本发明属于柔性直流电力系统领域，更具体地，涉及一种自适应广域阻尼控制器及控制方法。
背景技术：
：柔性直流输电技术(voltagesourceconverterbasedhighvoltagedirectcurrent，VSC-HVDC)具有控制灵活、无换相失败危险、无功可独立控制等优势，是新能源并网和向无源系统供电的关键技术之一。采用背靠背柔性直流输电技术(BTB-VSC-HVDC)还可以实现两个异步运行的交流电网互联，从而提高电网运行可控性，降低电网安全稳定运行风险。结合广域测量系统(wide-areameasuresystem,WAMS)技术，合理地为背靠背柔性直流电力系统设计广域阻尼控制器(wideareadampingcontroller,WADC)，可以有效抑制电力系统的低频振荡。目前，基于VSC-HVDC的常规广域阻尼控制器(conventionalwide-areadampingcontroller,C-WADC)是在某一典型的运行工况下，利用系统的线性化数学模型设计得来的，对系统变化的运行工况适应性较差，而且实际电力系统的准确数学模型很难获得。此外，广域测量信号在传输过程中必然存在通讯时滞，以往在设计WADC时没有考虑时滞影响，或认为时滞是固定的，然而系统受到不同扰动时，时滞会发生变化；时变时滞会造成WADC控制性能下降，甚至会威胁到系统的暂态稳定性。因此，有必要采用模型无关的阻尼控制器针对不同运行工况进行自适应控制，抑制系统的低频振荡，同时提供对通信时滞的自适应的补偿能力，以针对不同的通信时滞均作出相应的补偿。技术实现要素：针对现有技术的缺陷和改进需求，本发明提供了一种自适应广域阻尼控制器及控制方法，其目的在于在不同运行工况和不同通信时滞下，有效抑制系统的低频振荡，改善系统的暂态稳定性。为实现上述目的，按照本发明的第一方面，提供了一种自适应广域阻尼控制器，包括：自适应时滞补偿器、移相单元以及GrHDP单元；自适应时滞补偿器(adaptive-delaycompensator,ADC)的输入端用于接收广域测量信号自适应时滞补偿器用于对电力系统的广域测量信号进行自适应的时滞补偿，得到信号x(t)；移相单元的输入端连接至自适应时滞补偿器的输出端，移相单元用于对信号x(t)进行放大和移相处理，得到并行移相信号X(t)；GrHDP单元的输入端连接至移相单元的输出端，GrHDP单元用于根据并行移相信号X(t)得到与电力系统当前运行工况相适应的控制信号u(t)，以实现对电力系统有功功率振荡和无功功率振荡的自适应补偿，从而有效抑制电力系统的低频振荡。进一步地，自适应时滞补偿器包括n个时滞补偿子模块(sub-delaycompensator,SDC)；自适应时滞补偿器的传递函数为n个时滞补偿子模块的传递函数的加权和，并且每一个时滞补偿子模块的权值与广域测量信号的通信时滞τ相关，使得自适应时滞补偿器对不同的通信时滞均能做出相应的补偿，以有效消除通信时滞在广域测量信号中引入的滞后相位；其中，时滞补偿子模块的个数n根据系统的最大通信时滞确定，一般采用试凑法，取4～8个。进一步地，移相单元包括第一放大器、第二放大器以及移相器；第一放大器用于将信号x(t)放大k1倍得到第一路信号；第二放大器用于将信号x(t)放大k2倍得到中间信号x'(t)；移相器的输入端连接至第二放大器的输出端，移相器用于对中间信号x'(t)进行移相，得到第二路信号；并行移相信号X(t)包括第一路信号和第二路信号；更进一步地，移相器的数学表达式为其中，Tf为滤波常数，用于防止微分环节放大高频噪声从而影响控制效果，其取值范围为0.01～0.05；更进一步地，k1和k2为归一化系数，用于保证并行的第一路信号与第二路信号的幅值范围一致。