一种基于粒子群算法的交直流智能家庭微网运行方法与流程

本发明涉及家庭微电网领域，尤其涉及一种基于粒子群算法的交直流智能家庭微网运行方法。

背景技术：

当今能源与环境问题日益凸显，发展利用可再生能源已成为共识。而新能源的大力发展将对市电造成冲击，其间歇性和不可预测性严重影响电能供需平衡和电能质量。传统电网运行方式是发电端跟随用户端调节发电量，难以应对间歇性能源的大规模接入。电网为保证自身的安全运行，对新能源发电采取严格限制的方式，导致目前新能源的实际并网率不足20％。

此外，传统电网运行方式无法使微电网对上级电网呈现纯阻性和分时恒功率，并且缺乏对具体用电设备的调度能力，不能主动发挥“电能质量非敏感型负载”这类宝贵“资源”对电能供需平衡的调节作用。因此在这种调度方式下，如果强行接入大量发电量随机变化的新能源，将会对电网造成污染，降低电网可靠性。

参考图1，为现有的交直流混合微网结构图。其包括市电接口、孤岛开关、交流母线、交流子网、直流母线、直流子网、直流新能源子网、双向阻抗型AC-DC变换器模块、功率协同模块。

参考图2，为传统微网优化运行方法流程图。传统运行方法仅以运行成本及污染物治理成本最小为目标，无法实现微电网对上级电网呈现纯阻性和分时恒功率以及新能源100％并网。因此在传统运行方式下，新能源利用率不足并且微电网将对上级电网造成冲击，严重影响电能供需平衡和电能质量，对上级电网造成污染，降低了电网可靠性。

技术实现要素：

本发明实施例提供了一种基于粒子群算法的交直流智能家庭微网运行方法，用于解决新能源利用率不足并且微电网将对上级电网造成冲击，严重影响电能供需平衡和电能质量的技术问题。

本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法，包括：

S1：采集家庭微电网系统中电压、电流和功率数据；

S2：根据所述电压、电流和功率数据随机初始化粒子群；

S3：将所述粒子群中粒子的位置作为自身历史最佳位置并计算各粒子的适应度值，从粒子群中选择适应度值最小的粒子的位置作为全局历史最佳位置；

S4：根据预设的迭代公式更新粒子的速度和位置；

S5：计算更新后的每个粒子的适应度值，将所述更新后的每个粒子的适应度值与更新前的对应每个粒子的适应度值进行比较，选择适应度值小的粒子的位置替换所述自身历史最佳位置，从替换后的所述自身历史最佳位置中选择适应度值最小的粒子的位置替换所述全局历史最佳位置；

S6：重复执行步骤S4至S5，直到所述迭代公式中的迭代次数达到预设的最大迭代次数，获得所述全局历史最佳位置；

S7：根据所述全局历史最佳位置的向量公式中包含的电压、电流和功率数据控制家庭微电网系统运行。

优选地，所述计算粒子的适应度值具体由以下公式计算：

其中：P_loss＝P₁+P₂+P₃，P₁为电能质量筛选调制器的功率损耗，P₂为双向阻抗型AC-DC变换器的功率损耗，P₃为储能模块的功率损耗；L_loss为储能模块的寿命损耗；为保证新能源100％并网的罚函数；λ₂Q²为保证微网对外呈现纯阻性的罚函数；λ₃(P^*-P)²为保证实现分时恒功率的罚函数；

其中：

P₁＝f₁(U_AC,i₁,i₂,...,i_N)+f₂(U_DC,i₁,i₂,...,i_U)

P₂＝f₃(i₁,i₂,...,i_U,i₁,i₂,...,i_V,P₁,P₂,...,P_W,P_store)

P₃＝f₄(P_store)

L_loss＝f₅(P_store,soc)

Q＝f₆(u_AC,i_AC,i_AC/DC,i₁,i₂,...,i_M)

U_AC为电能质量非敏感型负载交流母线电压；U_DC为电能质量非敏感型负载直流母线电压；u_AC为交流母线电压，i_AC为交流母线电流，i_AC/DC为双向阻抗型交直流变换器电流；soc为存储系统模块荷电状态，P^*来自上级电网指令，i₁,i₂,...,i_N为交流型电能质量非敏感型负载1～N上的电流；i₁,i₂,...,i_M为交流型电能质量敏感型负载1～M上的电流；i₁,i₂,...,i_U为直流型电能质量非敏感型负载1～U上的电流；i₁,i₂,...,i_V为直流型电能质量敏感型负载1～V上的电流；P_max1,P_max2,...,P_maxW为各直流新能源模块的最大输出功率，P₁,P₂,...,P_W为各直流新能源模块的实际输出功率。

