基于温漂电参数的容性设备介质含水量与老化评估方法与流程

1.本发明涉及含水量测试与老化评估，特别是涉及基于温漂电参数的容性设备介质含水量与老化评估方法。


背景技术：

2.电力、电子设备如变压器、电容、套管、电缆等绝缘指标是非常关键的衡量设备可靠性的参量；目前的常规介质参数测量设备如电容仪表、介质损耗仪表并不能准确有效的诊断设备内部的受潮含量，尤其是设备内部结构复杂的情况下，如多层包裹的油纸绝缘电容器、油纸绝缘变压器、油纸绝缘套管、油绝缘电缆、干式交联绝缘的xlpe电缆等。这些设备通常内部受潮后，潮气优先存在固体绝缘层如纸板内部，当运行条件下纸中的水分析出，在设备停电或降温后，析出的水分又会回到纸板中，导致常规的测试无法反映真实的绝缘状况。
3.尽管现在有采用低频极化或低频扫频测试或长时间的极化去极化方案进行测试，但这种测试方法时间长，需要各种算法补偿温度变化，它实际测量的只是某个温度点的数据，并不能灵敏的反应水分的迁移特征，不仅测试效率低(数十分钟到数个小时)，对设备还可能造成破坏，比如高压电场会将水分电解产生新的强化物等。


技术实现要素：

4.本发明的目的在于克服现有技术的不足，提供基于温漂电参数的容性设备介质含水量与老化评估方法，解决了电力设备运行过程中的因内部水分或介质移动导致的绝缘强度法发生改变从而引起的故障之预测难题；能够在运行条件下和停电状态下评估设备绝缘介质受潮及老化状态。
5.本发明的目的是通过以下技术方案来实现的：基于温漂电参数的容性设备介质含水量与老化评估方法，包括以下步骤:
6.s1.一定时间内或温度/湿度升降条件下，对被测设备的介质电参数、被测设备内部温度和对应的环境温湿度参数进行采集；
7.s2.根据采集到的信息计算介质参数受温度和/或环境湿度升降过程中的变化量；
8.s3.对被测设备的含水量和老化程度进行评估。
9.其中，所述步骤s1中，进行参数采集时，包含带电采集模式和停电采集模式。
10.所述带电采集模式的采集过程包括：
11.监测被测设备的介质电参数dx，同步测量设备内部温度ti值和环境温度to、湿度ro值；所述介质电参数包括电容量、功率因数、介质损耗、功率损耗、绝缘阻抗、时域反射系数、频域反射系数、宽频阻抗中的至少一种；
12.记录被测设备运行条件下，测量和记录多个ti,t0,ro条件下的介质电参数dx,绘制dx-ti,dx-to,dx-ro曲线中的至少一种；记录的时间不低于120s。
13.所述停电采集模式的采集过程包括：
14.a1、给被测设备加热；加热方式至少为如下一种：
15.第一、将被测设备置入温控箱体或给被测设备缠绕包裹温控加热设备；
16.第二、给被测设备施加电压或电流源使得内部产生电流并制热；
17.a2、监测被测设备的介质电参数dx，同步测量设备内部温度ti值和环境温度to、湿度ro值；所述介质电参数dx为电容量、功率因数、介质损耗、功率损耗、时域反射系数、频域反射系数、宽频阻抗或绝缘阻抗中的任意一种；
18.a3、停止给被测设备加热，使被测降温，每间隔不低于10s的固定时间，重复执行步骤a2的操作；
19.a4、记录被测设备升温和降温过程中多个ti,t0,ro条件下的介质电参数dx,绘制dx-ti,dx-to,dx-ro曲线中的至少一种；记录的时间不低于120s。
20.进一步地，所述步骤s2包括：
21.被测设备温度上下波动过程中，记录不同时间下等同温度值对应内部的电参数值，计算电参数值差异并开展分析,具体为：
22.计算温度上下波动过程中相同对应温度指标ti下，dx的最大值dxmax和最小值dxmin；计算介质参数变化量：θ＝(dxmax-dxmin)/(ζw-ζ0)；ζw为ti温度下的水介电常数，ζ0为被测设备绝缘层标准值或参考值；
23.ζw＝-0.3997
×
t+0.00094
×
t2+87.74,t为温度值；当设备为油纸绝缘变压器或油纸绝缘电容器时ζ0参考值为3.6，当设备为交联电缆时，ζ0参考值为2.7。
