光伏阵列的异常检测方法、装置、电子设备及存储介质与流程

1.本公开涉及光伏发电技术领域，尤其涉及一种光伏阵列的异常检测方法、装置、电子设备及存储介质。


背景技术：

2.光伏阵列是光伏发电系统的重要组成单元，由于光伏阵列长期运行在例如，强风、高温、紫外线辐射等户外环境中，因此比较容易发生运行异常的情况，从而会影响发电效率，由此，在光伏发电技术领域，通常会构建光伏阵列模型，以通过光伏阵列模型实现对光伏阵列的异常检测。
3.相关技术中，在构建光伏阵列模型时，通常是采用解析法或者迭代法，对光伏阵列模型参数的求解，从而根据模型参数的求解结果构建光伏阵列模型。
4.这种方式下，在对光伏阵列的模型参数进行求解的过程中，存在模型参数求解准确度较低的问题，从而会导致光伏阵列模型的构建效果不佳，从而在基于光伏阵列模型对光伏阵列进行异常检测时，影响光伏阵列的异常检测效果。


技术实现要素：

5.本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
6.为此，本公开的目的在于提出一种光伏阵列的异常检测方法、装置、电子设备及存储介质，由于是采用花授粉算法对构建得到的初始光伏阵列模型的模型参数进行求解处理，从而能够有效地提升光伏阵列模型参数求解的准确度，进而能够有效地提升光伏阵列模型的模型构建效果，从而能够在将构建得到的目标光伏阵列模型用于光伏阵列的异常检测时，有效地提升光伏阵列的异常检测效果。
7.本公开第一方面实施例提出的光伏阵列的异常检测方法，包括：获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数，再采用花授粉算法对模型参数进行处理，以确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，以及根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果。
8.本公开第一方面实施例提出的光伏阵列的异常检测方法，通过获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数，再采用花授粉算法对模型参数进行处理，以确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，以及根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果，由于是采用花授粉算法对构建得到的初始光伏阵列模型的模型参数进行求解处理，从而能够有效地提升光伏阵列模型参数求解的准确度，进而能够有效地提升光伏阵列模型的模型构建效果，从而能够在将构建得到的目标光伏阵列模型用于光伏阵列的异常检测时，有效地提升光伏阵列的异常检测效果。
9.本公开第二方面实施例提出的光伏阵列的异常检测装置，包括：获取模块，用于获
取光伏阵列的多个运行数据；构建模块，用于构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数；处理模块，用于采用花授粉算法对模型参数进行处理，以确定目标模型参数解；调整模块，用于采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型；确定模块，用于根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果。
10.本公开第二方面实施例提出的光伏阵列的异常检测装置，通过获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数，再采用花授粉算法对模型参数进行处理，以确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，以及根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果，由于是采用花授粉算法对构建得到的初始光伏阵列模型的模型参数进行求解处理，从而能够有效地提升光伏阵列模型参数求解的准确度，进而能够有效地提升光伏阵列模型的模型构建效果，从而能够在将构建得到的目标光伏阵列模型用于光伏阵列的异常检测时，有效地提升光伏阵列的异常检测效果。
11.本公开第三方面实施例提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开第一方面实施例提出的光伏阵列的异常检测方法。
12.本公开第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开第一方面实施例提出的光伏阵列的异常检测方法。
13.本公开第五方面实施例提出了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开第一方面实施例提出的光伏阵列的异常检测方法。
14.本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
15.本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
16.图1是本公开一实施例提出的光伏阵列的异常检测方法的流程示意图；
17.图2是本公开另一实施例提出的光伏阵列的异常检测方法的流程示意图；
18.图3是本公开另一实施例提出的光伏阵列的异常检测方法的流程示意图；
19.图4是本公开一实施例提出的光伏阵列的异常检测装置的结构示意图；
20.图5是本公开另一实施例提出的光伏阵列的异常检测装置的结构示意图；
21.图6示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
