基于储能系统的峰谷套利方法及装置与流程
本发明属于储能技术领域，尤其涉及基于储能系统的峰谷套利方法及装置。
背景技术：
峰谷套利是指在电价较低的谷期利用储能系统存储电能，在电价高峰期使用存储好的电能，避免直接大规模使用高价的电网电能，这样可以降低电力使用成本，实现峰谷电价套利。
电力现货市场及电力辅助市场的开放，导致各市场所对应的电价存在波动性。理论上，独立储能系统参与电力市场以及辅助市场，从技术层面上可以有效抑制电力系统的供需不平衡，引导电价的良性发展，同时在经济层面上可以合理分配各市场主体下的储能容量，优化储能充放电策略进行电价的峰谷套利，从而扩大储能电站收益。
但是，现有技术大多着眼于储能系统配合其它发电单元进行发电，在考虑日前机组组合满足实时调度需求的同时，利用储能调节其它机组出力，从而提高电网对新能源的接纳能力，降低电网的运行成本以及市场交易费用。现有技术并没有给出以储能系统对电力市场进行电价峰谷套利的方案。
技术实现要素：
有鉴于此，本发明的目的在于提供基于储能系统的峰谷套利方法及装置，以实现电价峰谷套利的收益最大化。其技术方案如下：
第一方面，本申请提供了一种基于储能系统的峰谷套利方法，包括：
获取各个待优化电力市场在各个时段的电价数据，以及储能技术参数；
获取各个待优化电力市场对应的储能容量占比集合，该集合中的每个元素是各个待优化电力市场的一种储能容量占比组合；
依据所述电价数据、所述储能技术参数，计算得到各个待优化电力市场采用各种储能容量占比组合时在第一优化周期内收益最大的当前最优储能充放电功率；
依据各个待优化电力市场对应的当前最优储能充放电功率，确定出各个待优化电力市场在第二优化周期内收益之和最大的最优储能容量占比组合，其中，所述第二优化周期大于或等于所述第一优化周期。
可选地，依据所述电价数据、所述储能技术参数，计算得到各个待优化电力市场采用各种储能容量占比组合时在第一优化周期内收益最大的当前最优储能充放电功率，包括：
依据所述电价数据、所述储能技术参数及各种储能容量占比组合，计算各个待优化电力市场满足第一优化目标时在各个时间步长对应的当前最优储能充放电功率；
其中，所述第一优化目标为每个待优化电力市场在所述第一优化周期内的储能放电收益与储能充电成本之间的差值最大。
可选地，所述依据各个待优化电力市场对应的当前最优储能充放电功率，确定出各个待优化电力市场在所述第二优化周期内收益之和最大的最优储能容量占比组合，包括：
计算各个待优化电力市场在所述第一优化周期内满足第二优化目标时对应的储能容量占比组合为当前最优储能容量占比组合；
若所述当前最优储能容量占比组合不满足预设收敛条件，则返回重新获取各个待优化电力市场对应的储能容量占比集合，直到满足所述预设收敛条件，得到最优储能容量占比组合及各个待优化电力市场对应的最优储能充放电功率；
若所述当前最优储能容量占比组合满足所述预设收敛条件，则确定该当前最优储能容量占比组合为所述最优储能容量占比组合，以及确定该当前最优储能容量占比对应的最优储能充放电功率为最优充放电策略；
其中，所述第二优化目标为全部待优化电力市场在所述第二优化周期内的储能放电收益与储能充电成本之间的总差值最大。
可选地，所述预设收敛条件为迭代次数达到预设次数；
或者，
所述预设收敛条件为前后两代当前最优储能容量占比组合的对应的收益之和小于预设差值。
可选地，所述获取各个待优化电力市场对应的储能容量占比集合，包括：
利用遗传算法对储能容量占比集合种群中的个体进行选择、交叉、变异运算生成储能容量占比集合种群。
第二方面，本申请还提供了一种基于储能系统的峰谷套利装置，包括：
第一获取模块，用于获取各个待优化电力市场在各个时段的电价数据，以及储能技术参数；
第二获取模块，用于获取各个待优化电力市场对应的储能容量占比集合，该集合中的每个元素是各个待优化电力市场的一种储能容量占比组合；
第一优化模块，用于依据所述电价数据、所述储能技术参数，计算得到各个待优化电力市场采用各种储能容量占比组合时在第一优化周期内收益最大的当前最优储能充放电功率；
