电池异常检测方法、装置、电子设备及存储介质

技术领域

本申请涉及电池技术领域，尤其涉及一种电池异常检测方法、装置、电子设备及存储介质。

背景技术

在电池技术应用场景中，由于电池的自然老化、机械损坏、温度过高等原因，出现性能下降、容量下降甚至燃烧爆炸等严重安全问题，所以需要实时监测和检测电池的异常情况。

传统的电池异常检测方法主要使用传感器、数据采集和信号分析技术来检测电池的工作状态。但是，一方面传感器的精度和可靠性会收到环境影响，另一方面传感器还需要频繁更换和维护。除此之外，传统的电池异常检测也严重依赖于运维人员的运维经验，需要通过人工介入的方式得到电池异常检测结果，而且，传统方法处理大量的电池实时数据的能力有限，难以满足大规模电池系统的快速检测需求。

发明内容

本申请实施方式主要解决的技术问题是传统电池异常检测依赖人工运维经验，且无法满足大规模电池的快速异常检测需求。

为解决上述技术问题，本申请实施方式采用的第一个技术方案是：提供一种电池异常检测方法，其特征在于，包括：获取电池组各单体电池的历史运行数据；传输所述历史运行数据至云服务器，并存储所述历史运行数据至云数据库；生成电池异常检测模型，并使用所述历史运行数据训练所述电池异常检测模型，得到训练完成的所述电池异常检测模型；获取待检测电池组各单体的单体实时运行数据，输入所述单体实时运行数据至所述电池异常检测模型，得到电池异常检测结果。

可选地，，所述传输所述历史运行数据至云服务器，并存储所述历史运行数据至云数据库的步骤之前，还包括：获取所述电池组各单体电池的产品参数数据；筛选所述产品参数数据，得到所述电池组各单体电池的参考运行数据和参考环境数据；根据所述参考环境数据的数据类型，获取所述电池组各单体电池的历史运行环境数据。

可选地，所述传输所述历史运行数据至云服务器，并存储所述历史运行数据至云数据库的步骤之后，还包括：传输所述参考运行数据、所述参考环境数据和所述历史运行环境数据至所述云服务器，并存储所述参考运行数据、所述参考环境数据和所述历史运行环境数据至所述云数据库；对所述历史运行数据和所述历史运行环境数据进行数据预处理；对所述历史运行数据和所述历史运行环境数据进行数据特征提取，得到历史时刻序列集合数据。

可选地，所述生成电池异常检测模型，并使用所述历史运行数据训练所述电池异常检测模型，得到训练完成的所述电池异常检测模型的步骤，包括：根据预设电池异常检测需求生成所述电池异常检测模型；设置所述历史运行数据、所述参考运行数据、所述参考环境数据、所述历史环境数据和所述历史时刻序列集合数据作为训练数据；通过所述训练数据训练所述电池异常检测模型，并通过预设损失函数优化所述电池异常检测模型的参数，直至所述损失函数收敛，得到训练完成的所述电池异常检测模型。

可选地，所述获取待检测电池组各单体的单体实时运行数据，输入所述单体实时运行数据至所述电池异常检测模型，得到电池异常检测结果的步骤之后，还包括：从所述云数据库获取在线状态的电池组各单体电池的数据，其中，所述云服务器能够接收到实时运行数据的电池组各单体电池的状态为在线状态，否则为离线状态；启动定时检测线程从所述云数据库获取在线状态的所述电池组各单体电池在预设时间段内的历史片段数据；发送所述历史片段数据至所述电池异常检测模型，得到新的电池异常检测结果。

可选地，所述输入所述单体实时运行数据至所述电池异常检测模型，得到电池异常检测结果的步骤之前，还包括：获取所述待检测电池组各单体的实时运行环境数据；对所述单体实时运行数据进行数据特征提取，得到实时时刻序列集合数据；通过预设异常检测算法计算处理所述实时时刻序列集合数据，得到被算法初次判定存在异常的单体电池；从所述实时时刻序列集合数据获取所述异常的单体电池对应的异常时刻序列集合数据；从所述实时运行环境数据获取所述异常的单体电池对应的异常运行环境数据；使用所述异常时刻序列集合数据和所述异常运行环境数据替换所述实时时刻序列集合数据。

