电费预测方法及装置与流程

本发明涉及电费预测技术领域，具体而言，涉及一种电费预测方法及装置。

背景技术：

相关技术中，用户在使用空调时，并不会关注电量使用情况，对于空调使用的电量无法自主控制的情况，会导致空调耗电过高，耗电量超出预期，相应的，对于过度使用电量的情况，电费也会存在明显增加的情况，该种情况下，无法有效控制电费使用，造成电费的过度上升，并不能合理控制电费使用。

针对上述的相关技术中无法有效控制空调耗电量，导致不能合理控制电费使用的技术问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种电费预测方法及装置，以至少解决相关技术中无法有效控制空调耗电量，导致不能合理控制电费使用的技术问题。

根据本发明实施例的一个方面，提供了一种电费预测方法，包括：获取空调在历史预设时间段内的耗电量和预定时间段内的天气预报信息；根据所述历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测所述预定时间段的总耗电量；根据所述预定时间段的总耗电量，确定所述预定时间段内的电费数据。

进一步地，根据所述历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测所述预定时间段的总耗电量包括：将所述历史预设时间段内的耗电量和预定时间段内的天气预报信息作为预设学习模型的输入参数，确定预定时间段的总耗电量，其中，所述预设学习模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：历史预设时间段内的耗电量和预定时间段内的天气预报信息，与预定时间段的总耗电量的标签。

进一步地，根据所述历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测所述预定时间段的总耗电量包括：采集使用空调的用户基本信息，其中，所述用户基本信息至少包括：用户类型和用户数量；获取每个用户在历史预设时间段内的空调使用数据，其中，所述空调使用数据至少包括：空调使用次数、空调使用时长和每次空调使用时长内的耗电量；根据所述用户基本信息和每个用户在历史预设时间段内的空调使用数据，预测所述预定时间段内的总耗电量。

进一步地，根据所述历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测所述预定时间段的总耗电量包括：获取与所述空调连接的电器设备的电器基本信息，其中，所述电器基本信息至少包括：电器设备类型、电器设备的总数量、每种电器设备的用电功率；获取与所述空调连接的每种电器设备在历史预设时间段内的耗电量；根据所述电器基本信息和与所述空调连接的每种电器设备在历史预设时间段内的耗电量，预测所述预定时间段的总耗电量。

进一步地，在根据所述预定时间段的总耗电量，确定所述预定时间段内的电费数据之后，包括：通过与用户通讯设备网络连接的通讯模块向用户推送预测报告，其中，所述预测报告中至少包括：预测得到的预定时间段内的电费数据、历史预设时间段内耗电量。

根据本发明实施例的另一方面，还提供了一种电费预测装置，包括：获取单元，用于获取空调在历史预设时间段内的耗电量和预定时间段内的天气预报信息；预测单元，用于根据所述历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测所述预定时间段的总耗电量；确定单元，用于根据所述预定时间段的总耗电量，确定所述预定时间段内的电费数据。

进一步地，所述预测单元包括：确定模块，用于将所述历史预设时间段内的耗电量和预定时间段内的天气预报信息作为预设学习模型的输入参数，确定预定时间段的总耗电量，其中，所述预设学习模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：历史预设时间段内的耗电量和预定时间段内的天气预报信息，与预定时间段的总耗电量的标签。

进一步地，所述预测单元还包括：采集模块，用于采集使用空调的用户基本信息，其中，所述用户基本信息至少包括：用户类型和用户数量；获取模块，用于获取每个用户在历史预设时间段内的空调使用数据，其中，所述空调使用数据至少包括：空调使用次数、空调使用时长和每次空调使用时长内的耗电量；预测模块，用于根据所述用户基本信息和每个用户在历史预设时间段内的空调使用数据，预测所述预定时间段内的总耗电量。

进一步地，所述预测单元还包括：第一获取子模块，用于获取与所述空调连接的电器设备的电器基本信息，其中，所述电器基本信息至少包括：电器设备类型、电器设备的总数量、每种电器设备的用电功率；第二获取子模块，用于获取与所述空调连接的每种电器设备在历史预设时间段内的耗电量；预测子模块，用于根据所述电器基本信息和与所述空调连接的每种电器设备在历史预设时间段内的耗电量，预测所述预定时间段的总耗电量。

