电网调度决策评估方法、装置及终端设备与流程

文档序号:26141813发布日期:2021-08-03 14:26阅读:96来源:国知局
电网调度决策评估方法、装置及终端设备与流程

本发明属于电网调度技术领域,尤其涉及一种电网调度决策评估方法、装置及终端设备。



背景技术:

目前,风光发电为新能源发电的方式之一,并网规模日益增加。而受到风电出力和光伏出力预测精度的限制,风光出力的不确定性会对电力系统调度决策产生一定的影响,因此,针对含风光发电的电网调度决策的风险评估十分重要。

目前的调度决策风险评估方法通常是针对电力系统运行风险方向,但是该评估方法对于含风光发电的电网系统的适应性较差,风险评估准确性较低。



技术实现要素:

有鉴于此,本发明实施例提供了一种电网调度决策评估方法、装置及终端设备,以解决现有技术中含风光发电的电网系统的电网调度决策风险评估准确性低下的问题。

本发明实施例的第一方面提供了一种电网调度决策评估方法,包括:

获取目标电网系统的待估电网调度决策和历史运行数据,所述历史运行数据包括负荷预测误差数据、风电出力预测误差数据和光伏出力预测误差数据;分别对负荷预测误差数据、风电出力预测误差数据和光伏出力预测误差数据进行拟合得到负荷预测误差分布参数、风电出力预测误差分布参数和光伏出力预测误差分布参数;根据各个误差分布参数确定风光模拟场景;基于待估电网调度决策和风光模拟场景对目标电网系统进行模拟运行;计算多个系统模拟场景下的发电转移分布因子、负荷转移分布因子和支路开断分布因子;并基于多个系统模拟场景下的各个分布因子计算各个系统模拟场景下的线路潮流;基于各个系统模拟场景下的线路潮流计算待估电网调度决策的风险评估指标值。

本发明实施例的第二方面提供了一种电网调度决策评估装置,包括:

数据获取模块,用于获取目标电网系统的待估电网调度决策和历史运行数据,所述历史运行数据包括负荷预测误差数据、风电出力预测误差数据和光伏出力预测误差数据;

误差拟合模块,用于分别对所述负荷预测误差数据、所述风电出力预测误差数据和所述光伏出力预测误差数据进行拟合得到负荷预测误差分布参数、风电出力预测误差分布参数和光伏出力预测误差分布参数;

风光场景模拟模块,用于根据各个误差分布参数确定风光模拟场景;

系统模拟运行模块,用于基于待估电网调度决策和风光模拟场景对目标电网系统进行模拟运行;

当前线路潮流计算模块,用于计算多个系统模拟场景下的发电转移分布因子、负荷转移分布因子和支路开断分布因子;并基于多个系统模拟场景下的各个分布因子计算各个系统模拟场景下的线路潮流;

风险评估值计算模块,用于基于各个系统模拟场景下的线路潮流计算所述待估电网调度决策的风险评估指标值。

本发明实施例的第三方面提供了一种终端设备,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如上所述电网调度决策评估方法的步骤。

本发明实施例的第四方面提供了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如上所述电网调度决策评估方法的步骤。

本发明实施例与现有技术相比存在的有益效果是:本实施例首先根据所述负荷预测误差分布参数、所述风电出力预测误差分布参数和所述光伏出力预测误差分布参数确定风光模拟场景;然后基于所述待估电网调度决策和所述风光模拟场景对所述目标电网系统进行模拟运行;计算多个系统模拟场景下的发电转移分布因子、负荷转移分布因子和支路开断分布因子;并基于多个系统模拟场景下的分布因子计算各个系统模拟场景下的线路潮流;最后基于各个系统模拟场景下的线路潮流计算所述待估电网调度决策的风险评估指标值。本实施例通过历史数据拟合不同的系统模拟场景,分析系统调度决策风险的来源以确定系统的风险评估指标值,从而通过该风险评估指标值来评价含风光发电的电网系统调度决策的风险,进而提高含风光发电的电网系统的电网调度决策评估准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的电网调度决策评估方法的流程示意图;

