一种电力变压器的监测方法、装置和电子设备

技术领域

本发明涉及变压器技术领域，具体而言，涉及一种电力变压器的监测方法、装置和电子设备。

背景技术

电力变压器是发电厂和变电所的主要设备之一。在电力系统中，电力变压器起着电压变换的作用，其安全性和工作寿命是电力系统安全、可靠、经济运行以及整个电网供电、用电的重要保证，对整个电力系统的稳定运行至关重要。因此，需要对电力变压器中各部件的运行状态进行监测，通常情况下会采用传感器对电力变压器的各个部件的参数进行在线监测，进而基于各个部件的参数判断电力变压器是否故障。但是，电力变压器内各部件的状态很难直接通过传感器得到，导致现有的监测方式存在监测困难、误报率高的问题。

发明内容

为解决上述问题，本发明实施例的目的在于提供一种电力变压器的监测方法、装置和电子设备。

第一方面，本发明实施例提供了一种电力变压器的监测方法，包括：

获取电力变压器运行时的所有状态参数，从所述所有状态参数中筛选出多个状态输入参数；

将多个所述状态输入参数输入至预设的第一神经网络监测模型，得到电力变压器上多个部件各自对应的监测参数；

其中，所述第一神经网络监测模型是根据多个状态输入参数和多个部件各自对应的监测参数对预设的第一BP神经网络进行迭代训练后得到的。

第二方面，本发明实施例还提供了一种电力变压器的监测装置，包括：

状态数据单元，用于获取电力变压器运行时的所有状态参数，从所述所有状态参数中筛选出多个状态输入参数；

模型监测单元，用于将多个所述状态输入参数输入至预设的第一神经网络监测模型，得到电力变压器上多个部件各自对应的监测参数；

其中，所述第一神经网络监测模型是根据多个状态输入参数和多个部件各自对应的监测参数对预设的第一BP神经网络进行迭代训练后得到的。

第三方面，本发明实施例还提供了一种电子设备，包括处理器以及存储器，存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行上述第一方面所述的方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被计算机运行时，执行上述第一方面所述的方法。

在本发明实施例上述第一方面至第四方面提供的方案中，通过预先训练的第一神经网络监测模型对电力的多个部件各自对应的监测参数进行监测，实现对电力变压器的状态的监测；与相关技术中采用传感器对各个部件的参数进行监测的方式相比，可以提高电力变压器的状态监测准确度，降低监测成本。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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示出了本发明实施例1所提供的一种电力变压器的监测方法的第一流程示意图。

图2示出了本发明实施例1所提供的一种电力变压器的监测方法的第二流程示意图。

图3示出了本发明实施例1所提供的一种电力变压器的监测方法的第三流程示意图。

图4示出了本发明实施例2所提供的一种电力变压器的监测装置的第一结构示意图。

图5示出了本发明实施例2所提供的一种电力变压器的监测装置的第二结构示意图。

图6示出了本发明实施例2所提供的一种电力变压器的监测装置的第三结构示意图。

图7示出了本发明实施例3所提供的一种电子设备的结构示意图。

具体实施方式

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。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。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

电力变压器故障的原因有很多，导致电力变压器故障的原因主要分为过热、电气应力、套管局部性问题、套管主题问题以及有载分接开关等。贯穿电力变压器整个运行寿命周期，电力变压器始终受热应力、电气应力、机械应力以及化学应力等多重因素的影响。电力变压器的故障占比从大到小依次为：绕组故障、分接开关故障、套管故障、冷却系统故障、油箱及附件故障、铁芯故障等。绕组故障、分接开关故障、套管故障是电力变压器的三大主要故障类型，约占电力变压器故障总量的70％。

要尽最大可能地避免和减少电力变压器故障或事故的发生，则需要对电力变压器进行状态监测。现有技术中采用传感器对电力变压器进行状态监测的方式，在全面监测电力变压器各个部件的状态方面仍然面临着严峻挑战。另外，基于电力变压器的转台进行可靠性评估以及进行故障预警健康管理，对电力变压器的灾难性故障避免具有重要意义。