进一步地，还包括：推送子模块，用于在根据所述预定时间段的总耗电量，确定所述预定时间段内的电费数据之后，通过与用户通讯设备网络连接的通讯模块向用户推送预测报告，其中，所述预测报告中至少包括：预测得到的预定时间段内的电费数据、历史预设时间段内耗电量。

根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的电费预测方法。

根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的电费预测方法。

在本发明实施例中，可以获取到空调在历史预设时间段内的耗电量和预定时间段的天气预报信息，并根据获取到的耗电量和天气预报信息，预测出预定时间段内的总耗电量，最后可以根据预定时间段的总耗电量，确定预定时间段内的电费数据。在该实施例中，可以通过获取历史预设时间段内的耗电量，结合天气预报信息，以较为准确的预测出预定时间段的总耗电量，得到电费数据，让用户可以更清晰的了解到用电量变化数据，和电费情况，更好的控制电器设备的使用，节省电费，进而解决相关技术中无法有效控制空调耗电量，导致不能合理控制电费使用的技术问题。

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电费预测方法的流程图；

图2是根据本发明实施例的电费预测装置的示意图。

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。

为方便用户理解本发明，下面对本发明各实施例中涉及的部分术语或名词进行解释：

cnn，卷积神经网络，描述了对输入图像的操作，输出一组描述图像内容的分类或分类的概率，即对输入的图像进行识别，以输出图像中的对象的概率；通过一系列卷积层级建构出更为抽象的概念，包括建立多个神经元，并建立对应的输入层和输出层，从而将输入的节点通过神经元不断关联，得到优化对象，一般会包括卷积层、过滤层，通过前向传导、损失函数、后向传导、以及函数更新作为一个学习周期，对每一训练图片，程序将重复固定数目的周期过程，以不断优化训练学习结果。

根据本发明实施例，提供了一种电费预测的方法实施例，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。

以下实施例可以应用于各种电器设备中，对于电器设备的类型不做限定，包括但不限于：洗衣机、空调、冰箱、电饭煲等，本申请中以空调器为例，对本发明做出说明。

下述实施例中，可以适用于各种空调设备，其中，本发明中对于空调的类型不做限定，其可以包括但不限于：挂壁机空调、立式空调、变频空调、柜机空调、窗机、移动式空调、嵌入式空调。其中，空调器可以有多个部件，其具体可以包括：压缩机，冷凝器，蒸发器，四通阀，单向阀毛细管组件。相关技术中，并不会对空调的耗电量进行预测，也不会对空调与相关电器设备所产生的电费进行计算，这样，在空调器耗电过高时，空调的使用不合理时，也不会进行有效监控，最后会导致空调的过度使用，并且电费数据大量增加。而本发明实施中，可以通过空调器对电量使用数据进行记录，并实时获取到历史过程中的耗电量，从而预测未来预定时间段内的耗电量，以预测出电费数据，将电费数据发送给用户，以合理控制空调的耗电量。

下述实施例中空调可以设置在多种环境中，包括但不限于：办公区、会议室、家庭卧室、客厅、厂区等，本发明中对于空调的具体适用环境不做限定，本发明重点对家庭、办公区等区域的空调进行清理，以保证空调的正常运行。

下面结合优选的实施步骤对本发明进行说明，图1是根据本发明实施例的电费预测方法的流程图，如图1所示，该方法包括如下步骤：

步骤s102，获取空调在历史预设时间段内的耗电量和预定时间段内的天气预报信息。

其中，历史预设时间段可以是在查询电量数据自行设置的开始时间和结束时间，是历史过程中的一段时间，例如，当前时间点为2017年10月1日，在设置历史预设时间段时，可以是设置2017年1月1日至2017年9月30日。对于历史预设时间段，可以是在获取数据时，为更好预测未来预定时间段的耗电量，取时长较合适的时间段。

对于预定时间段，可以是将来的某一个时间段，例如，未来一周，未来1个月、三个月的时间段，对于预定时间段的天气预报信息，可以在空调与天气预报应用或者天气预报中心的通讯连接后，通过预设通讯模块获取到为预定时间段的天气预报信息。对于天气预报信息可以不做限定，例如，未来3天是大雨预报。

