智能时间网关键技术及效益分析

发布时间:2021-03-26  作者:中兴通讯 杨李键  阅读量:

早在4G时期,中国移动就开展了大规模时间网建设,在建设过程中遇到了很多难题,比如时钟网规划复杂、配置效率较低、大规模组网时故障定位困难等。为了解决时间网规模部署的问题,中兴通讯推出智能时间网综合解决方案。智能时间网综合解决方案打破了4G时期时间网与业务网的同网限制,核心汇聚环部署单纤双向时间专网,时间网络进行分域实现故障隔离,利用AI及大数据技术基于基站回送GNSS信号到接入网实现有效管控。

 

智能时间网方案关键技术

 

智能时间网方案通过智能管控系统对时间网进行故障隔离、智能故障分析,并通过设备自身对时延的补偿功能,解决了时间网规模化部署以及故障定位困难的问题。下面分别介绍一下方案中所采用的关键技术。

 

单纤双向时间传递技术

承载网汇聚环以上设备的部署会存在长距离以及OTN与分组设备共存的场景。长距传输时,双纤组网会存在光纤长度不对称导致的不可忽视的时延。另外,相干光模块也会产生不确定误差。所以我们采取单纤双向光模块组建汇聚层以上的专用时钟时间环,增强时间网的稳定性,同时也保证了OTN和分组设备同方案的对接。

引入单纤双向后,也需要考虑不同的波长在光纤中进行长距离传输时导致的不可忽略的时延差。以GE 80km的单纤双向光模块为例,在G.652光纤中,每公里的时间差为1.3ns左右,80km的传输将引起50ns左右的时间差。所以在单纤双向光模块组网的场景下,需要对时间误差进行补偿。

由于波长和时延是线性关系,在已知波长的情况下,设备可以自动计算时延的偏差,从而抵消不同波长带来的时延误差。

 

时间网分域

未进行分割的时间网按照配置的主从时间优先级进行时间同步,各设备的时间环环相扣。当某一接入环设备出现故障,例如接入环某设备优先级变高,本接入环以及其他接入环和汇聚核心出的设备都有可能受到影响,影响范围大,且易出现网络反复震荡,此时要定位故障位置也极为困难。

在“大网”找故障难,那我们就得想办法把网“变小”,将时间网络根据等级划分片区来约束故障涉及的范围。如图1所示,将时间网按照核心汇聚、普通汇聚、接入时间环划分为4个环,各环直接故障隔离,且授时方向按照核心汇聚→普通汇聚→接入时间环,不同层级间单向授时,低层级不能向高层级授时。若3环当中某个设备故障(图1红色设备),最多仅会影响3环内的设备时间,1、2、4环不受影响,且在3环内进行故障定位比全网定位更加高效。

            图1  时间环分割模式

 

时间网络自动规划

时间网部署目前主要采用人工部署方式。由于网络庞大且复杂,配置步骤繁琐,人工操作无疑难度高且效率低。如果能把复杂困难的事情交给设备和管控系统,那么网络的部署将事半功倍。

管控系统可以通过获取网络物理拓扑以及网元时钟同步的属性,自动计算和规划所有或指定区域内网元的主备用时钟同步拓扑,根据规则解决时钟时间配置,消除新老设备的差异性问题,实现端口的自动优选,例如:建网优选单纤双向路径。简而言之,就是管控系统按照网络拓扑和时钟时间属性自动规划出该拓扑的时间同步网络。

时间网络的自动规划相比人工操作更加高效,大大减少建网规划的复杂程度,同时在网络更变时使得时间网络快速调整,而不需要等待人工上站进行处理。

 

基站时间回传承载网

无线基站主要采用GNSS和1588V2地面同步技术实现空口时间同步。为保证同步性能的稳定可靠,基站通常同时开通两种技术,相互之间形成保护。系统将基站GNSS获取的时间与1588获取的时间差值回传给接入层承载设备,并上报给承载网管控制器系统,控制器可以根据上下游各站点的数据进行分析,从而推断出基站或承载网的性能,并进一步确定故障根源。

