充电站的充电量预测方法、装置、电子设备及介质

技术领域

本申请涉及电动汽车技术领域，具体而言，涉及一种充电站的充电量预测方法、装置、电子设备及介质。

背景技术

电动汽车(Electric Vehicle，EV)在全球变暖、能源紧张、环保需求以及科技迅速发展的情况下，得到了各国的积极推广。各国政府和研究人员都高度重视EV及相关产业的发展，目前世界主要国家相继出台了EV中长期发展战略规划。随着EV保有量的增加，大规模EV接入电网，其充放电行为都对电力系统的规划、运行及电力市场的运营产生不可忽视的影响，所以需要对EV的充电放电行为进行规划与协调，以减少充放电对低压配电网造成的影响。

现有实现EV有序充电方法可以包括电价引导方法，该方法通过充电服务供应商根据电网状况提供相应的运营策略(比如调整价格、促销活动等)时，由于无法准确预测充电场站的收益指标(如充电站的充电量、充电站的功率利用率、充电站的收益等，其中充电站的功率利用率与收益均与充电量有关)的变化，使得充电运营策略没有变通性，导致对用户缺乏吸引力，进而影响充电站的收益。

发明内容

本申请实施例的目的在于提供一种充电站的充电量预测方法、装置、电子设备及介质，用以解决了现有技术存在的上述问题，可获取到准确的充电站的充电量

第一方面，提供了一种充电站的充电量预测方法，该方法可以包括：

基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量；在初始时刻所述预设时间段的起始日期和终止日期均为历史日期；

将所述多个充电时序特征中满足预设特征选择条件的充电时序特征确定为与当前预测日期相关的目标充电时序特征；所述当前预测日期为按照时间顺序所述预设时间段后相邻的第一个未来日期；

获取所述目标充电站所处环境在所述当前预测日期的气象预测信息，以及所述预设时间段内与所述当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息；所述气象预测信息包括预报温度和预报天气类型；所述气象观测信息包括温度和天气类型；

将所述目标充电时序特征对应的充电量、所述当前预测日期的气象预测信息和所述目标日期的气象观测信息作为预测数据，输入训练好的气象因素影响拟合预测模型，得到所述当前预测日期的预测充电量；其中，所述气象因素影响拟合预测模型是基于历史时间段内的历史充电时序特征、历史预测日期的气象预测信息和与历史预测日期具有相同星期的历史日期的气象观测信息作为训练样本和历史预测日期的历史充电量作为标签数据训练得到的。

在一个可选的实现中，所述当前预测日期的气象预测信息包括所述目标充电站所处环境的最高预报温度、最低预报温度、日平均预报温度和天气类型；

所述预设时间段内与所述当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息包括所述目标日期内所述目标充电站所处环境的最高温度、最低温度、日平均温度和天气类型。

在一个可选的实现中，基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量，包括：

采用所述时序拟合预测模型，对输入的所述预设时间段的充电量进行处理，得到所述充电量对应的多个充电时序特征和相应充电时序特征对应的充电量；所述充电时序特征包括与温度和天气类型无关的第一充电时序特征和除所述第一充电时序特征外的第二充电时序特征。

在一个可选的实现中，将所述目标充电时序特征对应的充电量、所述当前预测日期的气象预测信息和所述目标日期的气象观测信息作为预测数据，输入训练好的气象因素影响拟合预测模型，得到所述当前预测日期的预测充电量，包括：

将所述目标充电时序特征对应的充电量、所述当前预测日期的气象预测信息、所述目标日期的气象观测信息和所述第二充电时序特征作为预测数据，输入训练好的气象因素影响拟合预测模型，得到所述当前预测日期的预测充电量。