第二优化模块，用于依据各个待优化电力市场对应的当前最优储能充放电功率，确定出各个待优化电力市场在所述第二优化周期内收益之和最大的最优储能容量占比组合，其中，所述第二优化周期大于或等于所述第一优化周期。
可选地，所述第一优化模块具体用于：
依据所述电价数据、所述储能技术参数及各种储能容量占比组合，计算各个待优化电力市场满足第一优化目标时在各个时间步长对应的当前最优储能充放电功率；
其中，所述第一优化目标为每个待优化电力市场在所述第一优化周期内的储能放电收益与储能充电成本之间的差值最大。
可选地，所述第二优化模块包括：
第一计算子模块，用于计算各个待优化电力市场在所述第一优化周期内满足第二优化目标时对应的储能容量占比组合为当前最优储能容量占比组合；
判断子模块，用于判断所述当前最优储能容量占比组合是否满足预设收敛条件，若所述当前最优储能容量占比组合不满足预设收敛条件，则触发所述第二获取模块重新获取各个待优化电力市场对应的储能容量占比集合，直到满足所述预设收敛条件，得到最优储能容量占比组合及各个待优化电力市场对应的最优储能充放电功率；
第一确定子模块，用于当所述当前最优储能容量占比组合满足所述预设收敛条件时，确定该当前最优储能容量占比组合为所述最优储能容量占比组合，以及确定该当前最优储能容量占比对应的最优储能充放电功率为最优充放电策略；
其中，所述第二优化目标为全部待优化电力市场在所述第二优化周期内的储能放电收益与储能充电成本之间的总差值最大。
可选地，所述预设收敛条件为迭代次数达到预设次数；
或者，
所述预设收敛条件为前后两代当前最优储能容量占比组合的对应的收益之和小于预设差值。
可选地，所述第二获取模块具体用于：
利用遗传算法对储能容量占比集合种群中的个体进行选择、交叉、变异运算生成储能容量占比集合种群。
本发明提供的基于储能系统的峰谷套利方法，该方法首先寻找出各个待优化电力市场在第一优化周期内收益最大的当前最优储能充放电功率，然后，依据各个待优化电力市场对应的当前最优储能充放电功率找出各个待优化电力市场在第二优化周期内收益之和最大的最优储能容量占比组合，最终实现各个电力市场的电价峰谷套利收益最大化。而且，将储能容量占比优化过程和充放电策略优化过程进行分离；将两个优化过程分离后能够根据实际需求调整优化过程中的优化参数，例如，待优化电力市场的数量、优化周期、时间步长等，因此，提高了该方法的适用灵活度。
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是本申请实施例提供的一种基于储能系统的峰谷套利方法流程图；
图2是本申请实施例提供的另一种基于储能系统的峰谷套利方法流程图；
图3是本申请实施例提供的应用实例中各个电力市场的时序电价示意图；
图4是本申请实施例提供的应用实例中各个电力市场的储能容量占比分配示意图；
图5是本申请实施例提供的电力市场1的充放电功率与电价的示意图；
图6是本申请实施例提供的电力市场2的充放电功率与电价的示意图；
图7是本申请实施例提供的电力市场3的充放电功率与电价的示意图；
图8是本申请实施例提供的一种基于储能系统的峰谷套利装置的框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
请参见图1，示出了本申请实施例一种基于储能系统的峰谷套利方法流程图，该方法用于利用独立的储能系统(如储能电站)参与电力市场的峰谷套利过程，如图1所示，该方法可以包括以下步骤：
s110，获取各个待优化电力市场在各个时段的电价数据，以及储能技术参数。
待优化电力市场是指需要利用储能系统进行峰谷套利来调节电价的电力市场。
首先获取各个待优化电力市场各个时间段的电价，即电力市场的时序电价，例如，一电力市场的电价在一天内的不同时刻电价不同，则该时序电价是该电力市场一天内不同时刻的电价；又如，另一电力市场在一周内不同日期的电价不同，则该时序电价是该电力市场一周内不同天的电价。
