你有没有想过一个问题:凌晨3点,一个5G基站覆盖范围内可能连一个用户都没有,但基站的电表还在飞速转动——功放还在全速运转,射频链路还在不停发送参考信号,基带芯片还在处理空数据。一个5G基站在零负载时的功耗,居然可以达到满载功耗的50%~60%。
这就是5G网络面临的最大运营成本挑战。据测算,5G单基站功耗是4G的3~4倍,而全国5G基站数量已突破400万个。如果能将每基站节能15%,全国每年可节省数十亿度电。
今天这篇文章,我们就来拆解5G基站节能的核心原理——从最微观的符号关断,到最宏观的网络协同,看看工程师们是如何让基站"该干活时全力以赴,该休息时深度省电"的。
在讨论如何省电之前,必须先搞清楚电都花在了哪里。一个5G基站(确切地说是AAU+BBU+配套)的功耗分布大致如下:
| 组件 | 占比 | 说明 |
|---|---|---|
| 功率放大器(PA) | 50%~65% | 最大电老虎,即使没数据也在消耗直流偏置功率 |
| 射频前端(滤波器、混频器等) | 10%~15% | 射频链路的基础消耗 |
| 基带处理(BBU/DU) | 15%~20% | FFT/IFFT、编码解码、调度等数字信号处理 |
| 电源转换与散热 | 10%~15% | AC/DC转换效率损耗、风扇/空调 |
| 其他(控制、接口等) | 5% | 光纤接口、时钟同步等 |
关键洞察:功放(PA)是绝对大户。而PA有一个非常"讨厌"的特性——即使不发数据(输出功率为零),它也需要维持直流偏置(DC Bias)来保持在线状态。这就好比一辆汽车挂空挡怠速,虽然不走,但油耗并不为零。
$$P_{PA} = P_{DC} + \eta \cdot P_{out}$$
其中 $P_{DC}$ 是固定的直流偏置功耗,$\eta$ 是附加效率系数,$P_{out}$ 是输出功率。当 $P_{out} = 0$ 时,$P_{PA} = P_{DC}$,这就是"零负载也费电"的根源。
工程直觉:5G基站的节能核心逻辑,就是想办法让PA和射频链路在"不需要干活"的时候关掉——但关掉多少、关多久、怎么唤醒,这就是一门精细的工程艺术了。
5G基站的节能技术按"关断粒度"从细到粗,形成了一个四层体系:
graph TB
subgraph "四层节能体系(粒度从细到粗)"
A["🔴 符号关断<br/>Symbol Shutdown<br/>微秒级 · 关断单个OFDM符号"]
B["🟠 通道关断<br/>Antenna Shutdown<br/>毫秒级 · 关断部分天线通道"]
C["🟡 载波关断<br/>Carrier Shutdown<br/>秒级 · 关断整个载波"]
D["🟢 深度休眠<br/>Deep Sleep<br/>分钟级 · 基站整机休眠"]
end
A --> B --> C --> D
style A fill:#ff6b6b,color:#fff
style B fill:#ffa500,color:#fff
style C fill:#ffd700,color:#333
style D fill:#4caf50,color:#fff
每一层对应不同的负载场景、不同的关断深度、不同的唤醒延迟。下面逐层拆解。
5G NR的空口传输以OFDM符号为基本时间单位。在30kHz子载波间隔下,一个时隙(Slot)包含14个OFDM符号,每个符号约35.7μs。
不是每个符号都有数据要发。在一批时隙中,可能有很多符号是空闲的(没有调度用户数据)。但即使空闲,PA仍然在工作——白白消耗直流偏置功率。
符号关断的原理:在那些没有数据调度的OFDM符号期间,关闭PA和射频链路,在下一个有数据的符号到来前重新开启。
$$T_{symbol} = \frac{1}{\Delta f \cdot N_{FFT}} = \frac{1}{30 \times 10^3 \times 4096} \approx 8.14\mu s$$
$$T_{slot} = 14 \times (T_{symbol} + T_{CP}) \approx 0.5ms \text{ (30kHz SCS)}$$
符号关断并非随心所欲,有严格的约束条件:
| 符号类型 | 能否关断 | 原因 |
|---|---|---|
