一种基于负荷敏感气温分布的冬季日最大负荷预测方法及系统与流程

1.本发明涉及一种基于负荷敏感气温分布的冬季日最大负荷预测方法及系统，属于负荷预测技术领域。


背景技术：

2.电力负荷预测是电力运行调度、电力系统规划以及电力安全指挥的基础，关乎整个电网的发电能力、售电效益以及运行稳定。对于电力负荷预测的研究，在专业上已有很长历史，国内外许多学者在预测理论和预测方法上做了大量研究工作，取得了卓有成效的进展。由于影响负荷变化因素增多，非线性极强，因此，新理论和新技术的出现一直在推动着负荷预测的不断发展。电力负荷的变化受环境因素影响较大，针对冬季取暖负荷，气象因子中的环境温度因素，具有非常重要的影响占比。
3.关于温度敏感负荷预测的研究较多，但大部分为针对夏季降温负荷预测方法，专利“一种基于负荷分解的最大负荷预测方法”(cn104881722)、专利“一种基于经济、气象因素的年最大负荷分类预测方法”(cn103413253)侧重于对夏季降温负荷的预测，缺乏对冬季负荷的预测方法的阐述，并且方法仅通过季节实现对基础负荷分析时段的选取，缺乏数据和定量算法的支撑；胡志豪等(2021)将电采暖负荷增量分为稳定负荷增量、气象敏感负荷增量、随机负荷增量、日期类型(周末)负荷增量，但并未将除周末外的法定节假日负荷具体分析，也缺乏节假日负荷增量计算的具体方法；专利“基于气象因素的电网电力负荷预测方法及系统”(cn105825294)增加了冬季电取暖负荷的预测分析方法，但该方法使用的气温为某一具体区域日平均气温，预测仅适用于局地，不具备大范围普适性(全国)使用。目前基于负荷敏感气温分布情况实现大范围电力日最大负荷预测的方法仍需要完善。


技术实现要素：

4.本发明的目的在于克服现有技术中的不足，提供一种基于负荷敏感气温分布的冬季日最大负荷预测方法及系统，预测准确的同时具有很强的地域扩展性，对于区域性短期冬季日最大负荷预测有一定的指导意义。
5.为达到上述目的，本发明是采用下述技术方案实现的：
6.第一方面，本发明提供了一种基于负荷敏感气温分布的冬季日最大负荷预测方法，包括以下步骤：
7.s1.获取负荷预测区域的信息采集数据并进行具体要素整编，获得数据成果内容；
8.s2.根据所述数据成果内容，采用法定假日负荷剔除法以及线性插值填补法，实现日最大负荷序列的负荷修正，获取剔除法定假日的日最大负荷后的修正日最大负荷序列；
9.s3.根据所述修正日最大负荷序列，构建法定假日的日最大负荷变化规律模型；
10.s4.根据所述修正日最大负荷序列，统计计算日最大负荷的离散程度，并确定冬季取暖负荷的分析时段；
11.s5.根据所述冬季取暖负荷的分析时段计算逐年基础负荷，并构建基础负荷趋势变化模型；
12.s6.设定冬季取暖负荷敏感气温等温线分布档位；
13.s7.根据所述冬季取暖负荷敏感气温等温线分布档位，计算所述冬季取暖负荷的分析时段中的负荷敏感气温等温线分布的具体档位；
14.s8.基于历史日最大负荷数据及负荷敏感气温等温线分布的具体档位，构建取暖负荷与负荷敏感气温等温线分布档位相关性模型；
15.s9.根据所述法定假日的日最大负荷变化规律模型、基础负荷趋势变化模型和取暖负荷与负荷敏感气温等温线分布档位相关性模型，实现负荷预测区域的预测日的日最大负荷预测。
16.进一步的，步骤s1中，所述信息采集数据包括：
17.多年历史负荷数据：负荷预测区域的多年的历史日最大负荷数据；
18.气象观测站点基础数据：负荷预测区域内国家标准气象观测站点的站名、站号、所在行政区划、经度、纬度、高程；
19.气象要素多年历史实况观测数据：负荷预测区域内近年实况观测气温、降雨量、风速；
20.气象要素未来预报数据：负荷预测区域内未来日最低气温预报、未来日降雨量预报、未来日最大风速预报；
21.进行具体要素整编，包括：
22.逐日整编气象要素多年历史实况观测数据，获得日最低气温；
23.逐日整编气象要素多年历史实况观测数据，获得日最大风力；
24.逐日整编气象要素多年历史实况观测数据，获得日是否降雨。
