一种风电场灾害预警方法、装置、计算机设备及存储介质

技术领域

本发明涉及风电场灾害预测技术领域，特别涉及一种风电场灾害预警方法、装置、计算机设备及存储介质。

背景技术

风力发电凭借其污染小、安全性高等优点，逐渐成为了新能源技术的一种重要形式，并得到了越来越广泛地发展。风力发电依靠于风电场进行，部分风电场建设在海拔高、人口稀疏的边远地区，在这些地区中，容易因灾害性天气而对风电场的风力发电设备造成损坏，从而造成重大事故和经济损失。因此，需要对风电场可能发生的气象灾害进行预警，从而及时将风电机组停机或调整风电机组运行方式，加固及防护风电场内的各类设备和设施，以确保整个风电场的运行安全。

目前现有的风电场气象灾害预警方法主要包括两种，第一种预警方法是通过与气象部门合作，利用气象卫星图像及当地的地面气象站等设备进行对风电场的环境监测，以预测气象灾害的发生；第二种预警方法是通过在风电场辖区内的地面上或高塔架上设气象仪器采集实时的气象数据，并利用现代气象学对实时的气象数据进行深入分析，再由分析系统根据实时的气象数据的变化做出预警决策。但现有的这两种预警方法普遍存在一些缺陷，例如，第一种预警方法的缺陷是有效预警时间太短，不利于布置风电场的防灾工作，并且在人口稀疏地区，地面气象站的数量较少，当天气系统的来向与地面气象站的位置、风电场的位置不一致时，容易发生应当预警而未预警的事故；第二种预警方法的缺陷是需要组建额外的专业气象团队来保证数据的可靠性和设备正常工作，需要增加高昂的额外成本(设备构建、人工、运行耗电等)，同时，从现代气象学方法讲，在风电场内架设的气象仪器的空间代表性较差，仅仅能做出一定程度的短时预警，但面对发展速度较快的雷暴、冰雹等天气灾害时，预警效率较低，并且不具备对较大尺度天气系统引起的寒潮、霜、雾、强风等天气灾害的预警能力。

发明内容

本发明实施例提供了一种风电场灾害预警方法、装置、计算机设备及存储介质，旨在降低灾害预测结果受环境因素的影响，提高灾害预测结果的预警有效时间和准确性，降低风电场灾害的预警成本。

第一方面，本发明实施例提供了一种风电场灾害预警方法，包括：

获取气象要素数据、天气预报数据、网格预报数据和地形拓扑数据；

将所述气象要素数据融合至所述地形拓扑数据中，并将融合后的所述地形拓扑数据插值到所述网格预报数据中，得到网格要素数据集；

对所述天气预报数据进行事件提取得到事件变量，对所述网格要素数据集进行统计得到诊断信息，并将所述事件变量和诊断信息进行匹配，生成灾害预测结果并进行预警。

第二方面，本发明实施例提供了一种风电场灾害预警装置，包括：

数据获取单元，用于获取气象要素数据、天气预报数据、网格预报数据和地形拓扑数据；

数据集成单元，用于将所述气象要素数据融合至所述地形拓扑数据中，并将融合后的所述地形拓扑数据插值到所述网格预报数据中，得到网格要素数据集；

灾害预测单元，用于对所述天气预报数据进行事件提取得到事件变量，对所述网格要素数据集进行统计得到诊断信息，并将所述事件变量和诊断信息进行匹配，生成灾害预测结果并进行预警。

第三方面，本发明实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上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如第一方面所述的风电场灾害预警方法。

第四方面，本发明实施例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上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的风电场灾害预警方法。