基于此，本发明实施例提出的一种电力变压器的监测方法、装置、电子设备和可读存储介质，通过预先训练的第一神经网络监测模型对电力的多个部件各自对应的监测参数进行监测，实现对电力变压器的状态的监测；与相关技术中采用传感器对各个部件的参数进行监测的方式相比，可以提高电力变压器的状态监测准确度，降低监测成本。

在对本发明实施例做进一步详细的说明之前，对本发明实施例中公开的第一神经网络监测模型和第二神经网络监测模型进行详细的说明。

本发明实施例中公开的第一神经网络监测模型是根据多个状态输入参数和多个部件各自对应的监测参数对预设的第一BP神经网络进行迭代训练后得到的，具体包括如下步骤：

1、构建神经网络的输入参数库与输出参数库。

本步骤中的输入参数库是电力变压器的不同运行阶段(指的是电力变压器全生命周期的各个阶段，每个阶段是根据采集需求设置的运行时间长度)的多个状态输入参数构成的数据库，输出参数库是电力变压器的不同运行阶段的多个监测参数构成的数据库。

2、将构建的输入参数库与输出参数库按照随机原则，分为训练集、验证集以及测试集，分别占总数据量的70％，15％，15％。

3、利用训练集，对BP神经网络进行训练，其中隐含层设定为30层。若神经网络监测模型连续10次的训练迭代误差小于1％，则认为训练完成，得到所需要的神经网络监测模型。

4、将验证集加入得到的神经网络监测模型中进行验证，如果神经网络监测模型的误差小于2％，则确认神经网络监测模型符合要求。

5、采用神经网络监测模型对测试集的数据进行测试，则可以得到神经网络监测模型的预测效果。

本发明实施例中公开的第二神经网络监测模型是根据多个部件各自对应的监测参数和电力变压器运行时的瞬时过载参数对预设的第二BP神经网络进行迭代训练后得到的，具体包括如下步骤：

1、构建神经网络的输入参数库与输出参数库。

本步骤中的输入参数库是电力变压器的不同运行阶段的多个监测参数构成的数据库，输出参数库是电力变压器的不同运行阶段的瞬时过载参数构成的数据库。

2、将构建的输入参数库与输出参数库按照随机原则，分为训练集、验证集以及测试集，分别占总数据量的70％，15％，15％。

3、利用训练集，对BP神经网络进行训练，其中隐含层设定为30层。若神经网络监测模型连续10次的训练迭代误差小于1％，则认为训练完成，得到所需要的神经网络监测模型。

4、将验证集加入得到的神经网络监测模型中进行验证，如果神经网络监测模型的误差小于2％，则确认神经网络监测模型符合要求。

5、采用神经网络监测模型对测试集的数据进行测试，则可以得到神经网络监测模型的预测效果。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明做进一步详细的说明。

实施例1

本发明实施例提供的一种电力变压器的监测方法示意图，如图1所示，该电力变压器的监测方法包括以下步骤：

S101：获取电力变压器运行时的所有状态参数，从所述所有状态参数中筛选出多个状态输入参数。

可以理解的是，电力变压器运行时的所有状态参数包含了电力变压器各个部位的电气参数和状态参数。

在本步骤中的所有状态参数包括：油色谱、铁芯接地电流、线路电流、变压器电压、录波数据、铁芯数据、绕组数据、顶部油温、中部油温、底部油温、套管数据、外壳温度、外界环境温度、天气湿度、油位数据、噪音数据和振动数据。

本步骤中是从所有状态参数中筛选出多个状态参数作为预设的第一神经网络监测模型的多个状态输入参数。具体是根据需要监测的电力变压器上的目标部件以及该目标部件对应的电气参数，从所有状态参数中筛选出的。例如：目标器件可以是铁芯、套管、外壳；各自对应的电气参数分别为铁芯温度或铁芯接地电流、套管温度、外壳温度或外壳泄漏电流。需要说明的是，目标部件对应的电气参数也就是本实施例中的监测参数。

