面向自智光网络的数字孪生技术示范应用

来源：信息通信技术与政策

作者：匡立伟 曾至诚等

关键词：光传送网络；智慧光网络；数字孪生；仿真建模

1960年7月，梅曼发明红宝石激光器[1]，从此拉开了光通信产业发展的帷幕。1966年，高锟[2]指出“用石英基玻璃纤维进行长距离信息传递，将带来一场通信事业的革命”。光通信网络的发展和演进遵循两条脉络[3]，第一条脉络以激光器、光器件光模块、调制接收、光纤光缆等技术为核心，以超高速率、超大容量、超长距离为目标发展与演进；第二条脉络基于软件定义网络、人工智能、数字孪生技术赋能光网络，不断提升管理、控制的自动化和智能化程度。在两条脉络牵引下，光网络实现从最初提供带宽与连接的基础管道，向当前支持泛在连接、云网融合、算网一体的自智光网络转型。

当前，信息通信技术飞速发展，各行业在加速数字化转型的过程中对通信网络质量的要求也不断提高。构建“零故障”通信网络，支持业务灵活开通从而实现“零等待”，为用户提供极致体验的高质量服务已经成为各大运营商关注的焦点。然而，光通信网络全生命周期管控仍存在“周期长、成本高、效率低、智能弱”等问题，端到端服务质量提升依然面临巨大挑战，迫切需要运营商与设备商一起基于数字孪生等技术构建自智网络。

1991年，Mirror Worlds[4]描述了一个软件定义的虚拟现实世界。2010年，美国国家航空航天局的路线图报告[5]正式提出Digital Twins定义，即数字孪生。2015—2017年，Grieves和Vickers[6]定义了数字孪生三元素，即物理空间中的物理对象、虚拟空间中的虚拟对象以及两个空间之间的数据链接。

近年来，数字孪生在各领域得到广泛关注和应用。在船舶领域，突破基于数字孪生的船舶精细化设计、船舶智能制造等技术。在汽车领域，基于数字孪生技术实现车辆抗毁伤评估,从材料、结构、部件及功能等维度对车辆抗毁伤性能进行综合评价。在通信领域，数字孪生技术研究与应用处于起步阶段；2018年2月，华为发布意图驱动的智简网络解决方案，构建物理网络的数字孪生；2020年9月，中兴通讯在全球电信管理论坛展示“基于数字孪生的5G网络共享”催化剂项目；2021年，孙滔[7]等提出数字孪生网络概念，阐述数字孪生网络总体架构、关键技术、分级体系、典型应用场景；2022年4月，烽火通信科技股份有限公司[3]提出智慧光网三层三面四特征模型，基于数字孪生、人工智能、算法算力技术赋能光网络。在学术界，天津大学开展面向B5G和6G通信的数字孪生信道研究，北京航空航天大学开展数字孪生卫星网络研究，北京邮电大学提出并验证基于数字孪生可编程光收发模块智能配置方案以及低时延和高频谱效率导向的弹性光收发技术。

光通信网络是承载上层业务应用的重要基础设施，具有超高速率、超大容量、超长距离三大特性。光通信网络一旦出现故障，对上层业务将带来巨大影响，所以如何构建一张“零故障”的光通信网络一直是业界和学术界的研究重点。光通信网络是一个复杂的系统，包括各种类型的光器件、光模块、单盘、网元、光纤光缆、管理控制、业务应用等硬件和软件，任何环节出现劣化、损坏、误操作、遭受攻击破坏都可能引发光网络故障。

光通信网络业务开通以后，一般不允许在现有业务上进行调试和验证，以免引起业务中断。基于人工智能等技术创建的管理控制方案，无法保证所有指令在现网准确无误地运行。为了支撑自智光通信网络“自配置、自优化、自修复”能力实现，本文提出一种新型的自智光通信网络体系架构，具体参见图1。

