本发明涉及分布式能源站故障处理技术领域，尤其涉及一种故障预判方法及装置。
背景技术
作为一种建立在负荷需求侧的能源供应方式，分布式能源的目标是实现能源利用和环境效益的最大化，并系统地整合优化用户的多种能源需求以及资源配置状况，通过需求应对式设计和模块化配置的新型能源系统。
目前分布式能源站的运营模式通常是在故障发生之后，运营人员被动地进行故障的定位和维修。运营人员通过分析记录报表和系统日志的监测数据，依据事先制定的系统运行保障规则、策略和依赖模型以及业务经验等来判断故障发生的原因并进行修复，这样，在故障的处理过程中存在较大的滞后性，并且，由于未及时发现并解决故障可能给能源站带来不可避免的损失。
技术实现要素：
本发明提供一种故障预判方法及装置，用以提前发现可能出现的故障，避免相应的损失。
本发明实施例提供了一种故障预判方法，该方法包括：
通过设置在分布式能源站中的多个测量仪器检测反映所述分布式能源站在对应位置的运行状况的多个指标；
采集所述多个指标的实时监测数据；
存储所述多个指标的历史检测数据；
将每个指标的实时监测数据与对应的历史检测数据进行比对，若所述指标的实时监测数据处于对应的历史检测数据的正常范围之外，则判断所述指标出现异常；
针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，确定最终可能导致的故障信息；
将确定出的故障信息输出。
上述实施例中，首先，通过将每个指标的实时监测数据与历史检测数据进行比对，从而判断分布式能源站中哪些指标出现了异常；其次，分析这些指标的异常信息与故障之间的关联性与依赖性，从而预测分布式能源站可能发生的故障；最后，通过采取相应的预处理方案可以有效避免故障的发生，保障了供能安全，避免了不必要的损失。
在一个具体的实施例中，针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，确定最终可能导致的故障信息，具体包括：
针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，获取所述出现异常的指标可能导致的故障的集合，且所述故障的集合为最终可能导致的故障信息。在判断出分布式能源站中哪些指标出现异常后，通过分析这些指标之间不同的组合与故障之间的对应关系，从而直接判断出可能导致的故障。
在另一个具体的实施例中，针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，确定最终可能导致的故障信息，具体包括：
针对每个出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，获取所述每个出现异常的指标可能导致的故障的集合；
针对所述集合中的每个故障，根据设置的故障与可能引发异常的指标之间的对应关系，获取当所述故障发生时可能出现异常的指标的集合；
针对所述集合中的每个指标，将所述指标的实时监测数据与对应的历史检测数据进行比对，判断所述指标是否出现异常或出现异常的概率，并根据结果判断对应的故障发生的概率；
判断所述集合中每个故障的概率，将概率最大的故障确定为所述指标异常时可能导致的故障信息。该实施例中，通过分析指标与故障之间的因果关系和果因关系来确定分布式能源站可能发生的故障，提高了计算速度以及准确性。
在后一种实施例中，针对每个出现异常的指标，当根据设置的指标的异常信息与可能导致的故障之间的对应关系没有匹配到所述指标异常可能导致的故障时，还包括输出所述指标的异常信息以及所述指标对应的测量仪器的位置信息。这样，维护员可以根据这些信息对分布式能源站进行检查，并根据检查结果更新完善上述计算模型。
具体设置时，针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，确定最终可能导致的故障信息后，还包括：
根据存储的所述分布式能源站可能发生的故障以及对应的解决方案，获取与预测的所述分布式能源站将发生的故障相对应的解决方案。这样使得可以依据获取的解决方案进行一些相关的预处理，有效防止了故障的发生。
