，即网络节点无线电。部分由于高环境温度和高流量负载，网络节点无线电可能暴露于超温状况(例如，异常范围上限)。目前，有多种减轻功能来处理超温状况，包括功率回退、延缓、优化调度和带有警报的无线电关机作为最后手段。不同的无线电产品可能利用上述一种或多种超温处理(OTH)方法。每个功能都配置有参数，诸如触发和释放温度阈值、回退值、在OTH模式下花费的最长时间或上升/下降周期。
[0003]基于规则的软件控制器使用来自无线电硬件中不同温度传感器的读数来管理超温状况并且冷却无线电。控制器具有预定义的规则、状态和阈值。不同操作模式(正常、回退等)之间的状态转换是随着操作温度随时间的上升和下降而执行的。
[0004]无线电单元OTH是多维问题。诸如环境温度、风速、一天中的时间、预...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于减轻通信网络无线电(36)中不期望的环境状况的方法，所述方法包括：基于多个数据源选择(S100)机器学习模型；以及使用所选择的机器学习模型来确定(S102)减轻所述不期望的环境状况的解决方案。2.根据权利要求1所述的方法，其中所述多个数据源包括与以下至少一个相关联的数据：超温处理OTH过程参数(68)，所述OTH过程参数(68)包括触发、释放和定时中的至少一个；无线电内部测量(70)，包括以下中的至少一个：来自温度传感器的温度读数、装置的电压、装置的电流、回退参数、温度传感器位置、温度传感器不准确性度量、物理资源块PRB利用率度量和装置的平均故障间隔时间MTBF；环境因素(72)，包括时间、环境温度、温度变化的斜率和天气状况中的至少一个；以及网络关键性能指标KPI(74)，包括小区覆盖、等待时间和带有警报的关机中的至少一个。3.根据权利要求1和2中任一项所述的方法，其中所选择的机器学习模型至少包括监督学习SL模型。4.根据权利要求3所述的方法，其中所述SL模型至少包括：模型训练特征(76)，所述模型训练特征(76)包括至少基于特征工程和特征生成(80)中的一个的用于训练和验证(82)的监督机器学习过程，所述特征工程和特征生成(80)基于来自所述数据源(68、70、72、74)的数据；以及部署特征(78)，所述部署特征(78)至少包括至少基于特征工程和特征生成(84)中的一个的预测OTH模型(86)，所述特征工程和特征生成(84)基于来自所述数据源(68、70、72、74)的数据。5.根据权利要求4所述的方法，其中所述预测OTH模型(86)进一步基于用于训练和验证(82)的所述监督机器学习过程。6.根据权利要求5所述的方法，其中所确定的减轻所述不期望的环境状况的解决方案是通过所述预测OTH模型(86)来确定的，所确定的解决方案是基于模型的OTH(88)，包括以下中的至少一个：预测何时将发生超温状况；预测开始OTH动作的最佳时间点；估计何时释放OTH过程以及何时返回正常操作；选择OTH过程的最佳组合和顺序；以及估计至少所选择的OTH过程的最佳参数。7.根据权利要求1和2中任一项所述的方法，其中所选择的机器学习模型至少包括强化学习RL模型。8.根据权利要求7所述的方法，其中确定减轻所述不期望的环境状况的所述解决方案进一步基于从来自所述多个数据源中的至少一个数据源的数据获得的当前状态(96)。9.根据权利要求7和8中任一项所述的方法，其中确定减轻所述不期望的环境状况的所述解决方案进一步基于与所述通信网络无线电(36)的内部和外部环境(94)中的一个相关联的奖励(98)。
10.根据权利要求9所述的方法，其中所述奖励(98)至少包括正向奖励，所述正向奖励指示所述通信网络无线电的温度降低，并且所述KPI中的至少一个是可接受的。11.根据权利要求7至10中任一项所述的方法，其中确定减轻所述不期望的环境状况的所述解决方案包括确定动作(92)，所述动作至少包括所述OTH过程和与所述OTH过程相关联的至少一个参数。12.根据权利要求1所述的方法，所述方法还包括至少基于所确定的解决方案来减轻所述不期望的环境状况。13.一种被配置成减轻通信网络无线电(36)中的不期望的环境状况的设备(16)，所述设备(16)包括：处理电路(42)，被配置成：基于多个数据源选择机器学习模型；以及使用所选择的机器学习模型来确定减轻所述不期望的环境状况的解...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。