进一步地，GrHDP单元基于自适应动态规划算法实现从并行移相信号X(t)到控制信号u(t)的计算；控制信号u(t)包括附加有功功率指令值ΔPref(t)和附加无功功率指令值ΔQref(t)；附加有功功率指令值ΔPref(t)用于补偿有功功率的振荡，附加无功功率指令值ΔQref(t)用于补偿无功功率的振荡。按照本发明的第二方面，提供了一种基于本发明第一方面所提供的自适应广域阻尼控制器的控制方法，包括如下步骤：(1)对广域测量信号进行自适应时滞补偿，得到信号x(t)；(2)对信号x(t)进行放大与移相，得到并行移相信号X(t)；(3)根据并行移相信号X(t)得到与电网当前运行环境相适应的控制信号u(t)，以实现对电网有功功率振荡和无功功率振荡的自适应补偿，从而有效抑制电力系统的低频振荡。进一步地，步骤(1)包括如下步骤：(11)计算广域测量信号的时滞传递函数Gd(s)；并利用二阶Pade近似变换对传递函数Gd(s)进行化简，得到传递函数GD(s)，传递函数GD(s)的计算公式如下：其中，τ为广域测量信号的通信时滞；(12)计算每一个时滞补偿子模块的传递函数及对应的权值；每一个时滞补偿子模块的传递函数计算公式如下：其中，Tc为与系统稳态特性相关的时间常数；考虑系统的稳态特性，Tc的取值范围为[0.01s,0.1s]；时滞补偿子模块的权值计算公式如下：其中，βi为第i个时滞补偿子模块的权值，Ti为第i个时滞补偿子模块的时间常数；Ti的取值介于系统最大通信时滞与最小通信时滞之间，以获得较好的时滞补偿效果；(13)根据每一个时滞补偿子模块的传递函数及对应的权值，计算自适应时滞补偿器的传递函数ADC(s)；自适应时滞补偿器的传递函数ADC(s)的计算公式如下：根据表达式可知，经过自适应时滞补偿器的补偿后，广域测量信号的相位滞后仅与固定时间常数Tc有关，而与时滞τ无关，因而对于不同的通信时滞，均可作出相应的补偿；(14)根据表达式得到广域测量信号的与通信时滞无关的滞后相位，并进行补偿；更进一步地，步骤(14)中，根据系统低频震荡的频率范围，通过超前滞后环节对该频率范围内的滞后相位进行补偿。进一步地，步骤(2)包括如下步骤：(21)将信号x(t)放大k1倍得到第一路信号；(22)将信号x(t)放大k2倍得到中间信号x'(t)；(23)对中间信号x'(t)进行移相，得到第二路信号；(24)将第一路信号与第二路信号所组成的信号向量作为并行移相信号X(t)输出；更进一步地，步骤(23)中移相的数学表达式为其中，Tf为滤波常数，用于防止微分环节放大高频噪声从而影响控制效果，其取值范围为0.01～0.05；更进一步地，k1和k2为归一化系数，用于保证并行的第一路信号与第二路信号的幅值范围一致。进一步地，步骤(3)包括如下步骤：(31)设定GrHDP神经网络的参数；(32)随机设定GrHDP神经网络的初始权值，并利用初始权值对GrHDP神经网络进行离线训练；将训练好的神经网络权值作为在线学习的初始权值；(33)将并行移相信号X(t)作为GrHDP神经网络的输入，将控制信号u(t)作为GrHDP神经网络的输出，并对GrHDP神经网络进行在线应用以获得经过优化的控制信号；其中，控制信号u(t)包括附加有功功率指令值ΔPref(t)和附加无功功率指令值ΔQref(t)，附加有功功率指令值ΔPref(t)用于补偿有功功率的振荡，附加无功功率指令值ΔQref(t)用于补偿无功功率的振荡；更进一步地，步骤(31)中设定的GrHDP神经网络的参数包括：执行网络的输入层节点数、隐含层节点数、输出层节点数、学习速率、迭代次数上限、误差容限以及权值范围；评价网络的输入层节点数、隐含层节点数、输出层节点数、学习速率、迭代次数上限、误差容限以及权值范围；目标网络的输入层节点数、隐含层节点数、输出层节点数、学习速率、迭代次数上限、误差容限以及权值范围。