一种能效诊断方法、装置及终端设备

技术领域

本发明属于风力发电的技术领域，尤其涉及一种能效诊断方法、装置及终端设备。

背景技术

风是一种可再生、无污染且储量巨大的能源。在当前全球能源短缺、环境污染形势日趋严峻、对节能减排的要求不断增强的背景下，风能作为可以再生的清洁能源，日益成为人们所重视的研究方向。

风力发电通常基于风力发电机实现，风力发电机结构包括风轮、传动变速系统(主轴、主轴承、齿轮箱和联轴器)、发电机系统、液压系统、偏航系统、控制系统、通讯系统以及塔架。风力发电机用于将风能转换为机械能，机械能转换为电能，进而实现风力发电。其中，由于风力发电机工作环境通常为较偏僻区域，故风力发电机的故障率往往较高，进而导致能效利用率较低。然而传统技术对于能效诊断的诊断精度较低，这是一个亟需解决的技术问题。

发明内容

有鉴于此，本发明实施例提供了一种能效诊断方法、装置、终端设备及计算机可读存储介质，以解决传统技术对于能效诊断的诊断精度较低的技术问题。

本发明实施例的第一方面提供了一种能效诊断方法，所述能效诊断方法包括：

第一获取步骤：获取风能能效利用率、机械能能效利用率和电能能效利用率；

第二获取步骤：获取风能数据，所述风能数据包括瞬时风速、平均风速、风向和功率系数；

第一诊断步骤：将所述风能数据输入诊断模型的第一分支网络，得到由所述第一分支网络输出的第一输出数据，将所述第一输出数据输入所述诊断模型的第一分类器，得到由所述第一分类器输出的概率系数；

第二诊断步骤：将所述风能能效利用率、所述机械能能效利用率和所述电能能效利用率输入诊断模型的第二分支网络，得到由所述第二分支网络输出的第二输出数据，将所述第二输出数据和所述概率系数输入所述诊断模型的第二分类器，得到由所述第二分类器输出的能效诊断结果。

进一步地，在所述第二诊断步骤之后，还包括：

故障定位步骤：获取所述能效诊断结果对应部件的状态数据，根据所述状态数据确定故障部件，并向服务器发送所述故障部件对应的警报信息。

进一步地，所述第一获取步骤包括：

系数计算子步骤：获取桨矩角、风频分布、湍流强度、尖速比、转矩系数、叶轮长度和翼型，并根据所述桨矩角、所述风频分布、所述湍流强度、所述尖速比、所述转矩系数、所述叶轮长度和所述翼型，计算修正系数；

风能计算子步骤：获取风轮轴功率、空气密度、风轮扫掠面积和风速，并根据所述风轮轴功率、所述空气密度、所述风轮扫掠面积、所述风速和所述修正系数，计算所述风能能效利用率；

机械能计算子步骤：获取发电机转子转速、发电机转子转矩、齿轮箱中多个齿轮的齿轮比、所述风能能效利用率和风能，并根据所述发电机转子转速、所述发电机转子转矩、所述齿轮箱中多个齿轮的齿轮比、所述风能和所述风能能效利用率，计算所述机械能能效利用率；

电能计算子步骤：获取发电机输出功率、第一电流和第一电压，根据所述发电机输出功率、所述风能能效利用率、所述机械能能效利用率、所述风能、所述第一电流和所述第一电压，计算所述电能能效利用率。