储能系统的储能技术参数包括最大充放电功率、最大充放电容量、充放电效率。
在本申请的实施例中，待优化电力市场的数量可以是一个或者多个。
s120，获取各个待优化电力市场对应的储能容量占比集合。
初始化时，可以随机生成一个储能容量占比集合，该集合内包含预设数量个元素，每个元素是各个待优化电力市场的一种储能容量占比组合。
预设数量可以根据实际需求设定，例如，100个、200个等。
其中，任意一个待优化电力市场对应的储能容量占比的最大值为1，最小值为0，而且各个待优化电力市场对应的储能容量占比之和等于1。
例如，一共有n个待优化电力市场，其中第i个待优化电力市场的储能容量占比为αi，即0≤αi≤1，而且，
在本发明的一个实施例中，如果随机生成的储能容量占比集合不满足收敛条件，则可以利用遗传算法，进行选择、交叉、变异运算后生成其它储能容量占比集合。
s130，依据电价数据、储能技术参数，计算得到各个待优化电力市场采用各种储能容量占比组合时在各个时间步长下的当前最优储能充放电功率。
依据待优化电力市场的时序电价、储能系统的储能技术参数，计算出各个待优化电力市场采用各个储能容量占比组合时各个时间步长下的当前最优储能充放电功率。
时间步长是待优化电力市场的电价数据更新的时间间隔，例如，电价更新的时间间隔是一小时，则时间步长为一小时。
当前最优储能充放电功率是指待优化电力市场在第一优化周期内的收益最大化。
其中，第一优化周期为待优化电力市场的优化更新间隔，例如，该优化更新间隔为一天，则第一优化周期为一天。
收益最大化是指该待优化电力市场在第一优化周期内的储能放电收益与储能充电成本的差值最大。
s140，依据各个待优化电力市场对应的当前最优储能充放电功率，确定出最优储能容量占比组合。
根据上一步骤计算出的各种最优储能容量占比组合对应的各个时间步长下的当前最优储能充放电功率，找出各个待优化电力市场的收益之和最大的储能容量占比组合确定为最优储能容量占比组合。
在一种应用场景下，待优化电力市场的数量是多个(例如，2个或2个以上)，则计算各个储能容量占比组合中各个待优化电力市场的收益之和；若当前储能容量占比组合不满足收敛条件，则重新形成下一代储能容量占比集合，重新找最优储能容量占比组合；若当前储能容量占比组合满足收敛条件，则满足收敛条件的储能容量占比组合为最优储能容量占比组合。收敛条件可以根据实际情况确定，例如，设定迭代次数，或者，两次迭代的收益差值小于预设差值。
在另一种应用场景下，待优化电力市场的数量是1个，即只有1个电力市，此种情况下该电力市场的储能容量占比始终为100％，即不需要确定该电力市场对应的最优储能容量占比的过程。
在本发明的其它实施例中，确定最优储能容量占比组合的过程可以采用其它算法实现，例如，粒子群算法、神经网络等优化算法。
本实施例提供的基于储能系统的峰谷套利方法，该方法首先寻找出各个待优化电力市场在第一优化周期内收益最大的当前最优储能充放电功率，然后，依据各个待优化电力市场对应的当前最优储能充放电功率找出各个待优化电力市场在第二优化周期内收益之和最大的最优储能容量占比组合，最终实现各个电力市场的电价峰谷套利收益最大化。而且，将储能容量占比优化过程(即，寻找最优储能容量占比组合的过程)和充放电策略优化过程(即，寻找某个待优化电力市场的最优储能充放电功率的过程)进行分离；将两个优化过程分离后能够根据实际需求调整优化过程中的优化参数(例如，待优化电力市场的数量、优化周期、时间步长等)，因此，提高了该方法的适用灵活度。
请参见图2，示出了本申请实施例另一种基于储能系统的峰谷套利方法的流程图，本实施例中利用传统数据规划算法优化储能充放电功率，并利用遗传算法来确定储能系统在各个待优化电力市场中的最优储能容量占比。
如图2所示，该方法可以包括以下步骤：
s210，获取各个待优化电力市场的时序电价，储能技术参数。
s220，形成随机初始种群。
