一种台区光储充云边协同方法及系统与流程

1.本发明涉及边云协同的技术领域，尤其涉及一种台区光储充云边协同方法及系统。


背景技术：

2.目前分布式光伏大量接入低压台区，存在容量小、数量多、分布不均衡、管理困难等问题，且用户侧电网中分布式光伏、储能、负荷、充电桩或拓扑结构不同，无法针对低压台区的运行状态进行有效地协调控制。
3.现有的光储充协调控制主要是考虑在台区内进行就地控制，但是受制于本地终端(融合终端)的计算和存储能力，就地控制的分析维度少，只关注于当前运行状态，在进行控制时会出现误控制、控制震荡、控制效果不明显的问题；而当前配合光储充设备的主站系统只承担了数据统计展示的功能，对本地终端(融合终端)的控制策略并未进行远程优化，没有发挥主站侧大数据处理与分析的优势，未现实对光储充控制的云边协同的功能。
4.目前的光储充协同系统，网关和主站的联系是在判据定值上，主站可以调整动作的判据，例如电压到多少、负载率到多少需要网关进行控制，以及每次控制时需要控制的量。但是在实际应用中客户并不会知道设置具体多少数据能够优化网关的控制策略，所有往往客户并不会设置参数，网关一直在出厂默认的数值下进行运行。网关默认参数并没有结合台区具体实际情况，对负荷类型、控制模式都是默认经验进行的，在进行无功电压(电能质量)控制时有很大几率导致误控制、控制震荡、控制效果不明显、甚至反效果控制的问题。


技术实现要素：

5.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
6.鉴于上述现有存在的问题，提出了本发明。
7.因此，本发明解决的技术问题是：现有的光储充协调控制主要是考虑在台区内进行就地控制，但是受制于本地终端(融合终端)的计算和存储能力，就地控制的分析维度少，只关注于当前运行状态，在进行控制时会出现误控制、控制震荡、控制效果不明显的问题。
8.为解决上述技术问题，本发明提供如下技术方案：利用能源接入端获取实时运行数据；将所述实时运行数据传输到能源互联网关，利用所述能源互联网关对异常数据进行处理，并将处理后的数据存储于本地；利用云主站获取所述能源互联网关处理后的数据，结合台区拓扑数据对台区的各个节点进行电压灵敏度分析计算；根据所述灵敏度分析计算结果，实时更新所述能源互联网关内的各个节点电压偏移量δv与注入功率大小δq的关联系数，对异常的关联系数进行识别剔除；触发光储充云边协同策略，将补偿节点下游附近节点的补偿任务由所述补偿节点联合承担，得到补偿点兼顾下游节点补偿效果的补偿容量；所
述能源互联网关下发执行任务，将执行结果返回并进行评估。
9.作为本发明所述的台区光储充云边协同方法的一种优选方案，其中：所述实时运行数据包括光伏、储能、充电桩设备实时运行数据；所述光伏数据包括：并网点电流、并网点电压、发电功率、并网点功率因数；所述储能数据包括：并网点电流、并网点电压、有功功率、无功功率、储能电池soc、运行模式；所述充电桩设备数据包括：充电桩充电功率、电流、电压、充电桩充电模式、累计充电电量；台区运行数据：三相电流、三相电压、有功功率、无功功率、功率因数、配变负载率；所述台区拓扑数据。
10.作为本发明所述的台区光储充云边协同方法的一种优选方案，其中：判断所述异常数据包括，死数据的判断：某个字段的数据采样点数据连续3次不变，则判断为死数据；适用于所有设备的电压的异常数据判断：当相电压值偏离额定值不小于
±
30％判定为异常数据，即当相电压≥286v或者≤154v时，则判定为异常数据，所述相电压额定值为220v；电流异常数据的判断：abc相电流，若相电流》1.5*变压器额定电流，则判定所述电流数据为异常数据；
[0011][0012][0013]
作为本发明所述的台区光储充云边协同方法的一种优选方案，其中：所述异常数据的处理方法包括，若所述运行为死数据，则直接删除该条数据；若所述运行数据全为0或者其中两条为0，则直接删除该条数据；若其中有一条数据为0或者异常值，则针对该条异常数据进行修补处理，所述修补处理方法为：取该条采样数据的前5条，取平均值作为该条数据缺失或者异常值的修补值。
[0014]
作为本发明所述的台区光储充云边协同方法的一种优选方案，其中：结合所述台区拓扑数据对台区的各个节点进行电压灵敏度分析计算包括，将台区光储充云边协同系统的潮流方程表示为：
[0015]
s＝g(v)
[0016]
其中，s为节点注入功率的状态矢量，v为节点电压的状态矢量，g(
·
)表示潮流方程；
[0017]