25.进一步的，步骤s2中，根据所述数据成果内容，采用法定假日负荷剔除法以及线性插值填补法，实现日最大负荷序列的负荷修正，包括：
26.将所述多年的历史日最大负荷数据，按照时间序列排列，并标注星期，基于国内法定假日的具体安排，分离工作日及法定假日对应的日最大负荷；
27.剔除历史日最大负荷数据中法定假日对应的日最大负荷；
28.采用线性插值方法，填补被剔除日期的日最大负荷空缺，实况日最大负荷标记为其中j＝0
……
n；序列中编号j至j+m中的日最大负荷因为法定假日被剔除；m为法定假日的放假日；
29.求解修正后日最大负荷
[0030][0031]
其中，——第j+1个日最大负荷修正值；
[0032]
——第j个日最大负荷实测值；
[0033]
——第j+m个日最大负荷实测值；
[0034]
最终形成剔除法定假日的日最大负荷后的修正日最大负荷序列。
[0035]
进一步的，步骤s3中，确定法定假日负荷的负增长变化规律，包括如下步骤：
[0036]
基于所述修正后日最大负荷序列，依据国内现行法律规定的公休日、节假日安排，分离公休日和节假日对应的日最大负荷；
[0037]
逐年统计各类型假日对应日最大负荷变化情况，包括：统计各类型假日负荷负增长情况、按年统计各类型假日负荷负增长变化趋势，构建法定假日的日最大负荷变化规律模型。
[0038]
进一步的，步骤s4中，确定冬季取暖负荷的分析时段，包括：
[0039]
根据所述修正后日最大负荷序列，结合观察季节变化规律法、变异系数评价法，以月为单位，逐年分析秋冬季(当年9月至次年3月)日最大负荷离散程度：
[0040]
绘制修正后日最大负荷随时间变化曲线，结合负荷预测区域当地气候变化规律，选取离散度较高的月份；
[0041]
逐月计算日最大负荷的变异系数cv(coefficient of variation)，统计并选取变异系数较高的月份；cv的计算方法具体如下：
[0042][0043][0044]
将冬季(12月-次年2月)的负荷作为基础负荷，选取变异系数超过预设阈值的月份确定为冬季取暖负荷的分析时段。
[0045]
进一步的，所述步骤s5中，构建基础负荷趋势变化模型包括如下步骤：
[0046]
将冬季取暖负荷的分析时段排除后的月份，作为基础负荷计算月份；
[0047]
采用求解算术平均值的方法，逐年所述计算基础负荷计算月份的日最大负荷，作为当年冬季取暖负荷的基础负荷，并建立基础负荷年变化趋势模型。
[0048]
建立基础负荷年变化模型的方法包括：
[0049]
选取与基础负荷强相关的社会经济影响因素(如gdp、cpi、第二产业增加值、第二产业比重等)。选取pearson相关系数较高的影响因素作为影响基础负荷的主导因素。
[0050]
采用最小二乘法、线性回归法、多项式拟合法，结合影响基础负荷的主导因素，建立基础负荷预测模型。
[0051]
进一步的，所述步骤s6中，设定冬季取暖负荷敏感气温等温线分布档位包括如下步骤：
[0052]
综合考虑负荷预测区域最低气温分布情况、霜冻线变化规律、河流及山脉走向、地理气候环境分布以及人口分布，确定负荷敏感气温等温线各个档位分布；
[0053]
所述档位包括：华北北部、黄河沿线、秦岭-淮河沿线、长江沿线、南岭武夷山沿线。
[0054]
进一步的，所述步骤s7中，计算所述冬季取暖负荷的分析时段中的负荷敏感气温等温线分布的具体档位包括如下步骤：
[0055]
按照各档位地理分布，按最近距离原则，搜索选取周边的国家标准气象站；
[0056]
选取负荷敏感气温的等温线档位代表气象站，分别表征当前等温线位置的情况，
当选取的站点中有超过一半及以上数量站点的日最低气温在敏感气温附近
±
1℃变化时，即认定负荷敏感气温的等温线档位已达到其所代表的位置。
[0057]
进一步的，所述步骤s8中，构建取暖负荷与负荷敏感气温等温线分布档位相关性模型包括如下步骤：
[0058]
基于历史日最大负荷数据及最低气温的负荷敏感气温等温线分布数据，当负荷敏感气温等温线发生南移时，则计算当日最大负荷较基础负荷的增量，即为取暖负荷；
