加热器水位运行优化的方法及相关设备与流程

1.本技术实施例涉及火力发电技术领域，尤其涉及加热器水位运行优化的方法及相关设备。


背景技术：

2.高、低压加热器是火力发电热力系统的重要设备，相关技术人员也针对高、低压加热器水位的运行优化做过深入研究，随着国家双碳目标的推进，火力发电企业面临日益严峻的节能减排形势，而高、低压加热器水位的设定对整个热力系统循环效率也构成不同影响，优化的准确性需求也日益提高。
3.对于高、低压加热器运行水位的最优化一般是基于热力系统传统理论出发，通过耗差理论计算、结合不同工况的试验结果，计算得到不同工况下的不同高、低压加热器最优运行水位，作为日常运行的依据。
4.以往的高、低压加热器运行优化是基于当前和过去一段时间的累计，而对于此种累计方式应该看到，加热器水位其实是处于一定的来回波动过程的，水位的波动范围一般与热力系统所处的状态有关，而以往的热力系统并不考虑热力系统所处的状态，同时对机组快速变负荷条件下的优化准确性偏弱。


技术实现要素：

5.本技术实施例提供了一种加热器水位运行优化的方法及相关设备。
6.本技术实施例第一方面提供一种加热器水位运行优化的方法，包括：
7.获取加热器的水位波动概率分布，所述水位波动概率分布用于表示所述加热器在历史不同时间点的水位波动概率；
8.获取机组在当前时间点的实时运行数据和所述机组的负荷变化预测曲线；
9.将所述水位波动概率分布、所述实时运行数据及所述负荷变化预测曲线输入预先训练完成的热力系统目标仿真模型，由所述热力系统目标仿真模型对所述加热器在未来多个不同时间点的水位进行寻优；
10.确定满足预设寻优收敛条件时的目标水位，所述目标水位为所述加热器在所述未来多个不同时间点的水位；
11.根据所述目标水位，调控所述加热器的水位。
12.可选地，将所述水位波动概率分布、所述实时运行数据及所述负荷变化预测曲线输入预先训练完成的热力系统目标仿真模型之前，所述方法还包括：
13.构建热力系统初始仿真模型，所述热力系统初始仿真模型包含所述加热器的初始仿真模型；
14.根据所述机组在不同工况下的历史数据，计算所述机组在不同工况下的特性数据；
15.根据所述特性数据及系数修正前置映射对所述热力系统初始仿真模型进行修正，
以得到所述热力系统目标仿真模型。
16.可选地，将所述水位波动概率分布、所述实时运行数据及所述负荷变化预测曲线输入预先训练完成的热力系统目标仿真模型，由所述热力系统目标仿真模型对所述加热器在未来多个不同时间点的水位进行寻优，包括：
17.根据所述负荷变化预测曲线获取负荷预测值及负荷变化率；
18.将所述水位波动概率分布、所述实时运行数据、所述负荷预测值及负荷变化率输入预先训练完成的所述热力系统目标仿真模型，以使所述热力系统目标仿真模型将所述负荷预测值及负荷变化率作为寻优条件对所述水位波动概率分布及所述实时运行数据进行仿真，得到所述机组在不同水位下的能耗数据；
19.根据所述能耗数据，通过寻优方法计算所述机组在未来多个不同时间点的水位。
20.可选地，所述寻优方法包括：蒙特卡洛模拟与粒子群算法相结合的方法或蒙特卡洛树寻优搜索方法。
21.可选地，根据所述目标水位，调控所述加热器的水位包括：
22.输出所述目标水位，以使得操作人员根据所述目标水位调控所述加热器的水位，所述目标水位包括当前时间点的水位及未来的水位。
23.本技术实施例第二方面提供了一种加热器水位运行优化的装置，所述装置包括：
24.第一获取单元，用于获取加热器的水位波动概率分布，所述水位波动概率分布用于表示所述加热器在历史不同时间点的水位波动概率；
25.第二获取单元，用于获取机组在当前时间点的实时运行数据和所述机组的负荷变化预测曲线；
26.输入单元，用于将所述水位波动概率分布、所述实时运行数据及所述负荷变化预测曲线输入预先训练完成的热力系统目标仿真模型，由所述热力系统目标仿真模型对所述加热器在未来多个不同时间点的水位进行寻优；
27.确定单元，用于确定满足预设寻优收敛条件时的目标水位，所述目标水位为所述加热器在所述未来多个不同时间点的水位；
