风电接入下无功电压分区方法及装置与流程

本发明涉及电网分区技术领域，尤其涉及一种风电接入下无功电压分区方法及装置。

背景技术：

随着电网互联规模日益增大、在线自动化水平的提高，电网分层分区的自动电压控制是保证系统运行安全性、经济性和稳定性的重要举措，其中无功电压分区成为avc中二级电压控制的重要课题。

无功电压分区的目的是将大电网在线分解成几个内部耦合性强、相互近似解耦的区域，各区域需保持无功平衡且有足够的无功储备应对负荷扰动，有利于无功的就地平衡和准确控制节点电压，提高在线计算快速性，减小内存占用量。现阶段无功分区的研究思路主要是在系统节点间电气距离的基础上结合分区指标要求采用相应的优化算法进行分区。分区算法主要分为专家算法、现代启发式算法、聚类算法、复杂网络理论算法及混合式算法等。

近年来由于环境问题的日益严重，大规模风电等可再生能源不断并入电网，风电自身的波动性将导致以节点间无功/电压灵敏度为基础的电气距离矩阵频繁变化，进而无法得到稳定的无功分区。已有的无功分区方法对传统电网分区具有较好的效果，但用来解决由风电波动性引起潮流运行状态变化的分区问题有待进一步研究。传统的静态电气距离计算采用节点互阻抗法、短路阻抗法、pq分解法中的矩阵法等，此种方法计算简单快速，得出的分区固定，能较好的适用于运行潮流稳定的传统无功分区，但在风电等新能源接入背景下求解出来的电气距离不准确，无法反映系统潮流状态变化。因此，需要建立一种分区方法能够有效满足风电接入下获得稳定电网分区的要求，保证系统的安全稳定运行。

技术实现要素：

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的风电接入下无功电压分区方法及装置。

根据本发明实施例的第一方面，提供了一种风电接入下无功电压分区方法，包括：

基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵；

基于各潮流状态下风电概率模型和各节点电压值表示的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵；

根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区。

根据本发明实施例的第二方面，提供了一种风电接入下无功电压分区装置，包括：

第一建立模块，用于基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵；

第二建立模块，用于基于各潮流状态下风电概率模型和各节点电压值表示的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵；

分区模块，用于根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区。

根据本发明实施例的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与处理器通信连接的至少一个存储器，其中：

存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的风电接入下无功电压分区方法。

根据本发明的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的风电接入下无功电压分区方法。

本发明实施例提供的风电接入下无功电压分区方法及装置，通过基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵。基于各潮流状态下风电概率模型和各节点电压值表示的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵。根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区。由于充分考虑了风电的波动性对电网无功-电压分区的影响，从而能够有效满足风电接入下获得稳定电网分区的要求，保证系统的安全稳定运行。

应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，并不能限制本发明实施例。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种风电接入下无功电压分区方法的流程示意图；

图2为本发明实施例提供的一种ieee39节点系统模型图；

图3为本发明实施例提供的一种ieee39节点系统聚类图；

图4为本发明实施例提供的一种ieee39节点系统6分区示意图；

图5为本发明实施例提供的一种pca降维后聚类散点图；

图6为本发明实施例提供的一种风电接入下无功电压分区装置的结构示意图；

图7为本发明实施例提供的一种电子设备的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

由于大规模风电等新能源的接入因波动性会导致系统的潮流运行状态动态变化，从而利用传统方法求解出来的电气距离不准确，无法反映系统潮流状态变化。针对相关技术中存在的问题，本发明实施例提供了一种风电接入下无功电压分区方法。参见图1，该方法包括：

101、基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵；

102、基于各潮流状态下风电概率模型和各节点电压值表示的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵；

103、根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区。

本发明实施例提供的方法，通过基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵。基于各潮流状态下风电概率模型和各节点电压值表示的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵。根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区。由于充分考虑了风电的波动性对电网无功-电压分区的影响，从而能够有效满足风电接入下获得稳定电网分区的要求，保证系统的安全稳定运行。