本发明实施例公开了一种风电场灾害预警方法、装置、计算机设备及存储介质，该方法包括：获取气象要素数据、天气预报数据、网格预报数据和地形拓扑数据；将所述气象要素数据融合至所述地形拓扑数据中，并将融合后的所述地形拓扑数据插值到所述网格预报数据中，得到网格要素数据集；对所述天气预报数据进行事件提取得到事件变量，对所述网格要素数据集进行统计得到诊断信息，并将所述事件变量和诊断信息进行匹配，生成灾害预测结果并进行预警。本发明实施例首先通过集成气象要素数据、网格预报数据和地形拓扑数据得到网格要素数据集，其次通过对天气预报数据进行事件提取得到事件变量，然后基于网格要素数据集生成诊断信息，最后将事件变量和诊断信息进行匹配，并根据匹配结果生成灾害预测结果进行预警，如此便能够实现在结合气象要素数据、天气预报数据、网格预报数据和地形拓扑数据的情况下生成灾害预测结果，从而降低灾害预测结果受环境因素的影响，提高灾害预测结果的预警有效时间和准确性，降低风电场灾害的预警成本。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例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场灾害预警方法的流程示意图；

图2为本发明实施例提供的一种风电场灾害预警方法的子流程示意图；

图3为本发明实施例提供的一种风电场灾害预警方法的另一子流程示意图；

图4为本发明实施例提供的一种风电场灾害预警方法的系统框图；

图5为本发明实施例提供的一种风电场灾害预警方法的另一系统框图；

图6为本发明实施例提供的一种风电场灾害预警装置的示意性框图；

图7为本发明实施例提供的一种风电场灾害预警装置的子示意性框图；

图8为本发明实施例提供的一种风电场灾害预警装置的另一子示意性框图。

具体实施方式

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做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。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”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，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，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。

下面请参见图1，图1为本发明实施例提供的一种风电场灾害预警方法的流程示意图，具体包括：步骤S101～S103。

S101、获取气象要素数据、天气预报数据、网格预报数据和地形拓扑数据；

S102、将所述气象要素数据融合至所述地形拓扑数据中，并将融合后的所述地形拓扑数据插值到所述网格预报数据中，得到网格要素数据集；

S103、对所述天气预报数据进行事件提取得到事件变量，对所述网格要素数据集进行统计得到诊断信息，并将所述事件变量和诊断信息进行匹配，生成灾害预测结果并进行预警。

在本实施例中，首先获取气象要素数据、天气预报数据、网格预报数据和地形拓扑数据，其次将气象要素数据融合至地形拓扑数据中，再将融合后的地形拓扑数据插值到网格预报数据中，由此得到网格要素数据集，然后基于天气预报数据进行事件提取，从中得到事件变量，以及基于网格要素数据集生成诊断信息，最后将事件变量和诊断信息进行匹配，并根据匹配结果生成灾害预测结果进行预警，如此便能够将气象要素数据、天气预报数据、网格预报数据和地形拓扑数据进行结合，以生成灾害预测结果，从而使生成的灾害预测结果受到环境因素的影响降低，同时还提高了灾害预测结果的预警有效时间和准确性，降低了风电场灾害的预警成本。

在具体实施例中，网格预报数据和地形拓扑数据可以分别从大气研究机构和地理研究机构提供的资料或数据中获取，气象要素数据和天气预报数据可以从气象大数据公司或气象部门提供的数据云服务中获取。其中，天气预报数据可以包含风电场所在地的天气快报，天气快报具体是指气象部门提供的关于当地天气的简短文字通讯记录，天气快报中包含了该地区已发生过的气象灾害和短期内需要关注的天气状况，例如：“某市某区于某月某日某时发生了降雨，降雨量为Y毫米”、“预计某市某区今明两天内会有大风降温过程”等。气象要素数据具体可以是风电场对应地区的温度、水汽含量、径向风、纬向风、气压等数据。地形拓扑数据可以包括土壤类别、土地利用率、土壤温度、植被数、反照率等参数。