优选地，步骤S1具体包括：

采集家庭微电网系统中交流型电能质量非敏感型负载1～N上的电流i₁,i₂,...,i_N；交流型电能质量敏感型负载1～M上的电流i₁,i₂,...,i_M；直流型电能质量非敏感型负载1～U上的电流i₁,i₂,...,i_U；直流型电能质量敏感型负载1～V上的电流i₁,i₂,...,i_V；各直流新能源模块的最大输出功率P_max1,P_max2,...,P_maxW及各直流新能源模块的实际输出功率P₁,P₂,...,P_W赋给K维输入向量：

优选地，步骤S2具体包括：

随机初始化粒子群，设定每个粒子的初始位置和速度，所述粒子群由N个粒子组成，每个粒子在多维空间中的位置均表示为以下形式的向量：

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为储能模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流。

优选地，步骤S4具体包括：

根据下式更新各粒子的速度和位置：

其中i＝1,2,…N，t是迭代次数，ω是惯性因子，c₁,c₂为学习因子，r₁,r₂为0到1之间的随机数。

优选地，所述步骤S7包括：

将所述全局历史最佳位置的向量公式表示为：

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为存储系统模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流；

将U_AC,U_DC,P_store,i_AC/DC赋给相应的控制器，使得所述控制器根据U_AC,U_DC,P_store,i_AC/DC控制家庭微网运行，使微网在新能源完全并网，对外呈现纯阻性以及分时恒功率的前提下达到电能质量筛选调制器的功率损耗、双向阻抗型AC-DC变换器的功率损耗和存储系统的功率损耗最小且使用寿命最长。

本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行装置，基于上述的一种基于粒子群算法的交直流智能家庭微网运行方法进行控制，包括：

数据采集模块，用于采集家庭微电网系统中电压、电流和功率数据；

粒子群初始化模块，用于根据所述电压、电流和功率数据随机初始化粒子群；

位置及适应度初始计算模块，用于将所述粒子群中粒子的位置作为自身历史最佳位置并计算各粒子的适应度值，从粒子群中选择适应度值最小的粒子的位置作为全局历史最佳位置；

迭代更新模块，用于根据预设的迭代公式更新粒子的速度和位置；

位置及适应度更新计算模块，用于计算更新后的每个粒子的适应度值，将所述更新后的每个粒子的适应度值与更新前的对应每个粒子的适应度值进行比较，选择适应度值小的粒子的位置替换所述自身历史最佳位置，从替换后的所述自身历史最佳位置中选择适应度值最小的粒子的位置替换所述全局历史最佳位置；

迭代输出模块，用于重复执行迭代更新模块及位置及适应度更新计算模块，直到所述迭代公式中的迭代次数达到预设的最大迭代次数，获得所述全局历史最佳位置；

控制运行模块，用于根据所述全局历史最佳位置的向量公式中包含的电压、电流和功率数据控制家庭微电网系统运行。

优选地，粒子群初始化模块具体用于：

随机初始化粒子群，设定每个粒子的初始位置和速度，所述粒子群由N个粒子组成，每个粒子在多维空间中的位置均表示为以下形式的向量：

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为储能模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流。

优选地，迭代更新模块具体用于：

根据下式更新各粒子的速度和位置：

其中i＝1,2,…N，t是迭代次数，ω是惯性因子，c₁,c₂为学习因子，r₁,r₂为0到1之间的随机数。

优选地，控制运行模块具体用于：

将所述全局历史最佳位置的向量公式表示为：

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为存储系统模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流；

