一种充电站建设的规划方法、系统及终端设备与流程

本发明属于道路规划技术领域，尤其涉及一种充电站建设的规划方法、系统及终端设备。

背景技术：

随着电动汽车的增加，作为电动汽车健康发展的重要配套设施，充电站可以在必要的时刻给予电动汽车一定的能量补给，以满足其行驶需求。因此，充电设施的规划建设只有赶上甚至适度超前于电动汽车增长的速度，才不会成为制约其发展的环节。

现有的城市电动汽车快速充电站，由于建设时规划不合理，造成充电站分布不均、资源浪费等问题。

技术实现要素：

鉴于此，本发明实施例提供了一种充电站建设的规划方法、系统及终端设备，以解决现有技术中充电站建设规划不合理问题。

本发明实施例的第一方面提供了一种充电站建设的规划方法，包括：

获取选取区域的道路信息、道路仿真模型；

获取基于预设的约束条件、交通流量矩最大、建设运维成本最小和光伏消纳能力最大建立的多目标规划模型；

对所述多目标规划模型求解获得所述选取区域的充电站规划位置。

本发明实施例的第二方面提供了一种充电站建设的规划系统，包括：

第一信息获取模块，用于获取选取区域的道路信息、道路仿真模型；

第二信息获取模块，用于获取基于预设的约束条件、交通流量矩最大、建设运维成本最小和光伏消纳能力最大建立的多目标规划模型；

计算模块，用于对所述多目标规划模型求解获得所述选取区域的充电站规划位置。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述充电站建设的规划方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述充电站建设的规划方法的步骤。

本发明根据预设的约束条件、交通流量矩最大、建设运维成本最小和光伏消纳能力最大建立多目标规划模型，并通过多目标规划模型求解得到选取区域的充电站规划位置，考虑了城市交通流量和光伏出力不确定性等因素的影响，能更准确的得到充电站的规划位置。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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他的附图。

图1是本发明的一个实施例提供的充电站建设的规划方法的流程示意图；

图2是本发明的一个实施例提供的图1中s103的流程示意图；

图3是本发明的一个实施例提供的所选区域道路的拓扑关系示意图；

图4是本发明的一个实施例提供的起始时间分布图；

图5是本发明的一个实施例提供的路网交通流量分布图；

图6是本发明的一个实施例提供的充电站位置规划结果；

图7是本发明的一个实施例提供的充电站建设的规划系统的结构示意图；

图8是本发明的一个实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

本发明的说明书和权利要求书及上述附图中的术语“包括”以及其他任何变形，是指“包括但不限于”，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例1：

图1示出了本发明一实施例所提供的充电站建设的规划方法的实现流程图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

如图1所示，本发明实施例所提供的一种充电站建设的规划方法，包括：

s101，获取选取区域的道路信息、道路仿真模型。

在本实施例中，道路信息包括每个路段上采集时刻的车流量、选取区域的路段的起始节点和终止节点、选取区域的路段数、路段长度、最大容量和阻塞容量等。

s102，获取基于预设的约束条件、交通流量矩最大、建设运维成本最小和光伏消纳能力最大建立的多目标规划模型。

在本实施例中，电动汽车充电站作为连接路网和电网的纽带，应充分考虑其对上级电网供应能力和路网对电动汽车承载能力的影响。

因此，在电动汽车充电站选址定容时，应从交通网络、上级供电系统和建设投资三方面入手，针对配电网运行和电动汽车车主充电体验设置约束，形成完整的规划流程。

s103，对所述多目标规划模型求解获得所述选取区域的充电站规划位置。

在本发明的一个实施例中，s101中道路仿真模型包括：

1)路段模型：

车辆在路段中的运动可以采用累积车辆数n(x,t)来描述，其表示在时刻t之前通过观测点x的车辆数目之和。对于每一个路段，均需确保车辆满足先入先出(fifo)规则。

根据流量和密度的定义，可以求得车流量q(x,t)和车流密度ρ(x,t)分别为：

其中：n(x,t0)为t0时刻观测点x的车辆总数；n(x0,t)为t时刻观测点x0的车辆总数。

根据交通流三参数关系，自由流速度v^free(x,t)可表示为：

从获取的道路信息中得到给定路段参数最大通行能力qmax以及阻塞密度ρjam，路段的临界密度ρcrit和反向激波速度ω可表示为：

路段i在时刻t的发送车流si(t)表示在时段[t,t+δt]内能够流出路段i下游的最大车辆数。发送车流si(t)受到该路段上游入口车流和路段容量的约束，可表示为：