在一个可选的实现中，所述与温度和天气类型无关的第一充电时序特征包括：充电长期趋势特征、充电周趋势特征和充电节假日特征；

所述与温度和天气类型相关的第二充电时序特征包括：充电季节性趋势特征和误差项特征，所述误差项特征表征除上述充电时序特征之外考虑到的其他充电时序特征。

在一个可选的实现中，所述目标充电时序特征包括：

所述充电长期趋势特征或所述充电周趋势特征中与所述当前预测日期相邻的前一个日期的时序特征；

所述充电周趋势特征中与所述当前预测日期所在充电周相邻的上一充电周中具有相同星期的日期的时序特征；

所述充电长期趋势特征或所述充电周趋势特征中与所述当前预测日期相邻的前三天连续日期的平均时序特征；

所述充电长期趋势特征或所述充电周趋势特征中与所述当前预测日期相邻的前七天连续日期的平均时序特征；

所述充电长期趋势特征或所述充电周趋势特征中与所述当前预测日期相邻的前十五天连续日期的平均时序特征；

所述预设时间段的充电节假日特征；

所述预设时间段的充电周趋势特征。

在一个可选的实现中，得到所述当前预测日期的预测充电量后，所述方法还包括：

获取新的预设时间段，所述新的预设时间段的终止日期为所述当前预测日期，起始日期为所述预设时间段中起始日期后相邻的日期；

将所述当前预测日期的后相邻的日期确定为新的当前预测日期；

基于所述新的预设时间段和所述新的当前预测日期，返回执行步骤：基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量。

第二方面，提供了一种充电站的充电量预测装置，该装置可以包括：

获取单元，用于基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量；在初始时刻所述预设时间段的起始日期和终止日期均为历史日期；

确定单元，用于将所述多个充电时序特征中满足预设特征选择条件的充电时序特征确定为与当前预测日期相关的目标充电时序特征；所述当前预测日期为按照时间顺序所述预设时间段后相邻的第一个未来日期；

所述获取单元，还用于获取所述目标充电站所处环境在所述当前预测日期的气象预测信息，以及所述预设时间段内与所述当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息；所述气象预测信息包括预报温度和预报天气类型；所述气象观测信息包括温度和天气类型；

预测单元，用于将所述目标充电时序特征对应的充电量、所述当前预测日期的气象预测信息和所述目标日期的气象观测信息作为预测数据，输入训练好的气象因素影响拟合预测模型，得到所述当前预测日期的预测充电量；其中，所述气象因素影响拟合预测模型是基于历史时间段内的历史充电时序特征、历史预测日期的气象预测信息和与历史预测日期具有相同星期的历史日期的气象观测信息作为训练样本和历史预测日期的历史充电量作为标签数据训练得到的。

第三方面，提供了一种电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述第一方面中任一所述的方法步骤。

第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。

本申请是实施例提供的充电站的充电量预测方法基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量；在初始时刻预设时间段的起始日期和终止日期均为历史日期；将多个充电时序特征中满足预设特征选择条件的充电时序特征确定为与当前预测日期相关的目标充电时序特征；当前预测日期为按照时间顺序预设时间段后相邻的第一个未来日期；获取目标充电站所处环境在当前预测日期的气象预测信息，以及预设时间段内与当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息；气象预测信息包括预报温度和预报天气类型；气象观测信息包括温度和天气类型；将目标充电时序特征对应的充电量、当前预测日期的气象预测信息和目标日期的气象观测信息作为预测数据，输入训练好的气象因素影响拟合预测模型，得到当前预测日期的预测充电量。该方法在考虑了时序、温度和天气等常规因素对充电量的影响进行充电量预测，提高了预测的准确性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例提供的一种应用充电站的充电量预测方法的系统架构图；

图2为本申请实施例提供的一种充电站的充电量预测方法的流程示意图；

图3为本申请实施例提供的一种充电站的充电量预测装置的结构示意图；

图4为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，并不是全部的实施例。基于本申请实施例，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，都属于本申请保护的范围。

本申请实施例提供的充电站的充电量预测方法可以应用在如图1所示的服务器、目标充电站内的至少一个充电终端和目标充电站所在区域内的至少一个气象站组成的系统架构中。该服务器可以是物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)，以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是具有较强计算能力的笔记本电脑、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment，UE)、计算设备等。服务器和充电终端可以通过有线或无线方式通信连接。

