通信设备的能耗管控方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种通信设备的能耗管控方法，包括：通过获取预设时间段内T个时段对应的M个通信设备的N维样本特征信息；采用无放回的抽样方式抽取H条样本记录，将H条样本记录构成L个通信设备的抽样特征信息；采用不同的计算方法分别计算抽样特征信息与样本特征信息的第一距离和第二距离；最终获得计算样本特征信息的聚类簇数K；对M个通信设备样本特征信息进行聚类分析，确定每一聚类簇包含的通信设备；判断相应的通信设备是否为异常能耗设备；对判定为异常能耗设备的通信设备采用预设的管控方式进行管控，该通信设备的能耗管控方法实现了对通信设备的高效管控，减少了通信设备的能耗成本，还能够实现对通信设备的能耗的准确稽核。

Energy consumption control method, device, computer equipment and storage medium of communication equipment

【技术实现步骤摘要】
通信设备的能耗管控方法、装置、计算机设备和存储介质
本专利技术涉及信息技术处理
，尤其涉及一种通信设备的能耗管控方法、装置、计算机设备和存储介质。
技术介绍
随着通信市场的竞争日趋激烈，通信设备的能耗管控成为了电信运营商的重中之重。以通信设备的基站为例，基站铁塔产品服务费、生产能耗、装维外包、现场综合外包等刚性成本已占到维护总成本的85％以上。其中，综合能耗成本占总成本30％，伴随着高密度的5G基站部署，所有能耗成本还会急剧增加。当前通信设备的能耗计算主要依靠一线工作人员员工，基于各家电信企业设备的额定能耗和个数来预估电费分摊比例。该种能耗管控方法没有考虑到不同的通信设备的忙闲程度对总功耗的影响，又无法满足通信设备扩容时及时修改分摊比例的需要，同时还造成了企业电费核算困难问题，因此亟需提供一种能够对通信设备的能耗进行高效管控的方法。
技术实现思路
基于此，有必要针对上述问题，提出一种可以对通信设备的能耗进行高效管控的通信设备的能耗管控方法、装置、计算机设备和存储介质。一种通信设备的能耗管控方法，其特征在于，所述方法包括：获取预设时间段内T个时段对应的M个通信设备的N维样本特征信息，且每一所述通信设备包括T条样本记录，每一所述样本记录构成一个长度为N的一维向量，其中，T、N和M均为大于1的自然数；采用无放回的抽样方式从所述样本特征信息中抽取H条样本记录，将所述H条样本记录构成L个通信设备的抽样特征信息，其中L远远小于M，且L为H/T向下取整后的正整数；采用不同的计算方法分别计算所述L个通信设备的抽样特征信息与所述M个通信设备的样本特征信息的第一距离和第二距离；基于所述第一距离和所述第二距离，采用无参数的概率密度估计算法计算所述通信设备的样本特征信息的聚类簇数K，其中，K为大于1的自然数；基于所述聚类簇数K采用K-means算法对M个所述通信设备样本特征信息进行聚类分析，确定K个聚类簇中每一聚类簇包含的通信设备，并从所述通信设备的样本特征信息中提取出能耗信息；获取每一聚类簇对应的能耗规则，根据所述每一聚类簇对应的能耗规则和同一聚类簇下的多个通信设备的所述能耗信息判断相应的通信设备是否为异常能耗设备；对判定为异常能耗设备的通信设备采用预设的管控方式进行管控。一种通信设备的能耗管控装置，所述装置包括：特征信息获取模块，用于获取预设时间段内T个时段对应的M个通信设备的N维样本特征信息，且每一所述通信设备包括T条样本记录，每一所述样本记录构成一个长度为N的一维向量，其中，T、N和M均为大于1的正整数；信息抽样模块，用于采用无放回的抽样方式从所述样本特征信息中抽取H条样本记录，将所述H条样本记录构成L个通信设备的抽样特征信息，其中L远远小于M，且L为H/T向下取整后的正整数；距离计算模块，用于采用不同的计算方法分别计算所述L个通信设备的抽样特征信息与所述M个通信设备的样本特征信息的第一距离和第二距离；聚类数据估算模块，用于基于所述第一距离和所述第二距离，采用无参数的概率密度估计算法计算所述通信设备的样本特征信息的聚类簇数K；聚类分析模块，用于基于所述聚类簇数K采用K-means算法对M个所述通信设备样本特征信息进行聚类分析，确定K个聚类簇中每一聚类簇包含的通信设备，并从所述通信设备的样本特征信息中提取出能耗信息；异常设备判定模块，用于获取每一聚类簇对应的能耗规则，根据所述每一聚类簇对应的能耗规则和同一聚类簇下的多个通信设备的所述能耗信息判断相应的通信设备是否为异常能耗设备；能耗管理模块，用于对判定为异常能耗设备的通信设备采用预设的管控方式进行管控。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：获取预设时间段内T个时段对应的M个通信设备的N维样本特征信息，且每一所述通信设备包括T条样本记录，每一所述样本记录构成一个长度为N的一维向量，其中，T、N和M均为大于1的自然数；采用无放回的抽样方式从所述样本特征信息中抽取H条样本记录，将所述H条样本记录构成L个通信设备的抽样特征信息，其中L远远小于M，且L为H/T向下取整后的正整数；采用不同的计算方法分别计算所述L个通信设备的抽样特征信息与所述M个通信设备的样本特征信息的第一距离和第二距离；基于所述第一距离和所述第二距离，采用无参数的概率密度估计算法计算所述通信设备的样本特征信息的聚类簇数K，其中，K为大于1的自然数；基于所述聚类簇数K采用K-means算法对M个所述通信设备样本特征信息进行聚类分析，确定K个聚类簇中每一聚类簇包含的通信设备，并从所述通信设备的样本特征信息中提取出能耗信息；获取每一聚类簇对应的能耗规则，根据所述每一聚类簇对应的能耗规则和同一聚类簇下的多个通信设备的所述能耗信息判断相应的通信设备是否为异常能耗设备；对判定为异常能耗设备的通信设备采用预设的管控方式进行管控。一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：获取预设时间段内T个时段对应的M个通信设备的N维样本特征信息，且每一所述通信设备包括T条样本记录，每一所述样本记录构成一个长度为N的一维向量，其中，T、N和M均为大于1的自然数；采用无放回的抽样方式从所述样本特征信息中抽取H条样本记录，将所述H条样本记录构成L个通信设备的抽样特征信息，其中L远远小于M，且L为H/T向下取整后的正整数；采用不同的计算方法分别计算所述L个通信设备的抽样特征信息与所述M个通信设备的样本特征信息的第一距离和第二距离；基于所述第一距离和所述第二距离，采用无参数的概率密度估计算法计算所述通信设备的样本特征信息的聚类簇数K，其中，K为大于1的自然数；基于所述聚类簇数K采用K-means算法对M个所述通信设备样本特征信息进行聚类分析，确定K个聚类簇中每一聚类簇包含的通信设备，并从所述通信设备的样本特征信息中提取出能耗信息；获取每一聚类簇对应的能耗规则，根据所述每一聚类簇对应的能耗规则和同一聚类簇下的多个通信设备的所述能耗信息判断相应的通信设备是否为异常能耗设备；对判定为异常能耗设备的通信设备采用预设的管控方式进行管控。上述通信设备的能耗管控方法、装置、计算机设备及存储介质，通过获取预设时间段内T个时段对应的M个通信设备的N维样本特征信息，且每一所述通信设备包括T条样本记录，每一所述样本记录构成一个长度为N的一维向量；采用无放回的抽样方式从所述样本特征信息中抽取H条样本记录，将所述H条样本记录构成L个通信设备的抽样特征信息，其中L远远小于M，且L为H/T向下取整后的正整数；采用不同的计算方法分别计算所述L个通信设备的抽样特征信息与所述M个通信设备的样本特征信息的第一距离和第二距离；基于所述第一距离和所述第二距离，采用无参数的概率密度估计算法计算所述通信设备的样本本文档来自技高网...

