基于数字孪生引导的服务感知图注意力蚁群优化的电力数据网络动态IPv6路由框架

《Scientific Reports》：Digital twin-guided service-aware graph attention ant colony optimization for reliable dynamic IPv6 routing in power data networks

　　

摘要

运行于基于IPv6的通信基础设施之上的电力数据网络承载着具有不同延迟、带宽、运行风险和恢复优先级需求的异构电网服务。静态路由指标和人工加权的网络服务质量（QoS）目标无法充分表征动态IPv6路由环境中流量负载、服务优先级、链路风险、排队延迟和故障状态之间的动态耦合关系。本文提出了一种数字孪生引导的服务感知图注意力蚁群优化框架，称为SAG-RTACO，用于面向可靠性的电力数据网络动态IPv6路由。首先构建一个面向路由的网络数字孪生，将拓扑、流量、QoS、风险、服务和故障状态同步为IPv6服务流的时间演化图。随后，服务感知图注意力网络（GAT）在异构服务请求下学习链路的适用性，并将学习所得的边评分纳入基于风险-时间的蚁群优化（ACO）搜索过程中。此外，进一步设计了一种优先级感知的主备路由与故障恢复机制，以提升由基于IPv6的网络所承载的关键电网服务的恢复优先级。在包含十种代表性服务类型的14节点电力数据网络上的实验表明，SAG-RTACO实现了0.538的平均路径满足度，将平均风险成本降至28.7，将备份可用性提升至88.9%，并将服务故障率降至9.4%。在优先级偏斜流量、突发到达、聚集性故障以及组合分布偏移等分布外IPv6路由测试中，GAT的AUC值达到0.761–0.816，SAG-RTACO的路径满足度值为0.478–0.522（无需重新训练），表明该框架在未见过的运行条件下具有良好的性能渐进退化能力。额外的保真度、消融、鲁棒性和统计分析进一步支持了所提框架在受测路由场景下的有效性。