功率预测模型建立方法、功率预测方法及装置

技术领域

本发明涉及分布式光伏电站技术领域，具体而言，涉及一种功率预测模型建立方法、功率预测方法及装置。

背景技术

分布式光伏电站是指分布在各种屋顶或者大棚等上面的兆瓦级以下光伏系统，具有占地面积小、分布较为分散、“自发自用、余量上网”等特点。随着光伏产业的发展模式趋于多元化，分布式光伏电站越来越多，大量分布式光伏电站的并网对低压配电网的影响也越来越大，其中，预测分布式光伏电站的发电功率对电网的规划和运行控制具有重要意义。

对分布式光伏电站进行发电功率预测时，通常针对某个区域内的所有分布式光伏电站进行整体预测。目前，常采用以下方法进行功率预测：

将整个区域分为多个子区域，在每个子区域中的所有分布式光伏电站中确定基准电站，通过建立光伏功率预测模型预测该基准电站的功率，再结合基准基站在子区域中的权重系数对子区域的发电功率进行预测，将所有子区域的预测结果相加，就可得到整个区域的预测功率。

上述方法在划分子区域时通常根据地理位置的远近或行政区域等进行划分，要求子区域内的光伏电站尽量具有相似性，且能找到一个空间相关性高，能代表子区域发电特点的基准电站。但是，各个分布式光伏电站的安装方式差异很大，很难保证每个子区域内的分布式光伏电站具有发电相似性，也就很难找到能够代表整个子区域发电特点的基准电站，难以计算整个区域的预测功率。

发明内容

本发明解决的问题是针对现有技术中难以计算某个区域的发电功率的技术问题。

为解决上述问题，本发明提供一种功率预测模型建立方法、功率预测方法及装置。

第一方面，本发明提供了一种分布式光伏电站功率预测模型建立方法，包括：

获取标定区域内各个分布式光伏电站的历史发电功率和至少一个气象站采集的历史气象数据；

根据所述历史气象数据和所述历史发电功率在所有所述气象站中确定参考气象站，确定所述参考气象站对应的所述历史气象数据与区域历史总功率之间的相关性参数，所述区域历史总功率为所有所述历史发电功率之和；

基于所述相关性参数，根据所述历史气象数据和所述历史发电功率建立功率预测模型。

可选地，所述根据所述历史气象数据和所述历史发电功率确定参考气象站包括：

根据各个所述气象站的所述历史气象数据、各个所述分布式光伏电站的所述历史发电功率和所述区域历史总功率分别计算各个所述气象站对应的相关性参数；

对所述相关性参数依次进行归一化处理和加权求和，获得各个所述气象站的辐照度评分；

确定所述辐照度评分最高的所述气象站为所述参考气象站。

可选地，所述历史气象数据包括历史辐照度，所述相关性参数包括第一平均相关性、第一比例和第二比例，所述根据各个所述气象站的所述历史气象数据、各个所述分布式光伏电站的所述历史发电功率和所述区域历史总功率分别计算各个所述气象站对应的相关性参数包括：

分别确定各个所述历史辐照度、各个所述历史发电功率和各个所述区域历史总功率所属的时段；

对于每个所述气象站，计算所述气象站在每个时段下所述历史辐照度分别与对应时段下的所述区域历史总功率之间的第一相关性，以及所述气象站在每个时段下所述历史辐照度分别与各个所述分布式光伏电站的所述历史发电功率之间的第二相关性；

根据所述气象站在各个时段下对应的所有所述第一相关性确定所述气象站的所述历史辐照度与所述区域历史总功率之间的第一平均相关性；

将各个时段下的所述第一相关性分别与第一预设阈值进行对比，确定所述第一相关性超过所述第一预设阈值的时段占所有时段的第一比例；

根据所述气象站在各个时段下对应的所有所述第二相关性确定所述气象站的所述历史辐照度与所述历史发电功率之间的第二平均相关性，将各个所述气象站对应的所述第二平均相关性与第二预设阈值进行对比，确定所述第二平均相关性超过所述第二预设阈值的所述气象站占所有所述气象站的第二比例。

