一种计及热网不确定性的热电联合日前鲁棒经济调度方法与流程

本发明涉及热-电网联合调度领域，特别涉及一种计及热网不确定性的热电联合日前鲁棒经济调度方法。

背景技术：

热电联产(combinedheatandpower，chp)机组相对于传统火电机组更加节能和高效，近三十年来得到广泛的发展和应用。作为连接电网(electricpowersystem,eps)和热网(districtheatingnetwork,dhn)的不可或缺的媒介，热电联产机组有助于提高热电联合系统(integratedelectricityandheatingsystem,iehs)的整体运行效率和可再生能源的渗透率。目前，关于热-电网联合调度运行的研究已经取得了一定的进展。针对系统中存在的不确定因素，通常采用的优化方法包括随机优化(stochasticoptimization,so)、机会约束规划(chance-constrainedprogramming,ccp)和鲁棒优化(robustoptimization,ro)。

但是，现有研究工作普遍只考虑电网侧的不确定性，比如风电出力、电负荷等，认为集中供热网络参数与运行状态是确定已知的。在实际中，集中供热管网等值参数受水力工况和热力工况影响，其实际值与出厂标称值间存在一定偏差。另外，集中供热系统的量测配置不如电力系统齐全，其运行状态估计值也会与实际值偏离。因此，实际集中供热管网的参数和运行状态均存在不确定性。这些不确定性因素可能影响热电联合系统的实际调度结果，甚至导致热电联合系统出现供电不足或安全事故。因此，热电联合日前鲁棒经济调度必须考虑供热网络内在的不确定性。为了适应实际的电-热网运行，采用一种计及热网不确定性的热电联合日前鲁棒经济调度方法是非常必要的。

技术实现要素：

有鉴于此，本发明的目的在于填补现有电-热网联合调度问题中未考虑热网不确定性的空白，提出一种计及热网不确定性的热电联合日前鲁棒经济调度方法，这种方法同时考虑热网中存在的多种不确定参数，包括室内温度、热负荷和供热管道的散热系数。步骤如下：构造热电联合网的两阶段鲁棒优化问题；采用大m法，对问题进行重构，使含双线性项的原问题转化为两阶段线性鲁棒优化问题；再将其分解为主问题和子问题，通过迭代求解得到最优经济调度方案。这个方法能有效处理热网不确定性，并且提高系统的鲁棒性。

本发明的目的是通过以下技术方案实现的。

一种计及热网不确定性的热电联合日前鲁棒经济调度方法，包括以下步骤：

步骤1：分别建立热网求解模型和电网求解模型，构造计及热网不确定性的含双线性项的热电联合鲁棒优化模型；

步骤2：采用大m法，对所构造的含双线性项的鲁棒优化模型进行重构，消除双线性项，将含双线性项的鲁棒优化模型转化为两阶段线性鲁棒优化模型；

步骤3：将两阶段线性鲁棒优化模型分解为主问题优化模型和子问题优化模型，设置主问题优化模型的初始迭代次数和子问题优化模型的算法终止误差；

步骤4：求解主问题优化模型，得到最优解x^*和η^*，更新主问题优化模型的下界lb←max{lb,c^tx^*+η^*}；

步骤5：采用交替方向法求解子问题优化模型，得到最优解z^*、λ^*和目标函数值r^*，更新子问题优化模型的上界ub←min{ub,c^tx^*+r^*}；

步骤6：判断是否满足收敛条件，如果是则输出最优结果；否则生成新的约束和变量，更新主问题优化模型，迭代次数k＝k+1，重复步骤4-6，直到满足收敛条件，根据迭代求解得到最优的经济调度方案，对热电联合系统进行调度。

进一步地，所述步骤1具体包括以下步骤：

步骤1.1：建立热网求解模型，所述热网求解模型包括以下约束；

热电联产(combinedheatandpower，chp)机组运行约束：

其中，表示chp机组集合，表示供热站集合，表示调度时段，pg,t和hg,t分别表示第g台chp机组在t时刻的发电出力和热出力，表示chp机组的运行点，nkg表示chp机组可行运行区域的顶点数量，和分别表示第g台chp机组第k个运行顶点的发电出力和热出力，pg和hg分别是chp机组最小发电出力和热出力；ug,t是chp机组运行状态，0表示不在运行状态，1表示在运行状态；表示连接到第j个供热站的热网节点集合，和分别表示供水和回水网络中第n个节点在t时刻的混合温度，表示第j个供热站的chp机组的集合，和分别表示节点允许的最大和最小混合温度，c表示水的比热容系数，表示第j个热交换站在t时刻的质量流速；