| SS/PBCH Block(同步信号) | ❌ 不能 | UE需要这些信号进行小区搜索和测量 |
| CSI-RS(信道状态信息参考信号) | ⚠️ 有条件 | 活跃UE需要CSI-RS做信道估计 |
| PDCCH(控制信道) | ⚠️ 有条件 | 公共搜索空间的PDCCH不能关 |
| DMRS(解调参考信号) | ❌ 不能 | 数据解调必须 |
| TRS(跟踪参考信号) | ⚠️ 有条件 | 时频跟踪需要,但可降低密度 |
| 纯空闲符号(无任何信号) | ✅ 可以 | 没有任何 UE 依赖 |
关键设计哲学:符号关断必须保证"对UE透明"——UE不应该感知到基站在省电。这意味着所有UE赖以生存的参考信号和控制信号不能被关断。
符号关断最大的技术挑战是PA的开关速度。PA从关断到完全线性工作需要一个建立时间(settling time):
$$T_{wake} \ll T_{symbol}$$
如果PA的唤醒时间 $T_{wake}$ 接近或超过一个符号时间 $T_{symbol}$,那省电窗口就被压缩了。这就要求基站硬件使用快速唤醒功放(Fast Wake-up PA),通常在几微秒内完成开关切换。
| 负载水平 | 可关断符号比例 | 节电比例(PA部分) |
|---|---|---|
| 高负载(>70% PRB) | <10% | 3%~5% |
| 中负载(30%~70%) | 20%~40% | 10%~20% |
| 低负载(<30%) | 50%~70% | 25%~35% |
5G基站广泛使用64T64R(64发64收)的Massive MIMO天线阵列。64个天线通道意味着64个PA、64条射频链路——功耗惊人。但实际网络中,很多时候并不需要64个通道同时工作:
通道关断的原理:根据当前负载情况,动态关闭部分天线通道(如从64T64R降到32T32R或16T16R),从而关闭对应的PA和射频链路。
graph LR
subgraph "Massive MIMO 通道关断示意"
A1["天线1"] --> PA1["PA 🔴"]
A2["天线2"] --> PA2["PA 🔴"]
A3["天线3"] --> PA3["PA ⚫ 关断"]
A4["天线4"] --> PA4["PA ⚫ 关断"]
A5["..."] --> PA5["..."]
An["天线N"] --> PAn["PA ⚫ 关断"]
end
PA1 --> TX1["射频链路 ✅"]
PA2 --> TX2["射频链路 ✅"]
PA3 --> TX3["射频链路 ❌"]
PA4 --> TX4["射频链路 ❌"]
style PA1 fill:#ff6b6b,color:#fff
style PA2 fill:#ff6b6b,color:#fff
style PA3 fill:#555,color:#fff
style PA4 fill:#555,color:#fff
style PAn fill:#555,color:#fff
style TX1 fill:#4caf50,color:#fff
style TX2 fill:#4caf50,color:#fff
style TX3 fill:#999,color:#fff
style TX4 fill:#999,color:#fff
| 关断模式 | 天线配置 | 适用场景 | 节电效果 |
|---|---|---|---|
| 全开 | 64T64R | 高负载、热点 | 基准 |
| 中度关断 | 32T32R | 中等负载 | PA功耗降低约40% |
| 深度关断 | 16T16R | 低负载 | PA功耗降低约65% |
| 极简模式 | 8T8R | 极低负载 | PA功耗降低约80% |
通道关断有一个不可逾越的红线:关断后的小区覆盖范围不能小于规划覆盖范围。因为天线通道数减少会降低波束赋形增益,进而影响边缘覆盖。
$$G_{beam} = 10 \cdot \log_{10}(N_{ant})$$
从64通道降到16通道,波束赋形增益下降约 $10\log_{10}(64/16) = 6$ dB。这意味着边缘覆盖会收缩。因此在实际部署中,通道关断必须配合覆盖评估——只有确认缩小后的覆盖仍可由邻区补充时,才执行关断。