可选地，所述对所述相关性参数依次进行归一化处理和加权求和，获得各个所述气象站的辐照度评分包括：

采用min-max算法分别对各个所述气象站对应的所述第一平均相关性、所述第一比例和所述第二比例进行归一化处理，获得归一化后的第一平均相关性、归一化后的第一比例和归一化后的第二比例。

其中，采用第一公式对所述相关性参数进行min-max归一化处理，所述第一公式包括：

x'＝(min-x)/(min-max)，

其中，x'为归一化后的相关性参数，min为各个所述气象站对应的所述相关性参数中的最小值，x为所述相关性参数，包括第一平均相关性、第一比例和第二比例，max为各个所述气象站对应的所述相关性参数中的最大值。

对所述归一化后的第一平均相关性、所述归一化后的第一比例和所述归一化后的第二比例进行加权求和，确定各个所述气象站的所述辐照度评分。

其中，采用第二公式对所述归一化后的相关性参数进行加权求和，获得每个所述气象站的辐照度评分，所述归一化后的相关性参数包括归一化后的第一平均相关性、归一化后的第一比例和归一化后的第二比例，所述第二公式包括：

其中，score为所述辐照度评分，Corr

可选地，所述基于所述相关性参数，根据所述历史气象数据和所述历史发电功率建立功率预测模型包括：

比对所述参考气象站对应的所述相关性参数与第三预设阈值；

当所述参考气象站对应的所述相关性参数大于或等于所述第三预设阈值时，以所述参考气象站采集的所述历史气象数据为输入变量，结合所述区域历史总功率建立功率预测模型。

可选地，所述历史气象数据包括历史辐照度，所述根据历史气象数据和所述历史发电功率建立功率预测模型包括：

当所述相关性参数小于所述第三预设阈值时，将所述标定区域划分为多个子区域；

获取各个子区域的气象卫星历史数据，根据所述气象卫星数据反演计算各个子区域的地表数据，所述地表数据包括地表辐照度；

根据所述参考气象站所在子区域的所述气象卫星历史数据建立地表辐照度误差修正模型；

根据所述地表辐照度误差修正模型修正每个子区域的所述地表辐照度，获得修正后的地表辐照度；

根据各个子区域内的所有所述分布式光伏电站的所述历史发电功率分别计算各个子区域的历史汇总功率；

根据所述修正后的地表辐照度和所述历史汇总功率分别建立各个子区域的功率预测模型。

可选地，所述气象卫星历史数据包括地表短波辐射，所述根据所述参考气象站所在子区域的所述气象卫星历史数据建立地表辐照度误差修正模型包括：

计算所述参考气象站采集的所述历史辐照度和所述参考气象站所在子区域的所述地表短波辐射之间的偏差；

根据所述偏差和所述参考气象站所在子区域的所述气象卫星历史数据，采用机器学习回归算法进行拟合，得到所述地表辐照度误差修正模型。

可选地，所述根据所述修正后的地表辐照度和所述历史汇总功率分别建立各个子区域的功率预测模型包括：

对于每个子区域，计算每个时段下所述历史汇总功率和所述修正后的地表辐照度的第一相关性；

比对各个时段的所述第一相关性与第四预设阈值，将大于或等于所述第四预设阈值的所述第一相关性对应的所述历史汇总功率和所述修正后的地表辐照度作为建模数据；

根据所述建模数据建立每个所述子区域的功率预测模型。

第二方面，本发明提供了一种分布式光伏电站功率预测方法，包括：

获取标定区域的气象预报数据；

将所述气象预报数据输入所述标定区域的功率预测模型，输出所述标定区域内分布式光伏电站的预测功率；

其中，所述功率预测模型采用如上所述的分布式光伏电站功率预测模型建立方法建立。

第三方面，本发明提供了一种分布式光伏电站功率预测模型建立装置，包括：

获取模块，用于获取标定区域内各个分布式光伏电站的历史发电功率和至少一个气象站采集的历史气象数据；

处理模块，用于根据所述历史气象数据和所述历史发电功率在所有所述气象站中确定参考气象站，确定所述参考气象站对应的所述历史气象数据与区域历史总功率之间的相关性参数，所述区域历史总功率为所有所述历史发电功率之和；

