一种提高配电网韧性的方法、系统及终端设备与流程

本发明属于电网系统分析技术领域，尤其涉及一种提高配电网韧性的方法、系统及终端设备。

背景技术：

配电网的损坏大多来自于极端天气灾害，配电网的损坏会造成大范围停电，给经济带来较大损失。为了评估配电网应对极端自然灾害的能力，配电网引入了韧性的概念，提高配电网的韧性，能有效降低极端天气灾害下配电网的损坏程度。

多能源系统是指冷、热、电、气、水等多种能源系统在能源生产、传输、消耗等环节耦合而形成的一种新的能源系统观。在由极端天气引起的故障状态下，多能源系统通过合理的调度不但能够维持系统内部关键负荷的供电需求，甚至还能为临近的配电网的电力负荷进行供电。

现有的对配电网韧性的研究不够全面，仅考虑了电力网络本身对于灾害的抵御、恢复能力，没有综合考虑多能源系统对配电网的支撑作用，不能有效提高配电网韧性。

技术实现要素：

有鉴于此，本发明实施例提供了一种提高配电网韧性的方法、系统及终端设备，以解决现有技术中不能有效提高配电网韧性的问题。

本发明实施例的第一方面提供了一种提高配电网韧性的方法，包括：

获取多能源系统模型和配电网模型；

通过配电网故障概率函数，确定所述配电网模型中满足预设条件的配电网故障场景；

根据所述配电网模型和所述多能源系统模型，建立以配电网负荷削减比例、多能源系统负荷削减比例为优化变量的失负荷费用函数；

根据所述配电网模型和所述失负荷费用函数，建立以储能元件的配置容量为优化变量的配电网储能配置函数；

根据所述配电网故障场景、所述多能源系统模型和所述配电网模型，优化所述失负荷费用函数和所述配电网储能配置函数，得到优化后的储能元件的配置容量和优化后的每个故障场景对应的配电网负荷削减比例、多能源系统负荷削减比例。

本发明实施例的第二方面提供了一种提高配电网韧性的系统，包括：

数据获取模块，用于获取多能源系统模型和配电网模型；

筛选模块，用于通过配电网故障概率函数，确定所述配电网模型中满足预设条件的配电网故障场景；

第一运算模块，用于根据所述配电网模型和所述多能源系统模型，建立以配电网负荷削减比例、多能源系统负荷削减比例为优化变量的失负荷费用函数；

第二运算模块，用于根据所述配电网模型和所述失负荷费用函数，建立以储能元件的配置容量为优化变量的配电网储能配置函数；

数据优化模块，用于根据所述配电网故障场景、所述多能源系统模型和所述配电网模型，优化所述失负荷费用函数和所述配电网储能配置函数，得到优化后的储能元件的配置容量和优化后的每个故障场景对应的配电网负荷削减比例、多能源系统负荷削减比例。

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提高配电网韧性的方法的步骤。

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方法的步骤。

本发明通过建立与配电网模型和多能源系统模型相匹配的失负荷费用函数和配电网储能配置函数，并筛选出满足预设条件的配电网故障场景，通过优化失负荷费用函数和配电网储能配置函数，得到优化后的不同配电网故障场景下的配电网负荷削减比例、多能源系统负荷削减比例和优化后的储能元件的配置容量，有效提高配电网韧性。

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提高配电网韧性的方法的流程示意图；

图2是本发明的一个实施例提供的配电网故障运行状态图；

图3是本发明的一个实施例提供的多能源系统接入下配电网的韧性指标的优化数据框图；

图4是本发明的一个实施例提供的多能源系统内的能量流动图；

图5是本发明的一个实施例提供的提高配电网韧性的系统的结构示意图；

图6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。

现有的配电网韧性评估，通常是以极端天气下配电网在故障场景中的电力负荷的失负荷面积或失负荷损失进行衡量的。随着多能源系统的接入，电、热、冷等多种能源网络通过能量转换装置相连，打破了各供能系统独立运行的固有模式，在配电网的故障过程中，多能源系统通过灵活调度还能为配电网提供一定的负荷支撑。在此场景下，仅从电负荷的角度评估配电网的韧性显然是不够准确的。为此，本发明提出了考虑多能源系统接入下的配电网韧性评估指标。与传统单一电力系统相比，多能源系统接入下的配电网韧性评估中需要考虑各种能源类型的失负荷量，并对各类型负荷的失负荷损失进行统一转化。首先，根据负荷的重要程度将配电网中的负荷进行分类，不同重要程度的负荷单位失负荷成本不同。同样的，对于多能源系统内部，也根据不同重要程度、不同能源类型对负荷进行分类，并确定不同类型负荷的单位失负荷成本。为此，可得到多能源系统接入下配电网的韧性评估指标如下：

