电力通信业务数据中站点聚类方法、系统、设备及介质与流程

1.本发明属于电力系统自动化领域，涉及一种电力通信业务数据中站点聚类方法、系统、设备及介质。


背景技术：

2.不同地区所提交的电力通信业务数据不仅结构复杂，而且规模庞大，导致需要投入大量人力进行清洗校核。为解决该问题，势必要开展面向电力通信管理台帐以及网管数据的清洗校核技术研究，从而提高运维管理的智能化水平，减轻运维人员的压力，降低成本。
3.目前，电力通信管理台账及网管数据自动化处理技术，主要是从字符级别角度出发，基于电力通信设备名称之间的编辑距离进行匹配校核。例如，基于字符级别匹配，提出了通过计算路由信息中站点名称之间的编辑距离，对不同的站点名称进行匹配。主要操作过程如下所示：1、获取某区域中的站点名称作为基准数据；2、对该区域业务信息中的路由信息进行清洗及分割，得到单个的站点名称；3、分别计算2中所形成的站点名称与1中基准数据中每个站点名称的编辑距离；4、对3中所得到的编辑距离进行排序，取编辑距离最小的前k个作为推荐匹配数据；5、设置阈值，将编辑距离足够近的两个站点视作为同一站点，从而减少路由信息中的站点冗余，规范路由信息中的站点名称。
4.但是，上述方法的使用前提是须具有一个相对准确的基准数据集，在基准数据集的基础上才可以实现站点数据的匹配与校正，使用较为困难。同时，从字符级别来计算两个站点名称字符串之间的编辑距离会以相同权值来处理站点名称字符串，不能很好把握设备名称中的关键词，如若待匹配词为“塔沟变”，基准数据中存在“塔湾变”、“塔沟”两个设备名称，很明显，“塔沟变”的匹配结果应该为“塔沟”，但是待匹配词“塔沟变”与“塔湾变”、“塔沟”的编辑距离均为1，无法准确匹配。并且，该方法仅单独利用两个站点名称之间的编辑距离作为匹配指标，但在有些情况下，两个相同的站点名称间的编辑距离可能非常大。举例来说，“simens塔沟”和“西门子塔沟”两者的编辑距离较大，但这两者通常表示相同的站点，如果仅使用编辑距离进行判断很可能会判断错误。可见，这种方法仅能单独考虑每一种电力通信设备名称的匹配，匹配效果欠佳。


技术实现要素：

5.本发明的目的在于克服上述现有技术的缺点，提供一种电力通信业务数据中站点聚类方法、系统、设备及介质。
6.为达到上述目的，本发明采用以下技术方案予以实现：
7.本发明第一方面，一种电力通信业务数据中站点聚类方法，包括：
8.获取电力系统的路由知识图谱；
9.获取所述路由知识图谱中各站点的高维嵌入表示；
10.搜索各站点的高维嵌入表示中与当前站点的高维嵌入表示最接近的高维嵌入表
示，得到当前站点的最接近站点；
11.当当前站点的最接近站点的最接近站点为当前站点时，将当前站点与当前站点的最接近站点聚合为同类站点。
12.可选的，所述获取电力系统的路由知识图谱的具体方法为：获取电力系统的业务路由数据并进行语义分割，得到结构化链表数据；根据结构化链表数据构造电力系统的路由知识图谱。
13.可选的，所述获取所述路由知识图谱中各站点的高维嵌入表示的具体方法为：获取并根据路由知识图谱中各站点的度及跳数，得到路由知识图谱中任意两站点在各跳的距离；根据路由知识图谱中任意两站点在各跳的距离及各站点的跳数，构造电力系统的层次带权图；在层次带权图中进行各站点的序列采样，得到各站点的序列采样结果，并通过word2vec算法训练各站点的顶点序列采样结果，得到各站点的高维嵌入表示。
14.可选的，所述根据路由知识图谱中各站点的度及跳数，得到路由知识图谱中任意两站点在各跳的距离的具体方法为：
15.通过下式得到任意两站点之间的距离fk(u，u)：
16.fk(u，v)＝f
k-1
(u，v)+g(s(rk(u))，s(rk(v)))
17.k≥0 and|rk(u)|，|rk(v)|＞0
18.其中，rk(u)表示u站点的第k跳的相邻站点集合，rk(v)表示v站点的第k跳的相邻站点集合；s(rk(u))表示rk(u)的站点度的有序序列，s(rk(v))表示rk(v)的站点度的有序序列；g(s(rk(u))，s(rk(v)))表示s(rk(u))和s(rk(v))的距离，为s(rk(u))和s(rk(v))中每一对元素之间的距离的集合；
19.所述根据路由知识图谱中任意两站点在各跳的距离及各站点的跳数，构造电力系统的层次带权图的具体方法为：
