融合群体冗余关联和结构参数的CVT内绝缘在线评估方法与流程

融合群体冗余关联和结构参数的cvt内绝缘在线评估方法
技术领域
1.本发明涉及配电设备状态评估与故障诊断领域，尤其涉及一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法。


背景技术：

2.cvt（capacitor voltage transformer，电容式电压互感器）是电力系统中的重要测量设备，其一次绕组接入高压电网，二次绕组与测量、计量、保护等装置相连，用于将一次侧高压强信号转化为低压小信号供二次设备使用。
3.cvt内绝缘主要包括电容分压单元内绝缘和电磁单元内绝缘两部分，长期运行经验表明，由于电磁单元的输入电压较低，其绝缘性能稳定；而电容分压单元内绝缘受外界环境、内部受潮、局部放电和老化等因素的影响，存在着不断劣化的趋势，内绝缘状态异常cvt继续运行将影响测量数据的准确可靠，甚至存在爆炸的风险，这将影响电力系统的正常运行。因此，为保障测量数据的准确性和电力系统的安全运行，需要及时评估和更换内绝缘状态异常的电压互感器。现广泛使用的方法是通过离线检测的方式获取cvt电容分压单元的电容量和介质损耗，进而掌握其内绝缘状态，但这种方法不仅需cvt停电退出运行，且无法实现cvt内绝缘状态的实时在线评估，不利于及时发现cvt内绝缘状态异常情况。
4.随着现在数据分析技术的发展，cvt内绝缘状态在线评估方法得到了一定的发展，其中名称为《一种电容式电压互感器内绝缘状态在线评价方法（公开号：cn112710930a）》的中国发明专利申请提出了一种cvt内绝缘在线评估方法，该方法通过模糊聚类的技术将cvt实时运行数据所构建的特征量与典型状态样本集进行匹配以实现cvt计量误差状态的在线评估。但该方法仍存在一定的不足，首先，该方法在辨识cvt介质损耗异常时的灵敏度和准确率还有待进一步提升，现仅能辨识介质损耗异常情况较为明显时的故障（经过验证，当介质损耗异常增加超过0.2%才可判断出）；其次，所构建的典型状态样本集依据经验设置，故障类型和跨度设置不当，可能致使待评估cvt的实时运行状态未处于典型状态样本集内时，则无法准确判断该cvt当下的内绝缘状态，存在误判和漏判的可能，故其评估结果的可靠性有待提高。
5.因此，需要建立一种新的cvt内绝缘状态在线评估方法，以摆脱停电的约束进而实现cvt内绝缘状态的实时在线评估，进而指导cvt的运维工作，具有较高的工程应用价值。


技术实现要素：

6.本发明针对现有技术无法实现cvt内绝缘状态实时在线评估的问题，提出了一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法，该方法通过建立表征cvt内绝缘状态的特征量，并从cvt输出数据中提取出反映cvt内绝缘状态的信息，进而实现cvt内绝缘状态的实时在线评估，具有具有较高的工程应用价值。
7.根据本发明的第一方面，提供了一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法，包括：
步骤1，组建待进行cvt内绝缘状态评估的待评估群体，采集所述待评估群体中各个待评估cvt刚投运或刚检修后时的运行数据作为样本数据；通过查阅铭牌和检定报告的形式获取各个所述待评估cvt的结构参数，所述结构参数包括：电容单元的初始电容量、介质损耗以及电容器个数；步骤2，结合所述结构参数确定所述待评估cvt的内绝缘状态异常时引入cvt二次输出数据中的附加计量误差，将所述附加计量误差与所述样本数据相结合得到包含有不同内绝缘状态信息的样本训练集；步骤3，建立表征cvt电容击穿和介质损耗异常的特征参量，结合所述样本训练集构建包含有不同内绝缘状态信息的特征训练集，将所述特征训练集引入相应的属性标签后构成cvt内绝缘状态训练集；利用深度置信网络对所述cvt内绝缘状态训练集进行训练得到评估模型；步骤4，采集待评估群体的实时运行数据，结合实时运行数据构建cvt内绝缘状态在线评估的在线评估特征参量，并利用训练好的所述评估模型对cvt的内绝缘状态进行实时在线评估。
8.在上述技术方案的基础上，本发明还可以作出如下改进。
9.可选的，所述待评估群体中的各个所述待评估cvt为变电站内同一电压等级下具有电气冗余联系的不同组同相cvt。
10.可选的，所述步骤2中的cvt内绝缘状态异常时引入所述cvt二次输出数据中的所述附加计量误差包括：cvt电容击穿所引入的附加比值误差和cvt介质损耗异常所引入的附加相位误差。
