半潜漂浮式风电场动态布局优化方法、系统及设备

1.本公开实施例涉及计算技术领域，尤其涉及一种半潜漂浮式风电场动态布局优化方法、系统及设备。


背景技术：

2.目前，风能作为一种可再生、清洁、易获得的能源，在近些年愈发受到人们的欢迎。在风能行业，由于海上比陆地具有更强、更稳定的风速和更广泛的开放空间供风电场建设，发展海上风电场是近期一个快速增长的趋势。据估计，海上平均风速比陆上平均风速高90％，这使得海上风电场在理论上具有更大的发电量优势。此外，由于海平面的原因，海上风场的风速空间变化较小，减小了不均匀风场作用于风机叶片的结构疲劳载荷。
3.为了充分利用海上的风力资源，风电场的部署开始由浅海走向深海。在浅海中，海上风机的塔基可以连接到海底，而在深海中，考虑到结构的可行性和经济效应，需要使用漂浮式平台来承载风机。
4.漂浮式平台允许风机在风浪的作用下进行位移和旋转，从而为风机增加了额外的自由度，这对漂浮式风机(fowt)的控制来说既是挑战也是机遇。控制上的挑战包括：更大复杂度的系统建模，平台振动抑制以及风浪干扰抑制。另一方面，平台的额外自由度为风机的实时位置控制提供了机会，而这对陆上风机或者固定基础式风机来说是不可能实现的。当考虑风电场级的输出功率优化时，实时风机位置控制带来的增益是显而易见的。
5.固定基础式风机在安装后无法再改变位置，在尾流效应的影响下，会降低风电场的输出功率并增加机组结构疲劳载荷。漂浮式风机具有可移动特性，允许风电场在风况突变时追踪具有最小尾流效应影响的最优布局位置。
6.可见，亟需一种能实时调整布局位置、提高输出功率的半潜漂浮式风电场动态布局优化方法。


技术实现要素：

7.有鉴于此，本公开实施例提供一种半潜漂浮式风电场动态布局优化方法、系统及设备，至少部分解决现有技术中存在实时性和输出功率较差的问题。
8.第一方面，本公开实施例提供了一种半潜漂浮式风电场动态布局优化方法，包括：
9.步骤1，根据多重空间尾流模型建立风电场尾流计算模型，以风电场自由入流风风速和风向以及风机布局作为输入量，输出每台风机轮毂处的风速；
10.步骤2，根据所述风电场尾流计算模型、气动模块、浮式平台模块和系泊缆模块建立漂浮式风电场动态模型，以风电场自由入流风风速和风向，风机布局，风机初始位置和初始速度以及每台风机的轴向感应因子和偏航角作为输入量，输出每台风机的时变位置、速度和输出功率；
11.步骤3，初始化目标风电场参数，给定自由入流风风速和风向，风机布局以及风机初始位置和初始速度，以最大化风电场输出功率作为海洋捕食者算法的优化目标，并根据
海洋捕食者算法建立所述目标风电场对应的初始elite矩阵和初始prey矩阵；
12.步骤4，根据初始elite矩阵和初始prey矩阵获取每台风机的轴向感应因子和偏航角作为优化变量，结合目标风电场参数，使用漂浮式风电场动态模型进行迭代计算；
13.步骤5，对步骤4中迭代计算过程施加收敛判据，即当每台风机位置和速度变化量小于预先设定的收敛阈值时，判定此时漂浮式风电场中每台风机都已到达平衡位置，终止迭代，并将最后一次迭代得到的风电场输出功率作为该组优化变量对应的适应值；
14.步骤6，根据步骤5得到的适应值，应用海洋捕食者记忆回溯更新所述初始elite矩阵；
15.步骤7，根据步骤5得到的适应值以及步骤6得到的新prey矩阵，分阶段迭代更新prey矩阵；
16.步骤8，应用边界限制并判断迭代过程中的适应值是否满足收敛条件，若是，则输出更新后的elite矩阵的第一行作为优化后的控制量，若否，则返回步骤4。
17.根据本公开实施例的一种具体实现方式，所述步骤2中，根据所述风电场尾流计算模型、气动模块、浮式平台模块和系泊缆模块建立漂浮式风电场动态模型的步骤，包括：
18.令2
×
n的矩阵fm表示作用于n台风机漂浮式平台上的系泊缆回复力，如下式所示：
[0019][0020]
其中，nm表示连接到单个漂浮式平台上的系泊缆的数量，f
m,i
是一个2
×
n矩阵，包含作用在n个漂浮式平台上的系泊缆回复力矢量，这些力由与漂浮式平台相连的第i条系泊缆生成，f
