本发明属于电力系统分析技术领域，尤其涉及一种基于双层母线式结构的综合能源系统优化规划方法及装置。
背景技术：
随着经济的发展，环境问题和能源问题也日益严峻，促使人们不断寻找更有效的方法来提高能源应用效率。综合能源系统作为一个以电力为中心、多能源耦合、多种网络互通的综合能源体，形成了冷、热、电、气等多种形式能源的横向耦合和能源生产、转换、传输、消费等多个环节的纵向联通，打破了既有的电、热、气独立供能模式，是一种提升综合能源效率的新型能源开发利用模式。
综合能源系统中不仅包含分布式电源、热源、电储能、制冷机等多种设备，还包含用户产消一体化场景下的冷、热、电、热水、蒸汽等多元负荷，甚至包含区域综合供能场景下的电网、气网、热网等多重管网，而且综合能源系统的能量流动关系也极为复杂，因此对优化规划过程提出了更高要求。
现有技术中公开了一些针对综合能源系统的优化装置与方法。这些装置与方法通常不区分热、电系统特性差异，采取统一建模的方法；或者不考虑网络关系，按能量流动关系进行简化处理，往往无法有效反映电、热的传输特性差异及网络损耗，对于包含复杂网络的综合能源系统难以满足模型的精度要求。
技术实现要素：
为了解决上述技术问题，本发明提供一种基于双层母线式结构的综合能源系统优化规划方法，具体包括如下步骤：
1)输入综合能源系统的组成设备及结构参数、设备模型参数以及遗传算法参数；
2)智能优化模块根据遗传算法生成初始种群，并将初始种群个体对应的系统变量传递给仿真评估模块；
3)仿真评估模块进行解耦和迭代操作，获得仿真结果，同时计算对应的各项评估指标，并将各项评估指标传递给智能优化模块；
4)智能优化模块由各项评估指标确定种群个体适应度的数值；
5)智能优化模块根据个体适应度进行锦标赛选择、单点交叉、均匀变异操作，得到子代种群，并将子代种群个体对应的系统变量传递给仿真评估模块；
6)仿真评估模块进行解耦和迭代操作，获得仿真结果，同时计算对应的各项评估指标,并将各项评估指标传递给智能优化模块；
7)智能优化模块由各项评估指标确定子代种群个体适应度的数值；
8)智能优化模块对父代种群和子代种群整体进行筛选和排序，得到新的种群个体；
9)智能优化模块判断子代种群是否为最大遗传代数，若不是,则重复步骤4)-步骤8)；若是，则智能优化模块终止优化程序，并输出最终的优化规划结果。
进一步的，所述仿真评估模块进行解耦和迭代操作的具体内容包括：
①仿真评估模块依据双层母线式结构，分别建立外层母线结构中各母线的平衡方程式，每个母线的平衡方程式由该母线中各个设备的功率、该母线的传输损耗以及该母线与其他母线之间的传输功率组成，各母线的传输损耗初始值设为0；输入基础数据；
②结合外层母线平衡方程式和所选调度策略，计算各设备的功率和各母线间传输功率；
③将每个母线中各设备的功率分别输入该母线内部网络的仿真计算模型中，各母线根据选取的时间尺度进行仿真计算，计算该母线的内部网络损耗值；
④判断仿真计算前后各母线内部网络损耗值变化是否均小于允许误差范围，如果是，转至步骤⑤；如果不是，输出内部网络损耗值作为各母线的传输损耗，转至步骤②；
⑤停止迭代，并将系统状态量作为仿真结果输出。
进一步的，所述系统状态量包括各母线中各个设备的功率、各母线的传输损耗以及各母线之间的传输功率。
本发明还提供一种基于双层母线式结构的综合能源系统优化规划装置，包括智能优化模块和仿真评估模块；
所述智能优化模块包括：
第一输入单元：用于提供输入遗传算法参数的界面，并将输入的数据传递给初始种群生成单元；
初始种群生成单元：用于根据遗传算法生成初始种群，并将初始种群个体对应的系统变量传递给仿真评估模块；
个体适应度计算单元：用于确定种群个体适应度的数值；
子代种群生成单元：用于根据个体适应度进行锦标赛选择、单点交叉、均匀变异操作，得到子代种群,并将子代种群个体对应的系统变量传递给仿真评估模块；
筛选单元：用于根据父代种群和子代种群的个体适应度对父代种群和子代种群整体进行筛选和排序，得到新的种群个体；