自智光通信网络体系架构以张量为基础模型，形式化描述为：

其中，R表示实数域，I1、I2、I3表示三个维度，对应时间、空间、资源。空间维度I2包括物理空间、虚拟空间、应用空间，光通信网络设备部署于物理空间，光网络管控系统部署于虚拟空间，运营商应用和第三方应用部署于应用空间。当前的光通信网络中并没有基于数字孪生技术构建的仿真系统，主要采用管控系统来实现网络管理、网元管理，负责光通信网络配置、告警故障处理、性能分析。

未来的自智光通信网络中，在虚拟空间内部署智能系统，支撑自配置、自优化、自修复能力实现。智能系统包括数字孪生引擎、训练推理智能引擎、分析挖掘算法引擎，这三个引擎分别基于数字孪生、人工智能、算法算力三类技术研制。在虚拟空间内，管控系统与智能系统通过东西向接口 交互，智能系统通过南向接口采集光通信网络状态数据，但是不会向物理设备发送指令。智能系统输出的相关自配置、自优化、自修复指令，首先提交至管控系统进行安全认证，确认无误以后再下发至光通信网络。

本文提出一种量化表示方法，定义一种建模运算集 合。光网数据来自于光通信网络物理设备，反映设备运行状态、劣化隐患或者故障情况。模型基于光网络通信机理和行为规则，利用仿真建模技术构建。

3.1 光网数据量化表示模型

光通信网络设备上传智能系统的数据类型复杂，包括光功率、损耗、色散、星座图、眼图、告警故障、业务路由等。本文基于多维张量[8]空间对光网数据进行量化表示，为后续数字孪生仿真建模、训练推理、分析挖掘奠定基础，高维张量描述为：

公式（2）在公式（1）的三个维度上增加了新的维度，用于量化描述新的数据，例如图2是光传送网络设备（Fonst 3000）运行过程中出现的告警，可以定义维度I4为结束时间，维度I5为网络设备标识，维度I6为位置、I7为线路标识等。光通信网络上传至智能系统的数据先表示为子张量[8]，然后一起嵌入公式（1）描述的张量空间中，最终构建出光网数据统一表示模型。在多维空间张量中实现统一量化表示的光网数据，在数据模型融合阶段由智能系统调度引擎读取，输入数字孪生仿真模型，构建数字孪生实例，通过模型编排器进行组合，在虚拟空间构建数字孪生光网络，支撑自智光网络具体业务场景应用。

3.2 数字孪生仿真建模运算

虚拟空间内的数字孪生光通信网络是基于仿真建模技术对物理空间的光通信设备、光纤光缆、光纤传输过程中发生的各类光学效应（如非线性效应）进行模拟，构建出能够反映物理实体运行过程的数字孪生实例集 合。通过分析光纤传输系统各类光器件、光模块、单盘、网元、光纤光缆、光学效应的运行机理，本文定义三类面向光通信网络的数字孪生仿真建模运算符，描述为：

公式（3）中，三类运算符分别表示基于机理仿真建模运算、数据拟合仿真建模运算、混合仿真建模运算。基于机理仿真建模运算采用功能映射的方式，基于光通信网络的运行机理和行为规则建立数学模型，例如微分方程，基于数值求解方法编写软件代码，创建数字孪生模型。假如某些情况下无法了解物理空间光通信网络的内部机理，可以在实验室内通过仪表测量光通信网络输入/输出数据，基于数据拟合仿真建模运算构建模型，通过人工神经网络逼近物理实体内部真实功能。在实际数字孪生仿真建模过程中，对于某些物理实体，如果基于当前知识仅能够了解部分运行机理和行为规则，则采用混合仿真建模运算。

图3是三类数字孪生仿真建模运算符的示意图，三种运算符的仿真精确度是不一样的，如果以P表示仿真精确度，以V表示仿真建模速度，则三类仿真建模运算符的对比情况描述如下：

 

一般来说，基于机理仿真建模运算的精确度较高，其次是混合仿真建模运算，最后是数据似合仿真建模。构建完数字孪生模型并且实例化后，在运行过程中，仿真建模速度最快的是数据似合仿真建模运算，其次是混合仿真建模运算，最后是基于机理仿真建模运算。