具体设置时，将确定出的故障信息输出具体为：将确定出的故障信息传输到智能化控制设备或维护员的移动终端。通过智能化监控设备自动完成故障的预处理，或通过维护员完成故障的预处理，并且，为了进一步完善该方案，在将确定出的故障信息传输给智能化监控设备，而智能化监控设备无法完成故障的预处理时，此时，可以再次将故障信息传输到维护员的移动终端上。
在将确定出的故障信息输出后，还包括：
监控出现异常的指标是否恢复正常，当对故障进行预处理后异常未排除时，则根据设置的指标的异常信息与可能导致的故障之间的对应关系重新确定最终可能导致的故障信息。通过监控这些出现异常的指标是否恢复正常，来判断预测的故障的准确性，进一步完善了该方法模型。
或者，将确定出的故障信息输出具体为：将确定出的故障信息传输给专业技术人员。这样，可以通过专业技术人员对故障的解决等作出指导，提高了工作效率与质量。
本发明实施例还提供了一种故障预判装置，该装置包括设置于分布式能源站中的多个测量仪器，用于检测反映所述分布式能源站在对应位置的运行状况的多个指标，还包括：
数据采集模块，用于采集所述多个指标的实时监测数据；
数据存储模块，用于存储所述多个指标的历史检测数据；
计算分析模块，用于将每个指标的实时监测数据与对应的历史检测数据进行比对，若所述指标的实时监测数据处于对应的历史检测数据的正常范围之外，则判断所述指标出现异常；根据设置的规则，针对出现异常的指标预测所述分布式能源站将发生的故障；
信息传输模块，用于输出所述计算分析模块预测得出的故障信息。
上述实施例中，首先通过将每个指标的实时监测数据与历史检测数据进行比对，从而判断分布式能源站中哪些指标出现了异常，其次，根据设置的规则，针对这些出现异常的指标预测出分布式能源站将发生的故障，最后，通过采取相应的预处理方案可以有效避免故障的发生，保障了供能安全，避免了不必要的损失。
在一种具体的实施例中，所述计算分析模块，根据如下方式针对出现异常的指标预测所述分布式能源站将发生的故障：
针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，获取所述出现异常的指标可能导致的故障的集合，且将所述故障的集合确定为所述分布式能源站将发生的故障。该实施例中，在判断出分布式能源站中哪些指标出现异常后，通过分析这些指标之间不同的组合与故障之间的对应关系，从而直接判断出可能导致的故障。
在另一个具体的实施例中，所述计算分析模块，根据如下方式针对出现异常的指标预测所述分布式能源站将发生的故障：
针对每个出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，获取所述指标异常可能导致的故障的集合；针对所述集合中的每个故障，根据设置的故障与可能引发异常的指标之间的对应关系，获取当所述故障发生时可能出现异常的指标的集合；
针对所述集合中的每个指标，将所述指标的实时监测数据与对应的历史检测数据进行比对，判断所述指标是否出现异常或出现异常的概率，并根据结果判断对应的故障发生的概率；
判断所述集合中每个故障的概率，将概率最大的故障确定为所述指标异常时所述分布式能源站将出现的故障。该实施例中，通过分析指标与故障之间的因果关系和果因关系来确定分布式能源站可能发生的故障，提高了计算速度以及准确性。
在后一种实施例中，针对每个出现异常的指标，当根据设置的指标的异常信息与可能导致的故障之间的对应关系没有匹配到所述指标异常可能导致的故障时，所述信息传输模块还用于输出所述指标的异常信息以及所述指标对应的测量仪器的位置信息。这样，维护员可以根据这些信息对分布式能源站进行检查，并根据检查结果更新完善上述计算模型。
具体设置时，所述数据存储模块，还用于存储所述分布式能源站可能发生的故障以及对应的解决方案；
所述计算分析模块，还用于根据预测的所述分布式能源站将发生的故障从所述数据存储模块中获取匹配的解决方案。这样使得可以依据获取的解决方案进行一些相关的预处理，有效防止了故障的发生。