24.所述步骤s3中，计算的含水量为体积含水量，计算方式如下：
[0025][0026]
为θ＝0时的含水量；α为指数函数系数；为修正量，通常根据仪器不确定度或环境不确定度补偿，数值范围正负0.001％-0.5000％；
[0027]
α＝0.600～1.500，典型值α＝0.899。
[0028]
进一步地，所述步骤s3中，老化状态的估计包括如下两种情况
[0029]
第一、通过标准测试样本的预先试验获得介质参数变化量的额定值或参考值：
[0030]
计算所有温度指标ti下最大温度波动量δtmax,即温度指标ti下最高温度减去最低温度，dx的最大变化量δdx＝dxmax-dxmin；计算介质参数变化量：ag_θ＝δdx/β；
[0031]
其中，β＝δtmax
×
(ζw-ζ0)；ζw为ti温度下的水介电常数，ζ0为被测设备绝缘层标准值、出厂值或参考值；ζw＝-0.3997
×
t+0.00094
×
t2+87.74,t为温度值；当设备为油纸绝缘变压器或油纸绝缘电容器时ζ0典型参考值为3.6，当设备为交联电缆时，ζ0典型参考值为2.7；
[0032]
若ag_θ超过额定值或参考值10％以上认为存在轻微老化，超过20％认为存在较明显老化，超过30％认为严重老化；
[0033]
第二、当介质参数变化量的额定值或典型参考值无法取得时，计算：
[0034]
dx0为标准实验环境无故障设备的实测介质电参数值；当ag_θr》0.01％，认为存在轻微老化，当ag_θr》0.02％，认为存在明显老化，当ag_θr》0.03％，认为存在严重老化。
[0035]
优选地，当被测设备绝缘结构复杂导致α或的经验取值困难，或因被测设备绝
缘结构复杂含水量主要停留在被测设备内部的某层绝缘介质中或需要计算被测设备多个绝缘介质下的综合介电常数ζx，或需更加精确的老化量值指标时，采用神经网络算法计算含水量、介电常数和介质损耗角多个老化关联量的方式评价被测设备的老化状态,具体过程包括：
[0036]
b1、在被测设备停电升温或被测设备运行时温度变化过程中，测量设备内部温度值，环境湿度，统计最大值dxmax，最小值dxmin，计算平均温度对应的水相对介电常数ζw，以及被测设备的出厂或额定的介电常数ζ0；所述温度变化过程是指温度变化增量和减量均大于1度的过程；
[0037]
在样本训练阶段，设γ为绝缘固体内的一致含水量，ζx为介电常数或相对介电常数，通过介电常数测试设备测得，δ为介电损耗角，通过介质损耗测试仪器或介质谱测试仪器获得；dxmax和dxmin的数据性质和介质电参数测试设备的性质相关，典型的在被测设备内部温度的波动区间如下：
[0038]
当介质电参数测试设备为电容测试仪时，dxmax为最大电容值，dxmin为最小电容值；
[0039]
当介质电参数测试设备为介质谱测试仪时，dxmax为最大介质损耗，dxmin为最小介质损耗；
[0040]
当介质电参数测试设备为时域反射仪器时，dxmax为最大反射时差或最大反射增益，dxmin为最小反射时差或最小反射增益；
[0041]
当介质电参数测试设备为频域反射仪器时，dxmax为最大反射时差或最大反射增益，dxmin为最小反射时差或最小反射增益；
[0042]
当介质电参数测试设备为绝缘阻抗测试设备时，dxmax为最大绝缘阻抗，dxmin为最小绝缘阻抗；
[0043]
当介质电参数测试设备为功率损耗测试设备时，dxmax为最大功率损耗，dxmin为最小功率损耗；
[0044]
当介质电参数测试设备为功率因数测试设备时，dxmax为最大功率因数，dxmin为最小功率因数；
[0045]
当介质电参数测试设备为宽频阻抗测试设备时，dxmax为宽频阻抗峰值点或宽频阻抗经傅立叶变换后的最大增益，dxmin为宽频阻抗谷值点或宽频阻抗经傅立叶变换后的最小增益；
[0046]
