一种火电厂故障预警系统、方法、电子设备及存储介质与流程

1.本技术涉及火电厂安全管理技术领域，尤其涉及一种火电厂故障预警系统、方法、电子设备及存储介质。


背景技术：

2.目前，分散控制系统(distributed control system，简称：dcs)以其泛用性、多层分级与可靠性的特点，在电力、冶金、石化等各行各业都有广泛的应用。在传统火电厂，各电力设备的控制以dcs分布式控制为主。
3.在现有技术中，dcs系统通常是在异常测点达到报警位或保护位时，进行上位机重点显示或联锁保护动作，虽然实现了火电厂机组的安全报警，但无法保证机组运行的稳定性。


技术实现要素：

4.本技术提供一种火电厂故障预警系统、方法、电子设备及存储介质，以解决现有技术无法保证火电厂机组运行的稳定性等缺陷。
5.本技术第一个方面提供一种火电厂故障预警系统，包括：数据采集模块、数据管理模块和模型构建模块；
6.所述数据采集模块用于获取当前火电厂机组中每个电力设备的运行数据，并将所述运行数据写入所述数据管理模块；
7.所述数据管理模块用于对接收的所述运行数据进行分析，以在所述运行数据中筛选构建不同电力设备故障预警模型所需的模型数据，并确定各所述电力设备的运行特征信息，将所述模型数据和各所述电力设备的运行特征信息发送到所述模型构建模块；
8.所述模型构建模块用于根据所述模型数据和各所述电力设备的运行特征信息，构建各所述电力设备对应的故障预警模型，以基于各所述故障预警模型对所述当前火电厂进行故障预警。
9.可选的，所述数据采集模块，具体用于：
10.从所述当前火电厂机组中每个电力设备的测量仪表获取各所述电力设备的测量数据；
11.从所述当前火电厂的dcs系统获取各所述电力设备的监控数据；
12.对所述测量数据和监控数据进行汇总，得到所述每个电力设备的运行数据。
13.可选的，所述数据管理模块，具体用于：
14.对接收的所述运行数据进行工况分析，以区分各所述电力设备在不同工况下的运行数据；
15.针对任一所述电力设备，将目标工况下的运行数据确定为构建该电力设备故障预警模型所需的模型数据。
16.可选的，所述数据管理模块，具体用于：
17.对比与所述当前火电厂机组类型相同的多个机组的运行特征信息之间的相同点，得到所述当前火电厂机组的基础运行特征信息；
18.根据所述当前火电厂机组中每个电力设备的运行数据和所述基础运行特征信息，确定各所述电力设备的运行特征信息；
19.其中，所述运行数据包括所述电力设备的基建期运行数据和运行期运行数据。
20.可选的，所述模型构建模块，具体用于：
21.针对任一所述电力设备，根据该电力设备的运行特征信息所表征的不同运行指标之间的相互作用关系，构建该电力设备对应的初始故障预警模型；
22.利用该电力设备故障预警模型所需的模型数据，训练所述初始故障预警模型，以得到该电力设备的故障预警模型。
23.可选的，还包括：
24.优化模块，用于获取所述故障预警模型在应用过程中产生的异常数据，根据所述异常数据所表征的故障预警模型的应用盲区，更新所述数据管理模块中的运行数据和运行特征信息；根据所述数据管理模块中的运行数据和运行特征信息的更新情况，优化所述故障预警模型。
25.可选的，所述故障预警模型至少包括化水专业的反渗透膜污堵模型、汽轮机专业的汽动给水泵出力不足模型、锅炉专业的烟道阻力异常模型和机组指标异常预警模型。
26.本技术第二个方面提供一种火电厂故障预警方法，包括：
27.获取当前火电厂机组中每个电力设备的运行数据；
28.对所述运行数据进行分析，以在所述运行数据中筛选构建不同电力设备故障预警模型所需的模型数据，并确定各所述电力设备的运行特征信息；
29.根据所述模型数据和各所述电力设备的运行特征信息，构建各所述电力设备对应的故障预警模型，以基于各所述故障预警模型对所述当前火电厂进行故障预警。
30.本技术第三个方面提供一种电子设备，包括：至少一个处理器和存储器；