基于上述实施例的内容，作为一种可选实施例，本发明实施例不对基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵的方式作具体限定，包括但不限于：基于雅可比矩阵，获取电网中潮流计算满足的预设方程；根据预设方程，获取系统中pq节点电压幅值变化量对节点无功功率变化量的灵敏度矩阵；基于pq节点对应的灵敏度矩阵，构建包含系统中除平衡节点之外所有节点的全维灵敏度矩阵；基于全维灵敏度矩阵，计算系统中每两个节点之间的电压灵敏度，根据每两个节点之间的电压灵敏度，计算每两个节点之间的电气距离，并根据每两个节点之间的电气距离，建立系统全维空间的电气距离矩阵。

其中，电网中潮流计算可满足如下预设方程：

在上述公式中，δθ和δv为节点电压相角及幅值变化量，δp和δq表示节点注入有功和无功功率变化量；jpθ、jpv、jqθ及jqv分别为雅可比矩阵的4个子矩阵。

在系统重负荷情况下需要考虑电压有功功率间的耦合关系，为准确计及有功对电压的影响，这里不考虑pq完全解耦，令δp＝0，可以得到svq，也即系统中pq节点电压幅值变化量对节点无功功率变化量的灵敏度矩阵。其中，svq可参考如下公式：

在上述公式中，jpθ、jpv、jqθ及jqv可参考上述公式中的参数说明。

由于上述公式中只包含了pq之间的耦合性，没有包括pv节点。而利用逐次递归法构造无功源控制空间，一定程度上需考虑各pv节点的无功变化对各节点电压的影响，以更符合电压控制的准稳态过程。基于该思路，本发明实施例在pq节点间无功电压灵敏度的基础上，构建了一个包含系统中除平衡节点外所有节点的电压/无功的全维灵敏度矩阵。具体地：

假设一个n节点的系统，其中1-m为pq节点、(m+1)-(n-1)为pv节点、n为平衡节点。首先，假设第m+1个节点为pq节点，称为观察电源，其他电源节点保持为pv节点，可得其增广电压/无功灵敏度矩阵s′：

令s′中(s1(m+1),s2(m+1),…,sm(m+1))＝a，(s(m+1)1,s(m+1)2,…,s(m+1)m)＝b，其物理意义分别表示系统其它pq节点对该观察电源节点的电压/无功灵敏度，以及，此观察电源对其它pq节点的电压/无功灵敏度。s(m+1)(m+1)为观察电源节点对自身电压/无功灵敏度，其余为pq节点电压/无功灵敏度的元素。依此类推，利用逐次递归法将各个电源节点逐次列为观察电源，可分别得到对应的a、b向量，构成am×(n-m-1)矩阵、b(n-m-1)×m矩阵，及由s(m+1)(m+1)构成的对角矩阵c(n-m-1)×(n-m-1)。在逐次递归的过程中原来的pq节点间灵敏度矩阵元素变化很小，可将各电源对应的s′矩阵左上角m阶阵固化为svq矩阵。如此，综合上述各矩阵合可并为一个全维的增广灵敏度阵s，也即全维灵敏度矩阵：

需要说明的是，上述构造的全维灵敏度矩阵s包含了负荷节点及电源节点的信息，适当统一标度后可将电源节点直接纳入到系统动态分区的过程。这相比以往分区算法中只对负荷节点分区，而将电源节点加入到地理相近分区中的做法显然更优。

在前面求得全维灵敏度矩阵后，可进一步计算系统中每两个节点之间的电压灵敏度。以节点i和节点j为例，节点i和节点j之间的电压灵敏度αij可参考如下公式：

在上述公式中，表示节点i对节点j的电压/无功灵敏度，表示节点j对自身的电压/无功灵敏度。

为了避免以往计算电气距离时只考虑两个节点间的关系，将系统各节点映射到一个多维空间建立全维空间电气距离矩阵，以反映系统所有节点间的相互影响，本发明实施例用欧式距离来表示节点i和j间的电气距离，具体可参考如下公式：