针对不同绝缘材料的被测设备，设置不同的ζ0值，并开展标准已知含水量条件下的实测，获得相关训练样本不少于3条，典型训练的参考含水量不低于1％，5％，10％；试验条件满足条件下，考虑0.5％-70％含水量的标准实验环境建立训练样本；当不具备环境湿度测量时，将神经网络训练样本中环境湿度参数置零或置1或设置为常量；
[0047]
b2、构建神经网络：神经网络结构为m
×k×
n，定义输入层m为6个，输出层n为3个，隐藏层k为1-9层，基于bbp算法、rbf神经网络算法、线性神经网络、自组织神经网络，对以上样本开展神经网络算法，获得神经网络的学习模型；
[0048]
b3、构建实测数据作为已训练神经网络模型的已知输入量和已知输出量；输入量为：被测设备温度实测平均值t
avg
，环境湿度实测平均值h
avg
，一定温度变化区间测量的dxmax，dxmin，tavg对应的水相对介电常数ζw、以及被测设备的设计出厂介电常数或额定介
电常数ζ0；
[0049]
输出量为：γ，ζx，δ；
[0050]
b4、监测被测设备温度和dx值，当温度波动量大于门限值时，其中门限值大于或等于1度，运行神经网络模型，将dxmax，dxmin，被测设备温度实测平均值t
avg
，环境湿度实测平均值h
avg
，相对介电常数ζw作为输入量，获得输出量γ，ζx，δ；其中，γ为绝缘固体内含水量，ζx为介电常数或相对介电常数，δ为被测设备介电损耗角。
[0051]
优选地，所述温度升降条件指被测设备内部温度上升和下降不低于环境温度的10％。
[0052]
当可以通过设备表面温度折算内部温度时，所述温度升降条件也可指被测设备表面温度上升和下降不低于环境温度的10％。
[0053]
本发明的有益效果是：本发明解决了多层复合绝缘介质的水分含量不均匀，简单的外部电容或介质损耗测量只能测量表面介质或综合介质参数，无法满足介质内部真实含水量和评估老化情况。解决了电力设备运行过程中的因内部水分或介质移动导致的绝缘强度法发生改变从而引起的故障之预测难题；解决了运行条件下和停电状态下都能评估设备绝缘介质受潮及老化状态；为高规格，高品质的电力、电子设备生产、加工、校准/校验、试验、运行维护提供新的解决方案。
附图说明
[0054]
图1为本发明的方法流程图；
[0055]
图2为介质电参数与温度的曲线示意图；
[0056]
图3为根据本发明搭建装置原理示意图；
[0057]
图4为实施例中绘制的电容-温度曲线示意图。
具体实施方式
[0058]
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
[0059]
如图1所示，基于温漂电参数的容性设备介质含水量与老化评估方法，包括以下步骤:
[0060]
s1.一定时间内或温度/湿度升降条件下，对被测设备的介质电参数、被测设备内部温度和对应的环境温湿度参数进行采集；
[0061]
s2.根据采集到的信息计算介质参数受温度和/或环境湿度升降过程中的变化量；
[0062]
s3.对被测设备的含水量和老化程度进行评估。
[0063]
其中，所述步骤s1中，进行参数采集时，包含带电采集模式和停电采集模式。
[0064]
所述带电采集模式的采集过程包括：
[0065]
监测被测设备的介质电参数dx，同步测量设备内部温度ti值和环境温度to、湿度ro值；所述介质电参数包括电容量、功率因数、介质损耗、功率损耗、绝缘阻抗、时域反射系数、频域反射系数、宽频阻抗中的至少一种；
[0066]
记录被测设备运行条件下，测量和记录多个ti,t0,ro条件下的介质电参数dx,绘制dx-ti,dx-to,dx-ro曲线中的至少一种；记录的时间不低于120s。
[0067]
所述停电采集模式的采集过程包括：
[0068]
a1、给被测设备加热；加热方式至少为如下一种：
[0069]
第一、将被测设备置入温控箱体或给被测设备缠绕包裹温控加热设备；
[0070]
第二、给被测设备施加电压或电流源使得内部产生电流并制热；
[0071]
