考虑碳成本及多重不确定性的配电网日前调度方法及装置与流程

1.本发明涉及电力系统及其自动化技术领域，具体涉及一种考虑碳成本及多重不确定性的配电网日前调度方法及装置。


背景技术：

[0002]“双碳“目标下，新能源比例大幅增长，以光伏为代表的分布式发电资源得到了大规模应用，然而光伏的出力具有随机性和不确定性，时序特征明显，配电网中源荷存在不匹配的现象。需求响应通过平移负荷可以减少高峰时刻配电网的购电成本以及相应的碳成本，同时促进新能源的消纳，然而需求响应也存在一定的不确定性。
[0003]
相关技术中，申请号为202011579268.7的发明专利申请公开了一种基于序列运算的有源配电系统源网荷储日前有功调度方法，以有源配电系统日前综合运行成本最低为目标，构建有源配电系统源网荷储有功优化调度模型，并将风电、光伏出力及负荷预测概率模型离散化为概率性序列进行潮流计算，从而解决分布式可再生能源发电有功出力及负荷的不确定性问题。
[0004]
申请号为202010826331.6的发明专利申请公开了一种基于两阶段调度的低电压治理方法，通过需求响应参与负荷峰谷调节产生的让利成本、火电的运行成本、储能的运行成本构建日前调度优化目标，通过弃光成本、负荷调峰成本、系统电压偏移惩罚构建日内调度优化目标，需求响应参与调度可以提升调度方案的经济性，调度模型中考虑弃光惩罚可以提升光伏有功利用率、降低非主动切负荷损失，客观提升配电网可靠性。
[0005]
2019年8月1日发表的题目为“低碳背景下考虑主动配电网响应的电力系统协调调度研究”文章记载了在日前调度方面，考虑主动配电网响应的最优阶梯模型，调节高排放地区的整体碳排放量，主动配电网的响应使得系统具有更大的碳排放量调节空间。
[0006]
但目前仍缺乏计及碳成本并考虑多重不确定性的配电网日前优化调度方案，不利于促进源荷匹配、新能源消纳并减少碳排放和“双碳”目标的实现。


技术实现要素：

[0007]
本发明所要解决的技术问题在于如何得到最佳的日前调度方案，促进源荷匹配、新能源消纳并减少碳排放。
[0008]
本发明通过以下技术手段实现解决上述技术问题的：
[0009]
一方面，本发明提出了一种考虑碳成本及多重不确定性的配电网日前调度方法，所述方法包括以下步骤：
[0010]
采用列与约束生成算法对日前经济调度模型进行求解，得到求解结果，其中，所述日前经济调度模型以包括用户购电成本、需求响应成本和碳成本综合最小为目标函数，约束条件为功率平衡约束、需求响应约束和不确定性约束，优化变量为参与需求响应的位置、需求响应的功率、响应的时刻及时长以及偏差变量；
[0011]
根据所述求解结果，制定日前经济调度计划。
[0012]
本发明采用的计及碳成本并考虑多重不确定性的日前经济调度模型，考虑到光伏出力、负荷变化以及需求响应的不确定性，建立了含不确定性变量的模糊集，并引入相关约束，该模型采用两阶段鲁棒优化，优化变量为参与需求响应的位置、需求响应的功率、响应的时刻及时长以及偏差变量，使用列与约束生成算法(c&cg)对模型进行求解，最后根据求解结果制定日前经济调度计划。通过以一天内配电网运行的总成本最小为目标，以需求响应的位置、需求响应的功率、需求响应的时刻及时长以及偏差变量为决策变量，在系统满足功率平衡约束、需求响应约束以及不确定性约束的条件下，建立两阶段鲁棒优化模型，最终找到最佳的调度方案。而且考虑碳成本后，光伏发电的优势会更显著，会使优化向购电量减少的方向优化，有利于减少碳排放；考虑需求响应可以改善负荷曲线，有利于提升新能源利用效率。
[0013]
进一步地，所述目标函数为：
[0014][0015][0016][0017][0018]
其中，y为位置决策变量，a为不确定的偏差变量，x为需求响应决策变量，所述需求响应决策变量包括需求响应的功率、响应的时刻及时长，c
buy
为电网的购电成本，c
dr
为需求响应成本，c
carbon
为碳成本；
[0019]ct
