基于数据耦合的输电线路风险评估模型训练方法及装置与流程

1.本发明涉及电力系统自动化技术领域，尤其是涉及一种基于数据耦合的输电线路风险评估模型训练方法及装置。


背景技术：

2.随着经济发展和输电网规模扩大，众多输电线路处于高海拔，重覆冰等自然环境恶劣的地区，造成输电线路安全监测困难和监测滞后，严重威胁输电线路安全稳定运行，因此急需研究输电线路安全稳定评估方法。
3.现有技术中研究开发了一系列覆冰识别方法，引入了图像识别、微气象、弧垂等方法，但均只针对单条线路进行覆冰识别，并且只针对单条输电线路的覆冰数据，未综合输电线路环境和电气数据。


技术实现要素：

4.本发明的目的在于提供一种基于数据耦合的输电线路风险评估模型训练方法及装置，旨在解决上述问题。
5.本发明提供一种基于数据耦合的输电线路风险评估模型训练方法，包括：
6.s1.将获得的输电线路安全风险电气参数指标和输电线路安全风险环境参数指标进行数据耦合，生成输电线路安全风险评估数据；
7.s2.基于所述输电线路安全风险评估数据计算输电线路安全风险评估指标的值；
8.s3.基于所述输电线路安全风险评估数据，使用克里金插值法生成输电线路状态多维热力图像；
9.s4.根据预设参数，以所述输电线路状态多维热力图像为输入，所述输电线路安全风险评估指标的值为输出，训练基于轻量化网络mobilenet-v3搭建的输电线路安全风险评估模型。
10.本发明提供一种基于数据耦合的输电线路风险评估模型训练装置，包括：
11.数据耦合模块：用于将输电线路安全风险电气参数指标和输电线路安全风险环境参数指标进行数据耦合，生成输电线路安全风险评估数据；
12.评估指标计算模块：用于基于所述输电线路安全风险评估数据计算输电线路安全风险评估指标的值；
13.图像生成模块：用于基于所述输电线路安全风险评估数据，使用克里金插值法生成输电线路状态多维热力图像；
14.模型训练模块：用于根据预设参数，以所述输电线路状态多维热力图像为输入，所述输电线路安全风险评估指标的值为输出，训练基于轻量化网络mobilenet-v3搭建的输电线路安全风险评估模型。
15.本发明实施例还提供一种基于数据耦合的输电线路风险评估模型训练设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计
算机程序被所述处理器执行时实现上述风险评估模型训练方法的步骤。
16.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述风险评估模型训练方法的步骤。
17.采用本发明实施例，能针对高海拔、重覆冰等自然环境恶劣的地区，通过采集输电线路所处环境和电气数据，综合输电线路环境和电气数据生成输电线路多维热力图像实现输电线路安全风险的评估，能够通过训练输电线路安全风险评估模型实现对图像的辨识从而快速的对输电线路安全风险作出评估，保证了输电线路安全稳定地运行。
18.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
19.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1是本发明实施例的基于数据耦合的输电线路风险评估模型训练方法的流程图；
21.图2是本发明实施例的基于数据耦合的输电线路风险评估方法的流程图；
22.图3是本发明实施例的基于数据耦合的输电线路风险评估模型训练装置示意图；
23.图4是本发明实施例的基于数据耦合的输电线路风险评估模型训练装置示意图。
具体实施方式
24.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。
25.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”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。
26.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一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；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。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。