可选地，所述获取待检测电池组各单体的单体实时运行数据，输入所述单体实时运行数据至所述电池异常检测模型，得到电池异常检测结果的步骤之后，还包括：若所述电池异常检测结果中存在电池异常结果，生成所述电池异常结果对应的异常预警信息数据；生成所述异常预警信息数据对应的异常处理方案数据，其中，所述异常处理方案数据是使用电池领域大模型得到的；推送所述异常预警信息至对应的客户端。

为解决上述技术问题，本申请实施方式采用的第二个技术方案是：提供一种电池异常检测装置，包括：电池数据采集模块，用于获取电池组各单体电池的历史运行数据；电池数据存储模块，用于传输所述历史运行数据至云服务器，并存储所述历史运行数据至云数据库；检测模型训练模块，用于生成电池异常检测模型，并使用所述历史运行数据训练所述电池异常检测模型，得到训练完成的所述电池异常检测模型；异常检测结果模块，用于获取待检测电池组各单体的单体实时运行数据，输入所述单体实时运行数据至所述电池异常检测模型，得到电池异常检测结果

为解决上述技术问题，本申请实施方式采用的第三个技术方案是：提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的电池异常检测方法。

为解决上述技术问题，本申请实施方式采用的第四个技术方案是：提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被电子设备执行时，使所述电子设备执行如上所述的电池异常检测方法。

区别于相关技术的情况，本申请通过获取电池组各单体电池的历史运行数据；传输所述历史运行数据至云服务器，并存储所述历史运行数据至云数据库；生成电池异常检测模型，并使用所述历史运行数据训练所述电池异常检测模型，得到训练完成的所述电池异常检测模型；获取待检测电池组各单体的单体实时运行数据，输入所述单体实时运行数据至所述电池异常检测模型，得到电池异常检测结果。通过训练完成的电池异常检测模型对大规模电池组的单体电池的实时数据进行分析，得到电池异常检测结果，减少了电池异常检测时对人工运维经验的依赖，也进一步地提高了电池异常检测的准确性、实时性以及并发处理规模，满足了大规模电池异常检测的快速检测需求。

附图说明

一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本申请实施例提供的电池异常检测方法的应用环境示意图；

图2是本申请实施例提供的电池异常检测方法的流程示意图；

图3是本申请实施例提供的电池异常检测装置的结构示意图；

图4是本申请实施例提供的执行电池异常检测方法的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，如果不冲突，本申请实施例中的各个特征可以相互组合，均在本申请的保护范围之内。另外，虽然在装置示意图中进行了功能模块的划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置示意图中的模块划分，或流程图中的顺序执行所示出或描述的步骤。

除非另有定义，本说明书所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。在本申请的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本申请。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

请参阅图1，图1是本申请实施例提供的电池异常检测方法的应用环境示意图。电池管理系统10(Battery Management System，BMS)中管理了至少一个电池组11，电池组11中包含了至少一个单体电池，单体电池的运行环境中部署了至少一个传感器。通过传感器采集电池组11中单体电池的实时数据，并传输该实时数据至云平台20的云服务器21，再通过云服务器21存储至云数据库22中，通过部署在云服务器21上的云计算服务、数据处理服务、电池异常检测模型的训练服务等服务程序等到训练完成的电池异常检测模型，再通过训练完成的电池异常检测模型处理电池组11的各单体电池的实时数据，得到各单体电池对应的异常检测结果，最后将该异常检测结果推送至与云平台20连接的客户端30。其中，图1中云服务器21提供的云服务包括但不限于：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)、大数据服务。可以理解的是图1中的设备数量仅仅是示意性的，可以根据实际需求进行任意数量的扩展，例如云数据库22可以是云数据库集群、云服务器21可以是云数据库集群、电池组11可以包含了至少一个电池组的电池柜。

请参阅图2，图2是本申请实施例提供的电池异常检测方法的流程示意图，具体包括：

S10、获取电池组各单体电池的历史运行数据。

其中，历史运行数据不仅是保存在图1中的云数据库22中的电池运行数据，还可以是保存在电池管理系统中的电池运行数据。该历史运行数据一般是通过传感器采集到的，该传感器可以采集的数据包括但不限于：电压、电流、温度、内阻、环境温度、环境湿度、海拔、经纬度、加速度、压力等。其中，加速度传感器用于捕捉电池的震动和撞击事件。