【技术保护点】
1.一种通信设备的能耗管控方法，其特征在于，所述方法包括：/n获取预设时间段内T个时段对应的M个通信设备的N维样本特征信息，且每一所述通信设备包括T条样本记录，每一所述样本记录构成一个长度为N的一维向量，其中，T、N和M均为大于1的自然数；/n采用无放回的抽样方式从所述样本特征信息中抽取H条样本记录，将所述H条样本记录构成L个通信设备的抽样特征信息，其中L远远小于M，且L为H/T向下取整后的正整数；/n采用不同的计算方法分别计算所述L个通信设备的抽样特征信息与所述M个通信设备的样本特征信息的第一距离和第二距离；/n基于所述第一距离和所述第二距离，采用无参数的概率密度估计算法计算所述通信设备的样本特征信息的聚类簇数K，其中，K为大于1的自然数；/n基于所述聚类簇数K采用K-means算法对M个所述通信设备样本特征信息进行聚类分析，确定K个聚类簇中每一聚类簇包含的通信设备，并从所述通信设备的样本特征信息中提取出能耗信息；/n获取每一聚类簇对应的能耗规则，根据所述每一聚类簇对应的能耗规则和同一聚类簇下的多个通信设备的所述能耗信息判断相应的通信设备是否为异常能耗设备；/n对判定为异常能耗设备的通信设备采用预设的管控方式进行管控。/n...