判断单元：用于判断子代种群是否为最大遗传代数；若不是，则将新的种群个体传递给个体适应度计算单元；若是，则终止优化程序，并发送终止信息给输出单元；
输出单元：用于在接收到终止信息后，输出最终的优化规划结果；
所述仿真评估模块用于进行解耦和迭代操作，获得仿真结果，同时计算对应的各项评估指标，并将各项评估指标传递给个体适应度计算单元。
进一步的，所述仿真评估模块包括：
第二输入单元：用于提供输入综合能源系统的组成设备及结构参数、以及设备模型参数的界面，并将输入的数据传递给平衡方程式单元；
平衡方程式单元：用于建立各母线的平衡方程式；
功率计算单元：用于根据各母线的平衡方程式计算各母线中各个设备的功率，并传递给仿真计算单元；
仿真计算单元：用于各母线根据选取的时间尺度进行仿真计算，计算各母线的内部网络损耗值；
比对单元：用于判断仿真计算前后各母线内部网络损耗值变化是否均小于允许误差范围，如果不是，输出内部网络损耗值作为各母线的传输损耗，传递给功率计算单元；如果是，则停止迭代，并发送停止信息给仿真结果单元；
仿真结果单元：用于在接收到停止信息后，将系统状态量作为仿真结果，同时计算对应的各项评估指标，并将各项评估指标传递给个体适应度计算单元。
进一步的，所述系统状态量包括各母线中各个设备的功率、各母线的传输损耗以及各母线之间的传输功率。
与现有技术相比，本发明的有益效果在于：
本发明基于双层母线式结构，采用仿真评估-智能优化双模块结构构造综合能源系统优化规划模型的主框架，在单母线式结构的基础上进一步拓展，为每条母线增加了详细的内层拓扑结构，并且根据每条母线的自身特性进行独立仿真建模，保证各自系统的精度要求；本发明既考虑了综合能源系统中不同能源形式之间的能量流动关系，又考虑了同一能源形式中的网络结构和传输特性，进行分层建模和迭代优化，通过热电解耦方式，既可有效反映热、电传输特性的差异，又能有效降低系统仿真的维度和复杂性，便于对综合能源系统进行联合优化。
附图说明
图1为一种典型综合能源系统的外层母线式结构图；
图2为图1中电母线的内部拓扑结构图；
图3为仿真评估-智能优化双模块的关系图；
图4为本发明的基于双层母线式结构的综合能源系统优化规划方法的流程图；
图5为本发明的仿真评估模块进行解耦和迭代操作的流程图；
图6为本发明的基于双层母线式结构的综合能源系统优化规划装置的结构示意图。
具体实施方式
本发明提供了一种基于双层母线式结构的综合能源系统优化规划方法，基于双层母线式结构，采用仿真评估-智能优化双模块结构构造综合能源系统优化规划模型的主框架。
双层母线式结构的外层采用单母线式结构描述综合能源系统的组成结构。例如图1所示的一种典型综合能源系统的外层结构，包括电母线、热母线、冷母线三条母线，三条母线上均有接入各种设备，三条母线间通过能量转换装置实现不同介质之间的能量转换。通过外层的单母线式结构可对不同电源、热源、储能、冷/热/电转换装置独立建模，在不考虑能量传输特性的情况下，可以简化列写各母线的平衡方程式，但是无法有效反映电、热的传输特性差异以及传输网络损耗，对于包含复杂网络的综合能源系统难以满足模型的精度要求。
为避免采用单母线式结构存在的问题，在外层的单母线式结构的基础上进一步拓展，为每条母线增加了详细的内层拓扑结构，强调热电解耦在综合能源系统优化规划中的作用，便于对电热系统进行分开建模和联合优化。图2即为对图1中的电母线进行网络拓展得到的内层电网络结构拓扑，充分考虑了电力传输的实际拓扑结构以及中间传输和转化环节的损耗。与此类似，图1中的热母线和冷母线也均可扩展为更为复杂的拓扑结构和网络关系，充分反映电、热、冷作为可解耦的系统的运行特性。
在仿真评估-智能优化双模块结构中，如图3所示，仿真评估模块主要通过数学仿真模型模拟系统的技术特性，并对综合能源系统规划方案的技术、经济、环境等综合指标进行评估；智能优化模块综合不同方案的指标评估结果，通过遗传算法得到优化的综合能源系统规划方案。
