SCI论文（www.lunwensci.com）:
摘 要： 网络电费在电信运营商维护费用中占比较高，网络电费管理已是网络维护重要一项工作。为强化网络电费管理， 提升网络稽核效率，本文充分利用原有的资源数据，建立资源系统和电费系统接口，构建电费使用模型，并通过 K-Means 算 法，建立电费模型标杆，有效提升电费稽核管理的信息化水平。
关键词： 网络电费 ；稽核 ；电费使用模型
A Communication Network Electricity Audit Method
YUAN Manli
(Fujian Normal University, Fuzhou Fujian 350007)
【Abstract】： Network electricity charges account for a high proportion of telecom operators maintenance costs, so the management of network electricity charges has become an important task in network maintenance. In order to strengthen the network electricity fee management and improve the network audit efficiency, this paper makes full use of the original resource data, establishes the interface between the resource system and the electricity fee system, constructs the electricity fee usage model, and establishes the electricity fee model benchmark through k-means algorithm to effectively improve the informatization level of electricity fee audit management.
【Key words】： network electricity;audit;electricity usage model
0 引言
目前运营商已经经历 2G、3G、4G、5G 时代， 包 括无线、传输、核心网等网络设备越来越多，规模也越 来越大，这些设备运行维护都离不开电力支撑。电费 是运营商维护费中占比已超过 30%。5G 基站系统的功 耗（基站设备与天面功耗之和）为 4G 基站系统功耗的 4 ～ 5 倍 [1-2]，随着 5G 的站点的建设，电费在维护费用 中的占比还会继续的提升，因此，强化电费管理已经是 运营商网络维护当前面临的一个重要工作。
目前一个地市一年的电费费用往往超亿元，为了做 好电费管理，避免出现的误报、重报及可能存在廉洁问题，网络维护部门耗费大量人力进行稽核工作。电费稽 核主要与同期、同类型的站点机房进行比对 ；而全省站 点、机房数量庞大，尤其是站点情况复杂，大部分位于 小区、楼道、居民点，从住户家中直接取电 [3]，电费的 核算不准确，这也给地市公司的电费核算带来困难，也有可能造成费用的损失。
近年来大数据技术已在电力系统中的应用，通过对 用电大数据的挖掘 , 可以预测用电量和发现用电异常 [4-7]。 本文通过在运营商资源管理系统中完善设备功率字段， 实现资源系统和电费管理系统对接和功率信息同步，并 通过大数据聚类 K-means 算法，计算各种网络设备的 耗电的模型标杆，提升的网络电费的信息化管理水平。
1 技术的解决方案
1.1 增加资源管理系统和电费管理系统接口
运营商网络资源管理，包括设备的入网、调整、退 网等，都是在资源管理系统中进行，电费系统中主要用于电费报账管控。两个系统原先并无接口，需要在资源 管理管理中完善电费功率管控相关，并建立电费系统的 接口，支撑电费系统的稽核审计。