28.调控单元，用于根据所述目标寻优结果，调控所述加热器的水位。
29.可选地，所述装置还包括：
30.构建单元，用于构建热力系统初始仿真模型，所述热力系统初始仿真模型包含所述加热器的初始仿真模型；
31.计算单元，用于根据所述机组在不同工况下的历史数据，计算所述机组在不同工况下的特性数据；
32.修正单元，用于根据所述特性数据及系数修正前置映射对所述热力系统初始仿真模型进行修正，以得到所述热力系统目标仿真模型。
33.可选地，所述输入单元包括：
34.获取子单元，用于根据所述负荷变化预测曲线获取负荷预测值及负荷变化率；
35.输入子单元，用于将所述水位波动概率分布、所述实时运行数据、所述负荷预测值及负荷变化率输入预先训练完成的所述热力系统目标仿真模型，以使所述热力系统目标仿真模型将所述负荷预测值及负荷变化率作为寻优条件对所述水位波动概率分布及所述实时运行数据进行仿真，得到所述机组在不同水位下的能耗数据；
36.计算子单元，用于根据所述能耗数据，通过寻优方法计算所述机组在未来多个不同时间点的水位。
37.可选地，所述调控单元包括：
38.输出子单元，用于输出所述目标水位，以使得操作人员根据所述目标水位调控所述加热器的水位，所述目标水位包括当前时间点的水位及未来的水位。
39.本技术实施例第三方面提供了一种加热器水位运行优化的装置，包括：
40.中央处理器，存储器，输入输出接口，有线或无线网络接口以及电源；
41.所述存储器为短暂存储存储器或持久存储存储器；
42.所述中央处理器配置为与所述存储器通信，并执行所述存储器中的指令操作以执行前述第一方面加热器水位运行优化的方法。
43.本技术实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括指令，当所述指令在计算机上运行时，使得计算机执行前述第一方面加热器水位运行优化的方法。
44.从以上技术方案可以看出，本技术实施例具有以下优点：在进行寻优时，考虑了机组的负荷预测曲线以及实时运行数据，在确定加热器的水位波动范围边界及数据概率密度的基础上进行寻优，提升了系统快速变负荷条件下的寻优准确性。
附图说明
45.图1为本技术实施例加热器水位运行优化方法一个流程示意图；
46.图2为本技术实施例加热器水位运行优化方法另一流程示意图；
47.图3为本技术实施例循环水系统运行优化装置一个结构示意图；
48.图4为本技术实施例循环水系统运行优化装置另一结构示意图；
49.图5为本技术实施例循环水系统运行优化装置另一结构示意图。
具体实施方式
50.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
51.本技术实施例提供了加热器水位运行优化的方法及相关设备，用于提升机组快速变负荷条件下的寻优准确性。
52.在整个热力系统中，机组属于热力系统的组成部分，而加热器则是机组的重要设备。在本技术实施例中，可以理解的是，后续所描述的热力系统包括了机组以及加热器，具体后续描述不再赘述。
53.请参阅图1，本技术实施例加热器水位运行优化方法的一个流程包括步骤101-105。
54.101、获取加热器的水位波动概率分布。
55.在对热力系统中的加热器水位进行寻优之前，需要操作人员或者是热力系统根据加热器历史运行数据获得加热器的水位波动概率分布。不难理解的是，加热器在历史的运
行过程中，所产生的数据会被系统保存，当系统需要调用该运行数据时，系统可以从加热器内存的存储空间调用该历史运行数据。
56.具体的，水位波动概率分布一般是在不同负荷及负荷指令状态下进行边界范围及数据概率密度的表达，该表达一般按照数天至数月定期更新，具体此处不做限定。
57.具体的，多个不同时间点的水位波动概率分布可以理解为一种横坐标为时间轴，纵坐标为水位波动概率的函数，可以理解的是，为方便理解，对于水位波动概率分布是以函数的形式描述。不难理解的是，该水位波动概率也可以理解为在一个水位控制目标下，实际的水位波动会分布在一个范围之内，由此可知，在不同的水位控制目标下，概率分布也会有一些相对应的不同。在本实施例中，还可以理解为其他形式，具体此处不做限定。