[0059]
绘制取暖负荷与负荷敏感气温的等温线档位相关性曲线，综合日最大风力、日是否降雨，建立取暖负荷与负荷敏感气温等温线档位、风寒、水寒的相关性模型。
[0060]
进一步的，所述步骤s9中，实现负荷预测区域的预测日的日最大负荷预测包括如下步骤：
[0061]
获取负荷预测区域的预测日的年份日期和主导因素预测值，所述主导因素预测值包括gdp、cpi、第二产业增加值；
[0062]
获取负荷预测区域的地理位置，并根据地理位置获取负荷预测区域的负荷敏感气温分布档位的位置、档位覆盖站点的预测日的降雨量、风速、历史日最大负荷实测值；
[0063]
将主导因素预测值输入基础负荷年变化趋势模型，得到预测日的基础负荷l
basic
；
[0064]
根据预测日的年份日期确定预测日的节假日类型，将预测日的节假日类型输入法定假日的日最大负荷变化规律模型，获得预测日的法定假日负荷l
holiday
；
[0065]
将负荷预测区域的负荷敏感气温分布档位的位置、档位覆盖站点的预测日的降雨量、风速、历史日最大负荷实测值输入取暖负荷与负荷敏感气温等温线档位、风寒、水寒的相关性模型，得到预测日的冬季取暖负荷l
warm
；
[0066]
根据冬季日最大负荷求解公式，计算出冬季日最大负荷预测值。冬季日最大负荷l的求解公式如下：
[0067]
l＝l
basic
+l
warm
+l
holiday
[0068]
其中，l
basic
为基础负荷，l
warm
为冬季取暖负荷，l
holiday
为法定假日负荷。
[0069]
第二方面，本发明提供一种基于负荷敏感气温分布情况的冬季日最大负荷预测系统，包括处理器及存储介质；
[0070]
所述存储介质用于存储指令；
[0071]
所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。
[0072]
与现有技术相比，本发明所达到的有益效果：
[0073]
1、本发明通过建立负荷敏感气温等温线档位与冬季取暖负荷增量相关性模型，实现日最大负荷预测。该方法可以通过查表方式，简单、快速实现日最大负荷的短期定量预测，同时具有很强的地域扩展性，对于区域性短期冬季取暖负荷预测有一定的指导意义；
[0074]
2、本发明利用观察分析法、变异系数等方式，统计计算日最大负荷的离散程度，确定冬季取暖负荷的分析时段，构建基础负荷趋势变化模型；综合考虑多元因素影响，设定冬季取暖负荷敏感气温等温线分布档位；
[0075]
3、本发明以负荷预测区域内多年历史负荷数据、气象观测站点基础数据、气象要素多年历史实况观测数据、气象要素未来预报数据为数据基础，针对冬季日最大负荷预测，剔除假日负荷影响，采用逐年统计的方法，确定法定假日负荷的负增长变化规律，数据准确可靠。
附图说明
[0076]
图1是基于负荷敏感温度分布的冬季日最大负荷预测方法的流程。
具体实施方式
[0077]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0078]
实施例一：
[0079]
本实施例提供一种基于负荷敏感气温分布的冬季日最大负荷预测方法，如图1所示，包括以下步骤：
[0080]
1)制定基于负荷敏感气温分布的负荷预测方法的必要基础数据测量成果内容；
[0081]
2)采用法定假日负荷剔除法以及线性插值填补法，实现日最大负荷序列的负荷修正；
[0082]
3)采用逐年统计的方法，确定法定假日负荷的负增长变化规律；
[0083]
4)以月为单位，利用观察分析法、变异系数等方式，统计计算日最大负荷的离散程度，并确定冬季取暖负荷的分析时段；
[0084]
5)利用步骤4)的结论进一步计算逐年基础负荷，并构建其趋势变化模型；
[0085]
6)综合考虑多元因素影响，设定冬季取暖负荷敏感气温等温线分布档位；
[0086]
7)根据步骤1)的数据成果内容计算步骤4)的分析时段中负荷敏感气温等温线分布的具体档位；