27.方法实施例
28.根据本发明实施例，提供了一种基于数据耦合的输电线路风险评估模型训练方法，图1是本发明实施例的基于数据耦合的输电线路风险评估模型训练方法的流程图，如图1所示，根据本发明实施例的基于数据耦合的输电线路风险评估模型训练方法具体包括：
29.s1.将获得的输电线路安全风险电气参数指标和输电线路安全风险环境参数指标进行数据耦合，生成输电线路安全风险评估数据。
30.具体的，获得输电线路安全风险电气参数指标的方法具体为：
31.设置发电机有功出力，发电机机端电压和负荷有功功率变化范围，利用蒙特卡洛抽样方法在变化范围内生成大量样本，搭建电网实际仿真模型；对生成的样本数据进行潮流仿真计算，得到输电线路安全风险电气参数指标，具体包括输电线路平均电压和线路潮流；
32.其中，设置的发电机有功出力变化范围为50％～150％，发电机机端电压标幺值变化范围为0.8～1.1，负荷有功功率变化范围为50％～150％。
33.获得输电线路安全风险环境参数指标的方法为：
34.确定系统内所有输电线路全年周围环境全年最高和最低气温，基于蒙特卡洛抽样方法，在确定的最高和最低气温范围内随机生成大量气温场景，模拟预定时间段内可能出现的各种气候状况，生成输电线路周围温度和线路覆冰的大量样本，构成输电线路安全风险环境参数指标。
35.本实施例中使用张力传感器数据作为线路覆冰的表征，以张力实测数据为基础，基于现有数据采用蒙特卡洛抽样法进行差值抽样，生成所有可能的张力场景，使新生成的数据更具有代表性。
36.得到的输电线路安全风险电气参数指标和输电线路安全风险环境参数指标共同构成输电线路安全风险评估数据。
37.s2.基于所述输电线路安全风险评估数据计算输电线路安全风险评估指标的值。
38.具体的，基于电气参数和环境参数，评估系统的安全风险程度，其中电压通过与基准电压的偏差百分比来表示，并转换成满分100分的分数，如公式1所示：
[0039]vscore
＝score(abs(v
i-v0))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式1；
[0040]
其中，v
score
为线路平均电压得分；score为分数转换函数；abs为绝对值函数；vi为线路i的平均电压；v0为基准电压。
[0041]
线路负载率得分计算公式如公式2所示：
[0042][0043]
其中，l
score
为线路负载率得分；li为线路i的当前负载；l
i0
为线路i的最大负载。
[0044]
本发明中线路周边环境温度的安全风险得分计算方法如公式3所示：
[0045]
t
score
＝score(ηiti)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式3；
[0046]
其中，t
score
为基于环境温度的安全风险得分；ti为线路i周围的温度；ηi为不同温度下覆冰厚度预测常数。
[0047]
基于拉力传感器得到的线路安全风险指标如公式4所示：
[0048][0049]
其中，i
score
为基于拉力传感器数据计算得到的线路安全风险得分；ii为输电线路i的拉力传感器量测值；i
i0
为线路i的拉力极限值。
[0050]
建立所述输电线路安全风险电气参数和输电线路安全风险环境参数的判断矩阵，并进行归一化处理；基于熵权法评估各输电线路安全风险评估指标的熵，定义熵权，计算得到各输电线路安全风险评估指标的权重值，作为各输电线路安全风险评估指标在训练完成后的输电线路风险评估模型中的权重；
[0051]
计算得到各输电线路安全风险评估指标的权重后，基于权重计算多维数据下线路安全风险评估指标的值，输电线路安全风险综合评估结果如公式5所示：
[0052]
s＝wvv
score
w
l
l
score
w
t
t
score
wii
score
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式5；
[0053]
其中，s是输电线路综合风险评估结果，wv，w
l
，w
t
和wi分布为熵权法计算得到的电压、负载率、温度和拉力参数的权重。
[0054]
s3.基于所述输电线路安全风险评估数据，使用克里金插值法生成输电线路状态多维热力图像。
[0055]
