基于真实数据的5G能耗建模：能源指纹就是唯一需要的
信号处理
2025-09-15 v2 人工智能
摘要
5G技术的引入彻底改变了通信领域，使其实现了前所未有的容量、连接性和超快、可靠的通信。然而，这一飞跃导致能耗大幅增加，为网络可持续性带来了挑战。准确的能耗建模对于开发能源效率策略至关重要，使运营商能够在保持网络性能的同时优化资源利用。为此，我们提出一种新型深度学习模型，用于5G基站能耗估计，基于真实世界数据集。与现有方法不同，我们的方法通过嵌入层将基站标识(BSID)作为输入特征，捕捉不同基站之间的独特能耗模式。我们进一步引入掩码训练方法和注意力机制以提高泛化和准确性。实验结果显示，显著改善了性能，将平均绝对百分比误差(MAPE)从12.75%降至4.98%，相较于现有模型实现了超过60%的性能提升。本模型的代码可在https://github.com/RS2002/ARL获取。
引用
@article{arxiv.2406.16929,
title = {Modelling the 5G Energy Consumption using Real-world Data: Energy Fingerprint is All You Need},
author = {Tingwei Chen and Yantao Wang and Hanzhi Chen and Zijian Zhao and Xinhao Li and Nicola Piovesan and Guangxu Zhu and Qingjiang Shi},
journal= {arXiv preprint arXiv:2406.16929},
year = {2025}
}