一种输电线路外力破坏的分析方法、设备及系统与流程

本发明关于电力系统技术领域，特别是关于电力系统中输电线路的分析技术，具体的讲是一种输电线路外力破坏的分析方法、系统、计算机设备以及计算机可读存储介质。

背景技术：

随着我国经济的高速发展与电网建设的全面进行，输电线路的外力破坏事故频频发生。对于输电线路的外力破坏主要是异物短路，施工破坏，机械破坏、树木碰线、山火等人们有意或者无意引起的输电线路的非正常运行。施工碰线、异物短路等引发的故障并造成的线路停运给社会带来很大负面影响。外力破坏在输电线路故障中占比高，而且引发线路停运的概率高。因此，对于输电线路巡检监控尤为重要。

目前，电力企业针对输电线路的外力破坏事故采取的主要措施是推动电力执法建设，与林业部门共享山火信息，与油气管道、公路修建等相关基建部门合作，保障工程安全施工。同时也派人定期巡视排查输电线路，对施工现场告知注意事项，定期线路排查。在现有外力破坏巡检工作中，都是大面积撒网，以班组为单位按照排班表进行粗放式巡检，人力物力在有些区域过度频繁，而在有些区域急缺，效率低，管控难以到位。

因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。

技术实现要素：

有鉴于此，本发明实施例提供了一种输电线路外力破坏的分析方法、系统、计算机设备以及计算机可读存储介质，首先收集输电线路外力破坏的历史事件，并建立案例库，然后可根据不同分析需求确定出待分析的事件数据，使用算法参数智能化给出输电线路外力破坏事件的进行时间维度和空间维度的聚类分析，后期可将分析结果可视化，并且不断更新案例库，实现了对电力系统整体全局的输电线路外力破坏的分析。