22.下面详细描述本公开的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本公开，而不能理解为对本公开的限制。相反，本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
23.图1是本公开一实施例提出的光伏阵列的异常检测方法的流程示意图。
24.其中，需要说明的是，本实施例的光伏阵列的异常检测方法的执行主体为光伏阵列的异常检测装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
25.如图1所示，该光伏阵列的异常检测方法，包括：
26.s101：获取光伏阵列的多个运行数据。
27.其中，光伏阵列是光伏发电系统的重要单元，光伏阵列在实际运行中的多个相关数据，即可以被称为运行数据，该运行数据可以具体例如为，光伏阵列的运行参数，光伏阵列的输出的电流，电压等，对此不做限制。
28.本公开实施例中，获取光伏阵列的多个运行数据，可以是采用逆变器获取光伏阵列实际运行的电流电压数据：[iori,vori]，(其中，iori表示光伏阵列的电流数据，vori表示光伏阵列的电压数据，i＝(1，
…
，n)。n表示电流电压的数据点个数)，并将前述逆变器获取得到的电流电压数据：[i
ori
,v
ori
]作为光伏阵列的多个运行数据，对此不做限制。
[0029]
一些实施例中，获取光伏阵列的多个运行数据，还可以是由光伏阵列的异常检测装置提供相应的数据传输接口，并经由该数据传输接口获取光伏阵列的多个运行数据，或者，也可以采用其他任意可能的方法，获取光伏阵列的多个运行数据，对此不做限制。
[0030]
s102：构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数。
[0031]
其中，光伏阵列模型可以用于对实际运行的光伏阵列进行运行仿真模拟，即可以通过构建光伏阵列模型对光伏阵列的运行情况进行仿真模拟，以对光伏阵列进行运行异常检测。
[0032]
其中，在光伏阵列的异常检测方法执行初始阶段，构建得到的光伏阵列模型，即可以被称为初始光伏阵列模型，该初始光伏阵列模型可以具有一些相应的参数，该参数即可以被称为模型参数，该模型参数可以是初始光伏阵列模型的初始输入参数，输出参数，具体可以例如为初始光伏阵列模型的输出电压，输出电流等，对此不做限制。
[0033]
一些实施例中，构建初始光伏阵列模型，可以是在光伏阵列的运行过程中，获取光伏阵列的多个运行数据，并对前述获取得到的多个运行数据进行解析处理，确定多个运行数据之间相应的关联关系，并根据前述获取得到的多个运行数据及多个运行数据之间的关联关系，构建初始光伏阵列模型。
[0034]
或者，还可以采用其他任意可能的方式，构建初始光伏阵列模型，例如，可以采用仿真软件对光伏阵列的实际运行情况进行仿真模拟，以建立初始光伏阵列模型，对此不做限制。
[0035]
s103：采用花授粉算法对模型参数进行处理，以确定目标模型参数解。
[0036]
本公开实施例在建立初始光伏阵列模型后，可以对初始光伏阵列模型的模型参数进行处理，并将前述优化处理得到的模型参数作为目标模型参数。
[0037]
其中，花授粉算法可以用于对初始光伏阵列的模型参数进行求解，以求解得到初始光伏阵列模型的最优的模型参数解，并将该最优模型参数解作为目标模型参数解。
[0038]
也即是说，本公开实施例中，可以采用花授粉算法对初始光伏阵列的模型参数进行求解，以求解得到初始光伏阵列模型的最优的模型参数解，并将该最优的模型参数解作为目标模型参数解，对此不做限制。
[0039]
或者，也可以采用其他任意可能的模型参数求解方法对初始光伏阵列模型的模型参数进行求解，以得到目标模型参数解，例如，解析法，迭代法和元启发式算法等，对此不做限制。
[0040]
s104：采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型。
[0041]
本公开实施例在采用花授粉算法，对初始光伏阵列模型的模型参数进行处理，得到目标模型参数解后，可以采用目标模型参数解对初始光伏阵列模型进行调整，并将前述调整处理得到的光伏阵列模型作为目标光伏阵列模型。
[0042]
本公开实施例中，采用目标模型参数解对初始光伏阵列模型进行调整，可以是在确定得到目标模型参数解后，将目标模型参数解代入至初始光伏阵列，并将目标模型参数所属的光伏阵列模型作为目标光伏阵列模型，对此不做限制。
[0043]
一些实施例中，采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，还可以是在确定目标模型参数解后，根据目标模型参数解生成相应的调整系数(该调整系数可以用于对初始光伏阵列模型进行调整)，并基于该调整系数对初始光伏阵列模型进行调整，以得到目标光伏阵列模型。
[0044]
或者，也可以采用其他任意可能的方式，采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，对此不做限制。
[0045]
s105：根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果。
[0046]
本公开实施例在构建得到目标光伏阵列模型后，可以根据多个运行数据和目标光伏阵列模型，对光伏阵列进行异常检测，得到相应的检测结果，该检测结果即可以被称为异常检测结果。
[0047]
一些实施例中，根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果，可以是将多个运行数据输入至目标光伏阵列模型之中，得到目标光伏阵列模型输出的运行结果，而后，可以将该运行结果与预先设定的异常运行条件(该异常运行条件可以结合实际业务场景的光伏阵列异常检测需求自适应配置，对此不做限制)进行比对处理，得到相应的比对处理结果，并根据前述比对处理结果，确定光伏阵列的异常检测结果，对此不做限制。