其中：为路段i的上游入口位置；为路段i的下游出口位置；li为路段i的长度；vi路段i的自由流速度；为路段i的下游出口流量；为t+δt-li/vi时刻位置的车辆总数；为t时刻位置的车辆总数。

路段j在时刻t的接收车流rj(t)表示在时段[t,t+δt]内能够流入路段j的最大车辆数。接收车流rj(t)受到该路段下游出口车流和路段容量的约束，表示为：

其中：wjwj为路段j的反向激波速度；为路段j的上游入口流量；ljlj为路段j的长度；为路段j的下游出口位置。

2)节点模型

节点模型用于求时段[t,t+δt]内可以从上游路段i转移到下游路段j的最大车流gij(t)，发送车流si(t)在节点处的分流公式可表示为：

其中：sij(t)为t时刻从路段i发送到路段j的车流；p为路径；p为所有路径构成的集合；δjp为路段和路径关联矩阵δ的元素，如果路段j在路径p上，则δjp＝1，否则δjp＝0；表示第个车辆通过路段i的上游入口边界点的时刻；为t时刻路径p上累积通观测点x的车辆数。

rij(t)表示路段j的接收车流rj(t)分配到路段i的车流量，其分流公式可表示为：

rij(t)＝pijrj(t)；

其中：pij表示路段i的车流进入路段j的优先系数，满足约束

转移车流gij受平均车流量qn,ij、fifo等约束的影响可表示为：

其中：j’为下游路段jn中除j以外的路段；rij’为路段j的接收车流rj(t)分配到路段i的平均车流量；sij’为t时刻从路段i发送到路段j的车流。

交叉口节点模型可分为五类。非均匀节点用于模拟容量变化或道路上自由流速度的变化。

对非均匀节点，转移车流g’ij可表示为：

g′ij＝min(si,rj(t))；

对起始节点，接收车流gj(t)可表示为：

其中，nr(t+δt)为t+δt时刻起始节点的累积车辆数目。

对目的节点，发送车流gi可表示为：

gi＝si；

对分流节点，转移车流g″ij可表示为：

其中，rj’为j’路段集合的接收车流量；sj’为j’路段集合的发送车流量；sij为从路段i发送到路段j的车流量。

对合流节点，转移车流g″ij可表示为：

式中，i’是节点n连接的所有路段集合in中除了i路段以外的元素；si’j为除了i路段以外的路段集合in向j路段发送的车流。

3)交叉口延迟模型

在涉及节点模型转移车流约束的情况下，累积流入车辆数和累积流出车辆数的更新可表示为：

其中，为累积流入车辆数；为累积流出车辆数。

设路段j是路段i关于路径p的下游路段，对路径p进行累积车辆数的更新可表示为：

4)车流密度与走行时间模型

假设路段自由流部分车辆在路段中均匀分布，路段i在t时段的车流密度ρi(t)可表示为：

式中：为t时段在路段i中的车辆数，ni为t时段内路段i中可以容纳的车辆数。

得到路段车流密度后，根据速度-密度函数关系，路段i的车辆行驶速度vi(t)可表示为：

其中，为路段i的自由流速度，为路段i上的最小密度和最大密度，表示车辆的最小行车速度，α、β为模型参数；ρi(t)为t时刻路段i上的车流密度。

因此，t时段的走行时间tti(t)可表示为：

tti(t)＝li/vi(t)。

在本发明的一个实施例中，s102中多目标规划模型包括：

交通流量矩函数、建设运维成本函数和伏消纳能力函数。

1)由于电动汽车单次行驶路程越长，越需要中途前往充电站进行快速充电。因此，借鉴变电站选址模型中的负荷矩理论，提出交通流量矩的概念。交通流量矩即路段的交通流量与当前时刻路段内车辆平均od长度的乘积。以俘获的各时刻总交通流量矩最大为目标函数之一。

其中，交通流量矩函数包括：

其中，m为交通流量矩值；t为统计时间段数；t为统计时间段；i为路段；i为路段数；qi为路段i的车流量；li为路段i内车辆的平均od长度；τi为1或0，表示是否可以俘获路段i的交通流量。τi表示是否可以俘获路段的交通流量。

