基于边缘计算的多区域综合能源系统分布式协同优化方法

1.本公开涉及综合能源系统智能调度技术领域，特别涉及一种基于边缘计算的多区域综合能源系统分布式协同优化方法。


背景技术：

2.本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
3.综合能源系统(integrated energy system，ies)指以先进电力电子控制技术和高级通信采集技术为基础的多种能源协调运行的能源供给系统，具有高灵活性、高韧性等运行特点。综合能源系统分为三类结构层次：跨区级综合能源系统、区域级综合能源系统(regional integrated energy system，ries)和园区级综合能源系统。输电网、天然气骨干网络等远距离大容量设备是跨区级综合能源系统的主要组成设备；中压配电网、配气网、配热网组成区域级综合能源系统；园区级综合能源系统则定位于小型范围内的用户侧能源管理，以实现智能用电系统、分布式供热供水、需求侧管理等功能。
4.多区域综合能源系统(multi
‑
regional integrated energy system，mries)是指由多个区域级综合能源系统构成的综合能源系统，范围介于区域级综合能源与跨区域综合能源系统之间。
5.边缘计算是指在靠近物理设备或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。边缘计算单元(edge computing unit，ecu)是ies中与云计算中心相对应的能量数据管理单元，能将系统计算的部分任务迁移至本地完成，解决云计算资源不足的问题。
6.分布式优化是指分布式优化是通过多智能体之间的合作协调有效地实现优化的任务，可用来解决许多集中式算法难以胜任的大规模复杂的优化问题。
7.能量枢纽(energy hub，eh)是ies的重要组成部分，可容纳多种形式能源的输入和多元化的负荷类型。优化配置能量枢纽的设备类型和容量是保证能量枢纽安全经济运行的基础。
8.发明人发现，现阶段mries分布式协同优化存在如下问题：
9.(1)按不同能源网络对系统的解耦方法弱化了ries在能源管理和调配中的作用，且将随耦合设备种类和数量的增多复杂化；
10.(2)以eh为主体的分布式优化部分未考虑上下层能源网络约束，部分无法直接通过主体间的信息交互得到全局最优解；
11.(3)缺乏考虑eh变工况模型的相应分布式算法支撑多主体ies的大规模扩展。


技术实现要素：

12.为了解决现有技术的不足，本公开提供了一种基于边缘计算的多区域综合能源系统分布式协同优化方法，提出一套适合mries大规模扩展计算的分布式协同调度框架；在模型方面，设计与该架构相匹配的ies分区方法，构造了边缘计算单元，满足了分布式计算的特征，为分布式优化计算提供模型基础；在算法方面，提出了支撑大规模扩展的分布式计算算法，支撑全局优化，既解决了精细化建模时引入的milp不收敛的问题，又提升了算法的收敛速度，加快了分布式计算。
13.为了实现上述目的，本公开采用如下技术方案：
14.第一方面，本公开提供了一种基于边缘计算的多区域综合能源系统分布式协同优化系统。
15.一种基于边缘计算的多区域综合能源系统分布式协同优化系统，包括：云计算中心和多个边缘计算单元，各个边缘计算单元均与云计算中心通信连接，各个边缘计算单元之间通过电热气网耦合连接；
16.各个边缘计算单元根据获取的自身测量数据，以最小经济成本为优化目标进行日前运行优化，得出边界信息并发送给云计算中心；
17.云计算中心根据接收到的边界信息，更新共识信息和拉格朗日乘子并反馈给各个边缘计算单元；
18.根据预设分布式嵌套式算法，边缘计算单元与云计算中心完成全局优化所需要的多次迭代，得到最优的运行结果。
19.进一步的，根据能量枢纽连接能源网络节点之间的关系对全系统分区划分，完成每个边缘计算单元的划分，各边缘计算单元完全且不重复地包含所有网络节点；边缘计算单元中，上层电气能源通过能量枢纽内部的能源耦合设备转换为冷热电，电与冷直接供给本地负荷，热量在蓄热器和下层热力环网中交互。