基站回送到承载设备的卫星与1588时间的比对信息,相当于告诉承载接入设备地面时间网与卫星的时间的偏差,承载网设备再根据自身收到的多个基站以及上下游节点获取的信息,来推算当前设备时间的可信程度。

 

时钟时间智能故障诊断

传统4G时间网监控手段及技术匮乏,发生故障需要人工上站定位修正,耗时耗力。智能时间网推出了两个故障诊断的方式:基于角色指纹的溯源故障诊断和基于图神经网络的故障诊断。介绍这两个诊断方式之前,先介绍一下它们定位故障思路的区别。基于角色指纹的溯源故障诊断思路是,已知故障点,根据一定的规则与策略,以故障点为起点进行路径追溯从而确定故障的位置以及故障根因。若发现某条时间路径故障,则会在该路径下游选择一点,从该点上游溯源找出故障源节点以及故障根因。而基于图神经网络的故障诊断是通过AI及大数据,从全网进行诊断,对每个节点进行分析,得出每个节点故障的概率以及故障种类的概率,如图2所示。

          图2  基于图神经网络的故障诊断思路

-基于角色指纹的溯源故障诊断

该诊断方式的实现机制是基于将已发现故障的工作流与可定制的角色指纹库进行溯源比对匹配,可实现快速故障分析和定位。

诊断流程为:从网络中手动选定故障工作流中的下游诊断起始点(最多可选定3个点)进行故障追溯,即从诊断起始点开始根据时间网传递方向的反方向进行诊断,将该方向的工作流对照角色指纹库进行对比诊断,最后呈现出诊断的结果,寻找出故障源节点及故障根因。

这就类似通过声纹来判断出该声音是否与某个人相匹配。全网的诊断流程就是,已知故障点,通过现网工作流情况与角色指纹库进行比对匹配,对其时间链路的上游进行溯源,追溯出故障源节点及根因。

-基于图神经网络的故障诊断

图神经网络是一种机器学习连接模型,通过图的节点之间的消息传递来捕捉图的依赖关系。利用图神经网络技术的这一特点进行故障定位时,不仅利用了自身节点的特征信息,还充分利用周围节点的特征信息,故障特征信息采集更充分,故障定位准确率更高。这就好比警察在探案时,对于嫌疑人,除了对他本人性格行为习惯进行分析,还会从他的生活环境、人际关系等方面进行调查,从而逐渐形成一张导致案件发生的因果网络。而在图神经网络这里,这一切都交给了机器。

该诊断方式的大致流程是:首先,建立图神经网络的节点模型。基站回传卫星时间与设备时间的差值回传到承载网之后,承载网控制器收集了相关的各种时间信息(如时间配置、性能数据等)及故障诊断的过程,经过不断的积累,形成大数据。这些源源不断的大数据,就是训练样本集,对已经建立的基于图神经网络的节点模型进行训练,从而使得机器具备智能定位故障位置的能力。随着数据的累积与技术的进步,诊断效率及准确率也会逐渐提升。

 

智能时间网效益分析

 

在时间网规划方面,传统时间网需要人工规划,手工配置。人工配置每人每天可完成70~80网元规模。而采用自动计算和规划时间网技术实现网管自动配置,可将效率提升至每人每天完成450~500网元规模。

时间网稳定性方面,传统时间网不同时间环路之间故障不隔离,故障定位难且可能影响其他无关的时间环路。而智能时间网支持层次划分,实现环路间故障隔离,大大提升提升时间网可靠性。

故障诊断能力方面,传统时间网采用人工故障分析及定位,单故障定位分析时间平均为24小时。而智能时间网可以通过管控系统将定位分析时间由原来的24小时缩短到15分钟以内。

 

中兴通讯的智能时间网总结了4G时期PTN时间网大规模部署的经验,在江苏移动、福建移动、北京移动等现网逐步展开试点,在迭代中完善,逐步解决了4G时期时间网大规模建设开局不易、故障排除较难的问题,为5G承载时间网的建设铺平了道路。一张稳定且高精度的时间网络,将助力智能电网、智能工业等政企与垂直行业,实现在5G时代的稳步发展。

分享到:

 选择国家/语言

Global - English China - 中文