具体设置时，所述信息传输模块，用于将预测得出的故障信息传输给智能化控制设备或维护员的移动终端。通过智能化监控设备自动完成故障的预处理，或通过维护员完成故障的预处理，并且，为了进一步完善该装置，在将确定出的故障信息传输给智能化监控设备，而智能化监控设备无法完成故障的预处理时，此时，信息传输模块还用于将故障信息传输到维护员的移动终端上。
为了进一步完善该故障预判装置，还包括：
运行监控模块，所述运行监控模块用于在所述信息传输模块输出所述计算分析模块预测得出的故障信息后，监控出现异常的指标是否恢复正常，当对故障进行预处理后异常未排除时，则向所述计算分析模块发出对预测的所述分布式能源站将出现的故障进行调整的控制信号。
优选的，还包括：
专家模块，所述专家模块用于存储专业技术人员的通信地址信息，所述信息传输模块还用于按照所述通信地址信息，将所述计算分析模块预测得出的故障信息传输给专业技术人员。这样，可以通过专业技术人员对故障的解决等作出指导，提高了工作效率与质量。
附图说明
图1为本发明实施例提供的故障预判装置的结构图；
图2为本发明实施例提供的计算分析模块针对出现异常的指标预测分布式能源站将发生的故障的流程图；
图3为本发明实施例提供的故障预判方法的流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例提供了一种故障预判装置，用于主动发现分布式能源站中的薄弱环节，对可能发生的故障进行预处理，从而保证分布式能源站的正常运行；该分布式能源站中设有多个检测点，每个检测点设有测量仪器，这些测量仪器分别用于检测压力、流量、温度、液位等多个指标，这些指标的变化反映了分布式能源站在对应位置的运行状况，具体的，如通过监测压力的变化可以分析判断分布式能源站中是否发生了漏气或堵塞等现象；这些指标的实时监测数据指随分布式能源站的运行持续更新的测量数据，相对应的，历史检测数据指系统构建初期由人工整理并录入的以往的测量数据，通过对这些数据进行统计、分析以及处理，能够主动发现分布式能源站中的薄弱环节以及可能出现的故障，从而采取相应的措施避免故障的发生。除分布式能源站外，该故障预判系统还可以应用于其它类似的设备中。
具体的，该故障预判装置包括设置于分布式能源站中的多个测量仪器，用于检测反映所述分布式能源站在对应位置的运行状况的多个指标，还包括：
数据采集模块，用于采集所述多个指标的实时监测数据；
数据存储模块，用于存储所述多个指标的历史检测数据；
计算分析模块，用于将每个指标的实时监测数据与对应的历史检测数据进行比对，若所述指标的实时监测数据处于对应的历史检测数据的正常范围之外，则判断所述指标出现异常；根据设置的规则，针对出现异常的指标预测所述分布式能源站将发生的故障；
信息传输模块，用于输出所述计算分析模块预测得出的故障信息。
上述实施例中，首先，通过将每个指标的实时监测数据与历史检测数据进行比对，从而判断出分布式能源站中哪些指标出现了异常，在这个过程中，异常指标的实时监测数据处于对应的历史检测数据的正常范围之外；其次，根据设置的规则，如这些指标的异常信息与故障之间的关联性与依赖性的对应关系，从而预测分布式能源站可能发生的故障，最后，通过采取相应的预处理方案可以有效避免故障的发生，保障了供能安全，避免了不必要的损失。
为了方便对本发明实施例提供的故障预判装置的理解，下面结合具体的附图以及实施例对其原理以及流程进行详细的说明。
如图1所示，该故障预判系统包括设置于分布式能源站中的多个测量仪器101，用于检测反映分布式能源站在对应位置的运行状况的多个指标，如压力、流量、温度、液位等，每个指标的上升、下降或波动等异常情况都可能预示着分布式能源站将出现某种故障；还包括数据采集模块102、数据存储模块103、计算分析模块104以及信息传输模块105，其中，数据采集模块102用于采集各指标的实时监测数据，数据存储模块103用于存储这些指标的历史检测数据，历史检测数据在系统构建初期由人工整理并录入其中；计算分析模块104是整个故障预判系统的核心部分，能够不间断地维护分布式能源站的正常运行，计算分析模块104用于接收各指标的实时监测数据，并将每个指标的实时监测数据与对应的历史检测数据进行比对，若指标的实时监测数据处于对应的历史检测数据的正常范围之外时，则判断该指标出现异常；计算分析模块104还用于根据设置的规则，针对出现异常的指标预测分布式能源站将发生的故障，如通过指标的异常信息与故障之间的关联性与依赖性的对应关系进一步预测分布式能源站可能发生的故障；信息传输模块105用于输出计算分析模块104预测得出的故障信息，如将故障信息输送给分布式能源站的智能化控制设备或维护员的移动终端，由智能化控制设备自动进行故障的预处理或由维护员进行故障的预处理。