换电站的电池充电方法、装置以及存储介质、电子设备与流程

1.本发明涉及换电技术领域，具体涉及一种换电站的电池充电方法、装置以及存储介质、电子设备。


背景技术：

[0002]“换电”是由车辆的电池包充电速度慢、充电桩数量少而衍生出来的新的技术手段。“换电”指的是，车辆没电了以后直接开到换电站，把电池包整体卸下来，换上一块充满电的电池包。在实际运营过程中，换电站服务的换电车辆越多，日常消耗的电量越多，换电站的运营成本也是一笔不小的开支。因此，如何为换电站中的电池定制更为合理的充电策略是换电业务实际运营过程需要解决的问题。


技术实现要素：

[0003]
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种换电站的电池充电方法，通过动态调整换电站中的电池的充电策略，以降低换电站的运营成本，提高换电站的运营效率，延长电池使用寿命，合理利用电力资源。
[0004]
本发明的第二个目的在于提出一种计算机可读存储介质。
[0005]
本发明的第三个目的在于提出一种电子设备。
[0006]
本发明的第四个目的在于提出一种换电控制装置。
[0007]
为达到上述目的，本发明第一方面实施例提出了一种换电站的电池充电方法，包括以下步骤：获取各换电车辆的第一换电参数；分别利用预先训练好的换电意愿预测模型，根据所述第一换电参数得到各所述换电车辆的换电概率；获取换电站的第二换电参数；根据所述第二换电参数和各所述换电车辆的换电概率，预测得到所述换电站在未来预设时间内的换电需求；根据所述换电需求、预设的约束条件和优化目标，得到所述换电站的电池充电策略，并根据所述电池充电策略对所述换电站的电池进行充电控制。
[0008]
根据本发明实施例的换电站的电池充电方法，基于大数据技术，预测每一车辆的换电概率以及换电站在未来预设时间内的换电需求，根据换电需求、预设的约束条件和优化目标，得到换电站的电池充电策略，并根据电池充电策略对换电站的电池进行充电控制。该方法通过动态调整换电站中的电池的充电策略，以降低换电站运营成本，提高换电站运营效率，延长电池使用寿命，合理利用电力资源。
[0009]
另外，根据本发明上述实施例提出的换电站的电池充电方法还可以具有如下附加的技术特征：
[0010]
根据本发明的一个实施例，所述换电意愿预测模型采用cart分类树模型，所述利用预先训练好的换电意愿预测模型，根据所述第一换电参数得到所述换电车辆的换电概率，包括：将所述第一换电参数输入至预先训练好的cart分类树模型，得到各叶子节点分类结果；根据各叶子节点的深度对所有的叶子节点分类结果进行加权处理；对加权后的结果
进行非线性变换，得到所述换电车辆的换电概率，其中，所述换电概率的取值为0～1。
[0011]
根据本发明的一个实施例，所述第二换电参数包括当前时间点、历史换电信息，所述根据所述第二换电参数和各所述换电车辆的换电概率，预测得到所述换电站在未来预设时间内的换电需求，包括：获取所述当前时间点所处时间段的实际换电次数；获取所述当前时间点所处时间段的上一时间段的预测换电次数；获取当前时间点所处时间段的上一时间段的状态信息；根据所述历史换电信息、所述换电概率、当前时间段的实际换电次数、上一时间段的预测换电次数和上一时间段的状态信息，预测得到下一时间段的预测换电次数；根据所述下一时间段的预测换电次数、所述换电概率，得到所述换电站在未来预设时间内的换电需求。
[0012]
根据本发明的一个实施例，所述根据所述历史换电信息、所述换电概率、当前时间段的实际换电次数、上一时间段的预测换电次数和上一时间段的状态信息，预测得到下一时间段的预测换电次数，包括：根据所述历史换电信息、所述当前时间段的实际换电次数、所述上一时间段的预测换电次数，得到第一中间变量、第二中间变量和第三中间变量；利用双曲函数对所述当前时间段的实际换电次数、所述上一时间段的预测换电次数进行重新分布处理，得到目标分布函数；将所述目标分布函数与所述第一中间变量做点乘，得到当前状态的预测量；将所述上一时间段的状态信息与所述第二中间变量做点乘，并与所述当前状态的预测量相加，得到当前时间段的状态信息；将所述当前时间段的状态信息与所述第三中间变量做点乘，得到所述下一时间段的预测换电次数。
[0013]
根据本发明的一个实施例，
[0014]
所述第一中间变量为：wi*(h[t
‑
1] x[t])；
[0015]
所述第二中间变量为：wf*(h[t
‑
1] x[t])；
[0016]
所述第三中间变量为：wo*(h[t
‑
1] x[t])；
[0017]