气象站，用于采集目标充电站所在区域内环境的气象观测数据，该气象观测数据包括温度和天气类型。

充电终端，用于向服务器上传每次执行充电业务的充电信息，其包括每次执行充电业务的充电量和充电时间；

服务器，用于基于至少一个气象站上传的气象观测数据，得到未来15天的气象预测数据，并基于至少一个充电终端上传的充电信息和相应日期的气象预测数据，执行本申请的充电站的充电量预测方法，预测出未来时间段内准确的预测充电量，以基于预测充电量为该未来时间段制定相应的运营策略，如调整价格、促销活动等。该气象预测数据包括预测温度和预测天气类型。

以下结合说明书附图对本申请的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

图2为本申请实施例提供的一种充电站的充电量预测方法的流程示意图。如图2所示，该方法可以包括：

步骤S210、基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量。

具体实施中，在初始时刻时，预设时间段的起始日期和终止日期均为历史日期，如今日是2022年2月28日，当前预测日期为2022年3月1日，在初始时刻时预设时间段为2022年2月14日-2022年2月28日共15天。

基于获取的目标充电站在预设时间段的充电量，可以绘制充电量曲线，由此得到该预设时间段的充电量所具有的充电时序特征和相应充电时序特征对应的充电量，如充电长期趋势特征、充电周趋势特征和充电节假日特征、充电季节性趋势特征等。

或者，可以采用时序拟合预测模型(Prophet模型)来获取上述充电时序特征和相应充电时序特征对应的充电量，具体的：采用时序拟合预测模型，对输入的预设时间段的充电量进行处理，得到充电量对应的多个充电时序特征和相应充电时序特征对应的充电量；充电时序特征包括与温度和天气类型无关的第一充电时序特征和除第一充电时序特征外的第二充电时序特征。其中，与温度和天气类型无关的第一充电时序特征可以包括：充电长期趋势特征、充电周趋势特征和充电节假日特征；与温度和天气类型相关的第二充电时序特征可以包括：充电季节性趋势特征(或称“年趋势特征”)和误差项特征，该误差项特征表征除上述充电时序特征之外考虑到的其他充电时序特征。

下面为某个时间段内某充电站受城市天气影响的充电量变化和节假日影响的充电量变化：

(1)天气影响的充电量变化：

暴雪和大雪类似，【-4～0度】时充电量下降，【-9～-5度】时充电量上升，只是影响大小不同，暴雪影响15％以上，大雪影响5％左右。

中雪和小雪类似，在温度较高时导致充电量上升(最高+10％)，温度较低时导致充电量下降(最高-13％)。

暴雨和大雨类似，【6～10度】时导致充电上升幅度较大，暴雨15％，大雨6％。暴雨：随温度降低，充电量上升。

中雨和小雨类似，【-4～0度】时导致充电量上升4％左右。

大雨和小雨在温度最低时，会导致充电量下降。大雨在【1～5度】下降3％，小雨在【-9～-5度】下降6％。

(2)节假日影响的充电量变化：

节假日期间，充电量下降，均影响节后1天。

春节、五一、国庆等长假期，在第4天充电量最低：春节和五一下降10％左右，国庆节下降14％。

端午第2天、元旦/清明/中秋第3天充电量最低，下降6％左右。

春节前2天充电量有上升，国庆节前2天充电量开始降低。

步骤S220、将多个充电时序特征中满足预设特征选择条件的充电时序特征确定为与当前预测日期相关的目标充电时序特征。

其中，当前预测日期为按照时间顺序预设时间段后相邻的第一个未来日期，若预设时间段为2022年2月14日-2022年2月28日，则当前预测日期为2022年3月1日。

具体实施中，基于上述获取的充电长期趋势特征、充电周趋势特征和充电节假日特征，目标充电时序特征可以包括：

充电长期趋势特征或充电周趋势特征中与当前预测日期相邻的前一个日期的时序特征；若当前预测日期为今日，则该时序特征为昨日充电量的充电时序特征；

充电周趋势特征中与当前预测日期所在充电周相邻的上一充电周中具有相同星期的日期的时序特征；若当前预测日期为今日，则该时序特征为上个充电周同星期充电量的充电时序特征；

