(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211047474.2 (22)申请日 2022.08.29 (71)申请人 中国移动通信集团广东有限公司 地址 510000 广东省广州市天河区珠 江西 路11号 申请人 广东电网有限责任公司广州供电局 　 中国南方电网有限责任公司 (72)发明人 李锦煊　汤淇捷　王莉　刘鹏　 王维　孙磊　衷宇清　凌雨诗　 滕蔓　洪丹轲　 (74)专利代理 机构 北京三巨人知识产权代理事 务所(普通 合伙) 16024 专利代理师 付春霞 (51)Int.Cl. H04W 28/10(2009.01)H02J 13/00(2006.01) (54)发明名称 一种基于5G的用电数据检测技 术 (57)摘要 本发明公开一种基于5G的用电数据检测技 术， 涉及5G互联网领域。 该基于5G的用电数据检 测技术， 基于大数据、 人工智能算法和5G超高带 宽， 对MEC进行细致电能管理， 监控切片中的业务 电能， 实现用电负荷预测功能， 并对MEC的耗电存 在异常的情况进行自动报警， 有利于帮助家庭用 户节约能源、 节省能源成本支出。 权利要求书5页 说明书11页 附图2页 CN 115361708 A 2022.11.18 CN 115361708 A 1.一种基于5G的用电数据检测技术， 其特征在于， 该技术要点在于通过在运营商5G基 站侧部署MEC， 数据会通过MEC实现在业务终端间的导流， 直接在不同业务终端之间提供了 极短时延的点对点服务， 如时延较为敏感的配网差动保护业务， 通过5 G MEC分流转 发技术， 大幅度提升业务时延与可靠性性能， 增强电网对无线通信的依赖， 实现在一定范围内的低 压配电网开关间的快速通信； 完成上述部署后， 利用运营商核心网UPF网元的数据分发导流功能， 将业务流量导流至 电力MEC系统中， UPF与MEC系统在逻辑上是分离、 松耦合的， 根据CCSA  MEC系统参考架构， MEC城域内与移动回传位置一致， 近期以N3/N4/N6/N9接口承载需求为主， 5G  UPF下沉后仍 然属于运营商管 理范畴， 因此需运营商向电力MEC开放N4、 N6、 N9等接口后， 电网用户才能实 现对电力MEC 资源编排、 流量转 发、 路由部署以及安全 策略的功能， 进而达到对电力MEC的管 理。 2.根据权利要求1所述的一种基于5G的用电数据检测技术， 其特征在于： 所述对MEC进 行精细电能管理的步骤如下； S1、 基于端到端切片管理系统、 智能分析系统和基础设施网络资源(接入网、 承载网、 核 心网)， 基础设施网络 资源按照资源编排的具体要求进 行资源的按需组织和组合， 为业务用 户提供端到端安全的隔离网络， 搭建电力网络架构， 其中， 切片管 理系统中各层级编排系统 比如切片/子切片编排器、 资源编排等， 主要通过通信切片管理功能(Communication   Service Management  Function， CSMF)、 网络切片管理功能(Network  Slice Management   Function， NSMF)、 网络子切片管理功能(Network  Slice Subnet Management  Function， NSSMF)等模块实现； S2、 管理和编排系统(Management  and Orchestration， MANO)主要包括网络功能虚拟 化协作(NFV  Orchestrator， NFVO)、 VNFM(VNF  Manager)、 虚拟基础设施管理(Virtualised   Infrastructure Manager， VIM)； S3、 NFVO主要负责跨虚拟网络功能(Virtual  Network Function， VNF)厂商、 跨网络功 能虚拟化基础设施(NFV  Infrastructure， NFVI)的资源编排及网络服务(NS)的生命周期管 理等。 VNFM主要负责VNF的生命周期管理， VIM主要负责对整个基础设施层资源的管理和监 控， 实现部署NFV网络所使用的云计算资源、 网络资源和存储资源的管理。 切片管理系统各 模块从下级系统或者自身系统中采集或生成各层管理对象的性能、 告警、 资源等数据， 并按 需上报相关数据到各层级或者全局的智能分析系统中。 3.根据权利要求2所述的一种基于5G的用电数据检测技术， 其特征在于： 所述智能分析 系统对采集的数据经过存储和智能分析， 基于大数据和人工智能算法， 结合5 G超高带宽， 在 线分析用户用能行为， 通过引入网络数据分析网元， 基于 收集的网络数据和 业务体验数据 进行业务模型训练， 从而监控切片中的业务电能， 实现用电负荷预测功能； 其中， 引入网络 数据分析网元， 基于收集的网络数据和业 务体验数据进行业 务模型训练的步骤 包括； S1、 将基站产生的数据分类为告警数据、 控制面数据、 用户面数据和监控数据。 其中， 告 警数据包括基站设备硬件和软件上产生的告警信息数据。 控制面用于信令传输， 以控制呼 叫流程建立、 维护及释放， 其包含了应用层不能感知的数据， 例如无线空口核心网的交互， 可以通过信令从底层来获取更详细的信息， 以及基站设备通话统计数据及相关kpi数据等 等。 用户面产生业务数据， 比如语音 数据或者分组业务数据。 监控数据包括系统的运行参数权　利　要　求　书 1/5 页 2 CN 115361708 A 2和状态、 软件的调试和告警信息、 业 务的kpi数据等； S2、 基于采集的数据进行预处理， 包括统计任一 时间段下的各类数据的实时情况， 并删 除不合理数据， 再对各类数据进行归一 化处理， 得到训练样本； S3、 基于XGBoost算法， 使训练样本输入XGBoost算法中， 经反复参数重传训练， 直至达 到预设条件时， 则可生成话 务量预测模型。 4.根据权利要求3所述的一种基于5G的用电数据检测技术， 其特征在于： 所述XGBoost 算法由多个相关联的决策树联合决策， 每棵决策树的输出结果与其他决策树的输出结果相 互关联， 组合后的模型 具有更强的泛化能力， 进 而能获得 更好的训练效果； XGBoost算法的模型表达式如下； 其中K为树的总个数， fk表示第k颗树， 表示样本xi的预测结果。 损失函数表示 为： 其中 为样本xi的训练误差， Ω(fk)表示第k棵树的正则项。 初始化(模型中没有树时， 其预测结果 为0)： 往模型中加入第一棵树： 往模型中加入第二棵树： … 往模型中加入第t棵树： 其中fk表示第k棵树， 表示组合t棵树模型对样本xi的预测结果； 每次往模型中加入一棵树， 其损 失函数便会发生变化。 另外在加入第t棵树时， 则前面 第t‑1棵树已经训练完成， 此时前面t ‑1棵树的正则项和训练误差都成已知常数项。 此时， 使损失函数采用均方误差， 则目标损失函数为：权　利　要　求　书 2/5 页 3 CN 115361708 A 3