其中，wi、wf、wo均为滤波系数，根据所述历史换电信息测试调整得到，h[t
‑
1]为所述上一时间段的预测换电次数，x[t]为所述当前时间段的实际换电次数。
[0018]
根据本发明的一个实施例，所述预设的约束条件包括：快速充电引起的电池损耗、高峰时期充电带来的高电费成本、满电电池供给不足导致用户满意度下降、充电策略的可控变量、换电站内每块电池的充电倍率中的至少一者。
[0019]
根据本发明的一个实施例，所述根据所述换电需求、预设的约束条件和优化目标，得到所述换电站的电池充电策略，包括：根据所述换电需求、预设的约束条件和优化目标，建立成本函数cost(t)：
[0020]
min:cost(t)＝a(t) b(t) c(t)，
[0021]
其中，表示电费成本函数，t为所述预设时间，γ为时间衰减系数，t为时间变量，relu()为线性整流函数，swapneeds(t)为当前时间段需要更换的电池数，currentbattey(t)为当前可更换的换电电池数，
[0022]
表示电池损耗函数，i为电池仓编号，chargeratio(i)为充电策略给定的充电倍率函数，electricityprice(t)为电价函数，batterynum为待充电池的数量，
[0023]
表示电池供给函数，batteryloss(x)为x充电倍率选单位时间电池损耗函数，
[0024][0025]
startbatterystate为初始满电电池数，chargefullbattery(t)为当前时间新充好的电池数。
[0026]
为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如本发明第一方面实施例提出的换电站的电池充电方法。
[0027]
为达到上述目的，本发明第三方面实施例提出了一种电子设备，包括存储器、处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如本发明第一方面实施例提出的换电站的电池充电方法。
[0028]
为达到上述目的，本发明第四方面实施例提出了一种换电站的电池充电装置，包括：第一获取模块，用于获取各换电车辆的第一换电参数；第一预测模块，用于分别利用预先训练好的换电意愿预测模型，根据所述第一换电参数得到各所述换电车辆的换电概率；第二获取模块，用于获取换电站的第二换电参数；第二预设模块，用于根据所述第二换电参数和各所述换电车辆的换电概率，预测得到所述换电站在未来预设时间内的换电需求；确定模块，用于根据所述换电需求、预设的约束条件和优化目标，得到所述换电站的电池充电策略；控制模块，用于根据所述电池充电策略对所述换电站的电池进行充电控制。
[0029]
根据本发明实施例的换电站的电池充电装置，基于大数据技术，预测每一车辆的换电概率以及换电站在未来预设时间内的换电需求，根据换电需求、预设的约束条件和优化目标，得到换电站的电池充电策略，并根据电池充电策略对换电站的电池进行充电控制。该装置通过动态调整换电站中的电池的充电策略，以降低换电站运营成本，提高换电站运营效率，延长电池使用寿命，合理利用电力资源。
[0030]
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0031]
图1为本发明一个实施例的换电站的电池充电方法的流程图；
[0032]
图2为本发明一个实施例获取换电车辆的换电概率的流程图；
[0033]
图3为本发明一个实施例利用cart分类树模型获取换电车辆的换电概率的流程图；
[0034]
图4为本发明一个实施例预测换电站在未来预设时间内的换电需求的流程图；
[0035]
图5为本发明一个实施例获取下一时间段的预测换电次数的流程图；
[0036]
图6为本发明一个实施例获取下一小时的预测换电次数的流程图；
[0037]
图7为本发明一个实施例的换电站的电池充电装置的结构示意图。
[0038]
标号说明：100、换电站的电池充电装置；101、第一获取模块；102、第一预测模块；103、第二获取模块；104、第二预设模块；105、确定模块；106、控制模块。
具体实施方式
[0039]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0040]
下面结合说明书1
‑
7以及具体的实施方式对本发明实施例的换电站的电池充电方法、装置以及存储介质、电子设备进行详细说明。
[0041]
图1为本发明一个实施例的换电站的电池充电方法的流程图。如图1所示，一种换电站的电池充电方法，包括以下步骤：
