虚拟电厂的投标容量确定方法、系统、设备及存储介质

技术领域

本发明属于电力自动化领域，涉及一种虚拟电厂的投标容量确定方法、系统、设备及存储介质。

背景技术

随着电力市场化改革的推进，当前已初步建成了现货市场。未来随着电力市场的进一步发展，电力市场会形成能量市场、备用市场以及灵活调峰市场等多类市场并存的局面。与此同时，作为含有多类电源的虚拟电厂，其参与电力市场的经济意义变得越来越重大，包含多种电源的虚拟电厂参与多类电力市场的技术需要进一步的探究。

目前，在包含多种电源的虚拟电厂参与电力市场时，虚拟电厂中风电和光伏发电在市场中的投标容量，通常是由历史数据得来的可用电或保证用电，但是，由于风电和光伏发电的出力不确定性，这样的方式会导致弃风、弃光现象比较严重，造成清洁能源的严重浪费，进而导致整体发电成本的增加。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种虚拟电厂的投标容量确定方法、系统、设备及存储介质。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明第一方面，一种虚拟电厂的投标容量确定方法，包括以下步骤：

获取虚拟电厂中不可控电源投标日的预测发电功率和预测误差分布，以及虚拟电厂中可控电源投标日的最大发电功率；

根据不可控电源投标日的预测误差分布，得到可控电源投标日的若干预留容量和各预留容量的偏差功率；

根据不可控电源投标日的预测发电功率、可控电源投标日的最大发电功率以及可控电源投标日的若干预留容量和各预留容量的偏差功率，求解预设的发电功率确定模型，得到各预留容量下，虚拟电厂参与电力市场的最大利润以及最大利润下的发电功率；

获取所有预留容量中虚拟电厂参与电力市场的最大利润最大的预留容量，并以该预留容量下，虚拟电厂参与电力市场的最大利润下的发电功率作为投标容量。

本发明虚拟电厂的投标容量确定方法进一步的改进在于：

所述获取虚拟电厂中不可控电源投标日的预测发电功率和预测误差分布的具体方法为：

获取投标日的气象预测数据、投标日前第一预设数量天的历史气象预测数据以及不可控电源投标日前第二预设数量天的实际发电功率；

根据投标日的气象预测数据以及投标日前第三预设数量天的历史气象预测数据，通过预设的发电功率预测模型，得到不可控电源投标日的预测发电功率；其中，第三预设数量和第二预设数量均小于第一预设数量；

根据投标日前第一预设数量天的历史气象预测数据，通过预设的发电功率预测模型，得到不可控电源投标日第二预设数量天的预测发电功率；

根据不可控电源投标日前第二预设数量天的预测发电功率和实际发电功率，得到不可控电源的第二预设数量的预测误差数据，通过正态分布拟合不可控电源的第二预设数量的预测误差数据，得到不可控电源投标日的预测误差分布。

所述发电功率预测模型，通过投标日前若干天的历史气象预测数据和不可控电源投标日前若干天的实际发电功率，训练预设的人工神经网络模型得到。

所述根据不可控电源投标日的预测误差分布，得到可控电源投标日的若干预留容量的具体方法为：

获取若干概率组；其中，各概率组均包括第一概率值和第二概率值，且第一概率值小于第二概率值；

遍历各概率组，将预测误差分布在当前概率组的第一概率值下的分位数，作为负预留容量，将预测误差分布在当前概率组的第二概率值下的分位数，作为正预留容量；组合负预留容量和正预留容量，得到当前概率组下可控电源的预留容量；遍历完成后，得到可控电源投标日的若干预留容量。

所述预留容量包括三个，各预留容量均包括负预留容量和正预留容量；三个预留容量的负预留容量依次为预测误差分布的标准差负值、预测误差分布的二倍标准差负值以及预测误差分布的三倍标准差负值，正预留容量依次为预测误差分布的标准差、预测误差分布的二倍标准差以及预测误差分布的三倍标准差。

所述偏差功率均包括欠发电功率和过发电功率；

所述根据不可控电源的预测误差分布，得到各预留容量的偏差功率的具体方法为：通过下式，得到各预留容量的过发电功率P

通过下式，得到各预留容量的欠发电功率P

其中，f(x)为预测误差分布，x为预测误差分布的随机变量，μ为预测误差分布的期望，σ为预测误差分布的标准差，

所述发电功率确定模型以虚拟电厂参与电力市场的利润最大为优化目标，以虚拟电厂参与电力市场中各市场的容量约束、虚拟电厂中各可控电源的运行约束以及虚拟电厂中可控电源给不可控电源的预留容量约束为约束条件构建。

