CN116321036A - 面向绿色无线资源管理的基于数据孪生的系统和控制方法 - Google Patents

Abstract

本发明公开了面向绿色开放无线资源管理的基于数据孪生的系统和控制方法。6G移动通信网络正在被认为是一种超链接，它可以把传统无线通信领域的服务从物理世界进一步拓展至数字世界。数字孪生绿色无线网络便于捕获和利用代表物理世界的数据。数字孪生绿色无线网络与6G相互作用将引入准实时的、基于数字孪生的6G网络管理和数据治理新方法。本发明考虑可再生能源支持的绿色无线网络的需求，探究了数字孪生绿色无线网络与绿色通信，相互作用和生成型AI(GAI)潜力，提出了一种面向绿色无线资源管理的基于数据孪生的系统和控制方法，以提高无线网络框架管理的可持续性、开放性、自动化、即时性和安全性。

Description

面向绿色无线资源管理的基于数据孪生的系统和控制方法

技术领域

本发明涉及面向绿色无线资源管理的基于数据孪生的系统和控制方法，属于无线通信领域。

背景技术

6G移动通信网络被认为是一种可以把传统无线通信领域的服务从物理世界进一步拓展至数字世界的超链接。这样超链接将导致未来电信网络管理与数据治理越来越复杂。近年已经有一定数量的文献已经探讨了相关的趋势，嵌入数字孪生层的无线网络架构被认为是一种富有潜力的网络管理技术。数字孪生包含了以下6项关键技术：建模、仿真、虚拟现实(VR)、增强现实(AR)、混合现实(MR)和大数据(BD)与人工智能(AI)、云计算与边缘计算(EC)和物联网(IoT)。对6G而言，数字孪生(DT)的关键概念是创建一个无线网络的物理实体(组件)和功能的数字复制品(虚拟孪生)，并且虚拟孪生所代表的大数据(BD)是人工智能模型训练和智能推理过程的基础。因此，6G应该被设想为具有原生的人工智能和数字孪生的网络，并且两者的合并有望成为未来移动电信网络(MTN)高效数据治理的引擎。

在2022年11月底，美国人工智能公司OpenAI推出聊天机器人应用ChatGPT，用户只需要输入问题，ChatGPT就能给出看上去准确且有意义的回答。ChatGPT英文全称为“chatGenerativePre-trained Transformer”，中文就是生成型预训练变换模型或者生成式的预训练。ChatGPT是一个大型语言模型(Large LanguageModel，LLM)的机器学习系统，可以自主地从数据中学习。在对大量的文本数据集进行训练后，它可以输出复杂的、类人的作品。腾讯、百度等国内公司将于2023年上半年在中国推出类似ChatGPT的人工智能工具。

其次，尽管我国已经在新一代信息技术有了快速发展，但是在6G、人工智能、数字孪生领域依然处于与国外同行相互竞争的位置，对于数字孪生与绿色通信与网络的相互作用研究工作依然很少。5G大规模部署基站时能耗遇到巨大的能耗问题，这对经济和生态产生负面影响。5G能耗是4G的4倍，并且5G基站的覆盖面积远小于4G基站。如果要实现相同面积的无线网络覆盖(WNC)，5G基站的数量至少是4G的3倍。此外，虽然可再生能源(ReE)在国内外各个行业的比例日益增加，太阳能模块尚未被用于为商业移动宽带站点的能源供应，尽管已经有来自网络上的报道显示国内的华为和国外爱立信等电信设备公司已经率先将太阳能用于移动宽带站点。

发明内容

本发明目的在于针对上述现有技术的不足，提供了面向绿色无线资源管理的基于数据孪生的系统和控制方法。本发明考虑可再生能源支持的绿色无线网络的需求，探究了基于数据孪生(DigitalTwin，DT)与绿色通信(GreenCommunications，GCs)相互作用和生成型AI(GAI)潜力，提出了一种面向绿色无线资源管理(RadioResourceManagement，RRM)的基于DT的框架、支持语言输入的人工智能生成内容(ArtificialIntelligenceGeneratedContext，AIGC)辅助的流程以及用户在线(User-in-the-loop，UIL)增强的控制策略，以提高无线网络框架管理的可持续性、开放性、自动化、即时性和安全性。