[0048]
举例而言，可以针对光伏阵列预先确定相应的参考运行结果，而后可以将目标光伏阵列模型输出的运行结果与参考运行结果进行比对，并在目标光伏阵列模型输出的运行结果与参考运行结果相同时，确定光伏阵列不存在运行异常，在目标光伏阵列模型输出的运行结果与参考运行结果不相同时，确定光伏阵列存在运行异常。
[0049]
或者，还可以是针对光伏阵列预先确定相应的运行结果阈值，并在目标光伏阵列模型输出的运行结果小于运行结果阈值时，确定光伏阵列存在运行异常，在目标光伏阵列模型输出的运行结果大于或等于运行结果阈值时，确定光伏阵列不存在运行异常，对此不做限制。
[0050]
本实施例中，通过获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数，再采用花授粉算法对模型参数进行处理，以确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，以及根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果，
由于是采用花授粉算法对构建得到的初始光伏阵列模型的模型参数进行求解处理，从而能够有效地提升光伏阵列模型参数求解的准确度，进而能够有效地提升光伏阵列模型的模型构建效果，从而能够在将构建得到的目标光伏阵列模型用于光伏阵列的异常检测时，有效地提升光伏阵列的异常检测效果。
[0051]
图2是本公开另一实施例提出的光伏阵列的异常检测方法的流程示意图。
[0052]
如图2所示，该光伏阵列的异常检测方法，包括：
[0053]
s201：获取光伏阵列的多个运行数据。
[0054]
s201的描述说明可以具体参见上述实施例，在此不再赘述。
[0055]
s202：获取光伏组件的多个光伏组件参数。
[0056]
本公开实施例中，光伏阵列模型可以由多个光伏组件模型组成，相应地，
[0057]
多个光伏组件可以具有相应的参数，该参数即可以被称为光伏组件参数，该光伏组件参数可以具体例如为串联光伏组件数，光伏组件输出电流，并联光伏组件数，光伏组件输出电压等，对此不做限制。
[0058]
本公开实施例中，获取光伏组件的多个光伏组件的多个光伏组件参数，可以是光伏阵列中在运行时，采用监听装置对光伏阵列中的多个光伏组件的多个运行参数进行监听，以获取光伏组件的多个光伏组件参数，而后，可以基于获取得到的多个光伏组件参数，执行后续的光伏阵列的异常检测方法，具体可以参见后续实施例。
[0059]
s203：根据多个光伏组件参数，构建光伏组件模型。
[0060]
一些实施例中，根据多个光伏组件参数，构建光伏组件模型，可以是对前述获取得到的光伏组件参数进行解析处理，以确定多个光伏组件参数之间相应的关联关系，并根据前述获取得到的多个光伏组件参数和多个光伏组件参数之间相应的关联关系，构建光伏组件模型。
[0061]
或者，根据多个光伏组件参数，构建光伏组件模型，还可以是采用仿真软件对光伏组件的实际运行情况进行仿真模拟，以建立初始光伏阵列模型，对此不做限制。
[0062]
本公开实施例中，光伏组件模型可以包括：多个太阳能电池，该太阳能电池可以具有对应的单二极管模型。
[0063]
可选地，一些实施例中，构建光伏组件模型，可以是获取太阳能电池的多个太阳能电池参数，并根据多个太阳能电池参数，构建单二极管模型，再对多个单二极管模型进行串联和/或并联处理，以得到光伏组件模型，由于光伏组件模型是包括多个太阳能电池，该太阳能电池可以具有对应的单二极管模型，从而可以基于多个太阳能电池参数，构建单二极管模型，再对多个单二极管模型进行串联和/或并联处理，以得到光伏组件模型，进而能够在有效地简化光伏组件模型构建过程的同时，有效的提升光伏组件模型的模型构建效果。
[0064]
其中，太阳能电池在运行过程中可以具有对应的参数，该参数即可以被称为太阳能电池参数，该太阳能电池参数可以具体例如为太阳能电池的开尔文温度，太阳能电池输出电压，太阳能电池输出电流等，对此不做限制。
[0065]
本公开实施例在获取得到太阳能电池的多个太阳能电池参数后，可以根据多个太阳能电池参数，确定太阳能电池和单二极管模型之间的等效电路方程为：
[0066]icell
＝i
ph-i
d-i
sh
(式1)；
[0067][0068][0069][0070]
其中，将式2，式3，式4代入上述式1中，以得到单二极管模型为：
[0071][0072]
本公开实施例在构建得到多个单二极管模型后，可以结合上述获取得到的太阳能电池参数中的太阳能电池串并联数量，对多个单二极管模型进行串联和/或并联处理，以得到光伏组件模型为：
[0073][0074]
其中，i
ph
为光生电流，id为二极管分流，i
sh
为并联电阻分流，i
cell
为太阳能电池输出电流，is为二极管反向饱和电流，v
cell
为太阳能电池输出电压，rs为串联电阻，vd为二极管节热电压，r
sh
为并联电阻，a为二极管理想因子，q为库伦电荷，k为玻尔兹曼常数，t为太阳能电池开尔文温度。
[0075]
s204：根据光伏组件模型的输出参数和多个光伏组件参数，生成初始光伏阵列模型。
[0076]
其中，光伏组件模型所输出的参数，即可以被称为输出参数，该输出参数可以具体例如为为光伏组件模型输出电流，为光伏组件模型输出电压，对此不做限制。
[0077]
本公开实施例中，在确定光伏组件模型的输出参数和多个光伏组件参数，可以根据光伏组件模型的输出参数和多个光伏组件参数，生成初始光伏阵列模型，该初始光伏阵列模型可以表示为：
[0078][0079]
其中，n
pa
为并联光伏组件数量，n
se
为串联光伏组件数量，i为光伏组件输出电流，v为光伏组件输出电压，i
array