[0042]
步骤s11，获取各换电车辆的第一换电参数。
[0043]
在本发明的一个实施例中，第一换电参数可包括多个维度的信息，为了获得各换电车辆更为精准的换电概率，第一换电参数优选地可包括速度信息、温度信息、soc(state of charge，荷电状态)信息、时间信息、里程信息、预约事件信息、位置信息等。
[0044]
具体而言，速度信息可为当前时间点所处时间段之前一段时间的速度值统计量，温度信息可包括当前时间点的环境温度和电池温度以及关联的历史温度信息，soc信息可为换电车辆当前时间点的soc信息，soc信息为够帮助客户规划自己的充电时间和行程的信息，时间信息可包括当前时间点的日期和具体时间点，里程信息可为换电车辆上次充电以来的累计行驶里程，预约事件信息可包括各换电车辆的预约换电的时间、预约换电的目的地信息，位置信息可包括各换电车辆当前的位置信息，及其距离周边换电站的距离及运行趋势的信息。
[0045]
步骤s12，分别利用预先训练好的换电意愿预测模型，根据第一换电参数得到各换电车辆的换电概率。
[0046]
如图2所示，换电意愿预测模型可采用cart分类树模型，利用预先训练好的换电意愿预测模型，根据第一换电参数得到换电车辆的换电概率，可包括：
[0047]
步骤121，将第一换电参数输入至预先训练好的cart分类树模型，得到各叶子节点分类结果。
[0048]
具体地，如图3所示，第一换电参数会被分离成多个备份，每一第一换电参数被输入cart分类树的每一分类器(图3中每一节点为一个分类器)中，其中，不同的分类器具有对不同特征维度的分类能力或混合分类能力，在该实施例中，分类器优选为二值分类器，二值分类器的判断规则是：对于属性a，分别计算任意属性值将数据集d划分成两部分之后的基尼指数，基尼系数代表了模型的不纯度，基尼系数越小，不纯度越低，特征越好。选取其中的最小值，作为属性a得到的最优二分方案，然后对于数据集s，计算所有属性的最优二分方案，选取其中的最小值，作为数据集s的最优二分方案。
[0049]
cart分类树中的二值分类器根据自身的分类能力对第一换电参数中的不同维度的信息进行分类，可得到各叶子节点分类结果。
[0050]
步骤122，根据各叶子节点的深度对所有的叶子节点分类结果进行加权处理。
[0051]
在该实施例中，对所有的叶子节点分类结果进行加权处理可以得到更为稳定的结果，减小极大或极小值的换电概率的影响。
[0052]
步骤123，对加权后的结果进行非线性变换，得到换电车辆的换电概率，其中，换电概率的取值为0～1。
[0053]
对加权后的结果进行非线性变换可以得到换电概率评分，在统计意义上，换电概率评分与换电车辆的换电意愿/概率存在正相关性，因此，与换电车辆距离换电站位置等信息，可共同构换电车辆的换电需求权重，统计换电站周围换车辆的换电需求。
[0054]
在该实施例中，非线性变换可采用softmax、sigmoid、tanh、relu及其变种等任一非线性变换方式。
[0055]
步骤s13，获取换电站的第二换电参数。
[0056]
在本发明的一个实施例中，第二换电参数可包括多个维度的信息，为了更准确的预测得到换电站在未来预设时间内的换电需求，第二换电参数优选地包括历史换电信息、温度信息、soc信息、时间信息以及换电站历史上每个小时的换电数量。
[0057]
具体而言，历史换电信息可为历史换电事件序列，温度信息可包括当前时间点环境温度和电池温度，soc信息可为当前时间点的soc，时间信息可为换电事件的日期和当前时间点。
[0058]
步骤s14，根据第二换电参数和各换电车辆的换电概率，预测得到换电站在未来预设时间内的换电需求。
[0059]
如图4所示，根据第二换电参数和各换电车辆的换电概率，预测得到换电站在未来预设时间内的换电需求，可包括：
[0060]
步骤s141，获取当前时间点所处时间段的实际换电次数。令x[t]表示当前时间点所处时间段的实际换电次数，x[t
‑
1]表示当前时间点所处时间段的上一时间段的实际换电次数。步骤s141是为了获取x[t]。
[0061]
步骤s142，获取当前时间点所处时间段的上一时间段的预测换电次数。令h[t
‑
1]表示上一时间段预测的当前时间点所处时间段的换电次数，h[t]表示当前时间点所处时间段预测的下一时间段的换电次数。其中，当前时间点所处时间段的上一时间段的预测换电次数可采用随机值、预设值或常量。步骤s142是为了获取h[t
‑
1]。
[0062]
步骤s143，获取当前时间点所处时间段的上一时间段的状态信息。令c[t
‑