本发明为实现上述发明目的采用如下技术方案：

本发明提出了一种无线资源管理的框架管理，其流程实施如下：

A1：设计员给定无线系统参数和再生能源参数输入到数字孪生网元(位于边缘服务器)；

A2：数字孪生网元进行软件定义无线接入网；

A3：无线接入网把测量报告反馈至数字孪生网元；

A4：数字孪生网元进行决策、进行资源控制与执行；

A5：循环至A4。

面向绿色无线资源管理的基于数据孪生的系统，该系统包括数字孪生网元和绿色开放无线接入网网元：

所述数字孪生网元包含数字孪生平台和虚拟的端用户，端用户输入是多模态数据，图结构数据能够借助混合现实接口来输入，端用户输入是多模态数据，如语言、历史无线资源管理数据，图结构数据等。图结构数据可以借助混合现实接口来输入；

绿色开放无线接入网网元有蜂窝基站、边缘服务器、移动用户和存载网络网元，移动用户有物联网设备和移动设备，这些设备生成运行数据并将其数据与端用户同步。

进一步地，所述数字孪生网元承担传统移动电信网络中核心网的针对准时和非实时无线资源管理(RRM)的网络控制器功能，并且数字孪生也承担多种外部数据的预处理功能。

进一步地，所述绿色开放无线接入网网元的关键技术是以决策型AI和生成型AI为引擎的数字孪生，其中，生成型AI辅助的RRM策略嵌入了无线接入网与数字孪生网元进行交互的思想，从而展现了一种初步的“对话式”数据治理方案。其中外部RRM数据、内部RRM数据都属于交互的输入，合成数据属于与数字孪生交互的输出；以ChatGPT这样的预训练模型作为先进的工具，这使得从基于API的语言输入、个性化覆盖规划及其个性化覆盖编排的流程才能有效实现，前三个步骤与个性化覆盖规划有关：

其具体步骤包括如下，前三个步骤与个性化覆盖规划有关：

B1：某个移动用户用语言说出希望对无线网络的需求；

B2：在线数字孪生网元中预训练模型先进行意图解析，以确定需求和资源管理目标；

B3：根据预训练模型建议，快速地在多种预规划中选择一个性化覆盖规划和用于资源控制与执行的源代码，甚至给移动用户提供可视的全局视图；

后续步骤由软件定义的无线接入网先进行资源控制与执行，接着测试和输出测量报告。其后，按照预训练模型II位置是否处于RAN的边缘服务器网元分两种情况：

情况1)如果预训练模型II位于边缘服务器网元中，则准实时的个性化覆盖编排就可以实现，并且该准实时的编排可以进行迭代式改进，直至达到网络测和用户测的满意度；

情况2)如果预训练模型II位于(远端的)在线数据孪生网元，则个性化覆盖编排可能是非实时的或者准实时的；

最后，如果符合目标，本资源管理任务停止，具体步骤如下：

B4：当预训练模型II位于边缘服务器网元时，进行准实时资源编排，否则，进行非实时个性化覆盖规划；

B5：资源控制与执行；

B6：测量控制与测量报告反馈；

B7：预训练模型II输出判决；

B8：判决为“是”，则停止，判决为“否”，则进行新一轮迭代，即利用预训练模型II的新输出进行资源编排。

面向绿色无线资源管理的基于数据孪生的控制方法，所述方法受到用户在环UIL启发，提出了一种数字孪生赋能的绿色UIL概念，它利用UIL增强绿色无线资源控制的效率和说服移动用户到达最节能的位置，移动用户和虚拟控制器都处于闭环控制系统中，并且是闭环控制系统的一部分，移动用户通过用户接口向数字孪生网元输入语言，也通过用户接口从数字孪生网元接收判决值。

进一步地，用户接口、意图分析和资源控制器是其关键技术，AI对话模型ChatGPT将有效地承担这样的功能，因为AI对话模型输出模型与数据很有可能与真实的无线资源管理流程的输出模型与数据有很大相关性。由于AI对话模型是一种预训练模型，使用它进行预测所导致的延迟可以很小。因此，所提出的绿色无线资源控制方案的响应时间将显著低于真实的无线资源管理的响应时间，并且它是一种对用户的空间控制。此外，也可以引导移动用户靠近能源存储值大的基站，从而提高能量效率(EE)。具体步骤概述如下：

