一种广域分布的电动汽车充电方法及系统与流程

本发明涉及电动汽车充电.新能源消纳.计算机技术等领域，具体设计一种广域分布的电动汽车充电方法及系统。

背景技术：

电动汽车充电需求既有一定的可控性，又有一定的随机性。此外，以风电和光伏发电为主的清洁能源发电受自然条件的限制，其出力具有随机性和间歇性。如何考虑电动汽车充电需求和清洁能源发电出力的不确定性，解决目前大功率有线充电设备存在的结构复杂.对电网和电池冲击大等缺点，实现适应大规模电动汽车与清洁能源发电相协同的有序充电控制，在协同充电策略下可以实现电动汽车的清洁化，是当前业界研究的难点之一。

针对电动汽车与风能.太阳能等清洁能源协同充电策略方面，目前也有基于电动汽车与电网互动平台架构，制订评价指标，分析了不同的互动意愿下电动汽车消纳新能源波动的效果。例如有的研究不同时间尺度下ev与分布式能源协同优化调度模型，并验证了该模型下通过对充电负荷的调度，以达到利用充电负荷平抑电网等效负荷.提高分布式能源利用率的科学性及有效性。这些研究虽然综合考虑了电动汽车与分布式电源.储能系统联合运行优化，但基本都是单纯从电动汽车调控的角度进行研究，不能很好的解决对电力需求.负荷特性和汽油消耗量的影响。

技术实现要素：

为了解决现有技术中所存在的技术问题，本发明提供一种广域分布的大规模电动汽车充电策略及系统。

本发明提供的技术方案是：

基于各次级控制中心，将电动汽车的电池信息和充电时间带入预先构建的次级控制中心优化模型中进行计算；

将所有次级控制中心优化模型的计算结果和新能源发电的预测出力带入预先构建的两阶段优化模型中进行计算，得出所述各次级控制中心的负荷指导曲线；

次级控制中心基于所述次级控制中心的负荷指导曲线制定所述次级控制中心下每个电动汽车的充电负荷跟随指导曲线；

所述电动汽车根据所述充电负荷跟随指导曲线进行充电；

所述电动汽车的电池为：高存储性能的锂离子电池。

其中，所述电动汽车的电池信息包括：功率.容量和电池荷电状态soc；

所述充电时间包括：充电起止时间。

优选的，所述两阶段优化模型包括：

以总负荷削峰填谷为目标的第一阶段目标函数.

所述第一阶段目标函数相应的约束条件.

以平抑各次级控制中心的期望总负荷曲线波动为目标的第二阶段目标函数和

所述第二阶段目标函数相应的约束条件。

其中，所述第一阶段目标函数的计算式如下：

式中，f1为以总负荷削峰填谷为目标的第一阶段目标函数；gi,t为第i次级控制中心控制区域t时刻的电动汽车指导负荷；di,t为第i次级控制中心控制区域t时刻的总常规负荷；ri,t为第i次级控制中心控制区域t时刻的新能源出力，ω为次级控制中心的集合，τ为优化时段。

具体的，所述第一阶段目标函数相应的约束条件包括：

ri,t≤gi,t+di,t

式中，pi,t分别为第i次级控制中心t时刻电动汽车总充电功率的上下限；ei,t分别为第i次级控制中心t时刻电动汽车总充电能量的上下限；δt为时间间隔；ri,t分别为第i次级控制中心t时刻对应的新能源出力上下限；λ为设定的新能源弃电比例上限。