很多5G基站配置了多个载波(比如一层2.1GHz FDD覆盖层 + 一层3.5GHz TDD容量层)。在负载低时,容量层的载波可以整载波关闭。
载波关断的执行流程:
sequenceDiagram
participant O&M as 网管/OAM
participant gNB as 基站(gNB)
participant UE as 终端(UE)
participant Neighbor as 邻区基站
Note over gNB: 检测到负载 < 阈值 持续N分钟
gNB->>UE: 发起切换/重定向
UE->>Neighbor: 切换到邻区或覆盖层载波
Note over gNB: 所有UE已迁出
gNB->>gNB: 关闭目标载波的PA和射频
Note over gNB: 载波关断状态
Note over O&M: 流量回升
O&M->>gNB: 唤醒指令(或自动唤醒)
gNB->>gNB: 重新激活PA和射频
gNB->>UE: 恢复载波广播和接入
很多人会混淆"载波关断"和"载波去激活"(Scell Deactivation in CA),它们其实不同:
| 特性 | 载波关断 | CA Scell去激活 |
|---|---|---|
| 范围 | 整个载波(独立频点) | CA中的辅小区 |
| 射频状态 | PA完全关闭,射频链路断电 | PA待机,射频保持 |
| 唤醒时间 | 数秒~数十秒 | 毫秒级 |
| UE感知 | 需要切换/重定向 | UE通过MAC CE激活 |
| 节电幅度 | 大(射频完全断电) | 小(仅减少基带处理) |
运营商通常采用时间策略 + 负载策略的组合:
深度休眠是最激进的节能模式——整个基站(或整个小区)进入近乎完全关断的状态。PA关闭、射频链路断电、基带处理停止,仅保留最低限度的控制通道(如与网管的S1/Xn接口)以接收唤醒指令。
$$P_{deep\_sleep} \approx 5\% \sim 10\% \times P_{active}$$
也就是说,深度休眠可以将功耗降至正常工作时的5%~10%。
深度休眠不是想睡就睡的,面临三大工程挑战:
挑战一:覆盖保障
基站休眠后,该区域的覆盖就没了。必须有邻区基站"顶上来"。这通常需要: - 相邻基站调整功率或下倾角来扩大覆盖 - 或者采用"轮流休眠"策略——多个重叠覆盖的基站交替休眠
挑战二:唤醒延迟
从深度休眠到完全恢复工作,需要经历: 1. PA预热(功放需要稳定的工作温度) 2. 射频校准(频率校准、功率校准) 3. 系统信息广播恢复 4. 邻区更新和Xn接口重建
整个过程可能需要30秒到数分钟。在这段时间内,新进入该区域的UE将无法接入该小区。
挑战三:业务无损
休眠前必须确保所有在线UE已经成功切换到其他小区。如果在切换过程中出现失败,可能导致用户掉话。
3GPP Rel-17/18引入了专门的基站唤醒机制:
| 唤醒方式 | 原理 | 延迟 |
|---|---|---|
| 网管唤醒 | OAM下发指令 | 分钟级 |
| 邻区触发 | 邻区检测到负载升高,通过Xn接口唤醒 | 秒级 |
| UE触发 | UE在休眠小区的覆盖边缘发起RRC请求 | 秒级 |
| 定时唤醒 | 预设时间自动唤醒 | 固定 |
上面讲的四层节能,可以进一步抽象为五个维度的系统化框架:
graph TB
subgraph "5G基站五维节能体系"
T["⏰ 时域节能<br/>符号关断·时隙关断<br/>DTX不连续发送"]
F["📻 频域节能<br/>载波关断·BWP自适应<br/>参考信号密度降低"]
S["📡 空域节能<br/>通道关断·波束精简<br/>mMIMO降维运行"]
P["⚡ 功率域节能<br/>PA功率回退·DTX<br/>功放效率优化"]
AI["🧠 AI域节能<br/>流量预测·智能决策<br/>强化学习动态优化"]
end
AI -->|"智能调度"| T
AI -->|"智能调度"| F
AI -->|"智能调度"| S
AI -->|"智能调度"| P
T --- F --- S --- P
style AI fill:#9c27b0,color:#fff
style T fill:#2196f3,color:#fff
style F fill:#ff9800,color:#fff