在一实施例中，结合图2所示，所述步骤S102包括步骤S201～S203。

S201、将所述网格预报数据从正交坐标系下映射到地形追随坐标系，得到地形追随坐标系下的所述网格预报数据；

S202、根据所述气象要素数据获取风电场不同高度的气压值，并将所述气压值代入所述地形拓扑数据；

S203、通过三角剖分方法将代入气压值后的所述地形拓扑数据插值到地形追随坐标系下的所述网格预报数据中，得到所述网格要素数据集。

在本实施例中，首先将正交坐标系下的网格预报数据映射为地形追随坐标系下的网格预报数据，然后基于气象要素数据获取风电场对应地区在不同高度上的气压值，再将获取的气压值代入地形拓扑数据，最后利用三角剖分方法进行插值，将代入气压值后的地形拓扑数据插值到地形追随坐标系下的网格预报数据中，以此得到网格要素数据集。

在具体应用场景中，从大气研究机构或其他数据渠道中获取的网格预报数据一般网格点较粗，精度不足以用于预报部分风电场灾害(例如冰雹、雷击、霜冻等)，因此需要添加高分辨率的地形拓扑数据，以获得更精细的网格预报数据，而地形拓扑数据和网格预报数据的格式不同，因此需要进行坐标转换，将网格预报数据从正交坐标系下映射到地形追随坐标系，才能将地形拓扑数据添加到网格预报数据中。

地形追随坐标系也称为σ坐标系，是为了研究地形对大气运动的影响而提出的，σ坐标系将起伏不平的地表面作为坐标系的一个等值面，能够在地表面各个位置均等的划分同样的层数，同时在边界上能很好的贴合地形。而在具体应用场景中，风电场周边地形可能会存在起伏，使得风电场周边的地面海拔高度存在差距，在这种情况下，在基于流体动力学进行的陆面模式模拟中，对纳维-斯托克斯方程(Navier-Stokes equation)做垂向平均时，水平尺度会大于垂直尺度，这就使得在正交坐标系下的垂直积分步长的取值始终不能满足计算需求，并且地面附近的网格会出现锯齿，难以贴合边界，使得地面附近的模拟精度收到影响，因此，通过将网格预报数据从正交坐标系下映射到地形追随坐标系，能够在网格预报数据的每个水平位置划分同样的层数，并使网格预报数据的边界能够更贴合地形，从而解决了上述出现锯齿、边界难以贴合等问题。

在优选的实施例中，将获取的气压值代入到地形拓扑数据的数字高程中，然后再通过三角剖分方法将代入气压值后的地形拓扑数据插值到地形追随坐标系下的网格预报数据中，从而进一步提高预测准确性。数字高程也称为数字高程模型，数字高程模型是通过一组有序数值阵列形式表示地面高程的一种实体地面模型，通过有限的地形高程数据实现对地面地形的数字化模拟，一般是用于描述包括高程在内的各种地貌因子的分布，比如坡度、坡向、坡度变化率等因子在内的线性和非线性组合的空间分布。

此外，在地形拓扑数据形成的瓦片数据中，如果风电场对应的区域跨整格点，也即风电场对应的区域恰好分布在若干个相邻瓦片数据的边缘，则需要对地形拓扑数据进行瓦片合并和区域裁剪，以获得能够用于后续插值的地形拓扑数据。

本实施例中采用的三角剖分方法是在离散点数据格点化时将数据对应的平面划分为三角形的方法，离散点数据格点化是泛指三角剖分法的作用，具体来说，在地形拓扑数据中，地形变化较快的地方数据点较为密集，地形变化较缓的地方数据点较为稀疏，并且地形拓扑数据中各数据点的地面高度不是恰好一个格点单元的整倍数，大部分像素点不会恰好落在整齐的高度轴格点上，因此，地形拓扑数据中各数据点的位置相对整齐的正交坐标系网格是“离散点”。

对于包括平面点集P＝{P

(1)、所有三角形的端点恰好构成集合P。

(2)、任意两个三角形的边不相交(要么重合，要么没有交点)。

(3)、所有三角形的合集构成平面点集P的凸包(convex hull)。

(4)、所有三角形的外接圆范围内(边界除外)不包含平面点集P中的任何顶点。

在满足上述条件的情况下，通过三角剖分方法使各个数据点都独立地落在外接圆不相包含的三角形中，插值点的值由包围该插值点的所有三角形区域内数据的距离加权平均得到。

在一具体实施例中，在通过三角剖分方法将地形拓扑数据插值到网格预报数据中时，地形拓扑数据中的土壤类别、土地利用率、土壤温度、植被数、反照率等参数也会插值到网格预报数据的规则网格上，从而提高灾害预测结果的准确性。