总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：(1)以广域测量信号作为输入，并且GrHDP单元基于自适应动态规划算法实现从并行移相信号X(t)到控制信号u(t)的计算，无需构建系统的数学模型，即可对系统当前的运行工况做出相适应的控制，因而在系统不同的运行工况与故障扰动下，均可通过广域阻尼控制有效抑制系统的低频振荡；(2)自适应时滞补偿器能有效地补偿广域测量信号的通信时滞，使得在不同的通信时滞下，自适应广域阻尼控制器均能保持良好的低频震荡抑制能力，改善系统的暂态稳定性；(3)输出的控制信号u(t)包括附加有功功率指令值ΔPref(t)和附加无功功率指令值ΔQref(t)，可以同时调节电力系统的有功控制环和无功控制环，明显提升系统受控模块的阻尼比，改善系统暂态稳定性；(4)通过移相为GrHDP神经网络提供并行的输入信号，使得通过权值的调整，执行网络能灵活地进行输入信号的相位补偿，使得自适应广域阻尼控制器能更好地抑制系统的低频振荡。附图说明图1为含渝鄂背靠背柔性直流的两端交流系统等值简化模型结构示意图；图2为本发明实施例提供的自适应广域阻尼控制器的模块框图；图3为本发明实施例提供的控制方法流程图；图4为湖北等值电网暂态特性曲线示意图，(a)为情景I下湖北等值电网暂态特性曲线示意图，(b)为情景II下湖北等值电网暂态特性曲线示意图；图5为情景II下的自适应广域阻尼控制器内部变量曲线示意图；(a)为执行网络的误差Ea变化曲线；(b)为外部强化学习函数r(t)变化曲线；(c)为内部强化学习函数S(t)变化曲线；(d)为代价函数J(t)变化曲线；(e)为执行网络输入层到隐含层的权值Wa(1)变化曲线；(f)为执行网络隐含层到输出层的权值Wa(2)变化曲线；图6为本发明实施例提供的自适应广域阻尼控制器在固定时滞下的控制性能示意图；(a)固定时滞为100ms；(b)固定时滞为150ms；图7为本发明实施例提供的自适应控制器在小范围随机时滞下的控制性能示意图；图8为本发明实施例提供的自适应时滞补偿器中时滞补偿子模块的权值变化示曲线；(a)随机时滞范围为100±20ms；(b)随机时滞范围为100±40ms；图9为本发明实施例提供的自适应广域阻尼控制器在大范围随机时滞下的控制性能示意图；图10为随机时滞变化曲线及自适应时滞补偿器中时滞补偿子模块的权值变化示意图；(a)为系统随机时滞的变化曲线；(b)为时滞补偿子模块的权值变化曲线。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。图1所示的含渝鄂背靠背柔性直流的两端交流系统中，包括4个±420kV/1250MW的换流单元，总输送功率达到5000MW；逆变侧交流系统是湖北电网等值模型，包含5台等值发电机和4个等值负荷；湖北电网与邻省河南、江西和湖南电网的省间断面潮流等效为负荷，4回至华东电网和1回至广东的三峡直流输电工程也等值为负荷；G5、G6、G7、G8和G9分别为湖北电网中的5台等值发电机，线路11～113为湖北电网中的输电线路；整流侧交流系统是西南电网(四川与重庆电网)等值模型，包含4台发电机和3个负荷；四川电网中3回至华东电网的直流工程也按照负荷等值；G1、G2、G3和G4分别为西南电网中的4台等值发电机，线路1-5为西南电网中的输电线路；实际电网的通信时滞最小值为50ms，最大值为500ms；在MATLAB/Simulink中构建如图1所示的含渝鄂背靠背柔性直流输电系统的西南电网和湖北电网等值简化系统模型，作为本发明实施例的测试系统。自适应动态规划算法能够通过与系统的实时交互学习到最优的控制策略；GrHDP神经网络基于神经网络实现了自适应动态规划算法，包括：执行网络、目标网络以及评价网络；执行网络用于根据输入信号生成输出信号；评价网络为一个函数逼近器，其输出为代价函数J(t)，代价函数J(t)用于评价当前输出信号的优劣，并指导执行网络进行权值修正，从而优化输出信号；目标网络用于自动生成内部强化信号S(t)，以替代外部强化信号r(t)，从而更好地反映输入信号与输出信号之间的映射关系，使得代价函数J(t)能够更好地评价输出信号的优劣。