步骤s104，根据历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测预定时间段的总耗电量。

通过上述步骤，可以预测出预定时间段内的总耗电量，从而根据预测结果进行空调用电调整。对于该步骤，可以是将历史预设时间段内的耗电量和预定时间段内的天气预报信息作为预设学习模型的输入参数，确定预定时间段的总耗电量，其中，预设学习模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：历史预设时间段内的耗电量和预定时间段内的天气预报信息，与预定时间段的总耗电量的标签。

其中，上述的预设学习模型可以是提前建立的，在建立时，可以通过cnn算法来根据历史预设时间段的耗电量数据和预定时间段内的天气预报信息，以及得到的结果(预定时间段的总耗电量)，可以将历史预设时间段的耗电量数据和预定时间段内的天气预报信息作为输入层数据，将预定时间段的总耗电量作为输出层数据，以建立预设学习模型。其中，对于输入层的数据，可以通过预设输入函数获取并记录历史预设时间段的耗电量数据，结合预定时间段内的天气预报信息，以方便得到预测结果。并在建立预设学习模型后，通过获取的历史预设时间段内的耗电量数据和天气预报信息，对预设学习模型进行训练，以更快速、准确的预设学习模型的输出层得到预定时间段内的总耗电量。

另外，上述步骤还可以采集使用空调的用户基本信息，其中，用户基本信息至少包括：用户类型和用户数量；获取每个用户在历史预设时间段内的空调使用数据，其中，空调使用数据至少包括：空调使用次数、空调使用时长和每次空调使用时长内的耗电量；根据用户基本信息和每个用户在历史预设时间段内的空调使用数据，预测预定时间段内的总耗电量。

即可以通过对使用空调的用户基本信息进行分析，以在预测时，提供更准确预测结果，上述的用户类型可以是使用区域中的用户类型，例如，在家庭中有4个人，用户类型包括老人(一个)、青年人(两个)、孩子(一个)，对于办公区域，可以包括多个青年人，对于幼儿园，可能会存在多个孩子，不同用户类型使用的空调不同，例如，对于青年人，其活动量大，可能会长时间使用空调，并且空调温度调节较大，耗电量也会多，而对于孩子，其活动量小，可能会短时间使用空调，并且空调温度调节较小，耗电量少，这样在预测预定时间段的空调的耗电量时，对应不同的用户类型，预测耗电量不同。对于用户数量，不同的用户数量，耗电量也会不同，如用户数量少(如3人以下)，空调使用会相对较少，耗电量也会较少，在预测预定时间段的耗电量时，预测总耗电量也会相对较少。

需要说明的是，上述实施方式中涉及的空调使用数据，可以预先存储在数据库中，每次用户使用空调时，都可以记录空调使用数据，可以记录空调使用时长、空调设定温度值、空调使用耗电量，这样就可以在预测空调在预定时间段的总耗电量时，结合历史预设时间段内的耗电量，天气预报信息和空调使用数据，对预定时间段的总耗电量进行预测，例如，在历史预设时间段为过去两周，获取到过去两周中空调被使用次数，空调使用时长和空调耗电量，对未来两周的总耗电量进行预测时，可以依据天气预报信息，对总耗电量进行预测。

其中，获取天气预报信息后，可以对预定时间段的空调的设定温度值进行预测，然后根据设定温度值和预测使用空调市场，预测总耗电量，例如，天气预报信息预测未来一周为晴天，且温度高达36摄氏度，则预测未来一周使用空调时长较长，且设定温度值与室外温度值差别较大(如差别14摄氏度)，这样，预测总耗电量会好高。

可选的，根据历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测预定时间段的总耗电量包括：获取与空调连接的电器设备的电器基本信息，其中，电器基本信息至少包括：电器设备类型、电器设备的总数量、每种电器设备的用电功率；获取与空调连接的每种电器设备在历史预设时间段内的耗电量；根据电器基本信息和与空调连接的每种电器设备在历史预设时间段内的耗电量，预测预定时间段的总耗电量。