为光伏阵列输出电流，v
array
为光伏阵列输出电压。
[0080]
本公开实施例中，通过获取光伏组件的多个光伏组件参数，并根据多个光伏组件参数，构建光伏组件模型，再根据光伏组件模型的输出参数和多个光伏组件参数，生成初始光伏阵列模型，从而可以将复杂的初始光伏阵列模型构建过程拆解为多个简单的光伏组件模型的构建过程，从而能够较大程度地简化初始光伏阵列模型的构建过程的同时，有效地提升初始光伏阵列模型的构建效果。
[0081]
s205：采用花授粉算法对模型参数进行处理，以确定目标模型参数解。
[0082]
s206：采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型。
[0083]
s205-s206的描述说明可以具体参见上述实施例，在此不再赘述。
[0084]
s207：从多个运行数据中确定参考运行数据。
[0085]
其中，多个运行数据中可以在光伏阵列的异常检测方法中起参考作用的运行数据，即可以被称为参考运行数据。
[0086]
本公开实施例中，从多个运行数据中确定参考运行数据，可以是在获取得到光伏阵列实际运行的电流电压数据：[iori,vori]作为多个运行数据后，采用异常点检测，平滑滤波，故障数据筛选等处理方式对前述获取得到的多个运行数据进行筛选，以从多个运行数据中确定相应的参考电流电压数据[iimea，vimea]，(其中，i＝(1，
…
，n)，n表示电流电压的数据点的个数，iimea为参考电流数据，vimea为参考电压数据。
[0087]
s208：将初始运行数据输入至目标光伏阵列模型中，以得到目标光伏阵列模型输出的初始运行结果。
[0088]
本公开实施例在获取得到光伏阵列的初始运行数据，并构建得到相应的目标光伏阵列模型后，可以将前述获取得到的光伏阵列的初始运行数据输入至目标光伏阵列模型中，以得到目标光伏阵列模型输出的与初始运行数据相应的运行结果，该运行结果即可以被称为初始运行结果。
[0089]
s209：将参考运行数据输入至目标光伏阵列模型中，以得到目标光伏阵列模型输出的参考运行结果。
[0090]
本公开实施例在获取得到光伏阵列的初始运行数据并从中确定得到参考运行数据后，可以将前述获取得到的光伏阵列的初始运行数据输入至目标光伏阵列模型中，以得到目标光伏阵列模型输出的与参考运行数据相应的运行结果，该运行结果即可以被称为参考运行结果。
[0091]
s210：确定参考运行结果和初始运行结果是否满足匹配条件。
[0092]
本公开实施例在确定参考运行结果和初始运行结果后，可以对参考运行结果和初始运行结果进行匹配处理，以确定参考运行结果和初始运行结果是否匹配条件(该匹配条件可以结合实际业务场景中的光伏阵列异常检测需求，自适应配置，对此不做限制)。
[0093]
举例而言，确定参考运行结果和初始运行结果是否满足匹配条件，可以是在确定参考运行结果(例如，光伏阵列输出电压值)，和初始运行结果(例如，光伏阵列初始输出电压值)后，确定参考运行结果(例如，光伏阵列输出电压值)，和初始运行结果(例如，光伏阵列初始输出电压值)之间的结果差值(电压差值)，并将前述确定的结果差值(电压差值)与预先设定的差值阈值进行比对，并在结果差值小于差值阈值时，确定述参考运行结果和初始运行结果满足匹配条件，在结果差值大于或等于差值阈值时，确定述参考运行结果和初始运行结果不满足匹配条件，对此不做限制。
[0094]
s211：如果参考运行结果和初始运行结果不满足匹配条件，则确定光伏阵列存在运行异常。
[0095]
本公开实施例在确定参考运行结果和初始运行结果不满足匹配条件时，可以确定光伏阵列存在运行异常。
[0096]
本公开实施例中，通过从多个运行数据中确定参考运行数据，并将初始运行数据输入至目标光伏阵列模型中，以得到目标光伏阵列模型输出的初始运行结果，再将参考运行数据输入至目标光伏阵列模型中，以得到目标光伏阵列模型输出的参考运行结果，并确
定参考运行结果和初始运行结果是否满足匹配条件，再在参考运行结果和初始运行结果不满足匹配条件，则确定光伏阵列存在运行异常，由此，能够实现构建得到的目标光伏阵列模型，结合参考运行数据准确地对光伏阵列的运行异常情况进行判断，从而能够有效地提升光伏阵列异常检测效果，也能够更加有利于光伏阵列的异常检测方法的落地实施。
[0097]
本实施例中，通过获取光伏阵列的多个运行数据，并获取光伏组件的多个光伏组件参数，再根据多个光伏组件参数，构建光伏组件模型，再根据光伏组件模型的输出参数和多个光伏组件参数，生成初始光伏阵列模型，从而可以将复杂的初始光伏阵列模型构建过程拆解为多个简单的光伏组件模型的构建过程，从而能够较大程度地简化初始光伏阵列模型的构建过程的同时，有效地提升初始光伏阵列模型的构建效果，再采用花授粉算法对模型参数进行处理，以确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，再从多个运行数据中确定参考运行数据，并将初始运行数据输入至目标光伏阵列模型中，以得到目标光伏阵列模型输出的初始运行结果，再将参考运行数据输入至目标光伏阵列模型中，以得到目标光伏阵列模型输出的参考运行结果，并确定参考运行结果和初始运行结果是否满足匹配条件，再在参考运行结果和初始运行结果不满足匹配条件，则确定光伏阵列存在运行异常，由此，能够实现构建得到的目标光伏阵列模型，结合参考运行数据准确地对光伏阵列的运行异常情况进行判断，从而能够有效地提升光伏阵列异常检测效果，也能够更加有利于光伏阵列的异常检测方法的落地实施。
[0098]
图3是本公开另一实施例提出的光伏阵列的异常检测方法的流程示意图。
[0099]
如图3所示，该光伏阵列的异常检测方法，包括：
[0100]
s301：获取光伏阵列的多个运行数据。
[0101]