图2所述为本发明实施例提供的自适应广域阻尼控制器，包括：自适应时滞补偿器、移相单元和GrHDP单元；自适应时滞补偿器的输入端用于接收广域测量信号自适应时滞补偿器用于对电力系统的广域测量信号进行自适应的时滞补偿，得到信号x(t)；移相单元的输入端连接至自适应时滞补偿器的输出端，移相单元用于对信号x(t)进行放大和移相处理，得到并行移相信号X(t)；GrHDP单元的输入端连接至移相单元的输出端，GrHDP单元用于根据并行移相信号X(t)得到与电力系统当前运行工况相适应的控制信号u(t)，以实现对电力系统有功功率和无功功率的自适应补偿，从而有效抑制电力系统的低频振荡；自适应补偿器包括n个时滞补偿子模块自适应补偿器的传递函数为n个时滞补偿子模块的传递函数的加权和，并且每一个时滞补偿子模块的权值与广域测量信号的通信时滞τ相关，使得自适应时滞补偿器对不同的通信时滞均能做出相应的补偿，以有效消除通信时滞在广域测量信号中引入的滞后相位；在本实施例中，n的取值为5；移相单元包括第一放大器、第二放大器以及移相器；第一放大器用于将信号x(t)放大k1倍得到第一路信号；第二放大器用于将信号x(t)放大k2倍得到中间信号x'(t)；移相器的输入端连接至第二放大器的输出端，移相器用于对中间信号x'(t)进行移相，得到第二路信号；并行移相信号X(t)包括第一路信号和第二路信号；移相器的数学表达式为其中，Tf为滤波常数，用于防止微分环节放大高频噪声从而影响控制效果，其取值范围为0.01～0.05；k1和k2为归一化系数，用于保证并行的第一路信号与第二路信号的幅值范围一致；GrHDP单元基于自适应动态规划算法实现从并行移相信号X(t)到控制信号u(t)的计算；控制信号u(t)包括附加有功功率指令值ΔPref(t)和附加无功功率指令值ΔQref(t)；附加有功功率指令值ΔPref(t)用于补偿有功功率的振荡，附加无功功率指令值ΔQref(t)用于补偿无功功率的振荡。广域测量信号由广域测量系统(WAMS)采集，根据电力系统的控制要求，确定具体的信号组成。图3所示为基于图2所示自适应广域阻尼控制器的控制方法，包括如下步骤：(1)对广域测量信号进行自适应时滞补偿，得到信号x(t)；具体包括如下步骤：(11)计算广域控制信号的时滞传递函数Gd(s)；并利用二阶Pade近似变换对传递函数Gd(s)进行化简，得到传递函数GD(s)，传递函数GD(s)的计算公式如下：其中，τ为广域测量信号的通信时滞；(12)计算每一个时滞补偿子模块的传递函数及对应的权值；每一个时滞补偿子模块的传递函数计算公式如下：其中，Tc为与系统稳态特性相关的时间常数；考虑系统的稳态特性，Tc的取值为0.02s；时滞补偿子模块的权值计算公式如下：其中，βi为第i个时滞补偿子模块的权值，Ti为第i个时滞补偿子模块的时间常数；Ti的取值介于系统最大通信时滞与最小通信时滞之间，以获取较好的时滞补偿效果；考虑实际电网的通讯时滞最小值为50ms，最大值为500ms，设置T1＝0.1s，T2＝0.2s，T3＝0.3s，T4＝0.4s，T5＝0.5s；(13)根据每一个时滞补偿子模块的传递函数及对应的权值，计算自适应时滞补偿器的传递函数ADC(s)；自适应时滞补偿器的传递函数ADC(s)的计算公式如下：根据表达式可知，经过自适应时滞补偿器的补偿后，广域测量信号的相位滞后仅与固定时间常数Tc有关，而与时滞τ无关，因而对于不同的通信时滞，均可作出相应的补偿；(14)根据表达式得到广域测量信号的与通信时滞无关的相位滞后，并根据系统低频震荡的频率范围，通过超前滞后环节对该频率范围内的相位滞后进行补偿；(2)对信号x(t)进行放大与移相，得到并行移相信号X(t)；具体包括如下步骤：(21)将信号x(t)放大k1倍得到第一路信号；(22)将信号x(t)放大k2倍得到中间信号x'(t)；k1