本发明的目的之一是，提供一种输电线路外力破坏的分析方法，包括：

获取输电线路外力破坏的历史事件，并建立案例库；

根据所述案例库确定待分析的事件数据；

获取算法参数，所述算法参数用于表征特征范围；

根据所述算法参数对所述待分析的事件数据进行划分，得到初始化事件聚类中心点；

根据所述初始化事件聚类中心点对所述待分析的事件数据进行相似性评价，得到所述待分析的事件数据的事件聚类中心以及属于所述事件聚类中心的样本点。

优选的，所述历史事件包括时间数据、位置数据、杆塔基础数据、工作人员数据以及生产现场数据，所述杆塔基础数据包括杆塔号信息。

优选的，所述方法还包括获取非算法参数，所述非算法参数包括时间参数和/或外力破坏类型参数和/或电压等级参数。

优选的，根据所述案例库确定待分析的事件数据包括根据所述非算法参数筛选所述案例库，确定出待分析的事件数据。

优选的，根据所述算法参数对所述待分析的事件数据进行划分，得到初始化事件聚类中心点包括：

从所述待分析的事件数据中获取出杆塔号信息；

根据所述杆塔号信息从所述案例库中匹配出经纬度信息；

根据所述算法参数结合所述经纬度信息对所述待分析的事件数据进行划分，得到多个初始化事件聚类中心点。

优选的，根据所述算法参数结合所述经纬度信息对所述待分析的事件数据进行划分，得到多个初始化事件聚类中心点包括：

将所述经纬度信息作为输入，设置所述算法参数后对所述待分析的事件数据执行canopy聚类算法，得到初始化事件聚类中心点。

优选的，根据所述初始化事件聚类中心点对所述待分析的事件数据进行相似性评价，得到所述待分析的事件数据的事件聚类中心以及属于所述事件聚类中心的样本点包括：

将所述初始化事件聚类中心点作为输入，对所述待分析的事件数据执行kmeans聚类算法，得到所述待分析的事件数据的事件聚类中心以及属于所述事件聚类中心的样本点。

优选的，所述方法还包括：

将所述待分析的事件数据呈现在地图上；

在所述地图上标注出所述事件聚类中心；

以所述事件聚类中心为圆心，以所述算法参数为半径绘制圆，所述圆即为所述待分析的事件数据的聚集区域。

本发明的目的之一是，提供一种输电线路外力破坏的分析系统，包括：

案例库建立模块，用于获取输电线路外力破坏的历史事件，并建立案例库；

事件数据确定模块，用于根据所述案例库确定待分析的事件数据；

算法参数获取模块，用于获取算法参数，所述算法参数用于表征特征范围；

事件数据划分模块，用于根据所述算法参数对所述待分析的事件数据进行划分，得到初始化事件聚类中心点；

事件数据评价模块，用于根据所述初始化事件聚类中心点对所述待分析的事件数据进行相似性评价，得到所述待分析的事件数据的事件聚类中心以及属于所述事件聚类中心的样本点。

优选的，所述系统还包括非算法参数获取模块，用于获取非算法参数，所述非算法参数包括时间参数和/或外力破坏类型参数和/或电压等级参数。

优选的，所述事件数据确定模块包括事件数据筛选模块，用于根据所述非算法参数筛选所述案例库，确定出待分析的事件数据。

优选的，所述事件数据划分模块包括：

杆塔号信息获取模块，用于从所述待分析的事件数据中获取出杆塔号信息；

经纬度信息确定模块，用于根据所述杆塔号信息从所述案例库中匹配出经纬度信息；

初始中心点确定模块，用于根据所述算法参数结合所述经纬度信息对所述待分析的事件数据进行划分，得到多个初始化事件聚类中心点。

优选的，所述初始中心点确定模块包括聚类中心点确定模块，用于将所述经纬度信息作为输入，设置所述算法参数后对所述待分析的事件数据执行canopy聚类算法，得到初始化事件聚类中心点。

优选的，所述事件数据评价模块包括：

样本点确定模块，用于将所述初始化事件聚类中心点作为输入，对所述待分析的事件数据执行kmeans聚类算法，得到所述待分析的事件数据的事件聚类中心以及属于所述事件聚类中心的样本点。

优选的，所述系统还包括：

事件数据呈现模块，用于将所述待分析的事件数据呈现在地图上；

聚类中心标注模块，用于在所述地图上标注出所述事件聚类中心；

聚集区域绘制模块，用于以所述事件聚类中心为圆心，以所述算法参数为半径绘制圆，所述圆即为所述待分析的事件数据的聚集区域。

本发明的目的之一是，提供一种计算机设备，包括：适于实现各指令的处理器以及存储设备，所述存储设备存储有多条指令，所述指令适于由处理器加载并执行输电线路外力破坏的分析方法。

本发明的目的之一是，提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序用于执行输电线路外力破坏的分析方法。

本发明的有益效果在于，提供了一种输电线路外力破坏的分析方法、系统、计算机设备以及计算机可读存储介质，首先收集输电线路外力破坏的历史事件，并建立案例库，然后可根据不同分析需求确定出待分析的事件数据，使用算法参数智能化给出输电线路外力破坏事件的时空聚类分布，后期可将分析结果可视化，并且不断更新案例库，实现了对电力系统整体全局的输电线路外力破坏的分析。

为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。

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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种输电线路外力破坏的分析系统的结构示意图；

图2为本发明实施例提供的一种输电线路外力破坏的分析系统的实施方式二的结构示意图；

图3为本发明实施例提供的一种输电线路外力破坏的分析方法的流程图；

图4为本发明实施例提供的一种输电线路外力破坏的分析方法的实施方式二的流程图。

具体实施方式

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，都属于本发明保护的范围。

本领域技术技术人员知道，本发明的实施方式可以实现为一种系统、装置、方法或计算机程序产品。因此，本发明公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

图1为本发明实施例提供的一种输电线路外力破坏的分析系统的结构示意图，请参见图1，所述输电线路外力破坏的分析系统包括：

案例库建立模块100，用于获取输电线路外力破坏的历史事件，并建立案例库。

在本申请的一种实施方式中，所述历史事件包括事件数据、位置数据、杆塔基础数据、工作人员数据以及生产现场数据，所述杆塔基础数据包括杆塔号信息。

在本申请的一种实施方式中，杆塔基础数据还包括线路名称、电压等级。获取到历史事件后，可据此建立案例库。

在本申请的一种实施方式中，通过交互平台，利用人员数据库，赋予巡检及相关人员权限，巡检人员在碰到输电线路外力破坏事件后进行录入，不断更新案例库。

事件数据确定模块200，用于根据所述案例库确定待分析的事件数据。

当案例库建立模块建立好案例库之后，可根据不同的需求从案例库中筛选出待分析的事件数据，在本申请的一种实施方式中，该系统还包括非算法参数获取模块，用于获取非算法参数，所述非算法参数包括时间参数和/或外力破坏类型参数和/或电压等级参数。所述事件数据确定模块包括事件数据筛选模块，用于根据所述非算法参数筛选所述案例库，确定出待分析的事件数据。

在本申请中，时间参数为具体的年月日，外力破坏类型参数包括异物短路、施工碰线、异物缺陷，电压等级参数诸如为500kv、220kv、110kv等，可以根据需要多次进行非算法参数的设置，比如时间范围，观察不同时间阶段输电线路外力破坏事件的聚集中心以及聚集区域。