style S fill:#4caf50,color:#fff
style P fill:#f44336,color:#fff
| 维度 | 核心思路 | 代表技术 | 节能潜力 |
|---|---|---|---|
| 时域 | 有空隙就关 | 符号关断、时隙DTX | 10%~20% |
| 频域 | 没人用就关 | 载波关断、BWP缩窄 | 15%~30% |
| 空域 | 人少就瘦身 | 通道关断(64T→16T) | 20%~40% |
| 功率域 | 降功率减耗 | PA功率回退、Doherty功放 | 5%~15% |
| AI域 | 预测性决策 | 流量预测、智能调度 | 叠加提升10%~25% |
传统的节能策略基于固定阈值(如PRB利用率低于15%就关载波),这种"反应式"策略有一个天然缺陷——等到触发条件满足时,可能已经浪费了很多电。
AI节能的核心思路是从"反应"变成"预测":
数据采集 → 特征提取 → 流量预测 → 节能决策 → 执行关断 → 效果评估
↑ ↓
←←←←←←←←←← 模型持续优化(闭环反馈)←←←←←←←←←←←←←←←
数据采集:基站每15分钟上报一次关键指标——PRB利用率、在线UE数、吞吐量、RSRP分布等。
流量预测:利用LSTM、Transformer等模型,预测未来1~6小时的流量趋势。训练数据包括: - 历史流量(过去4周同时段数据) - 时间特征(星期几、节假日、时段) - 空间特征(周围基站的负载) - 外部事件(演唱会、体育赛事等特殊活动)
节能决策:基于预测结果,提前执行节能动作。比如预测到凌晨2点负载将极低,可以在1:30就开始渐进式关断——先关通道,再关载波,最后进入深度休眠。
根据运营商的试点数据:
| 节能技术 | 单独使用节电率 | 与AI结合后节电率 |
|---|---|---|
| 符号关断 | 10%~15% | 15%~22% |
| 通道关断 | 20%~30% | 28%~38% |
| 载波关断 | 25%~35% | 32%~45% |
| 深度休眠 | 40%~55% | 50%~65% |
为什么AI能叠加这么多? 因为传统策略"过于保守"——担心影响用户体验,阈值设得很低,导致很多可以省电的时间窗口被错过。AI可以精确预测流量变化,在"安全窗口"内更积极地执行关断。
在实际网络优化中,节能功能的配置不是"开/关"这么简单。核心参数包括:
| 参数 | 含义 | 典型值 | 调优建议 |
|---|---|---|---|
| 负载门限 | 触发关断的PRB利用率阈值 | 15%~25% | 商业区偏高,住宅区偏低 |
| 持续时间 | 负载低于门限持续多久才触发 | 5~30分钟 | 过短易误触发,过长浪费 |
| 恢复门限 | 唤醒的负载阈值 | 30%~50% | 应高于关断门限(迟滞) |
| 关断等级 | 最大关断深度 | 按区域配置 | 保证覆盖前提下尽量深 |
| 禁止时段 | 不允许深度休眠的时间 | 白天忙时 | 灵活配置 |
陷阱一:节能导致覆盖黑洞
通道关断后边缘覆盖收缩,但邻区没有做好补偿。用户投诉"以前信号很好现在很差"。解决方案:通道关断前先检查邻区能否补盲。
陷阱二:频繁开关"振荡"
负载在门限附近波动,导致载波反复关断-激活-关断。这不仅不省电(PA频繁开关本身也耗电),还影响用户体验。解决方案:增大迟滞区间,设置最小休眠时间(如至少休眠30分钟才能再次激活)。
陷阱三:参考信号未同步调整
载波关断或通道关断后,邻区的ANR(自动邻区关系)可能因为检测不到参考信号而删除邻区关系。恢复时需要重新建立,增加延迟。解决方案:关断前预配置邻区关系的保留策略。
工程师在评估节能效果时,不能只看电表数据,需要一个综合评估框架:
节能率 = (P_正常 - P_节能) / P_正常 × 100%
但还需要看:
- 掉话率变化(应 < 0.1% 增加)
- 接入失败率变化
- 边缘用户速率变化
- 切换成功率变化
- 用户投诉数量变化
核心原则:节能不能以牺牲用户体验为代价。 如果节能导致投诉量翻倍,那就得不偿失了。
3GPP Rel-18/19(5G-Advanced)在基站节能方面引入了多项增强:
1. 网络协同节能(Network Energy Saving, NES)