本发明第二方面，一种虚拟电厂的投标容量确定系统，包括：

数据获取模块，用于获取虚拟电厂中不可控电源投标日的预测发电功率和预测误差分布，以及虚拟电厂中可控电源投标日的最大发电功率；

预留及偏差确定模块，用于根据不可控电源投标日的预测误差分布，得到可控电源投标日的若干预留容量和各预留容量的偏差功率；

模型求解模块，用于根据不可控电源投标日的预测发电功率、可控电源投标日的最大发电功率以及可控电源投标日的若干预留容量和各预留容量的偏差功率，求解预设的发电功率确定模型，得到各预留容量下，虚拟电厂参与电力市场的最大利润以及最大利润下的发电功率；

投标容量确定模块，用于获取所有预留容量中虚拟电厂参与电力市场的最大利润最大的预留容量，并以该预留容量下，虚拟电厂参与电力市场的最大利润下的发电功率作为投标容量。

本发明第三方面，一种计算机设备，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虚拟电厂的投标容量确定方法的步骤。

本发明第四方面，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虚拟电厂的投标容量确定方法的步骤。

与现有技术相比，本发明具有以下有益效果：

本发明虚拟电厂的投标容量确定方法，通过获取不可控电源的预测误差分布，并以此为基础确定可控电源的预留容量，实现通过可控电源补偿不可控电源的预测功率与实际功率之间的偏差，并且，根据不可控电源的预测发电功率、可控电源的最大发电功率以及可控电源的若干预留容量和各预留容量的偏差功率，通过预设的发电功率确定模型，确定了不同预留容量下虚拟电厂参与电力市场的最大利润，并通过比较不同预留容量下虚拟电厂参与电力市场的最大利润，得到最优的预留容量，以最优的预留容量下，虚拟电厂参与电力市场的最大利润下的发电功率作为投标容量，实现不可控电源的实际发电功率的最大化参与，极大的降低弃风量和弃光量，有效促进清洁能源的消纳，进而降低整体发电成本。

附图说明

图1为本发明实施例的虚拟电厂的投标容量确定方法流程框图；

图2为本发明实施例的风电电源预测误差分布正态分布拟合示意图；

图3为本发明实施例的虚拟电厂的投标容量确定系统结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面结合附图对本发明做进一步详细描述：

参见图1，本发明一实施例中，提供一种虚拟电厂的投标容量确定方法，通过将不可控电源的预测误差转换为可控电源的预留容量，以实现不可控电源的实际发电功率的最大化消纳，进而降低虚拟电厂整体的发电成本。具体的，该虚拟电厂的投标容量确定方法包括以下步骤。

S1：获取虚拟电厂中不可控电源的预测发电功率和预测误差分布，以及虚拟电厂中可控电源的最大发电功率。

其中，不可控电源为出力不确定的电源，比如风电电源和光伏发电电源，可控电源为出力确定的电源，比如储能电站、燃气轮机以及水电站。

优选的，所述获取虚拟电厂中不可控电源的预测发电功率和预测误差分布的具体方法为：获取投标日的气象预测数据、投标日前第一预设数量天的历史气象预测数据以及投标日前第二预设数量天不可控电源的实际发电功率；根据投标日的气象预测数据以及投标日前第三预设数量天的历史气象预测数据，通过预设的发电功率预测模型，得到不可控电源的预测发电功率；其中，第三预设数量和第二预设数量均小于第一预设数量；根据投标日前第一预设数量天的历史气象预测数据，通过预设的发电功率预测模型，得到投标日第二预设数量天不可控电源的预测发电功率；根据投标日第二预设数量天不可控电源的预测发电功率和实际发电功率，得到不可控电源的第二预设数量的预测误差数据，通过正态分布拟合不可控电源的第二预设数量的预测误差数据，得到不可控电源的预测误差分布。