算法参数获取模块300，用于获取算法参数，所述算法参数用于表征特征范围。在本申请的一种实施方式中，算法参数为t1，在具体的实施例中诸如设置t1＝5000m。

事件数据划分模块400，用于根据所述算法参数对所述待分析的事件数据进行划分，得到初始化事件聚类中心点。

在本申请的一种实施方式中，事件数据划模块包括：

杆塔号信息获取模块，用于从所述待分析的事件数据中获取出杆塔号信息；

经纬度信息确定模块，用于根据所述杆塔号信息从所述案例库中匹配出经纬度信息；

初始中心点确定模块，用于根据所述算法参数结合所述经纬度信息对所述待分析的事件数据进行划分，得到多个初始化事件聚类中心点。

在本申请的一种实施方式中，所述初始中心点确定模块包括聚类中心点确定模块，用于将所述经纬度信息作为输入，设置所述算法参数后对所述待分析的事件数据执行canopy聚类算法，得到初始化事件聚类中心点。

对待分析的事件数据执行canopy聚类算法，具体的，把外力破坏事件发生的站线杆塔号输入，匹配案例库中杆塔的经纬度信息，然后把发生外力破坏事件的经纬度位置信息作为算法输入，将混乱的数据根据事件发生位置按照canopy算法划分成大概的几个聚集簇，得到初始化的事件聚类中心点。canopy算法速度快，但不太准确，因此它仅适用于计算聚类初始中心集合，最终获得kmeans算法的初始聚类中心点。

与传统的聚类算法(比如k-means)不同，canopy算法最大的特点是不需要事先指定k值，即cluster(簇)的个数，因此具有很大的实际应用价值。canopy算法的主要思想是把聚类分为两个阶段：阶段一，通过使用一个简单、快捷的距离计算方法把数据分为可重叠的子集，称为“canopy”；阶段二，通过使用一个精准、严密的距离计算方法来计算出现在阶段一中同一个canopy的所有数据向量的距离。这种方式和之前的聚类方式不同的地方在于使用了两种距离计算方式，同时因为只计算了重叠部分的数据向量，所以达到了减少计算量的目的。

具体来说，canopy算法的步骤如下：

1)将数据集向量化得到一个list后放入内存，选择两个距离阈值：t1和t2，t1即为上文提及的算法参数，可以预先设定，t2是算法根据经验默认选取的，为2000m，无需预先设定，其中t1>t2；

2)从list中任取一点p，用低计算成本方法快速计算点p与所有canopy之间的距离(如果当前不存在canopy，则把点p作为一个canopy)，如果点p与某个canopy距离在t1以内，则将点p加入到这个canopy；

3)如果点p曾经与某个canopy的距离在t2以内，则需要把点p从list中删除，这一步是认为点p此时与这个canopy已经够近了，因此它不可以再做其它canopy的中心了；

4)重复步骤2、3，直到list为空结束。

事件数据评价模块500，用于根据所述初始化事件聚类中心点对所述待分析的事件数据进行相似性评价，得到所述待分析的事件数据的事件聚类中心以及属于所述事件聚类中心的样本点。

在本申请的一种实施方式中，事件数据评价模块包括：样本点确定模块，用于将所述初始化事件聚类中心点作为输入，对所述待分析的事件数据执行kmeans聚类算法，得到所述待分析的事件数据的事件聚类中心以及属于所述事件聚类中心的样本点。

将canopy聚类结果得到的初始化事件聚类中心点作为k值输入，输入k个初始聚类点对筛选的事件执行kmeans聚类算法，该算法采用空间距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。kmeans聚类算法执行之后获得更加准确的雷电灾害(冰害)事件聚类中心以及属于该聚类中心的样本点。

k-means算法是一种常用的基于划分的聚类算法。k-means算法是以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。k-means的处理过程为：首先随机选择k个对象作为初始的k个簇的质心；然后将余对象根据其与各个簇的质心的距离分配到最近的簇；最后重新计算各个簇的质心。不断重复此过程，直到目标函数最小为止。簇的质心由公式下列式子求得：

