储能电池调度计划优化方法、系统、计算机设备及介质与流程

1.本发明属于电力自动化领域，涉及一种储能电池调度计划优化方法、系统、计算机设备及介质。


背景技术：

2.随着新能源产业的发展，新能源机组装机容量比例也日益提升。然而，新能源出力具有随机性、波动性和反调峰特性，为电力系统的调度工作带来了很大困难，拉大了常规机组所需承担负荷的峰谷差。由于储能电池具有充电和放电的双重特性，能够对电网负荷的波峰波谷进行调节，从而起到削峰填谷的作用，成为解决新能源接入问题的有效途径之一，而其关键就在于储能电池调度计划的制定。
3.储能电池的日前计划调度曲线一般通过求解带约束的优化问题获得，储能电池需要满足的约束包括充放电功率约束、荷电量约束和充放电空间约束，若直接采用智能优化算法求解储能电池在约束条件下的最优计划调度曲线，由于待优化量之间存在耦合关系，前面待优化量的选取将会影响后面待优化量的取值范围，因此只能从前向后生成调度曲线，这将限制智能优化算法的性能，导致求解效率较低，进而使得储能电池调度计划难以快速有效的制定。


技术实现要素：

4.本发明的目的在于克服上述现有技术的缺点，提供一种储能电池调度计划优化方法、系统、计算机设备及介质。
5.为达到上述目的，本发明采用以下技术方案予以实现：
6.本发明第一方面，一种储能电池调度计划优化方法，包括：
7.获取储能电池理想状态下的最优充放电功率参考值；
8.根据所述最优充放电功率参考值和预设的功率削减函数，得到储能电池的初始调度计划；
9.将所述初始调度计划进行soc校验；
10.当soc校验通过时，以当前初始调度计划为迭代起点，调用预设优化算法进行迭代优化，得到储能电池的调度计划；
11.当soc校验未通过时，采用当前初始调度计划更新最优充放电功率参考值，并重复上述步骤。
12.可选的，所述获取储能电池理想状态下的最优充放电功率参考值包括：
13.通过下式得到电力系统的初始净负荷平均值：
[0014][0015]
其中，p
net_avg
为电力系统的初始净负荷平均值，p
load,t
为第t时刻电力系统的等效负荷的预测数值，p
new,t
为第t时刻电力系统内新能源发电的预测数值之和，p
the,t
为第t时刻
电力系统内火电机组的计划放电功率，t为调度总时刻数；
[0016]
通过下式得到储能电池理想状态下的最优充放电功率参考值：
[0017]
p
bat_ref,t
＝p
load,t-p
new,t-p
the,t-p
net_avg
[0018]
其中，p
bat_ref,t
为储能电池理想状态下第t时刻的最优充放电功率参考值。
[0019]
可选的，所述根据所述最优充放电功率参考值和预设的功率削减函数，得到储能电池的初始调度计划包括：
[0020]
通过下式得到储能电池的初始调度计划p＝{p
bat,t
}：
[0021][0022]
其中，p
bat,t
为储能电池第t时刻的充放电功率，p
bat_max
为储能电池的最大放电功率，﹣p
bat_max
为储能电池的最大充电功率，soc
t
为储能电池第t时刻的荷电量，f1(soc
t
)为放电功率削减函数，f2(soc
t
)为充电功率削减函数；
[0023][0024][0025]
其中，soc
mid
＝(soc
min
+soc
max
)/2，a＝2/(soc
max
－soc
min
)，soc
max
为储能电池的最大荷电量，soc
min
为储能电池的最小荷电量。
[0026]
可选的，所述将所述初始调度计划进行soc校验包括：
[0027]
根据初始调度计划，获取储能电池在整个调度周期中各时刻的soc值，当储能电池在整个调度周期中各时刻的soc值均满足储能电池的充放电功率约束、荷电量约束及充放电空间约束时，soc检验通过；否则，soc检验未通过。
[0028]
可选的，所述将所述初始调度计划进行soc校验前，还包括：
[0029]
将所述初始调度计划p＝{p
bat,t
}通过下式进行迭代计算：
[0030][0031]
其中，p
bat,t
为储能电池第t时刻的充放电功率，p
bat,i
为储能电池第i时刻的充放电功率，k为迭代次数，t为调度总时刻数；η(
·
)为储能电池的充放电效率函数：
[0032][0033]
其中，符号
·
表示充放电效率函数的自变量，为或ηc为储能电池的充电效率，ηd为储能电池的放电效率；
[0034]
至储能电池的充放电均值满足设定的误差ε：
[0035]
[0036]
其中，为储能电池的充放电均值。
[0037]
本发明第二方面，一种储能电池调度计划优化系统，包括：
[0038]
数据获取模块，用于获取储能电池理想状态下的最优充放电功率参考值；
