用于电池组的管理方法、电子设备以及车辆

技术领域

本公开的实施例涉及电池管理技术领域，更具体地涉及用于电池组的管理方法、电子设备、包括该电子设备的车辆以及计算机可读介质。

背景技术

为了缓解化石能源对气候和环境的影响，新能源产业得到了快速发展，特别是诸如锂电池之类的储能电池被大量和广泛地应用于多个领域。例如，新能源车辆以及风电和光伏电站的储能电源都需要使用大量的储能电池。随着诸如锂电池之类的储能电池的大量应用，电池自燃所导致的火灾频繁发生，这使得储能电池的安全问题越来越受到关注。

目前，为了确保储能电池的安全，可以在电池系统中设置故障诊断功能。然而，较多的故障诊断方案都只能在故障已发生之后发现故障，因此无法避免故障可能带来的损失。由此，一些故障诊断方案提出在电池发生故障之前进行预警，从而能够在故障发生前采取有效措施来消除安全隐患。但是，现有的故障预警方案存在准确率低和实用性差的问题。频繁的误报不仅使得用户体验变差以及电池维护成本增加，而且还可能导致遗漏真正的异常或故障。

发明内容

基于上述问题，根据本公开内容的示例实施方式，提供了一种用于电池组的管理方法、电子设备、车辆以及计算机可读介质。

在本公开内容的第一方面中，提供了用于电池组的管理方法，该管理方法包括：获取与彼此连接的多个电池单元相关联的第一数据集合，第一数据集合包括多个电池单元在预定时间段中的电气数据；基于多个电池单元在预定时间段的荷电状态，从第一数据集合中选择预定时间段中的至少一部分时间段的电气数据来生成第二数据集合；基于第二数据集合，确定多个电池单元的至少一组特征值，至少一组特征值包括与多个电池单元的内阻相关联的一组特征值；以及基于至少一组特征值，确定多个电池单元是否存在异常。

在本公开内容的第二方面中，提供了电子设备，该电子设备包括：处理器；以及与处理器耦合的存储器，存储器具有存储于其中的指令，指令在被处理器执行时使设备执行动作，动作包括：获取与彼此连接的多个电池单元相关联的第一数据集合，第一数据集合包括多个电池单元在预定时间段中的电气数据；基于多个电池单元在预定时间段的荷电状态，从第一数据集合中选择预定时间段中的至少一部分时间段的电气数据来生成第二数据集合；基于第二数据集合，确定多个电池单元的至少一组特征值，至少一组特征值包括与多个电池单元的内阻相关联的一组特征值；以及基于至少一组特征值，确定多个电池单元是否存在异常。

在本公开内容的第三方面中，提供了一种车辆，该车辆包括：电池组，包括彼此连接的多个电池单元；以及根据第二方面的电子设备。

在本公开内容的第四方面中，提供了一种计算机可读介质，该计算机可读介质具有存储在其上的计算机可读指令，指令在被处理单元执行时使得处理单元执行根据第一方面的管理方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开内容的实施方式的关键或重要特征，亦非用于限制本公开内容的范围。本公开内容的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开内容的各实施方式的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了本公开的实施例可以在其中实现的示例场景的示意图。

图2示出了根据本公开的实施例的用于电池组的管理方法的示意流程图。

图3示出了根据本公开的实施例的获取第一数据集合的示例过程的示意流程图。

图4示出了根据本公开的实施例的生成第二数据集合的示例过程的示意流程图。

图5A示出了三元锂电池的开路电压与荷电状态之间的关系曲线图。

图5B示出了三元锂电池的内阻与荷电状态之间的关系曲线图。

图6示出了根据本公开的实施例的基于第二数据集合来确定一组特征值的示例过程的示意流程图。

图7示出了根据本公开的实施例的基于第二数据集合来确定一组特征值的示例过程的示意流程图。

图8示出了根据本公开的实施例的基于至少一组特征值确定多个电池单元是否存在异常的示例过程的示意流程图。

图9示出了可以用来实施本公开的实施例的示例设备的示意性框图。

具体实施方式

下面将参照附图更详细地描述本公开内容的实施方式。虽然附图中显示了本公开内容的某些实施方式，然而应当理解的是，本公开内容可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施方式，相反提供这些实施方式是为了更加透彻和完整地理解本公开内容。应当理解的是，本公开内容的附图及实施方式仅用于示例性作用，并非用于限制本公开内容的保护范围。

