您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[中国移动研究院]:李允博-精准高效的数字孪生光网络技术探讨和实践-数字孪生光通信与组网前沿技术研讨会-基础网络技术研究所-20231229 - 发现报告
当前位置:首页/行业研究/报告详情/

李允博-精准高效的数字孪生光网络技术探讨和实践-数字孪生光通信与组网前沿技术研讨会-基础网络技术研究所-20231229

李允博-精准高效的数字孪生光网络技术探讨和实践-数字孪生光通信与组网前沿技术研讨会-基础网络技术研究所-20231229

中国移动研究院李允博2023年12月29日 精准高效的数字孪生光网络技术探讨和实践 数字孪生光网络总体架构及实现 数字孪生光网络应用场景 总结与展望 省际骨干传送网 骨干传送网 省内骨干传送网 核心节点 城域骨干传送网 汇聚节点 有线接入网 家庭宽带 基站 集客专线 体检很重要XX公司2018年7月在广州番禺光缆单点故障(XX云出口全部中断 光网络规模日益庞大 •我国建成全球最大规模光纤网络,光缆总长超过6300万公里 •承载98%以上的信息传输流量 支撑用户与流量巨大 •16亿+移动用户 •5.4亿+家庭宽带 •4000万+政企 设备数量多 光网络设备超过3亿端 光通信设备占有率全球最高 可靠性难保障 故障频发、难预测、难定位 •断纤事件300次/星期 •网络故障100%被动响应 •劣化故障>50%难预测 •突变故障>40%难定位 小时2019.07.01–2019.07.15 光纤中断次数光纤中断恢复时长 运营商光纤中断统计 (骨干网光纤5万公里、站点数1000+) 管控效率低 人工巡检误差大、耗时长 业务开通周期长、不智能 调测月级、开通周级、扩容16-60天同缆风险>20%、巡检耗时数月 网络容效差 离线规划,效率低 离线人工调优不精确、不实时 调优30min以上 性能冗余>2dB •数字孪生光网络应运而生:用于光网络性能实时评估,快速定位网络异常,提前判断性能趋势,保障光网络健康度 •数字孪生光网络的实现:通过增加数字孪生网络信息模型平台,采集光网络物理空间器件、模块、单盘、网元、网络等要素的数据信息,根据数据信息的关联关系、规则、约束条件、策略等融合各原子模型建立具备评估网络资源和业务运行状态的基础模型,并在信息空间高度仿真、精准模拟、实时反映,高效支持光网络全生命周期的网络资源规划、智能建维和健康度评估。 物理器件 管控 WDM 采集 真实系统 物理实体仿真 数字孪生模型平台融合管控系统 构建 孪生数字孪生系统 数据处理系统 系统 智能 深度融合 数据应用系统 全生命周期管理场景 场景验证 仿真模型系统 仿真 模型改进 仿真系统指运维 结果标 机器学习 应用 规划、建设、维 护、优化、运营 精准仿真性能预测 场景1:故障溯源场景2:性能优化场景3:业务发放 。。。 光网络健康度衡量光网络:可靠性+可维护 可靠性 •网络在规定的条件下和时间内,完成(或保持)目标功能的能力; •一般通过故障率、冗余保护率等指标进行综合评价。 可维护 •网络维护时,网络保护和恢复规定状态的能力; •通过容量预测覆盖率、故障预防覆盖率、故障平均修复时长等指标进行综合评价。 网络拓扑及设备配置 光纤 放大器 放大器实际运行参数 参数 类型 长度衰减谱 参数 Gain 实际增益实际衰减 调制格式波特率 误码率 NF 合波输入输出功率 业务路径OTU波长 发端功率 各节点/波道单波输出功率 业务路径每个OMS段OSNR 端到端业务段OSNR 业务BER 业务配置参数 时延 抖动 实时仿真/预测质量评估参数 评估模型采集参数 传输质量评估预测模型 数字孪生技术理论认为,数字孪生体是面向对象的模型、数据、服务的有机组合,最重要的是要产生洞察,形成决策,实现物理对象的控制与优化。 •通过南向接口从传送网络层采集网络实际运行数据 •通过东西向接口从管控系统采集网络、设备、业务配置 •通过东西向接口和北向接口向管控系统和孪生应用层提供服务。 基于数字孪生具备网络全生命周期闭环递进的运维体系 基于标准化模型及接口的兼容多厂商多域数字孪生架构 融合数字孪生的管控系统的云管端协同架构 层次化架构,跨域协同优化 全生命 基于数字孪生的全生命周期运维体系 规划 建设 维护 优化 运营 云侧训练平台 兼容 超级控制器SC 数字孪生系统 数据服务 训练服务 数据采集模块 知识库 云端仿真 共享模 型仓库 融合 智能管控系统A 数字孪生系统A 智能管控系统B 数字孪生系统B 拓扑/资源性能监控 业务控制告警管理 模型管理 智能诊断 智能预测 仿真分析 拓扑/资源性能监控 业务控制告警管理 模型管理智能预测 智能诊断仿真分析 层次化 数据采集模块 数据采集模块 数字模型 单板 材料 设备 器件 数字化建模 物理网络 分层采集建模和云管端协同训练技术 标准化数据采集层和层次化多协议协同技术 模块化系统设计和标准接口 设计支持跨域协同的数字孪生光网络体系架构 数字孪生的实现-映射 数字孪生的实现-接口 光纤同路由深度识别 •通过专用技术或DSP采集光纤静态特征、动态特征、光性能特征、环境特征等数据。基于大模型技术的多模态深度孪生神经网络算法进行同路由识别、施工挖断风险识别,实现随路在线路由风险实时评估上报 •偏振态(SOP)检测,可充分利用现有相干传输系统DSP的极化状态及其他参数,可精准实现对城域、骨干相关光缆路由各种环境变化事件的检测,实现精准的网络变化事件的定位。通过系统两端的DSP相关参数的检测,实现事件地理位置的准确定位 •实时感知光纤静态特征参量(长度、衰减、熔接点)和动态特征 (车辆、施工等引发的振动)参量 •对江西现网4297对同路由光纤采用随机森林模型自动识别,准确识别4122对,准确率95.93% 加掉波余量预测备路径余量预测 OCh劣化故障自动定界 三个关键实施例 性能余量智能评估与优化 •创建光信噪比、光纤、光放大器等数字孪生模型; •基于实际数据(光功率、OSNR、误码率等)驱动建模闭环拟合优化; •在系统运维操作前,对已有波长在运维操作后的OSNR余量进行预测; •提升光网络加掉波效率,保障业务安全; •自动检测OSNR劣化点,准确率99%。 及时上报、高精度预测,提前仿真预测为网络自动运维提供坚实基础 数字孪生实现与应用总结展望 工作总结 设计和提出支持跨域协同的数字孪生光网络体系架 挖掘数字孪生技术在光网络中的全生命周期应用场景 积极探索数字孪生光网络实践,在实际网络中取得显著效果 统一业界光网络健康度定义,建立评估预测模型 未来展望 谢谢! 中国移动研究院中移智库