a2、监测被测设备的介质电参数dx，同步测量设备内部温度ti值和环境温度to、湿度ro值；所述介质电参数dx为电容量、功率因数、介质损耗、功率损耗、时域反射系数、频域反射系数、宽频阻抗或绝缘阻抗中的任意一种；
[0072]
a3、停止给被测设备加热，使被测降温，每间隔不低于10s的固定时间，重复执行步骤a2的操作；
[0073]
a4、记录被测设备升温和降温过程中多个ti,t0,ro条件下的介质电参数dx,绘制dx-ti,dx-to,dx-ro曲线中的至少一种；记录的时间不低于120s。
[0074]
进一步地，所述步骤s2包括：
[0075]
被测设备温度上下波动过程中，记录不同时间下等同温度值对应内部的电参数值，计算电参数值差异并开展分析,具体为：
[0076]
计算温度上下波动过程中相同对应温度指标ti下，dx的最大值dxmax和最小值dxmin；计算介质参数变化量：θ＝(dxmax-dxmin)/(ζw-ζ0)；ζw为ti温度下的水介电常数，ζ0为被测设备绝缘层标准值或参考值；
[0077]
ζw＝-0.3997
×
t+0.00094
×
t2+87.74,t为温度值；当设备为油纸绝缘变压器或油纸绝缘电容器时ζ0参考值为3.6，当设备为交联电缆时，ζ0参考值为2.7。
[0078]
如图2所示，在坐标系中，横坐标为介质电参数(电容量、介质损耗、时域反射量、频域反射量、绝缘阻抗的一种)，纵坐标为温度ti。
[0079]
在被测设备运行过程中，或外部施加电压/电流使其加热过程中，因受热和受潮双重作用，相同的温度下，对应的dx有多个，但数值不一定相同。如图虚线，不同时间段下或被测设备温度波动过程中，相同的ti值对应多个dx值，因此有最大值和最小值区别。
[0080]
所述步骤s3中，计算的含水量为体积含水量，计算方式如下：
[0081][0082]
为θ＝0时的含水量；α为指数函数系数；为修正量，通常根据仪器不确定度或环境不确定度补偿，数值范围正负0.001％-0.5000％；
[0083]
α＝0.600～1.500，典型值α＝0.899。
[0084]
进一步地，所述步骤s3中，老化状态的估计包括如下两种情况
[0085]
第一、通过标准测试样本的预先试验获得介质参数变化量的额定值或参考值：
[0086]
计算所有温度指标ti下最大温度波动量δtmax,即温度指标ti下最高温度减去最低温度，dx的最大变化量δdx＝dxmax-dxmin；计算介质参数变化量：ag_θ＝δdx/β；
[0087]
其中，β＝δtmax
×
(ζw-ζ0)；ζw为ti温度下的水介电常数，ζ0为被测设备绝缘层标准值、出厂值或参考值；ζw＝-0.3997
×
t+0.00094
×
t2+87.74,t为温度值；当设备为油纸绝缘变压器或油纸绝缘电容器时ζ0典型参考值为3.6，当设备为交联电缆时，ζ0典型参考值为2.7；
[0088]
若ag_θ超过额定值或参考值10％以上认为存在轻微老化，超过20％认为存在较明显老化，超过30％认为严重老化；
[0089]
第二、当介质参数变化量的额定值或典型参考值无法取得时，计算：
[0090]
dx0为标准实验环境无故障设备的实测介质电参数值；当ag_θr》0.01％，认为存在轻微老化，当ag_θr》0.02％，认为存在明显老化，当ag_θr》0.03％，认为存在严重老化。
[0091]
在本技术的实施例中，当被测设备绝缘结构复杂导致α或的经验取值困难，或因被测设备绝缘结构复杂含水量主要停留在被测设备内部的某层绝缘介质中或需要计算被测设备多个绝缘介质下的综合介电常数ζx，或需更加精确的老化量值指标时，采用神经网络算法计算含水量、介电常数和介质损耗角多个老化关联量的方式评价被测设备的老化状态,具体过程包括：
[0092]
b1、在被测设备停电升温或被测设备运行时温度变化过程中，测量设备内部温度值，环境湿度，统计最大值dxmax，最小值dxmin，计算平均温度对应的水相对介电常数ζw，以及被测设备的出厂或额定的介电常数ζ0；所述温度变化过程是指温度变化增量和减量均大于1度的过程；