优选的，所述第二阶段目标函数的计算式如下：

式中，f2为t时刻指导负荷值。

所述第二阶段目标函数相应的约束条件包括：

式中，为权重系数，为所述第一阶段目标函数的最小值。

优选的，所述将所有次级控制中心优化模型的计算结果和新能源发电的预测出力带入预先构建的两阶段优化模型中进行计算，得出所述各次级控制中心的负荷指导曲线，包括：

将所有次级控制中心优化模型的计算结果和新能源发电的预测出力带入两阶段优化模型，对所述第一阶段目标函数求解获得最小值；

设定权重系数；

将所述第一阶段目标函数的最小值和所述权重系数带入所述第二阶段目标函数进行求解得到各次级控制中心的充电负荷指导曲线与新能源出力：

其中，所述权重系数大于1。

其中，所述次级控制中心优化模型包括：

以电动汽车总充电负荷曲线与负荷指导曲线的欧式距离最小为目标的次级控制目标函数和相应的次级控制约束条件。

具体的，所述次级控制目标函数如下式：

式中，pt为t时刻电动汽车总充电负荷，gt为主控制中心给出的要求跟随的负荷指导曲线t时刻的分量。

具体的，所述次级控制约束条件包括：

式中，pt为t时刻电动汽车总充电功率的上下限；et为t时刻电动汽车已经充入的总能量，et为t时刻电动汽车总充电能量的上下限；

其中，所述pt满足：

pt＝0

式中，为第j辆电动汽车的可充电时段，且τj＝[τbegin,j,τend,j]；rj为所有可充电时段包含t时刻的电动汽车额定充电功率之和；plimit为总功率上限；

所述et满足：

式中，为第j辆电动汽车所需的能量。

优选的，所述基于各次级控制中心，将电动汽车的电池信息和充电时间带入预先构建的次级控制中心优化模型中进行计算，包括：

采用用直接求解法.分布式算法或概率转移矩阵法进行求解。

优选的，所述次级控制中心基于所述次级控制中心的负荷指导曲线制定所述次级控制中心下每个电动汽车的充电负荷跟随指导曲线，包括：每个电动汽车在所述负荷指导曲线时间范围内，设定每个时刻的充电功率大小。

优选的，所述电动汽车根据所述充电负荷跟随指导曲线进行充电，包括：电动汽车根据充电时刻，以及所述充电时刻设定的充电功率调整充电功率。

优选的，所述锂离子电池的正极包括依次设置的集流体.活性物质层和聚合物导电层；

所述活性物质层包括第一活性物质层.第二活性物质层和第三活性物质层；所述第一活性物质层由钴酸锂颗粒.粘结剂和增稠剂制成，所述第二活性物质层由钴酸锂颗粒.镍钴锰酸锂颗粒.粘结剂和增稠剂制成，所述第三活性物质层由镍钴锰酸锂颗粒.粘结剂和增稠剂制成。

所述聚合物导电层由导电聚合物，无机填充物和粘结剂制成，所述导电聚合物选自聚苯胺，聚噻吩或聚吡咯。

所述第一活性物质层.第二活性物质层.第三活性物质层和聚合物导电层中的粘结剂均采用pvdf。

所述导电聚合物为聚苯胺。

所述无机填充物选自二氧化钛，二氧化锆或二氧化硅，优选为二氧化硅。

基于同一种发明构思本发明还提供一种广域分布的大规模电动汽车充电策略及系统，包括：次级控制中心模块.主控制中心模块和电动汽车充电计算模块；

所述次级控制中心计算模块，用于：基于各次级控制中心，将电动汽车的电池信息和充电时间带入预先构建的次级控制中心优化模型中进行计算，并将计算结果上传给控制中心计算模块；还用于基于所述次级控制中心的负荷指导曲线制定所述次级控制中心下每个电动汽车的充电负荷跟随指导曲线，并将所述曲线下发到相应的电动汽车；

控制中心计算模块：将所有次级控制中心优化模型的计算结果和新能源发电的预测出力带入预先构建的两阶段优化模型中进行计算，得出所述各次级控制中心的负荷指导曲线，并将所述次级控制中心的负荷指导曲线下发到相应的次级控制中心模块；

电动汽车充电计算模块：用于令电动汽车根据所述充电负荷跟随指导曲线进行充电。

与现有技术相比，本发明的有益效果为：

1.使用本专利的电动汽车协同充电分层控制策略具有良好的可扩展性，可实现电动汽车有序充电负荷跟随的策略都可以嵌入分层控制策略中。通过分层控制策略，能够很好的解决广域分布的大规模电动汽车充电时与清洁能源发电的写协同控制问题，使得电动汽车充电行为能够更好地与间歇性新能源发电相配合，从而位社会.电网.电动汽车运行商创造经济效益和社会效益。