在本公开内容的实施方式的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例/实施方式”或“该实施例/实施方式”应当理解为“至少一个实施例/实施方式”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

图1示出了本公开的实施例可以在其中实现的示例场景1000的示意图。应当理解，该示例场景1000中示出的设备或装置仅是示例，根据实际情况，不同应用场景中可能出现的设备或装置将会有所不同。本公开的范围在此方面不受限制。

如图1所示，场景1000中包括车辆100。作为示例，车辆100可以是电动车辆、混合动力车辆或者设置有储能电池的其他类型的车辆。车辆100包括储能装置110，并且储能装置110包括电池组111。电池组111可以包括彼此连接的多个电池单元1111。例如，多个电池单元1111可以以串联和/或并联的方式连接在一起。需要说明，图1中所示出的电池单元的数目仅仅是示例性的，并且电池组111可以根据需要而包括任意数目的电池单元111。例如，用于车辆的电池组111可以包括数百或数千个电池单元。

车辆100还可以包括控制平台120，以用于实现对车辆100的监测和管理、以及实现其他的车辆相关控制功能。在一些实施例中，车辆100的储能装置110可以包括电池管理系统(Battery Management System,BMS)112，以用于对电池组111进行监测、管理和维护，例如测量和收集电池的各种物理和电气实时参数数据、电池状态估计、均衡管理、热管理、充放电控制等。可以理解，虽然这里BMS 112相对于控制平台120单独设置，但是也可以将BMS112集成到控制平台120中，这同样可以实现本公开的目的。由此，控制平台120或BMS 112可以获取与车辆100的电池组111及其电池单元相关联的测量或采样数据。控制平台120或BMS112可以存储这些数据，并且实时地或者在收集数据之后的某个适当时间基于这些数据对电池状态进行分析和诊断，以确定电池组111中的各个电池单元1111是否存在可能导致电池故障和安全事故的异常情况，从而可以在电池故障发生之前进行预警。

在一些实施例中，场景1000可以包括云端200。例如，云端200可以以有线或无线通信方式与车辆100或其储能装置110进行通信以与车辆100或其储能装置110进行数据交互。此外，云端200还可以通过无线或有线通信网络与其他车辆或相关设备进行通信以实现数据交互。借助于云端200，来自车辆100或其他车辆的大量测量或采样数据(例如，数天或数周的长期数据)可以存储在云端200，这避免了车辆自身需要设置大容量存储设备来存储数据，降低了车辆成本和空间占用，并且还可以避免由于车辆的数据存储能力不足而导致的数据丢弃。

在一些实施例中，场景1000可以包括计算设备300，并且计算设备300可以是车辆100外部的远程计算平台。计算设备300可以从云端200获取与车辆100或其他车辆有关的测量或采样数据，并且对这些数据进行处理来分析和诊断车辆100或其他车辆中的电池组状态，以针对这些车辆进行电池故障预警。然而，可以理解，车辆100的控制平台120或BMS 112也可以在需要时从云端200获取数据，从而直接利用车辆100的控制平台120或BMS 112来处理数据，从而由车辆100自身的计算和控制装置来实现电池故障预警。

通过以上可知，在场景1000中，针对电池组111的测量或采样数据可以存储在车辆100的存储设备中和/或存储在云端200，并且可以由车辆100的控制平台120和/或BMS 112和/或车辆100外部的计算设备300获取这些测量或采样数据来进行处理以实现针对电池组111的故障预警分析。

一些常规的电池故障预警方案提出利用电池组中的电池单元电压波动异常来检测电池的异常。然而，这种方式会受到诸如数据质量、环境和电池系统非线性特征之类的因素的影响。例如，电池单元电压在荷电状态(State of Charge,SOC)较高或较低时会随着SOC的变化而剧烈变化，因此电压显著波动的电池单元本身并不一定存在异常。此外，当SOC随着时间变化(例如放电时逐渐减小或充电时逐渐增大)时，电池单元电压本身会随着SOC而变化，因此一定时间内的电池单元电压必然存在变化，并且考虑到电池组内的各个电池单元彼此之间的SOC不一致的情况，很难区分某个电池单元相对于其他电池单元表现出的电压波动性是由于SOC不一致所导致，还是由于电池单元本身异常所导致。这些问题使得电池故障预警存在较高的误报率。