热负荷平衡约束：

其中，表示热交换站的集合，表示连接到第l个热交换站的热网节点集合，表示第l个热交换站在t时刻的质量流速，表示第l个热交换站在t时刻的热负荷，

管道温度混合约束：

温度半动态约束：

管道热损耗约束：

其中，和分别表示供水和回水网络中第b条管道在t时刻的质量流速，和分别表示热网节点集合和管道集合；和分别表示以第i个节点为起点和终点的管道集合，和分别表示供水和回水网络中第b条管道的入口在t时刻的质量流温度；和分别表示考虑温度损耗时，供水和回水网络中第b条管道的出口在t时刻的质量流温度；和分别表示不考虑温度损耗时，供水和回水网络中第b条管道的出口在t时刻的质量流温度；kb,t,k表示管道出口温度与入口温度的线性系数，φb,t和γb,t均表示第b条管道在t时刻的温度变化延迟时间段的数量，表示第b条管道的散热系数，表示室内温度。

步骤1.2：建立电网求解模型，所述电网求解模型包括以下约束：

电力平衡约束：

其中，表示电网节点集合，表示与第i个节点相连的节点集合，xi,j表示线路电抗，θi,t表示节点i在时刻t的相角，θj,t表示节点j在时刻t的相角，和分别表示与第i个节点相连的常规火电机组集合和chp机组集合，di,t表示节点i在时刻t的电负荷，

旋转备用约束：

其中，表示常规火电机组集合，xg,t表征常规火电机组g在时刻t的启动状态，1表示t时刻被启动；yg,t表征常规火电机组停机状态，1表示t时刻被关闭；rug,t和rdg,t分别表示上和下旋转备用容量，sr^up和sr^down分别表示全系统上旋转和下旋转备用容量要求，sug和sdg分别表示常规火电机组启动和关闭爬坡容量，rug和rdg分别表示上爬坡和下爬坡容量要求，mug和mdg分别表示最小开机和停机时间；和pg分别表示常规火电机组g的最大和最小技术出力，

爬坡约束：

传输容量约束：

其中，f(i,j)表示线路传输容量，表示输电线路集合，i,j表示电网节点，(i,j)表示从节点i到节点j的输电线路；

常规火电机组和chp机组启停约束：

其中，xg,t表示常规火电机组和chp机组g在时刻t的启动状态；yg,t表征常规火电机组和chp机组g在时刻t的停机状态；τ是辅助变量，表示时间延迟；

步骤1.3：热电联合调度目标函数：

其中，和分别表示常规火电机组和chp机组的运行成本函数，和分别表示常规火电机组和chp机组的分段线性化成本函数，和表示常规火电机组和chp机组启和停成本，表示固定成本，表示第g台chp机组的运行可行域中第k个顶点对应的运行成本，

步骤1.4：构造如下的含双线性项的鲁棒优化模型：

其中，外层min问题为第一阶段问题，内层max-min问题为第二阶段问题。x表示第一阶段决策变量，第一阶段决策变量包括常规火电机组和chp机组的运行状态xg,t,yg,t,ug,t,c^tx表示常规火电机组和chp机组的组合成本，包括启动成本、停机成本和固定成本，分别对应约束公式(30)和公式(31)中的c表示启动、停机和固定成本系数矩阵，分别对应c^t表示矩阵c的转置；ax≤b表示常规火电机组和chp机组的启停约束，对应约束公式(25)-(28)；a表示约束公式(25)-(28)中第一阶段决策变量对应的系数矩阵，b表示约束公式(25)-(28)的常数矩阵；y(·)表示第二阶段补偿变量，包括发电机组的出力pg,t和上下备用容量rug,t,rdg,t，chp机组热出力hg,t和热网管道的温度变量，热网管道的温度变量包括和d^ty表示第二阶段问题的常规火电机组和chp机组的运行调度成本，对应约束公式(30)和公式(31)中的和d表示约束公式(30)和(31)中第二阶段补偿变量对应的系数矩阵；d^t表示d的转置；表示热电联合网的运行约束，包括约束(1)-(24)；和分别表示热网的不确定参数，对应的不确定集合为和c1和c2表示约束(1)-(24)中不确定参数对应的系数矩阵；d2表示约束(1)-(24)中不确定参数对应的系数矩阵；b表示约束(1)-(24)中第一阶段决策变量x对应的系数矩阵；d1表示约束(1)-(24)中第二阶段补偿变量y(·)对应的系数矩阵；e表示约束(1)-(24)中的常数矩阵；不确定参数包括室内温度和热负荷不确定参数包括热网管道的散热系数