即在预测总耗电量时，不仅需要预测空调在预定时间段的耗电量，还可以预测其它电器设备的耗电量，这样就可以预测出未来预定时间段内的整体耗电量。其中，电器设备可以包括但不限于：冰箱、洗衣机、热水机、电灯等，通过获取到不同电器设备在历史预设时间段内的耗电量，可以更为准确的预测出总耗电量。

步骤s106，根据预定时间段的总耗电量，确定预定时间段内的电费数据。

通过上述步骤，需要获取到空调在历史预设时间段内的耗电量和预定时间段的天气预报信息，并根据获取到的耗电量和天气预报信息，预测出预定时间段内的总耗电量，最后可以根据预定时间段的总耗电量，确定预定时间段内的电费数据。在该实施例中，可以通过获取历史预设时间段内的耗电量，结合天气预报信息，以较为准确的预测出预定时间段的总耗电量，得到电费数据，让用户可以更清晰的了解到用电量变化数据，和电费情况，更好的控制电器设备的使用，节省电费，进而解决相关技术中无法有效控制空调耗电量，导致不能合理控制电费使用的技术问题。

对于上述实施例，可以在根据预定时间段的总耗电量，确定预定时间段内的电费数据之后，包括：通过与用户通讯设备网络连接的通讯模块向用户推送预测报告，其中，预测报告中至少包括：预测得到的预定时间段内的电费数据、历史预设时间段内耗电量。

本发明中，通过获取当前的空调使用情况，对历史预设时间段的空调使用数据进行获取，结合天气预报情况，通过预设学习模型预测未来预定时间段内的用户使用空调的情况，结合历史预设时间段内的空调与其它电器设备的使用情况，从而预测出未来预定时间段的电费数据，将需要交的电费数据和电量使用情况发送给用户，让用户可以较为清晰的了解到电量使用情况和需要交的电费，以及时调节电器设备使用。

上述实施例中的空调或者其他电器设备可能还会存在老化或者电器出现故障，导致耗电量较高的问题，这样，通过对耗电量的监控，可以及时了解到电量变化数据，以及时在电量出现明显变化时，修复空调或其它电器设备。

图2根据本发明实施例的电费预测装置的示意图，如图2所示，该装置可以包括：获取单元21，用于获取空调在历史预设时间段内的耗电量和预定时间段内的天气预报信息；预测单元23，用于根据历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测预定时间段的总耗电量；确定单元25，用于根据预定时间段的总耗电量，确定预定时间段内的电费数据。

通过上述实施例，需要获取单元21获取到空调在历史预设时间段内的耗电量和预定时间段的天气预报信息，并通过预测单元23根据获取到的耗电量和天气预报信息，预测出预定时间段内的总耗电量，最后可以通过确定单元25根据预定时间段的总耗电量，确定预定时间段内的电费数据。在该实施例中，可以通过获取历史预设时间段内的耗电量，结合天气预报信息，以较为准确的预测出预定时间段的总耗电量，得到电费数据，让用户可以更清晰的了解到用电量变化数据，和电费情况，更好的控制电器设备的使用，节省电费，进而解决相关技术中无法有效控制空调耗电量，导致不能合理控制电费使用的技术问题。

其中，上述的预测单元23可以包括：确定模块，用于将历史预设时间段内的耗电量和预定时间段内的天气预报信息作为预设学习模型的输入参数，确定预定时间段的总耗电量，其中，预设学习模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：历史预设时间段内的耗电量和预定时间段内的天气预报信息，与预定时间段的总耗电量的标签。

另外，预测单元23还可以包括：采集模块，用于采集使用空调的用户基本信息，其中，用户基本信息至少包括：用户类型和用户数量；获取模块，用于获取每个用户在历史预设时间段内的空调使用数据，其中，空调使用数据至少包括：空调使用次数、空调使用时长和每次空调使用时长内的耗电量；预测模块，用于根据用户基本信息和每个用户在历史预设时间段内的空调使用数据，预测预定时间段内的总耗电量。

其中，预测单元23还包括：第一获取子模块，用于获取与空调连接的电器设备的电器基本信息，其中，电器基本信息至少包括：电器设备类型、电器设备的总数量、每种电器设备的用电功率；第二获取子模块，用于获取与空调连接的每种电器设备在历史预设时间段内的耗电量；预测子模块，用于根据电器基本信息和与空调连接的每种电器设备在历史预设时间段内的耗电量，预测预定时间段的总耗电量。