本公开的实施例提出了一种用于电池组的改进的管理方法。通过获取预定时间段内的电池的电气数据并且基于荷电状态来对数据进行筛选，可以消除或减弱SOC对电气数据、特别是电池内阻的影响，从而改善故障预警的准确性。

图2示出了根据本公开的实施例的用于电池组的管理方法2000的示意流程图。方法2000可以在场景1000中实现，并且由计算设备300来执行，或者由车辆100的控制平台120或BMS 112来执行。可以理解，方法2000的实现并不受限于此，而是可以在需要对电池组进行管理的其他场景下实现，例如光伏电站的储能电源系统。为了讨论的目的，将结合图1来描述方法2000，并且假设由计算设备300来执行该方法。

在框2001处，计算设备300获取与彼此连接的多个电池单元相关联的第一数据集合，第一数据集合包括多个电池单元1111在预定时间段中的电气数据。作为示例，第一数据集合所包括的电气数据可以是电池组111中的每个电池单元在预定时间段期间的诸如电压和电流之类的电气数据，这些数据可以通过测量或采样的方式获取。此外电气数据还可以包括经过一定处理后获取的数据，例如预定时间段期间的电池电量的数据，其可以通过对测量或采样的电流数据进行计算后获得。

在框2002处，计算设备300基于多个电池单元1111在预定时间段的荷电状态，从第一数据集合中选择预定时间段中的至少一部分时间段的电气数据来生成第二数据集合。作为示例，电阻池111中的每个电池单元的荷电状态SOC反映了每个电池单元的剩余电量，例如如果SOC为100％或1，则表示该电池单元完全充满，而如果SOC为0％或0，则表示该电池单元完全放电。每个电池单元的SOC例如可以通过电池单元的放电电流进行积分或者通过其他适当方式来获取。SOC的变化会对电池单元的一些特性(例如电池内阻和电压波动性)产生影响。例如，当SOC较高或较低时，电池单元的内阻和电压波动性均会非常敏感并且呈现非线性特性。由此，可以根据电池单元在该预定时间段的荷电状态来对第一数据集合进行筛选，并且例如移除存在非线性特性的部分数据。

在框2003处，计算设备300基于第二数据集合，确定多个电池单元的至少一组特征值，至少一组特征值包括与多个电池单元1111的内阻相关联的一组特征值。作为示例，一组特征值中的每个特征值对应于一个电池单元，并且每个特征值可以反映出与该特征值对应的电池单元的某个特性是否出现异常，例如是否相对于电池组内的整体的平均特性出现偏离。与多个电池单元1111的内阻相关联的一组特征值可以反映出电池单元的内阻是否出现异常。对于诸如车辆之类的应用中的电池组而言，电池的生产厂商通常会对电池单元进行筛选，因此同一电池组内的电池单元的内阻值接近而具有良好的一致性。由于电池单元的初始内阻接近，其所处环境也接近，因此在电池未达到退役的老化程度时，电池组内的电池单元的电阻一致性会比较良好。随着电池老化，当电池单元出现微短路、漏液等异常状况时，电池单元的内阻值将会受到影响，换言之，电池单元的内阻可以在一定程度上反映电池内部的机理或状态变化。因此，通过确定与电阻组中的多个电池单元的内阻相关联的一组特征值可以以相对较高的准确率来判断电池组中的是否出现了异常的电池单元。

在框2004处，计算设备300基于至少一组特征值，确定多个电池单元1111是否存在异常。作为示例，计算设备300可以对至少一组特征进行处理并判断多个电池单元1111中的是否存在异常的电池单元，从而可以在电池出现故障或发生事故(例如电池自燃)之前及时采取有效措施，例如对电池组111进行更换或维护，以提前消除安全隐患。

图3示出了获取第一数据集合的示例过程3000的示意流程图。图3所示出的过程3000可以在图2的框2001处实现。

在框3001处，计算设备300接收与多个电池单元1111相关联的采样数据序列。作为示例，计算设备300可以从云端200或经由车联网接收与车辆100的电池组111有关的采样数据序列。该采样数据序列可以由车辆100的BMS 112或其他测量设备获取并发送到云端200或车联网，并且可以是相对较长的一段时期内的针对车辆电池的测量或采样数据。

