智能工厂混合能源系统短期功率预测调度优化方法及装置与流程

1.本发明涉及新能源控制技术领域，具体涉及一种智能工厂混合能源系统短期功率预测调度优化方法及装置。


背景技术：

2.2021年，中国风光发电在发电总量中占比突破10％，达到11.2％，年增长率分别达到32％和27％，居全球领先地位。为满足负载运营需求、降低用电费用、减少主电网用电高峰时期的用电压力，国内外很多家庭或商业建筑都独自建立了新能源供电系统。智能工厂能源管理系统是针对智能工厂混合新能源供电设备进行调度优化的管理系统。智能工厂能源管理系统的提出一方面帮助工厂以经济性与适用性为原则，结合工厂的发展状况落实节能优化措施，提高用电效率。另一方面为工厂引入新能源风光发电设备，推动工厂的绿色可持续发展。
3.但当前研究有关混合能源功率预测调度优化的研究大多以家庭能源管理系统为主，针对中大型工厂企业能源管理系统的研究涉及较少，且研究中多为优化调度方法的提出，对系统功率调度分配合理性的研究较少。因此，针对中大型工厂企业，如何对能源管理系统进行日前预测功率调度优化，实现功率的合理分配利用非常重要。


技术实现要素：

4.本发明的目的就是针对现有技术的缺陷，提供一种智能工厂混合能源系统短期功率预测调度优化方法及装置。
5.本发明一种智能工厂混合能源系统短期功率预测调度优化方法，包括以下步骤：
6.引入智能电网，建立风光出力日前预测模型，并针对工厂的不同工作运行背景，进行工厂负载需求预测，得到日前预测数据；
7.建立混合能源系统框架模型；
8.以削峰填谷和合理分配系统用电功率为目标，并构建相对应的系统模型约束条件；
9.根据功率预测数据以及工厂运营负载预测数据，对优化算法进行改进，得到工厂能源系统能量分配最优功率预测调度策略；
10.对功率预测调度进行分配合理性分析，判断改进算法的有效性与可借鉴性。
11.较为优选的，所述日前预测数据包括光伏出力预测数据、风机出力预测数据、工厂运营负荷数据以及实时电价预测数据。
12.较为优选的，所述引入智能电网，建立风光出力日前预测模型，并针对工厂的不同工作运行背景，进行工厂负载需求预测，得到日前预测数据包括：
13.工厂能源管理系统与智能电网相连接，通过智能电网信息交互端，由气象预测中心进行日前风速、光强、温度预测，并将预测数据通过智能电网传输至工厂能源管理中心；
14.工厂能源管理中心建立风光出力预测模型，通过获取的气象预测信息进行风光出
力日前预测；
15.考虑不同工作制度下的工厂运行背景，通过智能电表获取不同工作背景下的工厂运营负载需求预测数据；
16.由售电公司通过智能电网将实时电价信息传输至工厂能源管理中心。
17.较为优选的，所述混合能源系统框架模型包括风力发电模型和光伏发电模型。
18.较为优选的，所述光伏发电模型为：
[0019][0020]
式中：pv(t)为光伏阵列的输出功率；gc为标准测试环境下的光照强度；pc为标准测试环境下单个光板的最大输出功率；a为板块总数量。
[0021]
较为优选的，所述风力发电模型为：
[0022][0023]
pz＝pv+pw[0024]
式中：vi、vr、vo分别为风力发电机的切入风速、额定风速、切出风速；pr为额定功率，pz为风光合作出力的有功功率。
[0025]
较为优选的，所述以削峰填谷和合理分配系统用电功率为目标，并构建相对应的系统模型约束条件时，所考虑的约束条件包括功率平衡等式约束、主网传输线交换功率安全约束、蓄电池的输出功率约束、蓄电池容量约束和一天内储能装置充放电次数约束；
[0026]
所述功率平衡等式约束为：p
load
＝pz+p
s-p
grid
，式中，p
load
为智能工厂正常运营时的负荷需求；pz为风光合作出力有功功率；ps为系统中储能单元输出或者吸收的有功功率；p
grid
为工厂向主网购买的功率；
[0027]
所述主网传输线交换功率安全约束为：-p
line，max
≤p
grid
≤p
line，max
，式中， p
line，max
为传输线允许的最大交换功率；
[0028]
所述蓄电池的输出功率约束为：p
s，min
≤ps≤p
s，max
，式中，p
s，min
表示蓄电池最小输出功率，p
s，max
表示蓄电池最大输出功率；
[0029]
所述蓄电池容量约束为：soc
min
≤soc≤soc
max
，式中，soc表示蓄电池荷电状态，soc
min
表示蓄电池最小容量，soc
max
表示蓄电池最大容量；
[0030]
所述一天内储能装置充放电次数约束为：式中，λ
max
表示一天内最大允许充放电次数。
[0031]
较为优选的，所述优化算法为引入自适应混沌系统的改进粒子群优化算法，所述功率预测调度策略包括对储能系统充放电功率、工厂与主网之间交换功率的调度策略研究。