2)充电站的经济费用主要包括建设、运维两方面，以建设运维成本最小为目标。

建设运维成本函数包括：

n＝ccon+cope；

电动汽车充电站的建设，往往伴随着征地、新建专变、新建专线等工程，其建设成本ccon可表示为：

充电站的运维成本主要包括人工服务费用、网损费用和设备维修费用。本发明采用折算建设投资成本的方法计算。

cope＝ηccon；

其中，n为建设运维成本；cope为运维成本；η为运维成本的折算系数；ccon为建设成本；r0为折现率；z为运行年限；k为充电站的个数；cek为k充电站征地成本；cb为充电站建设固定成本；p为充电桩数目集合；cp为单个充电桩造价；a为新建的专变数目集合；ta为专变a的单个专变的价格；j为新出的专线数目集合；lj为专线j的专线长度；cj为专线j的专线价格。

在本实施例中，cek、cb、p、a和j为优化变量。

3)分布式光伏由于其出力不确定性较大，对配电网的潮流会产生一定的影响。大规模电动汽车入网充电，也会导致局部地区的负荷紧张，尤其会加重高峰时段的电网负担。合理规划充电站，可以有效引导电动汽车充电，从而平抑分布式光伏入网对配电网造成的波动，消纳新能源出力。

从空间选址的角度来说，电动汽车和分布式光伏的互补消纳主要体现在就地消纳的特性方面。充电站布局越接近分布式光伏聚集区，消纳效果越好，同时也减小了电动汽车充电以及分布式光伏发电对电网的冲击。

分布式光伏的消纳能力与分布式光伏出力和线路负载情况有密切的关系。如果线路负荷小于光伏出力，便会出现潮流倒送情况，严重危害配电网安全运行。因此，消纳能力为在不发生潮流倒送的情况下分布式光伏的装机量，消纳能力最大即光伏装机量最大。

光伏消纳能力函数包括：

其中，y为光伏消纳能力；br为线路集合；gk为线路k不发生潮流倒送前提下的分布式新能源最大装机量。

在本实施例中，gk为优化变量。

在本发明的一个实施例中，s102中约束条件包括：

节点电压约束和等待时间约束；

其中，节点电压约束：电动汽车充电站接入上级电网可能导致节点电压降落，危及配电网安全运行，节点电压约束设置如下：

uq,min≤uq≤uq,max，q∈n^l；

其中：uq,min、uq,max分别为节点q电压值的下限和上限；uq为节点q的实际电压值；n^l为配电网所有节点集合；

等待时间约束：若电动汽车用户在充电站等待时间过长，会严重降低用户充电体验，并可能导致用户放弃充电站内充电转而选择目的地充电模式，造成充电站收益降低。设置等待时间约束如下：

e＝qi·λ·δ；

其中：为最大充电等待时间；tlimit为充电等待时间上限值；c为r时段在充电站充电的车辆集合；tr(c)为正在充电车辆所需充电时间；e为r时段驶入充电站的车辆集合；tr(e)为等待充电车辆所需充电时间；bc为电池容量；soc为电池荷电状态；p为充电功率；η为充电效率；λ为i路段电动汽车渗透率；δ为soc低于20％的电动汽车比例；qi为i路段的交通流量；tr为需要充电的电动汽车充电时间，包括tr(c)和tr(e)。

如图2所示，在本发明的一个实施例中，s103具体包括：

s301，根据所述道路信息、所述道路仿真模型和所述多目标规划模型，得到满足约束条件的选取区域的交通流量矩最大值、建设运维成本最小值和光伏消纳能力最大值。

s302，根据所述交通流量矩最大值、所述建设运维成本最小值和所述光伏消纳能力最大值，得到选取区域的充电站规划位置。

在本发明的一个实施例中，s301包括：

利用所述道路信息和所述道路仿真模型，计算得到每个路段的车流量。

利用nsga-ii算法、所述车流量和所述道路信息，优化所述交通流量矩函数、建设运维成本函数和光伏消纳能力函数，得到满足约束条件的选取区域的交通流量矩最大值、建设运维成本最小值和光伏消纳能力最大值。

在本实施例中，nsga-ii算法的求解步骤包括：

1)读取各时刻各路段车流量，从道路信息中得到或分析计算得到配电网潮流和分布式电源出力信息；

2)随机产生初始种群；

3)产生父代种群的优化变量；

4)淘汰不满足约束条件的个体；

5)计算各个体适应度函数值；

6)对当前种群p个体进行pareto分层排序，即按个体支配关系进行分层并计算聚集距离，排序时优先考虑层级关系，同层则按聚集距离大小排序，层级低、聚集距离大的个体优先。