11.可选的，cvt电容击穿所引入的附加比值误差的确定方法包括：对于所述待评估群体中第i台cvt内绝缘状态由于高压电容被击穿个或中压电容被击穿个而处于异常状态的情况，由此而在cvt二次输出信号中产生的附加比值差如下所示：；式中，和分别为第i台待评估cvt的高压电容和中压电容的电容器数，和分别为第i台待评估cvt的初始高压电容量和初始中压电容量；为初始电容量所对应的分压比，如下所示：；得到评估群体内不同cvt电容击穿时为cvt二次输出数据中引入的附加比值差，如下所示：
；其中，表示所述待评估群体中cvt的台数，m表示所述待评估cvt电容击穿数量；cvt介质损耗异常所引入的附加相位误差的确定方法包括：对于所述待评估群体中第i台待评估cvt内绝缘状态由于高压介质损耗异常增加或中压介质损耗异常增加而处于异常状态的情况，由此而在cvt二次输出信号中产生的附加相位差如下所示：；式中，和分别为异常增加后的高压介质损耗和中压介质损耗，和分别为原始高压介质损耗和中压介质损耗；得到所述待评估群体中不同cvt介质损耗异常增加时为cvt二次输出数据中引入的附加相位差为：。
12.可选的，所述步骤2中将所述附加计量误差与所述样本数据相结合得到包含有不同内绝缘状态信息的所述样本训练集的过程包括：；；式中，和分别为评估群体中第i台cvt引入附加计量误差和后的幅值和相位，和分别为cvt电容击穿时和cvt介质损耗异常增加分别为cvt二次输出数据中引入的附加计量误差，和为样本数据集中第i台cvt的幅值和相位，得到包含不同电容击穿的样本训练集和包含不同介质损耗的样本训练集，由样本训练集和样本训练集组合得到样本训练集。
13.可选的，所述步骤3中，表征cvt电容击穿数量的特征参量t和表征cvt介质损耗异常的特征参量θ分别为：
ꢀ
；；其中，和分别为样本训练中第台cvt的幅值和相位，和分别为样本训练集中第台cvt的幅值和相位；由所述样本训练集和特征参量t构建得到特征训练集，由所述样本训练集和所述特征参量θ构建的得到特征训练集，由所述特征训练集和所述特征训练集组合得到所述特征训练集。
14.可选的，所述步骤3中利用深度置信网络对所述cvt内绝缘状态训练集进行训练的过程包括：利用深度置信网络分别对所述特征训练集和所述特征训练集进行训练得到在线评估电容击穿的评估模型和在线评估介质损耗的评估模型。
15.采集待评估群体的实时运行数据，结合实时运行数据构建cvt内绝缘状态在线评估的在线评估特征参量，并利用训练好的所述评估模型对cvt的内绝缘状态的实时在线评估。
16.可选的，所述步骤4包括：结合所述实时运行数据和所述特征参量t构建cvt电容击穿在线评估特征参量x1，利用训练好的在线评估电容击穿的评估模型对所述特征参量x1进行评估，得到待评估群体的电容击穿数；结合所述实时运行数据和所述特征参量θ，构建cvt介质损耗在线评估特征参量x2，利用训练好的在线评估介质损耗的评估模型对所述特征参量x2进行评估，得到待评估群体的介质损耗；完成cvt的内绝缘状态的实时在线评估。
17.本发明提供的一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法的有益效果包括：1、摆脱了cvt内绝缘状态评估中需停电退出运行的约束，仅依据cvt的二次输出数据实现了cvt内绝缘状态的实时在线评估，有利于实时掌握cvt内绝缘状态，进而维护cvt的正常运行。
18.2、本发明具有较高的评估灵敏度和准确率，当电容器有一个被击穿或介质损耗异常增加0.05%，即可准确判断出；且其诊断电容发生击穿故障的准确度为100%，诊断内绝缘状态异常增加的准确度为98.51%，即能真实反映cvt内绝缘状态的变化。
19.3、本发明所构建的cvt内绝缘状态训练集根据cvt的结构参数而建立，可涵盖待评估cvt所有的内绝缘状态异常问题，故其评估结果准确可靠，且漏判率和误判率均较低。
附图说明
20.图1为本发明提供的一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法的实施例的流程图；图2为本发明提供的cvt电容击穿的实施例的评估结果的示意图；图3为本发明提供的cvt介质损耗异常的实施例的评估结果的示意图。
具体实施方式
21.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