本步骤中从所有状态参数中筛选出多个状态输入参数的方式包括如下内容：

步骤1：在所有状态参数中选取出一个状态参数，

以下通过举例的方式对上述步骤1进行说明，举例中的所有状态参数包括油色谱、线路电流和变压器电压。监测参数包括：变压器内部温度、电压变比和负载电流。该变压器内部温度对应的检测数值为温度值；该电压变比对应的检测数值为比值；该负载电流对应的检测数值为电流值。

首先在所有状态参数取出一个状态参数为线路电流，然后更改线路电流对应的电流值(该电流值也就是步骤1中的变更数值)。更改线路电流的电流值后，需要分别检测变压器内部温度对应的温度值，电压变比的比值和负载电流的电流值。

从而在每次更改作为状态参数的线路电流的电流值后，均需要分别检测变压器内部温度对应的温度值，电压变比的比值和负载电流的电流值。

步骤2：将该状态参数的多次的变更数值与一个监测参数的多次检测数值进行线性拟合处理，得到拟合直线以及拟合直线的拟合斜率。

在上述举例的基础上，能够得到多个线路电流对应的电流值，以及每次更改后检测的变压器内部温度对应的温度值。将每个电流值作为横坐标，与每个电流值对应的温度值作为纵坐标形成一个坐标系；电流值与温度值构成了坐标系上的一个坐标点。多次更改后，在坐标系上构建了多个坐标点。将多个坐标点进行线性拟合处理，能够得到一条拟合直线，通过拟合直线上的坐标点能够计算出该拟合直线的斜率，该斜率即为拟合斜率。

可以理解的是，按照步骤2的方式进行拟合，能够得到线路电流分别与变压器内部温度、电压变比和负载电流的拟合直线，以及每条拟合直线各自的拟合斜率。即可以得到该状态参数与多个监测参数之间的多个拟合斜率。

将线路电流更换为变压器电压，重复执行步骤1和步骤2，可以得到所有状态参数中每个状态参数分别与多个监测参数中各监测参数之间的多个拟合斜率。

也就是说，通过上述方式，能够确定所有状态参数中每个状态参数分别与每个部件对应的监测参数之间的相关性系数；其中，该相关性系数为状态参数与监测参数之间的拟合斜率。

在对所有状态参数进行筛选处理时，是根据所有状态参数中每个状态参数对应的所有相关性系数对所有状态参数进行筛选处理的，进而得到多个状态输入参数。具体包括：在所有状态参数中，确定符合状态参数对应的所有相关性系数均大于预设相关性系数阈值的状态参数为状态输入参数。也就是说，每个状态参数对应的多个拟合斜率均大于该预设相关性系数阈值，则该状态参数即视作为一个状态输入参数。

通过这种比较方式，能够得到多个符合比较要求(即状态参数对应的多个拟合斜率均大于预设相关性系数阈值)的状态参数，多个符合比较要求的状态参数即为多个状态输入参数。

在一个实施方式中，上述预设相关性系数阈值可以设置为0.15。

另外，本发明实施例还提供了另一种从所有状态参数中筛选出多个状态输入参数的方式，与上述的筛选方式不同的是：在一个状态参数对应的多个拟合斜率中，只要有一个拟合斜率大于预设相关性系数阈值，即可确定该状态参数为一个状态输入参数。通过此种方式也可以从所有状态参数中筛选出多个状态输入参数。