为t时刻的电价，为t时刻因光伏发出功率不能满足负荷需求时电网的购电功率，c
dr
为合同规定的用户参与需求响应时单位响应功率的补偿价格，为t时刻响应的功率，t为参与响应时刻的集合，α为单位购电功率对应的碳成本。
[0020]
进一步地，所述需求响应约束为：
[0021][0022][0023][0024]
其中，为t时刻节点i收到需求响应指令的标志，若收到指令，其值为1，反之为0；为节点i处用户t时刻应响应的功率，δt为向后平移的时段；为第i个节点处t时刻的负荷功率，为参与需求响应的节点的集合；
[0025]
所述不确定性约束为：
[0026]
[0027]
其中，为负荷的预测值，为负荷变化的最大向下偏差，为负荷变化的最大向上偏差；为光伏出力的预测值，为光伏出力的最大向下偏差，为光伏出力的最大向上偏差；为需求响应的计划值，为需求响应的最大向下偏差，为需求响应的最大向上偏差。
[0028]
进一步地，所述方法还包括：
[0029]
采用标准化的偏差变量将所述日前经济调度模型中的所述不确定性约束修改为：
[0030][0031]
其中，标准化的偏差变量为其中，标准化的偏差变量为b
t
为预算值。
[0032]
进一步地，所述采用列与约束生成算法对日前经济调度模型进行求解，得到求解结果，包括：
[0033]
对主问题进行求解，所述主问题包含极限场景下的参与需求响应用户的最佳位置；
[0034]
将所述最佳位置传给子问题，所述子问题为通过极限场景法寻找在当前用户参与需求响应位置下的最恶劣场景，并添加最恶劣场景的相关约束到主问题中，通过主问题与子问题的迭代得到所述求解结果。
[0035]
进一步地，所述主问题的表示形式为：
[0036][0037]
s.t.η≥(c
buy
c
dr
c
carbon
),x＝x
l
[0038]
日前经济调度模型的约束条件，
[0039]
其中，x
l
是不确定性a＝a
l
下，的最优解，c
buy
为电网的购电成本，c
dr
为需求响应成本，c
carbon
为碳成本，y为位置决策变量，a为不确定的偏差变量，x为需求响应决策变量。
[0040]
进一步地，所述子问题的表示形式为：
[0041][0042]
其中，c
buy
为电网的购电成本，c
dr
为需求响应成本，c
carbon
为碳成本，y为位置决策变量，a为不确定的偏差变量，x为需求响应决策变量。
[0043]
另一方面，本发明提出了一种考虑碳成本及多重不确定性的配电网日前调度装置，所述装置包括：
[0044]
求解模块，用于采用列与约束生成算法对日前经济调度模型进行求解，得到求解结果，其中，所述日前经济调度模型以包括用户购电成本、需求响应成本和碳成本综合最小
为目标函数，约束条件为功率平衡约束、需求响应约束和不确定性约束，优化变量为参与需求响应的位置、需求响应的功率、响应的时刻及时长以及偏差变量；
[0045]
制定模块，用于根据所述求解结果，制定日前经济调度计划。
[0046]
进一步地，所述目标函数为：
[0047][0048][0049][0050][0051]
其中，y为位置决策变量，a为不确定的偏差变量，x为需求响应决策变量，所述需求响应决策变量包括需求响应的功率、响应的时刻及时长，c
buy
为电网的购电成本，c
dr
为需求响应成本，c
carbon
为碳成本；
[0052]ct
为t时刻的电价，为t时刻因光伏发出功率不能满足负荷需求时电网的购电功率，c
dr
为合同规定的用户参与需求响应时单位响应功率的补偿价格，为t时刻响应的功率，t为参与响应时刻的集合，α为单位购电功率对应的碳成本。
[0053]
进一步地，所述求解模块包括：
[0054]
第一求解单元，用于对主问题进行求解，所述主问题包含极限场景下的参与需求响应用户的最佳位置；
[0055]
第二求解单元，用于将所述最佳位置传给子问题，所述子问题为通过极限场景法寻找在当前用户参与需求响应位置下的最恶劣场景；
[0056]
迭代单元，用于添加最恶劣场景的相关约束到主问题中，通过主问题与子问题的迭代得到所述求解结果。