[0039]
初始优化模块，用于根据所述最优充放电功率参考值和预设的功率削减函数，得到储能电池的初始调度计划；
[0040]
迭代优化模块，用于将所述初始调度计划进行soc校验；
[0041]
当soc校验通过时，以当前初始调度计划为迭代起点，调用预设优化算法进行迭代优化，得到储能电池的调度计划；
[0042]
当soc校验未通过时，采用当前初始调度计划更新最优充放电功率参考值，并依次触发初始优化模块和迭代优化模块。
[0043]
可选的，所述数据获取模块具体用于：
[0044]
通过下式得到电力系统的初始净负荷平均值：
[0045][0046]
其中，p
net_avg
为电力系统的初始净负荷平均值，p
load,t
为第t时刻电力系统的等效负荷的预测数值，p
new,t
为第t时刻电力系统内新能源发电的预测数值之和，p
the,t
为第t时刻电力系统内火电机组的计划放电功率，t为调度总时刻数；
[0047]
通过下式得到储能电池理想状态下的最优充放电功率参考值：
[0048]
p
bat_ref,t
＝p
load,t-p
new,t-p
the,t-p
net_avg
[0049]
其中，p
bat_ref,t
为储能电池理想状态下第t时刻的最优充放电功率参考值。
[0050]
可选的，所述初始优化模块具体用于：
[0051]
通过下式得到储能电池的初始调度计划p＝{p
bat,t
}：
[0052][0053]
其中，p
bat,t
为储能电池第t时刻的充放电功率，p
bat_max
为储能电池的最大放电功率，﹣p
bat_max
为储能电池的最大充电功率，soc
t
为储能电池第t时刻的荷电量，f1(soc
t
)为放电功率削减函数，f2(soc
t
)为充电功率削减函数；
[0054][0055][0056]
其中，soc
mid
＝(soc
min
+soc
max
)/2，a＝2/(soc
max
－soc
min
)，soc
max
为储能电池的最大荷电量，soc
min
为储能电池的最小荷电量。
[0057]
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储能电池调度计划优化方法的步骤。
[0058]
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储能电池调度计划优化方法的步骤。
[0059]
与现有技术相比，本发明具有以下有益效果：
[0060]
本发明储能电池调度计划优化方法，以储能电池理想状态下的最优充放电功率参考值作为基础，通过功率削减函数对其进行削减得到初始调度计划，然后通过soc校验保证初始调度计划，从而有效避免储能电池出现过放和过充情况，最终以通过soc校验的初始调度计划为迭代起点，调用预设优化算法进行迭代优化，得到储能电池的调度计划。该方法为预设优化算法提供了一个优选的迭代起点，可以避免优化算法在优化储能电池调度计划的过程中陷入局部最优解的困境，并提升其迭代优化的效率，从而达到又快又好地实现储能电池调度计划优化。
附图说明
[0061]
图1为本发明实施例的储能电池调度计划优化方法流程图；
[0062]
图2为本发明实施例的功率削减函数曲线图；
[0063]
图3为本发明实施例的电力系统的结构示意图；
[0064]
图4为本发明实施例的电力系统的用户负荷预测曲线图；
[0065]
图5为本发明实施例的电力系统的光伏发电出力预测曲线图；
[0066]
图6为本发明实施例的电力系统的不计及储能电池的净负荷预测曲线图；
[0067]
图7为本发明实施例的电力系统的目标函数随迭代次数下降曲线图；
[0068]
图8为本发明实施例的电力系统采用本发明方法优化得到的能量型储能充放电曲线图；
[0069]
图9为本发明实施例的电力系统采用本发明方法优化得到的净负荷曲线图；
[0070]
图10为本发明实施例的电力系统采用本发明方法优化得到的储能电池soc曲线图；
[0071]
图11为本发明实施例的电力系统采用现有方法优化得到的能量型储能充放电曲线图；
[0072]
图12为本发明实施例的电力系统采用现有方法优化得到的净负荷曲线图；
[0073]
图13为本发明实施例的电力系统采用现有方法优化得到的储能电池soc曲线图；
[0074]
图14为本发明实施例的储能电池调度计划优化系统结构框图。
具体实施方式
[0075]
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。
[0076]
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。