31.所述存储器存储计算机执行指令；
32.所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第二个方面以及第二个方面各种可能的设计所述的方法。
33.本技术第四个方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第二个方面以及第二个方面各种可能的设计所述的方法。
34.本技术技术方案，具有如下优点：
35.本技术提供一种火电厂故障预警系统、方法、电子设备及存储介质，该系统包括：数据采集模块、数据管理模块和模型构建模块；数据采集模块用于获取当前火电厂机组中每个电力设备的运行数据，并将运行数据写入数据管理模块；数据管理模块用于对接收的运行数据进行分析，以在运行数据中筛选构建不同电力设备故障预警模型所需的模型数据，并确定各电力设备的运行特征信息，将模型数据和各电力设备的运行特征信息发送到模型构建模块；模型构建模块用于根据模型数据和各电力设备的运行特征信息，构建各电力设备对应的故障预警模型，以基于各故障预警模型对当前火电厂进行故障预警。上述方案提供的系统，通过结合各电力设备的运行特征信息构建当前火电厂机组中每个电力设备
的故障预警模型，并利用该故障预警模型在dcs系统报警之前，提前发现电力设备存在的故障，以及时进行故障的治理，保证了机组运行的稳定性。
附图说明
36.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
37.图1为本技术实施例提供的火电厂故障预警系统的结构示意图；
38.图2为本技术实施例提供的火电厂故障预警方法的流程示意图；
39.图3为本技术实施例提供的电子设备的结构示意图。
40.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
41.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
42.此外，术语“第一”、“第二”等仅用于描述目的，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。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
43.在现有技术中，火电厂机组在运行过程中某些电力系统或设备的运行出现异常状态时，必须由专业人员及时发现并且结合专业知识准确判断出故障原因，进一步通过运行人员及时调整异常电力系统或设备的工作状态，使电力系统或设备恢复正常工况，否则dcs系统在异常测点达到报警位或保护位时，分别会进行上位机重点显示或联锁保护动作。现场的实际运行中，由于热力发电机组包含的专业理论知识与电力系统或设备运行故障累积较多，各电力系统或设备复杂性提高，同时电力系统或设备运行工况间非线性、耦合性高、惯性大，以至于依靠专业人员对故障隐患预判的各方面要求基本无法实现。当无法及时发现电力系统或设备故障的早期症状，在异常工作状态的扩散影响下，轻则会影响机组的安全经济稳定运行，问题严重时甚至会造成电力系统或设备的不可逆损坏，机组的非正常停机。
44.针对上述问题，本技术实施例提供一种火电厂故障预警系统、方法、电子设备及存储介质，该系统包括：数据采集模块、数据管理模块和模型构建模块；数据采集模块用于获取当前火电厂机组中每个电力设备的运行数据，并将运行数据写入数据管理模块；数据管理模块用于对接收的运行数据进行分析，以在运行数据中筛选构建不同电力设备故障预警模型所需的模型数据，并确定各电力设备的运行特征信息，将模型数据和各电力设备的运行特征信息发送到模型构建模块；模型构建模块用于根据模型数据和各电力设备的运行特征信息，构建各电力设备对应的故障预警模型，以基于各故障预警模型对当前火电厂进行