S102：将多个所述状态输入参数输入至预设的第一神经网络监测模型，得到电力变压器上多个部件各自对应的监测参数。

在本步骤中，第一神经网络监测模型分为三部分，分别为：输入层，隐含层和输出层。

输入层是接收步骤S101中筛选得到的多个状态输入参数。

隐含层是神经网络的内部复杂结构。本步骤中设定隐含层为30层，其各层之间存在联系，通过基于训练数据集的学习，实现输入层与输出层之间的映射关系。隐含层不直接向外界输出电力变压器的监测参数，同时，也不直接接收变压器的状态输入参数。

输出层是输出电力变压器上部件的监测参数，该监测参数包括变压器内部温度、变压器内部湿度、变压器内部绕组和机壳之间的泄漏电流、变压器机壳与大地之间的泄漏电流、电压变比、负载电流、套管外漏电流、铁芯内涡流、风扇转速、循环油流速和开合闸电弧长度。

需要说明的是，输入层信息与电力变压器的状态输入参数密切相关，通过对状态输入参数进行分析与处理，可以有效提取电力变压器的状态信息。由于电力变压器的状态信息与状态输入参数之间存在多参数耦合与强烈的非线性关系，因此采用神经网络进行映射构建。

为了对电力变压器进行健康管理，以便可以减少人工巡检、降低维护成本。参见图2，在上述实施例的步骤S102之后，具体包含有如下内容：

S201：基于所述第一神经网络监测模型获取电力变压器上绕组的绕组温度和机壳的泄漏电流。

本步骤中，确定第一神经网络监测模型输出的变压器内部温度为电力变压器上绕组的绕组温度，第一神经网络监测模型输出的变压器内部绕组和机壳之间的泄漏电流为机壳的泄漏电流。

S202：采集电力变压器运行时冷却油的冷却油温度。

在本步骤中，可以通过在电力变压器的冷却油中内置温度传感器，并通过无线传输的方式将温度传感器测量的冷却油温度传输至电力变压器的外部。

S203：基于所述绕组温度和所述冷却油温度对电力变压器风扇的风速进行调节以及对电力变压器内冷却油的流速进行调节。

本步骤中包括了对风扇的风速进行调节以及对冷却油的流速进行调节两个部分。启动调节风扇风速冷却油流速的条件是绕组温度和冷却油温度均达到电力变压器额定温度的80％。

也就是说，在绕组温度和冷却油温度均达到电力变压器额定温度的80％时，对风扇的风速和冷却油的流速进行调节，具体调节方式的是：增加风扇的风速或增加冷却油的流速。在此种调节方式下不能够降低绕组温度或冷却油温度时，则需要在增加风扇的风速的同时增加冷却油的流速。

通过对电力变压器的风扇风速和冷却油流速进行调节，从而提高电力变压器运行可靠性，延长电力变压器的设备寿命，进而能够提升经济效益。

S204：基于所述泄漏电流对电力变压器的运行电压进行调节。

本步骤是根据泄漏电流的变化大小来调节对电力变压器的运行电压的大小。其中，泄漏电流越大则运行电压应该越小，也就是说，确定泄漏电流增大/减小后，需要降低/增加电力变压器的运行电压。

另外，还可以通过预先定义的泄漏电流的变化阈值与对应的运行电压的变化区间之间的对应关系表。确定了泄漏电流后可以得到该泄漏电流对应的变化阈值，按照该对应关系表确定该变化阈值对应的电压的变化区间。调节电力变压器的运行电压，使得电力变压器的运行电压在该电压的变化区间内。

例如：泄漏电流的可允许的变化范围在1μA-30μA，可以按照10μA为一个跨度，将可允许的变化范围(1μA-30μA)划分为三个变化阈值，分别为1μA-10μA，11μA-20μA，21μA-30μA。与三个变化阈值分别对应的变化区间为1000kv-800kv，799kv-600kv，599kv-400kv。

若确定泄漏电流的电流值在变化阈值21μA-30μA内，则电力变压器的运行电压，使该运行电压在变化区间1000kv-800kv内。若确定泄漏电流的电流值在变化阈值1μA-10μA内，则电力变压器的运行电压，使该运行电压在变化区间599kv-400kv内。