其中，和和和都是取值为0到1的变量，分别将不确定参数室内温度、热负荷和管道散热系数进行标准化，和分别表示室内温度、热负荷和管道散热系数的预测值，和τt^am、和和jb分别表示室内温度、热负荷和管道散热系数的预测值上下限；和分别表示室内温度、热负荷和管道散热系数预测值的波动范围；γ^am、γ^h和γ^j分别表示不确定集合中，室内温度、热负荷和管道散热系数的预算水平。

进一步地，所述步骤2具体包括以下步骤：

步骤2.1：将公式(34)-(35)分别带入(5)、(14)-(15)得到：

其中，和是引入的新变量，分别表示以下双线性项：

步骤2.2：采用大m法，将双线性项(39)-(42)进行线性化：

其中，m表示一个正数；

步骤2.3：由于在最差场景下，不确定参数将取值为其预测范围的上限或下限，不确定参数包括室内温度、热负荷和管道散热系数，因此重写不确定集合为

步骤2.4：将含双线性项的鲁棒优化模型(33)转化为两阶段线性鲁棒优化模型；

其中，c表示约束(1)-(24)中的所有不确定参数对应的系数矩阵，d表示约束(1)-(24)中第二阶段补偿变量y(·)的对应的系数矩阵；

进一步地，所述步骤3具体包括以下步骤：

步骤3.1：将两阶段线性鲁棒优化模型(56)分解为主问题优化模型和子问题优化模型，设置主问题优化模型的下界为lb＝-∞，子问题优化模型的上界为ub＝+∞；

步骤3.2：设置主问题优化模型的迭代次数k,k＝0和子问题优化模型的算法终止误差

所述步骤4具体包括以下步骤：

步骤4.1：求解主问题优化模型，主问题优化模型如下：

其中，表示由子问题优化模型得到的不确定集合的极点的集合；yl是与对应的一组补偿变量；主问题优化模型在每次迭代中，增加一组补偿变量yl和约束条件，约束条件为η≥d^tyl和η是辅助变量，用来表示常规火电机组和chp机组的运行调度成本。

步骤4.2：得到主问题优化模型的最优解x^*，即常规火电机组和chp机组的运行状态xg,t,yg,t,ug,t，以及常规火电机组和chp机组的运行调度成本η^*，更新lb←max{lb,c^tx^*+η^*}。

进一步地，所述步骤5中，子问题优化模型如下：

其中，r(x)表示子问题优化模型(58)，λ表示子问题优化模型(58)中的约束-d^ty≥bx+cz-e对应的对偶变量，使用交替方向法求解子问题优化模型，具体包括以下步骤：

步骤5.1：交替方向法要求给出子问题优化模型的初始解，通过迭代的方式求解得到子问题优化模型的最优解。因此设置子问题算法终止误差和n组子问题优化模型的初始解z^*；

步骤5.2：带入初始解z^*，求解第一优化子模型(59)，得到第一优化子模型(59)的最优解λ^*和目标函数值r1^*，λ^*表示子问题优化模型(58)在求得最优解时，约束-d^ty≥bx+cz-e对应的对偶变量；

r1表示第一优化子模型(59)，r1^*表示第一优化子模型(59)的目标函数值；

步骤5.3：基于求得的λ^*，求解第二优化子模型(60)，得到第二优化子模型(60)