在上述公式中，由dij可构成(n-1)*(n-1)维的d矩阵，也即系统全维空间的电气距离矩阵。

基于上述实施例的内容，作为一种可选实施例，在基于各潮流状态下风电概率模型和各节点电压值表示的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵之前，还包括：计算各潮流状态下系统中每个节点的电压，并基于各潮流状态下风电概率模型，确定每个潮流状态的统计概率；根据每个潮流状态的统计概率以及各潮流状态下系统中每个节点的电压，计算各潮流状态下各节点电压值的电气距离矩阵修正系数。

具体地，由于节点功率与电气距离之间是非线性关系，从而当线路阻抗参数和网络拓扑结构不变时，雅克比矩阵子矩阵jpθ、jpv、jqθ及jqv中的元素只与电压有关。因此，可先计算出典型潮流断面下系统中每个节点的电压，也即各潮流状态下系统中每个节点的电压，具体参考如下公式：

u^(k)＝[u1,u2,…ui…,un1]^(k)；

在上述公式中，i表示某个潮流状态下系统中的第i个节点，k表示系统第k个潮流状态。假设系统共提取出q个典型潮流状态，p(k)表示第k个潮流状态的统计概率，定义第i个节点在第k个潮流状态下的电气距离矩阵修正系数为：

在得到各潮流状态下各节点电压值的电气距离矩阵修正系数，可建立修正后的各潮流状态下电气距离矩阵d，具体可参考如下公式：

基于上述实施例的内容，作为一种可选实施例，本发明实施例不对根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区的方式作具体限定，包括但不限于：根据修正后的各潮流状态下电气距离矩阵，在不同层次对系统内各节点间的电气距离进行划分，并按照预设规则将全网划分为若干子区域。

其中，在按照预设规则将全网划分为若干子区域后，可形成树形的聚类结构。根据层次分解的不同方向，层次聚类方法可分为自底向上的凝聚方法和自顶向下的分裂方法，由于不需要事先指定簇的数量，从而应用起来简单广泛。为了便于理解，本发明实施例以自底向上的凝聚方法为例进行说明，具体地：可先将系统中每个节点看作不同的簇，按照簇间距离最近的一对簇进行合并，直到最后所有节点都属于一个簇中为止。常用的簇间距离有单链接(singlelinkage)、全链接(completelinkage)、均链接(averagelinkage)、ward链接等。由于采用ward链接时，每次合并的相对距离都小于其他簇间距离，从而可保证准确性最高。因此，在本发明实施例中，可采用ward链接算法进行聚类分析。

需要说明的是，如果在聚类过程中存在比较特殊的某个节点，在运用聚类方法中单独形成一个区域时，如某些远离负荷中心的大发电厂或重要负荷节点，则可以采用电力系统专家知识对这些特殊节点的分区结果进行适当的调整。

基于上述实施例的内容，作为一种可选实施例，在根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区之后，还包括：基于主成分分析法对修正后的各潮流状态下电气距离矩阵进行降维，确定系统分区数，并从区域耦合性和区域无功平衡度的两个指标，对分区质量进行量化评估。

由于在大多数情况下处理数据的维度会超过三维，为了将聚类结果可视化，从而需要降维。具体地，可使用主成分分析法，找到占据方差最大的两个维度的散点，进行绘图，以观察结果。基于上述说明及上述实施例的内容，作为一种可选实施例，本发明实施例不对基于主成分分析法对修正后的各潮流状态下电气距离矩阵进行降维，确定系统分区数的方式作具体限定，包括但不限于：将修正后的各潮流状态下电气距离矩阵中的每列数据减去每列数据的均值，得到特征中心化矩阵；计算特征中心化矩阵的协方差矩阵，并计算协方差矩阵的特征值和特征向量；根据协方差矩阵的特征值和特征向量，确定系统分区数。

具体地，可将原先的n个特征用数目更少的m个特征取代，新特征是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的m个特征互不相关，从旧特征到新特征的映射捕获数据中的固有变异性。其实现过程具体如下：