通过对电力变压器的运行电压进行调节，能够避免发生绝缘闪络，提高电力变压器的运行可靠性。

从上述描述可知，电力变压器的健康管理是指对电力变压器的风扇风速、冷却油的流速以及运行电压进行主动调节。

综上所述，通过对电力变压器进行健康管理，从而提升电力变压器的可靠性，进而保障电力系统的稳定运行。

为了对电力变压器进行检修与维护，以便实现预知性检修、降低维护成本。参见图3，在上述实施例的步骤S102之后，具体包含有如下内容：

S301：将电力变压器上多个部件各自对应的监测参数输入至预设的第二神经网络监测模型，得到电力变压器运行时的瞬时过载参数；

在本步骤中，通过监测参数来评估电力变压器的瞬时过载参数，该瞬时过载参数能够表征电力变压器的瞬时过载能力。通过上述步骤S102能够得到电力变压器上多个部件各自对应的监测参数。

将得到的监测参数输入至预设的第二神经网络监测模型即可得到电力变压器运行时的瞬时过载参数。

S302：获取电力变压器出厂时的额定瞬时过载参数。

在本步骤中，电力变压器的额定瞬时过载参数是预先缓存的。

可以理解的是，电力变压器的额定瞬时过载参数在出厂时会有一个额定值，随着电力变压器的老化，电力变压器的瞬时过载参数会逐渐下降，主要与电力变压器内部绝缘老化情况、变压器绕组故障与变形情况、套管老化情况、铁芯老化情况以及分接开关情况有关。

S303：根据所述瞬时过载参数和所述额定瞬时过载参数确定电力变压器的衰减比。

本步骤中，衰减比为瞬时过载参数与额定瞬时过载参数的比值。

S304：在所述衰减比小于预设衰减值时，发出预警信号。

在本步骤中，衰减比例小于50％，则继续检测电力变压器运行时的瞬时过载参数。同时还进行电力变压器的健康管理；如果衰减比例超过50％，则发出预警信号，通知进行检修与维护。

从上述描述可知，对电力变压器进行预警与管理，可以有效避免电力变压器发生故障。可以提高电力变压器的运行效率、实现预知性检修、快速识别事故隐患。

综上所述，本实施例提出的一种电力变压器的监测方法，通过预先训练的第一神经网络监测模型对电力的多个部件各自对应的监测参数进行监测，实现对电力变压器的状态的监测；与相关技术中采用传感器对各个部件的参数进行监测的方式相比，可以提高电力变压器的状态监测准确度，降低监测成本。

实施例2

本实施例公开了一种电力变压器的监测装置，如图4所示，该电力变压器的监测装置，包括：

状态数据单元10，用于获取电力变压器运行时的所有状态参数，从所述所有状态参数中筛选出多个状态输入参数；

模型监测单元20，用于将多个所述状态输入参数输入至预设的第一神经网络监测模型，得到电力变压器上多个部件各自对应的监测参数；

其中，所述第一神经网络监测模型是根据多个状态输入参数和多个部件各自对应的监测参数对预设的第一BP神经网络进行迭代训练后得到的。

在一可选的实施例中，状态数据单元10包括：

相关性系数模块，用于确定所有状态参数中每个状态参数分别与每个部件对应的监测参数之间的相关性系数；

筛选模块，用于根据所有状态参数中每个状态参数对应的所有相关性系数对所有状态参数进行筛选处理得到多个状态输入参数。

在一可选的实施例中，筛选模块包括：

判断子模块，用于在所有状态参数中，确定符合状态参数对应的所有相关性系数均大于预设相关性系数阈值的状态参数为状态输入参数。

参见图5，在上述实施例的基础上，该电力变压器的监测装置，还包括：

监测单元30，用于基于所述第一神经网络监测模型获取电力变压器上绕组的绕组温度和机壳的泄漏电流；还用于采集电力变压器运行时冷却油的冷却油温度；

调节单元40，用于基于所述绕组温度和所述冷却油温度对电力变压器风扇的风速进行调节以及对电力变压器内冷却油的流速进行调节；还用于基于所述泄漏电流对电力变压器的运行电压进行调节。

