综述：利用数字孪生提升光网络可靠性的前景：一项综述

《Optical Switching and Networking》：Investigating the prospect of leveraging digital twins to enhance the reliability of optical networks: A survey

　　

调查了影响光网络可靠性的主要因素。数字孪生作为现代光网络管理的更好解决方案。关于数字孪生生命周期及其阶段的系统性研究。光网络中面向可靠性的功能。将现有数字孪生应用研究分类到这些功能中。 1.引言 光网络是现代通信系统的骨干，广泛应用于云计算、数据中心互连以及新兴的5G及未来移动网络等服务。光网络以其提供超高带宽、低延迟和远距离传输而闻名，使其成为全球连接不可或缺的部分。随着流量需求的持续快速增长，光网络正朝着覆盖核心网、城域网和接入网的更具可扩展性和灵活性的基础设施发展[1]。 然而，这一进展增加了运营复杂性。现代光网络以动态方式运行；网络配置根据实时监控和控制机制不断更新。这使得系统能够通过自适应重配置来适应流量需求和网络状况的变化[2]。同时，先进的传输技术，特别是多波段操作，引入了复杂的带间相互作用，如信道间受激拉曼散射(Inter-channel Stimulated Raman Scattering, ISRS)，这对广义信噪比(Generalized Signal-to-Noise Ratio, GSNR)有显著影响，并使准确的性能估计更加困难[3]。此外，由灵活栅格(flexible-grid)系统和可编程交换元件等技术支持的可重构架构引入了额外的自由度，使网络规划和操作复杂化[4]。因此，在这种环境中管理一致的性能和可靠性变得更具挑战性。 传统的网络管理方法并不适合应对这些挑战。现有方法通常是反应式的，主要依赖周期性监控和基于阈值的告警，从而限制了其在早期阶段检测和定位损伤的能力。大多数监控机制是粗粒度的，依赖于可能无法捕捉瞬时或短暂性能下降的周期性测量[5]。此外，网络规划和操作通常依赖于带有保守设计余量的静态模型以确保可靠性[4]。尽管这些余量提供了弹性，但它们导致资源利用效率低下，并限制网络在其最佳容量附近运行。这些局限性凸显了对更智能、更灵活的管理框架的需求[6]。 数字孪生(Digital Twin, DT)是一个物理系统的动态数字表示，通过双向、实时的数据交换与其物理对应物保持持续同步。与静态数字模型不同，DT持续从物理系统获取运行数据，更新其虚拟表示以反映当前系统状态，并在整个系统生命周期内实现监控、仿真、预测和决策支持。通过将实时数据与分析、基于物理和数据驱动的模型相结合，DT可以评估物理系统的当前状态，预测未来的行为模式，评估假设情景，并支持制定主动优化策略[4], [7]。 DT不同于传统的数字模型和数字影子(digital shadow)。数字模型是一种静态表示，手动更新，物理对象与数字模型之间没有自动数据交换。数字影子自动接收来自物理系统的数据，但仅支持从物理实体到虚拟模型的单向自动同步。在相反方向，信息流是手动的。相比之下，DT支持双向通信，允许来自虚拟模型的信息通过建议或自动化控制动作影响物理系统。这种持续的反馈循环实现了实时自适应和自主操作[8]。 这些DT特性在提高光网络可靠性方面展现出巨大潜力。DT提供了一种主动方法，通过持续监控和分析网络状况，而不是依赖被动的故障管理技术。这些预测模型可以检测退化指标，支持在服务中断前实施纠正措施[9]。另一方面，仿真能力可以提前评估恢复策略和配置变更，避免任何操作风险。通过统一监控、预测和控制，DT支持更稳健、更灵活的光网络运行。 数字孪生在光网络中的广泛范围已在几项研究中得到综述。在[10]中，DT网络的概念被引入，作为一个由多个物理实体及其虚拟对应物组成的互联系统。该综述考察了DT网络的定义和特征，通信、数据处理、建模、云计算和边缘计算技术的赋能作用，以及在制造业、交通、医疗保健、智慧城市和未来通信网络等领域的应用。然而，该研究并非专门针对光网络，也未考察光网络的可靠性机制。特别关注光网络，[11]中提出了一个关于构建用于智能光网络的DT的全面教程，涵盖了基础的建模、遥测和自学习技术。然而，该研究对将这些技术应用于可靠性和弹性管理的关注有限。在[4]中，DT开发围绕一个包含实时监控、镜像建模和自动控制的完整周期架构进行组织。该研究回顾了基于数字信号处理(DSP)和机器学习辅助的监控技术，用于光组件和传输通道的基于物理、数据驱动和物理信息的模型，以及包括设备配置、低余量网络设计、故障恢复、网络升级和资源管理在内的控制应用。尽管如此，与可靠性相关的应用是在更广泛的监控-建模-控制架构内呈现的，而非根据其可靠性目标进行分类。[7]的研究将DT视为网络操作自动化系统的分析组件，讨论了诸如假设分析(what-if analysis)、光风险映射、恢复规划和服务中信道优化等应用，并在实验室和运营环境中进行了演示。然而，该研究侧重于运营自动化和实际实施，没有提供可靠性相关DT功能的结构化分类。 尽管这些研究为DT概念、架构和一般应用提供了宝贵的见解，但它们并未系统地分析如何利用DT来提高光网络的可靠性。特别是，诸如故障检测、故障预测、优化、故障恢复和假设分析等与可靠性相关的功能在不同工作中被讨论，缺乏统一的分类。本综述通过提供以可靠性为中心的回顾来填补这一空白。 图1显示了本文讨论的光网络DT的参考架构。该架构由物理光网络及其数字对应物组成，它们通过双向实时数据交换持续同步。在DT内部，数据采集与集成、建模与分析、以及应用与决策支持协同工作，以监控网络状态、评估系统行为并支持明智的运营决策。该架构实现的面向可靠性的应用将在后续章节中进行综述。 本文的主要贡献如下。首先，它概述了光网络的基础知识以及影响可靠性的主要挑战。其次，它解释了DT技术的核心概念和DT的生命周期。然后，论文系统地将应用DT以提高光网络可靠性的现有研究工作进行了分类。最后，它指出了开放的挑战并勾勒了未来研究的潜在方向。