(1)特征中心化，即对修正后的各潮流状态下电气距离矩阵d的每列数据都减去该列的均值，变换之后的特征中心化矩阵为d′(n-1)×(n-1)，其每列元素的均值为0；

(2)计算d′(n-1)×(n-1)的协方差矩阵c(n-1)×(n-1)；

(3)计算协方差矩阵c(n-1)×(n-1)的特征值和特征向量；

(4)将特征值按由大到小排列，选取其中s(s≤(n1))个较大特征值(可以按照前s个特征值之和刚好超出所有特征值之和的95％，来确定s的取值)，选取其对应的特征向量组成新的数据矩阵m(n-1)×s；

(5)相应地，修正后的各潮流状态下电气距离矩阵d可以降维成s维的数据矩阵m(n-1)×s，特征也由(n-1)变为s个，也即确定分区个数为s个。

需要说明的是，采用主成分分析法确定分区数目简单直观，计算快速，只与原始数据矩阵有关，可与任何分区算法配合使用，适用性强。

为了验证本发明实施例提供方法的实际效果，图2为本发明又一实施例仿真采用的改进ieee39节点电网的结构框图，如图2所示，该系统中：共包含10个无功电源节点、14个变压器节点和34条线路，节点31为平衡节点，在分区时直接将其划入与其直接相连的区域中，风电场作为pv节点接入37节点，系统中发电机的有无功出力上限设置如表1所示，各无功负荷按照标准ieee39节点进行设置。

表1

其中，dfig的相关参数：风机的启动转速0.51p.u.，最大转速1.2p.u.。启动区：5.0m/s-6.2m/s；最大功率跟踪区：6.2m/s-10.5m/s；恒转速区：10.5m/s-11m/s；恒功率区：11m/s-21m/s。

风场风电场数据，也即风电场各场景下有功出力和统计概率可如表2所示：

表2

表3

表3、图3和图4为改进的ieee39节点系统聚类分区结果、ieee39节点系统聚类图和改进的ieee39节点系统6分区示意图。如图4所示，不同灰度值区域代表不同分区，分区中没有出现孤立节点的情况，每个分区中均有无功源和无功负荷，从而证明了采用本发明实施例提供风电接入下电网无功电压分区方法得出的分区结果合理，能够充分考虑了风电的波动性对电网无功-电压分区的影响，有效满足风电接入下获得稳定电网分区的要求，保证系统的安全稳定运行。

图5给出了pca降维后聚类散点图，从图5中可以得出，采用pca可快速有效得出ieee39节点系统的最优分区数，且能够和任意分区方法进行匹配，适用性强。

为了量化分区质量，除了考虑风电的无功分区不仅要满足区域连通性和耦合性等传统分区要求，还要考虑分区后无功源在各区域中的分配是否合理，为此本发明实施例定义了区域耦合度和区域无功平衡度两个指标来量化评价分区质量。

(1)区域耦合度

区域耦合度包括区域内强耦合和区域间弱耦合两个指标，本发明实施例对此的定义如下：

其中，al可参考如下公式：

bl可参考如下公式：

在上述公式中，al代表区域内强耦合性指标，表示的物理意义是分区l内各节点间电气距离的均值，其值越小说明区域内节点间的耦合性越强。n为系统分区数，ml为区域l内节点的个数，dij为区域内节点间的电气距离；bl代表区域间弱耦合性指标，表示的物理意义是区域l与相邻区域相连节点对相连区域内所有节点的电气距离均值，其值越大说明区域间耦合性越弱，li表示与区域l相邻的区域k内节点个数，lj表示区域l内与相邻区域k直接相连节点的个数，m为和区域l直接相连区域的个数。因此，整体ξ指标越小，区域耦合性越好，越符合区域内耦合性强区域间耦合性弱的特点。