7)从当前种群p中选择交配种群q；

8)对交配种群q进行交叉变异操作生成子代种群，并执行步骤4；

9)合并父代子代种群，并执行步骤5、步骤6；

10)根据排序结果，选择前n个个体，产生下一代种群p；

11)判断是否达到最大进化代数，若达到，则结束算法，输出站址、容量优化结果和pareto前沿图；若未达到，将进化代数加一代，返回步骤7继续进行站址和容量的计算。

在本发明的一个实施例中，s302包括：

将所述交通流量矩最大值、所述建设运维成本最小值和所述光伏消纳能力最大值，用pareto前沿图表示，得到pareto前沿图上对应的候选值。

利用vikor方法，对所述候选值处理，得到选取区域的充电站规划位置。

在本实施例中，采用nsga-ii算法得到各目标的pareto前沿后，使用vikor方法对pareto前沿上的各解进行排序，排序步骤如下：

1)决策者确定各准则的权重；

2)计算所有准则的理想解和最劣解，如果目标函数i表示收益，那么理想解取最大，非劣解取最小，理想解fi^*和非劣解fi^-可表示为：

其中，fij为pareto前沿图上的候选值。

如果目标函数i表示成本，那么理想解取最小，非劣解取最大，理想解fi^*和非劣解fi^-可表示为：

3)计算sj和rj，公式如下：

其中：βi为第i个准则的相对权重。

4)计算qj，公式如下：

其中，v为群体效用的权重，通常取0.5；1-v为个体遗憾的权重。

5)确定最优折中解；按照qj递增进行排序。假设a1和a2是排名靠前的两个待选方案。确定a1为最优方案需满足以下条件：

①q(a2)-q(a1)≥1/(j-1)；

②a1依据s和r排序仍为最优；

若条件②不满足，则选择方案a1或a2中的任一个。条件①不满足，则得到妥协解，可选择按综合值排列的方案a1，a2,…,am中的任一个，am为最后一个能够满足q(am)-q(a1)<1/(j-1)的方案。

如图3-6所述，为了便于理解，以一个具体实施例说明：

(1)典型场景和参数设置

选取区域，所选区域道路有24个节点，76个路段，拓扑关系图如图3所示，所选区域道路信息参数如表1所示。电动汽车电池容量为80kwh，满电行驶里程为400km。区域内电动汽车渗透率为60％，电动汽车初始荷电状态满足参数为(0.4，0.11)的正态分布。根据调研结果，将一日的od车辆数按一定比例分配到24个小时，起始时间分布图如图4所示。

表1道路信息参数表

(2)规划结果和分析

根据道路仿真模型模拟得8时路网交通流量分布图如图5所示，其中，路网节点10为整个城市的中枢节点，岔路口较多，与其相连接的道路路段车流均较大。路网节点15本身od车辆数并不多，但考虑到城市南部环路上进城的车流量较大，故15节点南部路段的车流量也随之增大。

规划方案如图6所示，图中圆圈表示充电站位置，在交通流量较大的路网节点10附近，规划了三座充电站，既缓解了其大规模的充电需求，也有利于分散路网节点10附近的车流；在13到24节点之间设置了一座充电站，满足了城市外环快速路车辆的长距离通行需求。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例2：

如图7所示，本发明的一个实施例提供的充电站建设的规划系统100，用于执行图1所对应的实施例中的方法步骤，其包括：

第一信息获取模块110，用于获取选取区域的道路信息、道路仿真模型；

第二信息获取模块120，用于获取基于预设的约束条件、交通流量矩最大、建设运维成本最小和光伏消纳能力最大建立的多目标规划模型；

计算模块130，用于对所述多目标规划模型求解获得所述选取区域的充电站规划位置。

在本发明的一个实施例中，第二信息获取模块120中多目标规划模型包括：

交通流量矩函数、建设运维成本函数和伏消纳能力函数。

在本发明的一个实施例中，交通流量矩函数包括：

其中，m为交通流量矩值；t为统计时间段数；t为统计时间段；i为路段；i为路段数；qi为路段i的车流量；li为路段i内车辆的平均od长度；τi为1或0，表示是否可以俘获路段i的交通流量。