进一步地，所述系数计算子步骤包括：

第一获取孙步骤：获取所述桨矩角、所述风频分布、所述湍流强度、所述尖速比、所述转矩系数、所述叶轮长度和所述翼型；

第一计算孙步骤：将所述桨矩角、所述风频分布、所述湍流强度、所述尖速比、所述转矩系数、所述叶轮长度和所述翼型代入如下公式一，得到所述修正系数：

公式一：

其中，δ表示所述桨矩角，μ表示所述风频分布，τ表示所述湍流强度，

进一步地，所述风能计算子步骤包括：

第二获取孙步骤：获取所述风轮轴功率、所述空气密度、所述风轮扫掠面积和所述风速；

第二计算孙步骤：将所述风轮轴功率、所述空气密度、所述风轮扫掠面积、所述风速和所述修正系数代入如下公式二，得到所述风能能效利用率；

公式二：

其中，C

进一步地，所述机械能计算子步骤包括：

第三获取孙步骤：获取所述发电机转子转速、所述发电机转子转矩、所述齿轮箱中多个齿轮的齿轮比、所述风能能效利用率和所述风能；

第三计算孙步骤：将所述发电机转子转速、所述发电机转子转矩、所述齿轮箱中多个齿轮的齿轮比、所述风能能效利用率和所述风能代入如下公式三，得到机械能能效利用率；

公式三：

其中，V

进一步地，所述电能计算子步骤包括：

第四获取孙步骤：获取所述发电机输出功率、所述第一电流和所述第一电压；

第四计算孙步骤：将所述发电机输出功率、所述风能能效利用率、所述机械能能效利用率、所述风能、所述第一电流和所述第一电压代入如下公式四，得到所述电能能效利用率；

公式四：

其中，P

本发明实施例的第二方面提供了一种能效诊断装置，包括：

第一获取单元，用于获取风能能效利用率、机械能能效利用率和电能能效利用率；

第二获取单元，用于获取风能数据，所述风能数据包括瞬时风速、平均风速、风向和功率系数；

第一计算单元，用于将所述风能数据输入诊断模型的第一分支网络，得到由所述第一分支网络输出的第一输出数据，将所述第一输出数据输入所述诊断模型的第一分类器，得到由所述第一分类器输出的概率系数；

第二计算单元，用于将所述风能能效利用率、所述机械能能效利用率和所述电能能效利用率输入诊断模型的第二分支网络，得到由所述第二分支网络输出的第二输出数据，将所述第二输出数据和所述概率系数输入所述诊断模型的第二分类器，得到由所述第二分类器输出的能效诊断结果。

本发明实施例的第三方面提供了一种终端设备，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第一方面所述方法的步骤。

本发明实施例的第四方面提供了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第一方面所述方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本发明获取风能能效利用率、机械能能效利用率和电能能效利用率；获取风能数据，所述风能数据包括瞬时风速、平均风速、风向和功率系数；将所述风能数据输入诊断模型的第一分支网络，得到由所述第一分支网络输出的第一输出数据，将所述第一输出数据输入所述诊断模型的第一分类器，得到由所述第一分类器输出的概率系数；将所述风能能效利用率、所述机械能能效利用率和所述电能能效利用率输入诊断模型的第二分支网络，得到由所述第二分支网络输出的第二输出数据，将所述第二输出数据和所述概率系数输入所述诊断模型的第二分类器，得到由所述第二分类器输出的能效诊断结果。上述方案，通过在诊断模型中的第一分支网络处理风能数据，通过第二分支网络处理风能能效利用率、机械能能效利用率和电能能效利用率，得到能效诊断结果，由于输入数据的维度较为丰富，且不同的输入数据通过不同的分支网络进行处理，并基于第一分类器输出的概率系数优化第二分类器输出的能效诊断结果，使其具有较高的计算精度，故提高了能效诊断的诊断精度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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它的附图。

图1示出了本发明提供的一种能效诊断方法的示意性流程图；

图2示出了本发明提供的一种能效诊断方法中第一获取步骤的具体示意性流程图；

图3示出了本发明提供的另一种能效诊断方法的具体示意性流程图；

图4示出了本发明提供的一种能效诊断装置的示意图；

图5是本发明一实施例提供的一种终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

风是一种可再生、无污染且储量巨大的能源。在当前全球能源短缺、环境污染形势日趋严峻、对节能减排的要求不断增强的背景下，风能作为可以再生的清洁能源，日益成为人们所重视的研究方向。

风力发电通常基于风力发电机实现，风力发电机结构包括风轮、传动变速系统(主轴、主轴承、齿轮箱和联轴器)、发电机系统、液压系统、偏航系统、控制系统、通讯系统以及塔架。风力发电机用于将风能转换为机械能，机械能转换为电能，进而实现风力发电。其中，由于风力发电机工作环境通常为较偏僻区域，故风力发电机的故障率往往较高，进而导致能效利用率较低。然而传统技术对于能效诊断的诊断精度较低，这是一个亟需解决的技术问题。