为了保证能够对所预测的故障实现有效处理，当智能化控制设备无法解决故障时，信息传输模块105还用于将故障信息传输给维护员进行预处理。该故障预判装置实现了在分布式能源站中采用主动发现安全隐患、快速诊断故障并高效处理的管理模式，保障了供能安全，避免了不必要的损失。
在一个具体的实施例中，计算分析模块104可以根据如下方式针对出现异常的指标预测分布式能源站将发生的故障：
针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，获取出现异常的指标可能导致的故障的集合，并将该故障的集合确定为分布式能源站将发生的故障。该实施例中，上述对应关系可以采用模型f(ai…aj…)＝g(b)来表达，即在判断出分布式能源站中有哪些指标出现异常后，通过分析这些指标之间不同的组合与故障之间的对应关系，从而直接判断出可能导致的故障。具体的，如通过检测发现指标a1、a3、a4、a6、a8出现了异常，如上升、下降、波动等，并且，根据设置的指标的异常信息与可能导致的故障之间的对应关系得出，指标a1、a6、a8异常时可能导致故障b1的发生，指标a3、a4、a6异常时，可能导致故障b2的发生，则将b1、b2确定上述指标异常时分布式能源站将发生的故障。
在另一个具体的实施例中，如图2所示，计算分析模块104还可以根据如下步骤针对出现异常的指标预测分布式能源站将发生的故障：
s201：针对每个出现异常的指标ai，根据设置的指标的异常信息与可能导致的故障之间的对应关系，获取指标ai异常可能导致的故障b的集合mi，该对应关系可以采用模型f(a)＝g(b)来表达，即根据因果关系确定指标ai异常时可能导致哪些故障发生，集合mi中可以包括一种故障、两种故障或多种故障；
s202：针对集合mi中的每个故障bx，根据设置的故障与可能引发异常的指标之间的对应关系，获取当故障bx发生时可能出现异常的指标的集合nx；该对应关系可以采用模型g’(b)＝f’(a)来表达，即根据果因关系确定一旦故障bx发生，则将可能引起哪些指标出现异常，这些指标会发生何种变化，如上升、下降或振动等特点；集合nx中可以包括一个指标、两个指标或多个指标，且集合nx包括步骤一所述的指标ai；另外，这些指标之间还可能存在一些逻辑关系，如“与、或、非”，比如，故障b1发生时，将导致指标a1异常或a2异常，并且还会导致指标a3及a5异常；
s203：针对集合nx中的每个指标ay，将指标ay的实时监测数据与对应的历史检测数据进行比对，判断指标ay是否出现异常或出现异常的概率，并根据结果判断对应的故障bx发生的概率；在该步中，根据历史检测数据，判断指标ay出现了哪种变化，是否与故障bx发生时其变化趋势相符；并且，由于指标ai已经在步骤一中通过对比得知其发生了异常，此时，只需对除指标ai以外的其它指标进行比较即可；
s204：判断集合mi中每个故障bx的概率，将其中概率最大的故障bx确定为指标ai异常时分布式能源站将出现的故障。
上述实施例中，针对每个出现异常的指标，当根据设置的指标的异常信息与可能导致的故障之间的对应关系没有匹配到指标异常可能导致的故障时，此时，信息传输模块105还用于输出指标的异常信息以及指标对应的测量仪器101的位置信息，维护员可以根据这些信息对分布式能源站进行检查，并根据检查结果更新完善上述模块。在检测过程中，一种情况为，这些指标可能只是暂时性的变化，经过一段时间后能够自行恢复正常，并不会导致故障的发生，则将这些数据以及短期变化录入数据存储模块103中并得出结论“无预测故障发生”；另一种情况为，指标的异常可能导致故障的发生，则将指标的异常信息与故障之间的对应关系录入计算分析模块104中，进一步完善该模块。