在基准运行点处利用泰勒级数展开并忽略高次项，可得：
[0018]
δv＝j
0-1
·
δs
[0019]
其中，j0为潮流计算最后一次迭代的雅可比矩阵，j
0-1
为灵敏度矩阵；
[0020]
基于所述灵敏度矩阵，分析各个节点注入功率变化量δs与本节点电压变化量δv
ii
及相关节点电压变化量δv
ij
之间的紧密程度：
[0021]
采用pq快速解耦法潮流计算结合并联补偿法求得δq/v＝-b
″
δv中的b
″
，并对其按照分支线求逆，得到各个节点电压偏移量δv与注入功率大小δq的关联系数。
[0022]
作为本发明所述的台区光储充云边协同方法的一种优选方案，其中：触发所述光储充云边协同策略时，优先对各节点的关联系数大小进行排序，优先进行高关联系数的节点控制；定义电压补偿原则为首先进行末端节点的补偿，在电压逐级改善的基础上，逐步分级进行无功电压补偿；结合其各自附近下游节点的无功负荷需求，并进行等效合并，即将补
偿节点下游附近节点的补偿任务由补偿节点联合承担，得到补偿点兼顾下游节点补偿效果的补偿容量。
[0023]
作为本发明所述的台区光储充云边协同方法的一种优选方案，其中：所述补偿点的无功补偿容量定义如下式：
[0024][0025]
其中，q
σi
表示补偿点i需补偿无功数总和，q
lj
表示补偿点i下游单个节点需补偿的无功数。
[0026]
作为本发明所述的台区光储充云边协同方法的一种优选方案，其中：根据所述关联系数＝δv/δq，已知所述关联系数和预期的δv，求出各个节点的δq。
[0027]
为解决上述技术问题，本发明还提供了一种台区光储充云边协同系统，包括：能源接入端，用于获取实时运行数据；能源互联网关，与所述能源接入端相连接，用于接收所述能源接入端获取的实时运行数据，对异常数据进行处理，并将处理后的数据存储于本地；云主站与能源互联网关相连接，用于获取所述能源互联网关处理后的数据，结合台区拓扑数据对台区的各个节点进行电压灵敏度分析计算，将所述灵敏度分析计算结果结合光储充云边协同策略，得到补偿容量，并通过所述能源互联网关下发执行任务，将执行结果返回并进行评估。
[0028]
本发明的有益效果：本发明能实现边缘节点的远程管控、数据分析、智能决策，能够在长期维护、业务决策支撑等领域发挥优势，边缘设备具有实时性高、连接广泛、数据安全等优势，可以实现实时、短周期的光储充控制的处理与分析；通过云边协同，充分整合云端计算能力和边缘计算的优势，将云计算强大的资源能力与边缘计算时超低的时延特性结合起来，实现了台区以电能质量和光伏消纳为核心目标的光储充控制，在保证台区电能质量的前提下尽可能的优化光储充资源的利用，实现台区的电能质量优化、光伏的高效消纳、削峰填谷。
附图说明
[0029]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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它的附图。其中：
[0030]
图1为本发明一个实施例提供的一种台区光储充云边协同方法及系统的基本流程示意图；
[0031]
图2为本发明一个实施例提供的一种台区光储充云边协同方法及系统的某典型低压配电系统接线示意图；
[0032]
图3为本发明一个实施例提供的一种台区光储充云边协同方法及系统的模块结构示意图。
具体实施方式
[0033]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
[0034]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0035]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0036]
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0037]
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0038]
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0039]
实施例1
[0040]
参照1～2，为本发明的一个实施例，提供了一种台区光储充云边协同方法，包括：
[0041]
s1：利用能源接入端100获取实时运行数据。
[0042]
需要说明的是，实时运行数据包括光伏、储能、充电桩设备实时运行数据；
[0043]