(2)区域无功平衡度

依据无功分区平衡的原则，实际运行中每个区域不仅需要至少拥有10％无功储备以保证系统的正常运行，还要保证无功源在各个区域分配平衡，以免无功源分配不合理而造成资源浪费。本发明实施例中的区域无功平衡度指标定义为：

在上述公式中，qgl为区域l内各无功源的最大无功出力之和，qll为区域l内无功负荷总和，τl为区域l的无功储备，η为区域无功不平衡度，该指标的物理意义是检测分区后系统的无功源在各个区域的平衡程度，其值越小，表明无功源的分配越合理，资源利用程度越高。其中，分区质量量化指标评估结果可参考表4：

表4

本发明实施例所得分区的区域内耦合度指标较强，区域间耦合性较弱，总体的区域耦合度较小，表明分区结果的区域耦合性较好。对于区域无功平衡度指标，可以得出分区方法均能够保证每个区域拥有10％的无功储备，本发明实施例采用的分区方法无功平衡度较小，说明此方法能较合理的分配无功源在各区域的数量，利用资源更合理。

基于上述实施例的内容，本发明实施例提供了一种风电接入下无功电压分区装置，该风电接入下无功电压分区装置用于执行上述方法实施例中提供的风电接入下无功电压分区方法。参见图6，该装置包括：

第一建立模块601，用于基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵；

第二建立模块602，用于基于各潮流状态下风电概率模型和各节点电压值的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵；

分区模块603，用于根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区。

作为一种可选实施例，第一建立模块601，用于基于雅可比矩阵，获取电网中潮流计算满足的预设方程；根据预设方程，获取系统中pq节点电压幅值变化量对节点无功功率变化量的灵敏度矩阵；基于pq节点对应的灵敏度矩阵，构建包含系统中除平衡节点之外所有节点的全维灵敏度矩阵；基于全维灵敏度矩阵，计算系统中每两个节点之间的电压灵敏度，根据每两个节点之间的电压灵敏度，计算每两个节点之间的电气距离，并根据每两个节点之间的电气距离，建立系统全维空间的电气距离矩阵。

作为一种可选实施例，该装置还包括：

第一计算模块，用于计算各潮流状态下系统中每个节点的电压；

确定模块，用于基于各潮流状态下风电概率模型，确定每个潮流状态的统计概率；

第二计算模块，用于根据每个潮流状态的统计概率以及各潮流状态下系统中每个节点的电压，计算各潮流状态下各节点电压值的电气距离矩阵修正系数。

作为一种可选实施例，分区模块603，用于根据修正后的各潮流状态下电气距离矩阵，在不同层次对系统内各节点间的电气距离进行划分，并按照预设规则将全网划分为若干子区域。

作为一种可选实施例，该装置还包括：

降维模块，用于基于主成分分析法对修正后的各潮流状态下电气距离矩阵进行降维，确定系统分区数；

评估模块，用于从区域耦合性和区域无功平衡度的两个指标，对分区质量进行量化评估。

作为一种可选实施例，降维模块，用于将修正后的各潮流状态下电气距离矩阵中的每列数据减去每列数据的均值，得到特征中心化矩阵；计算特征中心化矩阵的协方差矩阵，并计算协方差矩阵的特征值和特征向量；根据协方差矩阵的特征值和特征向量，确定系统分区数。

本发明实施例提供的装置，通过基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵。基于各潮流状态下风电概率模型和各节点电压值表示的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵。根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区。由于充分考虑了风电的波动性对电网无功-电压分区的影响，从而能够有效满足风电接入下获得稳定电网分区的要求，保证系统的安全稳定运行。

图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(communicationsinterface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行如下方法：基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵；基于各潮流状态下风电概率模型和各节点电压值表示的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵；根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区。

此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：基于牛拉法中雅可比矩阵，采用逐次递归方法建立系统全维空间的电气距离矩阵；基于各潮流状态下风电概率模型和各节点电压值表示的电气距离矩阵修正系数，建立修正后的各潮流状态下电气距离矩阵；根据修正后的各潮流状态下电气距离矩阵，采用层次聚类方法进行全网分区。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

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，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。