以下以一个具体的实施例进行详细说明，该实施例中，由测量仪器101进行测量的指标包括a1、a2、a3……，其中，数据存储模块103用于存储每个指标的历史检测数据，数据采集模块102用于采集每个指标的实时监测数据并传输给计算分析模块104，由计算分析模块104进行数据的处理与分析，具体包括：
步骤一：通过将每个指标的实时监测数据与历史检测数据进行比对，发现指标a1、a3、a4出现异常；
步骤二：根据模型f(a)＝g(b)，获取当指标a1异常时可能导致的故障b的集合m1，集合m1包括故障b2、b3、b5；
步骤三：根据模型g’(b)＝f’(a)，获取当故障b2发生时可能出现异常的指标的集合n2，集合n2包括指标a1、a2、a5、a8；如当故障b2发生时将引起指标a1上升，指标a2下降等；
步骤四：针对集合n2中的每个指标，即a1、a2、a5、a8，分别将其各自的实时监测数据与历史检测数据进行比对，从而判断是否出现了异常，发生了哪种变化，是否与故障b2发生时其变化趋势相符等，或者，若在当前时刻，其中有一个或几个指标还未出现异常，则还可以根据这些指标的变化趋势判断其出现异常的概率，由于指标a1已经在步骤一中通过对比得知其发生了异常，此时，只需对指标a2、a5、a8进行分析即可；最后，根据结果判断对应的故障b2发生的概率，记为p2；
步骤五：重复步骤二～步骤四，分别得到故障b3发生的概率，记为p3，以及故障b5发生的概率，记为p5，比较这三种故障发生的概率，将概率最大的一个故障，即最可能发生的一个故障判断为当指标a1异常时分布式能源站将发生的故障。
步骤六：重复步骤二～步骤五，分别得到当指标a3、a4异常时分布式能源站将发生的故障。
针对预测得出的故障，为了能够采取有效的解决方案，以防止了故障的发生，在具体设置时，除各指标的历史检测数据外，数据存储模块103还用于存储分布式能源站可能发生的故障以及对应的解决方案，计算分析模块104还用于根据预测的分布式能源站将发生的故障从数据存储模块103中获取匹配的解决方案，这样使得可以依据获取的解决方案进行一些相关的预处理，有效防止了故障的发生。具体的，数据存储模块103包括历史数据库和知识库，其中，各指标的历史检测数据、分布式能源站发生的历史故障以及对应的解决方案存储于历史数据库中，与历史数据库相比，知识库包括更加丰富、全面的信息，如更多的故障类型以及对应的解决方案，知识库可以作为历史数据库相关内容的进一步补充，当计算分析模块104从历史数据库中没有匹配到相对应的故障时，可以进一步扩大检索的范围，在知识库中进行匹配。
为了使该故障预判装置更加完善，还包括专家模块106，专家模块106用于存储专业技术人员的通信地址信息，相应的，信息传输模块105还用于按照该通信地址信息，将计算分析模块104预测得出的故障信息传输给专业技术人员。这样，当计算分析模块104在数据存储模块103中没有找到匹配的解决方案时，可以由专业技术人员提供相应的解决方案，或当维护员无法解决故障时，可以由专业技术人员对维护员进行在线指导，从而能够快速、高效地完成故障的预处理。另外，还包括运行监控模块107，运行监控模块107用于在信息传输模块105输出计算分析模块104预测得出的故障信息后，监控出现异常的指标是否恢复正常，当对故障进行预处理后异常未排除时，则向计算分析模块104发出对预测的分布式能源站将出现的故障进行调整的控制信号；本实施例中，通过运行监控模块107监控这些出现异常的指标是否恢复正常，来判断预测的故障的准确性，进一步完善了该方法模型。
本发明实施例还提供了一种故障预判方法，如图3所示，该方法包括以下步骤：
s301：通过设置在分布式能源站中的多个测量仪器检测反映分布式能源站在对应位置的运行状况的多个指标；
s302：采集多个指标的实时监测数据；
s303：存储多个指标的历史检测数据；
s304：将每个指标的实时监测数据与对应的历史检测数据进行比对，若指标的实时监测数据处于对应的历史检测数据的正常范围之外，则判断指标出现异常；