该种群即储能容量占比集合，种群包含预设数量个个体，每个个体携带的基因数量全部待优化电力市场在第二优化周期内的储能容量占比。
例如，待优化电力市场的数量是n个，第二优化周期与第一优化周期相等且为一天，则每个个体所携带的基因数量为n个，每个基因代表一个待优化电力市场某一天的储能容量占比。其中，每个储能容量占比的最大值为1，最小值为0，而且，全部待优化电力市场的储能容量占比之和等于1。
s230，依据种群内各个个体，计算各个待优化电力市场在第一优化周期内满足第一优化目标的当前最优储能充放电功率。
本实施例以第一优化周期为1天、时间步长为1小时为例进行说明。
本实施例利用传统数据规划算法(例如，cplex算法)来优化各个待优化电力市场的储能充放电策略，即，各个电力市场的储能充放电功率的优化过程。在本申请的其它实施例中，还可以利用其它算法实现各个电力市场的储能充放电功率的优化过程。
第一优化目标是该待优化电力市场在第一优化周期内的储能放电收益与储能充电成本之间的差值最大，即公式1：
公式1中，pi,j表示第i个待优化电力市场的第j小时的电价，dischargei,j表示第i个待优化电力市场的第j小时的储能放电功率，chargei,j表示第i个待优化电力市场的第j小时的储能充电功率。
其中，该第一优化目标公式的边界条件如下：
公式2中，ei,j表示储能在第i个待优化电力市场的第j小时的荷电容量，ηc为储能的充电效率，ηd为储能的放电效率。
αi·edown≤ei,j≤αi·erate(公式3)
公式3中，αi为储能在第i个待优化电力市场的储能容量占比，且储能在各个待优化电力市场的储能容量占比之和为1；edown为储能允许的最小容量；erate为储能允许的额定容量。
公式4中，ei,1表示储能在第i个待优化电力市场某一天第1个小时的荷电容量；ei,24表示储能在第i个待优化电力市场的某一天第24个小时的荷电容量。定义这两个变量相等的主要目的在于，希望储能能够每天都有峰谷套利的充放电裕量。
0≤dischargei,j,chargei,j≤αi·prate(公式5)
公式5中，prate为储能的额定功率容量。
公式6和公式7中，
公式8表示全部待优化电力市场对应的储能容量占比之和等于1。
利用公式2～公式8所定义的边界条件，求解满足公式1的dischargei,j和chargei,j，即，第i个待优化电力市场对应的当前最优储能充放电功率。
s240，计算种群内各个个体的适应度，确定出种群中的当前最优个体。
计算各个个体的适应度是指计算各个个体对应的全部待优化电力市场在第二优化周期的收益，该收益是指全部待优化电力市场在第二优化周期内的储能放电收益与储能充电成本之间的差值。
找出满足第二优化目标的当前最优个体，第二优化目标是指全部待优化电力市场在第二优化周期内的收益最大。
在本申请的一种应用场景下，第一优化周期与第二优化周期相等，例如，均为1天，则该第二优化目标可以利用公式9表示：
在本申请的另一种应用场景下，第二优化周期大于第一优化周期，例如，第二优化周期为7天，第一优化周期为1天，则第二优化目标可以利用公式10表示：
s250，判断当前最优个体是否满足预设收敛条件，若不满足，则执行s260；若满足，则执行s270。
例如，预设收敛条件可以包括：1)迭代次数达到初始设置的预设次数；2)前后两代种群中的最优个体的适应度之差(即，全部待优化电力市场的总收益之差)小于初始设置的预设差值。满足条件1)或条件2)则确定寻优过程收敛。
s260，利用遗传算法的选择、交叉、变异运算，生成下一代种群。
生成下一代种群后返回执行s230，重新计算下一代种群内的各个个体对应的各个待优化电力市场的当前最优储能充放电功率。
s270，输出各个待优化电力市场的最优储能容量占比及相应的最优充放电功率。
输出每个待优化电力市场的最优储能容量占比αi，以及每个待优化电力市场在各个时间步长下的最优储能充电功率chargei,j和最优储能放电功率dischargei,j。