其中，表示配电网中节点i的单位失负荷费用，和表示多能源系统中节点j的单位失负荷费用。各节点的单位失负荷费用由该节点所带负荷的重要程度所决定。δpi^l表示配电网中节点失负荷总量，δle，δlh和δlc分别表示多能源系统的内部电、热、冷负荷的失负荷总量。

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提高配电网韧性的方法的实现流程图，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提高配电网韧性的方法，包括：

s101，获取多能源系统模型和配电网模型。

s102，通过配电网故障概率函数，确定所述配电网模型中满足预设条件的配电网故障场景。

s103，根据所述配电网模型和所述多能源系统模型，建立以配电网负荷削减比例、多能源系统负荷削减比例为优化变量的失负荷费用函数。

s104，根据所述配电网模型和所述失负荷费用函数，建立以储能元件的配置容量为优化变量的配电网储能配置函数。

s105，根据所述配电网故障场景、所述多能源系统模型和所述配电网模型，优化所述失负荷费用函数和所述配电网储能配置函数，得到优化后的储能元件的配置容量和优化后的每个故障场景对应的配电网负荷削减比例、多能源系统负荷削减比例。

如图2-3所示，在本实施例中，多能源系统接入下配电网的韧性指标的优化数据框图和配电网故障运行状态图可知，从储能元件容量配置和多能源系统的运行调度层面提出了一个双层优化模型，储能元件配置优化层和多能源系统调度优化层。其中，模型第一层对电、热、冷等能源类型的储能元件配置容量进行优化，优化的目标是为了使配电网储能元件的投资费用以及配电网与多能源系统在灾害中受到的损失达到最小，并将储能元件容量的配置方案传给下层。模型第二层是基于上层的储能元件配置容量方案下，面对配电网的故障场景，优化多能源系统的运行方式，其优化目标是配电网及多能源系统在灾害中的失负荷损失最小，并将失负荷损失传递给上层，作为评估储能元件容量配置方案优劣的一部分指标。上下两层模型相互影响，不断进行交替优化。

如图4所示，在本实施例中，多能源系统内的能量流动图可知，多能源系统内的电、热、冷中的能量是相互传递的，多能源系统内主要包括风电机组、光伏机组、燃气内燃机组和燃气锅炉等能源产生装置，同时还具有电锅炉、电制冷机和吸收式制冷机等能量转换装置，能够同时满足电、冷、热、气等多种能源需求的负荷，不同类型的能源通过能源转换装置可进行相互转换，存在较为复杂的能量流动关系，同时也提供了更为灵活的调度方式。当电能较为稀缺时，多能源系统内部的冷负荷可全部有热能转换进行供应，同时增加燃气锅炉和燃气内燃机组的出力都可减轻多能源系统内的电负荷需求，甚至在满足内部负荷需求的同时还可向外部配电网进行供电。

在本实施例中，多能源系统负荷削减比例包括电负荷的削减比例、热负荷的削减比例和冷负荷的削减比例。

在本发明的一个实施例中，s102包括：

为了获得配电网的典型故障场景，建立了极端天气下架空线路的故障概率函数，也就是配电网故障概率函数。其中，架空线路主要受台风天气的影响，因此在配电网故障概率函数中主要考虑台风风速和树枝的接触等因素。据此建立的配电网故障概率函数如下：

