基于数字孪生的通信基站全生命周期智能运维系统的制作方法

本发明涉及通信基站运维，具体是涉及基于数字孪生的通信基站全生命周期智能运维系统。

背景技术：

1、在移动通信网络中，通信基站是承载无线信号覆盖的核心基础设施，其运行状态直接影响用户通信体验和运营商运维成本，目前，基站的规划、建设、维护和优化等环节通常由不同团队分段执行，规划阶段依赖工程师现场勘测和经验判断确定站址及设备选型，建设阶段按照设计图纸施工并完成设备入网调测，维护阶段依靠定期巡检和告警触发式故障处理，优化阶段则基于路测数据和网管指标进行参数调整。

2、然而，这种分段式、人工密集的管理模式导致各环节数据难以有效贯通，大量历史运维数据未被充分利用，基站全生命周期缺乏连续性数字化记录和全局性决策支撑，现有技术中虽已有利用三维建模和网管数据对基站进行数字化呈现的尝试，但其应用多局限于运维阶段的告警展示和性能监控，所建三维模型多为静态几何模型，缺乏与基站实时运行状态、周边电磁环境及业务负载动态的深度耦合，难以支撑覆盖仿真、能耗优化、故障预演等前瞻性分析，更无法将优化策略自动闭环反馈至物理基站执行。

3、于是有鉴于此，本发明提出基于数字孪生的通信基站全生命周期智能运维系统以弥补和改善现有技术的欠缺之处。

技术实现思路

1、为解决上述技术问题，本发明提供了基于数字孪生的通信基站全生命周期智能运维系统，以解决上述背景技术中提出的相应技术问题。

2、为达到以上目的，本发明采用的技术方案为：基于数字孪生的通信基站全生命周期智能运维系统，包括数据采集模块、数字孪生体构建模块、仿真分析模块、以及闭环执行模块，其中：

3、数据采集模块，用于与物理基站建立数据通信连接，实时采集物理基站的运行状态数据、周边环境数据及业务负载数据；

4、数字孪生体构建模块，用于获取物理基站的三维几何模型，将运行状态数据同步映射至三维几何模型中对应的设备部件上，构建设备层孪生子模型，根据周边环境数据构建基站周边的静态环境模型并结合实时天气信息动态更新环境参数，构建环境层孪生子模型，根据业务负载数据生成物理基站服务区域内的用户密度分布及业务质量分布，构建业务层孪生子模型，再将设备层孪生子模型、环境层孪生子模型和业务层孪生子模型配准融合，构建与物理基站实时同步的数字孪生体；

5、仿真分析模块，用于获取用户在数字孪生体上选定的仿真任务类型及仿真参数，所述仿真任务类型包括覆盖仿真、能耗仿真和故障预演，根据仿真任务类型，在数字孪生体上调整对应的孪生子模型参数执行仿真计算，得到仿真结果，并根据仿真结果判断当前配置是否满足预设的性能目标，若不满足，则基于预设的优化算法生成优化策略；

6、闭环执行模块，用于通过物理基站的操作维护接口将优化策略下发至物理基站执行，并获取物理基站执行优化策略后的实际运行数据，将实际运行数据与仿真结果进行对比分析，得到偏差数据，根据偏差数据对数字孪生体的映射参数进行校正更新。

7、作为优选的，实时采集物理基站的运行状态数据、周边环境数据及业务负载数据的具体过程如下：

8、通过预设的通信协议与物理基站的网管系统建立数据连接，按照预设的第一采集频率获取物理基站的运行状态数据，所述运行状态数据包括设备功耗、温度、告警信息及天线配置参数；

9、通过预设的接口协议接入气象数据服务接口，按照预设的第二采集频率获取物理基站所处位置的实时天气信息，所述实时天气信息包括温度、湿度、降雨量及风速，通过卫星地图接口和城市建筑数据库，获取物理基站周边预设范围内的建筑物分布、高度及地形地貌信息，作为静态环境基础数据；

10、通过物理基站的网管系统获取物理基站的实时业务负载数据，所述业务负载数据包括接入用户数、各业务类型的流量占比及资源块利用率。

11、作为优选的，构建与物理基站实时同步的数字孪生体的具体过程如下：

12、获取物理基站的cad设计图纸及设备安装布局图，构建物理基站的三维几何结构模型，所述三维几何结构模型包括机房结构、机柜布局、天线形态及设备安装位置；

13、将运行状态数据按照预设的设备参数映射表同步赋值至三维几何结构模型中对应的设备部件上，所述设备参数映射表用于建立运行状态数据中各数据字段与三维几何结构模型中各设备部件参数之间的对应关系，形成设备层孪生子模型；

14、基于静态环境基础数据构建基站周边的静态环境模型，并将实时天气信息中的温度、湿度、降雨量及风速作为动态环境参数叠加至静态环境模型中，形成环境层孪生子模型；

15、基于业务负载数据中的接入用户数及各业务类型的流量占比，结合预设的用户分布预测模型，生成物理基站服务区域内的用户密度分布热力图，将用户密度分布热力图与环境层孪生子模型中的信号覆盖分布进行叠加分析，得到物理基站服务区域内的业务质量分布图，形成业务层孪生子模型；

16、将设备层孪生子模型、环境层孪生子模型和业务层孪生子模型在统一三维空间坐标系中进行配准融合，构建与物理基站实时同步的数字孪生体。

17、作为优选的，所述仿真分析模块执行覆盖仿真的具体过程如下：

18、获取用户在数字孪生体上选定的覆盖仿真任务类型及仿真参数，所述仿真参数包括待调整的天线配置参数及其调整范围，所述天线配置参数包括天线的倾角、方位角和发射功率；