在一实施例中，所述步骤S201包括：

按照下式，将所述网格预报数据从正交坐标系下映射到地形追随坐标系：

x

y

σ＝p/p

t

其中，x、y、t分别表示所述网格预报数据在正交坐标系下的横轴坐标分量、纵轴坐标分量和时间坐标分量，x

在本实施例中，将网格预报数据从正交坐标系(x,y,z,t)下映射到地形追随坐标系(x

在一实施例中，所述步骤S202包括：

按照下式计算风电场不同高度的气压值p

其中，p

在本实施例中，通过将风电场对应地区的地面气压值p

在其他具体实施例中，也可以按照下式计算风电场对应地区的重力加速度g：

g＝9.7803(1+0.0053024sin2ψ-0.000005sin22ψ)

其中，ψ表示地理纬度。

在一实施例中，结合图3所示，所述步骤S103包括步骤S301～S303。

S301、通过文本事件驱动法对所述天气预报数据进行语义分析，提取得到事件关键词，并根据所述事件关键词构造得到事件变量；

S302、根据所述网格要素数据集进行数值预报积分计算，得到区域性预报，并对所述区域性预报进行统计得到统计诊断信息；

S303、结合所述事件变量和统计诊断信息对风电场灾害进行预测，生成所述灾害预测结果。

在本实施例中，首先通过文本事件驱动法对天气预报数据进行语义分析，从中提取得到关于风电场天气状况的事件关键词，并根据事件关键词构造得到用于预测风电场灾害的事件变量；其次根据网格要素数据集进行数值预报积分计算，得到关于风电场的区域性预报，并对区域性预报进行统计得到统计诊断信息；最后将基于天气预报数据得到的事件变量和基于网格要素数据集得到的统计诊断信息结合，根据结合的结果对风电场灾害进行预测，生成灾害预测结果。

在具体应用场景中，事件变量可以是指一个(L,E,P,T)四变元组，其含义是指在T时刻的L位置出现了某种显著的天气现象E，变元P用于保存该四变元组具有的数值参数列表。从句子提取相应的关键词，然后基于关键词构造事件变量的过程可以先采用机器学习方法进行语义分析(进行事件短语提取)，从天气预报数据中分析出与风电场天气状况相关的句子，例如从中筛选出包含“风、雨、雪、降温”等描述天气状况的句子，其次利用句法分析方法查找句子中的谓语和动词，并查找出以动词开头、以介词结尾且中间是连续的词语序列的句子。然后对该句子进行变元抽取，将句子中包含有“市、县、区、镇”等地点的短语与变元L对应，从词典库中查找地点对应的经纬度赋值给变元L，并依据定位到的谓语，向右找到第一个包含句子宾语的名词作为变元E，以及从介词向左查找，将包含数字和单位的短语赋值给变元P，变元T默认设置为天气预报数据的发布时间，如果从介词向右查找到包含有时、天的短语，即将该短语判定为更准确的时间，并利用该时间替换掉默认值，如果从介词向右没有查找到则从句子开头到宾语之前搜索，若仍搜索不到则采用默认值。

在具体实施例中，数值预报积分计算即从初始状态出发，对支配大气运动的动力和热力方程组进行时间积分，例如，以19日00时刻为起点并将该时刻的网格要素数据集作为初始状态，再以19日12时刻为终点进行时间积分，得到的结果即作为区域性预报。从数学上讲，数值预报积分计算是一个按时间步长(例如每1小时、每10分钟)逐步迭代的过程，此过程可以采用龙格-库塔(Runge-Kutta)算法进行计算；从物理上讲，数值预报积分计算是对网格要素数据集对应的方程组进行求解，例如求解以下所示的方程组：