的最优解z^*和目标函数值r2^*，z^*表示最差情景下，不确定参数的取值；

r2表示第二优化子模型(60)；r2^*表示第二优化子模型(60)的目标函数值；

步骤5.4：如果r2^*-r1^*<ζ，则子问题优化模型的最优解为λ^*和z^*，目标函数值r^*＝r2^*，并更新ub←min{ub,c^tx^*+r^*}；否则，返回步骤5.2。

进一步地，所述步骤6具体包括以下步骤：

步骤6.1：判断是否满足收敛条件，收敛条件为：

ub-lb≤ε(61)

步骤6.2：如果满足收敛条件，则输出最优结果，即常规火电机组和chp机组的运行状态xg,t,yg,t,ug,t；否则生成新的约束和变量，更新主问题优化模型，迭代次数k＝k+1，重复步骤4-6，直到满足收敛条件。

本发明的有益效果是：本方法充分考虑了热电联合系统在实际运行中，存在于供热网络的多种不确定性因素，包括室内温度、热负荷和供热管道的散热系数。本方法能有效处理热网不确定性，并且提高系统的鲁棒性。可以将此方法应用于实际的热电联合系统的经济调度。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。

附图说明

图1为一种计及热网不确定性的热电联合日前鲁棒经济调度方法流程图。

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的详细描述，应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

实施例的具体参数设定，请参照网址http://motor.ece.iit.edu/data/uccehn_6bus.xls。

一种计及热网不确定性的热电联合日前鲁棒经济调度方法，包括以下步骤：

步骤1：分别建立热网求解模型和电网求解模型，构造计及热网不确定性的含双线性项的热电联合鲁棒优化模型；

步骤2：采用大m法，对所构造的含双线性项的鲁棒优化模型进行重构，消除双线性项，将含双线性项的鲁棒优化模型转化为两阶段线性鲁棒优化模型；

步骤3：将两阶段线性鲁棒优化模型分解为主问题优化模型和子问题优化模型，设置主问题优化模型的初始迭代次数和子问题优化模型的算法终止误差；

步骤4：求解主问题优化模型，得到最优解x^*和η^*，更新主问题优化模型的下界lb←max{lb,c^tx^*+η^*}；

步骤5：采用交替方向法求解子问题优化模型，得到最优解z^*、λ^*和目标函数值r^*，更新子问题优化模型的上界ub←min{ub,c^tx^*+r^*}；

步骤6：判断是否满足收敛条件，如果是则输出最优结果；否则生成新的约束和变量，更新主问题优化模型，迭代次数k＝k+1，重复步骤4-6，直到满足收敛条件。

2.根据权利要求1所述的方法，其特征在于：所述步骤1具体包括以下步骤：

步骤1.1：建立热网求解模型，所述热网求解模型包括以下约束；

热电联产(combinedheatandpower，chp)机组运行约束：

其中，表示chp机组集合，表示供热站集合，表示调度时段，pg,t和hg,t分别表示第g台chp机组在t时刻的发电出力和热出力，表示chp机组的运行点，nkg表示chp机组可行运行区域的顶点数量，和分别表示第g台chp机组第k个运行顶点的发电出力和热出力，pg和hg分别是chp机组最小发电出力和热出力；ug,t是chp机组运行状态，0表示不在运行状态，1表示在运行状态；表示连接到第j个供热站的热网节点集合，和分别表示供水和回水网络中第n个节点在t时刻的混合温度，表示第j个供热站的chp机组的集合，和分别表示节点允许的最大和最小混合温度，c表示水的比热容系数，表示第j个热交换站在t时刻的质量流速；

热负荷平衡约束：

其中，表示热交换站的集合，表示连接到第l个热交换站的热网节点集合，表示第l个热交换站在t时刻的质量流速，表示第l个热交换站在t时刻的热负荷，

管道温度混合约束：

温度半动态约束：

管道热损耗约束：

其中，和分别表示供水和回水网络中第b条管道在t时刻的质量流速，和分别表示热网节点集合和管道集合；和分别表示以第i个节点为起点和终点的管道集合，和分别表示供水和回水网络中第b条管道的入口在t时刻的质量流温度；和分别表示考虑温度损耗时，供水和回水网络中第b条管道的出口在t时刻的质量流温度；和分别表示不考虑温度损耗时，供水和回水网络中第b条管道的出口在t时刻的质量流温度；kb,t,k表示管道出口温度与入口温度的线性系数，φb,t和γb,t均表示第b条管道在t时刻的温度变化延迟时间段的数量，表示第b条管道的散热系数，表示室内温度。