本实施例提供的基于储能系统的峰谷套利方法，将储能容量占比优化过程和充放电策略优化过程进行分离；储能容量占比优化过程可以采用遗传算法实现，充电策略的优化过程可以采用传统的数据规划算法如cplex算法实现，优化结果唯一，不会陷入局部最优解。将两个优化过程分离后能够根据实际需求调整优化过程中的优化参数(例如，待优化电力市场的数量、优化周期、时间步长等)，因此，提高了该方法的适用灵活度。而且，利用该方法能够实现各个电力市场的电价峰谷套利收益最大化。
下面结合一个具体的应用实例说明采用本发明提供的峰谷套利方法所达到的效果：
假设某一储能电站装机容量为50mw/50mwh，最大充放电功率为50mw，最小荷电容量为0mwh，最大荷电容量为50mwh，全循环充放电效率为92％。该储能电站参与3个电力市场的峰谷套利。各电力市场所对应的电价如图3所示，其中，电力市场3存在负电价，即此时如果电池放电，则产生负收益，如果电池充电，则产生正收益。所选遗传算法中种群中个体数量是100个，最大迭代次数为300次。各电力市场不限制储能充电功率及储能放电功率。
参见图3，电力市场1的电价在第7天波动性较大，因此利用储能系统在第7天对电力市场1进行峰谷套利；电力市场2的电价在第2、4天的波动性较大，因此，利用储能系统在第2、4天对电力市场2进行峰谷套利；电力市场3的电价在第1、3、5、6天的波动性较大，因此，利用储能系统在第1、3、5、6天对电力市场3进行峰谷套利。
各个电力市场的储能容量占比分配如图4所示，第1、3、5、6天，电力市场3的储能容量占比为100％，其它两个电力市场的储能容量占比均为0；第2、4天，电力市场2的储能容量占比为100％，其它两个电力市场的储能容量占比均为0；第7天电力市场1的储能容量占比为100％，其它两个电力市场的储能容量占比均为0。
参见图5～图7，图5示出了电力市场1的充放电功率与电价的示意图，图6示出了电力市场2的充放电功率与电价的示意图，图7示出了电力市场3的充放电功率与电价的示意图；
由图5～图7可见，储能系统的充放电策略充分跟随电价的变化而变化，当电价处于峰值时，储能系统处于放电状态，当电力市场的电价处于谷值时，储能系统处于充电状态。
相应于上述的基于储能系统的峰谷套利方法实施例，本申请还提供了峰谷套利装置实施例。
请参见图8，示出了本申请实施例一种基于储能系统的峰谷套利装置的框图，如图8所示，包括：第一获取模块110、第二获取模块120、第一优化模块130和第二优化模块140。
第一获取模块110，用于获取各个待优化电力市场在各个时段的电价数据，以及储能技术参数。
获取各个待优化电力市场各个时间段的电价，即电力市场的时序电价。
储能系统的储能技术参数包括最大充放电功率、最大充放电容量、充放电效率。
第二获取模块120，用于获取各个待优化电力市场对应的储能容量占比集合，该集合中的每个元素是各个待优化电力市场的一种储能容量占比组合。
初始化时，可以随机生成一个储能容量占比集合，该集合内包含预设数量个元素，每个元素是各个待优化电力市场的一种储能容量占比组合。
后续可以利用遗传算法进行选择、交叉、变异运算后生成其它储能容量占比集合。
第一优化模块130，用于依据电价数据、储能技术参数，计算得到各个待优化电力市场采用各种储能容量占比组合时在第一优化周期内收益最大的当前最优储能充放电功率。
依据电价数据、储能技术参数及各种储能容量占比组合，计算各个待优化电力市场满足第一优化目标时在各个时间步长对应的当前最优储能充放电功率；其中，第一优化目标为每个待优化电力市场在第一优化周期内的储能放电收益与储能充电成本之间的差值最大。
第二优化模块140，用于依据各个待优化电力市场对应的当前最优储能充放电功率，确定出各个待优化电力市场在所述第二优化周期内收益之和最大的最优储能容量占比组合，其中，所述第二优化周期大于或等于所述第一优化周期。