20.进一步的，按照能源枢纽连接方式节点类型包括上下游型与同一或者同级节点型：
21.上下游型，能量枢纽连接的网络节点与其他能量枢纽连接的节点分处网络物理层次的上游与下游，上下游型又包括连接型以及源型或库型；
22.连接型为能量枢纽所连接节点非首端节点也非末端节点的情况，处理方法为在节点两侧输能线路中段分别增加一个虚拟节点，该虚拟节点均被两侧的边缘计算单元包含在内，边缘计算单元内部单独优化时所得到的该虚拟节点的信息为需要上传至云计算中心的边界信息；
23.源型为能量枢纽连接的节点是首端节点，库型为能量枢纽连接的节点是末端节点，处理时仅在有外部节点的一侧线路中段增加一个虚拟节点。
24.同一或者同级节点型，两个能量枢纽同时连接在网络的同一节点或同级节点上，处理同级节时在其中一条线路中段增加一个虚拟节点，使之转化为上下游型；
25.同一节点处理时，二者在节点处的信息有强耦合关系，在两个单元之前分别增加一段虚拟管道，转化为同级节点处理。
26.进一步的，利用consensus
‑
admm算法结合改进的嵌套子算法，基于边缘计算单元之间共识信息进行分布式调节；
27.嵌套子算法，包括：
28.consensus
‑
admm得到的整数变量值作为初始值，对其与变量进行初始化；
29.利用连续变量替代原问题的离散变量，对新问题进行求解；
30.根据得到的连续变量的值更新离散变量和辅助变量；
31.当残差小于预设值时，得到各个边缘计算单元的最终优化控制变量。
32.进一步的，各个边缘计算单元的増广拉格朗日方程中加入描述惩罚项式，描述惩罚项式描述所有边缘计算单元共同支撑热网总损耗。
33.第二方面，本公开提供了一种基于边缘计算的多区域综合能源系统分布式协同优化方法。
34.一种基于边缘计算的多区域综合能源系统分布式协同优化方法，包括以下内容：
35.各个边缘计算单元根据获取的自身测量数据，以最小经济成本为优化目标进行日前运行优化，得出边界信息并发送给云计算中心；
36.云计算中心根据接收到的边界信息，更新共识信息和拉格朗日乘子并反馈给各个边缘计算单元；
37.根据预设分布式嵌套式算法，边缘计算单元与云计算中心完成全局优化所需要的多次迭代，得到最优的运行结果。
38.进一步的，根据能量枢纽连接能源网络节点之间的关系对全系统分区划分，完成每个边缘计算单元的划分，各边缘计算单元完全且不重复地包含所有网络节点；边缘计算单元中，上层电气能源通过能量枢纽内部的能源耦合设备转换为冷热电，电与冷直接供给本地负荷，热量在蓄热器和下层热力环网中交互。
39.进一步的，按照能源枢纽连接方式节点类型包括上下游型与同一或者同级节点型：
40.上下游型，能量枢纽连接的网络节点与其他能量枢纽连接的节点分处网络物理层次的上游与下游，上下游型又包括连接型以及源型或库型；
41.连接型为能量枢纽所连接节点非首端节点也非末端节点的情况，处理方法为在节点两侧输能线路中段分别增加一个虚拟节点，该虚拟节点均被两侧的边缘计算单元包含在内，边缘计算单元内部单独优化时所得到的该虚拟节点的信息为需要上传至云计算中心的边界信息；
42.源型为能量枢纽连接的节点是首端节点，库型为能量枢纽连接的节点是末端节点，处理时仅在有外部节点的一侧线路中段增加一个虚拟节点。
43.同一或者同级节点型，两个能量枢纽同时连接在网络的同一节点或同级节点上，处理同级节时在其中一条线路中段增加一个虚拟节点，使之转化为上下游型；
44.同一节点处理时，二者在节点处的信息有强耦合关系，在两个单元之前分别增加一段虚拟管道，转化为同级节点处理。
45.进一步的，利用consensus
‑
admm算法结合改进的嵌套子算法，基于边缘计算单元之间共识信息进行分布式调节；嵌套子算法，包括：
46.consensus
‑
admm得到的整数变量值作为初始值，对其与变量进行初始化；
47.利用连续变量替代原问题的离散变量，对新问题进行求解；
48.根据得到的连续变量的值更新离散变量和辅助变量；