58.102、获取机组在当前时间点的实时运行数据和负荷变化预测曲线。
59.在对热力系统中的加热器水位进行寻优之前，还需要获取机组的实时运行数据以及负荷变化预测曲线。当机组在处于运行状态时，系统可以获取机组处于运行状态时的各项参数，包括但不限于机组的运行功率，负荷等。
60.其中，该实时运行数据还包括了各加热器的相关数据，具体的，加热器的相关数据一般包括了包括加热器的水位，流量等，可以理解的是，加热器的相关数据还包含了其他加热器的有关参数，具体此处不做限定。
61.具体的，通过负荷预测的相关系统能获取到未来一段时间内的负荷变化预测曲线。
62.本实施例中，不对步骤101和步骤102做限定，可以先执行步骤101再执行步骤102，也可以先执行步骤102再执行步骤101，具体此处不做限定。
63.103、将水位波动概率分布、实时运行数据及负荷变化预测曲线输入预先训练完成的热力系统目标仿真模型。
64.将水位波动概率分布、实时运行数据以及负荷变化预测曲线输入预先训练完成的不同工况下的热力系统目标仿真模型后，热力系统目标仿真模型便可以在前述步骤101获取的不同系统状态下的加热器水位波动分布概率进行对各时间点的加热器水位进行寻优。
65.可以理解的是，预先训练完成的热力系统目标仿真模型表示的是增加一个系数修正前置映射的热力系统仿真模型，为方便理解，后续以热力系统实际仿真模型进行描述，后续不再对此进行赘述。
66.104、确定满足预设寻优收敛条件时的目标水位。
67.在满足预设的寻优收敛条件时，结束寻优，确定结束寻优时的水位，并确定该水位为目标水位。在实际应用中，寻优收敛条件由操作人员根据经验确定，可以是在一定的寻优次数内寻优结果的改善幅度小于设定或是预设好指定的寻优次数，具体此处不做限定。
68.可以理解的是，该寻优结果在本实施例中指代的就是寻优结果，后续不再对此进行描述。
69.105、根据目标水位，调控加热器的水位。
70.根据步骤104确定的目标水位，控制加热器的运行，以达到控制加热器的水位。在实际应用中，调控加热器的水位的内容包含：当前时刻对于加热器水位的优化方案和后续不同时刻对于加热器水位的运行优化策略。
71.本实施例中，在对加热器水位进行寻优时，引入了机组当前状态的测量数据以及
未来的负荷预测曲线，在加热器的水位波动概率分布的约束条件下，从真正意义上实现了，加热器水位控制不仅基于当前时间点的数据和历史数据，还基于未来负荷预测的预期结果和负荷变化状态，使得整个操作具有逻辑性，使得寻优结果最大程度的考虑了实际动态热力系统处于调节波动的最优化需求。
72.下面对本技术实施例中的加热器水位运行优化方法进行具体描述，请参阅图2，本技术实施例的另一流程包括步骤201至步骤207。
73.201、构建加热器在内的热力系统理想仿真模型。
74.构建热力系统理想仿真模型，该热力系统理想仿真模型包含加热器的理想仿真模型，该模型可以在原始设计状态下，进行准确的任意变工况仿真。
75.可以理解的是，一般热力系统仿真模型所包含的简单加热器模型，不足以支撑本模型需求，因此本实施例所指出的加热器的理想仿真模型是一种足以支撑本模型需求的模型。还可以理解的是，该热力系统理想仿真模型还可以包含其他系统部件的理想仿真模型，具体此处不做限定。
76.需要说明的是，本技术实施例中所描述的热力系统理想仿真模型即为前述部分所描述的热力系统初始仿真模型，后续不再对此进行解释说明。
77.202、根据机组历史数据计算仿真模型中不同工况下的各项特性数据。
78.获取机组历史数据后，计算仿真模型中不同工况下的各项特性数据，本步骤是根据机组实际的传感器数据定期滚动计算不同时间、不同工况下不同设备、不同系统的特性数据，其中特性数据一般包括换热器的实际导热系数、汽轮机级组的实际流量特性系数、各水泵的转速流量扬程特性、不同设备的能耗、不同阀门开度下的阻力系数等，具体的，该特性数据还可以包括其他数据，具体此处不做限定。根据该特性数据以便将热力系统理想仿真模型修正到符合实际特性的热力系统实际仿真模型。
