运营商汇聚机房的规划选址研究

潘 亮，康元元

（1.中通服咨询设计研究院有限公司，江苏 南京 210019；2.石家庄学院 机电学院，河北 石家庄 050035）

0 引言

汇聚机房作为通信运营商重要的基础资源，是影响运营商网络安全与稳定的最重要因素，因此各运营商都极为重视汇聚机房的建设，出台了很多建设指引和标准规范，但是在机房的规划选址上，缺少算法支持，欠缺精准性[1].笔者对电力行业市场调研发现，电力变电站的容量测算一般采取最大负荷法，站址选取采用粒子群优化算法，均取得了良好效果.因此，本研究借鉴电力变电站建设方案，提出了2个通信运营商汇聚机房的建设模型：基于业务量带宽需求的汇聚机房面积测算模型以及基于粒子群优化算法的汇聚机房选址模型，并进行了详细的研究分析，以期能为运营商汇聚机房建设提供参考.

1 基于业务量带宽需求的汇聚机房面积测算模型

1.1 变电站容量测算模型介绍

笔者专程前往太原城市规划院进行交流，仔细研究了《太原市供电专项规划》中对变电站的需求分析和建设模型.该模型采取的思路方法和通信运营商建设综合业务区的思路方法有异曲同工之处[2].

首先，将中心城区供电分为若干个供电分区，分区的原则主要依托城市主干道路网来确定边界；然后依据分区内用电客户不同的用地属性和其对应的用电负荷指标，求出该分区总的用电负荷.其中，负荷指标的选取，一方面依据《城市电力规划规范》和太原市经信委下发的住宅、商业核算容量取值；另一方面将太原与国内一线城市（北京、天津）、国内同等发展水平的城市（武汉、长沙、厦门）进行横向对比，结合太原实际，确定符合太原发展定位的负荷指标体系；最后，再根据各分区的最大负荷计算结果，确定各分区变电站的建设容量大小.

1.2 汇聚机房面积测算算法介绍

本研究借鉴变电站容量的测算模型，对运营商综合业务区汇聚机房面积标准进行测算，具体步骤如下：

首先，选择一个业务量较密集的综合业务区；统计该综合业务区远期规划下挂的基站数量、集客条数、家庭宽带户数，并预估最大带宽需求；然后，根据目前的网络承载方案，例如：5G（第5代移动通信）基站业务采取切片分组网（SPN）承载，集团政企专线采取光传送网（OTN）承载，家庭等公众宽带采取无源光网络（PON）承载，依据主流厂家各网络设备的典型配置，测算出汇聚机房需要安装的网络主设备以及光配线架（ODF）、电源、空调等配套设备的数量，并求出所有设备的总投影面积[3]；最后，按照设计规范中关于机房面积的相关公式计算出汇聚机房的面积大小.

1.3 案例应用

以太原某运营商的大南门综合业务区为例，此综合业务区远期业务规划为：下挂无线5G基站118个，集团政企客户590条，家庭宽带3094户.在带宽需求方面，一方面调研现有业务实际带宽情况，另一方面采用成长曲线预测和专家调查法纠偏，从而较为科学地预估出规划期末的最大带宽需求[4，5]：无线5G基站；规划期末带宽需求：2 G/站；集团政企客户带宽：1 G/条；家庭宽带：1 G/户.这样就可以算出该综合业务区总带宽需求=118×2 G+590×1 G+3094×1 G=3920 G.根据目前的网络承载方案及设备配置情况，推算出此综合业务区内的汇聚机房最终需要安装的设备数量，见表1.

从表1可以看出，设备总投影面积为11.30 m2，依照国标“电子信息系统机房设计规范”中对于机房面积A的测算公式[6]：

表1 设备信息表

式中：K代表计算系数；S代表设备总投影面积.K一般取5～7，本次取最小值5，则A=56.49.所以综合业务区汇聚机房面积不能小于56.49 m2，取整，则要求不能小于60 m2.

2 基于粒子群优化算法的汇聚机房选址模型

2.1 粒子群优化算法介绍

粒子群优化算法是一种群体最优化计算技术，最早始于对鸟群觅食的研究：鸟群在一片区域内搜寻一块食物，它们均不清楚食物在哪儿，但了解自己和食物之间的距离，因此鸟儿不断在当前距离食物最近的鸟儿的周边搜寻.在搜寻过程中，鸟儿相互传送信息，一起合作来确定自己是否找到最优解，还将更新后的信息传递到鸟群，使所有鸟儿都能找到食物源[7].抽象成数学模型，每只觅食的鸟儿即为“粒子”，每个粒子都有一个由特定函数计算出的适应值，以及一个速度来控制粒子们飞行的方位，粒子们经过不断迭代运算来寻求最优值[8].