1]表示当前时间点所处时间段的上一时间段的状态信息，c[t]表示当前时间点所处时间段的状态信息。步骤s143是为了获取c[t
‑
1]。
[0063]
需要说明的是，1表示一个时间段的步长。作为一个示例，若一个时间段为1小时，则x[t]表示本小时内的实际换电次数，x[t
‑
1]表示上一小时内的实际换电次数，h[t
‑
1]表示上一小时预测的本小时的换电次数，h[t]表示本小时预测的下一小时的换电次数，c[t
‑
1]表示上一小时的状态信息，c[t]表示本小时的状态信息。其中，本小时均为当前时间点所处小时。
[0064]
步骤s144，根据历史换电信息、换电概率、当前时间段的实际换电次数、上一时间段的预测换电次数和上一时间段的状态信息，预测得到下一时间段的预测换电次数。
[0065]
如图5所示，根据历史换电信息、换电概率、当前时间段的实际换电次数、上一时间段的预测换电次数和上一时间段的状态信息，预测得到下一时间段的预测换电次数，可包括：
[0066]
步骤s1441，根据历史换电信息、当前时间段的实际换电次数、上一时间段的预测换电次数，得到第一中间变量、第二中间变量和第三中间变量。
[0067]
其中，第一中间变量为：wi*(h[t
‑
1] x[t])；第二中间变量为：wf*(h[t
‑
1] x[t])；
第三中间变量为：wo*(h[t
‑
1] x[t])；其中，wi、wf、wo均为滤波系数，可根据历史换电信息测试调整得到，h[t
‑
1]为上一时间段的预测换电次数，x[t]为当前时间段的实际换电次数。
[0068]
步骤s1442，利用双曲函数对当前时间段的实际换电次数、上一时间段的预测换电次数进行重新分布处理，得到目标分布函数。
[0069]
步骤s1443，将目标分布函数与第一中间变量做点乘，得到当前状态的预测量。
[0070]
步骤s1444，将上一时间段的状态信息与第二中间变量做点乘，并与当前状态的预测量相加，得到当前时间段的状态信息。
[0071]
步骤s1445，将当前时间段的状态信息与第三中间变量做点乘，得到下一时间段的预测换电次数。
[0072]
作为一个示例，1表示一个时间段的步长，一个时间段为一个小时的时长，图6为预测下一小时的预测换电次数运算流程图。根据历史换电信息、本小时的实际换电次数x[t]、上一小时的预测换电次数h[t
‑
1]，得到第一中间变量、第二中间变量和第三中间变量；其中，第一中间变量为：wi*(h[t
‑
1] x[t])；第二中间变量为：wf*(h[t
‑
1] x[t])；第三中间变量为：wo*(h[t
‑
1] x[t])；其中，wi、wf、wo均为滤波系数，根据历史换电信息测试调整得到，h[t
‑
1]为上一时间段的预测换电次数，x[t]为当前时间段的实际换电次数。利用双曲函数对当前时间段的实际换电次数x[t]、上一时间段的预测换电次数h[t
‑
1]进行重新分布处理，得到目标分布函数th(x[t],h[t
‑
1])；将目标分布函数th(x[t],h[t
‑
1])与第一中间变量wi*(h[t
‑
1] x[t])做点乘，得到当前状态的预测量；将上一小时的状态信息c[t
‑
1]与第二中间变量wf*(h[t
‑
1] x[t])做点乘，并与当前一小时内预测量相加，得到本小时的状态信息c[t]；将本小时的状态信息c[t]与第三中间变量wo*(h[t
‑
1] x[t])做点乘，得到下一小时的预测换电次数h[t]。
[0073]
步骤s145，根据下一时间段的预测换电次数、换电概率，得到换电站在未来预设时间内的换电需求。
[0074]
步骤s15，根据换电需求、预设的约束条件和优化目标，得到换电站的电池充电策略，并根据电池充电策略对换电站的电池进行充电控制。
[0075]
具体地，预设的约束条件可包括：快速充电引起的电池损耗、高峰时期充电带来的高电费成本、满电电池供给不足导致用户满意度下降、充电策略的可控变量、换电站内每块电池的充电倍率中的至少一者。
[0076]
在该预设的约束条件下，考虑到充电成本和电池资产成本等问题，为换电站的电池充电策略，可以降低运营成本，提高运营效率，延长电池使用寿命，合理利用电力资源。
[0077]
进一步具体地，根据换电需求、预设的约束条件和优化目标，得到换电站的电池充电策略，可包括：
[0078]
根据换电需求、预设的约束条件和优化目标，建立成本函数cost(t)：
[0079]
min:cost(t)＝a(t) b(t) c(t)，
[0080]