pik(v(t))＝φ[ln(v(t)/mr)/xr]；

pfc,k(v(t))＝(1-fu)max(pfw,k(v(t)),apftr,k(v(t)))；

基于配电网故障概率函数，确定配电网故障场景为：

其中，pl,ij(v(t))为配电网ij段的配电网故障概率函数；m为配电网ij段的的电杆数量；n为配电网ij段的导线档数；pik(v(t))为配电网ij段的第k根电杆的故障率；pfc,k(v(t))为配电网ij段的第k档导线的故障率；v(t)为台风风速的函数，mr为集中式电容电阻，xr为强度的对数标准差；pfw,k(v(t))为第k档导线直接由台风引起的故障率；pftr,k(v(t))为第k档导线直接由倒塌树木接触引起的故障率；fu为线路发生触地程度的严重故障概率；a为树枝接触线路引起的损坏概率；u为配电网故障场景；u为候选配电网故障场景；zij为0或1；w为预设条件，表示配电网故障场景出现的不确定度，其中，每条线路的风险不确定度随线路故障率降低而增加。zij表示配电网ij段是否会受极端天气灾害的损坏，没有损坏时为1，损坏时为0。

在本发明的一个实施例中，s103包括：

多能源系统调度优化层主要求解的是配电网在不同的故障场景下的运行状态，包括配电网负荷的削减以及多能源系统内部的运行调度。考虑到多能源系统应首先满足系统内部的主要负荷需求，在仍有余力的情况下再向配电网的临近重要负荷进行供电。因此，在相同重要程度下，本发明认为多能源系统内部的失负荷成本较高。最后列写下层目标函数，也就是失负荷费用函数如下所示。

其中，c^s(o)为失负荷费用函数；为配电网节点i的单位失负荷费用；为多能源系统节点j的电单位失负荷费用；为多能源系统节点j的热单位失负荷费用；为多能源系统节点j的冷单位失负荷费用；ri为配电网节点i的负荷削减比例，re为多能源系统节点j的电负荷的削减比例；rh为多能源系统节点j的热负荷的削减比例；rc为多能源系统节点j的冷负荷的削减比例；pi^l为配电网节点i的总负荷量；le为多能源系统节点j的电负荷总量；lh多能源系统节点j的热负荷总量；lc为多能源系统节点j的冷负荷总量；n为配电网节点数；j为多能源系统节点数。

在本发明的一个实施例中，s104包括：

对于储能元件容量配置优化层，主要目标是使配电网在尽可能小的投资成本下得到较高的配电网韧性提升效果，因此在该层主要以配电网的储能元件投资成本和失负荷损失最小为目标进行优化：

其中，y为配电网储能配置函数；cⁱ(x)为储能元件的投资费用；ca为a类型单位容量储能元件的投资费用，xa为a类型储能元件的配置容量；q为储能元件类型总数。

在本发明的一个实施例中，s104之后还包括：

根据所述多能源系统模型和元器件函数，计算得到所述多能源系统模型中各个元器件的参数，包括：

风电机组模型：

其中，pwt(v)为风机的实际出力；pr为风机的额定出力；v为风速；vci为切入风速；vco为切出风速；vr为额定风速；

光伏机组模型：

其中，tcy为光伏电源温度，ta为环境温度，say为该时刻下的光照强度，not为光伏发电设备的工作温度，uoc、isc分别为光伏装置的开路电压和短路电流，umpp、impp分别为光伏最大输出功率下的电压和电流，psy(say)光伏电源的实际输出功率；iy为实际电流；ki为电流的温度系数；uy为实际电压；ku为电压的温度系数；ff为功率因素；

燃气内燃机组模型：

其中，q^mt(t)，和ηe(t)分别为燃气内燃机的排气余热量、电功率和电效率；η1为散热系数；qhe(t)为溴冷机制热量；ηbe为溴冷机的烟气回收率，kh为制热系数，fmt(t)为燃气消耗量，δt为运行单位时间；l为天然气低热值；