本发明提供的基于双层母线式结构的综合能源系统优化规划方法，如图4所示，具体步骤包括：
1)向智能优化模块输入遗传算法参数，向仿真评估模块输入综合能源系统的组成设备及结构参数、以及设备模型参数；
本发明中智能优化模块的优化过程采用遗传算法；遗传算法参数包括种群数、个体数、以及遗传、交叉、变异等主要环节的参数等遗传算法中所需参数；
综合能源系统的结构参数包括设备连接关系以及电母线、热母线、冷母线的拓扑结构等；
设备模型参数包括设备和网络连接线路的相关参数；
2)智能优化模块根据遗传算法生成初始种群，并将初始种群个体对应的系统变量传递给仿真评估模块；
智能优化模块生成的初始种群即为第一个父代种群；
初始种群中的每一个个体对应一个规划方案，每个方案涵盖综合能源系统中所有设备的类型和容量等数据信息；
3)仿真评估模块进行解耦和迭代操作，获得仿真结果，同时计算对应的各项评估指标，并将各项评估指标传递给智能优化模块；
4)智能优化模块接收各项评估指标，并根据遗传算法由各项评估指标确定种群个体适应度的数值；
5)智能优化模块根据个体适应度进行锦标赛选择、单点交叉、均匀变异操作，得到子代种群，并将子代种群个体对应的系统变量传递给仿真评估模块；
6)仿真评估模块进行解耦和迭代操作，获得仿真结果，同时计算对应的各项评估指标，并将各项评估指标传递给智能优化模块；
7)智能优化模块接收各项评估指标，并根据遗传算法由各项评估指标确定子代种群个体适应度的数值；
8)智能优化模块对父代种群和子代种群整体进行筛选和排序，得到新的种群个体；
9)智能优化模块判断子代种群是否为最大遗传代数，最大遗传代数可由智能优化模块事先设定好；若不是，则将步骤8)得到新的种群个体作为新的父代种群，代入步骤4)-步骤8)中；若是，则智能优化模块终止优化程序，并输出最终的优化规划结果，智能优化模块输出的最终优化规划结果为综合能源系统中各设备的配置，包括各个设备的类型和安装容量等信息。
在本发明中，仿真评估模块主要评估综合能源系统的方案的经济性，即在获得的仿真结果的基础上根据综合能源系统的设备配置方案和调度策略，计算各项评估指标(即系统项目周期内的运行成本)；对于综合能源系统，评估指标主要包括项目建设周期(通常为20年)的投资成本、购电成本、系统运行维护成本，如果允许系统向电网售电，还包括电网回购电收益等，具体如下：
(1)净现值
在项目投资时，一般采用净现值来衡量投资的效益，在项目寿命周期内投资方案的总成本净现值越小，方案越优；总成本净现值的计算公式如下：
其中，cnpv为项目总成本净现值，cann,t为总年均现金流，kcrf(r,tpro)为项目周期的资本回收系数，用于计算年均现金流的现有价值，计算公式如下：
其中，r为利率，tpro为项目周期；
(2)成本收益模型
对于综合能源系统来说，主要目的是降低购电成本，总成本大于总收益，选取总净现值投入进行分析，具体计算公式如下：
cann,t＝cann,cap+cann,rep+cann,om+cann,ele+cann,bas-bsel-bsub
其中，cann,cap为年资本成本，cann,rep为年更换成本，cann,om为年运维成本，cann,ele为年度电电费成本，cann,bas为年基本电费成本，bsel为年售电收益，bsub为补贴收益；在上述各项中，年运维成本cann,om、年度电电费成本cann,ele、年售电收益bsel和补贴收益bsub与系统运行有关，需要结合8760小时仿真结果进行计算；
年资本成本cann,cap计算公式如下：
cann,cap＝ccap.kcrf(r,tpro)
其中，ccap为所有设备(包括光伏组件、储能电池、换流器等)的初始资金成本；
项目年更换成本cann,rep为项目整个周期内系统各元件的更换成本减去项目结束时的剩余价值，计算公式如下：
其中，crep为单次更换成本，tcom为元件寿命周期，储能的寿命周期会因储能的具体运行情况而不同，tsur为元件在项目结束时的剩余年限，ksf(r,tcom)为元件周期的偿债基金因子，ksf(r,tpro)为项目周期的偿债基金因子，frep为资本回收系数校正因子，用于划分在整个项目周期内元件更换产生的不同资本回收阶段；