2.2 变电站选址的数学模型及算法实现

电力行业的变电站选址问题，如使用粒子群优化算法，是在新建变电站建设容量已明确的条件下，寻求变电站建站的最优位置，从而取得最少建设和运维成本，详细的公式如下：

式中：Csub代表新建变电站折算到每年的建设和运维成本；CLine代表配套的供电线路换算到每年的建设和运维成本.Csub和CLine的计算公式如下：

式中：r0代表贴现率；Ts代表新建变电站的折旧年限；S代表新建变电站的容量；f（S）代表新建变电站的投资费用；u（S）代表新建变电站的运行费用；TL代表配套的供电线路的折旧年限；j代表变电站供电的第j个负荷点；J代表由变电站供电的所有负荷点；Wj代表第j个负荷点的有功负荷；α（Wj）代表与Wj相应的供电线路单位长度建设投资；dj代表变电站和第j个负荷点之间的供电线路距离：

式中：βj代表线路网损折算系数；β1代表当前电价；β2j代表与Wj相应的出线单位长度电阻；β3代表年损耗小时数；U代表线电压；cos2Φ代表功率因数；x，y代表新建变电站的坐标位置；xj，yj代表第j个负荷点的坐标位置.

2.3 采用粒子群优化算法进行传输机房选址

借鉴变电站的选址方法，运营商也可以采取粒子群优化算法进行汇聚机房选址.汇聚机房选址问题可描述为：在覆盖区域已知的情况下，为了满足业务接入需求，寻找汇聚机房的最优位置，以取得最少的建设和年运维成本（汇聚机房的建设和运维成本、光缆线路的建设和运维成本）.参照变电站选址模型，运营商汇聚机房选址参数见表2.

表2 汇聚机房相关参数含义对标表

为简化问题，可不考虑新建汇聚机房的建设费用f（S）和运维成本u（S），而仅仅只考虑配套的光缆线路费用，则选址模型可描述为：在覆盖区域内，利用粒子群优化算法确定新建传输机房的最优位置，使其与所接入业务节点的加权距离之和最小[6].

因此，可使用线路费用函数CLine为粒子群优化算法的适应值函数，设置成F，则：

寻求汇聚机房最优选址位置的步骤如下：

1）初始化参数（变量维度D、种群数量r、迭代次数k、惯性因子ω、加速系数c1，c2等）；

3）按照F函数，求出粒子的适应值；

4）比较每个粒子的适应值和它的个体极值，从而不断更新全局最优粒子（Gbest）和个体最优粒子（Pbest）；

5）依据适应值大小将粒子群分成2个种群，每个种群设置不一样的惯性权重ω2：适应值高的，惯性权重较小；适应值小的，则权重设置较大；

6）代入参数，更新粒子的速度与位置，计算公式如下：

式中：v代表速度；x代表位置；rand代表介于（0，1）的随机数；p代表个体极值，k、ω2、c1、c2代表初始化参数.

7）按照设置的偏差要求或迭代次数，检验是否满足结束条件.若满足，则结束程序，得出最优解pg；若不满足，则退回步骤2；

8）分析汇聚机房最优点pg是否落在可行区域.若落在可行区域，则得出最优解；若不是，则找到距离最优点最近的可行区域内的一个点位，即为汇聚机房的最终位置.

2.4 案例应用

基于粒子群优化算法，对太原市某运营商晋源区新建汇聚机房河西三节点进行选址.晋源区现有业务接入点见图1.

图1 太原某运营商晋源区业务接入点点位图

算法参数选取为：变量维度取2，种群数量取10，迭代次数取200，惯性因子变化范围0.4～0.9，加速系数均为2.0.业务接入点依次选取：古城营村、北河下村、晋源新区营业厅，新选汇聚机房与3个业务接入点之间的汇聚层光缆均选用48芯光缆，采用管道敷设方式.程序运行时，输入光缆线路投资贴现率0.08，折旧年限TL=15，新建汇聚点到业务接入点光缆敷设单位长度投资α（W1）=α（W2）=α（W3）=1.5万元/km，线路网损折算系数β1=β2=β3=0.05，业务接入点的上联业务带宽W1=12 G，W2=15 G，W3=23 G.任意选取一组粒子（综合业务区内），使用粒子群优化算法求解，汇聚机房站址优化结果如表3所示.根据表3迭代计算，最终得出新建汇聚机房河西三枢纽的最优位置，如图2所示.

图2 河西三枢纽机房规划位置图

表3 汇聚机房站址优化表

3 结语

汇聚机房的合理化布局是各运营商本地传送网稳定发展的基础，在汇聚机房规划选址阶段，应充分考虑下挂业务带宽需求，综合考虑经济效益，借鉴科学的算法模型，采取适宜的规划调研方案，科学规划、精准建设、合理投资，从而构建安全稳定、经济有效的传输承载网络.