[0077]
如背景技术中所介绍的，在面对储能电池的调度计划优化问题，若直接采用智能优化算法求解储能电池在约束条件下的最优计划调度曲线，由于待优化量之间存在耦合关系，前面待优化量的选取将会影响后面待优化量的取值范围，因此只能从前向后生成调度曲线，这将限制智能优化算法的性能，导致求解效率较低，进而使得储能电池调度计划难以快速有效的制定。
[0078]
为了改善上述问题，本发明实施例提供了一种储能电池调度计划优化方法，通过获取储能电池理想状态下的最优充放电功率参考值；根据所述最优充放电功率参考值和预设的功率削减函数，得到储能电池的初始调度计划；将所述初始调度计划进行soc校验；当soc校验通过时，以当前初始调度计划为迭代起点，调用预设优化算法进行迭代优化，得到储能电池的调度计划；当soc校验未通过时，采用当前初始调度计划更新最优充放电功率参考值，并重复上述步骤。为预设优化算法提供了一个优选的迭代起点，避免优化算法在优化储能电池调度计划的过程中陷入局部最优解的困境，提升其迭代优化的效率，从而达到又快又好地实现储能电池调度计划优化。下面结合附图对本发明做进一步详细描述：
[0079]
参见图1，本发明一实施例中，提供一种储能电池调度计划优化方法，通过为优化算法提供一个较好的迭代起点，从而提升优化算法的优化效率和优化效果，实现高效、准确的储能电池调度计划优化。
[0080]
具体的，该储能电池调度计划优化方法包括以下步骤：
[0081]
s1：获取储能电池理想状态下的最优充放电功率参考值。
[0082]
s2：根据所述最优充放电功率参考值和预设的功率削减函数，得到储能电池的初始调度计划；
[0083]
s3：将所述初始调度计划进行soc校验；当soc校验通过时，以当前初始调度计划为迭代起点，调用预设优化算法进行迭代优化，得到储能电池的调度计划；当soc校验未通过时，采用当前初始调度计划更新最优充放电功率参考值，并重复上述步骤。
[0084]
本发明储能电池调度计划优化方法，以储能电池理想状态下的最优充放电功率参考值作为基础，通过功率削减函数对其进行削减得到初始调度计划，然后通过soc校验保证初始调度计划，从而有效避免储能电池出现过放和过充情况，最终以通过soc校验的初始调度计划为迭代起点，调用预设优化算法进行迭代优化，得到储能电池的调度计划。该方法为预设优化算法提供了一个优选的迭代起点，可以避免优化算法在优化储能电池调度计划的过程中陷入局部最优解的困境，并提升其迭代优化的效率，从而达到又快又好地实现储能电池调度计划优化。
[0085]
在一种可能的实施方式中，所述获取储能电池理想状态下的最优充放电功率参考值包括：通过下式得到电力系统的初始净负荷平均值：
[0086][0087]
其中，p
net_avg
为电力系统的初始净负荷平均值，p
load,t
为第t时刻电力系统的等效
(soc
t
)均为预设的以soc
t
为自变量的功率削减函数，f1(soc
t
)为放电功率削减函数，f2(soc
t
)为充电功率削减函数。
[0107]
其中，soc
t
在制定日前调度计划时则一般通过下式迭代计算得到：
[0108][0109]
其中，δt为基本调度周期，s
bat
为储能电池的额定最大容量，η(
·
)为储能电池的充放电效率函数，符号
·
表示充放电效率函数的自变量，此处为p
bat,t
：
[0110][0111]
其中，ηc为储能电池的充电效率，ηd为储能电池的放电效率。
[0112]
参见图2，f1(soc
t
)和f2(soc
t
)的一种可能的形式如下所示：
[0113][0114][0115]
其中，soc
mid
＝(soc
min
+soc
max
)/2，a＝2/(soc
max
－soc
min
)，soc
max
为储能电池的最大荷电量，soc
min
为储能电池的最小荷电量。
[0116]
具体的，f1(soc
t
)能够使得储能电池的放电功率在其soc值小于soc
mid
时发生削减，并且越接近soc
min
时削减的程度越高，从而有效避免过放；而f2(soc
t
)能够使得储能电池的充电功率在其soc值大于soc
mid
时发生削减，并且越接近soc
max
时削减的程度越高，从而有效避免过充，计算得到的储能电池的初始调度计划p
bat,t
可以保证满足储能电池的充放电功率约束和荷电量约束。
[0117]
但是，在经过功率削减函数对最优充放电功率参考值进行削减后，考虑到在经过功率削减函数的调整之后的初始调度计划，可能不再满足储能电池的充放电空间约束，因此，通过对初始调度计划进行充放电均值归零化处理，使得储能电池的荷电量在经过日调度周期后不变。具体的，在一种可能的实施方式中，所述将所述初始调度计划进行soc校验前，还包括：