79.可以理解的是，计算的精细度可以是分钟级、天级或周级，在实际应用中，会按照天级至周级更新各项特性数据，已得到多个分钟级累积而成的整体特性数据。
80.还可以理解的是，本技术实施例中所描述的热力系统实际仿真模型即为前述部分所描述的热力系统目标仿真模型，后续不再对此进行解释说明。
81.203、定期滚动更新不同工况下的实际热力系统仿真模型。
82.除了根据不同工况下的各项特性数据对热力系统仿真模型进行修正之外，随着热力系统的运行，系统的实际特性也会不断发生变化，因此系统需要定期滚动更新不同工况下的热力系统仿真模型，以得到最接近真实热力系统的热力系统实际仿真模型。可以理解的是，为了减少系统反复对热力系统实际仿真模型进行修正，该滚动更新的周期一般选择数天至数月的范围，还可以理解的是，滚动更新的周期只是其中的一种选择，还可以是其他周期，具体此处不做限定。
83.具体的操作步骤，是在原有热力系统仿真模型计算方法的基础上，增加一个系数修正前置映射为其中，系数修正前置映射是一个系列的映射方法包，有数种通用的方法包可供选择，根据具体适用的情况选择其中之一。修正系数是由一个映射产生，不是固定值。y相关，即能耗输出，x相关即运行的主要条件，比如环境温度、负荷，供热量等一组向量，g相关就是修正的映射。具体的，系数修正前置映射根据
对象的复杂程度既可以选择多元线性、拟合等简单方式，也可以选择神经元网络或者更复杂的机器学习方法实现，具体此处不做限定。
84.204、根据加热器历史数据获得加热器的水位波动范围边界及数据密度概率分布情况。
85.在对加热器的水位进行寻优之前，还需要根据加热器的历史运行数据获得加热器的水位波动范围边界及数据密度的概率分布情况。具体为在不同负荷及负荷指令状态下进行边界范围及数据概率密度的表达，该表达一般按照数天至数月定期更新；
86.205、获取机组实时运行数据并输入预测环境及负荷曲线。
87.在进行寻优之前，还需要获取机组实时运行数据，并输入预测负荷曲线，可以理解的是，历史数据可以理解为特性，大量的特性点形成了稳定可靠的特性，未来数据是用来预测，也就是如果没有运行状态也就没有能耗。
88.本步骤具体实施方式包括：一方面，通过采集机组实时运行的热力系统以获取机组实时运行数据，其中，该实时运行数据还包括了各加热器的相关数据，具体的，加热器的相关数据一般包括了包括加热器的水位，流量等，可以理解的是，加热器的相关数据还包含了其他加热器的有关参数，具体此处不做限定。
89.另一方面，通过负荷预测的相关系统获取未来一段时间内的负荷变化预测曲线，负荷预测曲线的刷新速度一般在5至15分钟进行选择或者是更低的刷新率，具体此处不做限定。
90.还可以理解的是，本实施例并不对获取负荷变化预测曲线的相关系统做限定，负荷变化预测曲线可以直接跨过网闸读取分布式计算机系统(dcs，distributed computer system)等系统发送的数据，也可以读取监控信息系统(sis，supervisory information system)的系统数据，不难理解的是，可以有专门系统对负荷进行预测，具体此处不做限定。
91.本实施例中，不对步骤204和步骤205做限定，可以先执行步骤204再执行步骤205，也可以先执行步骤205再执行步骤204，具体此处不做限定。
92.206、寻优模块寻优。
93.在获得最接近真实热力系统的热力系统实际仿真模型之后，便可以通过寻优模块寻优。
94.具体的，在将前述系数修正前置映射、机组的实时运行数据和负荷预测变化曲线输入到寻优模块后，由寻优模块调用前述的热力系统实际仿真模型，该热力系统实际仿真模型是已增加一个系数修正前置映射的仿真模型，并在前述所获取的不同系统状态下的加热器水位波动分布概率进行对未来多个不同时间点的加热器水位进行寻优。