燃气锅炉模型：

q^b(t)＝hbfb(t)；

其中，q^b(t)为燃气锅炉的输出热量；fb(t)为输入的燃料量；hb表示制热效率；

电锅炉模型：

q^eb(t)＝hebpeb(t)；

其中，q^eb(t)为电锅炉的输出热量；peb(t)为输入的电量；heb为制热效率；

电制冷机模型：

c^ac(t)＝eacpac(t)；

其中，c^ac(t)为电制冷机组的冷功率；pac(t)为输入的电功率；eac为能效比；

吸收式制冷机模型：

c^cerg(t)＝ecergqcerg(t)；

其中，c^cerg(t)为吸收式制冷机组的冷功率；qcerg(t)为输入的热功率；ecerg为能效比；

各类储能装置模型：

其中，soct为t时储能装置的能量；qc和qd分别为δt时间内的储热、放热的功率；hc和hd分别为储热、放热的效率。

在本发明的一个实施例中，s105包括：

s501，对所述失负荷费用函数、所述配电网储能配置函数、第一约束条件和第二约束条件进行线性化处理，获得线性规划模型；

s502，利用cplex求解器对线性规划模型求解，获得优化后的储能元件的配置容量、每个故障场景对应的优化后的多能源系统负荷削减比例和每个故障场景对应的多能源系统负荷削减比例，其中，所述优化后的储能元件的配置容量满足第一约束条件，优化后的多能源系统负荷削减比例和多能源系统负荷削减比例满足第二约束条件。

在本发明的一个实施例中，s501中第一约束条件包括：

cⁱ(x)≤bl；

其中，cⁱ(x)为储能元件的投资费用；bl为投资预算限额。

在本发明的一个实施例中，s501中第二约束条件包括：

配电网功率平衡约束：

式中，pi^mg和分别为多能源系统向配电网输送的有功和无功功率；pij为线路ij传输有功功率；qij为线路ij传输无功功率；

微能源网系统能量平衡约束：

其中，为电储能放电功率；

其中，为热储能放热功率；

其中，，为冷储能放冷功率；

储能运行约束：

其中，soci为最小的储能荷电状态；soci,t为t时刻储能荷电状态；为最大的储能荷电状态；

微能源系统各机组出力约束：

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5所示，本发明的一个实施例提供的提高配电网韧性的系统100，用于执行图1所对应的实施例中的方法步骤，其包括：

数据获取模块110，用于获取多能源系统模型和配电网模型；

筛选模块120，用于通过配电网故障概率函数，确定所述配电网模型中满足预设条件的配电网故障场景；

第一运算模块130，用于根据所述配电网模型和所述多能源系统模型，建立以配电网负荷削减比例、多能源系统负荷削减比例为优化变量的失负荷费用函数；

第二运算模块140，用于根据所述配电网模型和所述失负荷费用函数，建立以储能元件的配置容量为优化变量的配电网储能配置函数；

数据优化模块150，用于根据所述配电网故障场景、所述多能源系统模型和所述配电网模型，优化所述失负荷费用函数和所述配电网储能配置函数，得到优化后的储能元件的配置容量和优化后的每个故障场景对应的配电网负荷削减比例、多能源系统负荷削减比例。

在本发明的一个实施例中，筛选模块120用于：

pik(v(t))＝φ[ln(v(t)/mr)/xr]；

pfc,k(v(t))＝(1-fu)max(pfw,k(v(t)),apftr,k(v(t)))；

其中，pl,ij(v(t))为配电网ij段的配电网故障概率函数；m为配电网ij段的的电杆数量；n为配电网ij段的导线档数；pik(v(t))为配电网ij段的第k根电杆的故障率；pfc,k(v(t))为配电网ij段的第k档导线的故障率；v(t)为台风风速的函数，mr为集中式电容电阻，xr为强度的对数标准差；pfw,k(v(t))为第k档导线直接由台风引起的故障率；pftr,k(v(t))为第k档导线直接由倒塌树木接触引起的故障率；fu为线路发生触地程度的严重故障概率；a为树枝接触线路引起的损坏概率；u为配电网故障场景；u为候选配电网故障场景；zij为0或1；w为预设条件。

在本发明的一个实施例中，第一运算模块130包括：

其中，c^s(o)为失负荷费用函数；为配电网节点i的单位失负荷费用；为多能源系统节点j的电单位失负荷费用；为多能源系统节点j的热单位失负荷费用；为多能源系统节点j的冷单位失负荷费用；ri为配电网节点i的负荷削减比例，re为多能源系统节点j的电负荷的削减比例；rh为多能源系统节点j的热负荷的削减比例；rc为多能源系统节点j的冷负荷的削减比例；pi^l为配电网节点i的总负荷量；le为多能源系统节点j的电负荷总量；lh多能源系统节点j的热负荷总量；lc为多能源系统节点j的冷负荷总量；n为配电网节点数；j为多能源系统节点数。