s302：构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数。
[0102]
s301-s302的描述说明可以具体参见上述实施例，在此不再赘述。
[0103]
s303：确定与花授粉算法中的每个粒子分别对应的初始粒子位置，
[0104]
本公开实施例在构建得到初始光伏阵列模型，并确定与光伏阵列对应的模型参数(x＝[i
ph
，is，rs，r
sh
，a])后，为了便利执行后续的花授粉算法，可以引入粒子对一组模型参数进行对应描述。
[0105]
其中，每个粒子用于对应描述一组模型参数，粒子位置用于对应描述相应模型参数的模型参数解，该模型参数解可以是在光伏阵列的异常检测方法开始执行的初始阶段，所得到的为例便利后续模型参数求解过程，所确定的可行模型参数解范围内较为均匀分布的模型参数解，对此不做限制。
[0106]
其中，在光伏阵列的异常检测方法开始执行的初始阶段，针对每个粒子所确定的粒子位置，即可以被称为初始粒子位置。
[0107]
一些实施例中，确定与花授粉算法中的每个粒子分别对应的初始粒子位置，可以是在确定模型参数后，确定与模型参数对应的多个可能的模型参数解，并将前述确定的多个可能的模型参数解所对应的粒子位置作为初始粒子位置，或者，还可以是从前述确定的多个可能的模型参数解中选取多个相似的模型参数解，并将与其所对应的粒子位置作为初始粒子位置，对此不做限制。
[0108]
可选地，一些实施例中，确定与花授粉算法中的每个粒子分别对应的初始粒子位置，可以是对每个粒子进行混沌映射处理，以确定与每个粒子分别对应的初始粒子位置，由
于是对每个粒子进行混沌映射处理，从而可以在得到可行解范围内比较均匀的初始粒子位置，由此，能够有效地提升初始粒子位置的确定效果。
[0109]
也即是说，本公开实施例中，可以是是对每个粒子i＝1,2,...,pop，pop为粒子个数)进行混沌映射(例如，帐篷映射(tent map)，对此不做限制)处理，以确定与每个粒子分别对应的初始粒子位置该混沌映射处理过程可以具体表示为：
[0110][0111]
其中，i＝1,2,...,pop，j＝1,2,...,d，uj表示第j维位置的上界，lj表示第j维位置的下界，表示第i个粒子的第j维位置的值，pop表示粒子的个数，d表示位置的维数,si表示第i个粒子的混沌系数。
[0112]
其中，上述混沌系数si满足如下条件：
[0113][0114]
其中，rand为0-1间随机数，m为函数变量，i＝1,2,...,pop，pop表示粒子的个数。
[0115]
s304：确定与初始粒子位置对应的初始适应度值。
[0116]
其中，适应度值可以用于对与该粒子对应的模型参数解的求解准确度情况进行描述，适应度值越大则可以表明与该粒子对应的模型参数解的求解准确度越高，反之，适应度值越小则可以表明与该粒子对应的模型参数解的求解准确度越低，对此不做限制。
[0117]
本公开实施例中，确定与粒子位置对应的初始适应度值的具体过程可以表示为：
[0118][0119][0120]
其中，表示与粒子位置对应的初始适应度值，为上述所确定得到的初始粒子位置，rmsei表示电流均方根误差，n表示实测的电压点数，i
k,mea
表示第k个电压对应的实测电流值，i
k,cal
表示根据第k个电压求解得到的电流值。
[0121]
s305：根据初始适应度值，确定参考粒子位置。
[0122]
其中，多个初始粒子位置中，可以在后续的光伏阵列的异常检测中起参考作用的初始粒子位置，即可以被称为参考粒子位置，该参考粒子位置可以用于对应描述多个模型参数解中较优的模型参数解。
[0123]
一些实施例中，根据初始适应度值，确定参考粒子位置，可以是在确定得到初始适应度值后，可以将初始适应度值与预先设定的适应度阈值(该适应度阈值可以结合实际业
务场景的光伏阵列异常检测需求，自适应配置，对此不做限制)进行比对，并在初始适应度值大于适应度阈值时，将与该初始适应度值相应的粒子初始粒子位置作为参考粒子位置，或者，也可以采用其他任意可能的方式，实现根据初始适应度值，确定参考粒子位置，例如，模型预测的方式，算法的方式等，对此不做限制。
[0124]
可选地，一些实施例中，根据初始适应度值，确定参考粒子位置，可以是从多个初始适应度值中确定出最大适应度值，将最大适应度值对应的初始粒子位置作为参考粒子位置，由于适应度值可以用于表征模型建模精度，从而在将最大适应度值对应的初始粒子位置作为参考粒子位置时，能够基于参考粒子位置，有效地辅助提升后续光伏阵列模型的建模效果，进而有效地提升光伏阵列的异常检测效果。
[0125]
其中，多个初始适应度值中值最大的初始适应度值，即可以被称为最大适应度值。
[0126]
也即是说，本公开实施例中，在确定多个初始适应度值后，可以从多个初始适应度值中确定出最大适应度值，并将最大适应度值对应的粒子作为参考粒子位置，该过程可以具体表示为：
[0127][0128]
其中，x
*
为参考粒子位置，为上述所确定得到的初始粒子位置，i＝1,2,...,pop，pop表示粒子的个数。
[0129]
s306：根据参考粒子位置对粒子进行目标处理，以确定与粒子对应的当前粒子位置。
[0130]
本公开实施例在确定参考粒子位置后，可以根据参考粒子位置对粒子进行目标处理，以实现粒子相应的初始粒子位置的更新迭代，并将前述更新迭代后得到的粒子位置作为当前粒子位置。
[0131]
一些实施例中，根据参考粒子位置对粒子进行目标处理，可以是使粒子以参考粒子位置为目标方向进行位置寻优，并将前述粒子寻优得到的粒子位置作为当前粒子位置，或者，也可以采用其他任意可能的方式，实现根据参考粒子位置对粒子进行目标处理，以确定与粒子对应的当前粒子位置，例如，算法的方式，对此不做限制。
[0132]