m,i
矩阵为
[0021][0022]
其中，r
a,i
→
f,i
是一个2
×
n的矩阵，包含n个漂浮式平台的第i条系泊线由锚点至导缆孔的水平位置矢量，函数f(|r
a,i
→
f,i
|)取r
a,i
→
f,i
的列向量2范数作为输入，输出一个1
×
n的矩阵，其中包含n个漂浮式平台与其自身相连的第i根系泊缆的水平回复力大小；
[0023]
提取系泊缆水平长度及其对应的系泊缆水平回复力f(|r
a,i
→
f,i
|)数据后，采用神经网络对函数进行拟合，将训练完成的神经网络应用于f
m,i
的计算；
[0024]
通过将作用于漂浮式风机的气动推力f
t
、流体粘滞阻力fd和系泊缆回复力矩阵fm相加，计算得到作用于漂浮式风机的总力矩阵f为:
[0025]
f＝f
t
fd fm；
[0026]
根据所述总力矩阵得到漂浮式风电场动态模型：
[0027][0028][0029]
其中，m表示单个漂浮式风机的总质量，m
added
表示水动力附加质量：
[0030][0031]
其中，c
mass
，l
c,i
和d
c,i
分别表示浮柱圆形横截面的附加质量系数,浮柱浸水深度和浮柱直径。
[0032]
根据本公开实施例的一种具体实现方式，所述初始elite矩阵为n
×
d矩阵，第一行为种群中具有最优适应值p
farm
的个体各维度的值，其他n-1行为第一行元素复制n-1次所得，在每次迭代结束后，根据当前迭代下最优的捕食者个体更新elite矩阵；
[0033]
所述初始prey矩阵为n
×
d矩阵，共包含n个个体，每个个体具有d维，以xi,j表示第i个捕食者个体的第j维，每个捕食者个体的d个维度的值为风电场中所有风机的轴向感应因子和偏航角给定量，故d＝2
×
n。
[0034]
根据本公开实施例的一种具体实现方式，所述风场参数包括流入漂浮式风电场的自由风风向φ
in
、风速u
in
，所述相关输入包括每台风机的位置矩阵r、速度矩阵v、加速度矩阵dv/dt、轴向感应因子a和偏航角γ。
[0035]
根据本公开实施例的一种具体实现方式，所述步骤4具体包括：
[0036]
将每台风机的控制输入量和风场参数输入所述漂浮式风电场动态模型迭代计算，得到稳定位置处风机的位置矩阵rs、风速矩阵u
s,rev
和偏航角矩阵γ
s,rev
：
[0037]rs
＝rk,
[0038]us,rev
＝u
k,rev
,当且
[0039]
γ
s,rev
＝γ
k,rev
,
[0040]
其中，rk，u
k,rev
和γ
k,rev
分别表示漂浮式风电场动态模型第k步迭代得到的风机位置矩阵，风速矩阵和偏航角矩阵，εr和εv为判断风机是否处于平衡状态所设置的阈值，阈值大小与迭代的时间步长dt大小成正比；
[0041]
根据稳定位置处风机的位置矩阵、风速矩阵和偏航角矩阵计算稳定位置处的风电场输出功率作为适应值，其中，所述适应值的表达式为
[0042][0043]
其中，p
s,i
表示在平衡状态下第i台风机的输出功率，计算式如下：
[0044][0045]
其中，|u
s,rev,i
|表示矩阵u
s,rev
第i列的2范数，a
rotor
表示风机扫掠面面积，ρa表示空气密度，c
p
表示第i台风机的功率转化系数，计算式如下：
[0046][0047]
其中，ai表示向量a中第i台风机对应的轴向感应因子，η为解释空气动力和发电效率偏差的损耗系数，p
p
表示偏航角对功率的影响系数。
[0048]
根据本公开实施例的一种具体实现方式，对prey矩阵进行记忆回溯步骤，即将新得到的prey矩阵中每个个体的适应值与上一次迭代得到的适应值进行比较，用好的个体的
值替换prey矩阵中的对应行。
[0049]
根据本公开实施例的一种具体实现方式，所述步骤7具体包括：
[0050]
根据当前迭代次数iter与最大迭代次数max_iter判断当前所处的优化阶段，在不同阶段采取不同的寻优策略，其中，当iter＜0.33
×