49.当残差小于预设值时，得到各个边缘计算单元的最终优化控制变量。
50.进一步的，各个边缘计算单元的増广拉格朗日方程中加入描述惩罚项式，描述惩罚项式描述所有边缘计算单元共同支撑热网总损耗。
51.与现有技术相比，本公开的有益效果是：
52.1、本公开提出一套适合mries大规模扩展计算的分布式协同调度框架，该方法以ecu为单位，ecu以eh为主体，在地理范围与结构层次上等同于ries，通过单元内优化计算、与云服务中心进行信息交互最终得到全局最优的调度方案。
53.2、在模型方面，根据eh连接节点位置的不同设计了与该架构相匹配的ies分区方法，合理划分ecu区域，满足了分布式计算的特征，为分布式优化计算提供模型基础。
54.3、在算法方面，提出了基于精细化ries模型的改进consensus
‑
admm嵌套式算法与ecu模型相配合，支撑大规模扩展的分布式计算，支撑全局优化，既解决了精细化建模时引入的milp不收敛的问题，又能保证ecu大规模扩展情况下经较少迭代次数得到优化结果提升了算法的收敛速度。
55.4、本公开提供的分布式协同优化方法，既保护了ries的信息隐私安全，又通过边缘计算极大降低云计算的数据传输、储存和处理的压力，解决了ies面临的海量数据难以集中处理的难题。框架与算法相辅相成，为mries分布式协同优化向跨区域级ies分布式协同优化进化提供了理论和方法支撑。
附图说明
56.构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
57.图1为本公开实施例提供的ecu结构示意图。
58.图2为本公开实施例提供的集中式优化与ecu架构分布式优化信息流示意图。
59.图3为本公开实施例提供的输能网络分区类型及方法示意图。
60.图4为本公开实施例提供的单元热网能量传输通用模型示意图。
61.图5为本公开实施例提供的能量枢纽内部能量流动示意图。
62.图6为本公开实施例提供的计算单元之间的共识变量示意图。
63.图7为本公开实施例提供的改进consensus
‑
admm算法流程图。
64.图8为本公开实施例提供的分布式算法残差收敛情况对比示意图。
65.图9为本公开实施例提供的基于ecu的多区域综合能源系统分区示意图。
具体实施方式
66.下面结合附图与实施例对本公开作进一步说明。
67.应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
68.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包
括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
69.在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
70.实施例1：
71.本公开实施例1提供了一种基于边缘计算的多区域综合能源系统分布式协同优化方法，包括以下过程：
72.s1：架构构建
73.本实施例提出的ecu是ies中与云计算中心相对应的能量数据管理单元，能将系统计算的部分任务迁移至本地完成，解决云计算资源不足的问题，ecu模型结果如图1所示。
74.上层电气能源通过eh内部的电制冷机(electrical chiller，ec)、热泵(heatpump，hp)、热电联产设备(combined heat and power generation，chp)、燃气锅炉(gas boiler，gb)等能源耦合设备转换为冷热电，电与冷直接供给本地负荷，而热量则在蓄热器(heatstorage，hs)和下层热力环网中交互，共同支撑本地热负荷的热量需求。ecu支持多区扩展，计算单元之间通过电网、气网和热网管道相互连接，共同组成mries。
75.s2：信息交互过程对比
76.ecu通过本地感知层获取设备及节点信息，将内部优化得到的边界信息上传至云计算中心统一整合处理，云计算中心将处理得到的共识信息反馈给各ecu，ecu按照共识信息调整本地的运行方案，多次迭代，最终达到全局最优。