其中，u，v分别表示风速、风向网格化后沿水平坐标轴后的分量；w表示垂直方向上的风速分量；q表示大气中的水汽；θ表示大气中的热量；S

数值预报积分计算可以获得初始时刻(初始状态对应的事件)一段时间后的网格要素数据集，例如初始时刻为t

此外，还需要说明的是，本实施例中构造事件变量和得到统计诊断信息的步骤没有先后之分，在实际应用中，这两个步骤的顺序可调换或者同时进行。

在一实施例中，所述步骤S303包括：

根据所述统计诊断信息提取诊断变量，将所述诊断变量和所述事件变量进行匹配，得到匹配结果；

根据所述匹配结果对风电场进行灾害诊断，得到诊断结果，并将所述诊断结果作为所述灾害预测结果。

在本实施例中，首先根据统计诊断信息提取得到诊断变量，然后将诊断变量与事件变量进行匹配，根据匹配的结果对风电场灾害进行诊断，也即判断风电场将发生的灾害，最后将诊断的结果作为风电场的灾害预测结果。

在具体应用场景中，诊断变量可以从对应时刻的网格要素数据集中提取得到，诊断变量可以包括地表温度、纬向风速、径向风速、垂直风速、水汽浓度、位温、非积云性降水、积云性降水、冰雹等效降雨量、沙瓦特指数和对流有效位能等参数。

在此基础上，当事件变量包括低温、结霜和降雨时，则判断诊断变量中的地表温度是否低于0°，如果地表温度低于0°的同时该地表温度在24小时内降温超过8℃，或在48小时内降温超过10℃，则判断风电场对应地区将发生低温霜冻灾害，并生成对应的灾害预测结果进行反馈，灾害预测结果中还可以包含风电场的编号、含有降水的预报时次等信息。

当事件变量包括冰雹和降雨时，则判断诊断变量中的冰雹等效降雨量是否大于0，或者判断风电场是否存在降雨且垂直风速大于5m/s，若是则判断风电场对应地区将发生冰雹或雷电灾害，并生成对应的灾害预测结果进行反馈。或者，可以判断风电场是否存在降雨且垂直风速大于5m/s，同时沙瓦特指数<0、对流有效位能>2000J/kg，若是则判断风电场对应地区将发生冰雹或雷电灾害。

当事件变量包括大风和强风时，则判断风电场上200米高度内的水平风速是否大于预设的预警风速，若是则判断风电场对应地区将发生低空强风灾害。其中，可以按照(水平风速)

在一实施例中，所述步骤S302之后，还包括：

提取所述区域性预报中的数值型结果得到数值诊断信息，并以图层形式将所述数值诊断信息进行可视化展示。

在本实施例中，首先从区域性预报中提取得到数值型结果，然后将数值型结果作为数值诊断信息，并将数值诊断信息以图层形式进行可视化展示，从而更直观的展示预测的风电场灾害，便于风电场管理人员进行防灾工作。

在具体应用场景中，可以通过图层形式实现以下效果：

(1)、显示风电场的设备布置，例如显示每台风电机的位置；

(2)、以连续热力图动画的方式，表述风电场对应的基本气象要素的各时次预报结果，并根据灾害的程度设置不同的显示颜色；

(3)、将天气预报数据中的灾害信息显示在对应气象站的位置；

(4)、将灾害预测结果显示在风电场内对应的位置。

在一具体实施例中，结合图4和图5所示，可以根据本发明实施例提供的风电场灾害预警方法构建一种风电场灾害预警系统400，该系统包括数据获取模块401、NWP(numerical weather prediction，数值天气预报)模块402、变量匹配模块403和灾害预警模块404。其中，NWP模块402又包括数据集成模块501、预测研究模块502、诊断信息生成模块503。

数据获取模块401用于获取气象要素数据、天气预报数据、网格预报数据和地形拓扑数据，并将气象要素数据、网格预报数据和地形拓扑数据输入至NWP模块402，以及将天气预报数据输入至变量匹配模块403。