2.使用本发明的高存储性能的锂离子电池，由于聚合物导电层的存在，缓解了活性物质与电解液之间的副反应，避免电解液分解；同时钴酸锂提供较高的能量密度和倍率性能，而镍钴锰酸锂性能稳定，提供较高的循环寿命性能，由于电池具有较高的循环寿命性能，为本发明的协同充电策略进一步提高了计算精度，降低在整个生命周期中计算精度的偏差。

附图说明

图1为本发明的分层控制模型三层架构；

图2为本发明的分层控制方法流程图；

图3为本发明的次级控制中心常规负荷与预测风电出力；

图4为本发明的次级控制中心常规负荷与期望负荷；

图5为本发明的总常规负荷曲线与总期望负荷曲线(三区域)；

图6为本发明的预测风电出力与期望风电出力；

图7为本发明的次级控制中心常规负荷与期望负荷。

具体实施方式

分层控制的基本思路是通过将控制对象分为不同的层级，各个层级在服从整体目标的基础上，相对独立地开展控制活动。分层控制的思路清晰，易于扩展，可适用于大规模电动汽车的优化控制。多数分层控制假设各电动汽车的充电情景与方式均一致，实际上，不同控制中心所辖电动汽车充电情景不同，有序充电控制方式也应因地制宜。例如对应辖区电动汽车主要在集中充/换电站充电，则适宜采用集中式控制；若对应辖区电动汽车主要在分布广泛且稀疏的充电桩进行充电，则适宜采用分布式控制。

为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。

实施例1：一种具有良好可扩展性的电动汽车有序充电分层控制策略。如图1所示，本发明提出的分层策略分为：主控制中心.次级控制中心.电动汽车三层。

各层通过协同互补的方式在服从主控制目标的基础上相对独立的开展各层级的控制活动，在满足整体控制目标的基础上又为各层级自有控制活动提供了灵活性和独立性。

其中，主控制中心根据次级控制中心给出的电动汽车能量.功率边界等以及新能源发电给出的出力预测.弃新能源率等，以削峰填谷为目标建立两阶段优化模型，计算各次级控制中心的电动汽车充电负荷指导曲线以及新能源出力并下发。主控制中心部分约束条件(功率.能量的上下限)由次级控制中心通过计算后上传得到。

各次级控制中心采集所辖电动汽车群的相关信息，计算电动汽车充电负荷的功率.能量边界等作为约束并上传，以确保主控制中心下发的负荷指导曲线是可跟随的；各次级控制中心通过有序充电控制策略，控制所辖电动汽车群的总充电负荷跟随指导曲线。

各次级控制中心可根据实际情况选用集中式/分布式控制策略实现电动汽车充电负荷跟随。由于不同次级控制中心可根据所辖电动汽车的类型以及充电情景选择不同的控制策略，极大地提升方法的可扩展性。

同时，策略中考虑了电动汽车功率.能量边界约束.新能源弃电比例约束.反送电约束等，确保新能源出力高水平消纳。

1.主控制中心：

获取电动汽车与新能源发电的相关约束，需求解一个含新能源接入的电动汽车有序充电优化模型。该模型的最优解即为下达给各次级控制中心的电动汽车充电负荷指导曲线与新能源出力。并将电动汽车充电负荷指导曲线下发至各次级控制中心。

主控制中心的优化模型的目标选为削峰填谷，以此建立两阶段优化模型，同时兼顾减少各次级控制中心的总负荷曲线波动，是一个多目标优化问题。其中，第一阶段的优化目标为总负荷削峰填谷，第二阶段的优化目标平抑各次级控制中心的期望总负荷曲线波动。

1.1第一阶段的优化目标为总负荷削峰填谷，目标函数f1为：

式中gi,t.di,t.ri,t分别为第i次级控制中心控制区域t时刻的电动汽车指导负荷.总常规负荷与新能源出力，ω代表次级控制中心的集合，τ为优化时段，其中，优化时段是可设定的时间范围，如7：00到9:00。一般情况下一阶段的优化问题有多个最优解。

约束包括：各次级控制中心的电动汽车功率.能量边界约束.新能源弃电比例约束.反送电约束等。功率.能量上下限由各次级控制中心上传得到：

ri,t≤gi,t+di,t(6)