建立模块，用于基于所述相关性参数，根据所述历史气象数据和所述历史发电功率建立功率预测模型。

第四方面，本发明提供了一种分布式光伏电站功率预测装置，包括：

获取模块，用于获取标定区域的气象预报数据；

预测模块，用于将所述气象预报数据输入所述标定区域的功率预测模型，输出所述标定区域内分布式光伏电站的预测功率；

其中，所述功率预测模型采用如上所述的分布式光伏电站功率预测模型建立方法建立。

第五方面，本发明提供了一种电子设备，包括处理器和存储器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如上所述的分布式光伏电站功率预测模型建立方法或如上所述的分布式光伏电站功率预测方法。

第六方面，本发明提供了一种计算机可读存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的分布式光伏电站功率预测模型建立方法或如上所述的分布式光伏电站功率预测方法。

本发明的功率预测模型建立方法、功率预测方法及装置的有益效果是：获取标定区域内各个分布式光伏电站的历史发电功率和至少一个气象站采集的历史气象数据，根据历史气象数据和历史发电功率确定参考标定区域内的气象站，相对于确定每个子区域的基准电站，更加简单高效。确定参考气象站的历史气象数据与标定区域的区域历史总功率之间的相关性参数，构建气象数据和标定区域的发电功率之间的联系，基于相关性参数建立功率预测模型。采用功率预测模型来预测标定区域的发电功率，只需将标定区域的天气预报数据输入功率预测模型，就可得到标定区域的发电功率，简单便捷。本发明的技术方案中，建立功率预测模型用于预测标定区域的发电功率，不依赖于分布式光伏电站之间是否具有空间相关性，也不需寻找基准电站，简单便捷，实用高效，适用范围广。

附图说明

图1为本发明实施例的一种分布式光伏电站功率预测模型建立方法的流程示意图；

图2为本发明另一实施例的一种分布式光伏电站功率预测模型建立方法的流程示意图；

图3为本发明实施例的一种分布式光伏电站功率预测方法的流程示意图；

图4为本发明实施例的一种分布式光伏电站功率预测模型建立装置的结构示意图；

图5为本发明实施例的一种分布式光伏带你站功率预测装置的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

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。

现有技术中，光伏功率预测模型包括物理模型和统计模型，其中，物理模型基于各个电站的硬件设施的运行参数和出场设备参数建立，统计模型基于历史气象数据和历史发电功率数据建立，但是预测区域的分布式光伏电站数量多、分布广、安装方式复杂多样，导致分布式光伏电站的设备具体运行参数难以获得，因此物理模型用于分布式光伏电站的功率预测较为困难且预测误差较大。现有技术在分布式光伏区域功率预测时，通常采用统计模型。采用统计模型进行分布式光伏电站的功率预测时，需要考虑两个条件：一是在划分子区域时，要求子区域内的光伏电站尽量具有相似性，且能找到一个空间相关性高，能代表子区域发电特点的基准电站；二是每个划分的子区域，至少需要一套气象采集装置用于建立基准电站的功率预测模型。但是，区域内分布式光伏电站分布不均，不一定每个子区域内都有至少一个气象采集装置，可能一个区域内只有一个气象采集装置，或者几个相邻区域内共享一个气象采集装置，很难保证每个子区域都能使用历史气象数据和历史功率数据建立基准电站的功率预测模型，会影响分布式光伏电站的区域功率预测效果。

如图1和图2所示，本发明实施例提供的一种分布式光伏电站功率预测模型建立方法，包括：

步骤S110，获取标定区域内各个分布式光伏电站的历史发电功率和至少一个气象站采集的历史气象数据。

可选地，可获取标定区域内或相邻区域内的至少一个气象站采集的历史气象数据，历史气象数据包括辐照度G

获取标定区域内每个分布式光伏电站的历史发电功率P

本可选的实施例中，建立功率预测模型时，不依赖于每个分布式光伏电站或每个子区域都设有气象站，只需整个区域或相邻区域有至少一个气象站，就可建立功率预测模型，降低了预测区域功率的基本条件，能够大幅提高应用范围。