22.本发明通过建立一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法，旨在摆脱对cvt内绝缘状态评估中需停电退出运行的约束，以实现cvt内绝缘状态的实时在线评估。如图1所示为本发明提供的一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法的实施例的流程图，如图1所示，该在线评估方法包括：步骤1，组建待进行cvt内绝缘状态评估的待评估群体，采集待评估群体中各个待评估cvt刚投运或刚检修后时的运行数据作为样本数据；通过查阅铭牌和检定报告的形式获取各个待评估cvt的结构参数，结构参数包括：电容单元的初始电容量、介质损耗以及电容器个数等。
23.步骤2，结合结构参数确定待评估cvt的内绝缘状态异常时引入cvt二次输出数据中的附加计量误差，将附加计量误差与样本数据相结合得到包含有不同内绝缘状态信息的样本训练集。
24.步骤3，建立表征cvt电容击穿和介质损耗异常的特征参量，结合样本训练集构建包含有不同内绝缘状态信息的特征训练集，将特征训练集引入相应的属性标签后构成cvt内绝缘状态训练集；利用深度置信网络对cvt内绝缘状态训练集进行训练得到评估模型。
25.步骤4，采集待评估群体的实时运行数据，结合实时运行数据构建cvt内绝缘状态在线评估的在线评估特征参量，并利用训练好的评估模型对cvt的内绝缘状态进行实时在线评估。
26.本发明提供的一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法，针对现有技术无法实现cvt内绝缘状态实时在线评估的问题，提出了一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法，该方法通过建立表征cvt内绝缘状态的特征量，并从cvt输出数据中提取出反映cvt内绝缘状态的信息，进而实现cvt内绝缘状态的实时在线评估，具有具有较高的工程应用价值。
27.实施例1本发明提供的实施例1为本发明提供的一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法的实施例，结合图1可知，该在线评估方法的实施例包括：步骤1，组建待进行cvt内绝缘状态评估的待评估群体，采集待评估群体中各个待评估cvt刚投运或刚检修后时的运行数据作为样本数据；通过查阅铭牌和检定报告的形式获取各个待评估cvt的结构参数，结构参数包括：电容单元的初始电容量、介质损耗以及
电容器个数等。
28.在一种可能的实施例方式中，待评估群体中的各个待评估cvt为变电站内同一电压等级下具有电气冗余联系的不同组同相cvt。
29.在一种可能的实施例方式中，以变电站内同一电压等级下具有电气冗余联系的不同组同相cvt作为评估群体，当有组cvt时，以组cvt中a相为例，并采集刚投运或刚检修后时的运行数据作为样本数据，其所采集的电压幅值信息和相位信息分别为：。而后通过查阅铭牌和检定报告的形式获取待评估cvt群体的电容单元初始电容量、介质损耗以及电容器个数等结构参数，如下所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）式中，为评估群体内第i台cvt的结构参数，为第i台cvt的初始高压电容量，为第i台cvt的初始中压电容量，和为第i台cvt的初始高压介质损耗和中压介质损耗，和为第i台cvt的高压电容数和中压电容数。
30.在本优选实施方式中，搭建模拟变电站局部一次拓扑结构的cvt内绝缘状态仿真实验平台，该平台中同一电压等级下的母线上配置有3组0.2级的模拟cvt。以该3组模拟cvt的a相构建评估群体，并采集其内绝缘装正常时的运行数据作为样本数据。该模拟cvt的高压电容和中压电容分别由3个电容器串联而成，并且每个电容器两端均配置有继电器控制的短路开关用于模拟不同电容器击穿的情况，同时还配置有利用继电器控制的不同介质损耗下所对应的等效电阻以模拟cvt介质损耗异常变化的情况。其中高压电容的电容量均分别为c1=0.254μf、c2=50.60μf和c3=50.20μf，中压电容分别为c4=194.46μf、c5=194.46μf和c6=0.99，高压和中压介质损耗等效电阻为0.05%，进而构建评估群体的结构参数。
31.步骤2，结合结构参数确定待评估cvt的内绝缘状态异常时引入cvt二次输出数据中的附加计量误差，将附加计量误差与样本数据相结合得到包含有不同内绝缘状态信息的样本训练集。
32.在一种可能的实施例方式中，cvt内绝缘状态异常时引入cvt二次输出数据中的附加计量误差包括两部分，一部分是cvt电容击穿所引入的附加比值误差，另一部分是cvt介质损耗异常所引入的附加相位误差。