20.以电力系统站点的跳数为层，通过下式得到电力系统各站点之间的权值：
[0021][0022]
w(uk，u
k+1
)＝log(γk(u)+e)，k＝0，...，k
*-1
[0023]
w(uk，u
k-1
)＝1，k＝1，...，k
*
[0024][0025]
其中，wk(u，v)为第k层的u站点与v站点之间的权值，wk(uk，u
k+1
)为第k层的u站点与第k+1层的u站点之间的权值，γk(u)为第k层的u站点与其他站点之间的权值大于平均权值的站点个数，为第k层的u站点的平均权值，wk(uk,u
k-1
)为第k层的u站点与第k+1层的u站点之间的权值；
[0026]
根据电力系统各站点之间的权值，构造电力系统的层次带权图。
[0027]
可选的，所述s(rk(u))和s(rk(v))中每一对元素之间的距离d(a,b)通过下式计算得到：
[0028][0029]
其中，a和b分别为s(rk(u))和s(rk(v))中对应位置元素的值，max(a,b)为a和b中最大的值，min(a,b)为a和b中最小的值；
[0030]
其中，当s(rk(u))和s(rk(v))的长度不同时，在计算s(rk(u))和s(rk(v))中每一对元素之间的距离前，采用动态时间规整算法对s(rk(u))和s(rk(v))序列进行对齐。
[0031]
可选的，所述在层次带权图中进行顶点序列采样时，采用有偏随机游走法进行顶点序列采样。
[0032]
可选的，还包括：获取同类站点的人工审核结果，并根据同类站点的人工审核结果更新同类站点的聚合状态。
[0033]
本发明第二方面，一种电力通信业务数据中站点聚类方法系统，包括：
[0034]
数据获取模块，用于获取电力系统的路由知识图谱；
[0035]
高维嵌入表示获取模块，用于获取所述路由知识图谱中各站点的高维嵌入表示；
[0036]
遍历模块，用于搜索各站点的高维嵌入表示中与当前站点的高维嵌入表示最接近的高维嵌入表示，得到当前站点的最接近站点；
[0037]
聚类模块，当当前站点的最接近站点的最接近站点为当前站点时，将当前站点与当前站点的最接近站点聚合为同类站点。
[0038]
本发明第三方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述电力通信业务数据中站点聚类方法的步骤。
[0039]
本发明第四方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述电力通信业务数据中站点聚类方法的步骤。
[0040]
与现有技术相比，本发明具有以下有益效果：
[0041]
本发明电力通信业务数据中站点聚类方法，基于电力系统的路由知识图谱，采用struc2vec算法获取路由知识图谱中各站点的高维嵌入表示，充分考虑各站点的拓扑结构信息，并以此为聚类依据实现电力系统内各站点的相似聚类，便于发现同一站点差异较大的不同文本表示，提升站点间聚类的准确性，从而有效消除电力系统的业务路由信息中的站点冗余，规范路由信息中的站点信息，规范由不同业务人员录入的信息偏差，在一定程度上完成数据清洗。同时，该方法不需要先验的站点名称基准数据，极大的降低该方法的使用难度。
附图说明
[0042]
图1为本发明实施例的电力通信业务数据中站点聚类方法流程图；
[0043]
图2为本发明实施例的电力通信业务数据中站点聚类方法细节流程图；
[0044]
图3为本发明实施例的某电力系统的路由知识图谱简化示意图；
[0045]
图4为本发明实施例的电力通信业务数据中站点聚类系统结构框图。
具体实施方式
[0046]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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他实施例，都应当属于本发明保护的范
围。
[0047]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0048]
首先，介绍本发明涉及的相关技术术语：
[0049]
站点聚类：指在知识图谱中，通过算法将相似或重名站点划分到一组。