步骤S120，根据所述历史气象数据和所述历史发电功率在所有所述气象站中确定参考气象站，确定所述参考气象站对应的所述历史气象数据与区域历史总功率之间的相关性参数，所述区域历史总功率为所有所述历史发电功率之和。

可选地，所述根据所述历史气象数据和所述历史发电功率确定参考气象站包括：

步骤S121，根据各个所述气象站的所述历史气象数据、各个所述分布式光伏电站的所述历史发电功率和所述区域历史总功率分别计算各个所述气象站对应的相关性参数；

可选地，所述历史气象数据包括历史辐照度，所述相关性参数包括第一平均相关性、第一比例和第二比例，所述根据各个所述气象站的所述历史气象数据、各个所述分布式光伏电站的所述历史发电功率和所述区域历史总功率分别计算各个所述气象站对应的相关性参数包括：

分别确定各个所述历史辐照度、各个所述历史发电功率和各个所述区域历史总功率所属的时段。

具体地，每个时段的长度可为一天，可根据对应的历史时刻t确定每天的历史辐照度、历史发电功率和区域历史总功率。

对于每个所述气象站，计算所述气象站在每个时段下所述历史辐照度分别与对应时段下的所述区域历史总功率之间的第一相关性，以及所述气象站在每个时段下所述历史辐照度分别与各个所述分布式光伏电站的所述历史发电功率之间的第二相关性；

根据所述气象站在各个时段下对应的所有所述第一相关性确定所述气象站的所述历史辐照度与所述区域历史总功率之间的第一平均相关性；

将各个时段下的所述第一相关性分别与第一预设阈值进行对比，确定所述第一相关性超过所述第一预设阈值的时段占所有时段的第一比例；

根据所述气象站在各个时段下对应的所有所述第二相关性确定所述气象站的所述历史辐照度与所述历史发电功率之间的第二平均相关性，将各个所述气象站对应的所述第二平均相关性与第二预设阈值进行对比，确定所述第二平均相关性超过所述第二预设阈值的所述气象站占所有所述气象站的第二比例。

具体地，第一预设阈值和第二预设阈值均可取为0.8，计算两个参数之间的相关性为现有技术，在此不再赘述，相关性可采用皮尔逊相关性参数、斯皮尔曼相关性参数和肯德尔相关性参数等。

步骤S122，对所述相关性参数依次进行归一化处理和加权求和，获得各个所述气象站的辐照度评分；

可选地，所述对所述相关性参数依次进行归一化处理和加权求和，获得各个所述气象站的辐照度评分包括：

采用min-max算法分别对各个所述气象站对应的所述第一平均相关性、所述第一比例和所述第二比例进行归一化处理，获得归一化后的第一平均相关性、归一化后的第一比例和归一化后的第二比例。

其中，采用第一公式对所述相关性参数进行min-max归一化处理，所述第一公式包括：

x'＝(min-x)/(min-max)，

其中，x'为归一化后的相关性参数，min为各个所述气象站对应的所述相关性参数中的最小值，x为所述相关性参数，具体分别为第一平均相关性、第一比例和第二比例，max为各个所述气象站对应的所述相关性参数中的最大值，例如：当对第一平均相关性进行归一化处理时，min为各个气象站对应的第一平均相关性中的最小值，max为各个气象站对应的第一平均相关性中的最大值。

对所述归一化后的第一平均相关性、所述归一化后的第一比例和所述归一化后的第二比例进行加权求和，确定各个所述气象站的所述辐照度评分。

其中，采用第二公式对所述归一化后的相关性参数进行加权求和，获得每个所述气象站的辐照度评分，所述归一化后的相关性参数包括归一化后的第一平均相关性、归一化后的第一比例和归一化后的第二比例，所述第二公式包括：

其中，score为所述辐照度评分，Corr

步骤S123，确定所述辐照度评分最高的所述气象站为所述参考气象站。

本可选的实施例中，对参数进行归一化处理后，得到的归一化处理后的参数均在0到1之间，最优值为1，最差值为0。提出了一种气象站的评价方法，在建立功率预测模型用于预测标定区域的发电功率时，能够合理选择和利用标定区域内或相邻区域的气象站采集的数据。

