IEEE1588v2时间同步技术在新一代电力骨干网中应用研究

针对传统的时钟同步方法已经无法适应新一代电力系统对时钟同步提出的更高要求,引入了一种能达到亚微秒级同步精度的1588v2时间同步技术,可以完全满足新一代电力系统中数字化变电站等电力二次终端设备高精度时间同步的要求;在对OTN和PTN进行同步技术分析的基础上,提出了基于OTN+PTN统一同步网络组网模型的应用场景,探讨了1588v2时钟信号在混合网络中的传递方式,并在现网中进行了时间同步性能测试验证,时间精度优于±100ns;研究结果表明,基于1588v2时间同步技术的OTN+PTN组网模型能够满足电力系统业务的同步需求。     

切片分组网络数据转发层互通技术研究

为了满足业务带宽、时延、分片、管控等方面的新要求,传输网络技术不断迭代,同时,由于技术发展的渐进性特性和网络差异化服务要求,不同网络技术的融合必然是一个持续的长期过程。切片分组网（Slicing Packet Network,SPN）作为融合应用了多种先进技术的新技术体系,其与多种网络融合共存中的互联互通需求亟待解决。基于此,从实际需求出发,分析SPN网络互通典型需求场景,给出网络互通技术实现模型及同步互通技术分析,以期为相关技术实现和工程设计提供借鉴。     

试谈电力OTN光传送网络和设备运维管理及故障案例分析

光传送网络（OTN）是由同步数字体系（SDH）网络发展而来的,并继承了SDH网络的所有优点。针对大颗粒业务传送对SDH网络进行改进。基于OTN在电力通信网中得到广泛应用,阐述了电力OTN网络和设备运维管理的具体内容和要求,通过故障处理原则及典型案例分析,介绍了OTN光传送网络在电力系统中的应用,对指导电力通信OTN运维管理具有一定的借鉴意义。     

如何解决OTN网络时钟同步传递

随着OTN设备在传输网中普遍应用,网络承载业务呈现多样化和复杂化。各种业务尤其3G业务对网络的时钟提出了更高的要求。该文对1588V2时钟同步原理,OTN网络的时钟同步方案及规划、部署等问题进行了详尽的阐述。     

电力OTN系统保护方式研究

随着电力大颗粒业务的承载需求越来越迫切,OTN系统在电力通信专网中的应用越来越广泛。本文阐述了电力OTN线性保护和环网保护各种保护方式,对各种保护方式的特点和应用场景进行了比较,针对电力OTN系统特点对保护方式选择提出建设性的意见,为OTN系统在电力通信网中的规划以及设计提供了依据。     

Microsemi推出最新同步以太网时钟器件

美高森美公司(Microsemi Corporation)发布单芯片、标准化同步以太网(SyncE)解决方案,该方案无需增加频率转换锁相环(PLL),就能在光传输网络(OTN)信道上实现同步以太网(SyncE)的传输。新款ZL30153和ZL30154时钟器件可支持以太网时钟频率和所有的OTN时钟频率。采用Microsemi为SyncE和OTN应用打造的单芯片解决方案,能让电信设备制造商以单一网络支持多重服务,并降低时钟解决方案的成本。     

OTN 技术在省内干线传输网的应用分析

通过对省内干线波分系统的问题分析引出OTN技术,并对其核心内容电层技术、光层技术、业务封装、性能监 控等进行了介绍。阐述了OTN网络规划的基本要素,根据其技术特点及组网要求制定了山西联通干线传输网的应用方案,对 网管日常维护内容及维护人员的技能要求进行了详细分析。OTN 技术将在省内干线传送网上得到广泛应用。     

汽车网关平台业务应用与功能架构模型研究

分析了汽车网关平台的应用场景和支持的业务类型,提出了汽车网关平台的功能架构模型,包括控制和管理功能、网络和传输功能、无线接入功能和车内网络连接功能,并对这些功能进行了描述。汽车网关平台是连接汽车网络与外部通信网络的桥梁,它是全球ICT与汽车产业融合发展的结果。     

5G技术在煤矿井下应用架构探讨

通过对比、分析5G非独立组网(NSA)和独立组网(SA)架构的网络部署及优缺点,结合煤矿井下4G"一网一站"已普遍应用的现状,提出了基于NSA的煤矿井下4G与5G融合网络架构,利用4G网络实现语音、调度功能,5G网络拓展其他智能化应用,以最大程度地减少投资。研究了煤矿井下5G网络传输方式,重点探讨了5G承载网的3种前传组网方案及适用场景:光纤直连方案适用于井下水泵房、变电所等场所的机器人巡检,虚拟现实(VR)/增强现实(AR)培训,无人值守工作面等场景;无源波分复用方案适用于井下网络部署简单、独立维护性强的场景;有源光传送网方案可灵活适应不同场景。探讨了智能巡检机器人、环境监测与安全防护、VR/AR智慧煤矿、井下车辆无人驾驶4种煤矿井下5G网络切片应用场景,分析了不同场景下5G组网架构的应用模式。     

基于多传感融合的自主发育网络场景识别方法

现有的场景识别方法准确率低,适应能力不强.为此,将自主发育神经网络应用于机器人场景识别任务,提出了2种将自主发育网络与多传感器融合技术相结合的场景识别方法,即基于加权贝叶斯融合的机器人场景识别方法,以及基于同一自主发育网络架构数据融合的场景识别方法,分别在决策层以及数据层对多传感器信息进行融合,提高了场景识别的准确度,而自主发育网络则提升了识别方法针对各种复杂场景的适应能力.对于所提出的场景识别方法进行了实验测试与分析,证实了其有效性及实用性.此外,由于在同一网络架构下进行数据融合可更高效地利用数据,因此这种方法在场景识别的准确度方面具有更为优越的性能.