年度电电费成本cann,ele用于表示综合能源系统实际从电网购电的电量花费成本，计算公式为：
其中，wpur,i为第i小时向电网购电的电量，cpur,i为第i小时购电电价，我国各省在用电高峰、平段和低谷不同时段分别有不同的电价价格，需要根据系统的运行情况将全年8760小时的度电电费相加；
年基本电费成本cann,bas用于表示在我国大工业综合能源系统采用两部制电价时所支付的基本容量电费，按当月最大负荷需量标准计算：
其中，pmax,j为第j月当月用电高峰15分钟平均最大负荷容量，cbas为两部制电价中按月收取的基本电费电价；
年售电收益bsel用于表示当综合能源系统系统将剩余电量上网卖给电网的收益，计算公式为：
其中，wsel,i为第i小时向电网售电的电量，csel为电网回购电价；
补贴收益bsub主要为分布式电源的发电量补贴，暂不考虑未来可能对储能应用采取的投资补贴或电量补贴。
在本发明中，如图5所示，仿真评估模块进行解耦和迭代操作的具体内容包括：
a.仿真评估模块依据双层母线式结构，分别建立外层母线结构中各母线的平衡方程式，每个母线的平衡方程式由该母线中各个设备的功率、该母线的传输损耗以及该母线与其他母线之间的传输功率组成，设置各母线的内部网络损耗值的初始值均为0；输入光照、负荷等基础数据，计算各母线中各个设备的初始功率；
在本发明中，光伏发电设备和风电设备的初始功率根据资源数据计算，燃气发电机和储能等的初始功率根据调度策略得到，调度策略可选择固定策略或者优化策略；
根据图1所示的典型综合能源系统的外层母线式结构图，其中，电母线的平衡方程式为：
pgrid+ppv+pwt+ppgu+le+pes+pec+ploss＝0
其中，pgrid表示电网交换功率，ppv表示光伏发电功率，pwt表示风机发电功率，ppgu表示联供发电单元输出功率，le表示电负荷，pes表示储能交换功率，pec表示制冷机功率，ploss表示电母线的传输损耗，ploss的初始值为0；在电母线的平衡方程式中，功率流向电母线为正，流出母线为负；电母线和热母线之间的传输功率为pec；
冷母线的平衡方程式为：
qpguηabsorber+copecpec+lcooling+qes,cooling+qloss,cooling＝0
其中，qpgu为热电联供机组余热量，ηabsorber为吸收式制冷机效率，copec为电制冷机的制冷系数(cop)，pec为电制冷机功率，lcooling为冷负荷，qes,cooling为蓄冷装置功率，qloss,cooling为冷母线传输损耗；
热母线的平衡方程式为：
qpguηwh+qboiler+lheat+qes,heat+qloss,heat＝0
其中，qpgu为热电联供机组余热量，ηwh为余热回收器效率，qboiler为燃气锅炉供热量，lheat为热负荷，qes,heat为蓄热装置功率，qloss,heat为热母线传输损耗；
b.将每个母线中各个设备的初始功率分别输入该母线内部网络的仿真计算模型中，各母线根据选取的时间尺度进行仿真计算，计算该母线的内部网络损耗值；
在本发明中，各母线内部网络的计算模型根据各母线的特性进行选择，例如，电母线内部网络的计算模型选择电力系统潮流计算模型，将电母线中各个设备的初始功率输入其中进行仿真计算，电力系统潮流计算模型如下：
f(x,u,d,p,a)＝0
umin≤u≤umax
hmin≤h(x,u,d,p,a)≤hmax
其中x，u，d，p，a依次为依从变量(dependentvariable)、控制变量(independentvariable)、干扰变量(disturbancevariable)、网络元件参数和表示结构变量的关联矩阵；依从变量x包括母线和电机的电压幅值相角、各点的输入功率以及线路的潮流等，即潮流算法所要计算的主要系统状态量，它受网络结构a与网络元件参数p、负荷变化d以及电网的调节u共同影响，针对不同的潮流问题，各种变量有不同的内容和特点；