有鉴于此，本发明实施例提供了一种能效诊断方法、装置、终端设备及计算机可读存储介质，以解决传统技术对于能效诊断的诊断精度较低的技术问题。

首先，本发明提供了一种能效诊断方法。请参见图1，图1示出了本发明提供的一种能效诊断方法的示意性流程图。如图1所示，能效诊断方法包括如下步骤：

第一获取步骤：获取风能能效利用率、机械能能效利用率和电能能效利用率。

值得注意的是，对于异常识别而言，若风轮出现异常，则影响风能能效利用率、机械能能效利用率和电能能效利用率。若传动变速系统出现异常，则影响机械能能效利用率和电能能效利用率。若发电机系统出现异常，则影响电能能效利用率。由上述可知，当一个部件发生故障，在多个能效利用率上会呈现规律性或关联性下降，故可利用该自然规律，对异常位置进行定位。故本申请将风能能效利用率、机械能能效利用率和电能能效利用率作为诊断模型的输入数据，以对发电机故障进行诊断。

其中，风能能效利用率主要针对叶轮的监测数据进行计算，机械能能效利用率主要针对主轴和齿轮箱的监测数据进行计算，电能能效利用率主要针对发电机和变流器的监测数据进行计算。

作为本发明的一个可选实施例，在第一获取步骤之前还包括诊断模型训练流程，具体如下：首先，获取样本数据以及样本数据对应的标签，将样本数据分别输入初始模型的第一分支网络和第二分支网络。由第一分支网络输出第一训练数据，由第二分支网络输出第二训练数据。第一训练数据经过第一分类器输出初始系数。将初始系数和第二训练数据输入第二分类器，得到第二分类器输出的训练结果。根据训练结果和样本数据对应的标签，计算损失值。基于损失值更新初始模型的模型参数。基于不同的样本数据以及样本数据对应的标签循环执行上述训练过程，得到诊断模型。

具体地，第一获取步骤具体包括系数计算子步骤、风能计算子步骤、机械能计算子步骤和电能计算子步骤。如图2所示，图2示出了本发明提供的一种能效诊断方法中第一获取步骤的具体示意性流程图。

系数计算子步骤，获取桨矩角、风频分布、湍流强度、尖速比、转矩系数、叶轮长度和翼型，并根据所述桨矩角、所述风频分布、所述湍流强度、所述尖速比、所述转矩系数、所述叶轮长度和所述翼型，计算修正系数。

桨距角是指桨叶距离上的夹角。风频分布表示一段时间内不同风速出现的概率，一般用风速频率来表示，其中，某地一年内发生同一风速的小时数与全年小时数的比称为风速频率。湍流强度表示风速随着时间和空间变化的程度，反映脉动风速的相对强度，是描述大气湍流运动特性的最重要特征量。尖速比是指风轮发电机叶片叶尖速度和风速的比值。转矩系数用来表示风轮转矩的无纲量系数。翼型是指风轮中叶轮的形状，包括但不限于上风向型和下风向型，不同的翼型对应不同的赋值，例如：上风向型赋值为5，下风向型赋值为10。

具体地，系数计算子步骤具体包括如下步骤：

第一获取孙步骤：获取所述桨矩角、所述风频分布、所述湍流强度、所述尖速比、所述转矩系数、所述叶轮长度和所述翼型。

第一计算孙步骤：将所述桨矩角、所述风频分布、所述湍流强度、所述尖速比、所述转矩系数、所述叶轮长度和所述翼型代入如下公式一，得到所述修正系数：

公式一：

其中，δ表示所述桨矩角，μ表示所述风频分布，τ表示所述湍流强度，

在本实施中，由于风能能效与桨矩角、风频分布、湍流强度、尖速比、转矩系数、叶轮长度、翼型息息相关，故本实施例基于上述数据计算修正系数，并通过修正系数修正风能能效利用率，故提高了风能能效利用率的计算精度。