[0057]
本发明的优点在于：
[0058]
(1)本发明采用的计及碳成本并考虑多重不确定性的日前经济调度模型，考虑到光伏出力、负荷变化以及需求响应的不确定性，建立了含不确定性变量的模糊集，并引入相关约束，该模型采用两阶段鲁棒优化，优化变量为参与需求响应的位置、需求响应的功率、响应的时刻及时长以及偏差变量，使用列与约束生成算法(c&cg)对模型进行求解，最后根据求解结果制定日前经济调度计划。通过以一天内配电网运行的总成本最小为目标，以需求响应的位置、需求响应的功率、需求响应的时刻及时长以及偏差变量为决策变量，在系统满足功率平衡约束、需求响应约束以及不确定性约束的条件下，建立两阶段鲁棒优化模型，最终找到最佳的调度方案。而且考虑碳成本后，光伏发电的优势会更显著，会使优化向购电量减少的方向优化，有利于减少碳排放；考虑需求响应可以改善负荷曲线，有利于提升新能源利用效率。
[0059]
(2)主问题是求解包含极限场景下的参与需求响应用户的最佳位置，并将其传给子问题，子问题是通过极限场景法寻找在当前用户参与需求响应位置下的最恶劣场景，通过添加最恶劣场景的相关约束到主问题中，通过主问题与子问题的迭代求得日前经济调度
的最优解，解决了考虑需求响应位置不确定的配电网日前调度问题。
[0060]
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
[0061]
图1是本发明第一实施例中考虑碳成本及多重不确定性的配电网日前调度方法的流程图；
[0062]
图2是本发明第一实施例中考虑碳成本及多重不确定性的配电网日前调度原理框图；
[0063]
图3是本发明第二实施例中考虑碳成本及多重不确定性的配电网日前调度装置的结构图。
具体实施方式
[0064]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中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作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。
[0065]
如图1至图2所示，本发明实施例提出了一种考虑碳成本及多重不确定性的配电网日前调度方法，所述方法包括以下步骤：
[0066]
s10、采用列与约束生成算法对日前经济调度模型进行求解，得到求解结果，其中，所述日前经济调度模型以包括用户购电成本、需求响应成本和碳成本综合最小为目标函数，约束条件为功率平衡约束、需求响应约束和不确定性约束，优化变量为参与需求响应的位置、需求响应的功率、响应的时刻及时长以及偏差变量；
[0067]
s20、根据所述求解结果，制定日前经济调度计划。
[0068]
需要说明的是，本实施例采用的计及碳成本并考虑多重不确定性的日前经济调度模型，考虑到光伏出力、负荷变化以及需求响应的不确定性，建立了含不确定性变量的模糊集，并引入相关约束，该模型采用两阶段鲁棒优化，优化变量为参与需求响应的位置、需求响应的功率、响应的时刻及时长以及偏差变量，使用列与约束生成算法(c&cg)对模型进行求解，最后根据求解结果制定日前经济调度计划。通过以一天内配电网运行的总成本最小为目标，以需求响应的位置、需求响应的功率、需求响应的时刻及时长以及偏差变量为决策变量，在系统满足功率平衡约束、需求响应约束以及不确定性约束的条件下，建立两阶段鲁棒优化模型，最终找到最佳的调度方案。而且考虑碳成本后，光伏发电的优势会更显著，会使优化向购电量减少的方向优化，有利于减少碳排放；考虑需求响应可以改善负荷曲线，有利于提升新能源利用效率。
[0069]
在一实施例中，考虑到配电网中参与需求响应用户位置的随机性，负荷变化和光伏出力的不确定性以及用户需求响应的不确定性，旨在找到最恶劣场景下的一天24h内配电网最小总运行成本对应的调度方案，总成本包含用户购电成本、需求响应成本和碳成本，故目标函数为：
[0070][0071][0072][0073][0074]