s305：针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，确定最终可能导致的故障信息；
s306：将确定出的故障信息输出。
上述实施例中，首先，通过将每个指标的实时监测数据与历史检测数据进行比对，从而判断分布式能源站中哪些指标出现了异常；其次，分析这些指标的异常信息与故障之间的关联性与依赖性，从而预测分布式能源站可能发生的故障；最后，通过采取相应的预处理方案可以有效避免故障的发生，保障了供能安全，避免了不必要的损失。
在一个具体的实施例中，针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，确定最终可能导致的故障信息，具体包括：
针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，获取出现异常的指标可能导致的故障的集合，且故障的集合为最终可能导致的故障信息。在判断出分布式能源站中哪些指标出现异常后，通过分析这些指标之间不同的组合与故障之间的对应关系，从而直接判断出可能导致的故障。
在另一个具体的实施例中，针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，确定最终可能导致的故障信息，具体包括：
针对每个出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，获取每个出现异常的指标可能导致的故障的集合；
针对集合中的每个故障，根据设置的故障与可能引发异常的指标之间的对应关系，获取当故障发生时可能出现异常的指标的集合；
针对集合中的每个指标，将指标的实时监测数据与对应的历史检测数据进行比对，判断指标是否出现异常或出现异常的概率，并根据结果判断对应的故障发生的概率；
判断集合中每个故障的概率，将概率最大的故障确定为指标异常时可能导致的故障信息。该实施例中，通过分析指标与故障之间的因果关系和果因关系来确定分布式能源站可能发生的故障，提高了计算速度以及准确性。
在后一种实施例中，针对每个出现异常的指标，当根据设置的指标的异常信息与可能导致的故障之间的对应关系没有匹配到指标异常可能导致的故障时，还包括输出指标的异常信息以及指标对应的测量仪器的位置信息。这样，维护员可以根据这些信息对分布式能源站进行检查，并根据检查结果更新完善上述计算模型。
具体设置时，针对出现异常的指标，根据设置的指标的异常信息与可能导致的故障之间的对应关系，确定最终可能导致的故障信息后，还包括：
根据存储的分布式能源站可能发生的故障以及对应的解决方案，获取与预测的分布式能源站将发生的故障相对应的解决方案。这样使得可以依据获取的解决方案进行一些相关的预处理，有效防止了故障的发生。
具体设置时，将确定出的故障信息输出具体为：将确定出的故障信息传输到智能化控制设备或维护员的移动终端。通过智能化监控设备自动完成故障的预处理，或通过维护员完成故障的预处理，并且，为了进一步完善该方案，在将确定出的故障信息传输给智能化监控设备，而智能化监控设备无法完成故障的预处理时，此时，可以再次将故障信息传输到维护员的移动终端上。
在将确定出的故障信息输出后，还包括：
监控出现异常的指标是否恢复正常，当对故障进行预处理后异常未排除时，则根据设置的指标的异常信息与可能导致的故障之间的对应关系重新确定最终可能导致的故障信息。通过监控这些出现异常的指标是否恢复正常，来判断预测的故障的准确性，进一步完善了该方法模型。
或者，将确定出的故障信息输出具体为：将确定出的故障信息传输给专业技术人员。这样，可以通过专业技术人员对故障的解决等作出指导，提高了工作效率与质量。
通过以上描述可以看出，本发明实施例中，通过构建预测模型来提升分布式能源站运维的精度和效率，逐步实现从基于规则的自动化运维转向基于人工智能的智能化运维，实现提前发现隐患并快速诊断故障的管理模式，保障了供能安全，降低了维护员工作的危险性，避免了不必要的损失。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。