资源管理系统中的设备信息增加额定功率字段，通 过设备与机房的关联关系，可以计算机房在网设备的总功率。通过梳理采购设备清单中所有厂家、型号的额定 功率数据，编制功率字典，设备在入网时自动获取，避 免了手工填写，确保数据准确性。
根据资源管理系统设备型信息统计，目前现网主要 设备类型如下 ：
无线网 ：含华为、中兴等各设备厂家的 2G/3G/4G/5G 基站的 BBU/RRU/AAU 设备、BSC、RNC、室分皮站等 多种设备 ；
传输网 ：含华为、中兴和烽火等厂家的 OTN/PTN/ SDH/WDM 等多种设备 ；
数据网 ：含防火墙、交换机和路由器等多种设备 ；
核心 网 ：含 GGSN/SGSN/MGW/MSS/MME/PCRF/ CG/DNS 等多种设备。
相关专业在资管系统新增、调整和退网网络设备 时，通过设备型号自动关联设备型号管理模块内的设备 额定功率，完成空间数据录入或更改。
系统以机房为单位，每日在线获取系统设备额定功 率和数量、空调额定功率和数量，结合各个设备和空调 的在线使用情况，实时计算并存储机房预测空间站点功 耗最大值 Qmax ：
QMAX=(P1*T1+P2*T2+…+Pn*Tn)设 备 +(P1*T1+P2*T2+…+ Pn*Tn)空调
电费系统获取到资源管理系统的预测空间点功耗区 间数据后，按地市、时间维度获取每个地市的电费数 据，可比对每个站点、机房的电费数据，对实际使用的 网络电费进行稽核。
相关的接口如图 1 所示。
1.2 建立机房电费标杆
通过上述方法只是计算得到机房空间的功率最大值，在实际的网络运行中，机房的功率一般都小于该最 大值。为了提升电费稽核的有效性，需要进一步建立机 房电费的使用标杆。
资源系统通过数据接口推送机房信息、机房功率等 相关数据至电费系统。针对推送至电费系统的数据，可以用大数据挖掘的方法，发现数据异常情况 [8-9]。电费 系统依托全网机房的设备厂家、设备型号、设备数量， 利用 K-means 算法做相似机房数据聚类，得出相似机 房功耗的聚类质心，作为预测参考中心功耗 Qmean， 根据 Qmean 和 Qmax 我们便得到了机房电费预测合 理区间。
K-means 的对于初始化质心的优化策略 ：
（1）从输入的数据点集合中随机选择一个点作为第一个聚类中心 μ1。
（2）对于数据集中的每一个点 xi，计算它与已选择 的聚类中心中最近聚类中心的距离 D(xi)=argmin||xi − μr||^2…… r=1,2,...kselected。
（3）选择下一个新的数据点作为新的聚类中心，选 择的原则是 ：D(x) 较大的点，被选取作为聚类中心的概 率较大。
（4）重复 b 和 c 直到选择出 k 个聚类质心（这里 k 对应是 k 种机房类型）。
（5）利用这 k 个质心来作为初始化质心去运行标准 的 K-means 算法。
系统已经预测机房功耗的电费区间 Qmean 和 Qmax，对于不落在该区间的机房进行重点稽核，首先 判断该机房是否有已入网设备未挂入空间、是否有设备 错误挂入空间、是否存在退网设备未在空间系统做退网 等问题点，并派单至一线上站确认和整治，以达到夯实 资源数据质量的目的。
建立机房电费标杆、派单稽核的流程如图 2 所示。
在实际工作中，电费系统根据“额定功率标杆超标 率”发送预警工单。其中，额定功率标杆超标率 =（日 均电量 - 额定功率标杆）/ 额定功率。共设置四个级别的 预警，其中额定功率标杆超标率分类超 200% 的设置为 最高级“一级”预警、超标 100% 的设置为“二级”预警、超标 80% 的设置为“三级”预警、超标超 50% 的设置为“四级”预警，派发地市确认和整治，促进费用 管控合理、杜绝跑冒滴漏，实现风险防控的信息支撑。
1.3 方法的设计与实现
基于资源管理系统的电费预测方法，能够更加准 确，有效的预测资源系统的机房用电量和电费。本方案采用 PSR 建模方法论和低代码平台技术开发，PSR 模 型构建全网一体化的分层解耦能力，发挥分层服务架构 灵活、敏捷的优势，实现各层能力高效复用、扁平化管 理。低代码平台通过设计方式论，封装变化的部分以隔 离变化，隔离变化的方式包括 ：依赖注入和配置隔离变 化， 通过适配器（Adapter）、 门面（Facade）、 代理 （Proxy）、中介（Mediator/ 调停者）等设计模式隔离 变化，封装不变化的部分以重用和隐藏细节。构建采用元数据模型图形管理方式，快速进行模型部署。