多能源系统负荷削减比例包括电负荷的削减比例、热负荷的削减比例和冷负荷的削减比例。

在本发明的一个实施例中，第二运算模块140用于：

其中，y为配电网储能配置函数；cⁱ(x)为储能元件的投资费用；ca为a类型单位容量储能元件的投资费用，xa为a类型储能元件的配置容量；q为储能元件类型总数。

在本发明的一个实施例中，数据优化模块150用于：

数据整理单元，用于对所述失负荷费用函数、所述配电网储能配置函数、第一约束条件和第二约束条件进行线性化处理，获得线性规划模型；

数据优化单元，用于利用cplex求解器对线性规划模型求解，获得优化后的储能元件的配置容量、每个故障场景对应的优化后的多能源系统负荷削减比例和每个故障场景对应的多能源系统负荷削减比例，其中，所述优化后的储能元件的配置容量满足第一约束条件，优化后的多能源系统负荷削减比例和多能源系统负荷削减比例满足第二约束条件。

在本发明的一个实施例中，数据整理单元中的第一约束条件包括：

cⁱ(x)≤bl；

其中，cⁱ(x)为储能元件的投资费用；bl为投资预算限额。

在本发明的一个实施例中，与第二运算模块相连的还包括：

第三计算模块，用于根据所述多能源系统模型和元器件函数，计算得到所述多能源系统模型中各个元器件的参数，包括：

其中，pwt(v)为风机的实际出力；pr为风机的额定出力；v为风速；vci为切入风速；vco为切出风速；vr为额定风速；

其中，tcy为光伏电源温度，ta为环境温度，say为该时刻下的光照强度，not为光伏发电设备的工作温度，uoc、isc分别为光伏装置的开路电压和短路电流，umpp、impp分别为光伏最大输出功率下的电压和电流，psy(say)光伏电源的实际输出功率；iy为实际电流；ki为电流的温度系数；uy为实际电压；ku为电压的温度系数；ff为功率因素。

其中，q^mt(t)，和ηe(t)分别为燃气内燃机的排气余热量、电功率和电效率；η1为散热系数；qhe(t)为溴冷机制热量；ηbe为溴冷机的烟气回收率，kh为制热系数，fmt(t)为燃气消耗量，δt为运行单位时间；l为天然气低热值；

q^b(t)＝hbfb(t)；

其中，q^b(t)为燃气锅炉的输出热量；fb(t)为输入的燃料量；hb表示制热效率；

q^eb(t)＝hebpeb(t)；

其中，q^eb(t)为电锅炉的输出热量；peb(t)为输入的电量；heb为制热效率；

c^ac(t)＝eacpac(t)；

其中，c^ac(t)为电制冷机组的冷功率；pac(t)为输入的电功率；eac为能效比；

c^cerg(t)＝ecergqcerg(t)；

其中，c^cerg(t)为吸收式制冷机组的冷功率；qcerg(t)为输入的热功率；ecerg为能效比；

其中，soct为t时储能装置的能量；qc和qd分别为δt时间内的储热、放热的功率；hc和hd分别为储热、放热的效率。

在本发明的一个实施例中，数据整理单元中的第二约束条件为：

配电网功率平衡约束：

式中，pi^mg和分别为多能源系统向配电网输送的有功和无功功率；pij为线路ij传输有功功率；qij为线路ij传输无功功率；

微能源网系统能量平衡约束：

其中，为电储能放电功率；

其中，为热储能放热功率；

其中，，为冷储能放冷功率；

储能运行约束：

其中，soci为最小的储能荷电状态；soci,t为t时刻储能荷电状态；为最大的储能荷电状态；

微能源系统各机组出力约束：

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，即所述提高配电网韧性的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。上述提高配电网韧性的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6是本发明一实施例提供的终端设备的示意图。如图6所示，该实施例的终端设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62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s105。或者，所述处理器60执行所述计算机程序62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5所示模块110至150的功能。

所述终端设备6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6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60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的示例，并不构成对终端设备6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6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60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61可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备，例如所述终端设备6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61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备6所需的其他程序和数据。所述存储器61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s105。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5所示的模块110至150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。