[0032]
较为优选的，所述对功率预测调度进行分配合理性分析的内容包括系统弃风弃光量、储能实际充放电次数、储能容量变化和主电网功率交换。
[0033]
本发明还提供一种智能工厂混合能源系统短期功率预测调度优化装置，包括：
[0034]
数据预测模块，用于建立风光系统出力日前预测模型，考虑工厂不同工作运营背景下的负载需求模型；
[0035]
混合能源模型构建模块，用于建立风机、光伏系统的初始数学模型；
[0036]
目标约束模块，用于实现不同优化目标时，构建相对应的混合能源系统模型的约束条件；
[0037]
优化调度策略模块，用于根据预测数据与优化目标，结合改进后的优化算法，进行功率预测调度优化策略的提出，得到工厂能源管理系统的功率分配最优策略；
[0038]
功率分配合理性分析模块，用于得到调度优化策略后，对系统进行功率分配合理性分析，所述分析包括分析系统的弃风弃光量、储能实际充放电次数、储能容量变化和主电网功率交换量。
[0039]
本发明的有益效果为：
[0040]
1、本发明考虑引入智能电网进行功率预测，并提出了将预测信息和改进后的优化算法进行结合，得到综合能源系统优化策略，相较于优化前，提升了优化提升了优调度结果的可行性，且可用于实际系统项目。在优化结果上提升了系统整体功率分配的合理性，降低了系统的弃风弃光率，提升了系统的用电自我供应能力，增加了系统向主网供电的可靠性，在系统运行上考虑了实际用户用能情况，更符合真实系统需求；
[0041]
2、本发明考虑了不同工作类型背景下的工厂能源预测调度，在不同工时制背景下进行工厂能源系统的预测优化调度，并对优化后的系统进行了详细的功率分配合理性分析，增加该发明的真实性与适用性。
附图说明
[0042]
图1是本发明实施例考虑短期功率预测调度的工厂混合能源系统优化方法的流程图；
[0043]
图2是本发明实施例混合能源系统总架构图；
[0044]
图3是本发明实施例能源系统信息交互流动图；
[0045]
图4是本发明实施例系统能量流动关系图；
[0046]
图5是本发明实施例系统结构与算法关联图；
[0047]
图6是本发明实施例系统参与调峰顺序图；
[0048]
图7是本发明实施例系统经济收益关系图；
[0049]
图8是本发明实施例acpso算法设计流程图；
[0050]
图9是本发明实施例风速光强日前数据预测图；
[0051]
图10是本发明实施例风光发电功率日前预测图；
[0052]
图11是本发明实施例湖北省一天内阶梯电价图；
[0053]
图12是本发明实施例标准工时制下工厂运营负载需求日前预测图；
[0054]
图13是本发明实施例标准工时制下储能系统充放电优化结果图；
[0055]
图14是本发明实施例标准工时制下工厂向主网售买电结果图；
[0056]
图15是本发明实施例标准工时制下工厂能源系统弃风弃光现象；
[0057]
图16是本发明实施例两班倒工时制下工厂运营负载需求日前预测图；
[0058]
图17是本发明实施例两班倒工时制下储能系统充放电优化结果图；
[0059]
图18是本发明实施例两班倒工时制下工厂向主网售买电结果图；
[0060]
图19是本发明实施例两班倒工时制下工厂能源系统弃风弃光现象；
[0061]
图20是本发明实施例考虑短期功率预测调度的智能工厂混合能源系统优化装置结构图。
具体实施方式
[0062]
为了使本技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本技术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技术，并不用于限定本技术。
[0063]
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，以便透彻理解本技术实施例。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技术。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技术的描述。
[0064]
应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0065]
还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0066]
如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0067]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0068]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。“多个”表示“两个或两个以上”。