在框3002处，计算设备300基于采样数据序列中绝对值大于电流阈值的电流值，计算电流平均值I

在框3003处，计算设备300基于计算出的电流平均值I

其中t1是预定时间段或滑动时间窗口的时长，Ca是电池组111或电池单元1111的额定容量。

在框3004处，计算设备300对采样数据序列中处于预定时间段中的采样数据进行预处理以生成第一数据集合。在一些实施例中，计算设备300获取多个电池单元1111在预定时间段中的一组电压值以及一组电流值，基于该组电流值来计算针对多个电池单元1111的一组电量值，并且基于该组电压值、该组电流值和该组电量值来生成第一数据集合。

作为示例，可以按照预定时间段或滑动时间窗口的时长t1，从采样数据序列中获取各个电池单元的电压和电流数据。多个电池单元1111的电压可以表示为

计算出的多个电池单元的电量可以表示为[Q

图4示出了生成第二数据集合的示例过程4000的示意流程图，图5A示出了三元锂电池的开路电压与荷电状态SOC之间的关系曲线图，并且图5B示出了三元锂电池的内阻与荷电状态SOC之间的关系曲线图。图4所示出的过程4000可以在图2的框2002处实现。

在框4001处，计算设备300获取多个电池单元中的各个电池单元在预定时间段的荷电状态。

在框4002处，计算设备300从第一数据集合中选择多个电池单元的荷电状态SOC均处于预定范围内的时间段的电气数据来生成第二数据集合。

具体而言，如图5A和5B所示，当SOC处于预定范围(例如，SOC的中间区间，即大约30～80％)时，电池内阻趋于稳定，并且开路电压与SOC接近线性关系，SOC变化时引起的电压波动比较小。然而，当SOC较高或较低时，电池内阻和开路电压将会随着SOC变化而呈现非线性并且变化剧烈。也就是说，当诸如锂电池之类的电池组的SOC处于上文所述的预定范围或区间时，诸如电池内阻和电压波动性之类的电池特性可以处于基本稳定的状态。因此，在通过分析电池特性(例如电池内阻和电压波动性)来确定电池异常的过程中，在第一数据集合中选择与上述SOC预定范围或区间对应的电气数据将会有助于改善电池异常判断的准确率。

在本公开的一些实施例中，SOC的预定范围是从荷电状态的35％至75％的范围。具体而言，对于锂电池而言，在30％～80％的SOC范围内，诸如内阻和电压波动性之类的电池特性较为平稳。同时，考虑到SOC的估计或计算存在5％的误差，选择35％～75％的SOC范围较为优选。

在一些实施例中，计算设备300基于附加条件来从第一数据集合中选择预定时间段中的至少一部分时间段的电气数据，附件条件包括以下至少一项：多个电池单元1111在所选择的时间段的电压值和电流值不为空；以及多个电池单元1111在所选择的时间段的电流值的绝对值大于零。具体而言，除了选择SOC处于预定范围内的时段的电气数据之外，还可以对数据进行进一步的筛选。例如，某个采样时刻未能采集到部分电池单元的数据，这可能导致该采样时刻下的部分电池单元的数据为空，此时可以从第一数据集合中移除该采样时刻下的所有电气数据。此外，电动车辆会出现长时间待机的应用场景，这时的车辆的电池电流小且保持稳定，此时的数据不适合用于电池异常的分析。因此，如果一些采样时刻的电流为零或接近零，则表明车辆和电池可能处于待机场景，因此可以丢弃与这些采样时刻相对应的电气数据而不选择放入第二数据集合。

经过筛选后获得的第二数据集合中的电压例如可以表示为

在对第二数据集合进行进一步处理之前，计算设备300可以对第二数据集合的有效性进行判断。在本公开的一些实施例中，计算设备300可以进一步确定第二数据集合的数据量和/或第二数据集合中的电流值的最大变化量，并且如果数据量低于数据量阈值和/或最大变化量低于变化量阈值，则计算设备300确定第二数据集合无效并且丢弃第二数据集合，如果数据量超过数据量阈值和/或最大变化量超过变化量阈值，则计算设备300确定第二数据集合有效。