其中，发电功率预测模型，通过投标日前若干天的历史气象预测数据和不可控电源的实际发电功率，训练预设的人工神经网络模型得到。具体的，本实施例中，选取投标日即参与电力市场的日期，前3个月每天的历史气象预测数据和不可控电源的实际发电功率作为训练数据，利用每段连续14天的历史气象预测数据和实际发电功率进行预设的人工神经网络模型训练，第15天的数据作为测试集，因此，每个连续的15天的数据可以得到一组预测数据。其中，人工神经网络模型为人为搭建的神经网络模型，其输入神经元个数选择为气象信息的种类，如风速、风向、温度、湿度、气压及光照强度等，输入层数据为每小时的历史气象预测数据，输出神经元个数为1，输出层数据为不可控电源的预测发电功率。隐含层神经元数量可以设置为11个，但不以此为限，随具体的预测效果可以改变，训练函数选择trainlm函数，节点传递函数选择purelin函数。

通过上述训练后，得到发电功率预测模型，进而根据发电功率预测模型进行不可控电源的预测发电功率和预测误差分布的获取。具体的，本实施例中，第一预设数量设置为90，第二预设数量设置为76，第三预设数量天为14。

通过将投标日的气象预测数据以及投标日前14天的历史气象预测数据输入发电功率预测模型，得到不可控电源投标日的预测发电功率。同时，根据投标日前90天的历史气象预测数据，以15天为一段，连续输入发电功率预测模型，得到不可控电源投标日前76的预测发电功率，其中，本实施例中，以每小时为研究对象，预测发电功率为每小时的功率预测数据，通过将不可控电源投标日前76的预测发电功率与实际发电功率进行对比，得到76天内每小时的功率预测误差数据，进而通过正态分布拟合的方式，得到这些功率预测误差数据服从的概率分布，以此作为不可控电源投标日的预测误差分布，参见图2，示出了某一小时的风电电源的预测误差分布的频率分布直方图与拟合的正态分布。

S2：根据不可控电源的预测误差分布，得到可控电源的若干预留容量和各预留容量的偏差功率。

具体的，所述根据不可控电源投标日的预测误差分布，得到可控电源投标日的若干预留容量的具体方法为：获取若干概率组；其中，各概率组均包括第一概率值和第二概率值，且第一概率值小于第二概率值；遍历各概率组，将预测误差分布在当前概率组的第一概率值下的分位数，作为负预留容量，将预测误差分布在当前概率组的第二概率值下的分位数，作为正预留容量；组合负预留容量和正预留容量，得到当前概率组下可控电源的预留容量；遍历完成后，得到可控电源投标日的若干预留容量。其中，概率组可预先人为设定。

优选的，本实施例中，基于统计学中的3σ定理，在正态分布中，数值分布在(μ

以选取的预留容量为1σ为例，预测误差分布的表达式如式(1)所示：

其中，f(x)为预测误差分布，x为预测误差分布的随机变量。

基于预测误差分布，结合正态分布分位数，可以得到式(2)所示的不可控电源的发电功率在一定置信水平下的发电功率波动区间：

其中，f

在确定了可控电源投标日的若干预留容量后，还应当考虑各预留容量的偏差功率，其中，所述偏差功率均包括欠发电功率和过发电功率，所述根据不可控电源的预测误差分布，得到各预留容量的偏差功率的具体方法为：通过式(3)，得到各预留容量的过发电功率P

通过式(4)，得到各预留容量的欠发电功率P

其中，

具体的，本实施例中，以预留容量为1σ为例，不可控电源包括风电电源和光伏发电电源，各预留容量的第t时段的过发电功率P

其中，t表示时段序号，本实施例中，以一小时为一时段。

S3：根据不可控电源的预测发电功率、可控电源的最大发电功率以及可控电源的若干预留容量和各预留容量的偏差功率，求解预设的发电功率确定模型，得到各预留容量下，虚拟电厂参与电力市场的最大利润以及最大利润下的发电功率。

其中，所述发电功率确定模型以虚拟电厂参与电力市场的利润最大为优化目标，以虚拟电厂参与电力市场中各市场的容量约束、虚拟电厂中各可控电源的运行约束以及虚拟电厂中可控电源给不可控电源的预留容量约束为约束条件构建。

具体的，虚拟电厂参与电力市场的利润通过虚拟电厂内各类电源的日运行成本、偏差功率惩罚成本以及参与各类市场的收益得到。本实施例中，发电功率确定模型的优化目标如下式(7)所示：

max Y

其中，Y

其中，p

p

p

其中，p

具体的，对于风电和光伏发电的成本特性，对其成本的表述主要通过一次投资成本结合折旧率计算其在寿命周期内的平准化成本。因此风力发电和光伏发电在日前市场中的发电成本模型可以表示为式(10)和(11)：