77.由图2左侧可知，集中式计算需将网络和eh中所有设备的信息提交至云计算中心，该方式无疑会产生大量通讯设施建设成本和数据传输储存处理成本，与节能减排的能源发展思想相背离，且信息安全和隐私性无法得到保障。
78.按照ecu对系统解耦方式如图2右侧所示，数据的传输在ries内部进行，仅需向云计算中心提交ecu间耦合处的边界信息，在保障ecu内部信息安全隐私的基础上大大减少了通讯设施建设成本和数据传输储存处理成本。该模型将电热气三类能源的数据汇集到一起集中处理，更能发挥ecu的多能协同的作用，也为能量统一管理、能量统一标度的下一步研究工作奠定基础。
79.s3：边缘计算单元建模
80.s3.1：基于ecu的ies分区方法
81.ecu通过局部优化达到全局最优的前提是，各ecu必须完全且不重复地包含所有网络节点。为适应网络的拓扑结构并为分布式算法提供模型基础，现根据eh连接能源网络节点之间的关系对全系统分区划分，并对划分方法分类总结。
82.(1)上下游型
83.上下游型指eh连接的网络节点与其他eh连接的节点分处网络物理层次的上游与下游。如图3所示，又包括连接型和源/库型。
84.连接型是指eh所连接节点非首端节点也非末端节点的情况。该类型的处理方法是在节点两侧输能线路中段分别增加一个虚拟节点，该虚拟节点均被两侧的ecu包含在内。单元内部单独优化时所得到的该虚拟节点的信息即为需要上传至云计算中心的边界信息。
85.源型是指eh连接的节点是首端节点，库型是指eh连接的节点是末端节点。该情况相较连接型缺少一半连接关系，处理时仅在有外部节点的一侧线路中段增加一个虚拟节点即可。
86.(2)同一/同级节点型
87.同一/同级节点型指两个eh同时连接在网络的同一节点或同级节点上，如图3所示。处理同级节时在其中一条线路中段增加一个虚拟节点，使之转化为上下游型；同一节点处理时，二者在节点处的信息有强耦合关系，则需在两个单元之前分别增加一段虚拟管道，转化为同级节点处理。
88.按照上述方法对配能网络进行分区划分，单个ecu的能源使用量为流入量减流出量。
89.s3.2：单元内部电网分区模型
90.使用distflow潮流方程模拟第n个ecu中配电网潮流，使用二阶锥规划处理模型非线性。节点功率平衡如式(1)
‑
(2)所述，式(3)为电压降落方程，式(4)表示支路电流与功率的关系。
[0091][0092][0093][0094][0095]
上式中，π(j)表示euc节点j连接的设备集合，ω(j)为节点j连接支路的末端节点集合；和表示流入节点j的有功和无功；r
ij
、x
ij
、p
ij,t
、q
ij,t
分别为线路ij的电阻、电抗以及t时刻流经的有功和无功；分别表示第g台发电机、pv台光伏、wt台风机发出电功率；和为第d个负荷于t时刻吸收的有功功率和无功功率；代表节点i在t时刻流入eh的功率，和表示和传输线路输送容量限制如式(5)所示。
[0096][0097]
ecu消耗的电量如式(6)所示，式中和分别代表第n个计算单元电网所有最上游的虚拟节点和最下游虚拟节点的集合。
[0098][0099]
s3.3：单元内部气网节点模型
[0100]
ecu中的天然气管网模型与配电网类似，同样包括节点能量平衡约束和管道输送约束，式(7)表示配气节点b流入量与流出量平衡。
[0101][0102]
上式中，γ(b)表示节点b连接的负荷集合，λ(b)为节点b连接管道的末端节点集
合；表示t时刻节点b的气注入量；g
ab,t
表示管道ab中t时刻气流动量；为第d个气负荷t时刻的用气量；为t时刻节点b向eh输入的天然气量。
[0103]
模型中配气网属于中低压，没有考虑压缩机模型；同样采用二阶锥规划对气网weymouth方程进行松弛如式(8)；式(9)和式(10)为天然气管道输气量和天然气压力的上下限约束。
[0104]
(g
ab,t
)2+(k
ab
π
b,t
)2≤(k
ab
π
at
)2ꢀꢀ
(8)
[0105][0106][0107]
上式中，k
ab