式中，pi,t为第i次级控制中心t时刻电动汽车总充电功率的上下限；ei,t为第i次级控制中心t时刻电动汽车总充电能量的上下限；δt为时间间隔。ri,t为第i次级控制中心t时刻对应的新能源出力上下限。可设为新能源t时刻预测出力，ri,t可设为零；λ为设定的新能源弃电比例上限。

1.2第二阶段以平抑各次级控制中心的期望总负荷曲线波动为目标，目标函数f2为：

式中，f2为t时刻指导负荷值，基于所述目标函数f2在τ时段内形成时间.负荷值曲线。

第二阶段优化模型中，除第一阶段出现的约束外，还需添加以下约束：

式中为权重系数，可以设定为一个稍大于1的值，为第一阶段的优化结束后，式(1)的最小值。

通过求解上述两阶段优化模型，主控制中心可以得出各次级控制中心的充电负荷指导曲线与新能源出力。

2.次级控制中心：

次级控制中心可根据实际情景选择集中式或分布式控制方法，实现电动汽车充电负荷跟随指导曲线，目标函数f3为电动汽车总充电负荷曲线与负荷指导曲线的欧式距离最小，即：

式中pt为t时刻电动汽车总充电负荷，gt为主控制中心给出的要求跟随的负荷指导曲线t时刻的分量。

约束条件包括功率.能量边界约束，如下所示：

式中，pt为t时刻电动汽车总充电功率的上下限；et为t时刻电动汽车已经充入的总能量，et为t时刻电动汽车总充电能量的上下限。式(12)为根据定义给出的t时刻电动汽车总充电能量et的表达式。

次级控制中心分布式控制模型的功率上下限pt满足：

pt＝0(13)

式中，为第j辆电动汽车的可充电时段，且τj＝[τbegin,j,τend,j]；rj为所有可充电时段包含t时刻的电动汽车额定充电功率之和；plimit为总功率上限；

所述et满足：

式中，为第j辆电动汽车所需的能量。

式(15)代表t时刻电动汽车总充电能量的下限为所有在t时刻已经完成充电的电动汽车(t时刻大于等于其充电区间的上界τend,i)所需总能量。

式(16)代表t时刻电动汽车总充电能量的上限为在t时刻已经开始或完成充电的电动汽车(t时刻大于等于其充电区间的下界τbegin,i)所需总能量。

对次级控制中心负荷跟随模型可采用直接求解法(集中式算法).odc(optimaldecentralizedcharging)算法(分布式算法)与概率转移矩阵法(分布式算法)等不同优化算法进行求解。

其中，直接求解法(集中式算法)，适用于集中充/换电站等受控电动汽车数量不庞大且通讯相对方便的场景，对应辖区电动汽车主要在集中充/换电站充电，目标函数为电动汽车总充电负荷曲线与负荷指导曲线的欧式距离最小。

odc(optimaldecentralizedcharging)算法(分布式算法)，适用于分散充电桩等受控电动汽车数量庞大且通讯相对不便的场景，对应辖区电动汽车主要在分布广泛且稀疏的充电桩进行充电，算法中，次级控制中心汇总各电动汽车充电计划，计算控制信号并广播给各电动汽车，电动汽车再根据该控制信号本地求解优化问题，修正自身充电计划并反馈，迭代直至达成控制目标。

概率转移矩阵法(分布式算法)，基本流程与odc算法一致，对应辖区电动汽车主要在分布广泛且稀疏的充电桩进行充电，但控制信号更改为一个概率转移矩阵，同时在本地避免了优化问题的求解，对电动汽车端的设备要求更低，计算速度更快。

本发明中，电动汽车的锂离子电池的正极，包括依次设置的集流体，活性物质层和聚合物导电层；

所述活性物质层包括第一活性物质层.第二活性物质层和第三活性物质层；所述第一活性物质层由钴酸锂颗粒.粘结剂和增稠剂制成，所述第二活性物质层由钴酸锂颗粒.镍钴锰酸锂颗粒.粘结剂和增稠剂制成，所述第三活性物质层由镍钴锰酸锂颗粒.粘结剂和增稠剂制成。