c.判断仿真计算前后各母线内部网络损耗值变化是否均小于允许误差范围，允许误差范围为人为设定，优选设定为0.000001，如果是，转至步骤f；如果不是，则转至步骤d；
d.将各母线的内部网络损耗值返回外层母线结构中，作为各母线的传输损耗代入各母线的平衡方程式中，重新计算各母线中各个设备的功率；
在本发明中，综合能源系统内部各个设备的功率的计算由具体的调度策略决定；一般来说，可选择固定策略或优化策略，其中优化策略又可分为静态优化和动态优化；固定策略以事先拟定的设备优先级制定运行规则，该优先级不随系统的运行环境发生改变；静态优化根据当前时刻或时段系统的运行环境下各设备的运行成本，确定其优先级和运行方式；动态优化考虑一个调度周期(包含多个时段)内的运行成本，以调度周期内的总收益最高或总成本最低为目标，优化系统运行；由于动态优化考虑了多时段设备运行之间的协调配合，对于通常含有储能、发电机等时间耦合特性元件的综合能源系统，能获得更理想的优化效果；由于本发明重点关注规划模型，内部调度策略可根据需要选择，固定策略或优化策略均可用于计算确定各设备功率，不影响本发明的应用；
e.将步骤d计算的每个母线中各个设备的功率分别输入该母线内部网络的仿真计算模型中，重新计算该母线的内部网络损耗值，返回步骤c；
f.停止迭代，并将系统状态量作为仿真结果输出；系统状态量包括各母线中各个设备的功率、各母线的传输损耗以及各母线之间的传输功率，仿真评估模块可以通过上述系统状态量计算对应各项评估指标。
本发明还提供了一种基于双层母线式结构的综合能源系统优化规划装置，如图6所示，包括智能优化模块和仿真评估模块；
所述智能优化模块包括：
第一输入单元：用于提供输入遗传算法参数的界面，并将输入的数据传递给初始种群生成单元；
初始种群生成单元：用于根据遗传算法生成初始种群，并将初始种群个体对应的系统变量传递给仿真评估模块；
个体适应度计算单元：用于确定种群个体适应度的数值；
子代种群生成单元：用于根据个体适应度进行锦标赛选择、单点交叉、均匀变异操作，得到子代种群,并将子代种群个体对应的系统变量传递给仿真评估模块；
筛选单元：用于根据父代种群和子代种群的个体适应度对父代种群和子代种群整体进行筛选和排序，得到新的种群个体；
判断单元：用于判断子代种群是否为最大遗传代数；若不是，则将新的种群个体传递给个体适应度计算单元；若是，则终止优化程序，并发送终止信息给输出单元；
输出单元：用于在接收到终止信息后，输出最终的优化规划结果。
所述仿真评估模块用于进行解耦和迭代操作，获得仿真结果，同时计算对应的各项评估指标，并将各项评估指标传递给个体适应度计算单元。
采用本发明提供的装置对基于双层母线式结构的综合能源系统进行优化规划时，首先通过第一输入单元输入遗传算法参数；第一输入单元将上述数据传递给初始种群生成模块；初始种群生成单元根据上述数据依照遗传算法生成初始种群p0，并将初始种群p0个体对应的系统变量传递给仿真评估模块；仿真评估模块通过解耦和迭代操作，获得仿真结果，并通过仿真结果计算对应的各项评估指标并传递给个体适应度计算单元；个体适应度计算单元通过评估指标确定初始种群p0个体适应度的值并将计算结果传递给子代种群生成单元；子代种群生成单元根据初始种群p0个体适应度进行锦标赛选择、单点交叉、均匀变异操作，得到初始种群p0的子代种群q0，初始种群p0为其子代种群q0的父代种群，并将子代种群q0个体对应的系统变量传递给仿真评估模块；仿真评估模块再一次通过解耦和迭代操作，获得仿真结果，并通过仿真结果计算对应的各项评估指标并传递给个体适应度计算单元；个体适应度计算单元通过评估指标确定子代种群q0个体适应度的值；筛选单元根据初始种群p0及其子代种群q0的个体适应度对初始种群p0及其子代种群q0整体进行筛选和排序，得到新的种群p1个体；此时判断单元判断子代种群q0