例如，可以在第二数据集合的电流矩阵[I

图6示出了基于第二数据集合来确定与电池内阻相关联的一组特征值的示例过程6000的示意流程图。图6所示出的过程6000可以在图2的框2003处实现。

在框6001处，针对每个电池单元，计算设备300基于相应电池单元在第二数据集合中的电压值、电流值和电量值来进行线性拟合以获取相应电池单元的内阻值。

作为示例，可以从第二数据集合的电压矩阵

V

等式(3)中的a、b和c为拟合的参数，其中参数a为第n个电池单元在滑动时间窗口或预定时间段期间的内阻值r

重复上述步骤，可以获得其他电池单元在预定时间段或滑动时间窗口期间的内阻值。电池组111的多个电池单元1111(即y个电池单元)的一组内阻值可以表示为[r

在获取锂电池内阻的常规方法中，需要在实验室环境下对电池进行混合功率脉冲特性(Hybrid Pulse Power Characteristic,HPPC)测试，并且在电流变化时，利用不同时期的电压变化量和电流变化量的比值来计算锂电池内阻。常规方法只能在实验室环境下进行，而且需要高采集精度的充放电外设设备，因此成本过高。在本公开的在线计算电池内阻的改进方案中，通过筛选合适数据段并且采用多元回归分析方式，可以精确计算电池内阻，降低内阻的计算量，并且不需要高精度的电压信号以及额外的高成本采集设备。

在框6002处，针对每个电池单元，计算设备300基于针对多个电池单元的一组内阻值[r

作为示例，基于多个电池单元1111的内阻[r

等式(4)计算出的内阻Z分数是无量纲值，并且同一电池组111内的SOC、温度、老化程度相差不大，因此电池组111内部的电池单元相互比较所获得的内阻Z分数将与SOC、温度、老化程度基本无关，从而可以作为内阻一致性特征。

在框6003处，将针对多个电池单元的一组内阻Z分数确定为至少一组特征值中的一组特征值。具体而言，针对其他电池单元重复等式(4)的计算步骤，可以计算出电池组111中的每个电池单元的内阻Z分数，从而获得多个电池单元1111的一组内阻Z分数(或称为内阻Z分数序列或矩阵)[Z

在本公开的一些实施例中，框2003中的至少一组特征值还可以包括与多个电池单元的电压波动程度相关联的一组特征值。具体而言，除了与电池内阻相关联的特征值外，还可以进一步引入与多个电池单元的电压波动程度相关联的特征值，这可以增加电池故障预警分析的准确性。

图7示出了基于第二数据集合确定与多个电池单元的电压波动程度相关联的一组特征值的示例过程7000的示意流程图。

在框7001处，针对每个电池单元，计算设备300基于相应电池单元在第二数据集合中的电压值，获取相应电池单元的电压熵。

作为示例，在第二数据集合的电压矩阵

通过这种方式，可以计算出第n个电池单元的电压在不同电压区间的分布频率或分布概率。在划分电压区间时，区间的数目不能过大，例如可以将m选取为5～10。

基于第n个电池单元的在m个电压区间的分布概率，可以利用类似于信息熵计算公式的以下等式来计算第n个电池单元的电压熵E

对上述步骤进行重复即可以确定电池组111中的每个电池单元在预定时间段中的电压熵，并且获得电池组111的多个电池单元的一组电压熵(或称为电压熵序列或矩阵)[E

在框7002处，针对每个电池单元，计算设备300基于针对多个电池单元的一组电压熵[E

作为示例，基于多个电池单元1111的电压熵[E

在框7003处，将针对多个电池单元的一组电压熵Z分数确定为至少一组特征值中的一组特征值。

具体而言，针对电池组111中的其他电池单元，重复等式(7)的计算步骤，可以计算出电池组111中的所有电池单元的电压熵Z分数，从而获得多个电池单元1111的一组电压熵Z分数(或称为电压熵Z分数序列或矩阵)[Z

由此可见，计算设备300至少可以基于第二数据集合确定与电池内阻相关联的一组特征值。备选地，计算设备300可以基于第二数据集合确定与电池内阻相关联的第一组特征值以及与电池电压波动程度(例如电压熵)相关联的第二组特征值。可以理解，本公开的实施例并不受限于此，并且根据电池故障预警诊断的实际需求，还可以引入其他特性的特征值，从而进一步改善分析和诊断过程。

图8示出了基于至少一组特征值确定多个电池单元是否存在异常的示例过程8000的示意流程图。图8所示出的过程8000可以在图2的框2004处实现。

在框8001处，计算设备300利用离群算法来确定与至少一组特征值分别相对应的至少一个特征值阈值。作为示例，计算设备300可以利用诸如3σ准则或四分差之类的离群算法来确定电池内阻Z分数的阈值TH1。此外，在提供了电池单元的电压熵的情况下，还可以利用类似的离群算法来确定电压熵Z分数的阈值TH2。备选地，也可以借助于经验值来确定TH1和/或TH2。