[0087]
8)根据步骤1)的数据成果内容结合步骤7)的计算结果，构建取暖负荷与负荷敏感气温等温线分布档位相关性模型；
[0088]
9)根据步骤1)的数据成果内容结合步骤8)的相关性模型，实现日最大负荷预测。
[0089]
具体的，所述步骤1)包括信息采集内容、数据整编要求。
[0090]
信息采集内容包括：负荷预测区域内多年历史负荷数据、气象观测站点基础数据、气象要素多年历史实况观测数据、气象要素未来预报数据等。
[0091]
具体采集要素包括：
[0092]
多年历史负荷数据：负荷预测区域内近3-5年逐年逐日最大负荷数据等；
[0093]
气象观测站点基础数据：负荷预测区域内国家标准气象观测站点的站名、站号、所在行政区划、经度、纬度、高程等；
[0094]
气象要素多年历史实况观测数据：负荷预测区域内近3-5年实况观测气温、降雨量、风速等；
[0095]
气象要素未来预报数据：负荷预测区域内未来日最低气温预报、未来日降雨量预报、未来日最大风速预报等。
[0096]
具体要素整编包括：
[0097]
逐日整编气象要素多年历史实况观测数据，获得日最低气温；
[0098]
逐日整编气象要素多年历史实况观测数据，获得日最大风力；
[0099]
逐日整编气象要素多年历史实况观测数据，获得日是否降雨。
[0100]
具体的，所述步骤2)具体为：
[0101]
将步骤1)中采集的多年历史日最大负荷数据，按照时间序列排列，并标注星期。基
于国内法定假日的具体安排，分离工作日及法定假日对应的日最大负荷；
[0102]
剔除步骤1)历史实况负荷中法定假日对应的日最大负荷；
[0103]
采用线性插值方法，填补被剔除日期的日最大负荷空缺：
[0104]
以一个历史实况日最大负荷序列为例，实况日最大负荷标记为l
ri
，其中i＝0
……
n。序列中编号j至j+m中的日最大负荷因为法定假日被剔除；
[0105]
求解修正后日最大负荷
[0106][0107]
其中，——第j+1个日最大负荷修正值；
[0108]
——第j个日最大负荷实测值；
[0109]
——第j+m个日最大负荷实测值；
[0110]
最终形成剔除法定假日的日最大负荷后的修正日最大负荷序列。
[0111]
具体的，所述步骤3)包括如下步骤：
[0112]
基于步骤2)修正后日最大负荷序列，依据国内现行法律规定的公休日、节假日安排，分离公休日(周末双休日)和节假日(元旦、春节、清明节、劳动节、端午节、中秋节、国庆节等)对应的日最大负荷；
[0113]
逐年统计各类型假日对应日最大负荷变化情况，包括：统计各类型假日负荷负增长情况(最大值、最小值、平均值)、按年统计各类型假日负荷负增长变化趋势(年际变化量等)，构建法定假日的日最大负荷变化规律模型。
[0114]
该模型为数理统计模型。模型输入：年份、法定假日类型(周六、周日、元旦、春节、清明节、劳动节、端午节、中秋节、国庆节)、不同年份各类型法定假日对应的负荷变幅；模型输出：各类型法定假日的负荷变幅，可由各年份的平均值或者线性拟合值计算得到。
[0115]
此外，该模型的建立方法也可以包括：采用大数据分析及机器学习的方法(如arima时序预测方法、svr支持向量回归法等)，建立法定假日的日最大负荷变化规律模型。
[0116]
具体的，所述步骤4)具体为：
[0117]
根据步骤2)修正后日最大负荷序列，采用结合观察数据变化情况及气候变化规律法、标准差评价法等方法，以月为单位，逐年分析秋冬季(当年9月至次年3月)日最大负荷离散程度：
[0118]
绘制修正后日最大负荷随时间变化曲线，结合负荷预测区域当地气候(温度)变化规律，选取离散度较高的月份；
[0119]
逐月计算日最大负荷的变异系数cv(coefficient of variation)，统计并选取离散度较高的月份。cv的计算方法具体如下：
[0120][0121]
[0122]