其中，y为位置决策变量，a为不确定的偏差变量，x为需求响应决策变量，所述需求响应决策变量包括需求响应的功率、响应的时刻及时长，c
buy
为电网的购电成本，c
dr
为需求响应成本，c
carbon
为碳成本；
[0075]ct
为t时刻的电价，为t时刻因光伏发出功率不能满足负荷需求时电网的购电功率，c
dr
为合同规定的用户参与需求响应时单位响应功率的补偿价格，为t时刻响应的功率，t为参与响应时刻的集合，α为单位购电功率对应的碳成本。
[0076]
在一实施例中，目标函数的约束条件为：
[0077]
(1)功率平衡约束条件
[0078][0079][0080][0081][0082][0083]
其中：φb为所有支路的集合，为所有节点的集合，为t时刻因光伏发出功率不能满足负荷需求时电网购电功率，为节点i处的负荷t时刻消耗的功率，为节点i处的光伏t时刻发出的功率，为支路ij在t时刻损耗的功率，r
ij
为支路ij的电阻，为t时刻支路ij上流过的有功功率，为t时刻支路ij上流过的无功功率，为t时刻节点i的电压幅值的平方，节点i为功率流出节点，为t时刻节点j的电压幅值的平方，节点j为功率流入节点，x
ij
为支路ij的电抗，z
ij
为支路ij的阻抗，为t时刻节点i处负荷的有功功率，为t时刻节点i处dg的有功功率，为t时刻节点i处负荷的无功功率，为t时刻节点i处dg的无功功率。
[0084]
(2)需求响应约束条件
[0085][0086][0087][0088]
其中，为t时刻节点i收到需求响应指令的标志，若收到指令，其值为1，反之为0；为节点i处用户t时刻应响应的功率，δt为向后平移的时段；为第i个节点处t时刻的负荷功率，为参与需求响应的节点的集合，为t δt时刻节点i处负荷的有功功率。
[0089]
(3)不确定性约束条件
[0090]
配电网中源荷预测的不确定性主要来源于光伏出力和负荷功率的日前预测偏差。用户需求响应的不确定性在于需求响应功率的不确定性。此处建立模糊集来描述这种不确定性，如下式所示：
[0091][0092]
其中：为负荷的预测值，为负荷变化的最大向下偏差，为负荷变化的最大向上偏差；为光伏出力的预测值，为光伏出力的最大向下偏差，为光伏出力的最大向上偏差；为需求响应的计划值，为需求响应的最大向下偏差，为需求响应的最大向上偏差。
[0093]
在一实施例中，所述方法还包括：
[0094]
采用标准化的偏差变量将所述日前经济调度模型中的所述不确定性约束修改为：
[0095][0096][0097]
其中，标准化的偏差变量为其中，标准化的偏差变量为b
t
为预算值，该预算值为一个边界条件，可根据实际需求自行取值，通过过调整b
t
的大小，来改变模型的鲁棒性。
[0098]
需要说明的是，配电网中源荷预测的不确定性主要来源于光伏出力和负荷功率的日前预测偏差。用户需求响应的不确定性在于需求响应功率的不确定性，此处建立模糊集来描述这种不确定性，这个模糊集可以进一步用标准化的偏差变量来表示，以更直观地表示出实际值相对预测值的偏差程度，偏差变量都在[0,1]之间，表示
预测值实际的向上或向下偏差。同时利用不确定性预算技术来控制整体偏差水平，通过调整不确定性约束中的预算值，来改变模型的保守度。
[0099]
在一实施例中，所述步骤s10，包括以下步骤：
[0100]
s11、对主问题进行求解，所述主问题包含极限场景下的参与需求响应用户的最佳位置；
[0101]
s12、将所述最佳位置传给子问题，所述子问题为通过极限场景法寻找在当前用户参与需求响应位置下的最恶劣场景，并添加最恶劣场景的相关约束到主问题中，通过主问题与子问题的迭代得到所述求解结果。
[0102]
进一步地，采用列与约束生成算法对日前经济调度模型进行求解的具体过程如下：
[0103]
1)设置lb＝-∞,ub＝ ∞，索引k＝0
[0104]
2)求解如下主问题：
[0105][0106]
s.t.η≥(c
buy
c
dr
c
carbon