优选地，除了获取电池组各单体电池的历史运行数据之外，还获取电池组各单体电池的产品参数数据，例如当前电池组各单体电池的运行环境温度范围、可充放电次数范围、电池容量、电池充电周期、充电速率范围、放电速率范围、电化学类型等。然后筛选获取的产品参数数据，得到电池组各单体电池的参考运行数据和参考环境数据，例如可以获取电池的可充放电次数范围参数作为参考运行数据，也可以获取运行环境温度范围作为参考环境数据。最后，根据参考环境数据的数据类型，获取电池组各单体电池的历史运行环境数据，例如获取电池组各单体电池的历史运行环境温度范围数据作为一种历史运行环境数据，以反应该电池组的单体电池是否在历史中经历的环境温度变化，因为环境温度的变化也是影响电池是否会出现异常的重要影响因素，又例如获取电池组各单体电池的历史加速度数据作为另一种历史运行环境数据，以反应该电池组的单体电池是否在历史上遭受过震动或撞击等事件。

S20、传输历史运行数据至云服务器，并存储历史运行数据至云数据库。

其中，云服务器和云数据库都是依托于云平台，云平台可以是针对拥有权限的外部用户开放的公有云平台，也可以是只针对内部用户开放的私有云平台。云数据库的类型可以是关系型数据库，例如MySQL、SQL Server、PostgreSQL等，也可以是非关系型数据库，例如MongoDB、Redis等，还可以是分布式数据库，例如Cassandra、HBase等，更可以是内存数据库，例如Memcached等。相应的，该云平台还可以部署一系列的大数据处理和分析工具，对存储至该云数据库中的历史运行数据进行大数据处理和大数据分析，例如提供分布式存储和处理大规模数据集的Hadoop分布式计算框架、支持内存计算和分布式数据处理的Spark大数据处理框架、支持流式处理和批处理且低延迟、高吞吐量的Flink分布式计算框架、常用于实时数据处理且支持高容错性和可伸缩性的Storm分布式流式计算框架，又例如提供于大数据处理工具相匹配的大数据分析工具Hive、Pig、Elasticsearch等，其中，Elasticsearch还可以用于对数据进行可视化，同时，还可以基于Elasticsearch处理历史运行数据构建电池异常检测的知识库，更多的云计算领域的技术和大数据领域的技术在此不再赘述。

可选地，在传输历史运行数据至云服务器，并存储历史运行数据至云数据库的步骤之后，还传输该参考运行数据、该参考环境数据和该历史运行环境数据至云服务器，并存储该参考运行数据、该参考环境数据和该历史运行环境数据至云数据库。然后，对该历史运行数据和该历史运行环境数据进行数据预处理，例如去除该历史运行环境数据中的噪声数据，比如在以1分钟为采集频率采集的三个时刻中，中间时刻采集的历史环境温度数据为0，可以将中间时刻采集的历史环境温度数据修正为该中间时刻的前后时刻采集的历史环境温度的均值。然后，对该历史运行数据和该历史运行环境数据进行数据特征提取，得到历史时刻序列集合数据，例如根据预设的判断标准，从历史数据中快速获取到各电池组的单体电池的充电或放电时刻，又例如根据预设的标准判断，从历史温度的变化数据和电池性能数据的变化，得到温度变化对电池性能影响的时刻。

S30、生成电池异常检测模型，并使用历史运行数据训练电池异常检测模型，得到训练完成的电池异常检测模型。

具体地，先根据预设电池异常检测需求生成电池异常检测模型，例如可以根据应用场景的特殊性训练不同的电池异常检测模型，比如汽车电池的异常检测模型中更加注重电池的充电周期、运行环境温度、电池容量等，而储能类型电池的异常检测模型中更加注重电池的放电速率、电池容量等。然后，设置该历史运行数据、参考运行数据、参考环境数据、历史环境数据和历史时刻序列集合数据作为训练数据。最后，通过训练数据训练生成的电池异常检测模型，并通过预设的损失函数优化该电池异常检测模型的参数，直至该损失函数收敛，得到训练完成的电池异常检测模型。其中，该电池异常检测模型更为具体的模型训练过程和模型参数优化过程在此不再赘述。