其中，P

针对储能电站，其成本主要包括一次性购买电池的容量成本，运行维护成本以及储能电站从电网充电引起的成本，如式(12)所示：

其中，C

储能电站的运行维护成本如如式(13)所示：

其中，C

储能电站从能量市场购买电能进行充电的成本可由式(14)计算：

C

其中，P

燃气轮机发电成本由运行成本(二次曲线)和启停成本构成，如(15)所示：

其中，P

水电站启停方便，其启停成本可以忽略不计，构建水电运行的日成本如式(16)所示：

其中，P

针对偏差功率带来的经济惩罚，构建欠发电功率惩罚成本如式(17)所示，过发电功率惩罚成本如(18)所示：

其中，

具体的，发电功率确定模型的约束条件包括虚拟电厂参与电力市场中各市场的容量约束、虚拟电厂中各可控电源的运行约束以及虚拟电厂中可控电源给不可控电源的预留容量约束。

其中，虚拟电厂参与各个市场的容量约束如式(19)至式(23)所示：

0≤P

0≤P

0≤P

0≤P

0≤P

其中，P

虚拟电厂中各可控电源的运行约束包括储能电站约束、燃气轮机约束以及水电站约束。其中，储能电站约束如式(24)至式(38)所示：

P

0≤P

0≤P

M

0≤P

0≤P

0≤P

-P

0≤P

0≤0.25P

E

E

其中，式(24)-(27)表示储能充电和放电的约束，同一时刻只允许进行充电或放电操作，式(28)表示储能预留给UPS的功率的非负性。式(29)表示储能电站参与电能市场放电、预留的备用市场、向上爬坡辅助服务市场的功率以及预留给UPS的放电功率不能超过储能最大额定功率，同理式(30)表示储能电站进行充电、向下爬坡辅助服务市场的功率与预留给UPS的充电功率不能超过储能最大额定功率。式(31)表示储能在放电的基础上参与向下爬坡市场和给UPS预留充电容量不能超过储能的充电功率。式(32)-(36)结合储能电池的荷电状态进一步对参与各个市场的容量进行限制，系数0.25是灵活调峰市场调度时长为15min的等价转换，η表示储能的充放电功率，β表示储能允许参与辅助服务市场容量占储能最大荷电状态的比例，可取0.1。同时，E

燃气轮机约束如式(39)至式(43)所示：

M

M

M

0≤P

-P

其中，M

水电站如式(44)至式(47)所示：

0≤P

0≤P

0≤P

其中，式(44)表示水电站在发电基础上参与备用市场的功率P

虚拟电厂中可控电源给不可控电源的预留容量约束如式(48)和(49)所示：

P

P

上式分别表示可控电源为不可控电源预留的增发或者减发出力的等式约束，这里采取的不可控电源的功率波动区间为一倍的σ。

通过对虚拟电厂参与电力市场的利润以及虚拟电厂参与电力市场中各市场的容量约束、虚拟电厂中各可控电源的运行约束以及虚拟电厂中可控电源给不可控电源的预留容量约束建模，得到发电功率确定模型，其为目标函数含有二次项的混合整数凸规划问题，可利用CPLEX求解器求得全局最优解。

具体的，遍历各预留容量，将不可控电源投标日的预测发电功率、可控电源投标日的最大发电功率以及可控电源投标日的当前预留容量和当前预留容量的偏差功率输入发电功率确定模型，得到当前预留容量下，虚拟电厂参与电力市场的最大利润以及最大利润下的发电功率。完成遍历后，得到各预留容量下，虚拟电厂参与电力市场的最大利润以及最大利润下的发电功率。

S4：获取所有预留容量中虚拟电厂参与电力市场的最大利润最大的预留容量，以该预留容量下，虚拟电厂参与电力市场的最大利润下的发电功率作为投标容量。

具体的，从所有预留容量中，选取虚拟电厂参与电力市场的最大利润最大的一个预留容量，认为该预留容量就是最优的预留容量，在进行虚拟电厂的投标时，以该预留容量作为标准，以该预留容量下，虚拟电厂参与电力市场的最大利润下的发电功率作为投标容量，以实现不可控电源的充分消纳，降低弃风、弃光。其中，最大利润下的发电功率包括虚拟电厂内可控电源和不可控电源的发电功率。

