[发明专利]基站设备的故障预测方法、装置和基站

说明书

本公开涉及一种基站设备的故障预测方法、装置和基站，涉及通信技术领域。该方法包括：根据基站设备的工作运行参数，利用机器学习方法进行故障预测，以确定多个第一预测结果，第一预测结果包括至少一个故障属性；根据基站设备的硬件属性参数，利用机器学习方法进行故障预测，以确定多个第二预测结果，第二预测结果包括与第一预测结果同类型的故障属性；筛选出故障属性的数值相同的第一预测结果和第二预测结果，确定为基站设备第一故障综合预测结果。

技术领域

本公开涉及通信技术领域，特别涉及一种基站设备的故障预测方法、基站设备的故障预测装置、基站和计算机可读存储介质。

背景技术

4G无线基站设备是由BBU(Base Band Unit，基带单元)和RRU(Remote RF Unit，射频单元)组成。无线基站的BBU和RRU之间通信由CPRI(Common Public Radio Interface，通用公共无线电接口)光纤通过IR(Interface between the RRU and the BBU，BBU和RRU之间接口)连接。

在存在RRU拉远的场景下，经常会出现由于光纤和连接头老化导致的链路中断的故障。因此，此段光路会发生一定的故障率，如果不对其进行及时的处理将会严重的影响网络指标，甚至出现断站、断服的问题。为了保证基站设备的正常运转，提升网络指标，对这些基站设备故障进行预测，提前排除故障，势在必行。

在相关技术中，采用人工巡检的方式检查可能出现的接头松动、线路老化等问题，及时更换器件。或者在故障已经发生之后，专业的运维人员通过告警信息，依靠经验为故障定位，解决故障。

发明内容

本公开的发明人发现上述相关技术中存在如下问题：在故障发生故障后依靠人工经验进行排查，导致故障处理效率低。

鉴于此，本公开提出了一种基站设备的故障预测技术方案，能够提高故障处理效率。

根据本公开的一些实施例，提供了一种基站设备的故障预测方法，包括：根据基站设备的工作运行参数，利用机器学习方法进行故障预测，以确定多个第一预测结果，所述第一预测结果包括至少一个故障属性；根据所述基站设备的硬件属性参数，利用机器学习方法进行故障预测，以确定多个第二预测结果，所述第二预测结果包括与所述第一预测结果同类型的故障属性；筛选出所述故障属性的数值相同的所述第一预测结果和所述第二预测结果，确定为所述基站设备第一故障综合预测结果。

在一些实施例中，所述的故障预测方法，还包括：根据所述故障属性，对所述第一故障综合预测结果以外的所述第一预测结果和所述第二预测结果进行聚类处理；将处理结果为同一类的所述第一预测结果和所述第二预测结果，确定为所述基站设备第二故障综合预测结果，所述第二故障综合预测结果的故障可能性低于所述第一故障综合预测结果。

在一些实施例中，所述的故障预测方法，还包括：将处理结果不为同一类的所述第一预测结果和所述第二预测结果，确定为所述基站设备第三故障综合预测结果，所述第三故障综合预测结果的故障可能性低于所述第二故障综合预测结果。

在一些实施例中，所述的故障预测方法，在进行故障预测之前，还包括：根据工作运行参数和硬件属性参数的数据统计特征，分别对该工作运行参数和该硬件属性参数进行序列异常检测处理，得到处理后的工作运行参数和硬件属性参数。

在一些实施例中，所述工作运行参数包括所述基站设备的接收功率、发射功率、温度、偏置电流、电压、误码率中的至少一项；所述硬件属性参数包括所述基站设备的生产日期、使用年数、建议使用年限、故障历史信息中的至少一项。

在一些实施例中，所述故障属性包括基站编号、基站设备编号，故障发生器件或接口、故障种类中的至少一项，以及故障发生时间。

在一些实施例中，所述工作运行参数的类型根据所述基站设备的历史故障告警信息和相应的故障分类确定。