S40、获取待检测电池组各单体的单体实时运行数据，输入单体实时运行数据至电池异常检测模型，得到电池异常检测结果。

优选地，在获取待检测电池组各单体的单体实时运行数据的步骤之前，还获取待检测电池组各单体的实时运行环境数据，并对单体实时运行数据进行数据特征提取，得到实时时刻序列集合数据，例如单体电池在充电时刻的环境温度变化数据，单体电池在放电时刻的温度变化数据等。然后，通过预设异常检测算法计算处理该实时时刻序列集合数据，得到被算法初次判定存在异常的单体电池，并从实时时刻序列集合数据获取异常的单体电池对应的异常时刻序列集合数据，以及从实时运行环境数据获取异常的单体电池对应的异常运行环境数据。最后，使用异常时刻序列集合数据和异常运行环境数据替换实时时刻序列集合数据。在使用电池异常检测模型处理待检测电池数据之前，先用异常检测算法进行初步筛选，进一步提高了电池异常检测过程的效率，更加利于大规模的电池异常检测应用，同时将电池的实时运行环境数据与电池异常检测过程相结合，判断实时环境对电池运行状态的影响，进一步提高了电池异常检测的全面性，并不只关注于电池本身的异常数据，还关注于电池异常的诱因数据，使得在得到电池异常检测结果之后，能够根据诱因数据生成相应的电池异常解决方案。

优选地，在得到电池异常检测结果之后，还可以从云数据库获取在线状态的电池组各单体电池的数据，其中，云服务器能够接收到实时运行数据的电池组各单体电池的状态为在线状态，否则为离线状态。然后，启动定时检测线程从云数据库获取在线状态的电池组各单体电池在预设时间段内的历史片段数据，例如该预设时间段可以是一天、或者一周、或者一个月等，在实际应用场景中根据电池的安全稳定性要求的高低进行决定。最后，发送历史片段数据至所述电池异常检测模型，得到新的电池异常检测结果，能够根据在线状态的电池组的各单体电池的历史数据进行异常分析，将可能已经出现异常的或者历史上出现过异常的单体电池进行检测，以提高对电池异常检测的全面性和准确性。

优选地，在得到电池异常检测结果之后，若电池异常检测结果中存在电池异常结果，生成该电池异常结果对应的异常预警信息数据，并且生成异常预警信息数据对应的异常处理方案数据，其中，异常处理方案数据是使用电池领域大模型得到的，电池领域大模型的数据获取、模型训练以及模型优化等过程在此不再赘述。其中，上述单体实时运行数据和对应的电池异常结果均可以用于该电池领域大模型的训练，以提升该电池领域大模型输出异常处理方案数据的准确性和适用性。最后，推送所述异常预警信息至对应的客户端，使得相应的客户端使用人员在获知对应的电池异常预警信息数据之后，能够对相应的异常电池进行处置。

本申请实施例提供的电池异常检测方法通过获取电池组各单体电池的历史运行数据；传输所述历史运行数据至云服务器，并存储所述历史运行数据至云数据库；生成电池异常检测模型，并使用所述历史运行数据训练所述电池异常检测模型，得到训练完成的所述电池异常检测模型；获取待检测电池组各单体的单体实时运行数据，输入所述单体实时运行数据至所述电池异常检测模型，得到电池异常检测结果。通过训练完成的电池异常检测模型对大规模电池组的单体电池的实时数据进行分析，得到电池异常检测结果，减少了电池异常检测时对人工运维经验的依赖，也进一步地提高了电池异常检测的准确性、实时性以及并发处理规模，满足了大规模电池异常检测的快速检测需求。

请参阅图3，图3是本申请实施例提供的电池异常检测装置40的系统结构图，该电池异常检测装置40与上述实施例中电池异常检测方法一一对应。该电池异常检测装置40具体包括：

电池数据采集模块41，用于获取电池组各单体电池的历史运行数据。

电池数据存储模块42，用于传输所述历史运行数据至云服务器，并存储所述历史运行数据至云数据库。

检测模型训练模块43，用于生成电池异常检测模型，并使用所述历史运行数据训练所述电池异常检测模型，得到训练完成的所述电池异常检测模型。

异常检测结果模块44，用于获取待检测电池组各单体的单体实时运行数据，输入所述单体实时运行数据至所述电池异常检测模型，得到电池异常检测结果。

可选地，所述电池异常检测装置40还包括电池参数数据模块45，所述电池参数数据模块45用于获取所述电池组各单体电池的产品参数数据；筛选所述产品参数数据，得到所述电池组各单体电池的参考运行数据和参考环境数据；根据所述参考环境数据的数据类型，获取所述电池组各单体电池的历史运行环境数据。

