Com o aumento das comunicações 5G, comunicações entre datacenters e serviços de baixa latência, há uma crescente procura por redes óticas com elevada capacidade. A transmissão multibanda (MB) é uma solução capaz de aumentar essa capacidade e superar as limitações impostas pela banda C. Este trabalho estuda o planeamento e desenho de redes óticas MB C+L+S, usando a ferramenta Gaussian Noise Simulation in Python (GNPy), focando-se nas capacidades transportadas, desperdiçadas e consumo energético. Adicionaram-se diversas melhorias: o modelo ISRS-GN que inclui a difusão não-elástica estimulada de Raman no ruído Gaussiano de interferência não-linear, foi implementado para reduzir o tempo de computação da relação sinal-ruído ótica, mantendo a precisão comparando com o mais rigoroso modelo generalizado de ruído Gaussiano; o algoritmo de encaminhamento, atribuição de formato de modulação e espectro foi melhorado para incluir o esquema de proteção dedicada do lado do cliente. Observa-se um decréscimo na capacidade transportada e um crescimento da capacidade desperdiçada, para as redes estudadas, a rede alemã e a rede simples, considerando o cenário C+L+S. Para um nível de proteção de 50%, há um decréscimo de 46% na capacidade e um crescimento de 16% na capacidade desperdiçada, comparando com o cenário sem protecção. O consumo energético por Tbit da rede é idêntico para os cenários considerados, com 98% da energia consumida pelos transreceptores. Conclui-se também que o cenário C+L+S transporta 40% mais capacidade que o cenário C+L, e que a rede alemã tem 54%-70% mais capacidade que a rede simples, apresentando o dobro da capacidade desperdiçada.

With the increase of 5G, datacenter communications, and low-latency services, there is an ever-growing demand for more data capacity in optical networks. Multi-Band (MB) transmission is a solution capable of increasing capacity and surpassing C-band transmission limitations. This work studies the planning and design of survivable C+L+S MB optical networks using the Gaussian noise Simulation in Python (GNPy) tool, focusing on the transported and wasted capacities and energy consumption. Several improvements have been made to the GNPy planning tool: Inter-channel Stimulated Raman Scattering-Gaussian noise model was implemented to reduce the optical signal-to-noise ratio computational time while maintaining good accuracy compared to the more rigorous generalised Gaussian noise model; and routing, modulation, and spectrum assignment algorithm was improved to address the client-side dedicated protection scheme studied in this work. A decrease in transported capacity and an increase in wasted capacity as the level of protection increases is observed for the two studied networks, the German network and a simple network, considering the C+L+S scenario. For a 50% protection level, there is a 46% drop in capacity and a 16% increase in wasted capacity compared to the scenario without protection. The networks’ energy consumption per Tbit is similar for all scenarios considered, with 98% of the energy being consumed by the transceivers. It is also concluded that the C+L+S scenario transports 40% more capacity than the C+L-band scenario, while the German network has 54% to 70% more capacity than the simple network but, has nearly double the wasted capacity.