[0069]
实施例一
[0070]
图1示出了本技术较佳实施例(图1示出了本技术第一实施例)提供的一种智能工厂混合能源系统短期功率预测调度优化方法的流程示意图，为了便于说明，仅示出了与本实施例相关的部分，详述如下：
[0071]
该方法考虑将工厂混合能源系统与智能电网相连接，以提高风光系统出力预测的的精准度。并通过智能电网获取工厂负载预测数据。采用自适应粒子群算法，以削峰填谷和提高系统功率分配合理性为优化目标，进行工厂混合能源系统功率预测调度优化。优化针
对工厂不同的工时制工作背景，提出了相应能量分配最优的功率预测调度策略，并进行了详细的功率合理性分析。统结构图如图2所示，所述方法具体包括如下步骤：
[0072]
步骤s1中，引入智能电网，建立风光出力日前预测模型，并针对工厂的不同工作运行背景，进行工厂负载需求预测，得到日前预测数据；
[0073]
预测数据信息包括：光伏出力预测数据、风机出力预测数据、工厂运营负荷数据以及实时电价预测数据；
[0074]
s1主要部署工厂能源系统上层信息流动交互部分，具体如图3所示，信息层利用当前研究现有的数据预测与气象预测技术，由天气预测中心和电力公司通过交互平台将预测信息(如当地第二日的风速、光强、电价等)传递到工厂能源管理系统，所得数据如图9、11、12、18所示，其中，图12与图17分别为工厂在不同工时制工作背景下的负载运营需求预测图。得到预测数据后，建立风光出力预测模型：
[0075]
所述光伏模型的数学表达式为：
[0076][0077]
式中：pv(t)为光伏阵列的输出功率；gc为标准测试环境(1000w/m2、25℃)下的光照强度；pc为标准测试环境下单个光板的最大输出功率；a为板块总数量。
[0078]
风力发电系统模型的数学表达式为：
[0079][0080]
pz＝pv+pw[0081]
式中：vi、vr、vo分别为风力发电机的切入风速、额定风速、切出风速；pr为额定功率，pz为风光合作出力的有功功率。
[0082]
根据所建立的风光出力预测模型，进行风光出力预测，预测图如图10所示。
[0083]
s2：建立混合能源系统框架模型，所述混合能源系统模型包括：风力发电模型、光伏发电模型。
[0084]
表1光伏系统参数表
[0085][0086]
(1)光伏模型的数学表达式为：
[0087][0088]
式中：pv(t)为光伏阵列的输出功率；gc为标准测试环境(1000w/m2、25℃)下的光照强度；pc为标准测试环境下单个光板的最大输出功率；a为板块总数量。
[0089]
表2风机系统参数表
[0090][0091]
(2)风力发电系统模型的数学表达式为：
[0092][0093]
pz＝pv+pw[0094]
式中：vi、vr、vo分别为风力发电机的切入风速、额定风速、切出风速；pr为额定功率，pz为风光合作出力的有功功率。
[0095]
s3：以削峰填谷和合理分配系统用电功率为目标，并构建相对应的系统模型约束条件；
[0096]
所考虑的约束条件的数学表达式为：
[0097]
功率平衡等式约束：
[0098]
p
load
＝pz+p
s-p
grid
[0099]
式中：p
load
为智能工厂正常运营时的负荷需求；pz为风光合作出力有功功率； ps为系统中储能单元输出或者吸收的有功功率；p
grid
为工厂向主网购买的功率。
[0100]
主网传输线交换功率安全约束：
[0101]-p
line，max
≤p
grid
≤p
line，max
[0102]
式中：p
line，max
为传输线允许的最大交换功率。
[0103]
蓄电池的输出功率约束：
[0104]
p
s，min
≤ps≤p
s，max
[0105]
式中，p
s，min
表示蓄电池最小输出功率，p
s，max
表示蓄电池最大输出功率；
[0106]
蓄电池容量约束：
[0107]
soc
min
≤soc≤soc
max
[0108]
式中：soc表示蓄电池荷电状态，soc
min
表示蓄电池最小容量，soc
max
表示蓄电池最大容量。
[0109]
一天内储能装置充放电次数约束：
[0110][0111]
式中：λ
max
表示一天内最大允许充放电次数。
[0112]
该部分主要部署于系统下层能量流动部分，能量流动关系如图4所示。其中图6所示为工厂能源管理系统针对削峰填谷为目标时，系统调峰充放电的优先级顺序。优化以满足多时段负载需求、达到功率平衡为目的，即：保证智能工厂的正常运营用电需求，避免在用电高峰时期出现电力供应不足的现象。考虑用电低峰期对储能系统充电以备在用电高峰