根据第一优化模块计算出的各种最优储能容量占比组合对应的各个时间步长下的当前最优储能充放电功率，找出各个待优化电力市场的收益之和最大的储能容量占比组合确定为最优储能容量占比组合。
第二优化模块140包括：
第一计算子模块141，用于计算各个待优化电力市场在第一优化周期内满足第二优化目标时对应的储能容量占比组合为当前最优储能容量占比组合。
判断子模块142，用于判断当前最优储能容量占比组合是否满足预设收敛条件，若当前最优储能容量占比组合不满足预设收敛条件，则触发第二获取模块重新获取各个待优化电力市场对应的储能容量占比集合，直到满足预设收敛条件，得到最优储能容量占比组合及各个待优化电力市场对应的最优储能充放电功率。
其中，预设收敛条件可以为迭代次数达到预设次数；或者，预设收敛条件可以为前后两代当前最优储能容量占比组合的对应的收益之和小于预设差值。
第一确定子模块143，用于当当前最优储能容量占比组合满足所述预设收敛条件时，确定该当前最优储能容量占比组合为所述最优储能容量占比组合，以及确定该当前最优储能容量占比对应的最优储能充放电功率为最优充放电策略。
其中，第二优化目标为全部待优化电力市场在所述第二优化周期内的储能放电收益与储能充电成本之间的总差值最大。
在一种应用场景下，待优化电力市场的数量是多个(例如，2个或2个以上)，则计算各个储能容量占比组合中各个待优化电力市场的收益之和；若当前储能容量占比组合不满足收敛条件，则重新形成下一代储能容量占比集合，重新找到最优储能容量占比组合；若当前储能容量占比组合满足收敛条件，则满足收敛条件的储能容量占比组合为最优储能容量占比组合。收敛条件可以根据实际情况确定，例如，设定迭代次数，或者，两次迭代的收益差值小于预设差值。
在另一种应用场景下，待优化电力市场的数量是1个，即只有1个电力市，此种情况下该电力市场的储能容量占比始终为100％，即不需要确定该电力市场对应的最优储能容量占比的过程。
本实施例提供的基于储能系统的峰谷套利装置，首先寻找出各个待优化电力市场在第一优化周期内收益最大的当前最优储能充放电功率，然后，依据各个待优化电力市场对应的当前最优储能充放电功率找出各个待优化电力市场在第二优化周期内收益之和最大的最优储能容量占比组合，最终实现各个电力市场的电价峰谷套利收益最大化。而且，将储能容量占比优化过程(即，寻找最优储能容量占比组合的过程)和充放电策略优化过程(即，寻找某个待优化电力市场的最优储能充放电功率的过程)进行分离；将两个优化过程分离后能够根据实际需求调整优化过程中的优化参数(例如，待优化电力市场的数量、优化周期、时间步长等)，因此，提高了适用灵活度。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，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。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请各实施例中的装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本申请所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，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，例如多个子模块或模块可以结合或者可以集成到另一个模块，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信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子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或子模块的形式实现。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！