配电网调度方法、装置及系统、处理器、电子设备

技术领域

本发明涉及配电网调度领域，具体而言，涉及一种配电网调度方法、装置及系统、处理器、电子设备。

背景技术

目前对于具有新能源并网的主动配电网，主要的能量调度管理还是基于对于区域内新能源发电端的物理建模，结合各类机器学习等优化算法，制定调度管理计划。

但是现有技术中存在如下问题：针对区域非常小的配电网可以实现精确地对配电网内所有设备进行建模仿真，但对于城区这样面积大，用电设备多，拓扑结构复杂的配电网，不仅详细建模困难，而且模型复杂也会导致运算量地急剧增加，不符合现实情况地需求。针对用户的光伏发电和充电桩，由于其基本都处在配电网结构的支路末端，且容量不大，基本上在建模仿真时都会被等效成一个电源和负载。但是，在针对V2G并网，最大的技术难点之一就是需要针对每辆车不同的SOC制订不同的充放电策略，这是目前配电网能量调度管理中，无法精细到的程度。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种配电网调度方法、装置及系统、处理器、电子设备，以至少解决如何在不增加配电网仿真模型的复杂程度的同时提高仿真建模的精细程度的技术问题。

根据本发明实施例的一个方面，提供了一种配电网调度系统，包括：能量管理终端，与负载终端连接，用于采集上述负载终端的用电习惯信息，并采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；配电网调度平台，与上述能量管理终端连接，用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端。

可选的，上述能量管理终端还与配电网连接，用于基于上述能量管理策略确定上述配电网为上述负载终端分配的目标电量。

可选的，上述用电习惯信息包括历史用电量信息，上述能量管理终端包括：光伏逆变器和/或充电站，用于记录上述负载终端的历史用电量信息，并按照时间段信息将上述历史用电量信息进行分组处理，得到处于同一时间段的多组历史用电量信息；上述光伏逆变器和/或充电站，还用于采用上述时序模型算法分析每个时间段的上述历史用电量信息得到一个上述用户负荷预测数据，并将多个上述用户负荷预测数据进行排列得到多个时间段的上述用户负荷预测数据。

可选的，上述配电网调度平台，还用于以每个上述时间段作为上述能量管理策略的数据颗粒度，以确定最低的上述目标电量作为上述能量管理策略的优化目标。

可选的，上述配电网调度平台，还用于通过基于上述能量管理策略如下计算公式确定上述目标电量

其中，

其中，上述计算公式的约束条件包括：1)

可选的，上述光伏逆变器还用于在接收到上述配电网的调度指令时，在最优算法中加入上述调度指令作为约束，得到更新后的能量管理策略，并且在更新过程中确定上述负载终端无法满足约束要求，则拒绝上述配电网的调度。

可选的，上述配电网调度平台还用于基于上述更新后的能量管理策略得到更新后的计算公式：

其中，

根据本发明实施例的另一方面，还提供了一种配电网调度方法，包括：采集负载终端的用电习惯信息；采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；将上述用户负荷预测数据发送至配电网调度平台，其中，上述配电网调度平台还用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端。

根据本发明实施例的另一方面，还提供了一种配电网调度方法，包括：接收能量管理终端发送的用户负荷预测数据，其中，上述用户负荷预测数据采集负载终端的用电习惯信息，采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略；下发上述能量管理策略至上述能量管理终端。

根据本发明实施例的另一方面，还提供了一种配电网调度装置，包括：采集模块，用于采集负载终端的用电习惯信息；分析模块，用于采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；发送模块，用于将上述用户负荷预测数据发送至配电网调度平台，其中，上述配电网调度平台还用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端。

根据本发明实施例的另一方面，还提供了一种配电网调度装置，包括：接收模块，用于接收能量管理终端发送的用户负荷预测数据，其中，上述用户负荷预测数据采集负载终端的用电习惯信息，采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；生成模块，用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略；下发模块，用于下发上述能量管理策略至上述能量管理终端。

根据本发明实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的配电网调度方法。

根据本发明实施例的另一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序被设置为运行时执行任意一项上述的配电网调度方法。