C1：移动用户通过用户接口向数字孪生网元输入语言数据；

C2：AI对话模型完成意图分析和输出中间变量给资源控制器；

C3：控制器完成执行；

C4：在很小延迟后，数字孪生网元输出判决值，用户将可见绿色指数和调整自己的位置。

有益效果：

1、本发明用AI对话模型进行预测所导致的延迟时间很小，提出的色无线资源控制方案能够提高能量效率。

2、本发明提出了一种面向绿色RRM的基于DT的框架、支持语言输入的人工智能生成内容辅助的流程以及用户在线增强的控制策略，提高了无线网络框架管理的可持续性、开放性、自动化、即时性和安全性。

附图说明

图1为本发明的数字孪生绿色无线网络的系统模型图。

图2为本发明的人工智能辅助无线资源管理的框架图。

图3为本发明的数字孪生生成合成数据的示意图。

图4为本发明的一种语言输入的生成型AI辅助无线资源管理的流程图。

图5为本发明的一种用户在线增强的绿色无线资源控制方法流程图。

具体实施方式

下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。

如图1-2所示。

图1展现了一种开放的、嵌入数字孪生层的网络架构，与图1中关联表示实际物理世界与虚拟世界的同步，其中上行关联和下行关联分别涉及原始无线数据和数字孪生输出的合成数据(如信息和过程)。蜂窝基站利用可再生能源供电，它可以减少通信基础设施对传统电网供应的依赖和实现低碳可持续系统。这里考虑的可再生能源涉及太阳能光伏(PV)，风力涡轮机(WT)和生物质发电机(BG)等。

图2的框架与现有无线资源管理框架不同，其包含三种无线资源管理(RRM)策略：a)传统RRM、b)决策型AI(DMAI)辅助RRM和c)生成型AI辅助RRM。现有的移动通信网络主要采用a)流程，它也是b)流程和c)流程的基线(baseline)。a)流程便于利用已有移动电信网络的历史数据，从而便于产生初始的示范性的输入-标签对。高级的5G系统正在考虑决策型AI辅助RRM，并且完整的无线资源管理应该是a)流程与b)流程的合并。

图2“辅助”表示数字孪生网元的输入数据集将分两部分，第一部分(内部RRM数据)来自传统无线资源管理的、安全性比较高的测量报告，它便于无线网络在实时条件下实现资源的控制和执行。第二部分(外部RRM数据)来自预训练模型的输出。在一个无线资源管理任务开始之前，数字孪生网元中AI实体将利用海量的历史测量报告进行人工智能模型的训练和产生一种“对话式”的预训练模型，从而增强移动电信网络的架构管理上开放性、灵活性、智能化和自动化。对于所提出的绿色开放无线接入网，由于可能引入可再生能源和多能互补等新低碳方案，无线资源管理的输入数据是多种模态的大数据，这些输入数据粗分为内部RRM数据和来自外部RRM数据。

图3举例说明数字孪生生成合成数据的示意图，其中采用可再生能源基站激活也是时变的，它描述了工业物联网应用中有限频带和有限能源资源条件下无线资源和能量资源的时间、空间动态性及其数字孪生对物理世界的一种映射。这里移动物联网设备(IoTDevices)对无线传输需求是时变的，即物联网设备位置随着时间变动，可再生能源供电的基站的工作状态(激活和关断)与参数也做自适应调整，以达到覆盖和节能的折中。数字孪生可以对物理无线资源和能量资源数据进行模拟和建模。图3中仅仅显示三个时间快照，即t(k-1)、t(k)和t(k+1)。在数据孪生使能的无线资源管理框架下，物理的蜂窝基站在数字孪生网元中有一个对应的虚拟基站(VirtualBS)或者孪生体。孪生体包含预先计算的激活工作状态与关闭工作状态时覆盖与节能的合成数据，还包含与无线资源管理的相关模型等。

如图4所示，图中资源含有可再生能源。

基于数据孪生的框架：其中生成型AI辅助的RRM策略(GenerativeAIassistedRRM)是本发明的重点，它嵌入了无线接入网(RAN)与数字孪生网元进行交互的思想，从而展现了一种初步的“对话式”数据治理方案。框架中，外部RRM数据、内部RRM数据都属于交互的输入，合成数据(SData)属于与数字孪生交互的输出。

从图2和图4可见，所提出框架是一种开放的、灵活的和智能的无线接入网框架管理，它促进了数字孪生与无线资源管理相互作用的研究。其次，在框架基础上的流程推进了面向绿色开放无线接入网的资源管理实现，采用可再生能源的绿色蜂窝基站面临能源动态性和需要高级的资源管理方法。