步骤1.2：建立电网求解模型，所述电网求解模型包括以下约束：

电力平衡约束：

其中，表示电网节点集合，表示与第i个节点相连的节点集合，xi,j表示线路电抗，θi,t表示节点i在时刻t的相角，θj,t表示节点j在时刻t的相角，和分别表示与第i个节点相连的常规火电机组集合和chp机组集合，di,t表示节点i在时刻t的电负荷，

旋转备用约束：

其中，表示常规火电机组集合，xg,t表征常规火电机组g在时刻t的启动状态，1表示t时刻被启动；yg,t表征常规火电机组停机状态，1表示t时刻被关闭；rug,t和rdg,t分别表示上和下旋转备用容量，sr^up和sr^down分别表示全系统上旋转和下旋转备用容量要求，sug和sdg分别表示常规火电机组启动和关闭爬坡容量，rug和rdg分别表示上爬坡和下爬坡容量要求，mug和mdg分别表示最小开机和停机时间；和pg分别表示常规火电机组g的最大和最小技术出力，

爬坡约束：

传输容量约束：

其中，f(i,j)表示线路传输容量，表示输电线路集合，i,j表示电网节点，(i,j)表示从节点i到节点j的输电线路；

常规火电机组和chp机组启停约束：

其中，xg,t表示常规火电机组和chp机组g在时刻t的启动状态；yg,t表征常规火电机组和chp机组g在时刻t的停机状态；τ是辅助变量，表示时间延迟；

步骤1.3：热电联合调度目标函数：

其中，和分别表示常规火电机组和chp机组的运行成本函数，和分别表示常规火电机组和chp机组的分段线性化成本函数，和表示常规火电机组和chp机组启和停成本，表示固定成本，表示第g台chp机组的运行可行域中第k个顶点对应的运行成本，

步骤1.4：构造如下的含双线性项的鲁棒优化模型：

其中，外层min问题为第一阶段问题，内层max-min问题为第二阶段问题。x表示第一阶段决策变量，第一阶段决策变量包括常规火电机组和chp机组的运行状态xg,t,yg,t,ug,t,c^tx表示常规火电机组和chp机组的组合成本，包括启动成本、停机成本和固定成本，分别对应约束公式(30)和公式(31)中的c表示启动、停机和固定成本系数矩阵，分别对应c^t表示矩阵c的转置；ax≤b表示常规火电机组和chp机组的启停约束，对应约束公式(25)-(28)；a表示约束公式(25)-(28)中第一阶段决策变量对应的系数矩阵，b表示约束公式(25)-(28)的常数矩阵；y(·)表示第二阶段补偿变量，包括发电机组的出力pg,t和上下备用容量rug,t,rdg,t，chp机组热出力hg,t和热网管道的温度变量，热网管道的温度变量包括和d^ty表示第二阶段问题的常规火电机组和chp机组的运行调度成本，对应约束公式(30)和公式(31)中的和d表示约束公式(30)和(31)中第二阶段补偿变量对应的系数矩阵；d^t表示d的转置；表示热电联合网的运行约束，包括约束(1)-(24)；和分别表示热网的不确定参数，对应的不确定集合为和c1和c2表示约束(1)-(24)中不确定参数对应的系数矩阵；d2表示约束(1)-(24)中不确定参数对应的系数矩阵；b表示约束(1)-(24)中第一阶段决策变量x对应的系数矩阵；d1表示约束(1)-(24)中第二阶段补偿变量y(·)对应的系数矩阵；e表示约束(1)-(24)中的常数矩阵；不确定参数包括室内温度和热负荷不确定参数包括热网管道的散热系数