33.cvt电容击穿所引入的附加相位误差的确定方法包括：对于待评估群体中第i台cvt内绝缘状态由于高压电容被击穿个或中压电容被击穿个而处于异常状态的情况，由此而在cvt二次输出信号中产生的附加比值差如下所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）式中，和分别为第i台待评估cvt的高压电容和中压电容的电容器数,
和分别为第i台待评估cvt的初始高压电容量和初始中压电容量；为初始电容量所对应的分压比，如下所示：（4）得到评估群体内不同cvt电容击穿时为cvt二次输出数据中引入的附加比值差，如下所示：
ꢀꢀꢀ
（5）其中，表示待评估群体中cvt的台数，m表示待评估cvt电容击穿数量，i表示cvt的序号数，j表示电容击穿情况。
34.cvt介质损耗异常所引入的附加相位误差的确定方法包括：对于待评估群体中第i台待评估cvt内绝缘状态由于高压介质损耗异常增加或中压介质损耗异常增加而处于异常状态的情况，由此而在cvt二次输出信号中产生的附加相位差如下所示：
ꢀꢀꢀꢀꢀꢀꢀꢀ
（6）式中，和分别为异常增加后的高压介质损耗和中压介质损耗,和为原始高压介质损耗和中压介质损耗。
35.得到待评估群体中不同cvt介质损耗异常增加时为cvt二次输出数据中引入的附加相位差为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）在一种可能的实施例方式中，步骤2中将附加计量误差与样本数据相结合得到包含有不同内绝缘状态信息的样本训练集的过程包括：；；式中，和分别为评估群体中第i台cvt引入附加计量误差和后的幅值和相位，和分别为cvt电容击穿时和cvt介质损耗异常增加分别为cvt二次输出数据中引入的附加计量误差，和为样本数据集中第i台cvt的幅值和相位，和包含不同介质损耗的样本训练集，由样本训练集和样本训练集组合得到样本训练集。
36.优选地，引入相应的电容击穿和介质损耗异常增大的属性标签。
37.在本优选实施方式中，不同电容器击穿所引入的附加比值差如表1所示，不同介质损耗异常所引入的附加相位差如表2所示，并将附加计量误差与样本数据相结合得到包含有不同内绝缘状态信息的样本训练集和。
38.表1 电容器击穿所引入的附加比值差表2 介质损耗异常所引入的附加相位差步骤3，建立表征cvt电容击穿和介质损耗异常的特征参量，结合样本训练集构建包含有不同内绝缘状态信息的特征训练集，将特征训练集引入相应的属性标签后构成cvt内绝缘状态训练集；利用深度置信网络对cvt内绝缘状态训练集进行训练得到评估模型。
39.在一种可能的实施例方式中，步骤3中表征cvt电容击穿数量的特征参量t和表征cvt介质损耗异常的特征参量θ分别为： ；；其中，和分别为样本训练中第台cvt的幅值和相位，和分别为样本训练集中第台cvt的幅值和相位。
40.内绝缘状态训练集包括两部分，一部分是由电容击穿的样本训练集和特征参量t构建的包含有不同电容击穿信息的特征训练集；另一部分为介质损耗的样本训练集和特征参量构建的包含有不同介质损耗信息的特征训练集，进而构成cvt内绝缘
状态训练集。
41.在本优选实施方式中，不同电容击穿下所构建的特征训练集和不同介质损耗等效电阻下所构建的特征训练集如表3和表4所示。
42.表3 电容击穿所构建的特征训练集电容击穿所构建的特征训练集表4 介质损耗异常增加所构建的特征训练集介质损耗异常增加所构建的特征训练集在一种可能的实施例方式中，步骤3中利用深度置信网络对cvt内绝缘状态训练集进行训练的过程包括：利用深度置信网络分别对特征训练集和特征训练集进行训练得到在线评估电容击穿的评估模型和在线评估介质损耗的评估模型。
43.采集待评估群体的实时运行数据，结合实时运行数据构建cvt内绝缘状态在线评估的在线评估特征参量，并利用训练好的评估模型对cvt的内绝缘状态的实时在线评估。
44.具体实施中，利用深度置信网络进行训练的过程如下：首先初始化深度置信网络的结构参数如隐藏层层数、隐藏层单元数、正向学习率和反向学习率等。
45.而后对每一层隐藏层进行训练，每层隐藏层由一层显层和一层隐层组成，同时上一层隐藏层的隐层将作为下一层隐藏层的显层，每层隐藏层的能量函数如下所示：(12)式中，，为待求解的内部参数，为第i个显层神经元的状态；为第j个隐层神经元的状态；为显层节点和隐层节点的连接权重；和为显层节点和隐层节点的偏置，m和n为显层和隐层的神经元数量。
46.当显层状态确定时，隐层节点被显层节点激活的概率为： (13)当隐层状态确定时，显层节点被隐层节点激活的概率为：
ꢀꢀ