图2是本发明实施例提供的电网调度决策评估装置的结构示意图;

图3是本发明实施例提供的终端设备的示意图。

具体实施方式

以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。

在一个实施例中,如图1所示,图1示出了本实施例提供的一种电网调度决策评估方法的实现流程,其过程详述如下:

s101:获取目标电网系统的待估电网调度决策和历史运行数据,所述历史运行数据包括负荷预测误差数据、风电出力预测误差数据和光伏出力预测误差数据。所述目标电网系统为含风光发电系统的电网。

在本实施例中,本实施例的执行主体为终端设备,待估电网调度决策为电网的常规机组启停的调度决策,可以通过考虑光伏接入情况的优化调度模型得到。通过改变光伏接纳程度来调整电网调度决策。历史运行数据包括光伏出力预测历史数据、光伏出力实际历史数据、风电出力预测历史数据、风电出力实际历史数据、负荷预测历史数据和负荷实际历史数据。

在本实施例中,终端设备还需要获取电网的系统结构参数,系统结构参数可以包括目标电网系统的网架拓扑结构、系统中各个元器件的规格参数等网架结构参数。

s102:分别对所述负荷预测误差数据、所述风电出力预测误差数据和所述光伏出力预测误差数据进行拟合得到负荷预测误差分布参数、风电出力预测误差分布参数和光伏出力预测误差分布参数。

在一个实施例中,上述s102的具体实现流程包括:

s201:基于正态分布对所述负荷预测误差数据进行拟合得到负荷预测误差分布参数。

在本实施例中,影响负荷预测误差的因素有很多,鉴于负荷出力具有重复性,本实施例假设负荷出力预测误差服从期望为0的正态分布。负荷预测误差的标准差为:

式中,pl.c(t)为调度时刻t的负荷预测值,一般取值为1。

s202:基于混合高斯分布对所述风电出力预测误差数据进行拟合得到风电出力预测误差分布参数。

s203:基于混合高斯分布对所述光伏出力预测误差数据进行拟合得到光伏出力预测误差分布参数。

在本实施例中,所述风电出力预测误差分布参数为:

其中,x表示风电出力误差随机变量,f(x)表示风电出力预测误差分布参数,n表示高斯项数量;arw、brw、crw分别表示第r个高斯项的风电待拟合参数。

光伏出力预测误差分布参数为:

其中,y表示光伏出力误差随机变量,f(y)表示光伏出力预测误差分布参数,n表示高斯项数量;arv、brv、crv分别表示第r个高斯项的光伏待拟合参数。

s103:根据所述负荷预测误差分布参数、所述风电出力预测误差分布参数和所述光伏出力预测误差分布参数,确定风光模拟场景。

在本实施例中,根据上述负荷预测误差分布参数和出力预测误差分布参数,能够对风光发电场景进行模拟,得到多个风光模拟场景。

s104:基于所述待估电网调度决策和所述风光模拟场景对所述目标电网系统进行模拟运行;

在本实施例中,待估电网调度决策包括电网常规机组的调度决策,风光模拟场景包括多个风力发电和光伏发电的出力情况,通过蒙特卡洛方法进行模拟运行,则可以考虑光伏出力预测误差、负荷预测误差、发电机故障停运和线路故障停运,生成大量的系统模拟场景。

在一个实施例中,在s105之前,本实施例的实现流程还包括:

判断所述目标电网系统在当前系统模拟场景下是否解列,若已解列,则采用直流潮流法计算当前系统模拟场景下的线路潮流;

若未解列,则继续执行“计算所述系统模拟场景下的发电转移分布因子、负荷转移分布因子和支路开断分布因子”步骤。

s105:计算多个系统模拟场景下的发电转移分布因子、负荷转移分布因子和支路开断分布因子;并基于多个系统模拟场景下的发电转移分布因子、负荷转移分布因子和支路开断分布因子计算各个系统模拟场景下的线路潮流。

在一个实施例中,上述s105的具体实现流程包括:

若当前系统模拟场景下所述目标电网系统中不存在断开的线路,则通过公式计算当前系统模拟场景下所述目标电网系统中线路k在发电机节点i功率变化时的潮流变化率;通过公式计算当前系统模拟场景下所述目标电网系统中线路k在负荷节点j功率变化时的潮流变化率;

若当前系统模拟场景下所述目标电网系统的一条线路断开,则通过公式δpk-l=dk-l·pl0,计算当前系统模拟场景下所述目标电网系统中线路l断开造成的线路k的潮流变化;

若当前系统模拟场景下所述目标电网系统的两条线路断开,则通过公式计算当前系统模拟场景下所述目标电网系统中线路l和线路k断开造成的线路e的潮流变化;

其中,gk-i表示发电机节点i对线路k的发电转移分布因子;mk表示第k条线路的关联向量,xi表示直流潮流计算中x矩阵的第i列向量,xk表示线路k的电抗值;δpk-i表示线路k在发电机节点i功率变化时的潮流变化率,lk-j表示负荷转移分布因子,δpk-j表示线路k在负荷节点j功率变化时的潮流变化率,dk-l表示所述目标电网系统的一条线路断开时的支路开断分布因子,δpk-l表示线路l断开造成的线路k的潮流变化,δpe-lk表示线路l和线路k断开造成的线路e的潮流变化;表示所述目标电网系统的两条线路断开时的支路开断分布因子,pl0表示线路l的初始潮流,表示线路k的初始潮流;

获取所述目标电网系统在所述待估电网调度决策下运行时的线路潮流作为初始线路潮流;

根据所述初始线路潮流和当前系统模拟场景下所述目标电网系统中线路潮流变化,计算当前系统模拟场景下的线路潮流。

在本实施例中,不同于电网运行风险的评估,在含风光发电电网调度决策的风险评估过程中,电力系统的状态在不同时刻可能是不相同的,如不同时刻下的负荷预测值、光伏出力预测值、机组的计划启停状态等可能会发生变化,从而风险状态也各不相同。因此需要对每个调度时刻均进行风险的评估,计算量较大。而风险评估过程中电网潮流计算的快慢是影响评估时间的重要因素。本申请采用蒙特卡洛模拟法对系统状态进行模拟,鉴于实际电网中数据预测误差和元件的故障率都在较小的数值,模拟出来的系统状态与调度决策生成时的系统状态变化不会太大,因此采用发电转移分布因子、负荷转移分布因子和支路开断分布因子求解线路潮流。

在本实施例中,由于三条及以上线路同时故障的概率非常小,可作为不可能事件,因此不在考虑范围内。

在本实施例中,当支路开断导致系统解列时,采用直流潮流法对解列后的各子系统进行潮流计算。

s106:基于各个系统模拟场景下的线路潮流计算所述待估电网调度决策的风险评估指标值,所述风险评估值包括线路过载风险值、备用不足风险值、切负荷风险值和弃风弃光风险值。

在一个实施例中,所述风险评估值包括线路过载风险值、备用不足风险值、切负荷风险值和弃风弃光风险值;上述s106具体包括:

所述线路过载风险值包括负载率期望、线路过载概率和最大过载率;

所述负载率期望为:

所述线路过载概率为:

所述最大过载率为:

其中,表示线路k在调度时刻t的负载率期望,k表示系统模拟场景样本量;表示第n个系统模拟场景中线路k在调度时刻t的的负载率,表示线路k在调度时刻t的过载概率;表示第k条线路在调度时刻t发生过载事件的系统模拟场景样本量;表示线路k在调度时刻t的最大负载率。

在本实施例中,其中,pline.k表示第k条线路传输的有功功率,pmax.k表示第k条线路传输的线路容量。

所述备用不足风险值包括正备用容量期望和负备用容量期望;

所述正备用容量期望为:

所述负备用容量期望为:

其中,表示所述调度时刻t的正备用容量期望,表示所述调度时刻t的负备用容量期望;表示所述调度时刻t的正备用总容量,表示所述调度时刻t的负备用总容量,ng.on表示所述目标电网系统中处于运行状态的常规机组编号集合;表示第i台发电机的最大出力值,表示第i台发电机的最小出力值,表示调度时刻t下第i台发电机的实际出力值,表示调度时刻t-1下第i台发电机的实际出力值,λi表示第i台发电机的爬坡速率。

在本实施例中,事故备用为最大发电负荷的10%左右,但不小于系统一台最大机组的容量。相应地,用于判断系统负备用容量是否充足的备用要求临界值设为最大发电负荷的10%,但不小于系统一个最大节点负荷量,下文中此临界值用ren0表示。

具体地,系统正负备用容量短缺值期望为:

其中,表示正备用容量短缺值期望,表示负备用容量短缺值期望。

所述切负荷风险值包括切负荷期望和切负荷概率;

所述切负荷期望为:

所述切负荷概率为:

其中,表示调度时刻t对应的切负荷期望,表示第n个系统模拟场景在调度时刻t对应的切负荷量,表示调度时刻t发生切负荷事件的系统模拟场景样本数,表示调度时刻t对应的切负荷概率;

所述弃风弃光风险值包括弃光期望、弃光概率、弃风期望和弃风概率;

所述弃光期望为:

所述弃光概率为:

其中,表示调度时刻t的第n个系统模拟场景对应的弃光量;表示调度时刻t的弃光期望;表示调度时刻t的弃光概率,表示调度时刻t发生弃光事件的系统模拟场景样本数;

所述弃风期望为:

所述弃风概率为:

其中,表示调度时刻t的第n个系统模拟场景对应的弃风量;表示调度时刻t的弃风期望;表示调度时刻t的弃风概率,表示调度时刻t发生弃风事件的系统模拟场景样本数。

本实施例考虑了光伏出力预测误差、负荷预测误差、发电机故障停运和线路故障停运,并通过蒙特卡洛模拟法对其进行随机模拟,之后利用发电转移分布因子、负荷转移分布因子和支路开断分布因子计算线路有功潮流,再计算弃风弃光量、切负荷量和常规机组的正负备用容量,进而计算出各个风险指标的值。

在一个实施例中,本实施例提供的电网调度决策评估方法还包括:

将所述待估电网调度决策的各个风险评估指标值进行加权求和,得到所述待估电网调度决策的综合风险评估值。

在本实施例中,对上述得到的风险评估指标值进行加权求和,可以得到待估电网调度决策的综合风险评估值,从而在存在多个待估电网调度决策时根据综合风险评估值直观的确定最优的决策。

具体地,各项风险评估指标值的权值可以根据需要自定义设置。

为了便于理解,本实施例提供了风险评估的具体流程,其包括:

1)输入历史运行数据、待设置参数和待估电网调度决策,如风光出力预测值、光伏出力预测值和实测值数据、电网结构参数等数据。设置蒙特卡洛模拟的总次数k,k为其中某一次抽样,令调度时刻t=1;

2)根据光伏出力预测历史数据、光伏出力实际历史数据、风电出力预测历史数据、风电出力实际历史数据、负荷预测历史数据和负荷实际历史数据对预测误差分布参数进行拟合,得到预测误差分布特性;

3)计算系统初始状态下的发电转移分布因子、负荷转移分布因子和支路开断分布因子;

4)基于发电转移分布因子、负荷转移分布因子和支路开断分布因子,计算线路初始潮流,并令k=1;

5)利用蒙特卡洛法对光伏出力预测误差、风电出力预测误差、负荷预测误差、发电机运行状态和线路运行状态进行模拟;

6)判断系统是否解列,若未解列则通过各个潮流分布因子和线路初始潮流计算系统模拟场景下的线路有功潮流;若系统解列则通过直流潮流法计算系统模拟场景下的线路潮流;

7)判断电力系统是否需要弃风弃光或者切负荷,若需要,则计算弃风量、弃光量或切负荷量;

8)计算线路有功过载率和系统正负备用量;

9)判断k与k的大小关系,若k<k,则令k=k+1,返回第5步;否则转到第10步;