步骤S130，基于所述相关性参数，根据所述历史气象数据和所述历史发电功率建立功率预测模型。

可选地，所述基于所述相关性参数，根据所述历史气象数据和所述历史发电功率建立功率预测模型包括：

判断所述相关性参数是否满足功率预测模型建立条件，即比对所述参考气象站对应的所述相关性参数与第三预设阈值；

当所述参考气象站对应的所述相关性参数大于或等于所述第三预设阈值时，以所述参考气象站采集的所述历史气象数据为输入变量，结合所述区域历史总功率建立功率预测模型。

具体地，可预先建立待训练的预测模型，预测模型可为统计模型或神经网络模型等，将历史气象数据作为输入变量，区域历史总功率作为测试变量训练该待训练的预测模型，获得功率预测模型。

本可选的实施例中，可仅根据参考气象站对应的第一平均相关性和第一比例进行判断，第三预设阈值中第一平均相关性对应的阈值可设为0.8，第一比例对应的阈值可设为60％，当第一平均相关性大于或等于0.8，且第一比例大于或等于60％时，表示该标定区域的不同子区域在同时刻的天气情况较为一致，可直接采用参考气象站采集的历史气象数据与区域历史总功率历史数据建立功率预测模型。

对于相关性较高的参考气象站的历史气象数据和区域历史总功率，可直接根据参考气象站的历史气象数据和区域历史总功率建立功率预测模型。

可选地，所述历史气象数据包括历史辐照度，所述根据历史气象数据和所述历史发电功率建立功率预测模型包括：

当所述相关性参数小于所述第三预设阈值时，将所述标定区域划分为多个子区域。

具体为当参考气象站对应的第一平均相关性小于0.8，且第一比例小于60％时，表示标定区域不同子区域在同时刻的天气情况差异较大，各个子区域以气象卫星或天气预报的最小空间分辨率范围为参考进行划分。

获取各个子区域的气象卫星历史数据，根据所述气象卫星数据反演计算各个子区域的地表数据，所述地表数据包括地表辐照度。

具体地，可通过网络共享渠道等获取各个子区域的气象卫星历史数据，气象卫星历史数据包括地表短波辐射DSSR

根据所述参考气象站所在子区域的所述气象卫星历史数据建立地表辐照度误差修正模型。

可选地，所述气象卫星历史数据包括地表短波辐射，所述根据所述参考气象站所在子区域的所述气象卫星历史数据建立地表辐照度误差修正模型包括：

计算所述参考气象站采集的所述历史辐照度和所述参考气象站所在子区域的所述地表短波辐射之间的偏差。

具体地，计算同一时刻参考气象站的历史辐照度G

根据所述偏差和所述参考气象站所在子区域的所述气象卫星历史数据，采用机器学习回归算法进行拟合，得到所述地表辐照度误差修正模型。

具体地，气象卫星历史数据反演的地表短波辐射与实际地表辐照度之间的偏差情况与气象状态有关，因此利用气象卫星历史数据地表温度T、湿度R、云参数Cloud和大气参数Aod，拟合气象卫星数据反演的地表辐照度的偏差情况，可采用机器学习回归类算法进行拟合训练，得到偏差G’