95.具体的，寻优方式是以未来负荷预测值及变化率作为条件，对未来采用蒙特卡洛模拟与粒子群等寻优算法相结合的寻优方法或者蒙特卡洛树寻优搜索方法，具体此处不做限定，先通过前述得到的多个历史上不同时间点的水位波动概率分布，再通过前述最接近真实热力系统的热力系统实际仿真模型进行仿真得出不同水位目标下的能耗数据，并通过粒子群等寻优算法对未来多个不同时间点的最优水位目标进行逐一寻优。
96.可以理解的是，未来负荷预测值及变化率是通过对前述负荷变化预测曲线进行计算分析得到的。
97.具体的，多个不同时间点的水位波动概率分布可以理解为一种横坐标为时间轴，
纵坐标为水位波动概率的函数，可以理解的是，为方便理解，对于水位波动概率分布是以函数的形式描述，在本实施例中，还可以理解为其他形式，具体此处不做限定。
98.还可以理解的是，寻优模块还可以通过其他寻优算法对加热器的水位进行寻优。不难理解的，比较常见的是粒子群算法，其类似的寻优算法也能实现，比如：蚁群算法、狼群算法、鸟群算法、鲸群算法等诸如此类的matlab算法，具体此处不做限定。
99.207、输出当前优化结果和后续优化策略。
100.当寻优模块的寻优结果满足所设定的寻优收敛条件时，则输出当前优化结果和后续优化策略。可以理解的是，该寻优收敛条件一般是，满足在一定的寻优次数内，寻优结果改善提高的幅度小于预先设定的条件即改善增加量小于设定的误差范围。
101.具体的输出形式可以是根据系统所处的位置。例如，当操作人员对系统进行操作时，输出方式可以是在操作显示屏上凸显出需要操作人员操作的节点标识或说明。当是系统对自身进行调控时，输出方式可以是对于系统的控制指令，也可以是后续的优化曲线，系统可以根据该优化曲线调控加热器的水位，具体此处不对输出形式作限定。
102.可以理解的是，当前优化结果就是现在的优化方案，后续优化策略就是未来不同时刻的运行优化方案。
103.还可以理解的是，调控加热器的水位的具体运行方式可以是控制水泵的启停或者是控制变频泵的运行频率，也可以通过调控机组的能耗，不难理解的是，系统可以通过多种方式调控加热器的水位，具体此处不做限定。
104.本实施例中，通过采用一套机制产生符合实际热力系统能耗特性的仿真模型，并利用该模型为核心，以系统当前状态为对未来寻优的出发点，采用不同负荷位置和变化速率对应的加热器水位波动分布概率通过符合实际的仿真模型不同水位的能耗水平进行计算，再通过水位波动的概率分布得到能耗分布的希望预期，最后通过粒子群等算法实现全局行寻优，以保证整个寻优方案既能够适应系统特性变化、符合系统当前状态，又对未来负荷进行关联性的评估决策，使得系统的运行方式包括了实际加热器水位受控制系统状态影响等要素，系统寻优的结果最大程度满足真正意义上的可运行实现的经济成本最优。
105.上面对本技术实施例中的加热器水位运行优化方法进行了描述，下面对本技术实施例中的加热器水位运行优化装置进行描述，请参阅图3，本技术实施例中的加热器水位运行优化装置一个结构包括：
106.第一获取单元301，用于获取加热器的水位波动概率分布，水位波动概率分布用于表示加热器在历史不同时间点的水位波动概率；
107.第二获取单元302，用于获取机组在当前时间点的实时运行数据和机组的负荷变化预测曲线；
108.输入单元303，用于将水位波动概率分布、实时运行数据及负荷变化预测曲线输入预先训练完成的热力系统目标仿真模型，由热力系统目标仿真模型对加热器在未来多个不同时间点的水位进行寻优；
109.确定单元304，用于确定满足预设寻优收敛条件时的目标水位，目标水位为加热器在未来多个不同时间点的水位；
110.调控单元305，用于根据目标寻优结果，调控加热器的水位。
111.本技术实施例中，输入单元303在进行寻优时，考虑了第一单元301获取的加热器
的水位波动概率分布以及第二单元302获取的的机组在当前时间点的实时运行数据和负荷变化预测曲线，在确定机组未来一段时间可能发生的变化的基础上进行寻优，提升了机组快速变负荷条件下的寻优准确性性。