max_iter时，prey矩阵的更新策略如下式所示：
[0051][0052][0053]
其中，rb为一个基于正态分布的随机数向量，p是一个常数，r是在[0,1]中均匀分布的随机数向量；
[0054]
当iter＜0.33
×
max_iter时，对prey矩阵中的全部个体按下式更新：
[0055][0056][0057]
其中，rb为一个基于正态分布的随机数向量，p是一个常数，r是在[0,1]中均匀分布的随机数向量；
[0058]
当0.33
×
max_iter＜iter＜0.66
×
max_iter时，对prey矩阵中的另一半个体按下式更新：
[0059][0060]
其中，r
l
是一个基于levy分布的随机数组成的向量，为控制捕食者个体运动步长的自适应参数；
[0061]
当iter＞0.66
×
max_iter时，对prey矩阵中个体全部按下式更新：
[0062][0063]
preyi＝elitei p
·
cf
·
stepsize
i i＝1,...n
[0064]
根据本公开实施例的一种具体实现方式，所述收敛条件为迭代过程中最优适应值连续迭代预设次数不发生变化。
[0065]
第二方面，本公开实施例提供了一种半潜漂浮式风电场动态布局优化系统，包括：
[0066]
第一建立模块，用于根据多重空间尾流模型建立风电场尾流计算模型，以风电场自由入流风风速和风向以及风机布局作为输入量，输出每台风机轮毂处的风速；
[0067]
第二建立模块，用于根据所述风电场尾流计算模型、气动模块、浮式平台模块和系泊缆模块建立漂浮式风电场动态模型，以风电场自由入流风风速和风向，风机布局，风机初始位置和初始速度以及每台风机的轴向感应因子和偏航角作为输入量，输出每台风机的时变位置、速度和输出功率；
[0068]
第三建立模块，用于初始化目标风电场参数，给定自由入流风风速和风向，风机布
局以及风机初始位置和初始速度，以最大化风电场输出功率作为海洋捕食者算法的优化目标，并根据海洋捕食者算法建立所述目标风电场对应的初始elite矩阵和初始prey矩阵；
[0069]
计算模块，用于根据初始elite矩阵和初始prey矩阵获取每台风机的轴向感应因子和偏航角作为优化变量，结合目标风电场参数，使用漂浮式风电场动态模型进行迭代计算；
[0070]
收敛模块，用于对步骤4中迭代计算过程施加收敛判据，即当每台风机位置和速度变化量小于预先设定的收敛阈值时，判定此时漂浮式风电场中每台风机都已到达平衡位置，终止迭代，并将最后一次迭代得到的风电场输出功率作为该组优化变量对应的适应值；
[0071]
更新模块，用于根据步骤5得到的适应值，应用海洋捕食者记忆回溯更新所述初始elite矩阵；
[0072]
迭代模块，用于根据步骤5得到的适应值以及步骤6得到的新elite矩阵和新prey矩阵，分阶段迭代更新prey矩阵；
[0073]
判断模块，用于应用边界限制并判断迭代过程中的适应值是否满足收敛条件，若是，则输出更新后的elite矩阵的第一行作为优化后的控制量，若否，则返回步骤4。
[0074]
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
[0075]
至少一个处理器；以及，
[0076]
与该至少一个处理器通信连接的存储器；其中，
[0077]
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的半潜漂浮式风电场动态布局优化方法。
[0078]