1. 2.
   光网络：基础与可靠性挑战

2.1. 光网络的架构、关键组件和技术

光网络通常分为接入网、城域网和核心网三个部分。尽管这些网络段的规模和功能不同，但它们通过相同的光传输基础设施连接起来，数据通过光纤以光信道的形式在网络节点之间传输。光网络通常通过分层组织来定义。最低层称为物理层，包括光纤跨段、连接器、放大器、交换元件和终端设备。物理层之上的上层将业务组织成光信道和光路(lightpaths)。更高层将客户端服务映射到这些传输资源上。一个重要的架构抽象是交换节点之间的光传输段，通常是一个光复用段(Optical Multiplex Section, OMS)，由光纤跨段和中间放大级以及其边界处的波长选择开关元件组成。光路建立在这些段之上以创建端到端通信，每个连接由物理路径和分配的频谱资源指定，并受到诸如信噪比(Signal-to-Noise Ratio, SNR)等传输质量(Quality of Transmission, QoT)约束的限制。因此，光网络架构不能仅通过网络拓扑来描述，而应被视为一个传输感知系统，其中路由选择必然受到物理层可行性的限制。这意味着路由选择和频谱资源分配必须共同满足QoT要求。

另一个主要发展是从传统的单波段系统向更宽光谱操作的转变，例如C+L波段和多波段传输。光网络的基本传输介质是光纤，最常见的是单模光纤。光纤排列成跨段，并通过诸如放大器和可重构光分插复用器(Reconfigurable Optical Add-Drop Multiplexer, ROADM)等有源光节点连接。光纤的原始传播能力通过波分复用(Wavelength-Division Multiplexing, WDM)技术得以利用。密集波分复用(Dense Wavelength-Division Multiplexing, DWDM)进一步增加了特定波段内的信道数量。像灵活栅格(flex-grid)和弹性光网络这样的新技术允许根据需求、调制格式和传输约束来分配频谱。可重构光分插复用器(ROADM)用于配置和重新路由光路，而无需在中间节点进行光电光转换。光放大是光网络中的另一项基本操作。掺铒光纤放大器(Erbium-Doped Fiber Amplifier, EDFA)通常用作增强、在线和前置放大器。相干收发机位于光信道的端点，在现代光网络中发挥着重要作用。总的来说，光网络技术的进步以传输灵活性、弹性操作和多波段频谱扩展以及新兴的空分复用(Space-Division Multiplexing, SDM)范式为特征。

2.2. 常见故障模式及其影响

光网络中的故障模式通常可分为物理基础设施故障、组件故障、传输异常和操作不规则。物理基础设施故障是网络故障的重要来源，直接影响服务可用性，包括光纤切断和其他传输介质损伤。第二类涵盖由有源网络元件引起的退化，例如放大器、收发机和光子交换元件。除了离散的基础设施和设备故障外，光传输还受到物理损伤的影响，包括衰减、色散、偏振效应、放大器噪声、滤波效应、克尔(Kerr)非线性以及宽带系统中的波长依赖性相互作用，如ISRS。这些损伤沿光路累积，降低QoT指标。在灵活频谱和多波段光网络中，动态分配的信道会导致传输条件变化。操作不完全是另一种退化来源，源于不准确的参数假设、不完全的链路条件知识以及基于不完美信息的配置。这些故障模式的影响主要在物理层观察到，影响信号传播和光路连续性。

2.3. 可靠性目标、指标和性能指示符

光网络的可靠性取决于光路在不同的物理和操作条件下维持可接受传输质量的能力。常见的可靠性指标是光信噪比(Optical Signal-to-Noise Ratio, OSNR)、GSNR、SNR和误码率(Bit Error Rate, BER)。这些用于衡量线性和非线性失真对信号质量的影响。前向纠错(Forward Error Correction, FEC)阈值定义为可容忍的最大预FEC BER。光功率水平和衰减趋势也是有用的网络健康指标，特别是用于识别逐渐退化。除了基于物理层的指标外，还可以基于衡量服务性能和资源利用率的指标在网络层面评估可靠性。尽管有各种可靠性指标，但现有的评估方法仍存在一些局限性，包括粗粒度的监控粒度、数据可用性和多样性不足、基于不完整或不准确数据的性能评估模糊，以及传统方法倾向于使用固定设计余量来处理不确定性，这通常会导致网络资源利用率低下。