是否为预先设定的最大遗传代数；若是，则判断单元终止优化程序，并发送终止信息给输出单元；输出单元在接收到终止信息后，输出最终的优化规划结果；若不是，则将种群p1作为新的父代种群，再依次通过个体适应度计算单元确定父代种群p1个体适应度的值、子代种群生成单元生成父代种群p1的子代种群q1、仿真评估模块对子代种群q1进行仿真评估、个体适应度计算单元确定子代种群q1个体适应度的值、筛选单元对初始种群p1及其子代种群q1整体进行筛选和排序后得到新的种群p2个体等步骤，判断单元再次判断子代种群q1是否为预先设定的最大遗传代数；反复循环上述优化过程，直至子代种群qn为预先设定的最大遗传代数，即可结束循环过程，输出优化结果。
在本发明提供的装置中，所述仿真评估模块对系统设计方案进行指标评估，然后将评估结果传递给智能优化模块，如图6所示，具体包括：
第二输入单元：用于提供输入综合能源系统的组成设备及结构参数、以及设备模型参数的界面，并将输入的数据传递给平衡方程式单元；
平衡方程式单元：用于建立各母线的平衡方程式；
功率计算单元：用于根据各母线的平衡方程式计算各母线中各个设备的功率，并传递给仿真计算单元；
仿真计算单元：用于各母线根据选取的时间尺度进行仿真计算，计算各母线的内部网络损耗值；
比对单元：用于判断仿真计算前后各母线内部网络损耗值变化是否均小于允许误差范围，如果不是，输出内部网络损耗值作为各母线的传输损耗，传递给功率计算单元；如果是，则停止迭代，并发送停止信息给仿真结果单元；
仿真结果单元：用于在接收到停止信息后，将系统状态量作为仿真结果，同时计算对应的各项评估指标，并将各项评估指标传递给个体适应度计算单元；所述系统状态量包括各母线中各个设备的功率、各母线的传输损耗以及各母线之间的传输功率。
在本发明中，仿真评估模块的解耦和迭代操作具体包括：首先由平衡方程式单元根据第二输入单元输入的数据建立各母线的平衡方程式；然后功率计算单元调用平衡方程式单元，根据资源数据或选择的调度策略来确定每个母线的平衡方程式中各个设备的初始功率并传递给仿真计算单元；仿真计算单元进行仿真模拟，计算各母线的内部网络损耗值t1；比对单元判断各母线的连续两次内部网络损耗值之差的绝对值是否均小于0.000001，由于各母线的内部网络损耗值的初始值t0均设为0，t1-t0＝t1，因此此时比对单元直接判断各母线的内部网络损耗值t1的绝对值是否均小于0.000001即可，如果均小于0.000001，则发送停止信息给仿真结果单元，仿真结果单元接收到停止信息后，将各母线中各个设备的初始功率和各母线之间的初始传输功率作为仿真结果，同时计算对应的各项评估指标，并将各项评估指标传递给个体适应度计算单元；如果不是，则仿真计算单元将各母线的内部网络损耗值t1传递给功率计算单元；功率计算单元调用平衡方程式单元，将各母线的内部网络损耗值t1作为传输损耗代入各母线的平衡方程式中，根据选择的调度策略计算各母线中各个设备的功率；以及仿真计算单元进行仿真模拟，计算各母线的内部网络损耗值t2；比对单元判断各母线的连续两次内部网络损耗值之差t2-t1的绝对值是否均小于0.000001，如果均小于0.000001，则发送停止信息给仿真结果单元，仿真结果单元接收到停止信息后，将系统状态量作为仿真结果，同时计算对应的各项评估指标，并将各项评估指标传递给个体适应度计算单元；如果不是均小于0.000001，则功率计算单元再次调用平衡方程式单元，将各母线的内部网络损耗值t2作为传输损耗代入各母线的平衡方程式中，重新计算各母线中各个设备的功率；以及仿真计算单元进行仿真模拟，计算各母线的内部网络损耗值t3；比对单元判断各母线的t3-t2的绝对值是否均小于0.000001；反复循环上述迭代过程，直至比对单元判断tn-tn-1的绝对值的结果全部小于0.000001，即可结束迭代，并发送停止信息给仿真结果单元。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。