充电长期趋势特征或充电周趋势特征中与当前预测日期相邻的前三天连续日期的平均时序特征；若当前预测日期为今日，则该时序特征为近3天充电量的均值特征；

充电长期趋势特征或充电周趋势特征中与当前预测日期相邻的前七天连续日期的平均时序特征；若当前预测日期为今日，则该时序特征为近7天充电量的均值特征；

充电长期趋势特征或充电周趋势特征中与当前预测日期相邻的前十五天连续日期的平均时序特征；若当前预测日期为今日，则该时序特征为近15天充电量的均值特征；

预设时间段的充电节假日特征；

预设时间段的充电周趋势特征。

步骤S230、获取目标充电站所处环境在当前预测日期的气象预测信息，以及预设时间段内与当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息。

具体实施中，从目标充电站所处区域内容气象站获取当前预测日期的气象预测信息，以及预设时间段内与当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息。

其中，当前预测日期的气象预测信息包括目标充电站所处环境的最高预报温度、最低预报温度、日平均预报温度和天气类型；预设时间段内与当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息包括目标日期内所述目标充电站所处环境的最高温度、最低温度、日平均温度和天气类型。

步骤S240、将目标充电时序特征对应的充电量、当前预测日期的气象预测信息和目标日期的气象观测信息作为预测数据，输入训练好的气象因素影响拟合预测模型，得到当前预测日期的预测充电量。

其中，气象因素影响拟合预测模型(如LGBM模型)是基于历史时间段内的历史充电时序特征、历史预测日期的气象预测信息和与历史预测日期具有相同星期的历史日期的气象观测信息作为训练样本和历史预测日期的历史充电量作为标签数据训练得到的，具体训练过程可参考现有模型训练方式，本申请实施了在此不做赘述。

在一些实施例中，若采用时序拟合预测模型获取多个充电时序特征和相应充电时序特征对应的充电量，则该步骤具体为：将目标充电时序特征对应的充电量、当前预测日期的气象预测信息、目标日期的气象观测信息和第二充电时序特征作为预测数据，输入训练好的气象因素影响拟合预测模型，得到当前预测日期的预测充电量。

进一步的，在得到当前预测日期的预测充电量后，可以对预设时间段进行更新，以获取新的预设时间段，该的预设时间段的终止日期为当前预测日期，起始日期为预设时间段中起始日期后相邻的日期。同时将当前预测日期的后相邻的日期确定为新的当前预测日期；例如，预设时间段为2022年2月14日-2022年2月28日，当前预测日期为2022年3月1日，那么新的预设时间段为2022年2月15日-2022年3月1日，新的当前预测日期为2022年3月2日。

基于新的预设时间段和新的当前预测日期，返回执行步骤S210：基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量。

由于准确的气象预报的时长为15天，故本申请实施例提供的充电站的充电量预测方法可准确预测相应15天内每天的预测充电量。

本申请是实施例提供的充电站的充电量预测方法基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量；在初始时刻预设时间段的起始日期和终止日期均为历史日期；将多个充电时序特征中满足预设特征选择条件的充电时序特征确定为与当前预测日期相关的目标充电时序特征；当前预测日期为按照时间顺序预设时间段后相邻的第一个未来日期；获取目标充电站所处环境在当前预测日期的气象预测信息，以及预设时间段内与当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息；气象预测信息包括预报温度和预报天气类型；气象观测信息包括温度和天气类型；将目标充电时序特征对应的充电量、当前预测日期的气象预测信息和目标日期的气象观测信息作为预测数据，输入训练好的气象因素影响拟合预测模型，得到当前预测日期的预测充电量。该方法在考虑了时序、温度和天气等常规因素对充电量的影响进行充电量预测，提高了预测的准确性。