10)计算并输出该调度时刻各个风险指标的值;

11)判断t与t的大小关系,若t<t,则令t=t+1,返回第4步;否则结束。

通过上述方法,可以得到不同不同系统模拟场景样本在各个调度时刻下的弃风量、弃光量、切负荷量、有功过载率和系统正负备用量;然后基于上述值确定待估电网调度决策的风险指标。

应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。

在一个实施例中,如图2所示,图2示出了本发明实施例提供的电网调度决策评估装置100的结构,其包括:

数据获取模块110,用于获取目标电网系统的待估电网调度决策和历史运行数据,所述历史运行数据包括负荷预测误差数据、风电出力预测误差数据和光伏出力预测误差数据;

误差拟合模块120,用于分别对所述负荷预测误差数据、所述风电出力预测误差数据和所述光伏出力预测误差数据进行拟合得到负荷预测误差分布参数、风电出力预测误差分布参数和光伏出力预测误差分布参数;

风光场景模拟模块130,用于根据各个误差分布参数确定风光模拟场景;

系统模拟运行模块140,用于基于待估电网调度决策和风光模拟场景对目标电网系统进行模拟运行;

当前线路潮流计算模块150,用于计算多个系统模拟场景下的发电转移分布因子、负荷转移分布因子和支路开断分布因子;并基于多个系统模拟场景下的各个分布因子计算各个系统模拟场景下的线路潮流;

风险评估值计算模块160,用于基于各个系统模拟场景下的线路潮流计算所述待估电网调度决策的风险评估指标值。

在一个实施例中,所述误差拟合模块120包括:

负荷预测误差拟合单元,用于基于正态分布对所述负荷预测误差数据进行拟合得到负荷预测误差分布参数;

风电出力预测误差拟合单元,用于基于混合高斯分布对所述风电出力预测误差数据进行拟合得到风电出力预测误差分布参数;

光伏出力预测误差拟合单元,用于基于混合高斯分布对所述光伏出力预测误差数据进行拟合得到光伏出力预测误差分布参数。

在一个实施例中,本实施例提供的电网调度决策评估装置还包括解列判断模块,用于:

判断所述目标电网系统在当前系统模拟场景下是否解列,若已解列,则采用直流潮流法计算当前系统模拟场景下的线路潮流;

若未解列,则继续执行“计算所述系统模拟场景下的发电转移分布因子、负荷转移分布因子和支路开断分布因子”步骤。

在一个实施例中,当前线路潮流计算模块150包括:

第一潮流变化计算单元,用于若当前系统模拟场景下所述目标电网系统中不存在断开的线路,则通过公式计算当前系统模拟场景下所述目标电网系统中线路k在发电机节点i功率变化时的潮流变化率;通过公式计算当前系统模拟场景下所述目标电网系统中线路k在负荷节点j功率变化时的潮流变化率;

第二潮流变化计算单元,用于若当前系统模拟场景下所述目标电网系统的一条线路断开,则通过公式δpk-l=dk-l·pl0,计算当前系统模拟场景下所述目标电网系统中线路l断开造成的线路k的潮流变化;

第三潮流变化计算单元,用于若当前系统模拟场景下所述目标电网系统的两条线路断开,则通过公式计算当前系统模拟场景下所述目标电网系统中线路l和线路k断开造成的线路e的潮流变化;

其中,gk-i表示发电机节点i对线路k的发电转移分布因子;mk表示第k条线路的关联向量,xi表示直流潮流计算中x矩阵的第i列向量,xk表示线路k的电抗值;δpk-i表示线路k在发电机节点i功率变化时的潮流变化率,lk-j表示负荷转移分布因子,δpk-j表示线路k在负荷节点j功率变化时的潮流变化率,dk-l表示所述目标电网系统的一条线路断开时的支路开断分布因子,δpk-l表示线路l断开造成的线路k的潮流变化,δpe-lk表示线路l和线路k断开造成的线路e的潮流变化;表示所述目标电网系统的两条线路断开时的支路开断分布因子,pl0表示线路l的初始潮流,表示线路k的初始潮流;