其中，和和和都是取值为0到1的变量，分别将不确定参数室内温度、热负荷和管道散热系数进行标准化，和分别表示室内温度、热负荷和管道散热系数的预测值，和τt^am、和和jb分别表示室内温度、热负荷和管道散热系数的预测值上下限；和分别表示室内温度、热负荷和管道散热系数预测值的波动范围；γ^am、γ^h和γ^j分别表示不确定集合中，室内温度、热负荷和管道散热系数的预算水平。

步骤2.1：将公式(34)-(35)分别带入(5)、(14)-(15)得到：

其中，和是引入的新变量，分别表示以下双线性项：

步骤2.2：采用大m法，将双线性项(39)-(42)进行线性化：

其中，m表示一个正数；

步骤2.3：由于在最差场景下，不确定参数将取值为其预测范围的上限或下限，不确定参数包括室内温度、热负荷和管道散热系数，因此重写不确定集合为

步骤2.4：将含双线性项的鲁棒优化模型(33)转化为两阶段线性鲁棒优化模型；

其中，c表示约束(1)-(24)中的所有不确定参数对应的系数矩阵，d表示约束(1)-(24)中第二阶段补偿变量y(·)的对应的系数矩阵；

4.根据权利要求1所述的方法，其特征在于：所述步骤3具体包括以下步骤：

步骤3.1：将两阶段线性鲁棒优化模型(56)分解为主问题优化模型和子问题优化模型，设置主问题优化模型的下界为lb＝-∞，子问题优化模型的上界为ub＝+∞；

步骤3.2：设置主问题优化模型的迭代次数k,k＝0和子问题优化模型的算法终止误差

步骤4.1：求解主问题优化模型，主问题优化模型如下：

其中，表示由子问题优化模型得到的不确定集合的极点的集合；yl是与对应的一组补偿变量；主问题优化模型在每次迭代中，增加一组补偿变量yl和约束条件，约束条件为η≥d^tyl和η是辅助变量，用来表示常规火电机组和chp机组的运行调度成本。

步骤4.2：得到主问题优化模型的最优解x^*，即常规火电机组和chp机组的运行状态xg,t,yg,t,ug,t，以及常规火电机组和chp机组的运行调度成本η^*，更新lb←max{lb,c^tx^*+η^*}。

其中，r(x)表示子问题优化模型(58)，λ表示子问题优化模型(58)中的约束-d^ty≥bx+cz-e对应的对偶变量，使用交替方向法求解子问题优化模型，具体包括以下步骤：

步骤5.1：交替方向法要求给出子问题优化模型的初始解，通过迭代的方式求解得到子问题优化模型的最优解。因此设置子问题算法终止误差和n组子问题优化模型的初始解z^*；

步骤5.2：带入初始解z^*，求解第一优化子模型(59)，得到第一优化子模型(59)的最优解λ^*和目标函数值r1^*，λ^*表示子问题优化模型(58)在求得最优解时，约束-d^ty≥bx+cz-e对应的对偶变量；

r1表示第一优化子模型(59)，r1^*表示第一优化子模型(59)的目标函数值；

步骤5.3：基于求得的λ^*，求解第二优化子模型(60)，得到第二优化子模型(60)的最优解z^*和目标函数值r2^*，z^*表示最差情景下，不确定参数的取值；

r2表示第二优化子模型(60)；r2^*表示第二优化子模型(60)的目标函数值；

步骤5.4：如果r2^*-r1^*<ζ，则子问题优化模型的最优解为λ^*和z^*，目标函数值r^*＝r2^*，并更新ub←min{ub,c^tx^*+r^*}；否则，返回步骤5.2。

步骤6.1：判断是否满足收敛条件，收敛条件为：

ub-lb≤ε(61)

步骤6.2：如果满足收敛条件，则输出最优结果，即常规火电机组和chp机组的运行状态xg,t,yg,t,ug,t；否则生成新的约束和变量，更新主问题优化模型，迭代次数k＝k+1，重复步骤4-6，直到满足收敛条件。

本方法充分考虑了热电联合系统在实际运行中，存在于供热网络的多种不确定性因素，包括室内温度、热负荷和供热管道的散热系数。本方法能有效处理热网不确定性，并且提高系统的鲁棒性。可以将此方法应用于实际的热电联合系统的经济调度。

最后说明的是，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，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。