如图5所示。

基于数据孪生的控制方法：受到UIL启发，本发明提出了一种数字孪生赋能的绿色UIL概念，它利用UIL增强绿色无线资源控制的效率和说服移动用户到达最节能的位置，因为其目标可以绿色指数。用户接口、意图分析和资源控制器是其关键技术，类似AI对话模型ChatGPT将有效地承担这样的功能。因为AI对话模型输出模型与数据很有可能与真实的无线资源管理流程的输出模型与数据有很大相关性。由于AI对话模型是一种预训练模型，使用它进行预测所导致的延迟可以很小。因此，所提出的绿色无线资源控制方案的响应时间将显著低于真实的无线资源管理的响应时间，并且它是一种对用户的空间控制。其次，也可以引导移动用户靠近能源存储值大的基站，从而提高能量效率(EE)。此外，当前类似AI对话模型ChatGPT的智能化和专业化程度正在处于上升期，它在6G无线网络的绿色设计上见解尚不完善。但是，把该类对话模型的引入到UIL环路中，移动用户的语言提示将加速6G无线网络与对话模型的互动，从而使得该类对话模型趋于完善和快速输出比本行业专家水平更高级的绿色设计。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (5)

1.面向绿色无线资源管理的基于数据孪生的系统，其特征在于，该系统包括数字孪生网元和绿色开放无线接入网网元：

所述数字孪生网元包含数字孪生平台和虚拟的端用户，端用户输入是多模态数据，图结构数据能够借助混合现实接口来输入；

绿色开放无线接入网网元有蜂窝基站、边缘服务器、移动用户和存载网络网元，移动用户有物联网设备和移动设备，这些设备生成运行数据并将其数据与端用户同步。

2.根据权利要求1所述的面向绿色无线资源管理的基于数据孪生的系统，其特征在于，所述数字孪生网元承担传统移动电信网络中核心网的针对准实时和非实时无线资源管理RRM的网络控制器功能，并且数字孪生也承担多种外部数据的预处理功能。

3.根据权利要求1所述的面向绿色无线资源管理的基于数据孪生的系统，其特征在于，所述绿色开放无线接入网网元的关键技术是以决策型AI和生成型AI为引擎的数字孪生，其中，生成型AI辅助的RRM策略嵌入了无线接入网与数字孪生网元进行交互的思想，这里外部RRM数据、内部RRM数据都属于交互的输入，合成数据属于与数字孪生交互的输出；其具体步骤包括如下，前三个步骤与个性化覆盖规划有关：

B1：某个移动用户用语言说出希望对无线网络的需求；

B2：在线数字孪生网元中预训练模型先进行意图解析，以确定需求和资源管理目标；

B3：根据预训练模型建议，快速地在多种预规划中选择一个性化覆盖规划和用于资源控制与执行的源代码，甚至给移动用户提供可视的全局视图；

B4：当预训练模型II位于边缘服务器网元时，进行准实时资源编排，否则，进行非实时个性化覆盖规划；

B5：资源控制与执行；

B6：测量控制与测量报告反馈；

B7：预训练模型II输出判决；

B8：判决为“是”，则停止，判决为“否”，则进行新一轮迭代，即利用预训练模型II的新输出进行资源编排。

4.面向绿色无线资源管理的基于数据孪生的控制方法，其特征在于，所述方法受到用户在环UIL启发，提出了一种数字孪生赋能的绿色UIL概念，它利用UIL增强绿色无线资源控制的效率和说服移动用户到达最节能的位置，这里移动用户和虚拟控制器都处于闭环控制系统中，并且是闭环控制系统的一部分，移动用户通过用户接口向数字孪生网元输入语言，也通过用户接口从数字孪生网元接收判决值。

5.根据权利要求4所述的面向绿色无线资源管理的基于数据孪生的控制方法，其特征在于：用户接口、意图分析和资源控制器是其关键技术，AI对话模型ChatGPT将有效地承担这样的功能，具体步骤概述如下：

C1：移动用户通过用户接口向数字孪生网元输入语言数据；

C2：AI对话模型完成意图分析和输出中间变量给资源控制器；

C3：控制器完成执行；

C4：在很小延迟后，数字孪生网元输出判决值，用户将可见绿色指数和调整自己的位置。

Images