[0093]
在样本训练阶段，设γ为绝缘固体内的一致含水量，ζx为介电常数或相对介电常数，通过介电常数测试设备测得，δ为介电损耗角，通过介质损耗测试仪器或介质谱测试仪器获得；dxmax和dxmin的数据性质和介质电参数测试设备的性质相关，典型的在被测设备内部温度的波动区间如下：
[0094]
当介质电参数测试设备为电容测试仪时，dxmax为最大电容值，dxmin为最小电容值；
[0095]
当介质电参数测试设备为介质谱测试仪时，dxmax为最大介质损耗，dxmin为最小介质损耗；
[0096]
当介质电参数测试设备为时域反射仪器时，dxmax为最大反射时差或最大反射增益，dxmin为最小反射时差或最小反射增益；
[0097]
当介质电参数测试设备为频域反射仪器时，dxmax为最大反射时差或最大反射增益，dxmin为最小反射时差或最小反射增益；
[0098]
当介质电参数测试设备为绝缘阻抗测试设备时，dxmax为最大绝缘阻抗，dxmin为最小绝缘阻抗；
[0099]
当介质电参数测试设备为功率损耗测试设备时，dxmax为最大功率损耗，dxmin为最小功率损耗；
[0100]
当介质电参数测试设备为功率因数测试设备时，dxmax为最大功率因数，dxmin为最小功率因数；
[0101]
当介质电参数测试设备为宽频阻抗测试设备时，dxmax为宽频阻抗峰值点或宽频阻抗经傅立叶变换后的最大增益，dxmin为宽频阻抗谷值点或宽频阻抗经傅立叶变换后的最小增益；
[0102]
针对不同绝缘材料的被测设备，设置不同的ζ0值，并开展标准已知含水量条件下的实测，获得相关训练样本不少于3条，典型训练的参考含水量不低于1％，5％，10％；试验条件满足条件下，考虑0.5％-70％含水量的标准实验环境建立训练样本；当不具备环境湿度测量时，将神经网络训练样本中环境湿度参数置零或置1或设置为常量；
[0103]
b2、构建神经网络：神经网络结构为m
×k×
n，定义输入层m为6个，输出层n为3个，隐藏层k为1-9层，基于bbp算法、rbf神经网络算法、线性神经网络、自组织神经网络，对以上样本开展神经网络算法，获得神经网络的学习模型；
[0104]
b3、构建实测数据作为已训练神经网络模型的已知输入量和已知输出量；输入量为：被测设备温度实测平均值t
avg
，环境湿度实测平均值h
avg
，一定温度变化区间测量的dxmax，dxmin，tavg对应的水相对介电常数ζw、以及被测设备的设计出厂介电常数或额定介电常数ζ0；
[0105]
输出量为：γ，ζx，δ；
[0106]
b4、监测被测设备温度和dx值，当温度波动量大于门限值时，其中门限值大于或等于1度，运行神经网络模型，将dxmax，dxmin，被测设备温度实测平均值t
avg
，环境湿度实测平均值h
avg
，相对介电常数ζw作为输入量，获得输出量γ，ζx，δ；其中，γ为绝缘固体内含水量，ζx为介电常数或相对介电常数，δ为被测设备介电损耗角。
[0107]
所述温度升降条件指被测设备内部温度上升和下降不低于环境温度的10％，如环境温度10度，那么要求上升温度不低于1度，下降温度不低于1度。如果不满足则一直采集，不进入s3。如环境温度只有5度，则上升温度不低于0.5度，下降温度不低于0.5度。如环境文件40度，则上升温度不低于4度，下降温度不低于4度。
[0108]
在本技术的实施例中，结合本发明的方法搭建的含水量与老化评估装置如图3所示，包括微处理器、显示器、通信模块、温度测量模块、被测设备、加热模块和介质电参数测试设备；所述加热设备带有定时器，用于按照定时器对被测设备进行加热；所述温度测量模块用于对被测设备进行温度测量，所述介质电参数测试设备用于对被测设备进行介质电参数测量；所述微处理分别与显示器、通信模块、温度测量模块和介质电参数测试设备连接。
[0109]
现结合具体的实施例对本技术的方案作进一步说明：