可选地，一些实施例中，根据参考粒子位置对粒子进行目标处理，以确定与粒子对应的当前粒子位置，可以是响应于当前授粉概率大于预设授粉概率，采用异花授粉方式对粒子进行处理，以确定与粒子对应的当前粒子位置，或者，响应于当前授粉概率小于或等于预设授粉概率，采用自花授粉方式对粒子进行处理，以确定与粒子对应的当前粒子位置，由于是在响应于当前授粉概率大于预设授粉概率，采用异花授粉方式对粒子进行处理，从而能够有效地提高了粒子的局部搜索能力，加快收敛速度，由于是在响应于当前授粉概率小于或等于预设授粉概率，采用自花授粉方式对粒子进行处理，从而能够有效地提升粒子的全局搜索能力，避免模型参数的求解陷入局部最优。
[0133]
其中，授粉概率是从生物学上迁移来的用于表示模型参数迭代求解更倾向哪种方式(例如，异花授粉方式，自花授粉方式等，对此不做限制)的值。
[0134]
其中，预先设定的授粉概率阈值，即可以被称为预设授粉概率(该预设授粉概率可以p表示)，相应的，在光伏阵列的异常检测方法执行的当前阶段所确定的授粉概率，即可以被称为当前授粉概率(该当前授粉概率可以c表示)。
[0135]
本公开实施例在当前授粉概率大于预设授粉概率(即c》p时)，可以采用异花授粉方式对粒子进行处理，即可以使粒子以莱维运动向参考粒子位置x
*
靠近，以确定与粒子对应的当前粒子位置，该过程可以表示为：
[0136][0137][0138]
其中，表示当前粒子位置，x
*
为参考粒子位置，初始粒子位置，wi(t)表示莱维运动的距离，t为函数变量。
[0139]
为了提高粒子的局部搜索能力，还可以在上述异花授粉处理过程中引入风扰机制，以对莱维运动进行优化，该优化处理过程可以表示为：
[0140][0141][0142]
其中，θi表示作用在第i个粒子的风向，x
*
为参考粒子位置，初始粒子位置，表示当前粒子位置，wi(t)表示莱维运动的距离，t为函数变量。
[0143]
或者，本公开实施例在当前授粉概率大于预设授粉概率(即c《p时)，可以采用自花授粉方式对粒子进行处理，即可以对不同粒子相应的粒子位置进行交换，该过程可以表示为：
[0144][0145]
其中，初始粒子位置，表示当前粒子位置，pop表示粒子的个数，表示其他某个粒子的初始粒子位置，ε为0-1间高斯随机数。
[0146]
为了提高粒子的局部搜索能力，还可以在上述自花授粉处理过程中引入变异机制，以对莱维运动进行优化，该优化处理过程可以表示为：
[0147][0148]
i≠r and i,r∈(1,pop)
[0149]
其中，初始粒子位置，表示当前粒子位置，pop表示粒子的个数，表示其他某个粒子的初始粒子位置，ε为0-1间高斯随机数，α为0-1间随机数。
[0150]
s307：响应于当前粒子位置满足位置设定条件，将与当前粒子位置对应的模型参数解作为目标模型参数解。
[0151]
本公开实施例在确定当前粒子位置后，可以将当前粒子位置与预先设定的位置设定条件(该设定条件可以结合实际业务场景中的光伏阵列异常检测需求，自适应配置，对此不做限制)进行比对，并在当前粒子位置满足位置设定条件时，将与当前粒子位置对应的模型参数解作为目标模型参数解。
[0152]
举例而言，将当前粒子位置与预先设定的位置设定条件进行比对，可以是将当前
粒子位置与预先设定的粒子位置进行比对，并在当前粒子位置与预先设定的粒子位置相同时，确定当前粒子位置满足位置设定条件，并将与当前粒子位置对应的模型参数解作为目标模型参数解，对此不做限制。
[0153]
可选地，一些实施例中，响应于当前粒子位置满足位置设定条件，将与当前粒子位置对应的模型参数解作为目标模型参数解，可以是确定与当前粒子位置对应的当前适应度值，并在当前适应度值大于初始适应度值时，将与当前粒子位置对应的模型参数解作为目标模型参数解，由此，能够实现对模型参数解进行有效地寻优，有效地提升目标模型参数解的准确性和可参考性。
[0154]
其中，与当前粒子位置相对应的适应度值，即可以被称为当前适应度值，该当前适应度值可以用于描述与当前粒子位置对应的模型参数解的求解准确度，当前适应度值越大，则可以表示当前粒子位置对应的模型参数解的求解准确度越高，反之，当前适应度值越小，则可以表示当前粒子位置对应的模型参数解的求解准确度越低，对此不做限制。
[0155]
本公开实施例在确定当前粒子位置后，可以确定与当前粒子位置对应的当前适应度值，该过程可以表示为：
[0156][0157][0158]
其中，为当前适应度值，rmsei表示电流均方根误差，n表示实测的电压点数，i
k,mea
表示第k个电压对应的实测电流值，i
k,cal
表示根据第k个电压求解得到的电流值。
[0159]
本公开实施例在确定当前适应度值后，可以将当前适应度值与上述确定的初始适应度值进行比对，并在当前适应度值大于初始适应度值(即)时，将与当前粒子位置对应的模型参数解作为目标模型参数解。
[0160]
本公开实施例中，通过确定与花授粉算法中的每个粒子分别对应的初始粒子位置，其中，每个粒子用于对应描述一组模型参数，粒子位置用于对应描述相应模型参数的模型参数解，并确定与初始粒子位置对应的初始适应度值，再根据初始适应度值，确定参考粒子位置，并根据参考粒子位置对粒子进行目标处理，以确定与粒子对应的当前粒子位置，以及响应于当前粒子位置满足位置设定条件，将与当前粒子位置对应的模型参数解作为目标模型参数解，由于是采用花授粉算法对模型参数进行求解，从而能够有效地提升模型参数求解的准确度，有效地提升目标模型参数的可参考性，从而在将目标模型参数用于后续的目标光伏阵列模型的构建过程时，能够有效地提升目标光伏阵列模型的建模效果。
[0161]
s308：采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型。
[0162]
s309：根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果。
[0163]