2 取得成效
为了更好支撑电费稽核，基于资源管理系统，通过 创建电费预测模型，实现了对电费的预测，为电费结算 提供有效的结算依据和核对手段。资源管理系统加强了 设备功率精细化管理，单独为设备功率创建了设备管理 模型，主动获取网络设备的额定功率数据，以 SQL 数 据库的形式创建并维护。
基于资源管理系统设备功率模块和全网各空间点用 电量的数据分析，精准预测站点、机房用电量合理区 间，防控站点报账时电量依据不充分，用电量数据不合 理等问题。
2.1 节省了大量人工录入耗时成本
资源管理系统在通过优化设备模型，在设备中增加 了额定功率属性，通过系统自动关联数据库设备额定功 率，涉及专业有无线、传输、数据网、核心网、WLAN、 集客、家客等专业。通过设备型号系统自动关联和调用 设备功率管理模型数据库中相应的设备额定功率，实现 存量、增量设备的功率信息智能管理，规避了传统手工 录入可能出现的人为疏漏或信息不准确等风险。同时， 通过系统自动关联的智能化数据管理，大大减少了数据 维护的工作量，降低了人力成本，提高了数据维护效率 与数据质量。
2.2 创建基于空间资源的电费模型
资源系统以机房为单位，每日在线获取系统设备额 定功率和数量、空调额定功率和数量，结合各个设备和 空调的在线使用情况，实时计算并存储机房预测功耗。 通过对全网机房的设备型号、设备厂家、设备额定功率、日均用电量等聚类统计，建立机房功率模型，为电费报账提供更为精准的数据支撑。
2.3 建立电费报账标杆
通过聚类算法，给出各类机房的电费标杆，以及每一类机房较为合理的电费报账区间。结合预测最大功耗 Qmax 和预测参考中心功耗 Qmean，得到了基于资源 信息的电费预测区间 ：Qmean 至 Qmax，落入该区间 的机房为合理的功耗区间。基于电费预测模型进行数据 稽核和电费风险预警等工作，并根据问题点派发一线进 行核实并整治，可有效支撑电费结算和提升资源数据准 确性，完成电费风险点防控工作，提升电费稽核提供信 息化支撑。
3 结语
网络电费在运营商维护费用中占比较高，电费稽核 是网络维护中一项重要工作，本文提出了一种电费稽核 的方法，明显提升了电费稽核的信息化水平和稽核的效 率。该方法充分利用原有资源系统数据，开发工作量 少，周期短，投入小，易于实现 ；功能操作简便、适应 性广，可复用性高，相关算法模型可直接移植和补充， 切实满足生产需要，具有一定的推广价值。需要指出的 是，电费的模型、电费标杆依托于资源系统的数据，电 费稽核的准确性与资源系统的准确性紧密相关，资源系 统的数据准确性也需要不断提升。
参考文献
[1] 贾骏,郭慧娟,李杰强.5G基站供电系统需求及供电技术探讨 [J].通信电源技术,2019(4):163-165.
[2] 岳庆.5G基站供电系统需求及供电技术探讨[J].百科论坛电 子杂志,2020(2):923-924.
[3] 因志强,谢鹰,朱立芬,等.移动基站电费管控措施探讨[J].邮 电设计技术,2014(1):1-5.
[4] 杨霁,曾现均,姚龙,等.基于大数据挖掘的异常用电监测研究 [J].自动化与仪器仪表,2019(8):219-222.
[5] 张秋雁,岑远洪,安静,等.基于用电大数据的用电异常状态辨 识方法[J].电力大数据,2019,22(5):41-48.
[6] 袁智勇,肖泽坤,于力,等.智能电网大数据研究综述[J].广东 电力,2021,34(1):1-12.
[7] 董爱迪,潘建宏,杨爽.基于大数据挖掘的用电行为分析[J].无 线互联科技,2020,17(8):128-129.
[8] 吴蕊,张安勤,田秀霞,等.基于改进K-means的电力数据异常 检测算法[J].华东师范大学学报 (自然科学版),2020(4):79-87.
[9] 刘建花.K-means聚类算法的改进与应用[J].太原师范学院 学报(自然科学版),2020(3):81-83.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/35311.html