和k2为归一化系数，用于保证并行的第一路信号与第二路信号的幅值范围一致；(23)对中间信号x'(t)进行移相，得到第二路信号；移相的数学表达式为其中，Tf为滤波常数，用于防止微分环节放大高频噪声从而影响控制效果，其取值范围为0.01～0.05；(24)将第一路信号与第二路信号所组成的信号向量作为平行并行移相信号X(t)输出；(3)根据并行移相信号X(t)得到与电网当前运行环境相适应的控制信号u(t)，以实现对电网有功功率和无功功率的自适应补偿，从而有效抑制电力系统的低频振荡；具体包括如下步骤：(31)设定GrHDP神经网络的参数，具体设置如表1所示：表1GrHDP神经网络的参数设定执行网络评价网络目标网络输入层节点数254隐含层节点数333输出层节点数212学习速率0.020.010.01迭代次数上限505050误差容限1e-81e-81e-8权值范围±5±5±5(32)随机设定GrHDP神经网络的初始权值，并利用初始权值对GrHDP神经网络进行离线训练；将训练好的神经网络权值作为在线学习的初始权值；(33)将并行移相信号X(t)作为GrHDP神经网络的输入，将控制信号u(t)作为GrHDP神经网络的输出，并对GrHDP神经网络进行在线应用以获得经过优化的控制信号；其中，控制信号u(t)包括附加有功功率指令值ΔPref(t)和附加无功功率指令值ΔQref(t)，附加有功功率指令值ΔPref(t)用于补偿有功功率的振荡，附加无功功率指令值ΔQref(t)用于补偿无功功率的振荡。设置第一算例，用于验证自适应广域阻尼控制器对系统工况的适应性；设置第二算例，用于验证自适应时滞补偿器对系统信号通信时滞的补偿效果。在第一算例中，通过调整湖北等值电网中发电机出力与有功负荷，得到偏离设计WADC的典型运行工况的变化工况；在变化工况下，对未投入WADC时的湖北等值电网进行线性化模态分析可知，模态1的阻尼比为-1.88％，呈现负阻尼状态；为了验证A-WADC对系统工况的适应性，分别设置两组情景：情景I：在典型运行工况下，1秒时，湖北等值电网中，双回输电线路19-111中一回线路靠近母线18处发生永久三相短路故障，1.1秒切除故障线路；情景II：在变化运行工况下，1秒时，湖北等值电网中，输电线路17-18靠近母线18处发生瞬时三相短路故障，1.1秒切除故障线路，1.8秒时重合闸成功。分别对比投入不同阻尼控制器时，系统故障后的暂态响应特性，图4所示为两种情景下，发电机G5与G9的相对功角变化曲线；图5所示为情景II下，A-WADC的内部变量曲线，包含执行网络误差Ea、外部强化学习函数r(t)、内部强化学习函数S(t)、代价函数J(t)和执行网络输入层到隐含层的权值Wa(1)以及执行网络隐含层到输出层的权值Wa(2)。如图4所示，在情景I的典型工况下，投入常规广域阻尼控制器(conventionalwide-areadampingcontrol,C-WADC)和经过训练后的自适应广域阻尼控制器(adaptivewide-areadampingcontroller,A-WADC)时，系统的低频振荡均能很快地被平息下来，两者的控制性能基本相同。在情景II变化运行工况下，未投入任何阻尼控制器时，系统呈现增幅振荡特性。当投入C-WADC或A-WADC时，系统的振荡能有效地被平息下来，且A-WADC的控制效果明显优于C-WADC。原因是，基于典型运行工况设计的C-WADC的控制参数，无法随着系统运行工况改变而发生变化，当系统偏离典型运行工况时，C-WADC的控制性能会下降；A-WADC通过神经网络的权值在线更新，能够适应系统变化的运行工况，从而保持较好的振荡抑制效果。