s308-s309的描述说明可以具体参见上述实施例，在此不再赘述。
[0164]
本实施例中，通过获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数，再确定与花授粉算法中的每个粒子分别对应
的初始粒子位置，其中，每个粒子用于对应描述一组模型参数，粒子位置用于对应描述相应模型参数的模型参数解，并确定与初始粒子位置对应的初始适应度值，再根据初始适应度值，确定参考粒子位置，并根据参考粒子位置对粒子进行目标处理，以确定与粒子对应的当前粒子位置，以及响应于当前粒子位置满足位置设定条件，将与当前粒子位置对应的模型参数解作为目标模型参数解，由于是采用花授粉算法对模型参数进行求解，从而能够有效地提升模型参数求解的准确度，有效地提升目标模型参数的可参考性，从而在将目标模型参数用于后续的目标光伏阵列模型的构建过程时，能够有效地提升目标光伏阵列模型的建模效果，再根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果，从而能够有效地提升光伏阵列的异常检测效果。
[0165]
图4是本公开一实施例提出的光伏阵列的异常检测装置的结构示意图。
[0166]
如图4所示，该光伏阵列的异常检测装置40，包括：
[0167]
获取模块401，用于获取光伏阵列的多个运行数据；
[0168]
构建模块402，用于构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数；
[0169]
处理模块403，用于采用花授粉算法对模型参数进行处理，以确定目标模型参数解；
[0170]
调整模块404，用于采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型；
[0171]
确定模块405，用于根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果。
[0172]
在本公开的一些实施例中，如图5所示，图5是本公开另一实施例提出的光伏阵列的异常检测装置的结构示意图，构建模块502，包括：
[0173]
获取子模块4021，用于获取光伏组件的多个光伏组件参数；
[0174]
构建子模块4022，用于根据多个光伏组件参数，构建光伏组件模型；
[0175]
生成子模块4023，用于根据光伏组件模型的输出参数和多个光伏组件参数，生成初始光伏阵列模型。
[0176]
在本公开的一些实施例中，光伏组件模型，包括：多个太阳能电池，太阳能电池具有对应的单二极管模型，
[0177]
其中，构建子模块4022，还用于：
[0178]
获取太阳能电池的多个太阳能电池参数；
[0179]
根据多个太阳能电池参数，构建单二极管模型；
[0180]
对多个单二极管模型进行串联和/或并联处理，以得到光伏组件模型。
[0181]
在本公开的一些实施例中，处理模块403，包括：
[0182]
第一确定子模块4031，用于确定与花授粉算法中的每个粒子分别对应的初始粒子位置，其中，每个粒子用于对应描述一组模型参数，粒子位置用于对应描述相应模型参数的模型参数解；
[0183]
第一确定子模块4032，用于确定与初始粒子位置对应的初始适应度值；
[0184]
第三确定子模块4033，用于根据初始适应度值，确定参考粒子位置；
[0185]
第一处理子模块4034，用于根据参考粒子位置对粒子进行目标处理，以确定与粒
子对应的当前粒子位置；
[0186]
第二处理子模块4035，用于响应于当前粒子位置满足位置设定条件，将与当前粒子位置对应的模型参数解作为目标模型参数解。
[0187]
在本公开的一些实施例中，第一确定子模块4031，还用于：
[0188]
对每个粒子进行混沌映射处理，以确定与每个粒子分别对应的初始粒子位置。
[0189]
在本公开的一些实施例中，第二确定子模块4033，还用于：
[0190]
从多个初始适应度值中确定出最大适应度值；
[0191]
将最大适应度值对应的初始粒子位置作为参考粒子位置。
[0192]
在本公开的一些实施例中，第一处理子模块4034，还用于：
[0193]
获取当前授粉概率；
[0194]
响应于当前授粉概率大于预设授粉概率，采用异花授粉方式对粒子进行处理，以确定与粒子对应的当前粒子位置；或者
[0195]
响应于当前授粉概率小于或等于预设授粉概率，采用自花授粉方式对粒子进行处理，以确定与粒子对应的当前粒子位置。
[0196]
在本公开的一些实施例中，第二处理子模块4035，还用于：
[0197]
确定与当前粒子位置对应的当前适应度值；
[0198]
如果当前适应度值大于初始适应度值，则将与当前粒子位置对应的模型参数解作为目标模型参数解。
[0199]
在本公开的一些实施例中，确定模块405，还用于：
[0200]
从多个运行数据中确定参考运行数据；
[0201]
将初始运行数据输入至目标光伏阵列模型，以得到目标光伏阵列模型输出的初始运行结果；
[0202]
将参考运行数据输入至目标光伏阵列模型，以得到目标光伏阵列模型输出的参考运行结果；
[0203]
确定参考运行结果和初始运行结果是否满足匹配条件；
[0204]
如果参考运行结果和初始运行结果不满足匹配条件，则确定光伏阵列存在运行异常。
[0205]
与上述图1至图3实施例提供的光伏阵列的异常检测方法相对应，本公开还提供一种光伏阵列的异常检测装置，由于本公开实施例提供的光伏阵列的异常检测装置与上述图1至图3实施例提供的光伏阵列的异常检测方法相对应，因此在光伏阵列的异常检测方法的实施方式也适用于本公开实施例提供的光伏阵列的异常检测装置，在本公开实施例中不再详细描述。
[0206]