[0118]
将所述初始调度计划p＝{p
bat,t
}通过下式进行迭代计算进行充放电均值归零化：
[0119][0120]
其中，k为迭代次数，当k＝0时，即为p
bat,t
，p
bat,i
为储能电池第i时刻的充放电功率，η(
·
)为储能电池的充放电效率函数，符号
·
表示充放电效率函数的自变量，为或
[0121]
若储能充放电效率均为100％，则仅进行一次迭代计算即可；否则，在一次迭代计算之后会导致储能电池部分时刻的充放电功率的正负性发生变化，使其对应的充放电效率函数也发生变化，更新后的充放电均值将不为0，因此，需要进行多次迭代计算，迭代计算的停止条件为充放电均值满足设定的误差ε：
[0122][0123]
其中，为储能电池的充放电均值。迭代计算停止后，选取最后一次迭代计算得到的初始调度计划进行后续处理。
[0124]
在一种可能的实施方式中，所述将所述初始调度计划进行soc校验包括：
[0125]
根据初始调度计划，获取储能电池在整个调度周期中各时刻的soc值，当储能电池在整个调度周期中各时刻的soc值均满足储能电池的充放电功率约束、荷电量约束及充放电空间约束时，soc检验通过；否则，soc检验未通过。
[0126]
具体的，在初始调度计划经过均值归零化后，为了保证储能电池能够在该初始调度计划下稳定运行，需要通过soc检验来检验初始调度计划是否满足需求，从而保证在按照该初始调度计划运行时，储能电池不会出现过充和过放。当soc校验通过时，以当前初始调度计划为迭代起点，调用预设优化算法进行迭代优化，继续迭代求解储能削峰填谷调度问题，得到储能电池的调度计划。当soc校验未通过时，采用当前初始调度计划更新最优充放电功率参考值，并返回初始调度计划的确定过程，重新确定初始调度计划。
[0127]
其中，预设优化算法可以采用目前通用的，用来求解储能削峰填谷调度问题的智能优化算法，比如变惯性权重粒子群算法等。
[0128]
在一种可能的实施方式中，以一仿真例说明本发明储能电池调度计划优化方法。具体的，参见图3，以某含光伏发电的电力系统为例，电力系统中包含光伏电站、常规火电机组、用户负荷和混合储能系统(即储能电池)，各部分通过交流母线相联并连接至电网。
[0129]
设定该电力系统的基本调度周期δt＝15min，参见图4，示出了用户负荷预测曲线，参见图5，示出了光伏发电出力预测曲线，设定常规机组出力恒为20mw，参见图6，示出了不计及储能电池的净负荷预测曲线。设置迭代优化的目标函数为电力系统净负荷曲线方差，则在不计及储能电池时的目标函数值为28.1475。
[0130]
在仿真测试中，设储能电池的容量为40kmva，充放电功率上限为10mw，soc
max
＝1，soc
min
＝0.4，soc0＝0.7，ηc＝ηd＝0.95，分别采用本发明储能电池调度计划优化方法得到的迭代起点和随机生成的迭代起点，通过变惯性权重粒子群算法进行迭代优化，设变惯性权重粒子群算法的种群数为10000，迭代次数上限为150，学习因子c1＝c2＝1，变惯性权重随迭代次数从0.9递减至0.4。参见图7，示出了优化完成后得到目标函数随迭代次数下降曲线。参见图8至10，示出了本发明储能电池调度计划优化方法得到的优化结果。参见图11至13，示出了采用随机生成的迭代起点进行迭代优化得到的优化结果。
[0131]
观察图5可发现，采用本发明储能电池调度计划优化方法得到的迭代起点已经较为接近最终的优化结果，目标函数值从最初的28.1475骤降至5.3000，在经历智能优化算法的迭代后最终降至了1.1168。而在经过了相同次数的迭代之后，采用随机生成优化起点的一组的目标函数仅下降至1.2768。对比图6至8以及图9至11可发现，在采用随机生成的优化起点进行迭代优化的优化结果中，电力系统的净负荷曲线一直存在上下波动，而采用本发明储能电池调度计划优化方法得到的优化起点进行迭代优化的优化结果中，在经过迭代优化后，能够使得净电力系统的净负荷曲线尽可能保持为一条直线。
[0132]
对比图5的两条曲线可以发现，采用本发明储能电池调度计划优化方法得到的优
化起点，在性能上完全优于采用随机生成的优化起点，极大地提升了优化效率，此外采用随机生成的优化起点还有可能陷入局部最优解，导致无法使目标函数值下降到全局最小值。
[0133]
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。
[0134]
参见图12，本发明再一实施例中，提供一种储能电池调度计划优化系统，能够用于实现上述的储能电池调度计划优化方法，具体的，该储能电池调度计划优化系统包括数据获取模块、初始优化模块以及迭代优化模块。