[0050]
图网络：针对图结构数据提出的一类算法统称。
[0051]
知识图谱：结构化的语义知识库，用三元组的形式(头实体、关系及尾实体)描述物理世界中的概念及其相互关系。
[0052]
节点度：在知识图谱和该节点相关联的边的条数，又称关联度。
[0053]
节点跳：从一个节点传送到另一个节点要经过几个节点，就称为几跳。
[0054]
动态时间规整算法：dynamic time warping(dtw)，是一种衡量两个长度不同的时间序列的相似度的方法。
[0055]
下面结合附图对本发明做进一步详细描述：
[0056]
参见图1和2，本发明一实施例中，提供一种电力通信业务数据中站点聚类方法，以电网各区域业务数据中的路由信息，即业务路由数据为依托构造路由知识图谱，在所构造的路由知识图谱上应用图相关算法，对路由知识图谱中的相似站点或设备进行聚类，从而减少路由信息中的站点冗余，规范由不同业务人员录入的信息偏差，在一定程度上完成数据清洗。
[0057]
具体的，该电力通信业务数据中站点聚类方法包括以下步骤：
[0058]
s1：获取电力系统的路由知识图谱。
[0059]
具体的，所述获取电力系统的路由知识图谱的具体方法为：获取电力系统的业务路由数据并进行语义分割，得到结构化链表数据；根据结构化链表数据构造电力系统的路由知识图谱。
[0060]
其中，在进行电力系统的业务路由数据的语义分割时，一般采用基于jieba分词的方法实现。然后，通过语义分割后得到的结构化链表数据进行电力系统的路由知识图谱的构造，一般采用人工编写python脚本的方法构造知识图谱的基本组成
‑‑
三元组，然后实现路由知识图谱的构造，本实施例中，在构造时以电力系统的各站点作为路由知识图谱中的各节点。
[0061]
s2：获取所述路由知识图谱中各站点的高维嵌入表示。
[0062]
其中，struc2vec算法利用节点的度来衡量两个节点之间的节点相似性，再通过节点的跳数对节点进行分层.进而构建了多层的结构相似度拓扑图。对于具有较高结构相似性的节点，struc2vec算法可将其聚类到一起，即使这两个节点没有明显的连接关系。具体的，所述获取所述路由知识图谱中各站点的高维嵌入表示的具体方法为：
[0063]
s21：获取并根据路由知识图谱中各站点的度及跳数，得到路由知识图谱中任意两
站点在各跳的距离。
[0064]
具体的，首先定义站点对的如下的距离计算公式，并通过距离计算公式得到任意两站点之间的距离fk(u，v)：
[0065]fk
(u，v)＝f
k-1
(u，v)+g(s(rk(u))，s(rk(v)))
[0066]
k≥0 and|rk(u)|，|rk(v)|＞0
[0067]
其中，rk(u)表示u站点的第k跳的相邻站点集合，rk(v)表示v站点的第k跳的相邻站点集合；s(rk(u))表示rk(u)的站点度的有序序列，s(rk(v))表示rk(v)的站点度的有序序列，例如某站点集合每个站点的度为[2，34，5，1，2]，那么该站点集合的站点度的有序序列为[1，2，2，5，34]；g(s(rk(u))，s(rk(v)))表示s(rk(u))和s(rk(v))的距离，为s(rk(u))和s(rk(v))中每一对元素之间的距离的集合。
[0068]
其中，所述s(rk(u))和s(rk(v))中每一对元素之间的距离d(a，b)通过下式计算得到：
[0069][0070]
其中，a和b分别为s(rk(u))和s(rk(v))中对应位置元素的值，max(a，b)为a和b中最大的值，min(a，b)为a和b中最小的值。
[0071]
但是，对于任意的s(rk(u))和s(rk(v))来说，s(rk(u))和s(rk(v))的长度可能是不相同的，因此，在计算s(rk(u))和s(rk(v))中每一对元素之间的距离前，采用动态时间规整算法对s(rk(u))和s(rk(v))序列进行对齐。
[0072]
s22：根据路由知识图谱中任意两站点在各跳的距离及各站点的跳数，构造电力系统的层次带权图。
[0073]
具体的，在根据路由知识图谱中任意两站点在各跳的距离及各站点的跳数，构造电力系统的层次带权图，以电力系统站点的跳数为层，首先通过下式得到电力系统各站点之间的权值：
[0074][0075]