初始线路潮流计算单元,用于获取所述目标电网系统在所述待估电网调度决策下运行时的线路潮流作为初始线路潮流;

当前线路潮流计算单元,用于根据所述初始线路潮流和当前系统模拟场景下所述目标电网系统中线路潮流变化,计算当前系统模拟场景下的线路潮流。

在一个实施例中,所述风险评估值包括线路过载风险值、备用不足风险值、切负荷风险值和弃风弃光风险值;所述线路过载风险值包括负载率期望、线路过载概率和最大过载率;

所述负载率期望为:

所述线路过载概率为:

所述最大过载率为:

其中,表示线路k在调度时刻t的负载率期望,k表示系统模拟场景样本量;表示第n个系统模拟场景中线路k在调度时刻t的的负载率,表示线路k在调度时刻t的过载概率;表示第k条线路在调度时刻t发生过载事件的系统模拟场景样本量;表示线路k在调度时刻t的最大负载率;

所述备用不足风险值包括正备用容量期望和负备用容量期望;

所述正备用容量期望为:

所述负备用容量期望为:

其中,表示所述调度时刻t的正备用容量期望,表示所述调度时刻t的负备用容量期望;表示所述调度时刻t的正备用总容量,表示所述调度时刻t的负备用总容量,ng.on表示所述目标电网系统中处于运行状态的常规机组编号集合;表示第i台发电机的最大出力值,表示第i台发电机的最小出力值,表示调度时刻t下第i台发电机的实际出力值,表示调度时刻t-1下第i台发电机的实际出力值,λi表示第i台发电机的爬坡速率;

所述切负荷风险值包括切负荷期望和切负荷概率;

所述切负荷期望为:

所述切负荷概率为:

其中,表示调度时刻t对应的切负荷期望,表示第n个系统模拟场景在调度时刻t对应的切负荷量,表示调度时刻t发生切负荷事件的系统模拟场景样本数,表示调度时刻t对应的切负荷概率;

所述弃风弃光风险值包括弃光期望、弃光概率、弃风期望和弃风概率;

所述弃光期望为:

所述弃光概率为:

其中,表示调度时刻t的第n个系统模拟场景对应的弃光量;表示调度时刻t的弃光期望;表示调度时刻t的弃光概率,表示调度时刻t发生弃光事件的系统模拟场景样本数;

所述弃风期望为:

所述弃风概率为:

其中,表示调度时刻t的第n个系统模拟场景对应的弃风量;表示调度时刻t的弃风期望;表示调度时刻t的弃风概率,表示调度时刻t发生弃风事件的系统模拟场景样本数。

在一个实施例中,本实施例提供的电网调度决策评估装置还包括:

综合风险评价值计算模块,用于将所述待估电网调度决策的各个风险评估指标值进行加权求和,得到所述待估电网调度决策的综合风险评估值。

本实施例通过历史数据拟合不同的系统场景,分析系统调度决策风险的来源以确定光伏系统的风险评估指标值,从而通过该风险评估指标值来评价含风光发电的电网系统调度决策的风险,进而提高含风光发电的电网系统的电网调度决策评估准确性。

图3是本发明一实施例提供的终端设备的示意图。如图3所示,该实施例的终端设备3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个电网调度决策评估方法实施例中的步骤,例如图1所示的步骤101至106。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能,例如图2所示模块110至160的功能。

所述计算机程序32可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器30执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是终端设备3的示例,并不构成对终端设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(centralprocessingunit,cpu),还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor,dsp)、专用集成电路(applicationspecificintegratedcircuit,asic)、现成可编程门阵列(field-programmablegatearray,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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器31可以是所述终端设备3的内部存储单元,例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备,例如所述终端设备3上配备的插接式硬盘,智能存储卡(smartmediacard,smc),安全数字(securedigital,sd)卡,闪存卡(flashcard)等。进一步地,所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。

在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。

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。

所述集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom,read-onlymemory)、随机存取存储器(ram,randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述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精神和范围,均应包含在本发明的保护范围之内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1