根据所述地表辐照度误差修正模型修正每个子区域的所述地表辐照度，获得修正后的地表辐照度。

具体地，结合偏差模型对每个子区域的地表辐照度进行修正，得到修正后的地表辐照度G

根据各个子区域内的所有所述分布式光伏电站的所述历史发电功率分别计算各个子区域的历史汇总功率。

具体地，对于任一子区域，将该子区域内每个分布式光伏电站的历史发电功率相加，得到该子区域的历史汇总功率。

根据所述修正后的地表辐照度和所述历史汇总功率分别建立各个子区域的功率预测模型。

可选地，所述根据所述修正后的地表辐照度和所述历史汇总功率分别建立各个子区域的功率预测模型包括：

对于每个子区域，计算每个时段下所述历史汇总功率和所述修正后的地表辐照度的第一相关性；

比对各个时段的所述第一相关性与第四预设阈值，将大于或等于所述第四预设阈值的所述第一相关性对应的所述历史汇总功率和所述修正后的地表辐照度作为建模数据。

具体地，第四预设阈值可设为0.8。

根据所述建模数据建立每个所述子区域的功率预测模型。

具体地，以建模数据中的修正后的地表辐照度为输入变量，历史汇总功率为测试变量建立功率预测模型。对于相关性不高的参考气象站的历史气象数据和区域历史总功率，通过气象卫星历史数据建立各子区域的地表辐照度偏差修正模型，能够修正各子区域的地表辐照度，根据地表辐照度和历史汇总功率建立对应子区域的功率预测模型，能够在子区域没有气象站的情况下，也能预测子区域的发电功率。

本实施例中，获取标定区域内各个分布式光伏电站的历史发电功率和至少一个气象站采集的历史气象数据，根据历史气象数据和历史发电功率确定参考标定区域内的气象站，相对于确定每个子区域的基准电站，更加简单高效。确定参考气象站的历史气象数据与标定区域的区域历史总功率之间的相关性参数，构建气象数据和标定区域的发电功率之间的联系，基于相关性参数建立功率预测模型。采用功率预测模型来预测标定区域的发电功率，只需将标定区域的天气预报数据输入功率预测模型，就可得到标定区域的发电功率，简单便捷。本发明的技术方案中，建立功率预测模型用于预测标定区域的发电功率，不依赖于分布式光伏电站之间是否具有空间相关性，也不需寻找基准电站，简单便捷，实用高效，适用范围广。

如图3所示，本发明实施例提供的一种分布式光伏电站功率预测方法，包括：

步骤S210，获取标定区域的气象预报数据；

步骤S220，将所述气象预报数据输入所述标定区域的功率预测模型，输出所述标定区域内分布式光伏电站的预测功率；

其中，所述功率预测模型采用如上所述的分布式光伏电站功率预测模型建立方法建立。

本实施例中，对于标定区域，当所述参考气象站对应的所述相关性参数大于或等于所述第三预设阈值，根据参考气象站采集的历史气象数据和区域历史总功率建立功率预测模型时，可直接将标定区域内参考气象站的气象预报数据输入功率预测模型，就可得到预测的标定区域的发电功率。

当参考气象站对应的相关性参数小于于第三预设阈值，是划分子区域后，分别建立各子区域的功率预测模型时，分别获取各子区域的气象预报数据，并分别输入各子区域的功率预测模型，得到预测的各子区域的发电功率，将所有子区域的发电功率相加，就得到标定区域的预测发电功率。

如图4所示，本发明实施例提供的一种分布式光伏电站功率预测模型建立装置，包括：

获取模块，用于获取标定区域内各个分布式光伏电站的历史发电功率和至少一个气象站采集的历史气象数据；

处理模块，用于根据所述历史气象数据和所述历史发电功率在所有所述气象站中确定参考气象站，确定所述参考气象站对应的所述历史气象数据与区域历史总功率之间的相关性参数，所述区域历史总功率为所有所述历史发电功率之和；

建立模块，用于基于所述相关性参数，根据所述历史气象数据和所述历史发电功率建立功率预测模型。

如图5所示，本发明实施例提供的一种分布式光伏电站功率预测装置，包括：

获取模块，用于获取标定区域的气象预报数据；

预测模块，用于将所述气象预报数据输入所述标定区域的功率预测模型，输出所述标定区域内分布式光伏电站的预测功率；

其中，所述功率预测模型采用如上所述的分布式光伏电站功率预测模型建立方法建立。

本发明实施例提供的一种电子设备包括处理器和存储器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如上所述的分布式光伏电站功率预测模型建立方法或如上所述的分布式光伏电站功率预测方法。该电子设备可为计算机和服务器等。

本发明实施例提供的一种计算机可读存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的分布式光伏电站功率预测模型建立方法或如上所述的分布式光伏电站功率预测方法。

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 AccessMemory，RAM)等。在本申请中，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单元来实现本发明实施例方案的目的。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，也可以是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。

虽然本发明公开披露如上，但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。