可选地，所述电池异常检测装置40还包括时刻序列集合模块46，所述时刻序列集合模块46用于传输所述参考运行数据、所述参考环境数据和所述历史运行环境数据至所述云服务器，并存储所述参考运行数据、所述参考环境数据和所述历史运行环境数据至所述云数据库；对所述历史运行数据和所述历史运行环境数据进行数据预处理；对所述历史运行数据和所述历史运行环境数据进行数据特征提取，得到历史时刻序列集合数据。

可选地，所述检测模型训练模块43，具体用于根据预设电池异常检测需求生成所述电池异常检测模型；设置所述历史运行数据、所述参考运行数据、所述参考环境数据、所述历史环境数据和所述历史时刻序列集合数据作为训练数据；通过所述训练数据训练所述电池异常检测模型，并通过预设损失函数优化所述电池异常检测模型的参数，直至所述损失函数收敛，得到训练完成的所述电池异常检测模型。

可选地，所述电池异常检测装置40还包括历史数据检测模块47，所述历史数据检测模块47用于从所述云数据库获取在线状态的电池组各单体电池的数据，其中，所述云服务器能够接收到实时运行数据的电池组各单体电池的状态为在线状态，否则为离线状态；启动定时检测线程从所述云数据库获取在线状态的所述电池组各单体电池在预设时间段内的历史片段数据；发送所述历史片段数据至所述电池异常检测模型，得到新的电池异常检测结果。

可选地，所述电池异常检测装置还包括数据预处理模块48，所述数据预处理模块48用于获取所述待检测电池组各单体的实时运行环境数据；对所述单体实时运行数据进行数据特征提取，得到实时时刻序列集合数据；通过预设异常检测算法计算处理所述实时时刻序列集合数据，得到被算法初次判定存在异常的单体电池；从所述实时时刻序列集合数据获取所述异常的单体电池对应的异常时刻序列集合数据；从所述实时运行环境数据获取所述异常的单体电池对应的异常运行环境数据；使用所述异常时刻序列集合数据和所述异常运行环境数据替换所述实时时刻序列集合数据。

可选地，所述电池异常检测装置还包括电池异常预警模块49，所述电池异常预警模块49用于若所述电池异常检测结果中存在电池异常结果，生成所述电池异常结果对应的异常预警信息数据；生成所述异常预警信息数据对应的异常处理方案数据，其中，所述异常处理方案数据是使用电池领域大模型得到的；推送所述异常预警信息至对应的客户端。

需要说明的是，上述电池异常检测装置可执行本申请实施例所提供的电池异常检测方法，具备执行方法相应的功能模块和有益效果。未在电池异常检测装置实施例中详尽描述的技术细节，可参见本申请实施例所提供的电池异常检测方法。

请参阅图4，图4是本申请实施例提供的电池异常检测方法的电子设备50的硬件结构示意图，如图4所示，该电子设备50包括：

一个或多个处理器51以及存储器52，图4中以一个处理器51为例。

处理器51和存储器52可以通过总线或者其他方式连接，图4中以通过总线连接为例。

存储器52作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的电池异常检测方法对应的程序指令/模块。处理器51通过运行存储在存储器52中的非易失性软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例电池异常检测方法。

存储器52可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电池异常检测装置的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至电池异常检测装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器52中，当被所述一个或者多个处理器51执行时，执行上述任意方法实施例中的电池异常检测方法，例如，执行以上描述的图2中的方法步骤S10至步骤S40，实现图3中的模块41至44的功能。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本申请实施例提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图4中的一个处理器51，可使得上述一个或多个处理器可执行上述任意方法实施例中的电池异常检测方法，例如，执行以上描述的图2中的方法步骤S10至步骤S40，实现图3中的模块41至44的功能。

本申请实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被所述电子设备执行时，使所述电子设备能够执行上述任意方法实施例中的电池异常检测方法，例如，执行以上描述的图2中的方法步骤S10至步骤S40，实现图3中的模块41至44的功能。

以上所描述的装置实施例仅仅是示意性的，其中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，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的范围。