在本发明的一个实施例中，建设运维成本函数包括：

n＝ccon+cope；

cope＝ηccon；

其中，n为建设运维成本；cope为运维成本；η为运维成本的折算系数；ccon为建设成本；r0为折现率；z为运行年限；k为充电站的个数；cek为k充电站征地成本；cb为充电站建设固定成本；p为充电桩数目集合；cp为单个充电桩造价；a为新建的专变数目集合；ta为专变a的单个专变的价格；j为新出的专线数目集合；lj为专线j的专线长度；cj为专线j的专线价格。

在本发明的一个实施例中，光伏消纳能力函数包括：

其中，y为光伏消纳能力；br为线路集合；gk为线路k不发生潮流倒送前提下的分布式新能源最大装机量。

在本发明的一个实施例中，计算模块130包括：

计算单元，用于根据所述道路信息、所述道路仿真模型和所述多目标规划模型，得到满足约束条件的选取区域的交通流量矩最大值、建设运维成本最小值和伏消纳能力最大值；

信息选取单元，用于根据所述交通流量矩最大值、所述建设运维成本最小值和所述伏消纳能力最大值，得到选取区域的充电站规划位置。

在本发明的一个实施例中，计算单元用于：

利用所述道路信息和所述道路仿真模型，计算得到每个路段的车流量；

利用nsga-ii算法、所述车流量和所述道路信息，优化所述交通流量矩函数、建设运维成本函数和光伏消纳能力函数，得到满足约束条件的选取区域的交通流量矩最大值、建设运维成本最小值和伏消纳能力最大值。

在本发明的一个实施例中，第二信息获取模块120中约束条件包括：

节点电压约束和等待时间约束；

其中，所述节点电压约束包括：

uq,min≤uq≤uq,max，q∈n^l；

其中：uq,min、uq,max分别为节点q电压值的下限和上限；uq为节点q的实际电压值；n^l为配电网所有节点集合；

所述等待时间约束包括：

e＝qi·λ·δ；

其中：为最大充电等待时间；tlimit为充电等待时间上限值；c为r时段在充电站充电的车辆集合；tr(c)为正在充电车辆所需充电时间；e为r时段驶入充电站的车辆集合；tr(e)为等待充电车辆所需充电时间；bc为电池容量；soc为电池荷电状态；p为充电功率；η为充电效率；λ为i路段电动汽车渗透率，δ为soc低于20％的电动汽车比例；qi为i路段的交通流量；tr为需要充电的电动汽车充电时间。

在本发明的一个实施例中，信息选取单元用于：

将所述交通流量矩最大值、所述建设运维成本最小值和所述伏消纳能力最大值，用pareto前沿图表示，得到pareto前沿图上对应的候选值；

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，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即所述充电站建设的规划系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中，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单元中，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单元的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述充电站建设的规划系统中模块的具体工作过程，可以参考前述方法实施例1中的对应过程，在此不再赘述。

实施例3：

图8是本发明一实施例提供的终端设备的示意图。如图8所示，该实施例的终端设备8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤s101至s103。或者，所述处理器80执行所述计算机程序82时实现如实施例2中所述的各系统实施例中的各模块/单元的功能，例如图7所示模块110至130的功能。

所述终端设备8是指具有数据处理能力的终端，包括但不限于计算机、工作站、服务器，甚至是一些性能优异的智能手机、掌上电脑、平板电脑、个人数字助理(pda)、智能电视(smarttv)等。终端设备上一般都安装有操作系统，包括但不限于：windows操作系统、linux操作系统、安卓(android)操作系统、symbian操作系统、windowsmobile操作系统、以及ios操作系统等等。以上详细罗列了终端设备8的具体实例，本领域技术人员可以意识到，终端设备并不限于上述罗列实例。

所述终端设备可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是终端设备8的示例，并不构成对终端设备8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备8还可以包括输入输出设备、网络接入设备、总线等。

所称处理器80可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器81可以是所述终端设备8的内部存储单元，例如终端设备8的硬盘或内存。所述存储器81也可以是所述终端设备8的外部存储设备，例如所述终端设备8上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器81还可以既包括所述终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述终端设备8所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。

实施例4：

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤s101至步骤s103。或者，所述计算机程序被处理器执行时实现如实施例2中所述的各系统实施例中的各模块/单元的功能，例如图7所示的模块110至130的功能。

所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。

在上述实施例中，对各个实施例的描述都各有侧重，实施例1至4可以任意组合，组合后形成的新的实施例也在本申请的保护范围之内。某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的终端设备和方法，可以通过其它的方式实现。例如，以上所描述的系统/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

以上所述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，均应包含在本发明的保护范围之内。