根据本发明实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的配电网调度方法。

在本发明实施例中，通过能量管理终端，与负载终端连接，用于采集上述负载终端的用电习惯信息，并采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；配电网调度平台，与上述能量管理终端连接，用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端，达到了在不增加配电网仿真模型的复杂程度的同时提高仿真建模的精细程度的目的，进而解决了如何在不增加配电网仿真模型的复杂程度的同时提高仿真建模的精细程度的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种配电网调度系统的结构示意图；

图2是根据本发明实施例的一种可选的IEEE33经典配电网拓扑示意图；

图3是根据本发明实施例的一种可选的配电网拓扑结构的示意图；

图4是根据本发明实施例的另一种可选的配电网拓扑结构的示意图；

图5是根据本发明实施例的另一种可选的配电网拓扑结构的示意图；

图6是根据本发明实施例的一种配电网调度方法的流程图；

图7是根据本发明实施例的另一种配电网调度方法的流程图；

图8是根据本发明实施例的一种配电网调度装置的结构示意图；

图9是根据本发明实施例的另一种配电网调度装置的结构示意图。

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。

首先，为方便理解本发明实施例，下面将对本发明中所涉及的部分术语或名词进行解释说明：

边缘计算：是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

负荷预测：负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据，其中，负荷是指电力需求量(功率)或用电量。

光功率预测：是根据太阳能发电元里，在气象预测数据的基础上，利用统计规律的技术和手段，提前一定时间对光伏发电站的有功功率进行分析预报。

实施例1

根据本发明实施例，还提供了一种用于实施上述配电网调度系统的实施例，图1是根据本发明实施例的一种配电网调度系统的结构示意图，如图1所示，上述配电网调度系统，包括：能量管理终端10、负载终端12和配电网调度平台14，其中：

能量管理终端10，与负载终端12连接，用于采集上述负载终端的用电习惯信息，并采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；

配电网调度平台14，与上述能量管理终端10连接，用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端。

在本发明实施例中，通过能量管理终端，与负载终端连接，用于采集上述负载终端的用电习惯信息，并采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；配电网调度平台，与上述能量管理终端连接，用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端，达到了在不增加配电网仿真模型的复杂程度的同时提高仿真建模的精细程度的目的，进而解决了如何在不增加配电网仿真模型的复杂程度的同时提高仿真建模的精细程度的技术问题。

本申请实施例利用光伏逆变器或充电站(或者光伏逆变器和充电站一体化)作为用户和小型商业的能量管理终端(节点)，将原本应该是配电网调度平台(云端侧)负责仿真计算的优化策略下放至逆变器侧(边缘侧)。通过逆变器对于其连接管理的区域进行优化计算后，向配电网调度平台上传其控制策略优化方案，再由平台根据各节点上传的方案，进行区域内的调度管理计划制订。

可选的，逆变器的边缘计算的主要内容是光伏发电、储能和负载三者的供需平衡计划，以经济性(逆变侧向电网购电量最低)最有为目标，其核心一为利用ARMA时序模型算法，分析用户用电习惯信息，从而实现用户侧负荷预测的能力；

其中，上述ARMA时序模型基本公式r

其中，α

在一种可选的实施例中，上述能量管理终端还与配电网连接，用于基于上述能量管理策略确定上述配电网为上述负载终端分配的目标电量。

作为一种可选的实施例，假设光伏逆变器需要预测未来24小时的负荷情况，导入逆变器记录的历史用电量信息(除去光伏发电和储能充放电的数据)，并将数据按小时分组，同一时间的数据为一组；然后通过观察PACF和ACF截尾，分别判断p、q的值，即每个小时都有单独的一对(p,q)值；最后，利用ARMA的时序模型，为每一个小时的时间点预测一个新的负荷值，将这24个预测值按时间排列后即为未来24小时的负荷预测结果。