光通信网络“规划、建设、维护、优化、运营”全生命周期各项流程正在加速向自动化、智能化演进，“自配置、自优化、自修复”能力落地是实现自智光网络的关键，基于本文提出的光网数据量化表示模型与数字孪生仿真建模运算符可以构建数字孪生光网络，仿真、模拟、验证光通信网络的配置、优化、修复策略。本文以业务发放自配置场景、性能评估自优化场景、故障溯源自修复场景为例简要阐述数字孪生技术在光通信网络中的应用实践。

4.1 业务发放自配置场景

光网络是承载其他通信业务的底座，具备自配置能力、能够快速发放业务的底座是构建自智光网络的关键。在自智光通信网络体系结构中，智能系统首先获取上层业务需求，然后基于状态数据评估全面光网络能力，利用人工智能和分析挖掘等方法计算出最优路径，在虚拟空间数字孪生光网络进行模拟，验证当前路径性能是否满足业务需求。如果不满足需求，则重新计算路径并且进行验证。如果各项模拟验证准确无误，智能系统将配置方案传给管控系统，下发给物理空间的光通信设备。

在数字孪生光网络内验证自配置策略不会影响当前物理光网络正在运行的业务，从而避免因为验证新业务导致现有业务中断、引发用户投诉的情形出现。

4.2 性能评估自优化场景

光通信网络当前运维模式主要基于专家经验，采用人工评估和优化的方式，效率亟待提升。本文将数字孪生技术应用于光通信网络性能评估自优化场景，在虚拟空间实现数据量化描述，提前找到性能异常点，判断劣化趋势（例如光噪比劣化趋势、误码率劣化趋势、器件模块劣化趋势等），如果劣化程度超过设定的门限值，则启动智能系统自优化任务构建处理方案，并在数字孪生光网络对方案进行模拟验证，确保优化方案不会对当前业务造成影响。

验证通过后，将自优化方案对应的指令集下发至物理空间内光通信网络实体设备，实现性能自优化。例如，在光传送网络工程实践中，接收端光信噪比低于18 dB将有可能引起误码率大于10-2 dB，导致业务闪断或业务中断，智能系统监测到此种情况发生，立即启动自优化任务，按照以上方式进行处理。

4.3 故障溯源自修复场景

数字孪生光通信网络可以回放已经发生的光网络故障，或者模拟未来有可能发生的故障，实现故障溯源，制定排障策略。在虚拟空间中，基于本文介绍的量化表示模型可以构建时间序列，分析挖掘光网络故障规律，建立统计分析模型，例如马尔可夫转移模型，预测未来可以发生的故障并识别潜在故障风险，制定预防方案，并利用本文提出的建模运算符构建对应的数字孪生光网络，验证预防方案，提前修复相关薄弱环节，排除潜在隐患故障，从而增强光网络故障处理能力。

光通信网络是底层基础设施，一旦出现故障就很有可能给上层业务带来巨大影响，在自智光网络中，需要构建数字孪生光网络，实时监控光网络运行状态，提前识别潜在风险并尽可能预防故障发生，构建起“零故障”光通信网络。如果发生故障，则及时触发自修复任务进行处理，将业务影响降至最低。

基于自智光通信网络体系架构、光网数据量化表示模型、数字孪生仿真建模运算集 合，研制光通信网络智能系统原型机，在100G光传送本地网部署，与光传送网络管控系统对接，创建光信噪比、光纤、光放大器、分析预测等数字孪生模型，验证光网络传输质量评估和自动优化能力。

基于图4所描述的部署方案，位于物理空间的光通信设备每15 min将状态数据上传送管控系统和智能系统，每天管控系统与智能系统同步一次路由拓扑数据。实际验证中，原型机采集了光传送网6个月的数据，计算出发送端和接收端光信噪比，识别光信噪比过低和误码率过高等隐患，评估光网络传输质量，制定优化方案，完成光网络传输性能优化。

以某一时刻评估结果为例，采用随机监测模式，从通过光信噪比数字孪生仿真模型计算得到的结果集 合中选取1500个样本点绘制成图5所示的图形，可以看出光信噪比最大值为45.49dB，最小值为8.5dB，平均值为27.34dB。结果集 合中，大部分样本点处于图形中间位置，区间[13，40]包含样本点1399个，占比93%。

