近日，南京移动"基于动环与传输AI双域协同的智慧节能管控体系"全面投入常态化运行，取得显著成效。该体系创新性地将人工智能技术与通信机房能耗治理、承载网络节能降耗进行深度融合，成功构建了"机房环境控温+传输设备降耗"双域联动的绿色技改新模式，标志着通信行业能耗管理迈入智能化、精益化新阶段。
一、直面行业痛点，以技术创新破解能耗治理难题
长期以来，通信行业能耗管理面临突出痛点，亟待以智能化手段破局。一是站点分布零散，小型机房及节点基站数量多、分布广，传统人工巡检和手动调节方式难以全面覆盖。二是调控手段缺失，机房空调等制冷设备缺乏弹性调节能力，传输设备采用7×24小时静态运行模式，空闲芯片、光模块、板卡持续耗电。三是双网架构冗余，机房存在重叠部署问题，产生大量结构性无效能耗。四是节能安全机制缺失，传统方式无前置风险校验和应急响应能力，节能功能长期无法常态化启用。五是过程管控薄弱，能耗管理高度依赖个人经验，难以形成完整的闭环体系。
针对上述难题，南京移动技术团队依托现有动环监控基础设施实施轻量化升级，集中部署节能决策模块，通过标准接口与各地市平台互联，实现了对站点空调设备的远程集约化智能控制。
二、双域协同，构建覆盖机房与承载网的全方位节能体系
（一）小型通信机房AI自适应节能管控
系统融合环境温湿度、电力、电源、空调运行状态及综合因素等五类数据源，构建大规模特征库，采用神经网络进行多模态特征融合，自动提取超1000项高阶特征，建立动态热负荷模型。实测表明，该模型对机房温度变化的预测准确率达97.3%，较传统单因子回归方法提升22%。
基于马尔可夫决策过程框架，系统设计温升影响因子量化模型，建立空调启停与温度波动间的动态映射关系，据此确定各空调的控制优先级，实现按需供冷。采用粒子群优化（PSO）与深度强化学习（DRL）混合框架进行全局寻优，当空调温控模型预测偏差超过5%时，自动触发模型重训和策略更新。
与此同时，系统开发了三重状态校验诊断方法——首次读取空调状态、下发开关指令、二次验证状态变更、恢复原始指令、三次确认状态回写，通过状态转移矩阵精准识别通信中断、传感器失效等故障。通过上述措施，机房空调系统能效提升18.4%，变压器负荷降低20%，系统电能浪费减少60%。
（二）承载网络AI智慧节能
在传输网络层面，制定了分层分阶段的双网平滑融合方案，逐步关停高功耗设备，融合完成后，以"一网多业"模式替代多网并行架构。
系统基于全网业务潮汐波动规律，建立了从芯片到网元的全层级智能休眠机制：第一层芯片级休眠，智能芯片闲时动态降频、冗余内核休眠；第二层模块级休眠，下线空闲光模块及业务转发模块；第三层单板级休眠，关停无业务承载的冗余业务板及备份板卡；第四层网元级休眠，低业务接入站点整网闲置网元关停。实施后，全网冗余板卡在线数量减少38%，设备平均CPU负载波动控制在7%以内。
搭建双模型联动预测机制。长周期趋势预测融合Prophet时序算法与LSTM深度学习算法，加权拟合周度、月度、季度业务潮汐规律，预判节假日及重大活动流量抬升区间；短周期突发预警采用ARIMA差分回归与指数回归算法，在设备端部署轻量化ML推理模型，毫秒级识别端口流量阶跃、链路倒换等异动。全网业务流量预测准确率达96.8%。
未来，南京移动将持续深化AI技术在通信基础设施节能领域的应用，不断推动节能技术迭代升级，走出一条绿色、低碳、可持续的高质量发展之路。 