与上述方法对应的，本申请实施例还提供一种充电站的充电量预测装置，如图3所示，该装置包括：

获取单元310，用于基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量；在初始时刻所述预设时间段的起始日期和终止日期均为历史日期；

确定单元320，用于将所述多个充电时序特征中满足预设特征选择条件的充电时序特征确定为与当前预测日期相关的目标充电时序特征；所述当前预测日期为按照时间顺序所述预设时间段后相邻的第一个未来日期；

获取单元310，还用于获取所述目标充电站所处环境在所述当前预测日期的气象预测信息，以及所述预设时间段内与所述当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息；所述气象预测信息包括预报温度和预报天气类型；所述气象观测信息包括温度和天气类型；

预测单元330，用于将所述目标充电时序特征对应的充电量、所述当前预测日期的气象预测信息和所述目标日期的气象观测信息作为预测数据，输入训练好的气象因素影响拟合预测模型，得到所述当前预测日期的预测充电量；其中，所述气象因素影响拟合预测模型是基于历史时间段内的历史充电时序特征、历史预测日期的气象预测信息和与历史预测日期具有相同星期的历史日期的气象观测信息作为训练样本和历史预测日期的历史充电量作为标签数据训练得到的。

本申请上述实施例提供的充电站的充电量预测装置的各功能单元的功能，可以通过上述各方法步骤来实现，因此，本申请实施例提供的该装置中的各个单元的具体工作过程和有益效果，在此不复赘述。

本申请实施例还提供了一种电子设备，如图4所示，包括处理器410、通信接口420、存储器430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。

存储器430，用于存放计算机程序；

处理器410，用于执行存储器430上所存放的程序时，实现如下步骤：

基于目标充电站在预设时间段的充电量，获取多个充电时序特征和相应充电时序特征对应的充电量；在初始时刻所述预设时间段的起始日期和终止日期均为历史日期；

将所述多个充电时序特征中满足预设特征选择条件的充电时序特征确定为与当前预测日期相关的目标充电时序特征；所述当前预测日期为按照时间顺序所述预设时间段后相邻的第一个未来日期；

获取所述目标充电站所处环境在所述当前预测日期的气象预测信息，以及所述预设时间段内与所述当前预测日期所在充电周相邻的上一充电周中具有相同星期的目标日期的气象观测信息；所述气象预测信息包括预报温度和预报天气类型；所述气象观测信息包括温度和天气类型；

将所述目标充电时序特征对应的充电量、所述当前预测日期的气象预测信息和所述目标日期的气象观测信息作为预测数据，输入训练好的气象因素影响拟合预测模型，得到所述当前预测日期的预测充电量；其中，所述气象因素影响拟合预测模型是基于历史时间段内的历史充电时序特征、历史预测日期的气象预测信息和与历史预测日期具有相同星期的历史日期的气象观测信息作为训练样本和历史预测日期的历史充电量作为标签数据训练得到的。

上述提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。

由于上述实施例中电子设备的各器件解决问题的实施方式以及有益效果可以参见图2所示的实施例中的各步骤来实现，因此，本申请实施例提供的电子设备的具体工作过程和有益效果，在此不复赘述。

在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的充电站的充电量预测方法。

在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的充电站的充电量预测方法。

本领域内的技术人员应明白，本申请实施例中的实施例可提供为方法、系统、或计算机程序产品。因此，本申请实施例中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，本申请实施例中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。

本申请实施例中是参照根据本申请实施例中实施例的方法、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。

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。

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。

尽管已描述了本申请实施例中的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例中范围的所有变更和修改。

显然，本领域的技术人员可以对本申请实施例中实施例进行各种改动和变型而不脱离本申请实施例中实施例的精神和范围。这样，倘若本申请实施例中实施例的这些修改和变型属于本申请实施例中权利要求及其等同技术的范围之内，则本申请实施例中也意图包含这些改动和变型在内。