光信噪比大于等于13dB并且小于等于25dB样本点的占比大约在23%左右，大于等于33dB并且小于等于40dB的有544个样本点，占比36%。光信噪比小于18dB的有56个，占比3.73%。在光传送网络工程应用中，接收端光信噪比小于18dB表示已经跌出门限值，需要进行处理，提升光信噪比，避免光信噪比过低导致误码率过高。本次抽样检查说明，有56个样本点对应的信道需要处理。

导致光网络传输质量降低的因素有很多，需要综合评估并且准确地定位出影响传输质量的因素。本次100G光传送本地网部署案例中，以放大盘光功率、放大盘增益、纠前误码率为例来阐述如何采用数字技术来制定光网络传输质量优化方案。物理空间光通信网络设备采集的数据上传到智能系统中，构建光网数据量化表示模型。

采用随机监测模式，从高维空间量化表示模型分别选取放大盘光功率、放大盘增益、纠前误码率监测样本各250个，并绘制成图形。如图6所示，250个放大盘光功率样本点中，4个样本点对应的放大盘输出光功率超过门限上限，图6（a）中样本点129、230、233、246的放大盘输出光功率为8.2dB、16.90dB、13.40dB、13.40dB，对应的门限上限为8.0dB、16.50dB、11.00dB、11.00dB。图6（b）为放大盘增益对比分析情况，250个样本点中，放大盘增益实际值超出门限值的有3个，即样本点30、100、249，实际值为15.20dB、19.01dB、24.11dB，对应的上限为15.00dB、19.00dB、24.00dB。

图6（c）为纠前误码率对比分析情况，有5个样本点的实际值超出门限值，即样本点22、145、171、199、241，实际值为4.99E-1、1E0、1.2E-2、1.25E-2、4.99E-1，门限值都为3E-3。图6中，放大盘光功率、放大盘增益、纠前误码率随机抽取样本越限率分别为1.6%、1.2%、2%。

在实际部署过程中，将智能系统数字孪生仿真引擎处理结果与运维人员巡检报告进行对比，仿真处理结果与现网巡检结果基本一致，光信噪比、放大盘光功率、放大盘增益、纠前误码率越限并可能引发潜在风险隐患的概率处于1.5%~3.9%之间。本案例基于光网络数据量化表示模型、仿真建模运算集 合综合评估100G光传送本地网传输质量密切相关的4个关键指标，即光信噪比、放大盘光功率、放大盘增益、纠前误码率，找到越限具体 位置（包括网元、放大盘槽位等），通过智能系统原型机与光传送网络管理系统协同配合，制定自优化方案，提前排除潜在风险隐患。

数字孪生技术能够针对物理光通信网络实体的运行机制和行为规则进行仿真建模，将光通信网络映射至虚拟空间，实现光网络物理实体运行状态在虚拟空间的全要素重建及数字化映射。数字孪生系统包括一系列多物理、多尺度、高保真、动态仿真模型，可用来模拟、监控、诊断、预测、控制光网络物理实体在现实环境中的各种行为。

通过数字孪生系统，在虚拟空间内对部署于物理空间的光通信网络行为进行模拟验证，既避免影响正在运行的业务，也降低在物理网络上调测所引起的资源消耗。当光通信网络设备运行发生意外时，综合利用数字孪生技术、人工智能技术、算法算力技术进行分析、推理、模拟，定位故障的发生位置，预测未来可能发生的各种隐患，制定自修复或自优化策略进行处理。

基于数字孪生技术能够加速自智光通信网络演进，但是仍然需要认识到，目前光通信网络数字孪生技术研究和系统研发尚处于起步阶段，许多关键技术需要多方协同攻关。未来，众多数字孪生研究成果将不断涌现，为光通信网络增加智慧属性，也为信息化基础设施向自智系统演进提供理论与技术支持。

本文刊于《信息通信技术与政策》2023年 第10期