光伏数据包括：并网点电流、并网点电压、发电功率、并网点功率因数；
[0044]
储能数据包括：并网点电流、并网点电压、有功功率、无功功率、储能电池soc、运行模式；
[0045]
充电桩设备数据包括：充电桩充电功率、电流、电压、充电桩充电模式、累计充电电量；
[0046]
台区运行数据：三相电流、三相电压、有功功率、无功功率、功率因数、配变负载率；
[0047]
台区拓扑数据。
[0048]
s2：将实时运行数据传输到能源互联网关200，利用能源互联网关200对异常数据进行处理，并将处理后的数据存储于本地。
[0049]
需要说明的是，能源互联网关200为系统的核心边缘计算设备，可以以hplc通讯方式接收到能源接入端100采集的光伏、储能、充电桩设备实时数据，并且能源互联网关200自身能够采集台区配变数据，能源互联网关200可接收云主站300的优化控制参数，优化控制
本地的光储充协同控制策略，能源接入端100为系统端侧执行设备，光伏、储能、充电桩设备的接入终端，将光伏、储能、充电桩设备作为台区可以调控的分布式无功控制资源。
[0050]
进一步的，判断异常数据包括：
[0051]
死数据的判断：某个字段的数据采样点数据连续3次不变，则判断为死数据；
[0052]
适用于所有设备的电压的异常数据判断：
[0053]
当相电压值偏离额定值不小于
±
30％判定为异常数据，即当相电压≥286v或者≤154v时，则判定为异常数据，相电压额定值为220v；
[0054]
电流异常数据的判断：abc相电流，若相电流》1.5*变压器额定电流，则判定电流数据为异常数据；
[0055][0056][0057]
更进一步的，异常数据的处理方法包括：
[0058]
若运行为死数据，则直接删除该条数据；
[0059]
若运行数据全为0或者其中两条为0，则直接删除该条数据；
[0060]
若其中有一条数据为0或者异常值，则针对该条异常数据进行修补处理，修补处理方法为：取该条采样数据的前5条，取平均值作为该条数据缺失或者异常值的修补值。
[0061]
其中，ttu交采数据/光伏/储能异常值的处理：以三相电压为例，若三相电压为死数据，则直接删除该条数据；三相电压若全为0或者其中两相为0，则直接删除该条数据；若其中有一相数据为0或者异常值，则针对该相的异常数据进行修补处理(即取该相该条采样数据的前5条，然后取平均值作为该条数据缺失或者异常值的修补值)。
[0062]
s3：利用云主站300获取能源互联网关200处理后的数据，结合台区拓扑数据对台区的各个节点进行电压灵敏度分析计算。
[0063]
需要说明的是，结合台区拓扑数据对台区的各个节点进行电压灵敏度分析计算包括：
[0064]
将台区光储充云边协同系统的潮流方程表示为：
[0065]
s＝g(v)
[0066]
其中，s为节点注入功率的状态矢量，v为节点电压的状态矢量，g
·
表示潮流方程；
[0067]
为计算注入功率变化的影响，在基准运行点处利用泰勒级数展开并忽略高次项，可得：
[0068]
δv＝j
0-1
·
δs
[0069]
其中，j0为潮流计算最后一次迭代的雅可比矩阵，j
0-1
为灵敏度矩阵；
[0070]
基于灵敏度矩阵，分析各个节点注入功率变化量δs与本节点电压变化量δv
ii
及相关节点电压变化量δv
ij
之间的紧密程度：
[0071]
本发明主要关心无功功率补偿变化量δq与电压变化量δv之间的相互影响，故在编程实现过程中采用pq快速解耦法潮流计算结合并联补偿法求得δq/v＝-b
″
δv中的b
″
，其中，并联补偿法克服了该方法用于中低压配电网中可能出现的元件r/x大比值的病态问题，并对其按照分支线求逆，得到各个节点电压偏移量δv与注入功率大小δq的关联系数。
[0072]
s4：根据灵敏度分析计算结果，实时更新能源互联网关200内的各个节点电压偏移量δv与注入功率大小δq的关联系数，对异常的关联系数进行识别剔除。
[0073]
s5：触发光储充云边协同策略，将补偿节点下游附近节点的补偿任务由补偿节点联合承担，得到补偿点兼顾下游节点补偿效果的补偿容量。
[0074]
需要说明的是，能源互联网关200获得各个节点电压偏移量与注入功率大小δq的关联系数，当触发光储充云边协同策略时，由于距离电源(配电变压器)越近的节点，无功补偿对其电压的改善效果越弱，越远离电源靠近支路末端，补偿同样的无功功率，电压改善效果越明显，故优先对各节点的关联系数大小进行排序，优先进行高关联系数的节点控制。
[0075]