[0135]
其中，数据获取模块用于获取储能电池理想状态下的最优充放电功率参考值；初始优化模块，用于根据所述最优充放电功率参考值和预设的功率削减函数，得到储能电池的初始调度计划；迭代优化模块，用于将所述初始调度计划进行soc校验；当soc校验通过时，以当前初始调度计划为迭代起点，调用预设优化算法进行迭代优化，得到储能电池的调度计划；当soc校验未通过时，采用当前初始调度计划更新最优充放电功率参考值，并依次触发初始优化模块和迭代优化模块。
[0136]
在一种可能的实施方式中，所述数据获取模块具体用于：
[0137]
通过下式得到电力系统的初始净负荷平均值：
[0138][0139]
其中，p
net_avg
为电力系统的初始净负荷平均值，p
load,t
为第t时刻电力系统的等效负荷的预测数值，p
new,t
为第t时刻电力系统内新能源发电的预测数值之和，p
the,t
为第t时刻电力系统内火电机组的计划放电功率，t为调度总时刻数。
[0140]
通过下式得到储能电池理想状态下的最优充放电功率参考值：
[0141]
p
bat_ref,t
＝p
load,t-p
new,t-p
the,t-p
net_avg
[0142]
其中，p
bat_ref,t
为储能电池理想状态下第t时刻的最优充放电功率参考值。
[0143]
在一种可能的实施方式中，所述初始优化模块具体用于：
[0144]
通过下式得到储能电池的初始调度计划p＝{p
bat,t
}：
[0145][0146]
其中，p
bat,t
为储能电池第t时刻的充放电功率，p
bat_max
为储能电池的最大放电功率，﹣p
bat_max
为储能电池的最大充电功率，soc
t
为储能电池第t时刻的荷电量，f1(soc
t
)为放电功率削减函数，f2(soc
t
)为充电功率削减函数；
[0147][0148][0149]
其中，soc
mid
＝(soc
min
+soc
max
)/2，a＝2/(soc
max
－soc
min
)，soc
max
为储能电池的最大荷电量，soc
min
为储能电池的最小荷电量。
[0150]
在一种可能的实施方式中，所述将所述初始调度计划进行soc校验包括：
[0151]
根据初始调度计划，获取储能电池在整个调度周期中各时刻的soc值，当储能电池在整个调度周期中各时刻的soc值均满足储能电池的充放电功率约束、荷电量约束及充放电空间约束时，soc检验通过；否则，soc检验未通过。
[0152]
在一种可能的实施方式中，所述将所述初始调度计划进行soc校验前，还包括：将所述初始调度计划p＝{p
bat,t
}通过下式进行迭代计算：
[0153][0154]
其中，p
bat,t
为储能电池第t时刻的充放电功率，p
bat,i
为储能电池第i时刻的充放电功率，k为迭代次数，t为调度总时刻数；η(
·
)为储能电池的充放电效率函数：
[0155][0156]
其中，ηc为储能电池的充电效率，ηd为储能电池的放电效率。
[0157]
至储能电池的充放电均值满足设定的误差ε：
[0158][0159]
其中，为储能电池的充放电均值。
[0160]
前述的储能电池调度计划优化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储能电池调度计划优化系统所对应的功能模块的功能描述，在此不再赘述。
[0161]
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。
[0162]
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储能电池调度计划优化方法的操作。
[0163]
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储能电池调度计划优化方法的相应步骤。
[0164]
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。
[0165]
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。
[0166]
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。
[0167]
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。
[0168]
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。