本实施例中，通过获取光伏阵列的多个运行数据，并构建初始光伏阵列模型，其中，初始光伏阵列模型具有对应的模型参数，再采用花授粉算法对模型参数进行处理，以确定目标模型参数解，并采用目标模型参数解对初始光伏阵列模型进行调整，以得到目标光伏阵列模型，以及根据多个运行数据和目标光伏阵列模型，确定光伏阵列的异常检测结果，由于是采用花授粉算法对构建得到的初始光伏阵列模型的模型参数进行求解处理，从而能够有效地提升光伏阵列模型参数求解的准确度，进而能够有效地提升光伏阵列模型的模型构建效果，从而能够在将构建得到的目标光伏阵列模型用于光伏阵列的异常检测时，有效
地提升光伏阵列的异常检测效果。
[0207]
为了实现上述实施例，本公开还提出一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开前述实施例提出的光伏阵列的异常检测方法。
[0208]
为了实现上述实施例，本公开还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开前述实施例提出的光伏阵列的异常检测方法。
[0209]
为了实现上述实施例，本公开还提出一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开前述实施例提出的光伏阵列的异常检测方法。
[0210]
图6示出了适于用来实现本公开实施方式的示例性电子设备的框图。图6显示的电子设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0211]
如图6所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0212]
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industry standard architecture；以下简称：isa)总线，微通道体系结构(micro channel architecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(video electronics standards association；以下简称：vesa)局域总线以及外围组件互连(peripheral component interconnection；以下简称：pci)总线。
[0213]
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0214]
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(random access memory；以下简称：ram)30和/或高速缓存存储器32。电子设备12可以进一步包括其他可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。
[0215]
尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(compact disc read only memory；以下简称：cd-rom)、数字多功能只读光盘(digital video disc read only memory；以下简称：dvd-rom)或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
[0216]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其他程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
[0217]
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(local area network；以下简称：lan)，广域网(wide area network；以下简称：wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其他模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0218]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的光伏阵列的异常检测方法。
[0219]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0220]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
[0221]
需要说明的是，在本公开的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0222]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
[0223]
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0224]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0225]
此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机
可读取存储介质中。
[0226]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0227]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0228]
尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。