综合上述两种方法的分析结果，选取离散度较高的月份确定为冬季取暖负荷的分析时段。综合季节变化规律法和变异系数法的结果，常规使用的方法是将冬季(12-次年2月)的负荷作为基础负荷，本方法结合冬季(12-次年2月)时段以及变异系数较高的月份，取两者的交集，确定为冬季取暖负荷分析时段。
[0123]
选取离散度较高的月份，是指：通过对长序列的逐月变异系数的统计，确定变异系数的阈值。当变异系数高于预设阈值门槛时，认为其较高。
[0124]
具体的，所述步骤5)包括如下步骤：
[0125]
根据步骤4)求解各月的离散度结果，将冬季取暖负荷的分析时段排除后的月份，作为基础负荷计算月份；
[0126]
采用求解算术平均值的方法，逐年计算上述月份的日最大负荷，作为当年冬季取暖负荷的基础负荷。并建立基础负荷年变化趋势模型。
[0127]
基础负荷不是一个定值，它受宏观经济发展趋势、经济发展速度、人口增长等宏观因素影响，需要根据当地gdp、cpi、人口变化情况建立基础负荷趋势变化模型。建立模型方法包括：
[0128]
第一步：辨识影响基础负荷的主导因素
[0129]
采用pearson相关系数(pearson correlation coefficient)辨识影响基础负荷的主导因素。两个变量x、y间的pearson相关系数ρ
x,y
为：
[0130][0131]
其中，x为影响基础负荷的社会经济因素；y为基础负荷；cov(x,y)为两列数据的协方差，σ
x
、σy为社会经济因素与负荷数据的标准差。
[0132]
选取与基础负荷强相关的社会经济影响因素(如gdp、cpi、第二产业增加值、第二产业比重等)。选取pearson相关系数较高的影响因素作为影响基础负荷的主导因素。
[0133]
本方法中，基础负荷的预测不区分区域，主导因素一致，选取之后，可通用。
[0134]
第二步：建立基础负荷变化趋势模型
[0135]
采用最小二乘法、线性回归法、多项式拟合法，结合影响基础负荷额主导因素，建立基础负荷预测模型。
[0136]
具体的，所述步骤6)包括如下步骤：
[0137]
综合考虑负荷预测区域最低气温分布情况、霜冻线变化规律、河流及山脉走向、地理气候环境分布以及人口分布等，确定负荷敏感气温等温线各个档位分布。
[0138]
根据国家电网公司长时间序列的日最大负荷负荷与最低气温数据统计分析发现，冬季当最低气温0℃(负荷敏感温度)线自北向南移动过程中，会出现日最大负荷陡增跳变的情况。经过数据统计，总结出了0℃线分布的几个固定位置，称为“负荷敏感气温分布档位”。本专利也是根据统计的档位提出的。
[0139]
目前该方法主要针对国家电网公司经营区进行档位划分，档位分为5个，分别是：华北北部、黄河沿线、秦岭-淮河沿线、长江沿线、南岭武夷山沿线。如果推广到其他区域应用，则需要根据实际霜冻线情况进行档位划分。在应用时，使用负荷预测区域的地址可以直接得出该区域的档位。
[0140]
具体的，所述步骤7)包括如下步骤：
[0141]
选取负荷敏感气温的等温线档位代表气象站，分别表征当前等温线位置的情况。当一组站点中游超过一半及以上数量站点的日最低气温在敏感气温附近
±
1℃变化是，即认定负荷敏感气温的等温线档位已达到其所代表的位置。
[0142]
根据上述确定的等温线档位分布位置，选择每个档位的代表气象站组。
[0143]
当某一组气象站组中，有超过半数以上的站点的日最低气温为负荷敏感气温(0℃)，则判定负荷敏感气温位于该档位，最后得出各地的等温线档位。通过查询预测区域的地址，可以得到预测区域的具体档位，即负荷敏感气温分布档位的位置。一组站点并没有确定的站点个数，是根据上述档位，确定档位的代表气象站。(确定方法：按照该档位地理分布，按最近距离原则，搜索周边的国家标准气象站)。
[0144]
具体的，所述步骤8)包括如下步骤：
[0145]
基于历史日最大负荷数据及最低气温的负荷敏感气温等温线分布数据，当负荷敏感气温等温线发生南移时，则计算当日最大负荷较基础负荷的增量，即为取暖负荷；
[0146]