风能计算子步骤：获取风轮轴功率、空气密度、风轮扫掠面积和风速，并根据所述风轮轴功率、所述空气密度、所述风轮扫掠面积、所述风速和所述修正系数，计算所述风能能效利用率。

风轮主要包括叶轮和轮毂，是将风能转化为机械能的核心部件。叶片是风力发电机的关键部件，其外形设计、质量、性能和可靠性是保证风力发电机稳定运行的决定性因素。

其中，风轮轴功率表示风轮的气动功率，风轮扫掠面积表示以风轮的叶片长为半径的圆。

具体地，风能计算子步骤具体包括如下步骤：

第二获取孙步骤：获取所述风轮轴功率、所述空气密度、所述风轮扫掠面积和所述风速；

第二计算孙步骤：将所述风轮轴功率、所述空气密度、所述风轮扫掠面积、所述风速和所述修正系数代入如下公式二，得到所述风能能效利用率；

公式二：

其中，C

在本实施例中，通过风轮轴功率、空气密度、风轮扫掠面积、风速和修正系数，计算风能能效利用率。由于风轮轴功率、空气密度、风轮扫掠面积和风速是影响风能能效利用率的直接因素，故本实施例基于上述数据计算风能能效利用率，且通过修正系数修正风能能效利用率，故提高了风能能效利用率的计算精度。

机械能计算子步骤：获取发电机转子转速、发电机转子转矩、齿轮箱中多个齿轮的齿轮比、所述风能能效利用率和风能，并根据所述发电机转子转速、所述发电机转子转矩、所述齿轮箱中多个齿轮的齿轮比、所述风能和所述风能能效利用率，计算所述机械能能效利用率。

具体地，机械能计算子步骤具体包括如下步骤：

第三获取孙步骤：获取所述发电机转子转速、所述发电机转子转矩、所述齿轮箱中多个齿轮的齿轮比、所述风能能效利用率和所述风能。

第三计算孙步骤：将所述发电机转子转速、所述发电机转子转矩、所述齿轮箱中多个齿轮的齿轮比、所述风能能效利用率和所述风能代入如下公式三，得到机械能能效利用率；

公式三：

/>

其中，V

在本实施例中，通过发电机转子转速、发电机转子转矩、齿轮箱中多个齿轮的齿轮比、风能能效利用率和风能，计算机械能能效利用率。由于发电机转子转速、发电机转子转矩、齿轮箱中多个齿轮的齿轮比、风能能效利用率和风能是影响机械能能效利用率的直接因素，故本实施例基于上述数据计算机械能能效利用率，故提高了机械能能效利用率的计算精度。

电能计算子步骤：获取发电机输出功率、第一电流和第一电压，根据所述发电机输出功率、所述风能能效利用率、所述机械能能效利用率、所述风能、所述第一电流和所述第一电压，计算所述电能能效利用率。

具体地，电能计算子步骤具体包括如下步骤：

第四获取孙步骤：获取所述发电机输出功率、所述第一电流和所述第一电压。

第四计算孙步骤：将所述发电机输出功率、所述风能能效利用率、所述机械能能效利用率、所述风能、所述第一电流和所述第一电压代入如下公式四，得到所述电能能效利用率；

公式四：

其中，P

在本实施例中，通过发电机输出功率、风能能效利用率、机械能能效利用率、风能、第一电流和第一电压，计算电能能效利用率。由于发电机输出功率、风能能效利用率、机械能能效利用率、风能、第一电流和第一电压是影响电能能效利用率的直接因素，故本实施例基于上述数据电能能效利用率，故提高了电能能效利用率的计算精度。

第二获取步骤：获取风能数据，所述风能数据包括瞬时风速、平均风速、风向和功率系数。

风能数据包括但不限于瞬时风速、平均风速、风向和功率系数等一种数据或多种数据之间的组合，在此不做任何限定。其中，功率系数为贝兹极限，即0.593。

第一诊断步骤：将所述风能数据输入诊断模型的第一分支网络，得到由所述第一分支网络输出的第一输出数据，将所述第一输出数据输入所述诊断模型的第一分类器，得到由所述第一分类器输出的概率系数。