(14)通过计算似然函数和的函数最大值，进而得到参数集θ的更新方法为:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)式中，表示输入数据的期望，表示重构数据的期望。
47.在本优选实施方式中，训练特征训练集的初始化结构参数和训练特征训练集的初始化结构参数如表5所示，而后利用深度置信网络分别对电容击穿所构建的特征训练集和介质损耗异常增加所构建的特征训练集进行训练得到在线评估电容击穿的评估模型和在线评估介质损耗的评估模型。
48.表5 深度置信网络初始化结构参数步骤4，采集待评估群体的实时运行数据，结合实时运行数据构建cvt内绝缘状态在线评估的在线评估特征参量，并利用训练好的评估模型对cvt的内绝缘状态进行实时在线评估。
49.在一种可能的实施例方式中，步骤4包括：结合实时运行数据和特征参量t构建cvt电容击穿在线评估特征参量x1，利用训练好的在线评估电容击穿的评估模型对特征参量x1进行评估，得到待评估群体的电容击穿数；结合实时运行数据和特征参量θ，构建cvt介质损耗在线评估特征参量x2，利用训练好的在线评估介质损耗的评估模型对特征参量x2进行评估，得到待评估群体的介质损耗；完成cvt的内绝缘状态的实时在线评估。
50.优选地，采集待评估群体的实时运行数据，并结合公式（10）构建cvt电容击穿在线评估特征参量，而后利用训练好的在线评估电容击穿的评估模型进行评估，得到待评估群体的电容击穿数；并结合公式（11）构建cvt介质损耗在线评估特征参量，而后利用训练好的在线评估介质损耗的评估模型进行评估，得到待评估群体的介质损耗，进而完成cvt的内绝缘状态的实时在线评估。
51.在本优选实施方式中，当电容发生击穿时，以cvt-1a内绝缘状态异常为例进行分析，首先设置cvt-1a内绝缘处于正常状态运行20分钟，而后通过继电器将高压电容c2短路并运行20分钟以模拟cvt-1a发生一电容击穿的情况，最后通过继电器将高压电容c3一并短路并运行20分钟以模拟cvt-1a电容击穿继续劣化的情况。利用训练好的cvt电容击穿模型对该实时运行数据进行评估，其评估结果如图2所示。从图2中可知，评估结果与故障设置情况相符，即准确评估出电容击穿的情况。遍历评估群体，其评估准确度如表6所示。
52.表6电容击穿评估准确率
在本优选实施方式中，当介质损耗异常时，以cvt-1a内绝缘状态异常为例进行分析，首先设置cvt-1a内绝缘处于正常状态运行20分钟，而后通过继电器将其介质损耗调整为0.1%并运行20分钟，最后将其介质损耗调整为0.15%并运行20分钟以模拟cvt-1a介质损耗不断劣化的情况。利用训练好的介质损耗评估模型对上述实时运行数据进行评估，其结果如图3所示。从图3中可知，评估结果与故障设置情况相符，即准确评估出介质损耗异常的情况。遍历评估群体，其评估准确度如表7所示，故能实现cvt内绝缘状态的准确评估。
53.表7介质损耗评估准确率本发明实施例提供的一种融合群体冗余关联和结构参数的cvt内绝缘在线评估方法，摆脱了cvt内绝缘状态评估中需停电退出运行的约束，仅依据cvt的二次输出数据实现了cvt内绝缘状态的实时在线评估，有利于实时掌握cvt内绝缘状态，进而维护cvt的正常运行；本发明具有较高的评估灵敏度和准确率，当电容器有一个被击穿或介质损耗异常增加0.05%，即可准确判断出；且其诊断电容发生击穿故障的准确度为100%，诊断内绝缘状态异常增加的准确度为98.51%，即能真实反映cvt内绝缘状态的变化；本发明所构建的cvt内绝缘状态训练集根据cvt的结构参数而建立，可涵盖待评估cvt所有的内绝缘状态异常问题，故其评估结果准确可靠，且漏判率和误判率均较低。
54.需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
55.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
56.本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
57.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
58.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
59.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
60.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。