数据集成模块501用于接收气象要素数据、网格预报数据和地形拓扑数据，并进行融合、插值等处理，得到网格要素数据集，然后将网格要素数据集输入至预测研究模块502；

预测研究模块502用于接收网格要素数据集，并根据网格要素数据集进行数值预报积分计算，得到区域性预报，以及将区域性预报输入至诊断信息生成模块503；

诊断信息生成模块503用于接收区域性预报，并基于区域性预报提取统计诊断信息和数值诊断信息，然后将统计诊断信息输入至变量匹配模块403，以及将数值诊断信息输入至灾害预警模块404。

变量匹配模块403用于接收统计诊断信息和天气预报数据，并基于统计诊断信息和天气预报数据生成诊断变量和事件变量进行匹配，以及根据匹配结果诊断风电场灾害，最后将诊断结果发送至灾害预警模块404。

灾害预警模块404用于接收数值诊断信息和诊断结果，并分别进行可视化展示和灾害预警。

图6为本实施例提供的一种风电场灾害预警装置600的示意性框图，该装置600包括：

数据获取单元601，用于获取气象要素数据、天气预报数据、网格预报数据和地形拓扑数据；

数据集成单元602，用于将所述气象要素数据融合至所述地形拓扑数据中，并将融合后的所述地形拓扑数据插值到所述网格预报数据中，得到网格要素数据集；

灾害预测单元603，用于对所述天气预报数据进行事件提取得到事件变量，对所述网格要素数据集进行统计得到诊断信息，并将所述事件变量和诊断信息进行匹配，生成灾害预测结果并进行预警。

在一实施例中，结合图7所示，所述数据集成单元602包括：

坐标映射单元701，用于将所述网格预报数据从正交坐标系下映射到地形追随坐标系，得到地形追随坐标系下的所述网格预报数据；

气压获取单元702，用于根据所述气象要素数据获取风电场不同高度的气压值，并将所述气压值代入所述地形拓扑数据；

数据插值单元703，用于通过三角剖分方法将代入气压值后的所述地形拓扑数据插值到地形追随坐标系下的所述网格预报数据中，得到所述网格要素数据集。

在一实施例中，所述坐标映射单元701包括：

坐标映射计算单元，按照下式，将所述网格预报数据从正交坐标系下映射到地形追随坐标系：

x

y

σ＝p/p

t

其中，x、y、t分别表示所述网格预报数据在正交坐标系下的横轴坐标分量、纵轴坐标分量和时间坐标分量，x

在一实施例中，所述气压获取单元702包括：

气压计算单元，用于按照下式计算风电场不同高度的气压值p

其中，p

在一实施例中，结合图8所示，所述数据插值单元703包括：

变量构建单元801，用于通过文本事件驱动法对所述天气预报数据进行语义分析，提取得到事件关键词，并根据所述事件关键词构造得到事件变量；

积分计算单元802，用于根据所述网格要素数据集进行数值预报积分计算，得到区域性预报，并对所述区域性预报进行统计得到统计诊断信息；

结果生成单元803，用于结合所述事件变量和统计诊断信息对风电场灾害进行预测，生成所述灾害预测结果。

在一实施例中，所述结果生成单元803包括：

变量匹配单元，用于根据所述统计诊断信息提取诊断变量，将所述诊断变量和所述事件变量进行匹配，得到匹配结果；

灾害诊断单元，用于根据所述匹配结果对风电场进行灾害诊断，得到诊断结果，并将所述诊断结果作为所述灾害预测结果。

在一实施例中，所述风电场灾害预警装置600还包括：

可视化单元，用于提取所述区域性预报中的数值型结果得到数值诊断信息，并以图层形式将所述数值诊断信息进行可视化展示。

由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。

本发明实施例还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、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了一种计算机设备，可以包括存储器和处理器，存储器中存有计算机程序，处理器调用存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然计算机设备还可以包括各种网络接口，电源等组件。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。