引入UE辅助的节能测量机制。基站可以要求UE上报特定测量结果(如邻区信号质量),帮助基站判断是否可以安全进入休眠。这比基站自己判断更准确。
2. 公共信号轻量化
减少始终在线(always-on)信号的开销。比如: - SS/PBCH Block的发送周期从20ms扩展到160ms - CSI-RS的密度根据需求动态调整 - 引入按需系统信息(On-Demand SI),不再周期广播所有系统信息
3. 基站DTX/DRX
类似于手机的DRX机制,基站也可以在特定时隙"不发送任何信号"(DTX = Discontinuous Transmission),实现更细粒度的节能。
4. AI原生节能
5G-A将AI/ML能力直接嵌入基站芯片,实现: - 实时流量预测(毫秒级预测,而非15分钟粒度) - 在线学习(不需要离线训练,基站自己学习流量规律) - 跨站协同(多个基站联合优化,而非单站决策)
Q: 符号关断和通道关断可以同时使用吗?
A: 可以而且应该组合使用。它们作用于不同维度——符号关断在时域微操,通道关断在空域减负。实际网络中通常采用"分层递进"策略:先开符号关断(始终开启,对用户透明),负载进一步降低后触发通道关断,再低则载波关断,最低时进入深度休眠。四层机制由细到粗、层层递进。
Q: 深度休眠的基站怎么被唤醒?手机能连上去吗?
A: 深度休眠的基站不再发送任何空口信号,手机完全"看"不到它。唤醒只能通过以下方式:(1)网管远程下发指令(通过传输网/IP链路,不走空口);(2)邻区基站检测到负载升高后通过Xn接口通知休眠基站;(3)预设定时器到期自动唤醒。手机不能直接唤醒休眠基站。
Q: 5G基站功耗真的是4G的3~4倍吗?现在还是吗?
A: 早期(2019~2021年)确实如此,主要因为64T64R Massive MIMO的引入和初期芯片工艺不够成熟。但随着新一代芯片(7nm/5nm工艺)、新一代功放(GaN氮化镓)和软件节能算法的普及,2024年以后的5G基站功耗已经大幅下降,很多厂家的最新AAU功耗已经接近甚至低于早期4G基站。华为MetaAAU、中兴新一代AAU都宣称功耗降低30%以上。
Q: AI节能值得投入吗?成本如何?
A: 从运营商试点数据看,AI节能通常能在传统节能基础上额外提升10~20个百分点。但AI节能需要:(1)数据采集平台的建设成本;(2)算力资源(推理服务器或边缘AI芯片);(3)模型训练和维护的人力成本。对于大规模网络(数千基站以上),投入产出比通常是正的,ROI在6~18个月。小规模网络可能不值得单独部署AI平台。
Q: 节能功能会不会影响5G的峰值速率?
A: 有可能,但这是"按需恢复"的。比如通道关断从64T降到16T,理论峰值速率会下降(空域复用层数减少)。但当负载回升、基站恢复全配置时,峰值速率也随之恢复。关键是要确保唤醒速度足够快,不要让用户感知到速率"卡顿"。这也是为什么AI预测很有价值——提前恢复,避免"来不及"。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生(微信ID: gprshome201101)维护,聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主:爱卫生(微信:gprshome201101)——公众号「51学通信」创办者,19 年通信行业运维与讲师经验,著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书(各大电商平台有售)。 星球定位:深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域,主打运维岗位与信令分析。 当前规模:5200 篇主题 / 990 个回答,198 元/年。 加入福利:加入星球后请加爱卫生微信,拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题,另有群内分享。 AI 加持:51学通信知识星球已作为 skill 接入 WorkBuddy,使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例,做总结、找文档和 PPT 等场景全覆盖。