112.下面对本技术实施例中的加热器水位运行优化装置进行详细描述，请参阅图4，本技术实施例中的加热器水位运行优化装置另一结构包括：
113.第一获取单元401，用于获取加热器的水位波动概率分布，水位波动概率分布用于表示加热器在历史不同时间点的水位波动概率；
114.第二获取单元402，用于获取机组在当前时间点的实时运行数据和机组的负荷变化预测曲线；
115.输入单元403，用于将水位波动概率分布、实时运行数据及负荷变化预测曲线输入预先训练完成的热力系统目标仿真模型，由热力系统目标仿真模型对加热器在未来多个不同时间点的水位进行寻优；
116.确定单元404，用于确定满足预设寻优收敛条件时的目标水位，目标水位为加热器在未来多个不同时间点的水位；
117.调控单元405，用于根据目标寻优结果，调控加热器的水位。
118.装置还包括：构建单元406，计算单元407和修正单元408。
119.构建单元406，用于构建热力系统初始仿真模型，热力系统初始仿真模型包含加热器的初始仿真模型；
120.计算单元407，用于根据机组在不同工况下的历史数据，计算机组在不同工况下的特性数据；
121.修正单元408，用于根据特性数据及系数修正前置映射对热力系统初始仿真模型进行修正，以得到热力系统目标仿真模型。
122.输入单元403包括：获取子单元4031、输入子单元4032和计算子单元4033。
123.获取子单元4031，用于根据负荷变化预测曲线获取负荷预测值及负荷变化率；
124.输入子单元4032，用于将水位波动概率分布、实时运行数据、负荷预测值及负荷变化率输入预先训练完成的热力系统目标仿真模型，以使热力系统目标仿真模型将负荷预测值及负荷变化率作为寻优条件对水位波动概率分布及实时运行数据进行仿真，得到机组在不同水位下的能耗数据；
125.计算子单元4033，用于根据能耗数据，通过寻优方法计算机组在未来多个不同时间点的水位。
126.调控单元405包括：输出子单元4051。
127.输出子单元4051，用于输出目标水位，以使得操作人员根据目标水位调控加热器的水位，目标水位包括当前时间点的水位及未来的水位。.
128.寻优方法为蒙特卡洛模拟与粒子群算法相结合的方法或蒙特卡洛树寻优搜索方法。
129.本实施例中，加热器水位运行优化装置中的各单元执行如前述图1至图2所示实施例中加热器水位运行优化方法的操作，具体此处不再赘述。
130.下面请参阅图5，本技术实施例中加热器水位运行优化装置另一实施例包括：
131.中央处理器501，存储器505，输入输出接口504，有线或无线网络接口503以及电源
902；
132.存储器505为短暂存储存储器或持久存储存储器；
133.中央处理器501配置为与存储器505通信，并执行存储器505中的指令操作以执行前述图1至图2所示实施例中的方法。
134.本技术实施例还提供一种芯片系统，其特征在于，芯片系统包括至少一个处理器和通信接口，通信接口和至少一个处理器通过线路互联，至少一个处理器用于运行计算机程序或指令，以执行前述图1至图2所示实施例中的方法。
135.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，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
136.在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
137.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
138.另外，在本技术各个实施例中的各功能单元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。上述集成的单元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。
139.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。