),x＝x
l
ꢀꢀ
(16)
[0107]
式(2)-式(15)，a＝a
l
,
[0108]
其中，x
l
是不确定性a＝a
l
下的最优解
[0109]
求出最优解更新下界其中为第k 1次计算得到的最优需求响应位置，为第k 1次计算得到的最优η值，x
1*
为第1次计算得到的的最优解，x
k*
为第k次计算得到的的最优解，a
l
为给定的一个场景(不确定性)。
[0110]
3)代入求解如下子问题：
[0111][0112]
更新上界为时求得的ο(y)的值。
[0113]
4)如果u
b-lb≤ε，返回程序终止。否则：
[0114]
如果添加变量x
k 1
，添加如下约束到主问题的公式
[0115]
s.t.η≥(c
buy
c
dr
c
carbon
),x＝x
l
中：
[0116]
η≥(c
buy
c
dr
c
carbon
),x＝x
k 1
ꢀꢀ
(18)
[0117]
式(2)-式(15)，
[0118]
其中，是子问题求解得到的在下的最恶劣场景，对子问题可以利用数据库进行枚举求得。
[0119]
然后，更新k＝k 1，跳转至步骤2)。
[0120]
如果(对于某些a
*
∈a，如果第二阶段决策不可行，则把记为 ∞，添加变量x
k 1
，添加如下约束到主问题的公式s.t.η≥(c
buy
c
dr
c
carbon
),x＝x
l
中，
[0121]
式(2)-式(15)，
[0122]
其中，是子问题在下不可行的不确定性a的值。
[0123]
然后，更新k＝k 1，跳转至步骤2)。
[0124]
本实施例采用列与约束生成算法，主问题是求解包含极限场景下的参与需求响应用户的最佳位置，并将其传给子问题，子问题是通过极限场景法寻找在当前用户参与需求响应位置下的最恶劣场景，通过添加最恶劣场景的相关约束到主问题中，通过主问题与子问题的迭代求得最优解，解决了考虑需求响应位置不确定的配电网日前调度问题。
[0125]
此外，如图3所示，本发明实施例还提出了一种考虑碳成本及多重不确定性的配电网日前调度装置，所述装置包括：
[0126]
求解模块10，用于采用列与约束生成算法对日前经济调度模型进行求解，得到求解结果，其中，所述日前经济调度模型以包括用户购电成本、需求响应成本和碳成本综合最小为目标函数，约束条件为功率平衡约束、需求响应约束和不确定性约束，优化变量为参与需求响应的位置、需求响应的功率、响应的时刻及时长以及偏差变量；
[0127]
制定模块20，用于根据所述求解结果，制定日前经济调度计划。
[0128]
在一实施例中，所述目标函数为：
[0129][0130][0131][0132][0133]
其中，y为位置决策变量，a为不确定的偏差变量，x为需求响应决策变量，所述需求响应决策变量包括需求响应的功率、响应的时刻及时长，c
buy
为电网的购电成本，c
dr
为需求响应成本，c
carbon
为碳成本；
[0134]ct
为t时刻的电价，为t时刻因光伏发出功率不能满足负荷需求时电网的购电功率，c
dr
为合同规定的用户参与需求响应时单位响应功率的补偿价格，为t时刻响应的功率，t为参与响应时刻的集合，α为单位购电功率对应的碳成本。
[0135]
在一实施例中，功率平衡约束条件
[0136][0137][0138][0139]
[0140][0141]
其中：φb为所有支路的集合，为所有节点的集合，为t时刻因光伏发出功率不能满足负荷需求时电网购电功率，为节点i处的负荷t时刻消耗的功率，为节点i处的光伏t时刻发出的功率，为支路ij在t时刻损耗的功率，r
ij
为支路ij的电阻，为t时刻支路ij上流过的有功功率，为t时刻支路ij上流过的无功功率，为t时刻节点i的电压幅值的平方，节点i为功率流出节点，为t时刻节点j的电压幅值的平方，节点j为功率流入节点，x
ij
为支路ij的电抗，z
ij
为支路ij的阻抗，为t时刻节点i处负荷的有功功率，为t时刻节点i处dg的有功功率，为t时刻节点i处负荷的无功功率，为t时刻节点i处dg的无功功率。