另外，上述装置还包括：推送子模块，用于在根据预定时间段的总耗电量，确定预定时间段内的电费数据之后，通过与用户通讯设备网络连接的通讯模块向用户推送预测报告，其中，预测报告中至少包括：预测得到的预定时间段内的电费数据、历史预设时间段内耗电量。

上述的电费预测装置还可以包括处理器和存储器，上述获取单元21、预测单元23、确定单元25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。内核可以设置一个或以上，通过调整内核参数来对空调的总耗电量进行预测，以确定未来预定时间段需要交的电费。

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(flashram)，存储器包括至少一个存储芯片。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的电费预测方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的电费预测方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取空调在历史预设时间段内的耗电量和预定时间段内的天气预报信息；根据历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测预定时间段的总耗电量；根据预定时间段的总耗电量，确定预定时间段内的电费数据。

可选地，上述处理器执行程序时，还可以将历史预设时间段内的耗电量和预定时间段内的天气预报信息作为预设学习模型的输入参数，确定预定时间段的总耗电量，其中，预设学习模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：历史预设时间段内的耗电量和预定时间段内的天气预报信息，与预定时间段的总耗电量的标签。

可选地，上述处理器执行程序时，还可以采集使用空调的用户基本信息，其中，用户基本信息至少包括：用户类型和用户数量；获取每个用户在历史预设时间段内的空调使用数据，其中，空调使用数据至少包括：空调使用次数、空调使用时长和每次空调使用时长内的耗电量；根据用户基本信息和每个用户在历史预设时间段内的空调使用数据，预测预定时间段内的总耗电量。

可选地，上述处理器执行程序时，还可以获取与空调连接的电器设备的电器基本信息，其中，电器基本信息至少包括：电器设备类型、电器设备的总数量、每种电器设备的用电功率；获取与空调连接的每种电器设备在历史预设时间段内的耗电量；根据电器基本信息和与空调连接的每种电器设备在历史预设时间段内的耗电量，预测预定时间段的总耗电量。

可选地，上述处理器执行程序时，还可以通过与用户通讯设备网络连接的通讯模块向用户推送预测报告，其中，预测报告中至少包括：预测得到的预定时间段内的电费数据、历史预设时间段内耗电量。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取空调在历史预设时间段内的耗电量和预定时间段内的天气预报信息；根据历史预设时间段内的耗电量和预定时间段内的天气预报信息，预测预定时间段的总耗电量；根据预定时间段的总耗电量，确定预定时间段内的电费数据。

可选地，上述数据处理设备执行程序时，还可以将历史预设时间段内的耗电量和预定时间段内的天气预报信息作为预设学习模型的输入参数，确定预定时间段的总耗电量，其中，预设学习模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：历史预设时间段内的耗电量和预定时间段内的天气预报信息，与预定时间段的总耗电量的标签。

可选地，上述数据处理设备执行程序时，还可以采集使用空调的用户基本信息，其中，用户基本信息至少包括：用户类型和用户数量；获取每个用户在历史预设时间段内的空调使用数据，其中，空调使用数据至少包括：空调使用次数、空调使用时长和每次空调使用时长内的耗电量；根据用户基本信息和每个用户在历史预设时间段内的空调使用数据，预测预定时间段内的总耗电量。

可选地，上述数据处理设备执行程序时，还可以获取与空调连接的电器设备的电器基本信息，其中，电器基本信息至少包括：电器设备类型、电器设备的总数量、每种电器设备的用电功率；获取与空调连接的每种电器设备在历史预设时间段内的耗电量；根据电器基本信息和与空调连接的每种电器设备在历史预设时间段内的耗电量，预测预定时间段的总耗电量。

可选地，上述数据处理设备执行程序时，还可以通过与用户通讯设备网络连接的通讯模块向用户推送预测报告，其中，预测报告中至少包括：预测得到的预定时间段内的电费数据、历史预设时间段内耗电量。

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，例如所述单元的划分，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。

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。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、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。