将U_AC,U_DC,P_store,i_AC/DC赋给相应的控制器，使微网在新能源完全并网，对外呈现纯阻性以及分时恒功率的前提下达到电能质量筛选调制器的功率损耗、双向阻抗型AC-DC变换器的功率损耗和存储系统的功率损耗最小且使用寿命最长。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法，通过粒子群算法对微电网的电压、电流和功率进行优化计算，可实现新能源100％并网，充分发挥了分布式电源的发电优势，提高了清洁能源的利用率；可实现家庭微网对市电呈现纯阻性，消除新能源发电和电力电子设备对市电的谐波污染，提高功率因数；可实现家庭微网分时恒功率，降低上级电网调度的难度，提高上级电网的稳定运行能力；解决了新能源利用率不足并且微电网将对上级电网造成冲击，严重影响电能供需平衡和电能质量的技术问题。

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性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例用于解释的交直流混合微网结构图；

图2为本发明实施例用于解释的传统微网优化运行方法流程图；

图3为本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法的一个实施例的流程图；

图4为本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法的一个应用例的流程图。

具体实施方式

本发明实施例提供了一种基于粒子群算法的交直流智能家庭微网运行方法，用于解决新能源利用率不足并且微电网将对上级电网造成冲击，严重影响电能供需平衡和电能质量的技术问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。

请参阅图3，本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法的一个实施例，包括：

101：采集家庭微电网系统中电压、电流和功率数据；

102：根据所述电压、电流和功率数据随机初始化粒子群；

103：将所述粒子群中粒子的位置作为自身历史最佳位置并计算各粒子的适应度值，从粒子群中选择适应度值最小的粒子的位置作为全局历史最佳位置；

104：根据预设的迭代公式更新粒子的速度和位置；

105：计算更新后的每个粒子的适应度值，将所述更新后的每个粒子的适应度值与更新前的对应每个粒子的适应度值进行比较，选择适应度值小的粒子的位置替换所述自身历史最佳位置，从替换后的所述自身历史最佳位置中选择适应度值最小的粒子的位置替换所述全局历史最佳位置；

106：重复执行步骤104至105，直到所述迭代公式中的迭代次数达到预设的最大迭代次数，获得所述全局历史最佳位置；

107：根据所述全局历史最佳位置的向量公式中包含的电压、电流和功率数据控制家庭微电网系统运行。

以上是对本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法的一个实施例进行详细的描述，以下将对本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法的另一个实施例进行详细的描述。

本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法的另一个实施例包括：

201：采集家庭微电网系统中交流型电能质量非敏感型负载1～N上的电流i₁,i₂,...,i_N；交流型电能质量敏感型负载1～M上的电流i₁,i₂,...,i_M；直流型电能质量非敏感型负载1～U上的电流i₁,i₂,...,i_U；直流型电能质量敏感型负载1～V上的电流i₁,i₂,...,i_V；各直流新能源模块的最大输出功率P_max1,P_max2,...,P_maxW及各直流新能源模块的实际输出功率P₁,P₂,...,P_W赋给K维输入向量：

202：随机初始化粒子群，设定每个粒子的初始位置和速度，所述粒子群由N个粒子组成，每个粒子在多维空间中的位置均表示为以下形式的向量：

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为储能模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流。

203：将所述粒子群中粒子的位置作为自身历史最佳位置并计算各粒子的适应度值，从粒子群中选择适应度值最小的粒子的位置作为全局历史最佳位置；

204：根据下式更新各粒子的速度和位置：

其中i＝1,2,…N，t是迭代次数，ω是惯性因子，c₁,c₂为学习因子，r₁,r₂为0到1之间的随机数；

205：计算更新后的每个粒子的适应度值，将所述更新后的每个粒子的适应度值与更新前的对应每个粒子的适应度值进行比较，选择适应度值小的粒子的位置替换所述自身历史最佳位置，从替换后的所述自身历史最佳位置中选择适应度值最小的粒子的位置替换所述全局历史最佳位置；

需要说明的是，步骤205中的替换分为两步。第一步是先将所述更新后的每个粒子的适应度值与更新前的对应每个粒子的适应度值进行比较，即两两比较(就像办公室里有六个人，今天的这六个人和明天的自己进行比较)，然后每两个对比的粒子中选出应度值小的粒子的位置替换所述自身历史最佳位置。第二步是从替换后的所述自身历史最佳位置中选择适应度值最小的粒子的位置替换所述全局历史最佳位置(就像是办公室里适应度值最小的人当领导，更新之后，适应度值最小的人变成另外一个人了，那么领导也变成相应的人了)。

206：重复执行步骤204至205，直到所述迭代公式中的迭代次数达到预设的最大迭代次数，获得所述全局历史最佳位置；

207：将所述全局历史最佳位置的向量公式表示为：

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为存储系统模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流；