[0142]
需求响应约束条件为：
[0143][0144][0145][0146]
其中，为t时刻节点i收到需求响应指令的标志，若收到指令，其值为1，反之为0；为节点i处用户t时刻应响应的功率，δt为向后平移的时段；为第i个节点处t时刻的负荷功率，为参与需求响应的节点的集合，为t δt时刻节点i处负荷的有功功率。
[0147]
不确定性约束条件为：
[0148]
配电网中源荷预测的不确定性主要来源于光伏出力和负荷功率的日前预测偏差。用户需求响应的不确定性在于需求响应功率的不确定性。此处建立模糊集来描述这种不确定性，如下式所示：
[0149][0150]
其中：为负荷的预测值，为负荷变化的最大向下偏差，为负荷变化的最大向上偏差；为光伏出力的预测值，为光伏出力的最大向下偏差，为光伏出力的最大向上偏差；为需求响应的计划值，为需求响应的最大向下偏差，为需求响应的最大向上偏差。
[0151]
在一实施例中，所述装置还包括：
[0152]
条件修改模块，用于采用标准化的偏差变量将所述日前经济调度模型中的所述不
确定性约束修改为：
[0153][0154][0155]
其中，标准化的偏差变量为偏差变量为b
t
为预算值。
[0156]
需要说明的是，配电网中源荷预测的不确定性主要来源于光伏出力和负荷功率的日前预测偏差。用户需求响应的不确定性在于需求响应功率的不确定性，此处建立模糊集来描述这种不确定性，这个模糊集可以进一步用标准化的偏差变量来表示，偏差变量都在[0,1]之间，表示预测值实际的向上或向下偏差。同时利用不确定性预算技术来控制整体偏差水平，通过调整不确定性约束中的预算值，来改变模型的保守度。
[0157]
在一实施例中，所述求解模块10包括：
[0158]
第一求解单元，用于对主问题进行求解，所述主问题包含极限场景下的参与需求响应用户的最佳位置；
[0159]
第二求解单元，用于将所述最佳位置传给子问题，所述子问题为通过极限场景法寻找在当前用户参与需求响应位置下的最恶劣场景；
[0160]
迭代单元，用于添加最恶劣场景的相关约束到主问题中，通过主问题与子问题的迭代得到所述求解结果。
[0161]
本实施例采用的计及碳成本并考虑多重不确定性的日前经济调度模型，考虑到光伏出力、负荷变化以及需求响应的不确定性，建立了含不确定性变量的模糊集，并引入相关约束，该模型采用两阶段鲁棒优化，优化变量为参与需求响应的位置、需求响应的功率、响应的时刻及时长以及偏差变量，使用列与约束生成算法(c&cg)对模型进行求解，最后根据求解结果制定日前经济调度计划。通过以一天内配电网运行的总成本最小为目标，以需求响应的位置、需求响应的功率、需求响应的时刻及时长以及偏差变量为决策变量，在系统满足功率平衡约束、需求响应约束以及不确定性约束的条件下，建立两阶段鲁棒优化模型，最终找到最佳的调度方案。而且考虑碳成本后，光伏发电的优势会更显著，会使优化向购电量减少的方向优化，有利于减少碳排放；考虑需求响应可以改善负荷曲线，有利于提升新能源利用效率。
[0162]
需要说明的是，本发明所述考虑碳成本及多重不确定性的配电网日前调度装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不再赘余。
[0163]
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。
[0164]
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。
[0165]
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。
[0166]
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。
[0167]
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。