19、获取环境层孪生子模型中的当前信号覆盖分布作为覆盖基线，在数字孪生体上按照仿真参数调整天线配置参数，基于调整后的天线配置参数，结合环境层孪生子模型中的静态环境模型和实时天气信息，基于电磁传播模型重新计算物理基站在调整后的信号覆盖分布，得到覆盖仿真结果；

20、判断覆盖仿真结果是否满足预设的覆盖质量目标，所述覆盖质量目标包括覆盖率和信噪比阈值，若不满足，则以覆盖质量最优为目标，基于预设的优化算法输出调整后的天线配置参数作为优化策略。

21、作为优选的，所述仿真分析模块执行能耗仿真的具体过程如下：

22、获取用户在数字孪生体上选定的能耗仿真任务类型及仿真参数，所述仿真参数包括待模拟的节能策略类型，所述节能策略类型包括关闭部分功放模块、降低功放模块的发射功率和调整载波关断策略；

23、获取设备层孪生子模型中各设备的实时功耗数据及业务层孪生子模型中的业务负载动态数据，在数字孪生体上按照仿真参数模拟对物理基站的节能策略调整，基于调整后的节能策略，结合业务负载动态数据，计算物理基站在调整后的能耗预测值，得到能耗仿真结果；

24、判断能耗仿真结果是否满足预设的业务质量门限，所述业务质量门限包括最低覆盖率和最高业务阻塞率，若满足且能耗仿真结果低于当前实际能耗值，则以能耗最低且满足业务质量门限为目标，输出对应的节能策略调整方案作为优化策略。

25、作为优选的，所述仿真分析模块执行故障预演的具体过程如下：

26、获取用户在数字孪生体上选定的故障预演任务类型及仿真参数，所述仿真参数包括待模拟的预设故障场景，所述预设故障场景包括电源模块故障、射频单元故障及散热系统故障；

27、获取设备层孪生子模型中各设备的历史运行数据和实时运行数据，构建设备健康度评估模型，所述设备健康度评估模型用于根据各设备的运行时长、历史故障次数及当前实时运行参数偏离正常值的程度，输出各设备的健康度评分；

28、在数字孪生体上按照仿真参数模拟预设故障场景下的基站运行状态，基于模拟的预设故障场景，计算物理基站在该故障场景下的性能劣化程度及影响范围，得到故障预演仿真结果；

29、根据故障预演仿真结果，判断该预设故障场景下的性能劣化程度是否超过预设的故障容忍阈值，若超过，则生成对应的故障应急预案作为优化策略，所述故障应急预案包括备件更换计划、业务迁移方案和参数调整方案。

30、作为优选的，根据偏差数据对数字孪生体的映射参数进行校正更新的具体过程如下：

31、在优化策略下发至物理基站之前，将优化策略输入数字孪生体进行二次仿真验证，将二次仿真验证结果与仿真结果进行一致性比对，若一致性偏差在预设的偏差阈值范围内，则允许下发，若一致性偏差超出预设的偏差阈值范围，则重新触发仿真分析模块生成新的优化策略；

32、通过物理基站的操作维护接口将经过验证的优化策略下发至物理基站执行，所述操作维护接口包括基站的网管系统接口和远程调测接口；

33、获取物理基站执行优化策略后的实际运行数据，将实际运行数据中的关键性能指标与仿真结果中对应的预测性能指标进行逐项对比分析，计算各项性能指标的偏差值，得到偏差数据，并将偏差数据反馈至数字孪生体构建模块，对数字孪生体的映射参数进行校正更新。

34、作为优选的，所述数字孪生体构建模块中，构建环境层孪生子模型时，基于静态环境模型和实时天气信息中的降雨量数据，结合电磁传播模型计算物理基站在当前环境下的信号覆盖分布，并将信号覆盖分布作为环境层孪生子模型的动态参数进行实时更新。

35、与现有技术相比，本发明的有益效果是：通过实时采集物理基站的运行状态数据、周边环境数据及业务负载数据，将运行状态数据同步映射至物理基站的三维几何模型中对应的设备部件上，构建设备层孪生子模型，根据周边环境数据构建基站周边的静态环境模型并结合实时天气信息动态更新环境参数，构建环境层孪生子模型，根据业务负载数据生成物理基站服务区域内的用户密度分布及业务质量分布，构建业务层孪生子模型，再将设备层孪生子模型、环境层孪生子模型和业务层孪生子模型配准融合，构建与物理基站实时同步的数字孪生体，获取用户在数字孪生体上选定的仿真任务类型及仿真参数，在数字孪生体上调整对应的孪生子模型参数执行仿真计算，得到仿真结果，并根据仿真结果判断当前配置是否满足预设的性能目标，若不满足，则基于预设的优化算法生成优化策略，通过物理基站的操作维护接口将优化策略下发至物理基站执行，并获取物理基站执行优化策略后的实际运行数据，将实际运行数据与仿真结果进行对比分析，得到偏差数据，根据偏差数据对数字孪生体的映射参数进行校正更新；能够实现基站全生命周期的数字化映射、前瞻性仿真推演和闭环自主优化，有效解决现有技术中基站各环节数据孤立、静态模型缺乏实时动态耦合、无法进行前瞻性分析及策略闭环反馈的技术问题，大大提升了基站运维的智能化水平和运营效率。