将U_AC,U_DC,P_store,i_AC/DC赋给相应的控制器，使微网在新能源完全并网，对外呈现纯阻性以及分时恒功率的前提下达到电能质量筛选调制器的功率损耗、双向阻抗型AC-DC变换器的功率损耗和存储系统的功率损耗最小且使用寿命最长。

计算粒子的适应度值具体由以下公式计算：

其中：P_loss＝P₁+P₂+P₃，P₁为电能质量筛选调制器的功率损耗，P₂为双向阻抗型AC-DC变换器的功率损耗，P₃为储能模块的功率损耗；L_loss为储能模块的寿命损耗；为保证新能源100％并网的罚函数；λ₂Q²为保证微网对外呈现纯阻性的罚函数；λ₃(P^*-P)²为保证实现分时恒功率的罚函数；

其中：

P₁＝f₁(U_AC,i₁,i₂,...,i_N)+f₂(U_DC,i₁,i₂,...,i_U)

P₂＝f₃(i₁,i₂,...,i_U,i₁,i₂,...,i_V,P₁,P₂,...,P_W,P_store)

P₃＝f₄(P_store)

L_loss＝f₅(P_store,soc)

Q＝f₆(u_AC,i_AC,i_AC/DC,i₁,i₂,...,i_M)

U_AC为电能质量非敏感型负载交流母线电压；U_DC为电能质量非敏感型负载直流母线电压；u_AC为交流母线电压，i_AC为交流母线电流，i_AC/DC为双向阻抗型交直流变换器电流；soc为存储系统模块荷电状态，P^*来自上级电网指令，i₁,i₂,...,i_N为交流型电能质量非敏感型负载1～N上的电流；i₁,i₂,...,i_M为交流型电能质量敏感型负载1～M上的电流；i₁,i₂,...,i_U为直流型电能质量非敏感型负载1～U上的电流；i₁,i₂,...,i_V为直流型电能质量敏感型负载1～V上的电流；P_max1,P_max2,...,P_maxW为各直流新能源模块的最大输出功率，P₁,P₂,...,P_W为各直流新能源模块的实际输出功率。

以上是对本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法的另一个实施例进行详细的描述，以下将对本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行装置的一个实施例进行详细的描述。

本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行装置，基于上述的一种基于粒子群算法的交直流智能家庭微网运行方法进行控制，包括：

数据采集模块，用于采集家庭微电网系统中电压、电流和功率数据；

粒子群初始化模块，用于根据所述电压、电流和功率数据随机初始化粒子群；

位置及适应度初始计算模块，用于将所述粒子群中粒子的位置作为自身历史最佳位置并计算各粒子的适应度值，从粒子群中选择适应度值最小的粒子的位置作为全局历史最佳位置；

迭代更新模块，用于根据预设的迭代公式更新粒子的速度和位置；

位置及适应度更新计算模块，用于计算更新后的每个粒子的适应度值，将所述更新后的每个粒子的适应度值与更新前的对应每个粒子的适应度值进行比较，选择适应度值小的粒子的位置替换所述自身历史最佳位置，从替换后的所述自身历史最佳位置中选择适应度值最小的粒子的位置替换所述全局历史最佳位置；

迭代输出模块，用于重复执行迭代更新模块及位置及适应度更新计算模块，直到所述迭代公式中的迭代次数达到预设的最大迭代次数，获得所述全局历史最佳位置；

控制运行模块，用于根据所述全局历史最佳位置的向量公式中包含的电压、电流和功率数据控制家庭微电网系统运行。

粒子群初始化模块具体用于：

随机初始化粒子群，设定每个粒子的初始位置和速度，所述粒子群由N个粒子组成，每个粒子在多维空间中的位置均表示为以下形式的向量：

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为储能模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流。

迭代更新模块具体用于：

根据下式更新各粒子的速度和位置：

其中i＝1,2,…N，t是迭代次数，ω是惯性因子，c₁,c₂为学习因子，r₁,r₂为0到1之间的随机数。

控制运行模块具体用于：

将所述全局历史最佳位置的向量公式表示为：

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为存储系统模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流；