故障预警。上述方案提供的系统，通过结合各电力设备的运行特征信息构建当前火电厂机组中每个电力设备的故障预警模型，并利用该故障预警模型在dcs系统报警之前，提前发现电力设备存在的故障，以及时进行故障的治理，保证了机组运行的稳定性。
45.下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明实施例进行描述。
46.本技术实施例提供了一种火电厂故障预警系统，用于对火电厂机组中的电力设备进行故障预警。
47.如图1所示，为本技术实施例提供的火电厂故障预警系统的结构示意图，该系统10包括：数据采集模块101、数据管理模块102和模型构建模块103。
48.其中，数据采集模块用于获取当前火电厂机组中每个电力设备的运行数据，并将运行数据写入数据管理模块；数据管理模块用于对接收的运行数据进行分析，以在运行数据中筛选构建不同电力设备故障预警模型所需的模型数据，并确定各电力设备的运行特征信息，将模型数据和各电力设备的运行特征信息发送到模型构建模块；模型构建模块用于根据模型数据和各电力设备的运行特征信息，构建各电力设备对应的故障预警模型，以基于各故障预警模型对当前火电厂进行故障预警。
49.需要说明的是，电力设备主要包括汽轮机和锅炉等，电力设备的运行数据包括电力设备此时的多项运行指标，如主给水流量、总煤量、总风量等。
50.具体地，可以基于数据采集模块尽可能全面地获取当前火电厂机组中每个电力设备的运行数据，由于采集到的运行数据种类繁多，不易于直接分析处理，所以数据采集模块将运行数据发送到数据管理模块。数据管理模块按照不同电力设备的故障预警模型的构建需求，对得到的运行数据进行分析和处理，最终得到构建不同电力设备故障预警模型所需的模型数据。与此同时，由于电力设备的运行数据之间存在耦合性，如总风量和总煤量会影响炉内燃烧效果等，所以数据管理模块将结合热力发电的相关知识，根据各电力设备的运行数据，确定各电力设备的运行特征信息。进一步地，数据管理模块将模型数据和各电力设备的运行特征信息发送到模型构建模块，以供其构建各电力设备的故障预警模型。
51.进一步地，在基于上述故障预警模型对当前火电厂进行故障预警，且生成当前火电厂的故障预警信号后，将故障预警信号推送到专业工程师及操作运行人员的pc端或移动端，以提醒其及时进行相应的故障治理工作。
52.进一步地，为了进一步提高专业工程师及操作运行人员的故障治理效率，故障预警模型在推送故障预警信号的同时，可以根据故障发生原因，推送相应的故障治理方案。在将存在预警的电力设备从故障预警状态恢复正常运行工况后，将形成新的机组运行数据，并实时反映至数据流中，作为新的一轮故障预警循环开始。
53.由于火电厂分为汽轮机、锅炉、电气、热控和电厂化学五大专业，所以本技术实施例提供的故障预警模型至少包括化水专业的反渗透膜污堵模型、汽轮机专业的汽动给水泵出力不足模型、锅炉专业的烟道阻力异常模型和机组指标异常预警模型。
54.示例性的，针对反渗透膜污堵模型，由于反渗透膜的污堵情况由段间压差表征，可以选用进水流量、进水温度、进水电导、高压泵频率等作为参数，通过反渗透膜污堵模型识别污堵趋势过程，在反渗透膜随着运行过程中发生污堵严重情况时进行相应的预警。针对汽动给水泵出力不足模型，由于汽动给水泵出力不足由机组主给水流量作为表征，选用工
业抽汽压力、工业抽汽温度、除氧器水位、除氧器压力、汽泵入口流量、汽泵转速、凝汽器真空等作为参数，通过汽动给水泵出力不足模型预测确定多参数变量影响下的汽动给水泵出力，并对比实时汽动给水泵出力，在汽动给水泵出力出现异常时进行相应的预警。针对烟道阻力异常模型，烟道阻力异常将以某点烟道入口压力及烟道出口压力作为表征，选用未校正总煤量，烟气含氧量、总风量、烟气温度等作为参数，通过烟道阻力异常模型预测多参数变量影响下的锅炉烟道阻力，对比实时烟道阻力，在阻力出现异常时进行相应的预警。针对机组指标异常预警模型，机组指标异常将以机组设计参数作为表征，选用机组实际参数作为对比参数，通过机组指标异常预警模型实时确定当前机组运行状态，以当前运行工况最优机组运行指标评价当前机组运行状态，在确定当前机组运行状态出现异常时进行相应的预警。