w(uk，u
k+1
)＝log(γk(u)+e)，k＝0，...，k
*-1
[0076]
w(uk，u
k-1
)＝1，k＝1，...，k
*
[0077][0078]
其中，wk(u，v)为第k层的u站点与v站点之间的权值，wk(uk，u
k+1
)为第k层的u站点与第k+1层的u站点之间的权值，γk(u)为第k层的u站点与其他站点之间的权值大于平均权值的站点个数，为第k层的u站点的平均权值，wk(uk，u
k-1
)为第k层的u站点与第k+1层的u站点之间的权值。
[0079]
然后，根据电力系统各站点之间的权值，以站点为节点，以电力系统站点的跳数为层，构造电力系统的层次带权图。
[0080]
s23：在层次带权图中进行各站点的序列采样，得到各站点的序列采样结果，并通过word2vec算法训练各站点的顶点序列采样结果，得到各站点的高维嵌入表示。
[0081]
本实施例中，所述在层次带权图中进行顶点序列采样时，采用有偏随机游走法进行顶点序列采样。
[0082]
具体的，使用有偏随机游走在构造出的图中进行顶点序列采样。每次采样时，首先，通过构造的随机数p与固定阈值的相比较结果决定是在当前层游走，还是切换到相邻的上下层游走。若p大于固定阈值，则决定在当前层游走，设当前处于第k层，则从站点u到站点v的概率为：
[0083][0084]
其中，zk(u)是站点u在第k层的正则化因子，其计算公式为：
[0085][0086]
对于同一站点切换到不同层的转移概率计算公式为：
[0087][0088]
pk(uk，u
k-1
)＝1-pk(uk，u
k+1
)
[0089]
其中，pk(uk，u
k+1
)为第k层的u站点切换到第k+1层的u站点的转移概率，pk(uk，u
k-1
)为第k层的u站点切换到第k-1层的u站点的转移概率。
[0090]
通过上述的有偏随机游走法进行顶点序列采样后，得到各站点的序列采样结果，然后通过word2vec算法训练各站点的顶点序列采样结果，得到各站点的高维嵌入表示。其中，word2vec算法是用一个一层的神经网络(cbow)把one-hot形式的稀疏词向量映射称为一个n维的稠密向量的过程，其是google开源的一款用于词向量计算的工具。首先，word2vec算法可以在百万数量级的词典和上亿的数据集上进行高效地训练；其次，该工具得到的训练结果-词向量，可以很好地度量词与词之间的相似性。word2vec是一个计算词向量的开源工具，word2vec算法一般指其背后用于计算词向量的cbow模型和skip-gram模型。
[0091]
s3：遍历各站点的高维嵌入表示：搜索各站点的高维嵌入表示中与当前站点的高维嵌入表示最接近的高维嵌入表示，得到当前站点的最接近站点。
[0092]
具体的，基于电力系统内全部站点的高维嵌入表示进行搜索，一般采用贪心搜索方法，遍历各站点的高维嵌入表示，依次在所有站点的高维嵌入表示中寻找与当前站点的高维嵌入表示最近接的高维嵌入表示，并将该最近接的高维嵌入表示所对应的站点作为当前站点的最接近站点，在遍历完成后，得到电力系统内全部站点的最接近站点。
[0093]
s4：遍历各站点：当当前站点的最接近站点的最接近站点为当前站点时，将当前站点与当前站点的最接近站点聚合为同类站点。
[0094]
具体的，在得到了电力系统内全部站点的最接近站点后，进行站点的聚类。通过遍历电力系统内的各站点，当出现一个站点的最接近站点的最接近站点为该站点时，即两个站点互为最接近站点时，将当前站点与当前站点的最接近站点聚合为同类站点。
[0095]
在一种可能的实施方式中，以某电力系统的路由知识图谱说明本发明电力通信业务数据中站点聚类方法，参见图3，图中每个节点表示一个电网路由中的站点，其中，有12个站被显示表示，中间大部分站点及连接关系被隐式表示为network。对于u站点和v站点两个边框加粗的站点来说，两个站点并未有直接相连的关系，但从视觉直觉上可以看出两个站点具有高度的拓扑结构相似性：它们的度数分别为5和4，分别连接3个和2个三角形拓扑结
构，都是通过2个站点和网络的其他站点相连，因此u站点和v站点很有可能是同一个站点。假设u站点和v站点分别表示“simens塔沟”站点和“西门子塔沟”站点，两者具有相似的拓扑连接是合情合理的，但这种情况下靠简单的字符串匹配算法是难以将这两个站点进行匹配的，必须借助站点的拓扑结构信息，此时借助本发明所述方法可解决类似的站点匹配问题，且不需要一个先验的站点名称作为基准数据。