式中ni表示属于wi类的数据点的个数，属于某个簇的所有点的算术平均值即为该簇的质心，对象到质心的距离一般采用欧氏距离。

在具体实现时，为了防止迭代计算中出现无限循环，往往定义一个最大迭代次数。k-means尝试找出使平方误差函数值最小的k个划分。当数据分布较均匀，且簇与簇之间区别明显时，它的效果较好。面对大规模数据集，该算法是相对可扩展的，并且具有较高的效率。其中，n为数据集中对象的数目，k为期望得到的簇的数目，t为迭代的次数。通常情况下，算法会终止于局部最优解。但用，例如涉及有非数值属性的数据。其次，这种算法要求事先给出要生成的簇的数目k，显然这对用户提出了过高的要求，并且由于算法的初始聚类中心是随机选择的，而不同的初始中心对聚类结果有很大的影响。另外，k-means算法不适用于发现非凸面形状的簇，或者大小差别很大的簇，而且它对于噪音和孤立点数据是敏感的。

如上即为本发明提出的输电线路外力破坏的分析系统，其是基于canopy高效k-means算法的电网外力破坏预警方案，该系统对输电线路外力破坏进行时间维度和空间维度的聚类分析，深入挖掘分布特征，后续可帮助运维人员进行决策。

图2为本发明实施例提供的一种输电线路外力破坏的分析系统的实施方式二的结构示意图，请参阅图2，所述输电线路外力破坏的分析系统在实施方式二中还包括：

事件数据呈现模块600，用于将所述待分析的事件数据呈现在地图上；

聚类中心标注模块700，用于在所述地图上标注出所述事件聚类中心；

聚集区域绘制模块800，用于以所述事件聚类中心为圆心，以所述算法参数为半径绘制圆，所述圆即为所述待分析的事件数据的聚集区域。

如上即为本发明提供的一种输电线路外力破坏的分析系统，能够将冰灾和雷害进行集中分析，本发明首先收集雷灾和冰灾发生的时间地点以及类型，并建立案例库，然后使用基于canopy的高效kmeans方法智能化给出输电线路外力破坏事件时空聚类分布，并将分析结果可视化，呈现在gis地图上，并且不断更新案例库，以此帮助运维班组分配在何时何地投入更多人员进行巡检决策。

此外，尽管在上文详细描述中提及了系统的若干单元模块，但是这种划分仅仅并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。同样，上文描述的一个单元的特征和功能也可以进一步划分为由多个单元来具体化。以上所使用的术语“模块”和“单元”，可以是实现预定功能的软件和/或硬件。尽管以下实施例所描述的模块较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

在介绍了本发明示例性实施方式的输电线路外力破坏的分析系统之后，接下来，参考附图对本发明示例性实施方式的方法进行介绍。该方法的实施可以参见上述整体的实施，重复之处不再赘述。

图3为本发明实施例提供的一种输电线路外力破坏的分析方法的流程示意图，请参见图3，所述方法包括：

s101：获取输电线路外力破坏的历史事件，并建立案例库。

在本申请的一种实施方式中，所述历史事件包括事件数据、位置数据、杆塔基础数据、工作人员数据以及生产现场数据，所述杆塔基础数据包括杆塔号信息。

在本申请的一种实施方式中，杆塔基础数据还包括线路名称、电压等级。获取到历史事件后，可据此建立案例库。

在本申请的一种实施方式中，通过交互平台，利用人员数据库，赋予巡检及相关人员权限，巡检人员在碰到冰灾雷害事件后进行录入，不断更新案例库。

s102：根据所述案例库确定待分析的事件数据。

当案例库建立模块建立好案例库之后，可根据不同的需求从案例库中筛选出待分析的事件数据，在本申请的一种实施方式中，该系统还包括非算法参数获取模块，用于获取非算法参数，所述非算法参数包括时间参数和/或外力破坏类型参数和/或电压等级参数。所述事件数据确定模块包括事件数据筛选模块，用于根据所述非算法参数筛选所述案例库，确定出待分析的事件数据。

在本申请中，时间参数为具体的年月日，外力破坏类型参数包括异物短路、施工碰线、异物缺陷，电压等级参数诸如为500kv、220kv、110kv等，可以根据需要多次进行非算法参数的设置，比如时间范围，观察不同时间阶段雷灾冰害发生的聚集中心以及聚集区域。

s103：获取算法参数，所述算法参数用于表征特征范围。在本申请的一种实施方式中，算法参数为t1，诸如t1＝5000m。

s104：根据所述算法参数对所述待分析的事件数据进行划分，得到初始化事件聚类中心点。

在本申请的一种实施方式中，步骤s104包括：

从所述待分析的事件数据中获取出杆塔号信息；

根据所述杆塔号信息从所述案例库中匹配出经纬度信息；

根据所述算法参数结合所述经纬度信息对所述待分析的事件数据进行划分，得到多个初始化事件聚类中心点。

在本申请的一种实施方式中，根据所述算法参数结合所述经纬度信息对所述待分析的事件数据进行划分，得到多个初始化事件聚类中心点包括：将所述经纬度信息作为输入，设置所述算法参数后对所述待分析的事件数据执行canopy聚类算法，得到初始化事件聚类中心点。

canopy聚类算法把输电线路外力破坏事件的经纬度信息作为输入，将混乱的数据根据事件发生位置划分成大概的几个聚集簇，得到初始化的事件聚类中心点。canopy算法速度快，但不太准确，因此它仅适用于计算聚类初始中心集合。