第二诊断步骤：将所述风能能效利用率、所述机械能能效利用率和所述电能能效利用率输入诊断模型的第二分支网络，得到由所述第二分支网络输出的第二输出数据，将所述第二输出数据和所述概率系数输入所述诊断模型的第二分类器，得到由所述第二分类器输出的能效诊断结果。

由于风力发电机的电力直接来源为风能。故为了更好地诊断异常，本申请将风能数据作为补充数据，用于修正诊断结果，使得诊断结果可充分结合当前的风能环境，以提高诊断精度。其中，诊断模型采用两个分支网络，包括第一分支网络和第二分支网络，诊断模型为预先训练的神经网络模型。第一分支网络用于处理风能数据，并输出第一输出数据，并将第一输出数据输入诊断模型的第一分类器，得到由所述第一分类器输出的概率系数。第二分支网络用于处理风能能效利用率、机械能能效利用率和电能能效利用率，并输出第二输出数据，并将第二输出数据和概率系数输入诊断模型的第二分类器，得到由所述第二分类器输出的能效诊断结果。

具体地，第二分类器对于第二输出数据和概率系数的处理包括三种方式：①将第二输出数据和概率系数作为输入数据输入第二分类器，得到第二分类器输出的能效诊断结果。②第二分类器处理第二输出数据得到第一数值，将第一数值和概率系数的均值作为最终数值，并根据最终数值所处的数值区间，匹配该数值区间对应的能效诊断结果。③第二分类器处理第二输出数据得到第一数值，将第一数值和概率系数的乘积作为最终数值，并根据最终数值所处的数值区间，匹配该数值区间对应的能效诊断结果。能效诊断结果包括但不限于风轮故障、传动变速系统故障和发电机故障。例如：最终数值为0至0.3对应风轮故障，最终数值为0.31至0.66对应传动变速系统故障，最终数值为0.67至1对应发电机故障。

可选地，在第二诊断步骤：之后还包括故障定位步骤。如图3所示，图3示出了本发明提供的另一种能效诊断方法的具体示意性流程图。

故障定位步骤：获取所述能效诊断结果对应部件的状态数据，根据所述状态数据确定故障部件，并向服务器发送所述故障部件对应的警报信息。

获取能效诊断结果对应部件的状态数据，例如：获取发电机对应部件的状态数据。状态数据包括但不限于扭矩、第二电流、第二电压和转速等一种数据或多种数据之间的组合。发电机的部件包括但不限于定子、转子、端盖及轴承等部件构成。可根据不同部件对应的状态数据，判断不同部件是否发生故障，以实现对具体故障部件进行定位，并将故障部件对应的警报信息发送至服务器，以通过服务器向用户提示故障检修信息。

在本实施中，获取风能能效利用率、机械能能效利用率和电能能效利用率；获取风能数据，所述风能数据包括瞬时风速、平均风速、风向和功率系数；将所述风能数据输入诊断模型的第一分支网络，得到由所述第一分支网络输出的第一输出数据，将所述第一输出数据输入所述诊断模型的第一分类器，得到由所述第一分类器输出的概率系数；将所述风能能效利用率、所述机械能能效利用率和所述电能能效利用率输入诊断模型的第二分支网络，得到由所述第二分支网络输出的第二输出数据，将所述第二输出数据和所述概率系数输入所述诊断模型的第二分类器，得到由所述第二分类器输出的能效诊断结果。上述方案，通过在诊断模型中的第一分支网络处理风能能效利用率、机械能能效利用率和电能能效利用率，通过第二分支网络处理风能数据，得到能效诊断结果，由于输入数据的维度较为丰富，且不同的输入数据通过不同的分支网络进行处理，并基于第一分类器输出的概率系数优化第二分类器输出的能效诊断结果，使其具有较高的计算精度，故提高了能效诊断的诊断精度。