具体的，在电力系统中，可将热力图与输电线路电气信息和环境信息相结合，产生同一时间断面下，多张含地理信息的输电线路状态热力图像，同时包含当前断面下所有输电线路的多维特征信息。在本实施例中，使用克里金插值法对测试系统的节点电压进行插值，得到区域内所有点的电压值，生成包含地理信息的线路平均电压、线路负载率、线路周边环境温度和线路覆冰热力图像，图像中，颜色越红代表电压越高，颜色为黄色的区域代表电压处于中等水平，颜色为绿色的区域为电压偏低区域，表示可能存在安全风险。
[0056]
s4.根据预设参数，以所述输电线路状态多维热力图像为输入，所述输电线路安全风险评估指标的值为输出，训练基于轻量化网络mobilenet-v3搭建的输电线路安全风险评估模型。
[0057]
具体的，对mobilenet-v3模型进行训练时的预设参数具体设置为：选择模型类型为small，模型层数为16层，初始学习率为0.0001，迭代次数为200，每批次训练样本数量为20，优化器为adam优化器，损失函数选择均方误差损失函数。
[0058]
图2是本发明实施例的基于数据耦合的输电线路风险评估方法的流程图，如图2所示，在实际应用中，获取实时输电线路电器、环境监测数据，包括输电线路平均电压、线路负载率、线路周边环境温度和张力数据，将数据转换为热力图像后，通过基于mobilenet-v3模型搭建的输电线路安全风险评估系统进行评估，得到输电线路安全风险评估结果。
[0059]
采用本发明实施例，能针对高海拔、重覆冰等自然环境恶劣的地区，通过采集输电线路所处环境和电气数据，综合输电线路环境和电气数据生成输电线路多维热力图像实现输电线路安全风险的评估，能够通过训练输电线路安全风险评估模型实现对图像的辨识从而快速的对输电线路安全风险作出评估，保证了输电线路安全稳定地运行；使用简单，可行性强，评估精度高。
[0060]
装置实施例一
[0061]
根据本发明实施例，提供了一种基于数据耦合的输电线路风险评估模型训练装置，图3是本发明实施例的基于数据耦合的输电线路风险评估模型训练装置的示意图，如图
3所示，根据本发明实施例的基于数据耦合的输电线路风险评估模型训练装置具体包括：
[0062]
数据耦合模块30：用于将输电线路安全风险电气参数指标和输电线路安全风险环境参数指标进行数据耦合，生成输电线路安全风险评估数据。
[0063]
评估指标计算模块32：用于基于所述输电线路安全风险评估数据计算输电线路安全风险评估指标的值。
[0064]
评估指标计算模块32具体用于：
[0065]
建立所述输电线路安全风险电气参数和输电线路安全风险环境参数的判断矩阵，并进行归一化处理；
[0066]
基于熵权法计算得到各输电线路安全风险评估指标的权重值，作为各输电线路安全风险评估指标在训练完成后的输电线路风险评估模型中的权重；
[0067]
基于所述权重计算多维数据下线路安全风险评估指标。
[0068]
图像生成模块34：用于基于所述输电线路安全风险评估数据，使用克里金插值法生成输电线路状态多维热力图像。
[0069]
模型训练模块36：用于根据预设参数，以所述输电线路状态多维热力图像为输入，所述输电线路安全风险评估指标的值为输出，训练基于轻量化网络mobilenet-v3搭建的输电线路安全风险评估模型。
[0070]
根据本发明实施例的基于数据耦合的输电线路风险评估模型训练装置还包括指标获取模块，具体有电气参数指标获取模块和环境参数指标获取模块，用于获取电气参数指标和环境参数指标并发送至数据耦合模块；
[0071]
其中，电气参数指标获取模块具体用于：
[0072]
基于蒙特卡洛抽样方法，在设置的发电机有功出力，发电机机端电压和负荷有功功率变化范围内生成大量样本，对所述样本进行潮流仿真计算，得到输电线路安全风险电气参数指标；
[0073]
环境参数指标获取模块具体用于：
[0074]
基于蒙特卡洛抽样方法，在所有输电线路全年周围环境全年最高和最低气温范围内随机生成大量气温场景，模拟预定时间段内可能出现的各种气候状况，生成输电线路周围温度和线路覆冰的大量样本，得到输电线路安全风险环境参数指标。
[0075]
本发明实施例是与上述方法实施例对应的系统实施例，各个模块的具体操作可以参照方法实施例的描述进行理解，在此不再赘述。
[0076]
装置实施例二
[0077]
本发明实施例提供一种基于数据耦合的输电线路风险评估模型训练设备，如图4所示，包括：存储器40、处理器42及存储在所述存储器40上并可在所述处理器42上运行的计算机程序，所述计算机程序被所述处理器42执行时实现如下方法步骤：
[0078]