55.需要说明的是，本技术实施例提供的故障预警模型不限于上述反渗透膜污堵模型、汽动给水泵出力不足模型、烟道阻力异常模型和机组指标异常预警模型，具体可以根据实际的预警需求，构建相应的故障预警模型。
56.在上述实施例的基础上，作为一种可实施的方式，在一实施例中，数据采集模块，具体用于从当前火电厂机组中每个电力设备的测量仪表获取各电力设备的测量数据；从当前火电厂的dcs系统获取各电力设备的监控数据；对测量数据和监控数据进行汇总，得到每个电力设备的运行数据。
57.需要说明的是，若仅在电力设备的测量仪表获取电力设备的测量数据，并该测量数据作为电力设备的运行数据，可能无法保障运行数据的完整性和全面性，因此数据采集模块还从当前火电厂的dcs系统的监控数据存储平台，获取电力设备的监控数据。
58.其中，得到的测量数据和监控数据中存在一些重复数据，因此可以对测量数据和监控数据做取并集处理，以得到电力设备的运行数据。
59.具体地，数据采集模块可以利用当前火电厂的大数据追溯平台，从当前火电厂的dcs系统获取各电力设备的监控数据。
60.在上述实施例的基础上，作为一种可实施的方式，在一实施例中，数据管理模块，具体用于对接收的所述运行数据进行工况分析，以区分各所述电力设备在不同工况下的运行数据；针对任一所述电力设备，将目标工况下的运行数据确定为构建该电力设备故障预警模型所需的模型数据。
61.需要说明的是，数据采集模块获取的运行数据是电力设备多年内的所有运行数据，覆盖了多种工况，若直接基于得到的运行数据构建该电力设备的故障预警模型，将无法保证该故障预警模型的准确性。
62.具体地，数据管理模块对当前接收到的电力设备的运行数据进行工况分析，具体按照预设的时间间隔，如1分钟或5分钟等，根据当前时间间隔内的运行数据所包括的多项运行指标，确定该电力设备在这一时间间隔内的具体工况，以此类推，将该电力设备的运行数据划分为各个工况下的运行数据，然后选取至少一个目标工况对应的运行数据作为该电力设备的模型数据。
63.示例性的，以反渗透膜为例，通过对反渗透膜的运行数据进行工况分析，区分反渗透膜在冲洗工况、变流量工况、小流量工况、大流量工况、维护工况、化学清洗工况和停机工况下的运行数据。结合反渗透膜污堵模型的预警目标需求，若将大流量工况定义为目标工
况，则提取大流量工况对应的运行数据作为构建该反渗透膜污堵模型所需的模型数据。若同时将大流量工况和小流量工况定义为目标工况，则提取大流量工况对应的运行数据作为构建第一反渗透膜污堵模型所需的模型数据，提取小流量工况对应的运行数据作为构建第二反渗透膜污堵模型所需的模型数据，其中第一反渗透膜污堵模型应用在大流量工况下，第二反渗透膜污堵模型应用在小流量工况下，也可以将第一反渗透膜污堵模型核第二反渗透膜污堵模型耦合成一个反渗透膜污堵模型。
64.由于火电厂机组涉及大量的电力设备，本技术实施例不对其他电力设备作一一解释说明，具体可以根据实际应用对象适应性调整。
65.具体地，在一实施例中，数据管理模块，具体用于对比与当前火电厂机组类型相同的多个机组的运行特征信息之间的相同点，得到当前火电厂机组的基础运行特征信息；根据当前火电厂机组中每个电力设备的运行数据和基础运行特征信息，确定各电力设备的运行特征信息。
66.需要说明的是，由于数据管理模块接收到的运行数据的数据质量无法保障，因此数据管理模块在得到运行数据后，首先将对运行数据进行预处理操作，如空值处理、降噪处理和归一化处理等。降噪处理可以采用差分变换、对数变化、傅里叶变换、小波变换、择中阈值降噪、人工专家分析、回归拟合及聚类分析等方式，归一化处理可以采用最大最小值归一化、标准归一化、批量归一化及逐层归一化等方式。