在框8002处，计算设备300判断至少一组特征值是否均存在超过相应特征值阈值的特征值。例如，依次判断多个电池单元的内阻Z分数[Z

在框8003处，如果至少一组特征值均存在超过相应特征值阈值的特征值，则计算设备300使计数器加一。作为示例，计算设备300可以提供指示符battery_fault和计数器cumNum。当判断存在离群的电池单元时，可以将battery_fault设置为1，否则将battery_fault设置为0。进一步地，当battery_fault＝1时，计数器cumNum＝cumNum+battery_fault，而当battery_fault＝0时，计数器cumNum＝0。也就是说，当基于当前的数据判断电池组111存在离群的电池单元时，可以将计数器cumNum加一，如果不存在离群的电池单元，将计数器cumNum清零。

在框8004处，计算设备300判断计数器的计数是否超过了计数阈值。在框8005处，如果计数器的计数超过了计数阈值，计算设备300确定电池组或多个电池单元存在异常。具体而言，可以重复先前的步骤，从而根据新获取的数据来反复判断是否存在离群电池单元。由此，在判断存在离群电池单元的次数超过一定的计数阈值TH3(例如2～5)时，确定电池组111或其多个电池单元确实存在异常。通过这种方式，可以降低数据中偶然性误差带来的影响，进一步提升电池异常判断的准确性。

电池单元的一致性特征可以包括SOC、电压和内阻等特性，其中SOC一致性仅表示电池单元的电量的不一致，而与安全性无关。电池内阻和由电压熵表征的电压波动性都可以在一定程度反映了电池内部的机理或状态变化。但是，电池内阻和电压熵都会受到SOC的影响，例如在SOC较高或较低时呈现非线性变化，因此如果简单地基于电池内阻(和电压熵)来分析和诊断电池异常，可能会出现较高的误报率。在本公开的实施例中，基于SOC来对数据进行筛选，并且基于筛选后的数据来确定电池内阻(和电压熵)的状态，可以以更高的准确性实现电池异常诊断。此外，本公开还采用了改进算法来计算电池内阻，可以改进内阻计算精度，同时降低计算量和整体成本。

图9示出了可以用来实施本公开的实施例的示例设备9000的示意性框图。设备9000可以被实现为图1的计算设备300、或者车辆100的控制平台120或BMS 112。设备9000可以用于实现图2-4和图6-8的方法。

如图所示，设备9000包括中央处理单元(CPU)9001，其可以根据存储在只读存储器(ROM)9002中的计算机程序指令或者从存储单元9008加载到随机访问存储器(RAM)9003中的计算机程序指令，来执行各种适当的动作和处理。在RAM 9003中，还可存储设备9000操作所需的各种程序和数据，例如，可以存储上文提及的测量数据。CPU 9001、ROM 9002以及RAM9003通过总线9004彼此相连。输入/输出(I/O)接口9005也连接至总线9004。

设备9000中的多个部件连接至I/O接口9005，包括：输入单元9006，例如键盘、鼠标等；输出单元9007，例如各种类型的显示器、扬声器等；存储单元9008，例如磁盘、光盘等；以及通信单元9009，例如网卡、调制解调器、无线通信收发机等。通信单元9009允许设备9000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理单元9001执行上文所描述的方法或处理，例如方法2000。例如，在一些实施例中，方法2000可被实现为计算机软件程序或计算机程序产品，其被有形地包含于机器可读介质，诸如非瞬态计算机可读介质，诸如存储单元9008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 9002和/或通信单元9009而被载入和/或安装到设备9000上。当计算机程序加载到RAM 9003并由CPU 9001执行时，可以执行上文描述的方法2000的一个或多个步骤。备选地，在其他实施例中，CPU 9001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法2000。

本领域的技术人员应当理解，上述本公开的方法的各个步骤可以通过通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本公开不限制于任何特定的硬件和软件结合。

应当理解，尽管在上文的详细描述中提及了设备的若干装置或子装置，但是这种划分仅仅是示例性而非强制性的。实际上，根据本公开的实施例，上文描述的两个或更多装置的特征和功能可以在一个装置中具体化。反之，上文描述的一个装置的特征和功能可以进一步划分为由多个装置来具体化。

以上所述仅为本公开的可选实施例，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的保护范围之内。