参见图6，在上述实施例的基础上，该电力变压器的监测装置，还包括：

瞬时过载单元50，用于将电力变压器上多个部件各自对应的监测参数输入至预设的第二神经网络监测模型，得到电力变压器运行时的瞬时过载参数；

其中，所述第二神经网络监测模型是根据多个部件各自对应的监测参数和电力变压器运行时的瞬时过载参数对预设的第二BP神经网络进行迭代训练后得到的。

预警单元60，用于获取电力变压器出厂时的额定瞬时过载参数，根据所述瞬时过载参数和所述额定瞬时过载参数确定电力变压器的衰减比，在所述衰减比小于预设衰减值时，发出预警信号。

本发明实施例中各个模块或各个单元用于执行上述实施例1所公开的方式。其功能在此不再赘述，可以参照上述实施例1的详细描述。

综上所述，本实施例提出的一种电力变压器的监测装置，通过预先训练的第一神经网络监测模型对电力的多个部件各自对应的监测参数进行监测，实现对电力变压器的状态的监测；与相关技术中采用传感器对各个部件的参数进行监测的方式相比，可以提高电力变压器的状态监测准确度，降低监测成本。

实施例3

本发明实施例公开了一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述实施例1描述的电力变压器的监测

方法的步骤。具体实现可参见方法实施例1，在此不再赘述。

实施例4

本发明实施例提出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运行时执行上述实施例1描述的电力变压器的监测

方法的步骤。具体实现可参见方法实施例1，在此不再赘述。

此外，本发明实施例还公开了上述实施例3中电子设备的具体结构，参见图7所示的一种电子设备的结构示意图，上述电子设备包括总线51、处理器52、收发机53、总线接口54、存储器55和用户接口56。上述电子设备包括有存储器55。

本实施例中，上述电子设备还包括：存储在存储器55上并可在处理器52上运行的一个或者一个以上的程序，经配置以由上述处理器执行上述一个或者一个以上程序用于进行以下步骤：

获取电力变压器运行时的所有状态参数，从所述所有状态参数中筛选出多个状态输入参数；

将多个所述状态输入参数输入至预设的第一神经网络监测模型，得到电力变压器上多个部件各自对应的监测参数；

其中，所述第一神经网络监测模型是根据多个状态输入参数和多个部件各自对应的监测参数对预设的第一BP神经网络进行迭代训练后得到的。

收发机53，用于在处理器52的控制下接收和发送数据。

其中，总线架构(用总线51来代表)，总线51可以包括任意数量的互联的总线和桥，总线51将包括由处理器52代表的一个或多个处理器和存储器55代表的存储器的各种电路链接在一起。总线51还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本实施例不再对其进行进一步描述。总线接口54在总线51和收发机53之间提供接口。收发机53可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发机53从其他设备接收外部数据。收发机53用于将处理器52处理后的数据发送给其他设备。取决于计算系统的性质，还可以提供用户接口56，例如小键盘、显示器、扬声器、麦克风、操纵杆。

处理器52负责管理总线51和通常的处理，如前述上述运行通用操作系统。而存储器55可以被用于存储处理器52在执行操作时所使用的数据。

可选的，处理器52可以是但不限于：中央处理器、单片机、微处理器或者可编程逻辑器件。

可以理解，本发明实施例中的存储器55可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本实施例描述的系统和方法的存储器55旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器55存储了如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集：操作系统551和应用程序552。

其中，操作系统551，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序552，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序552中。

虽然本发明提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面，也不局限于任何单一的实施例，也不局限于这些方面和/或实施例的任意组合和/或置换。而且，可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或实施例结合使用。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，但本发明的保护范围并不局限于此；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。