绘制取暖负荷与负荷敏感气温的等温线档位相关性曲线，综合步骤1)整编的日最大风力、日是否降雨等信息，建立取暖负荷与负荷敏感气温等温线档位、风寒(大风致降温)、水寒(降雨致降温)的相关性模型。
[0147]
该模型的建立方法包括：采用大数据分析及机器学习的方法(如arima时序预测方法、svr支持向量回归法等)，建立取暖负荷预测模型。
[0148]
该模型的输入：负荷敏感气温分布档位的位置、档位覆盖站点的降雨量、风速、历史日最大负荷实测值；该模型的输出：日最大负荷预测值。
[0149]
具体的，所述步骤9)包括如下步骤：
[0150]
获取负荷预测区域的预测日的年份日期和主导因素预测值(如gdp、cpi、第二产业增加值等)；主导因素预测值从国家统计局、国际货币基金组织(imf)等公布的对gdp、cpi等的预测及统计数据中获取。
[0151]
获取负荷预测区域的负荷敏感气温分布档位的位置、档位覆盖站点的预测日的降雨量、风速、历史日最大负荷实测值；
[0152]
将主导因素(如gdp、cpi、第二产业增加值等)预测值输入基础负荷年变化趋势模型，得到预测日的基础负荷l
basic
；
[0153]
根据预测日的年份日期确定预测日的节假日类型，将预测日的节假日类型输入法定假日的日最大负荷变化规律模型，获得预测日的法定假日负荷l
holiday
；
[0154]
将负荷预测区域的负荷敏感气温分布档位的位置、档位覆盖站点的预测日的降雨量、风速、历史日最大负荷实测值输入取暖负荷与负荷敏感气温等温线档位、风寒、水寒的相关性模型，得到预测日的冬季取暖负荷l
warm
；
[0155]
根据冬季日最大负荷求解公式，计算出冬季日最大负荷预测值。冬季日最大负荷l的求解公式如下：
[0156]
l＝l
basic
+l
warm
+l
holiday
[0157]
其中，l
basic
为基础负荷，l
warm
为冬季取暖负荷，l
holiday
为法定假日负荷。
[0158]
本发明以负荷预测区域内多年历史负荷数据、气象观测站点基础数据、气象要素多年历史实况观测数据、气象要素未来预报数据为数据基础，针对冬季日最大负荷预测，剔
除假日负荷影响，采用逐年统计的方法，确定法定假日负荷的负增长变化规律；
[0159]
利用观察分析法、变异系数等方式，统计计算日最大负荷的离散程度，确定冬季取暖负荷的分析时段，构建基础负荷趋势变化模型；综合考虑多元因素影响，设定冬季取暖负荷敏感气温等温线分布档位。
[0160]
通过建立负荷敏感气温等温线档位与冬季取暖负荷增量相关性模型，实现日最大负荷预测。该方法可以通过查表方式，简单、快速实现日最大负荷的短期定量预测，同时具有很强的地域扩展性，对于区域性短期冬季取暖负荷预测有一定的指导意义。
[0161]
实施例二：
[0162]
本实施例提供一种基于负荷敏感气温分布情况的冬季日最大负荷预测系统，包括处理器及存储介质；
[0163]
所述存储介质用于存储指令；
[0164]
所述处理器用于根据所述指令进行操作以执行根据实施例一所述方法的步骤。
[0165]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术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，本技术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。
[0166]
本技术是参照根据本技术实施例的方法、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。
[0167]
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。
[0168]
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。
[0169]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。