s1.将获得的输电线路安全风险电气参数指标和输电线路安全风险环境参数指标进行数据耦合，生成输电线路安全风险评估数据。
[0079]
具体的：
[0080]
设置发电机有功出力，发电机机端电压和负荷有功功率变化范围，利用蒙特卡洛抽样方法在变化范围内生成大量样本，搭建电网实际仿真模型；对生成的样本数据进行潮流仿真计算，得到输电线路安全风险电气参数指标，具体包括输电线路平均电压和线路潮
流；
[0081]
其中，设置的发电机有功出力变化范围为50％～150％，发电机机端电压标幺值变化范围为0.8～1.1，负荷有功功率变化范围为50％～150％。
[0082]
基于蒙特卡洛抽样方法，在确定的最高和最低气温范围内随机生成大量气温场景，模拟预定时间段内可能出现的各种气候状况，生成输电线路周围温度和线路覆冰的大量样本，构成输电线路安全风险环境参数指标。
[0083]
得到的输电线路安全风险电气参数指标和输电线路安全风险环境参数指标共同构成输电线路安全风险评估数据。
[0084]
s2.基于所述输电线路安全风险评估数据计算输电线路安全风险评估指标的值。
[0085]
具体的，基于电气参数和环境参数，评估系统的安全风险程度，其中电压通过与基准电压的偏差百分比来表示，并转换成满分100分的分数，如公式1所示：
[0086]vscore
＝score(abs(v
i-v0))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式1；
[0087]
其中，v
score
为线路平均电压得分；score为分数转换函数；abs为绝对值函数；vi为线路i的平均电压；v0为基准电压。
[0088]
线路负载率得分计算公式如公式2所示：
[0089][0090]
其中，l
score
为线路负载率得分；li为线路i的当前负载；l
i0
为线路i的最大负载。
[0091]
本发明中线路周边环境温度的安全风险得分计算方法如公式3所示：
[0092]
t
score
＝score(ηiti)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式3；
[0093]
其中，t
score
为基于环境温度的安全风险得分；ti为线路i周围的温度；ηi为不同温度下覆冰厚度预测常数。
[0094]
基于拉力传感器得到的线路安全风险指标如公式4所示：
[0095][0096]
其中，i
score
为基于拉力传感器数据计算得到的线路安全风险得分；ii为输电线路i的拉力传感器量测值；i
i0
为线路i的拉力极限值。
[0097]
建立所述输电线路安全风险电气参数和输电线路安全风险环境参数的判断矩阵，并进行归一化处理；基于熵权法评估各输电线路安全风险评估指标的熵，定义熵权，计算得到各输电线路安全风险评估指标的权重值，作为各输电线路安全风险评估指标在训练完成后的输电线路风险评估模型中的权重；
[0098]
计算得到各输电线路安全风险评估指标的权重后，基于权重计算多维数据下线路安全风险评估指标的值，输电线路安全风险综合评估结果如公式5所示：
[0099]
s＝wvv
score
w
l
l
score
w
t
t
score
wii
score
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式5；
[0100]
其中，s是输电线路综合风险评估结果，wv，w
l
，w
t
和wi分布为熵权法计算得到的电压、负载率、温度和拉力参数的权重。
[0101]
s3.基于所述输电线路安全风险评估数据，使用克里金插值法生成输电线路状态多维热力图像。
[0102]
具体的，使用克里金插值法对测试系统的节点电压进行插值，得到区域内所有点
的电压值，生成包含地理信息的线路平均电压、线路负载率、线路周边环境温度和线路覆冰热力图像，颜色为绿色的区域为电压偏低区域，表示可能存在安全风险。
[0103]
s4.根据预设参数，以所述输电线路状态多维热力图像为输入，所述输电线路安全风险评估指标的值为输出，训练基于轻量化网络mobilenet-v3搭建的输电线路安全风险评估模型。
[0104]
装置实施例三
[0105]
本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传输的实现程序，所述程序被处理器42执行时实现如下方法步骤：
[0106]