由于末端负荷需求无功功率的改变，会直接改变线路上传输功率的大小，进而改变线路上电压降落大小，故电压补偿原则设定为首先进行末端节点的补偿，在电压逐级改善的基础上，逐步分级进行无功电压补偿，结合其各自附近下游节点的无功负荷需求，并进行等效合并，即将补偿节点下游附近节点的补偿任务由补偿节点联合承担，从而确定补偿点兼顾下游节点补偿效果的补偿容量。
[0076]
具体的，补偿点的无功补偿容量设定如下式所示：
[0077][0078]
其中，q
σi
表示补偿点i需补偿无功数总和，q
lj
表示补偿点i下游单个节点需补偿的无功数。
[0079]
计及自身无功需求的基础上，综合考虑其下游节点的无功负荷需求，进而确定无功补偿的投入顺序，在同一分支线上，越靠近线路末端的补偿点，投入优先级越高，远离线路末端的补偿点，投入优先级随着降低。
[0080]
根据公式：关联系数＝δv/δq，已知关联系数和预期的δv，求出各个节点的δq。
[0081]
s6：能源互联网关200下发执行任务，将执行结果返回并进行评估。
[0082]
需要说明的是，能源互联网关200将各节点需要调节的δq值下发给光伏、储能设备进行执行；
[0083]
各个设备执行完成后将执行的结果返回；
[0084]
对执行结果进行动作后评估，实际效果和步骤s5对比，差异过大时反馈给网关，方便以后优化策略。
[0085]
为对本方法中采用的技术效果加以验证说明，本实施例选择本方法进行测试以及不同方法和采用本方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
[0086]
如图2所示，为为某典型低压400v配电系统接线图，采用本发明方法对其进行测试，如表1～3分别为各支路阻抗及节点最大负荷数据、各节点最小负荷数据、协调控制前大方式下的电压标幺值。
[0087]
表1：各支路阻抗及节点最大负荷数据表。
[0088][0089]
表2：各节点最小负荷数据表。
[0090][0091][0092]
表3：协调控制前大方式下的电压标幺值表。
[0093]
节点编号电压标幺值节点编号电压标幺值21.05181.03831.048191.04941.046201.04951.045211.04961.043221.04971.042231.04781.042241.04691.041251.046101.04261.042111.04271.042121.04281.041131.039291.039141.038301.039151.038311.038161.038321.038171.038331.038
[0094]
本发明主要关心无功功率补偿变化量δq与电压变化量δv之间的相互影响，故在编程实现过程中采用了计算速度快且算法成熟的pq快速解耦法潮流计算，并利用并联补偿法克服了该方法用于中低压配电网中可能出现的元件r/x大比值的病态问题，进而求得的δq/v＝-b
″
δv中的b
″
，并对其按照分支线求逆，从而确定各个节点电压偏移量δv与注入功率大小δq的关联系数。结果如下所示：
[0095]
表4：分支线1-18节点δv与δq的关联系数表。
[0096]
节点编号2345678910δv/δq0.00510.01330.02740.04210.09560.71490.95021.6912.4311节点编号1112131415161718 δv/δq2.49622.62013.7764.48965.01625.5627.28417.858 [0097]
表5：分支线19-22节点δv与δq的关联系数表。
[0098]
节点编号19202122δv/δq0.15651.5121.99032.9276
[0099]
表6：分支线23-25节点δv与δq的关联系数表。
[0100]
节点编号232425δv/δq0.3081.01741.7185
[0101]
表7：分支线26-33节点δv与δq的关联系数表。
[0102]
节点编号2627282930313233δv/δq0.10340.24811.18171.88232.14083.10383.46574.0019
[0103]
在最大运方下，补偿点17和30优先进行投档补偿，补偿容量为q
l17
＝26kvar、q
l30
＝101kvar，其补偿效果如下表所示，从表中可见，最终投入127kvar无功容量之后，所有节点
电压距离额定电压的偏移量与前一节的在线协调控制效果类似。
[0104]
表8：节点17、30同时补偿效果表。