为管道weymouth特性参数；π
a,t
为t时刻节点a气压值。
[0108]
ecu天然气消耗量如式(11)所述，其中和分别代表第n个ecu中气网的所有最上游和最下游虚拟节点的集合。
[0109][0110]
s3.4：单元内部热网节点模型
[0111]
热网采用式(12)中可利用热功率h
av
表示热网管道中的热量流，将热网模型中具有强耦合性质的变量温度t和质量流量q解耦，形成热网能量流模型和流量
‑
温度基本方程两部分。线性化热损方程如式(13)。
[0112]
h
av
＝kq(t
‑
t
rw
)
ꢀꢀ
(12)
[0113][0114]
上式中，t
e
、t
rw
和t
sw
分别代表环境温度、热网管道中的回水温度与供水温度；k为比例常数；∑r表示热媒到周围介质间每千米管道的总热阻；l
uv
代表该管道uv的长度。
[0115]
按照图4所示方向设定参考方向，表示节点u向eh提供的热量；t
u,t
为u节点t时刻的节点热媒温度，热网能量流模型如式(14)所示。
[0116][0117]
上式中，ψ(u)表示配气网节点u所连接的管道节点集合；为管道uv在t时刻的可利用热功率；分别代表管道中流动可利用热功率的上下限。
[0118]
根据上述方程建立热网混合整数模型求得可利用热功率分布，结合流量
‑
温度基本方程式(15)计算管道中热媒的传输温度和流量。
[0119][0120]
热网运行费用为管道中循环水泵的运行费用，引入耗电输热比计算如式(16)，表示第n个计算单元的热网运行成本。
[0121][0122]
上式中，w为euc内循环水泵的总个数，在每个管道中都配置一个循环水泵，p为管道标号；ehr
p
为第p台水泵的耗电输热比；c
e,t
为t时刻的电价；h
p,t
为第p台水泵输送的热量。
[0123]
s3.5：变工况能源枢纽模型
[0124]
eh模型为所提出的ecu的能量转化主体，采用标准矩阵模型对eh进行建模，使用分段线性化方法提高eh建模精度。
[0125]
如图5建立能源耦合设备输入输出的能量矩阵式(17)，其行向量所代表的意义与图5中的r一一对应，r为1x24的行向量表示每个小时的能量值。描述eh能源转化关系的标准化矩阵z与v相乘得矩阵v1如式(18)
‑
(19)，eh的热量输出与从热网获取的热能共同支撑该区域的热负荷。
[0126][0127]
v1＝[p
eh g
eh l
cool l
elec (l
heat
‑
h
eh
) 0 0]
t
ꢀꢀ
(18)
[0128]
z
×
v＝v1
ꢀꢀ
(19)
[0129]
用定值效率代替非线性耦合设备的效率并不精确，于是采用分段线性化方法如式(20)
‑
(22)处理耦合设备的非线性的效率函数f(x)。
[0130][0131][0132][0133]
上式中，x为连续变量；x0为x的初始值；σ
k
为x第k次分段线性化的x值；f
l
(x)为分段后的效率方程；η
k
为f(x)第k次分段的效率值；i
k
为保证f
l
(x)和x连续的辅助二进制变量；和x
k
分别为x第k次分段的x值的上下界。
[0134]
s3.6：边缘计算单元目标函数
[0135]
ecu模型至此已建模完成，内部电网与气网构成socp问题，热网与eh构成milp问
题。
[0136]
以最小经济成本作为优化目标，则每个计算单元则目标函数如式(23)所示，其中c
g,t
为天然气的分时价格。
[0137][0138]
s4：基于consensus
‑
admm改进的嵌套式算法
[0139]
admm算法在分布式算法中表现优异，存在多种改进形式。标准admm保证收敛的多区扩展形式较为复杂，与提出ecu预期的计算形式不符；gs
‑
admm不能保证n≥3的多区扩展收敛，且其为串行计算形式。consensus
‑
admm支持多区扩展，且为并行计算，于是将其作为分布式算法的改进基础。
[0140]
consensus
‑