本发明虚拟电厂的投标容量确定方法，针对虚拟电厂中的不可控电源，如风电电源和光伏发电电源，基于人工神经网络模型训练，通过气象信息，对虚拟电厂中的不可控电源的发电功率进行预测，可以得到不可控电源的预测发电功率，通过对多组测试集的预测发电功率和实际发电功率进行误差分析，可以得到不可控电源的预测误差概率分布，通过选取一定概率下的预测误差区间，作为其余可控电源需要承担的预留容量，合理的利用了预测技术处理不可控电源的可用功率与波动区间。同时，基于不可控电源超出预留容量的偏差功率成本、可控电源的日运行成本和收益，建立虚拟电厂最大化利润这一优化问题的目标函数，进一步针对各类电源，刻画其参与能量市场、备用市场和灵活调峰市场的约束条件，构建多类电力市场环境下虚拟电厂的发电功率确定模型，且更进一步的通过不同预留容量的对比确定最优的预留容量。充分考虑了不可控电源的功率波动性所带来的经济惩罚，并采取了利用可控电源减小其波动性的措施，最后构建了参与多种市场的模型，为虚拟电厂中的各种电源参与多类电力市场提供了技术支撑。

下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未纰漏的细节，请参照本发明方法实施例。

参见图3，本发明再一实施例中，提供一种虚拟电厂的投标容量确定系统，能够用于实现上述的虚拟电厂的投标容量确定方法，具体的，该虚拟电厂的投标容量确定系统包括数据获取模块、预留及偏差确定模块、模型求解模块以及投标容量确定模块。

其中，数据获取模块用于获取虚拟电厂中不可控电源投标日的预测发电功率和预测误差分布，以及虚拟电厂中可控电源投标日的最大发电功率；预留及偏差确定模块用于根据不可控电源投标日的预测误差分布，得到可控电源投标日的若干预留容量和各预留容量的偏差功率；模型求解模块用于根据不可控电源投标日的预测发电功率、可控电源投标日的最大发电功率以及可控电源投标日的若干预留容量和各预留容量的偏差功率，求解预设的发电功率确定模型，得到各预留容量下，虚拟电厂参与电力市场的最大利润以及最大利润下的发电功率；投标容量确定模块用于获取所有预留容量中虚拟电厂参与电力市场的最大利润最大的预留容量，并以该预留容量下，虚拟电厂参与电力市场的最大利润下的发电功率作为投标容量。

优选的，所述数据获取模块包括不可控电源获取模块和可控电源获取模块。

其中，不可控电源获取模块用于获取投标日的气象预测数据、投标日前第一预设数量天的历史气象预测数据以及不可控电源投标日前第二预设数量天的实际发电功率；根据投标日的气象预测数据以及投标日前第三预设数量天的历史气象预测数据，通过预设的发电功率预测模型，得到不可控电源投标日的预测发电功率；其中，第三预设数量和第二预设数量均小于第一预设数量；根据投标日前第一预设数量天的历史气象预测数据，通过预设的发电功率预测模型，得到不可控电源投标日第二预设数量天的预测发电功率；根据不可控电源投标日前第二预设数量天的预测发电功率和实际发电功率，得到不可控电源的第二预设数量的预测误差数据，通过正态分布拟合不可控电源的第二预设数量的预测误差数据，得到不可控电源投标日的预测误差分布。

可控电源获取模块用于获取虚拟电厂中可控电源的最大发电功率。

优选的，所述预留及偏差确定模块包括预留容量确定模块。预留容量确定模块用于获取若干概率组；其中，各概率组均包括第一概率值和第二概率值，且第一概率值小于第二概率值；遍历各概率组，将预测误差分布在当前概率组的第一概率值下的分位数，作为负预留容量，将预测误差分布在当前概率组的第二概率值下的分位数，作为正预留容量；组合负预留容量和正预留容量，得到当前概率组下可控电源的预留容量；遍历完成后，得到可控电源投标日的若干预留容量。

优选的，所述偏差功率均包括欠发电功率和过发电功率；所述预留及偏差确定模块包括偏差功率确定模块。偏差功率确定模块用于通过下式，得到各预留容量的过发电功率P

通过下式，得到各预留容量的欠发电功率P

其中，f(x)为预测误差分布，x为预测误差分布的随机变量，μ为预测误差分布的期望，σ为预测误差分布的标准差，

本发明再一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，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，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于虚拟电厂的投标容量确定方法的操作。

本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关虚拟电厂的投标容量确定方法的相应步骤。

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

本发明是参照根据本发明实施例的方法、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。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。