将U_AC,U_DC,P_store,i_AC/DC赋给相应的控制器，使微网在新能源完全并网，对外呈现纯阻性以及分时恒功率的前提下达到电能质量筛选调制器的功率损耗、双向阻抗型AC-DC变换器的功率损耗和存储系统的功率损耗最小且使用寿命最长。

以上是对本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行装置的一个实施例进行详细的描述，以下将对本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法的一个应用例进行详细的描述。

请参阅图4，本发明实施例提供的一种基于粒子群算法的交直流智能家庭微网运行方法的一个应用例包括：

步骤1：采集家庭微电网系统中交流型电能质量非敏感型负载1～N上的电流i₁,i₂,...,i_N；交流型电能质量敏感型负载1～M上的电流i₁,i₂,...,i_M；直流型电能质量非敏感型负载1～U上的电流i₁,i₂,...,i_U；直流型电能质量敏感型负载1～V上的电流i₁,i₂,...,i_V；各直流新能源模块的最大输出功率P_max1,P_max2,...,P_maxW及各直流新能源模块的实际功率P₁,P₂,...,P_W赋给K维输入向量：

步骤2：随机初始化粒子群,设定每个粒子的初始位置和速度,所述粒子群由N个粒子组成,每个粒子在多维空间中的位置均表示为以下形式的向量。

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为存储系统模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流。

步骤3：粒子群中各粒子的适应度值按以下公式计算：

其中：P_loss＝P₁+P₂+P₃，P₁为电能质量筛选调制器的功率损耗，P₂为双向阻抗型AC-DC变换器的功率损耗，P₃为存储系统模块的功率损耗；L_loss为存储系统模块寿命损耗；为可保证新能源100％并网的罚函数；λ₂Q²为可保证微网对外呈现纯阻性的罚函数；λ₃(P^*-P)²为保证实现分时恒功率的罚函数。

其中：

P₁＝f₁(U_AC,i₁,i₂,...,i_N)+f₂(U_DC,i₁,i₂,...,i_U)

P₂＝f₃(i₁,i₂,...,i_U,i₁,i₂,...,i_V,P₁,P₂,...,P_W,P_store)

P₃＝f₄(P_store)

L_loss＝f₅(P_store,soc)

Q＝f₆(u_AC,i_AC,i_AC/DC,i₁,i₂,...,i_M)

U_AC电能质量非敏感型负载交流母线电压；U_DC为电能质量非敏感型负载直流母线电压；u_AC为交流母线电压，i_AC为交流母线电流，i_AC/DC为双向阻抗型交直流变换器电流；soc为存储系统模块荷电状态，P^*来自上级电网指令。

步骤4：将各粒子的初始位置作为其历史最佳位置并计算其适应度值，然后从粒子群中挑选适应度值最小的粒子为当前全局最优粒子，其位置记为

步骤5：根据下式更新各粒子的速度和位置：

其中i＝1,2,…N：t是迭代次数，ω是惯性因子，c₁,c₂为学习因子，r₁,r₂为[0,1]之间的随机数；

步骤6：采用步骤3的方法计算出更新后的每个粒子的适应度值，并将其与自身历史最佳位置和全局历史最佳位置所对应的适应度值比较，若当前粒子的适应度值更小，则用其替换相应的或

步骤7：重复步骤5～6直至达到最大迭代次数，可获全局最优粒子如下：

其中，U_AC为电能质量非敏感型负载交流母线电压，U_DC为电能质量非敏感型负载直流母线电压，P_store为存储系统模块充放电功率，i_AC/DC为双向阻抗型交直流变换器电流。

步骤8：将U_AC,U_DC,P_store,i_AC/DC赋给相应的控制器，使微网在新能源完全并网，对外呈现纯阻性以及分时恒功率的前提下达到电能质量筛选调制器的功率损耗、双向阻抗型AC-DC变换器的功率损耗和存储系统的功率损耗最小且使用寿命最长。

本发明利用粒子群最优化算法，针对以新能源发电为主的交直流智能家庭微网，对电能质量筛选调制器的功率损耗、双向阻抗型AC-DC变换器的功率损耗和存储系统的功率损耗与使用寿命以及用电设备电能消耗情况进行协同优化，从而实现智能家庭微网在新能源100％并网和对外呈现纯阻性及分时恒功率的前提下的电能利用效率最大化，在理论上使得家庭电网对上级电网实现零污染。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述，以上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。