admm算法基于ecu之间共识信息的调节，如图6所示，ecu之间通过电热气网耦合连接，耦合信息包括电力线路的p、q、i、u，天然气管道的g、π以及热网中的h，其与虚拟节点处的共识参数存在如式(24)的等式关系，简洁起见，式中用x
αβ,t
表示相应耦合变量，z
αβ,t
为各个参数对应的共识变量。
[0141]
由式(23)可得，consensus
‑
admm的拉格朗日増广式为(25)，θ
n
为第n个ecu内电网、气网和热网与其他单元连接出线的集合；λ和ρ为耦合变量对应的拉格朗日乘子和惩罚因子。
[0142][0143][0144]
为保证模型构成的milp在计算过程中收敛，在consensus
‑
adnn算法基础之上加入嵌套子算法，并在子单元増广拉格朗日方程中加入了描述惩罚项式(26)，其描述所有ecu共同支撑热网总损耗，以约束每次的迭代方向，提高收敛速度。
[0145]
算法流程图如图7所示。
[0146][0147]
式中m表示整体热网中所有的管道数目；表示第p根管道的可利用热损耗，前述热网模型损耗线性化是改进得以实行的前提。
[0148]
引入连续变量c
b
∈[0,1]、辅助变量z
b
和步长θ处理milp问题，形成下述嵌套子算法。
[0149]
步骤1：将c
b
、z
b
相应的离散变量b、θ，令迭代次数k＝0，设定误差容忍度δ。
[0150]
步骤2：结合式(1)
‑
(15)、(17)
‑
(22)，对(27)求解得到c
b
，在求解之前式(25)中原
有的离散变量b被c
b
所替换。
[0151][0152]
步骤3如式(28)更新离散变量和辅助变量。
[0153][0154]
步骤4：将(27)得到的误差与θ比较，若偏小则跳出迭代过程，反之重复步骤2
‑
步骤4。
[0155]
嵌套子算法的加入使得解无限逼近可行域，在原问题原始和对偶误差相差较小时加入该式子算法，能大大加快收敛进程。
[0156]
该算法优化能够完全满足计算单元内部各类负荷需求，能够实现全局优化。将计算所得的数据与集中式算法比较如表1所示，总能源成本误差约为0.1％，电成本和气成本的误差也相对较小，可见该改进的分布式算法能够取得较好的全局优化结果。
[0157]
表1：算法误差比较
[0158][0159]
如图8所示，将提出的改进算法与consensus
‑
admm算法原始残差与对偶残差的收敛情况对比可得，改进后的算法在40次的时候即达到精度需求，而原算法在相同的参数下需要迭代90次，由此得出，改进后的算法收敛性能优于原算法。
[0160]
如图9所示，为基于ecu的多区域综合能源系统分区示意图，使用本实施例提供的改进算法验证了以ecu为子系统的分布式优化的合理性，证实了该算法相比于标准形式的consensus
‑
admm算法具备更好的收敛性能。ecu为consensus
‑
admm算法提供了标准的单位形式，二者特征紧密结合，实现了良好的优化效果。
[0161]
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开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和光学存储器等)上实施的计算机程序产品的形式。
[0162]
本公开是参照根据本公开实施例的方法、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。
[0163]
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。
[0164]
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。
[0165]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read
‑
only memory，rom)或随机存储记忆体(random accessmemory，ram)等。
[0166]
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。