【技术特征摘要】
1.一种通信设备的能耗管控方法，其特征在于，所述方法包括：
获取预设时间段内T个时段对应的M个通信设备的N维样本特征信息，且每一所述通信设备包括T条样本记录，每一所述样本记录构成一个长度为N的一维向量，其中，T、N和M均为大于1的自然数；
采用无放回的抽样方式从所述样本特征信息中抽取H条样本记录，将所述H条样本记录构成L个通信设备的抽样特征信息，其中L远远小于M，且L为H/T向下取整后的正整数；
采用不同的计算方法分别计算所述L个通信设备的抽样特征信息与所述M个通信设备的样本特征信息的第一距离和第二距离；
基于所述第一距离和所述第二距离，采用无参数的概率密度估计算法计算所述通信设备的样本特征信息的聚类簇数K，其中，K为大于1的自然数；
基于所述聚类簇数K采用K-means算法对M个所述通信设备样本特征信息进行聚类分析，确定K个聚类簇中每一聚类簇包含的通信设备，并从所述通信设备的样本特征信息中提取出能耗信息；
获取每一聚类簇对应的能耗规则，根据所述每一聚类簇对应的能耗规则和同一聚类簇下的多个通信设备的所述能耗信息判断相应的通信设备是否为异常能耗设备；
对判定为异常能耗设备的通信设备采用预设的管控方式进行管控。


2.根据权利要求1所述的方法，其特征在于，所述M个通信设备的样本特征信息构造成行数为T×M，列数为N的标准矩阵，所述L个通信设备的抽样特征信息构造成行数为T×L，列数为N的目标矩阵；
所述采用不同的计算方法分别计算所述N个通信设备的抽样特征信息与所述M个通信设备的样本特征信息的第一距离和第二距离，包括：
计算所述标准矩阵的协方差矩阵，得到第一协方差矩阵，并计算所述M-1个通信设备的样本特征信息构造成的矩阵的协方差矩阵，得到第二协方差矩阵；
当所述第一协方差矩阵和所述第二协方差矩阵的差值小于预设的阈值时，采用如下公式计算所述第一距离：



其中，Dij表示为所述目标矩阵中第i个通信设备对应的行向量和所述标准矩阵中第j个通信设备对应的行向量的所述第一距离，且所述第一距离是一个长度为L×M的一维向量，Xi和Yj分别为表示为目标矩阵中第i个通信设备对应的行向量和标准矩阵中第j个通信设备对应的行向量；
基于所述第一协方差矩阵和马尔卡夫链确定所述L个通信设备的抽样特征信息的对应的稳态向量，作为目标稳态向量，并基于所述第一协方差矩阵和马尔卡夫链确定所述M个通信设备的样本特征信息的对应的稳态向量，作为标准稳态向量；
根据所述目标稳态向量和所述标准稳态向量，采用如下公式计算所述第二距离：



其中，dij表示为所述目标矩阵中第i个通信设备对应的目标稳态向量和所述标准矩阵中第j个通信设备对应的标准稳态向量的所述第二距离，且所述第二距离是一个长度为L×M的一维向量，xi和yj分别为表示为目标矩阵中第i个通信设备对应的目标稳态向量和标准矩阵中第j个通信设备对应的标准稳态向量。


3.根据权利要求2所述的方法，其特征在于，所述基于所述第一协方差矩阵和马尔卡夫链确定所述M个通信设备的样本特征信息的对应的稳态向量，作为标准稳态向量，包括：
基于所述第一协方差矩阵和所述标准矩阵中的任意一行元素组成的向量进行马氏变换，得到投影向量；
根据所述投影向量中的每一元素的大小以及预设的S个状态对应的阈值范围对所述每一通信设备对应的样本特征信息进行离散化，得到状态转移矩阵，其中，S为大于1的正整数；
随机生成与所述状态转移矩阵对应的随机状态向量；
将所述状态转移矩阵进行P次方运算，得到初始稳态向量，其中，P为大于1的正整数；
将所述随机状态向量与初始稳态向量进行相乘运算，得到所述标准稳态向量。


4.根据权利要求2所述的方法，其特征在于，所述基于所述第一距离和所述第二距离，采用无参数的概率密度估计算法计算所述通信设备的样本特征信息的聚类簇数K，包括：
将包含L×M个元素的第一距离中的每一元素与包含L×M个元素的第二距离中的对应的每一元素分别进行求和，得到包含L×M个元素组成的一维向量的的第三距离；
对所述第三距离进行优化窗函数的概率密度估计，得到概率密度函数对应的函数值的峰值个数作为所述聚类簇数K。


5.根据权利要求4所述的方法，其特征在于，所述对所述第三距离进...

【专利技术属性】
技术研发人员：魏丞昊，邝瑶，范智勇，丁禄平，钟凯，董开泰，田泽虎，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44