如图4本发明提供了一种能效诊断装置4，请参见图4，图4示出了本发明提供的一种能效诊断装置的示意图，如图4所示一种能效诊断装置包括：

第一获取单元41，用于获取风能能效利用率、机械能能效利用率和电能能效利用率；

第二获取单元42，用于获取风能数据，所述风能数据包括瞬时风速、平均风速、风向和功率系数；

第一计算单元43，用于将所述风能数据输入诊断模型的第一分支网络，得到由所述第一分支网络输出的第一输出数据，将所述第一输出数据输入所述诊断模型的第一分类器，得到由所述第一分类器输出的概率系数；

第二计算单元44，用于将所述风能能效利用率、所述机械能能效利用率和所述电能能效利用率输入诊断模型的第二分支网络，得到由所述第二分支网络输出的第二输出数据，将所述第二输出数据和所述概率系数输入所述诊断模型的第二分类器，得到由所述第二分类器输出的能效诊断结果。

本发明提供的一种能效诊断装置，获取风能能效利用率、机械能能效利用率和电能能效利用率；获取风能数据，所述风能数据包括瞬时风速、平均风速、风向和功率系数；将所述风能数据输入诊断模型的第一分支网络，得到由所述第一分支网络输出的第一输出数据，将所述第一输出数据输入所述诊断模型的第一分类器，得到由所述第一分类器输出的概率系数；将所述风能能效利用率、所述机械能能效利用率和所述电能能效利用率输入诊断模型的第二分支网络，得到由所述第二分支网络输出的第二输出数据，将所述第二输出数据和所述概率系数输入所述诊断模型的第二分类器，得到由所述第二分类器输出的能效诊断结果。上述方案，通过在诊断模型中的第一分支网络处理风能能效利用率、机械能能效利用率和电能能效利用率，通过第二分支网络处理风能数据，得到能效诊断结果，由于输入数据的维度较为丰富，且不同的输入数据通过不同的分支网络进行处理，并基于第一分类器输出的概率系数优化第二分类器输出的能效诊断结果，使其具有较高的计算精度，故提高了能效诊断的诊断精度。

图5是本发明一实施例提供的一种终端设备的示意图。如图5所示，该实施例的一种终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如一种能效诊断方法程序。所述处理器50执行所述计算机程序52时实现上述各个一种能效诊断方法实施例中的步骤，例如图1所示的步骤101至步骤104。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各单元的功能，例如图4所示单元41至44的功能。

示例性的，所述计算机程序52可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述一种终端设备5中的执行过程。例如，所述计算机程序52可以被分割成各单元的具体功能如下：

第一获取单元，用于获取风能能效利用率、机械能能效利用率和电能能效利用率；

第二获取单元，用于获取风能数据，所述风能数据包括瞬时风速、平均风速、风向和功率系数；

第一计算单元，用于将所述风能数据输入诊断模型的第一分支网络，得到由所述第一分支网络输出的第一输出数据，将所述第一输出数据输入所述诊断模型的第一分类器，得到由所述第一分类器输出的概率系数；

第二计算单元，用于将所述风能能效利用率、所述机械能能效利用率和所述电能能效利用率输入诊断模型的第二分支网络，得到由所述第二分支网络输出的第二输出数据，将所述第二输出数据和所述概率系数输入所述诊断模型的第二分类器，得到由所述第二分类器输出的能效诊断结果。

所述终端设备中包括但不限于处理器50和存储器51。本领域技术人员可以理解，图5仅仅是一种终端设备5的示例，并不构成对一种终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种终端设备还可以包括输入输出设备、网络接入设备、总线等。

所述处理器50可以是中央处理单元(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 Gate Array，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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述一种终端设备5的内部存储单元，例如一种终端设备5的硬盘或内存。所述存储器51也可以是所述一种终端设备5的外部存储设备，例如所述一种终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述一种终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述一种漫游控制设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，既将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明实施例还提供了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可实现上述各个方法实施例中的步骤。

本发明实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

所述集成的单元如果以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，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述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，既可以位于一个地方，或者也可以分布到多个网络单元上。

应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于监测到”。类似地，短语“如果确定”或“如果监测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦监测到[所描述条件或事件]”或“响应于监测到[所描述条件或事件]”。

另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

以上所述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，均应包含在本发明的保护范围之内。