在一种可选的实施例中，上述用电习惯信息包括历史用电量信息，上述能量管理终端包括：光伏逆变器和/或充电站，用于记录上述负载终端的历史用电量信息，并按照时间段信息将上述历史用电量信息进行分组处理，得到处于同一时间段的多组历史用电量信息；上述光伏逆变器和/或充电站，还用于采用上述时序模型算法分析每个时间段的上述历史用电量信息得到一个上述用户负荷预测数据，并将多个上述用户负荷预测数据进行排列得到多个时间段的上述用户负荷预测数据。

在本申请实施例中，配电网调度平台利用最优算法(遗传算法)，结合区域内光功率预报提供商提供的光功率预测数据和本地计算的用户负荷预测数据，计算出未来一段时间内最佳的能量管理策略。

在一种可选的实施例中，上述配电网调度平台，还用于以每个上述时间段作为上述能量管理策略的数据颗粒度，以确定最低的上述目标电量作为上述能量管理策略的优化目标。

即目标：

在一种可选的实施例中，上述配电网调度平台，还用于通过基于上述能量管理策略如下计算公式确定上述目标电量

其中，

其中，上述计算公式的约束条件包括：1)

在本申请实施例中，

除此以外，如果逆变器收到电网的一些调度指令，可以在最优算法中加入电网指令的约束，形成新的能量管理策略。在此过程中，如果发现无法满足约束要求，也可及时拒绝电网的调度，寻找其他方案，以免造成配电网的稳定性问题。

在一种可选的实施例中，上述光伏逆变器还用于在接收到上述配电网的调度指令时，在最优算法中加入上述调度指令作为约束，得到更新后的能量管理策略，并且在更新过程中确定上述负载终端无法满足约束要求，则拒绝上述配电网的调度。

在一种可选的实施例中，上述配电网调度平台还用于基于上述更新后的能量管理策略得到更新后的计算公式：

其中，

作为一种可选的实施例，云端接受边缘计算的结果，该结果是边缘节点未来一段时间的负载状况(可正可负)，与边缘计算的不同之处在于，云端的优化计算是以电网稳定性为目标，通过控制区域点公共的储能和发电设备，以达到配电网的电压稳定。其优化算法也可以采用遗传算法，寻找全局最优的方案。如果遇到依靠公共设备无法满足调控要求的时候，也可以向末端的边缘节点发送调度请求，在得到边缘节点的认可后，使用新的调度策略。

例如，如图2所示，以IEEE33经典配电网拓扑为例，电网稳定性要求为节点电压偏差V

约束条件：1)V

其中，V

本申请实施例中方案运用多种拓扑结构，例如，利用逆变器的边缘计算能力，为配电网的精细建模提供支撑，所以该方案会有如下几种拓扑结构，但不仅限于以下几种：

1)如图3所示，配电网侧有能量管设备，该情况适合不易变动过大的城区供电网络，该管理设备可新增在变电所里；2)如图4所示，配电网侧无能量管理设备，由区域内用户侧性能最好的逆变器代替能量路由器负责配电网的优化计算。该情况适合于规模较小的配电网区域，增加能量路由器经济型不佳的情况；3)如图5所示，配电网侧为大型光伏逆变器，该情况适用于新建的配电网络或者有集中式光伏或储能的配电网络。

通过本申请实施例，对于配电网末端的建模更加精细，能更为合理的进行能量调度，保障终端的供电稳定性，同时也能保障每一个客户的经济利益；针对新能源渗透比例高的区域，该技术可以在不增加监测和控制设备的情况下，提高调度中心对于配电网的掌控力；具有应对配电网调度中心出现故障的能力，例如，宕机、通讯故障，以及调度指令有误等情况，提高了配电网终端侧的稳定性和自适应能力；对于用户保证了其用配电形式和用电信息等数据的保密性。

实施例2

根据本发明实施例，提供了一种配电网调度方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图6是根据本发明实施例的一种配电网调度方法的流程图，如图6所示，该方法包括如下步骤：

步骤S102，采集负载终端的用电习惯信息；

步骤S104，采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；

步骤S106，将上述用户负荷预测数据发送至配电网调度平台，其中，上述配电网调度平台还用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端。