所述聚合物导电层由导电聚合物，无机填充物和粘结剂制成，所述导电聚合物选自聚苯胺，聚噻吩或聚吡咯。

所述第一活性物质层.第二活性物质层.第三活性物质层和聚合物导电层中的粘结剂均采用pvdf。

所述导电聚合物为聚苯胺。

所述无机填充物选自二氧化钛，二氧化锆或二氧化硅，优选为二氧化硅。

1).提供平均粒径d50为200nm的镍钴锰酸锂颗粒，所述镍钴锰酸锂颗粒的粒径分布(d90-d10)/d50为0.8，将所述镍钴锰酸锂颗粒.pvdf和羧甲基纤维素钠以质量份100:8:4的比例混合，分散在由80％的去离子水和20％的异丙醇组成的nmp中，搅拌4h，得到第一浆料，所述第一浆料的固含量为40％；

2).提供平均粒径d50为2μm的钴酸锂颗粒，所述钴酸锂颗粒的粒径分布(d90-d10)/d50为0.4，将所述钴酸锂颗粒，pvdf和羧甲基纤维素钠以质量份100:4:8的比例混合，分散在nmp中；搅拌6h，得到第二浆料，所述第二浆料的固含量为70％；

3).将第一浆料和第二浆料混合，搅拌1h得到第三浆料，所述第三浆料中，所述镍钴锰酸锂颗粒与所述钴酸锂颗粒的质量比为20:80；

4).提供al箔集流体；

5).将所述第二浆料涂布在所述集流体上，干燥，得到厚度为10μm的钴酸锂层即第一活性物质层；

6).将所述第三浆料涂布在所述钴酸锂层上，干燥，得到厚度为20μm的混合活性物质层，即第二活性物质层；

7).将所述第一浆料涂布在所述混合活性物质层上，干燥，得到厚度为3μm的镍钴锰酸锂层，即第三活性物质层；

8).将粒径为50nm的二氧化硅.聚苯胺与pvdf以4：6：1的比例混合，分散在mnp中搅拌6h，得到无机粒子浆料，将其涂布在镍钴锰酸锂层上，干燥，得到厚度为2μm的导电聚合物层；

9).热压，得到正极。

使用本发明的高存储性能的锂离子电池，由于聚合物导电层的存在，缓解了活性物质与电解液之间的副反应，避免电解液分解；导电聚合物中的共轭电子键能够捕获活性物质中溢出的过渡金属元素，提高电池的存储性能；不同粒径的活性物质颗粒分别混料，制成浆料，针对不同的粒径范围添加不同含量的pvdf和增稠剂，提高了浆料的分散性；将两种粒径分布的颗粒混合制成正极，小颗粒填充到大颗粒的缝隙中，提高了能量密度；靠近集流体层的钴酸锂层选择大颗粒的粒子，以在层中获得更大的孔隙，提高电解液的浸润程度，获得更好倍率性能。远离集流体的镍钴锰酸锂层采用小颗粒的粒子，并含有较高含量的pvdf，从而使表面层更致密，避免正极活性物质从正极脱离，提高正极的稳定性，提高循环寿命。

实施例2：基于同一种发明构思，本发明还提供了电动汽车有序充电分层控制模型的算法，其流程如图2所示。

首先，电动汽车上传功率.容量.soc(stateofcharge，电池荷电状态).充电起止时间等信息至各次级控制中心；各次级控制中心计算电动汽车约束等并上传主控制中心；主控制中心根据次级控制中心上传的约束以及新能源发电上传的预测出力等信息求解两阶段优化模型，得出各次级控制中心的负荷指导曲线与新能源出力；次级控制中心通过集中式/分布式控制策略引导电动汽车充电负荷跟随指导曲线；电动汽车根据次级控制中心下发指令调整充电计划，实现有序充电。

实施例3：采用仿真方式对上述实施例2的过程进行算例仿真

1.仿真设定

设主控制中心下共有a.b.c三个次级控制中心，日常规负荷峰值分别为3715kw.4000kw.4500kw，功率上限分别为4000kw.4500kw.5000kw。a.c两次级中心对应配网区域负荷主要为居民生活负荷，b次级中心对应区域负荷主要为工商业负荷，b区域存在以风力发电为主的新能源发电。三次级中心对应区域的常规负荷曲线与预测风电出力(风电出力数据来自华北某地区风电场)如图3所示。