[0105]
节点编号电压标幺值节点编号电压标幺值20.9994180.97230.9963190.999340.9944200.998750.9925210.998660.9879220.998570.9867230.995780.9851240.994790.9827250.9942100.9802260.9875110.9799270.9869120.9792280.9844130.976290.9826140.9749300.9818150.9742310.9806160.9733320.9803170.9722330.98
[0106]
从上表中可以看出，整体补偿效果较好，全部节点电压调整至合理范围内。
[0107]
进一步的，传统的技术方案：目前的光储充协同系统，网关和主站的联系是在判据定值上，主站可以调整动作的判据，例如电压到多少、负载率到多少需要网关进行控制，以及每次控制时需要控制的量，但是在实际应用中客户并不会知道设置具体多少数据能够优化网关的控制策略，所有往往客户并不会设置参数，网关一直在出厂默认的数值下进行运行，与原始方式电压偏移的比较如下表所示：
[0108]
表9：本发明方法控制前后网损、负荷有功功率及电压偏移量表。
[0109] 控制前控制后差值电压偏移量累计(p.u.)1.4080.4490.959
[0110]
表10：传统方案控制前后网损、负荷有功功率及电压偏移量表。
[0111] 控制前控制后差值电压偏移量累计(p.u.)1.4081.2010.207
[0112]
相比较本发明方法治理效果在“电压偏移量累计(p.u.)”控制前后效果为提升0.959，而传统的方法不考虑参数优化，控制前后效果为提升0.207，以上可以看出本发明方法较强的鲁棒性。
[0113]
实施例2
[0114]
参照图3为本发明另一个实施例，该实施例不同于第一个实施例的是，提供了一种台区光储充云边协同系统，上述台区光储充云边协同方法能够依托于本系统实现。
[0115]
具体的，该系统包括：
[0116]
能源接入端100，用于获取实时运行数据；
[0117]
能源互联网关200，与能源接入端100相连接，用于接收能源接入端100获取的实时运行数据，对异常数据进行处理，并将处理后的数据存储于本地；
[0118]
云主站300与能源互联网关200相连接，用于获取能源互联网关200处理后的数据，结合台区拓扑数据对台区的各个节点进行电压灵敏度分析计算，将灵敏度分析计算结果结合光储充云边协同策略，得到补偿容量，并通过能源互联网关200下发执行任务，将执行结果返回并进行评估。
[0119]
本发明提供一种台区光储充云边协同系统，构建了云主站-能源互联网网关-能源互联接入终端的云-边-端架构，把云与边缘连接起来，将云端能力延伸到靠近端侧设备的边缘节点上，联动云端和边缘侧数据，实现边缘节点的远程管控、数据分析、智能决策等，云主站300负责多台区数据、单台区长时间段数据的大数据处理与分析，能够在长期维护、业务决策支撑等领域发挥优势，边缘设备(能源互联网网200)具有实时性高、连接广泛、数据安全等优势，可以实现实时、短周期的光储充控制的处理与分析。通过云边协同，充分整合云端计算能力和边缘计算的优势，将云计算强大的资源能力与边缘计算时超低的时延特性结合起来，实现了台区以电能质量和光伏消纳为核心目标的光储充控制，在保证台区电能质量的前提下尽可能的优化光储充资源的利用，实现台区的电能质量优化、光伏的高效消纳、削峰填谷。
[0120]
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
[0121]
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
[0122]
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、ram、rom等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输
入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
[0123]
如在本技术所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
[0124]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。