在本发明实施例中，通过能量管理终端采集负载终端的用电习惯信息；采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；将上述用户负荷预测数据发送至配电网调度平台，其中，上述配电网调度平台还用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端，达到了在不增加配电网仿真模型的复杂程度的同时提高仿真建模的精细程度的目的，进而解决了如何在不增加配电网仿真模型的复杂程度的同时提高仿真建模的精细程度的技术问题。

图7是根据本发明实施例的另一种配电网调度方法的流程图，如图7所示，该方法包括如下步骤：

步骤S202，接收能量管理终端发送的用户负荷预测数据，其中，上述用户负荷预测数据采集负载终端的用电习惯信息，采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；

步骤S204，基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略；

步骤S206，下发上述能量管理策略至上述能量管理终端。

在本发明实施例中，通过接收能量管理终端发送的用户负荷预测数据，其中，上述用户负荷预测数据采集负载终端的用电习惯信息，采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略；下发上述能量管理策略至上述能量管理终端，达到了在不增加配电网仿真模型的复杂程度的同时提高仿真建模的精细程度的目的，进而解决了如何在不增加配电网仿真模型的复杂程度的同时提高仿真建模的精细程度的技术问题。

需要说明的是，本申请实施例中的任意一种可选的或优选的配电网调度方法，均可以在上述实施例1所提供的配电网系统中执行或实现。

此外，仍需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。

实施例3

根据本发明实施例，还提供了一种用于实施上述配电网调度方法的装置实施例，图8是根据本发明实施例的一种配电网调度装置的结构示意图，如图8所示，上述配电网调度装置，包括：采集模块80、分析模块82和发送模块84，其中：

采集模块80，用于采集负载终端的用电习惯信息；分析模块82，用于采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；发送模块84，用于将上述用户负荷预测数据发送至配电网调度平台，其中，上述配电网调度平台还用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。

此处需要说明的是，上述采集模块80、分析模块82和发送模块84对应于实施例1中的步骤S102至步骤S106，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。

根据本发明实施例，还提供了另一种用于实施上述配电网调度方法的装置实施例，图9是根据本发明实施例的另一种配电网调度装置的结构示意图，如图9所示，上述配电网调度装置，包括：接收模块90、生成模块92和下发模块94，其中：

接收模块90，用于接收能量管理终端发送的用户负荷预测数据，其中，上述用户负荷预测数据采集负载终端的用电习惯信息，采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；生成模块92，用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略；下发模块94，用于下发上述能量管理策略至上述能量管理终端。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。

此处需要说明的是，上述采集模块80、分析模块82和发送模块84、接收模块90、生成模块92和下发模块94对应于实施例1中的步骤S202至步骤S206，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。

需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。

上述的配电网调度装置还可以包括处理器和存储器，上述接收模块90、生成模块92和下发模块94等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

根据本申请实施例，还提供了一种非易失性存储介质的实施例。可选地，在本实施例中，上述非易失性存储介质包括存储的程序，其中，在上述程序运行时控制上述非易失性存储介质所在设备执行上述任意一种配电网调度方法。

可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中，上述非易失性存储介质包括存储的程序。

可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：采集负载终端的用电习惯信息；采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；将上述用户负荷预测数据发送至配电网调度平台，其中，上述配电网调度平台还用于基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略，并下发上述能量管理策略至上述能量管理终端。

可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：接收能量管理终端发送的用户负荷预测数据，其中，上述用户负荷预测数据采集负载终端的用电习惯信息，采用时序模型算法分析上述用电习惯信息，得到用户负荷预测数据；基于上述用户负荷预测数据和预先确定的功率预测数据生成能量管理策略；下发上述能量管理策略至上述能量管理终端。

根据本申请实施例，还提供了一种处理器的实施例。可选地，在本实施例中，上述处理器用于运行程序，其中，上述程序运行时执行上述任意一种配电网调度方法。

根据本申请实施例，还提供了一种电子设备的实施例，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行上述任意一种的配电网调度方法。

根据本申请实施例，还提供了一种计算机程序产品的实施例，当在数据处理设备上执行时，适于执行初始化有上述任意一种的配电网调度方法步骤的程序。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

上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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取非易失性存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个非易失性存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的非易失性存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。