[0096]
综上所述，本发明电力通信业务数据中站点聚类方法，基于电力系统的路由知识图谱，采用struc2vec算法获取路由知识图谱中各站点的高维嵌入表示，充分考虑各站点的拓扑结构信息，并以此为聚类依据实现电力系统内各站点的相似聚类，便于发现同一站点差异较大的不同文本表示，提升站点间聚类的准确性，从而消除电力系统的业务路由信息中的站点冗余，规范路由信息中的站点信息，规范由不同业务人员录入的信息偏差，在一定程度上完成数据清洗。同时，该方法不需要先验的站点名称基准数据，极大的降低该方法的使用难度。
[0097]
在一种可能的实施方式中，该电力通信业务数据中站点聚类方法，还包括：获取同类站点的人工审核结果，并根据同类站点的人工审核结果更新同类站点的聚合状态。
[0098]
具体的，当同类站点的人工审核结果为正确时，将同类站点的聚合状态更新为最终聚合状态，表明该类下的站点为同一站点，即这两个站点本质上是同一站点的不同表示形式。当同类站点的人工审核结果为错误时，表明上述的聚类方法聚类错误，将同类站点的聚合状态更新为拆散，即将该已经聚合的同类站点中包括的两个站点分开。通过引入人工审核结果，确保聚类的准确性，避免由于聚类结果错误导致数据的混乱。
[0099]
下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未披露的细节，请参照本发明方法实施例。
[0100]
参见图4，本发明再一实施例中，提供一种电力通信业务数据中站点聚类方法系统，能够用于实现上述的电力通信业务数据中站点聚类方法方法，具体的，该电力通信业务数据中站点聚类方法系统包括数据获取模块、高维嵌入表示获取模块、遍历模块以及聚类模块。
[0101]
其中，数据获取模块用于获取电力系统的路由知识图谱；高维嵌入表示获取模块用于获取所述路由知识图谱中各站点的高维嵌入表示；遍历模块用于遍历各站点的高维嵌入表示：搜索各站点的高维嵌入表示中与当前站点的高维嵌入表示最接近的高维嵌入表示，得到当前站点的最接近站点；聚类模块用于遍历各站点：当当前站点的最接近站点的最接近站点为当前站点时，将当前站点与当前站点的最接近站点聚合为同类站点。
[0102]
前述的电力通信业务数据中站点聚类方法的实施例涉及的各步骤的所有相关内容均可以援引到本发明施例中的电力通信业务数据中站点聚类系统所对应的功能模块的功能描述，在此不再赘述。
[0103]
本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，另外，在本发明各个实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0104]
本发明再一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于
执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于电力通信业务数据中站点聚类方法的操作。
[0105]
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关电力通信业务数据中站点聚类方法的相应步骤。
[0106]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0107]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0108]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0109]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0110]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然
可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。