67.其中，差分变化可以基于函数：δf(xk)＝f(x
k 1
)-f(xk)进行；对数变化可以基于函数：s＝log
a n进行；傅里叶变化可以基于函数：n进行；傅里叶变化可以基于函数：进行。
68.其中，归一化处理包括但不限于线性函数归一化，线性函数将原始数据线性化的方法转换到[0,1]的范围，线性函数归一化公式如式方法转换到[0,1]的范围，线性函数归一化公式如式标准归一化，标准归一化方法将原始数据归一化为均值为0、方差1的数据集，归一化公式如式鲁棒归一化，将原数据分布转换成中位数为0，iqr为1的分布，鲁棒归一化公式如式d
′i＝(d
i-median)/(quantile
75-quantile
25
)等归一化方式。
[0069]
具体地，可以通过对比与当前火电厂机组类型相同的其他火电厂的多个机组的运行特征信息之间的相同点，确定当前火电厂机组的通用性原理和运行特性，以得到当前火电厂机组的基础运行特征信息。进一步地，对当前火电厂机组的中每个电力设备的运行数据，确定当前火电厂机组的独立运行特征信息，通过结合当前火电厂机组的基础运行特征信息和独立运行特征信息，确定当前火电厂机组中各电力设备的运行特征信息。
[0070]
其中，用于确定当前火电厂机组的独立运行特征信息的运行数据包括该机组中各电力设备的基建期运行数据和运行期运行数据，以确保该运行数据的完整性。
[0071]
在上述实施例的基础上，作为一种可实施的方式，在一实施例中，模型构建模块，具体用于针对任一电力设备，根据该电力设备的运行特征信息所表征的不同运行指标之间的相互作用关系，构建该电力设备对应的初始故障预警模型；利用该电力设备故障预警模型所需的模型数据，训练初始故障预警模型，以得到该电力设备的故障预警模型。
[0072]
其中，该故障预警模型可以基于k-近邻算法、朴素贝叶斯算法、支持向量机、决策树、k-均值及各类神经网络等构建，也可以基于生成模型算法、迁移学习模型算法、联合训
练模型算法、半监督支持向量机、基于图论的算法、序列结构算法及各类神经网络等构建，具体构建方式可以根据实际情况选择，本技术实施例不做限定。
[0073]
具体地，在对初始故障预警模型进行训练后，可以利用测试样本，对其进行测试，若其测试结果表征其准确率大于95％，则确定模型训练完毕，即得到该电力设备的故障预警模型，反之，则继续训练。
[0074]
进一步地，在一实施例中，该系统还包括优化模块，用于获取故障预警模型在应用过程中产生的异常数据，根据异常数据所表征的故障预警模型的应用盲区，更新数据管理模块中的运行数据和运行特征信息；根据数据管理模块中的运行数据和运行特征信息的更新情况，优化故障预警模型。
[0075]
需要说明的是，由于当前火电厂机组中各电力设备在运行的过程中都会发生一定改变，如某一电力设备经过人工维护后，不同运行指标之间的相互作用关系发生变化，或产生了新的运行指标，导致当前应用的故障预警模型存在偏差或应用盲区。
[0076]
具体地，可以基于该优化模块，使上述模型构建模块和数据管理模块相互作用，其中数据管理模块可以作为模型构建模块的判断器，全面指导模型构建模块的模型构建过程，以得到对应的故障预警模型。在故障预警模型投入使用后，可以根据其具体应用情况，反作用于数据管理模块。
[0077]
具体地，优化模块可以根据故障预警模型在应用过程中产生的异常数据所表征的故障预警模型的应用盲区，将该故障预警模型获取的运行指标发送到数据管理模块，其中该运行指标包括新的运行指标。该数据管理模块根据当前接收到的运行指标，对运行数据和运行特征信息的进行更新，并重新确定该电力设备的运行特征信息，进一步对该故障预警模型进行相应的优化。
[0078]