与传统的聚类算法(比如k-means)不同，canopy算法最大的特点是不需要事先指定k值，即cluster(簇)的个数，因此具有很大的实际应用价值。canopy算法的主要思想是把聚类分为两个阶段：阶段一，通过使用一个简单、快捷的距离计算方法把数据分为可重叠的子集，称为“canopy”；阶段二，通过使用一个精准、严密的距离计算方法来计算出现在阶段一中同一个canopy的所有数据向量的距离。这种方式和之前的聚类方式不同的地方在于使用了两种距离计算方式，同时因为只计算了重叠部分的数据向量，所以达到了减少计算量的目的。

s105：根据所述初始化事件聚类中心点对所述待分析的事件数据进行相似性评价，得到所述待分析的事件数据的事件聚类中心以及属于所述事件聚类中心的样本点。

在本申请的一种实施方式中，步骤s105包括：将所述初始化事件聚类中心点作为输入，对所述待分析的事件数据执行kmeans聚类算法，得到所述待分析的事件数据的事件聚类中心以及属于所述事件聚类中心的样本点。

将canopy聚类结果得到的初始化事件聚类中心点作为k值输入，输入k个初始聚类点对筛选的事件执行kmeans聚类算法，该算法采用空间距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。kmeans聚类算法执行之后获得更加准确的事件聚类中心以及属于该聚类中心的样本点。

k-means算法是一种常用的基于划分的聚类算法。k-means算法是以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。k-means的处理过程为：首先随机选择k个对象作为初始的k个簇的质心；然后将余对象根据其与各个簇的质心的距离分配到最近的簇；最后重新计算各个簇的质心。不断重复此过程，直到目标函数最小为止。

如上即为本发明提出的输电线路外力破坏的分析方法，其是基于canopy高效k-means算法的电网外力破坏预警方案，该系统对雷电灾害和冰灾进行时间维度和空间维度的聚类分析，深入挖掘分布特征，后续可帮助运维人员进行决策。

图4为本发明实施例提供的一种输电线路外力破坏的分析方法的实施方式二的结构示意图，请参阅图4，所述方法在实施方式二中还包括：

s106：将所述待分析的事件数据呈现在地图上；

s107：在所述地图上标注出所述事件聚类中心；

s108：以所述事件聚类中心为圆心，以所述算法参数为半径绘制圆，所述圆即为所述待分析的事件数据的聚集区域。

如上即为本发明提供的一种输电线路外力破坏的分析方法，能够将冰灾和雷害进行集中分析，本发明首先收集输电线路外力破坏发生的时间地点以及类型，并建立案例库，然后使用基于canopy的高效kmeans方法智能化给出输电线路外力破坏事件时空聚类分布，并将分析结果可视化，呈现在gis地图上，并且不断更新案例库，以此帮助运维班组分配在何时何地投入更多人员进行巡检决策。

本发明还提供了一种计算机设备，包括：适于实现各指令的处理器以及存储设备，所述存储设备存储有多条指令，所述指令适于由处理器加载并执行输电线路外力破坏的分析方法。

本发明还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序用于执行输电线路外力破坏的分析方法。

综上所述，本发明提供了一种输电线路外力破坏的分析方法、系统、计算机设备以及计算机可读存储介质，通过对输电线路外力破坏事件数据库的管理，避免了基础资料丢失的问题，也提高了资料的有效利用和准确性。对输电线路外力破坏事件智能化聚类分析，并将分析结果展示在gis地图上帮助班组人员进行决策分析，案例库随着巡检人员不断发现新事件而不断更新。使用canopy-kmeans混合聚类方式，不需要事先指定k值，速度快。

对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmablelogicdevice,pld)(例如现场可编程门阵列(fieldprogrammablegatearray，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardwaredescriptionlanguage，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)与verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机系统(可以是个人计算机，服务器，或者网络系统等)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持系统或便携式系统、平板型系统、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子系统、网络pc、小型计算机、大型计算机、包括以上任何系统或系统的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理系统来执行任务。在分布式计算环境中，程序模块可以位于包括存储系统在内的本地和远程计算机存储介质中。

虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。