[0110]
实施例1：设用于变压器和互感器的绝缘老化受潮测试；
[0111]
辅助电源通过开关与互感器一绕组相连。辅助电源为低频交流电源，设辅助电源0.1hz,功率200v,施加到电压互感器二次绕组，并将一次绕组短路。此时互感器内部产生较大的电流值，开始升温。
[0112]
在互感器的高压侧或低压侧和互感器外壳接地端之间定时测量电容值，将温度传感器布置到互感器高压侧或低压侧端子处测量端子的温度并记录温度值，然后在一段时间后，获得的多个温度、电容值进行分析，获得电容温度曲线；然后停止辅助电源，互感器降温过程中，记录电容和温度值。最终绘制的电容-温度曲线如图4所示。
[0113]
如图中箭头所示，箭头向下方向是温度上升过程中的电容值(曲线)；
[0114]
箭头向上方向是温度下降过程中的电容值(曲线)。
[0115]
显然，本实施例中的温度传感器也可以采用红外传感器，此时，可以将红外传感器对准变压器绕组部位，测量绕组内部的温度值，与测量的电容值一起获得电容-温度曲线。
[0116]
同样的方法可将电容值换成介质损耗、电容内阻esr测量、时域反射、频域反射等参数。
[0117]
实施例2：神经网络计算
[0118]
设介电参数dx为电容量，被测设备为电容器，设采用的10khz，70v的电容测试仪进行测试，因此该电容测试仪本身在电容器内部会产生较大高频电流，并产生热量。设电容额
定标称值为6000pf,跟踪了多个内部温度环境下的电容量数据，模拟了电容器油纸绝缘的受潮程度，给电容器测试时间10分钟，记录了多个温度下的电容值，选取了三个温度点55，59，65度，计算了最大电容，最小电容，建立的神经网络样本：
[0119][0120]
如上表所示，55度，59度，65度环境下的前三组数据为实验室训练样本数据。
[0121]
训练后，第四组数据为实测值，设电容器内部温度为61度时，测量的电容最大值7530，最小值7210，获得的含水量γ＝3.55％，介电常数ζx 3.12，介电损耗角差δ为0.013。
[0122]
由此可见，当采用神经网络训练样本后，只需对设备采集一个电容值和平均温度值，就可以计算出含水量和介电常数，如果被测设备运行状态，也可以根据当前一个点的工作温度和电容值，直接获得含水量和介电常数，因此该神经网络的算法模型适用于停电设备，也适用于带电设备。
[0123]
同样，即使所述的介电参数训练测试dx为介质损耗，当该介质损耗测量装置只是一个温度点的数据并不能准确反映真实稳定的介电特性，因此本神经网络的输出端的介电常数和介电损耗角可以对介质损耗测试设备的实测值进行修正，或者可以认为，基于神经网络的输出介质损耗角(或tgδ介质损耗)已经考虑了环境或温度影响，并且比简单的温度湿度修正的数据更加有说服力。
[0124]
经过验证，所述介电参数为电容量、介质损耗、时域反射tdr、频域阻抗等，最终计算的含水量、介电常数和介质损耗角基本一致，因此本算法有很强的通用性。
[0125]
显然，本专利所述的名词老化、含水只是一种表达被测容性设备绝缘性能的代表性指标，它的用途不仅仅限于对“老化”或“寿命”的范畴，同样适用于缺陷品筛选、品质鉴定、可靠性分析、故障诊断等各种用途。
[0126]
综上，本专利充分研究了容性介质(包括电磁类电气设备的绝缘电容介质)受温度影响下内部介质的变化，尤其是受潮情况下的水分子受温度影响后的迁移和分布现象，因此经过研究发现了在升温和降温过程中，获得的同样的温度ti下测试的电容介质参数并不一致，该不一致程度越高，设备受潮越严重或稳定性越差，对部分试验数据进行归纳分析后获得了本专利方案。本专利可用于对电容类、电介质类、时域反射或频域反射类设备的扩展应用，或作为独立的带被测设备温度量考核的容性介质含水及老化测试设备、校验设备或状态监测设备。
[0127]
上述说明示出并描述了本发明的一个优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。