本技术实施例提供的火电厂故障预警系统，包括：数据采集模块、数据管理模块和模型构建模块；数据采集模块用于获取当前火电厂机组中每个电力设备的运行数据，并将运行数据写入数据管理模块；数据管理模块用于对接收的运行数据进行分析，以在运行数据中筛选构建不同电力设备故障预警模型所需的模型数据，并确定各电力设备的运行特征信息，将模型数据和各电力设备的运行特征信息发送到模型构建模块；模型构建模块用于根据模型数据和各电力设备的运行特征信息，构建各电力设备对应的故障预警模型，以基于各故障预警模型对当前火电厂进行故障预警。上述方案提供的系统，通过结合各电力设备的运行特征信息构建当前火电厂机组中每个电力设备的故障预警模型，并利用该故障预警模型在dcs系统报警之前，提前发现电力设备存在的故障，以及时进行故障的治理，保证了机组运行的稳定性，达到减少电力设备异常工作状态的扩散、维持影响机组的安全经济稳定运行、避免电力设备的不可逆损坏、避免机组的非正常停机的目的。
[0079]
本技术实施例提供了一种火电厂故障预警方法，用于对火电厂机组中的电力设备进行故障预警。本技术实施例的执行主体为电子设备，比如服务器、台式电脑、笔记本电脑、平板电脑及其他可作为火电厂上位机对火电厂机组中的电力设备进行故障预警的电子设备。
[0080]
如图2所示，为本技术实施例提供的火电厂故障预警方法的流程示意图，该方法包括：
[0081]
步骤201，获取当前火电厂机组中每个电力设备的运行数据；
[0082]
步骤202，对运行数据进行分析，以在运行数据中筛选构建不同电力设备故障预警模型所需的模型数据，并确定各电力设备的运行特征信息；
[0083]
步骤203，根据模型数据和各电力设备的运行特征信息，构建各电力设备对应的故障预警模型，以基于各故障预警模型对当前火电厂进行故障预警。
[0084]
关于本实施例中的火电厂故障预警方法，其中各个步骤的具体实施方式已经在有关该系统的实施例中进行了详细描述，此处将不做详细阐述说明。
[0085]
本技术实施例提供的火电厂故障预警方法，为上述实施例提供的火电厂故障预警系统的应用方法，其实现方式与原理相同，不再赘述。
[0086]
本技术实施例提供了一种电子设备，用于执行上述实施例提供的火电厂故障预警方法。
[0087]
如图3所示，为本技术实施例提供的电子设备的结构示意图。该电子设备30包括：至少一个处理器31和存储器32。
[0088]
存储器存储计算机执行指令；至少一个处理器执行存储器存储的计算机执行指令，使得至少一个处理器执行如上实施例提供的火电厂故障预警方法。
[0089]
本技术实施例提供的一种电子设备，用于执行上述实施例提供的火电厂故障预警方法，其实现方式与原理相同，不再赘述。
[0090]
本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如上任一实施例提供的火电厂故障预警方法。
[0091]
本技术实施例的包含计算机可执行指令的存储介质，可用于存储前述实施例中提供的火电厂故障预警方法的计算机执行指令，其实现方式与原理相同，不再赘述。
[0092]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0093]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0094]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0095]
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种
可以存储程序代码的介质。
[0096]
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0097]
最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各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技术各实施例技术方案的范围。