其中，表示电费成本函数，t为预设时间，γ为时间衰减系数，t为时间变量，relu()为线性整流函数，swapneeds(t)为当前时间段需要更换的电池数，当swapneeds(3)＝2，表示t＝3时刻发生2次换电，在实际计算时，下一时间段的预测换电次数可以作为swapneeds(t)的估计值，currentbattey
(t)为当前可更换的换电电池数。
[0081]
表示电池损耗函数，i为电池仓编号，chargeratio(i)为充电策略给定的充电倍率函数，electricityprice(t)为电价函数，batterynum为待充电池的数量。
[0082]
表示电池供给函数，batteryloss(x)为x充电倍率选单位时间电池损耗函数。
[0083][0084]
startbatterystate为初始满电电池数，chargefullbattery(t)为当前时间新充好的电池数。
[0085]
本发明实施例提供的换电站的电池充电方法，基于大数据技术，预测每一车辆的换电概率以及换电站在未来预设时间内的换电需求，根据换电需求、预设的约束条件和优化目标，得到换电站的电池充电策略，并根据电池充电策略对换电站的电池进行充电控制。因此，该方法通过动态调整换电站中的电池的充电策略，以降低换电站运营成本，提高换电站运营效率，延长电池使用寿命，合理利用电力资源。
[0086]
本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时，实现如本发明第一方面实施例提出的换电站的电池充电方法。
[0087]
本发明提供了一种电子设备，包括存储器、处理器，存储器上存储有计算机程序，计算机程序被处理器执行时，实现如本发明第一方面实施例提出的换电站的电池充电方法。
[0088]
本发明提供一种换电站的电池充电装置。
[0089]
图6为本发明一个实施例的换电站的电池充电装置的结构示意图。如图6所示，换电站的电池充电装置100包括：第一获取模块101、第一预测模块102、第二获取模块103、第二预设模块104、确定模块105和控制模块106。
[0090]
其中，第一获取模块101，用于获取各换电车辆的第一换电参数；第一预测模块102，用于分别利用预先训练好的换电意愿预测模型，根据第一换电参数得到各换电车辆的换电概率；第二获取模块103，用于获取换电站的第二换电参数；第二预设模块104，用于根据第二换电参数和各换电车辆的换电概率，预测得到换电站在未来预设时间内的换电需求；确定模块105，用于根据换电需求、预设的约束条件和优化目标，得到换电站的电池充电策略；控制模块106，用于根据电池充电策略对换电站的电池进行充电控制。
[0091]
需要说明的是，本发明实施例提供的换电站的电池充电装置的其他具体实施方式可参见本发明上述实施例的换电站的电池充电方法的其他具体实施方式。
[0092]
本发明实施例提供的换电站的电池充电装置，基于大数据技术，预测每一车辆的换电概率以及换电站在未来预设时间内的换电需求，根据换电需求、预设的约束条件和优化目标，得到换电站的电池充电策略，并根据电池充电策略对换电站的电池进行充电控制。该装置通过动态调整换电站中的电池的充电策略，以降低换电站运营成本，提高换电站运营效率，延长电池使用寿命，合理利用电力资源。
[0093]
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0094]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0095]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0096]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”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。
[0097]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0098]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0099]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以
是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0100]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。