s1.将获得的输电线路安全风险电气参数指标和输电线路安全风险环境参数指标进行数据耦合，生成输电线路安全风险评估数据。
[0107]
具体的：
[0108]
设置发电机有功出力，发电机机端电压和负荷有功功率变化范围，利用蒙特卡洛抽样方法在变化范围内生成大量样本，搭建电网实际仿真模型；对生成的样本数据进行潮流仿真计算，得到输电线路安全风险电气参数指标，具体包括输电线路平均电压和线路潮流；
[0109]
其中，设置的发电机有功出力变化范围为50％～150％，发电机机端电压标幺值变化范围为0.8～1.1，负荷有功功率变化范围为50％～150％。
[0110]
基于蒙特卡洛抽样方法，在确定的最高和最低气温范围内随机生成大量气温场景，模拟预定时间段内可能出现的各种气候状况，生成输电线路周围温度和线路覆冰的大量样本，构成输电线路安全风险环境参数指标。
[0111]
得到的输电线路安全风险电气参数指标和输电线路安全风险环境参数指标共同构成输电线路安全风险评估数据。
[0112]
s2.基于所述输电线路安全风险评估数据计算输电线路安全风险评估指标的值。
[0113]
具体的，基于电气参数和环境参数，评估系统的安全风险程度，其中电压通过与基准电压的偏差百分比来表示，并转换成满分100分的分数，如公式1所示：
[0114]vscore
＝score(abs(v
i-v0))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式1；
[0115]
其中，v
score
为线路平均电压得分；score为分数转换函数；abs为绝对值函数；vi为线路i的平均电压；v0为基准电压。
[0116]
线路负载率得分计算公式如公式2所示：
[0117][0118]
其中，l
score
为线路负载率得分；li为线路i的当前负载；l
i0
为线路i的最大负载。
[0119]
本发明中线路周边环境温度的安全风险得分计算方法如公式3所示：
[0120]
t
score
＝score(ηiti)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式3；
[0121]
其中，t
score
为基于环境温度的安全风险得分；ti为线路i周围的温度；ηi为不同温度下覆冰厚度预测常数。
[0122]
基于拉力传感器得到的线路安全风险指标如公式4所示：
[0123]
[0124]
其中，i
score
为基于拉力传感器数据计算得到的线路安全风险得分；ii为输电线路i的拉力传感器量测值；i
i0
为线路i的拉力极限值。
[0125]
建立所述输电线路安全风险电气参数和输电线路安全风险环境参数的判断矩阵，并进行归一化处理；基于熵权法评估各输电线路安全风险评估指标的熵，定义熵权，计算得到各输电线路安全风险评估指标的权重值，作为各输电线路安全风险评估指标在训练完成后的输电线路风险评估模型中的权重；
[0126]
计算得到各输电线路安全风险评估指标的权重后，基于权重计算多维数据下线路安全风险评估指标的值，输电线路安全风险综合评估结果如公式5所示：
[0127]
s＝wvv
score
w
l
l
score
w
t
t
score
wii
score
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式5；
[0128]
其中，s是输电线路综合风险评估结果，wv，w
l
，w
t
和wi分布为熵权法计算得到的电压、负载率、温度和拉力参数的权重。
[0129]
s3.基于所述输电线路安全风险评估数据，使用克里金插值法生成输电线路状态多维热力图像。
[0130]
具体的，使用克里金插值法对测试系统的节点电压进行插值，得到区域内所有点的电压值，生成包含地理信息的线路平均电压、线路负载率、线路周边环境温度和线路覆冰热力图像，颜色为绿色的区域为电压偏低区域，表示可能存在安全风险。
[0131]
s4.根据预设参数，以所述输电线路状态多维热力图像为输入，所述输电线路安全风险评估指标的值为输出，训练基于轻量化网络mobilenet-v3搭建的输电线路安全风险评估模型。
[0132]
本实施例所述计算机可读存储介质包括但不限于为：rom、ram、磁盘或光盘等。
[0133]
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0134]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。