期时满足工厂负载的用电需求。其他附加的约束条件有储能容量约束、主网传输线交换功率安全约束、蓄电池的输出功率约束等。
[0113]
针对以提升系统功率分配合理性为优化目标时，优化以不触发过多约束惩罚的前提下，进行储能合理的充放电，并进行低价买电高价卖电，利用不同时段电价差异赚取最大经济收益。图7所示为工厂系统经济支出与收益关系图，在储能系统soc约束惩罚中除了包含容量存储或释放超出储能容量最大或最小限值后产生的惩罚外，还包含储能有效利用率惩罚，即对储能系统一天内的存储功率与释放功率做约束，为确保储能系统得以更加有效的利用，储能设备一天内的存储量与释放量差值不应过大，否则会导致储能系统能源剩余量过多的现象产生。
[0114]
s4：根据功率预测数据以及工厂运营负载预测数据，对优化算法进行改进，得到工厂能源系统能源分配最优功率预测调度策略；
[0115]
工厂能源各系统设备与优化算法之间的关联如图5所示。将储能充放电功率、工厂与主网交换电功率作为待优化的两个变量，以削峰填谷和提升系统功率分配合理性为优化目标。对传统粒子群优化算法进行改进，加入自适应混沌系统，所设计的算法流程图如图8所示，算法中，粒子总数b＝100；粒子维数为48，由优化问题所决定，学习因c1＝c2＝2；最大迭代次数6000；最大惯性权重0.95，最小惯性权重0.4；粒子速度最大值为5；计算精度为10-6；分别针对工厂不同工时制度工作背景进行优化。
[0116]
图13和图14为工厂标准工时制下的功率预测优化调度图，图13所示为能源管理系统经过预优化后对储能系统一天内充放电的功率调度图(其中正值表示系统放电，负值表示充电)，图14为能源管理系统经过预优化后与主网之间交换电的决策图(正值表示智能工厂向主网卖电，负值表示买电)。从图13和14中可以看出，对于工厂的三个高峰用电时段，在8:00
‑‑
11:00用电高峰期时间段，风光发电不能满足负载需求，考虑到该时间段大部分时间处于低电价时间段，系统经过综合决策后，选择储能部分放电的同时从主网进行买电满足工厂的正常运营需求。
[0117]
在14:00
‑‑
17:00时间段内，风光发电基本能够满足工厂负载运营需求，能源管理系统决策后将多出的功率大部分充进储能系统。在20:00
‑‑
23:00时间段内，由于该时段内光强过低，光伏系统停止工作，风光发电无法满足工厂负载运营需求，但此阶段属于高电价时段，能源管理系统决策后调度储能系统充分放电，结合风力发电，将电力一部分用来满足工厂的正常运转需求。值得注意的是11: 00
‑‑
15:00是一天内光照强度最大的时间段，光伏发电达到顶峰，为避免过多弃风弃光现象的产生，能源管理系统决策调度储能系统进行充电的同时向主网输送电荷。其他时间段，由能源管理系统根据负荷需求，以削峰填谷，提升系统功率分配合理性为目标，对储能与主网进行智能优化调度。
[0118]
图17和图18为工厂昼夜两班倒工时制下的系统功率预测调度优化图，其中工厂工作时间制度表如表3所示：
[0119]
表3工厂作息时间表
[0120][0121]
图17所示为能源管理系统经过预优化后对储能系统一天内充放电的功率调度图，
图18为能源管理系统经过预优化后与主网之间交换电的决策图。根据图中优化结果可以看出，在10:00
‑‑
14:00与20:00
‑‑
23:00这两个高电价时间段内，工厂运营的负载需求主要有风光发电和储能放电进行提供，同时智能工厂向主网卖电赚取经济收益。与方案一中相同的是在10:00
‑‑
15:00时间段内，由于光强达到顶峰，风光出力充裕，所以储能系统在充电的同时工厂向主网输送电荷。其他时间段，能源管理系统同样根据负荷需求，以削峰填谷，提升系统功率分配合理性为目标，对各设备进行优化调度。
[0122]
s5：提出对功率预测调度进行分配合理性分析，判断改进算法的有效性与可借鉴性。
[0123]
(1)标准工时制模式
[0124]
表4所示为工厂风、光、储混合储能系统的建设规模以及对应的投资成本与度电成本。表5与表6为能源管理系统优化前后工厂一天内的成本与收入对比。从表中可以看出，优化后，智能工厂一天内的经济利润相比优化前得到了显著的提高。这一点可以更好的证明该功率预测调度模块相较于优化前具有一定的优越性与改良性，各模块系统间配合的能动性得到增强，整个混合能源系统的功率分配合理性得到优良的改善。
[0125]
由表5可知，优化前后系统的消费成本差异主要是系统约束惩罚，而促使工厂产生约束惩罚成本的因素是由弃风弃光现象和储能系统能量利用率导致的。对于弃风弃光现象，如图15所示为优化前后系统弃风弃光现象，优化后，系统解决了从15:00到19:00产生的弃风弃光现象。这部分电力用于给储能充电和卖与主网。结合表6可以看到，优化后储能系统的有效利用帮助工厂增加了向主网卖电的频率，减少了买电频率。