当系统受到扰动，运行状态发生改变后，A-WADC的输入信号产生如图4所示的低频振荡；此时，如图5所示，外部强化学习函数r(t)、内部强化学习函数S(t)和代价函数J(t)也相应地出现波动，使得执行网络的误差Ea超过误差容限值，执行网络开始修正权值Wa(1)和权值Wa(2)；在此过程中，A-WADC的输出控制信号得到优化，在4秒左右，执行网络的权值修正基本完成，A-WADC再次适应新的系统运行状态，同时，系统的低频振荡也基本得以平息。仿真结果验证了A-WADC能通过神经网络权值更新实现在线自学习，进而适应系统运行工况的变化，并能在不同工况与不同故障下，保持较好的系统低频振荡抑制能力。在第二算例中，为了验证ADC模块对系统通讯时滞的补偿效果验证，分别设置以下三组情景：情景III：固定时滞分别设置系统的通信时滞为100ms和150ms。系统的运行工况与故障设置同情景II的设置，对比投入不同阻尼控制器时，系统故障后，在不同固定通信时滞下的暂态响应特性。图6所示为不同固定时滞水平下的发电机G5与G9的相对功角曲线。如图6(a)所示，当时滞为100ms时，含ADC的A-WADC相比于不含ADC的A-WADC，能更迅速地抑制系统的低频振荡，而投入C-WADC时，系统的低频振荡衰减很慢；如图6(b)所示，当时滞为150ms时，投入含ADC的A-WADC时，依然能快速地平息系统的低频振荡，而投入不含ADC的A-WADC和C-WADC时，系统分别出现增幅振荡和等幅振荡，说明此时的通信时滞严重影响了A-WADC的权值修正过程和C-WADC的控制效果。由此可以看出，随着通讯时滞增大，不具备时滞补偿能力的阻尼控制器抑制系统低频振荡的效果会变差；当通信时滞增大到一定程度时，甚至会恶化系统的暂态稳定性；同时，图6所示的仿真结果也表明，自适应时滞补偿器能很好地补偿不同的固定通讯时滞，使得含ADC的A-WADC保持较好的抑制系统低频振荡的能力，改善系统的暂态稳定性。情景IV：小范围随机通信时滞分别设置系统的通信时滞随机范围为100±0ms(固定时滞)、100±20ms、100±40ms和100±60ms；系统的运行工况与故障设置同情景II中的设置，此时背靠背柔直系统投入含ADC的A-WADC，当系统受扰动后，对比系统在不同随机通讯时滞下的暂态响应特性；图7所示为不同随机通信时滞水平下，发电机G5与G9的相对功角曲线；图8所示为不同随机通信时滞水平下，ADC中时滞补偿子模块权值变化曲线。如图7所示，不同随机范围下，固定通信时滞下的控制效果优于含有随机通信时滞的控制效果，且随着通信时滞随机范围增大，控制器的效果呈现递减的趋势；此外，在不同的随机通信时滞范围下，含ADC的A-WADC均能很快地抑制系统地低频振荡，说明ADC具有较好的补偿小范围随机时滞的能力。如图8(a)所示，权值β1在1附近波动，其他SDC的权值在0附近波动，且波动幅值呈现β2>β3>β4>β5的规律；随着时滞的随机范围增大，5个权值的波动幅度也在增加；ADC正是通过SDC的权值不断调整实现对随机时滞的补偿。情景V：大范围随机通信时滞设置系统的通讯时滞随机范围为50～500ms，系统的运行工况与故障设置同情景II的设置，对比投入不同阻尼控制器时，系统故障后的暂态响应特性；图9所示为在不同阻尼控制器的控制下的发电机G5与G9的相对功角曲线；图10所示为随机通信时滞与ADC中时滞补偿子模块的权值变化曲线。如图9所示，在大范围随机时滞影响下，投入C-WADC与不含ADC的A-WADC，系统均出现增幅振荡，对比无WADC时的系统暂态特性，说明此时这两种控制器无法改善系统的暂态特性；而含ADC的A-WADC仍能很快地抑制系统的低频振荡，说明ADC具有较好的补偿大范围随机时滞的能力。图10(a)所示为随机通信时滞的变化曲线；图10(b)所示为对应的ADC中时滞补偿子模块的权值变化曲线；如图10所示，当随机时滞在大范围波动时，ADC依然能通过在线地调整各SDC的权值，较好地补偿该广域控制信号的时滞，维持A-WADC的控制性能。本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3