这里，电动汽车的额定充电功率设为7kw，电池容量为32kwh。三次级控制中心所辖电动汽车数量.到达时间与离去时间.soc等参数分布如表1所示。可以发现，a.c次级控制中心的电动汽车充电负荷集中在夜间，而b次级控制中心的电动汽车充电负荷集中在白天。

表1受控电动汽车基本参数

在控制策略方面，a次级中心采用直接求解法控制所辖电动汽车，b次级中心采用odc算法控制所辖电动汽车，c次级中心采用概率转移矩阵法控制所辖电动汽车。

2仿真结果

图4.图5展示了主控制中心根据两阶段优化模型得出的优化结果。为方便对比，图4中实际给出的是各次级控制中心对应区域的常规负荷曲线d与期望总负荷曲线l^*(常规负荷曲线d加负荷指导曲线g减去新能源出力r)。由于模型第二阶段的优化目标为平抑各次级控制中心的期望总负荷曲线波动，各区域的期望总负荷曲线相对平滑，波动不大。图5中给出的是总常规负荷曲线(三区域)与总期望负荷曲线(三区域)，由于第一阶段的模型优化目标为最小化总负荷方差，总期望负荷曲线相对平滑，基本实现分层控制策略中电动汽车充电负荷削峰填谷的控制目标。图6中展示了预测风电出力与优化得出的期望风电出力之间的关系。可以发现，受新能源弃电比例约束.反送电约束等限制，在部分负荷低谷时刻需要进行弃风。

图7(a).(b).(c)分别展示了a.b.c三次级控制中心的负荷跟随情况。可以发现，尽管使用了不同的负荷跟随策略，各次级控制中心电动汽车充电负荷t仍基本实现对负荷指导曲线g的跟随，实际总负荷曲线l'(常规负荷曲线d加电动汽车充电负荷t减新能源出力r)与期望总负荷曲线l*偏差不大。由图7(d)可知，通过电动汽车有序充电分层控制，电动汽车总充电负荷曲线基本跟随总期望负荷曲线，实现了削峰填谷的控制目标。

表2对分层控制策略的负荷跟随与削峰填谷效果进行了定量分析。用实际总负荷曲线与期望总负荷曲线的平均相对误差α衡量负荷跟随效果：

表2负荷跟随与削峰填谷效果分析

用峰谷差缩减比例β衡量削峰填谷效果：

根据定义可知，α越小，说明实际总负荷曲线与期望总负荷曲线的吻合度越高，负荷跟随效果越好；β越大，说明分层优化控制后的峰谷差相对原常规负荷曲线峰谷差的削减程度越大，削峰填谷效果越好。观察表2可知，次级控制中心a由于采用直接求解法求解电动汽车充电负荷，其负荷跟随效果最好，优于采用需迭代多次收敛的分布式算法的次级控制中心b.c；次级控制中心b的电动汽车可充电时段与负荷高峰时段基本重合，电动汽车充电负荷难以转移到低谷时段，因此b次级控制中心的电动汽车充电负荷削峰填谷效果较差，仅通过新能源发电削减了部分峰荷；a.c次级控制中心所辖电动汽车主要为居民生活通勤用电动汽车，充电时段覆盖夜间负荷低谷时段，是电动汽车充电负荷削峰填谷的主要应用场景，削峰填谷效果较好。总体看来，提出的电动汽车有序充电分层控制策略实现了次级控制中心的负荷跟随与主控制中心的削峰填谷控制目标。

显然，所描述的实施例是本发明一部分实施例，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它实施例，都属于本发明保护的范围。

本领域内的技术人员应明白，本申请的实施例可提供为方法.系统.或计算机程序产品。因此，本申请可采用完全硬件实施例.完全软件实施例.或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器.cd-rom.光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法.设备(系统).和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框.以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机.专用计算机.嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改.等同替换.改进等，均包含在申请待批的本发明的权利要求范围之内。