[0126]
表4系统投资建设成本表
[0127][0128]
表5优化前后工厂一天内成本支出表
[0129][0130]
表6优化前后工厂一天内收益对比表
[0131]
[0132]
表7优化前后工厂一天内成本支出表
[0133][0134]
表8优化前后工厂一天内收益对比表
[0135][0136]
(2)昼夜两班倒模式
[0137]
表7与表8为能源管理系统优化前后一天内的成本与收入对比。从表中可以看出，优化后，智能工厂一天内的经济利润相比优化前得到了显著的提高。
[0138]
由表7可知，优化前后系统的消费成本差异主要是系统约束惩罚，促使工厂产生约束惩罚成本的因素同样是由弃风弃光现象和储能系统能量利用率导致的。与算例一中不同的是，优化前，系统两班倒的工作模式下弃风弃光量要远高于标准工时模式下的弃风弃光量。原因是一方面两种工作背景中工厂运营负载需求有很大区别。不同时段负载需求的差异会对系统弃风弃光现象造成一定影响，如图15与图19所示。
[0139]
另一方面，两班倒工作模式下的储能系统利用率虽然比标准工时下的利用率好一些，但仍然存在大量能量未使用。与优化前相比，优化后能源管理系统调度储能系统更加灵活，优化后的工厂增加了向主网卖电的频率，减少了从主网买电的频率，这是因为储能系统的有效利用，帮助智能工厂减少了这部分开支。
[0140]
两种工作背景下的调度优化实验都证明了该功率预测调度模块相较于优化前具有一定的优越性与改良性，各模块系统间配合的能动性得到增强，整个混合能源系统的功率分配合理性得到优良的改善，同时也证明了该发明方法与传统方法相比较的优越性与可借鉴性。
[0141]
如图20所示，本发明实施例还提供了一种考虑短期功率预测的综合能源系统优化装置，包括以下模块：
[0142]
数据预测模块，用于建立风光系统出力日前预测模型，考虑工厂不同工作运营背景下的负载需求模型；
[0143]
混合能源模型构建模块，用于建立风机、光伏系统的数学模型；
[0144]
目标约束模块，用于实现不同优化目标时，构建相对应的混合能源系统模型的约
束条件；
[0145]
优化调度策略模块，用于根据预测数据与优化目标，结合改进后的优化算法，进行功率预测调度优化策略的提出，得到工厂能源管理系统的功率分配最优运行策略；
[0146]
功率分配合理性分析模块，用于得到调度优化策略后，对系统进行功率分配合理性分析，分析系统的弃风弃光量、储能实际充放电次数、储能容量变化、主电网功率交换量等。
[0147]
本发明考虑了一种考虑短期功率预测调度的工厂混合能源系统优化方法，该方法考虑将工厂混合能源系统与智能电网相连接，以提高风光系统出力预测的的精准度。并通过智能电网获取工厂负载预测数据。采用自适应粒子群算法，以削峰填谷和提高系统功率分配合理性为优化目标，进行工厂混合能源系统功率预测调度优化。优化中针对工厂不同的工时制工作背景，提出了相应能量分配最优功率预测调度策略，并进行了功率预测调度后的功率分配合理性分析。本发明考虑引入智能电网进行功率预测，并提出了将预测信息和改进后的优化算法进行结合，得到综合能源系统优化策略，相较于优化前，提升了优化提升了优调度结果的可行性，且可用于实际系统项目。在优化结果上提升了系统的经济效益，提升了系统整体功率分配的合理性，降低了系统的弃风弃光率，提升了系统的用电自我供应能力，增加了系统向主网供电的可靠性，在系统运行上考虑了实际用户用能情况，更符合真实系统需求。同时本发明考虑了不同工作类型背景下的工厂能源预测调度，在不同工时制背景下进行工厂能源系统的预测优化调度，并对优化后的系统进行了详细的功率分配合理性分析，增加该发明的真实性与适用性。
[0148]
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
[0149]
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
[0150]
为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本技术公开的原理和新颖性特征的最广范围相一致。
[0151]
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性
的或者”。
[0152]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，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技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。