本公开实施例中的半潜漂浮式风电场动态布局优化方案，包括：步骤1，根据多重空间尾流模型建立风电场尾流计算模型，以风电场自由入流风风速和风向以及风机布局作为输入量，输出每台风机轮毂处的风速；步骤2，根据所述风电场尾流计算模型、气动模块、浮式平台模块和系泊缆模块建立漂浮式风电场动态模型，以风电场自由入流风风速和风向，风机布局，风机初始位置和初始速度以及每台风机的轴向感应因子和偏航角作为输入量，输出每台风机的时变位置、速度和输出功率；步骤3，初始化目标风电场参数，给定自由入流风风速和风向，风机布局以及风机初始位置和初始速度，以最大化风电场输出功率作为海洋捕食者算法的优化目标，并根据海洋捕食者算法建立所述目标风电场对应的初始elite矩阵和初始prey矩阵；步骤4，根据初始elite矩阵和初始prey矩阵获取每台风机的轴向感应因子和偏航角作为优化变量，结合目标风电场参数，使用漂浮式风电场动态模型进行迭代计算；步骤5，对步骤4中迭代计算过程施加收敛判据，即当每台风机位置和速度变化量小于预先设定的收敛阈值时，判定此时漂浮式风电场中每台风机都已到达平衡位置，终止迭代，并将最后一次迭代得到的风电场输出功率作为该组优化变量对应的适应值；步骤6，根据步骤5得到的适应值，应用海洋捕食者记忆回溯更新所述初始elite矩阵；步骤7，根据步骤5得到的适应值以及步骤6得到的新prey矩阵，分阶段迭代更新prey矩阵；步骤8，应用边界限制并判断迭代过程中的适应值是否满足收敛条件，若是，则输出更新后的elite矩阵的第一行作为优化后的控制量，若否，则返回步骤4。
[0079]
本公开实施例的有益效果为：通过本公开的方案，在风电场风况发生变化时求得对应最优稳定位置的每台风机的最优轴向感应因子、最优偏航角，从而使风电场的整体输
出功率最大。
附图说明
[0080]
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。
[0081]
图1为本公开实施例提供的一种半潜漂浮式风电场动态布局优化方法的流程示意图；
[0082]
图2为本公开实施例提供的一种半漂浮式风电场输出功率实时优化方法的流程示意图；
[0083]
图3为本公开实施例提供的一种半潜漂浮式风电场动态布局优化系统的结构示意图；
[0084]
图4为本公开实施例提供的电子设备示意图。
具体实施方式
[0085]
下面结合附图对本公开实施例进行详细描述。
[0086]
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，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，都属于本公开保护的范围。
[0087]
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
[0088]
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0089]
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
[0090]
本公开实施例提供一种半潜漂浮式风电场动态布局优化方法，所述方法可以应用于海上风电场景的风电场控制过程中。
[0091]
参见图1，为本公开实施例提供的一种半潜漂浮式风电场动态布局优化方法的流
程示意图。如图1所示，所述方法主要包括以下步骤：
[0092]
步骤1，根据多重空间尾流模型建立风电场尾流计算模型，以风电场自由入流风风速和风向以及风机布局作为输入量，输出每台风机轮毂处的风速；
[0093]
具体实施时，考虑到在风电场中自由风流经上游风机后风速与风向会出现一定程度的改变，对下游风机轮毂处的有效风速产生影响，本文使用多重空间尾流模型来描述风流经上游风机叶轮面后对下游风机实际风速的影响效应。尾流模型包含尾流偏转、尾流膨胀和尾流衰减三个部分。在已知上游风机轮毂处风速的情况下，由尾流模型可以计算出风流经该上游风机后在其下游不同位置处的风速，从而得到下游风机轮毂处的有效风速。
[0094]
1.1尾流偏转
[0095]
尾流偏转由风机机舱的偏航导致，机舱的偏航对流经风轮面的气流施加了一个侧向推力，使得风朝着与机舱旋转方向相反的方向偏转。因此，尾流偏转是关于该推力系数的函数，如式(1)所示：
[0096]ct
(ai)＝4ai[1-ai]
ꢀꢀ
(1)
[0097]
对于有n台风机的海上风电场，可用集合f来表示，f＝{1,2,3,...,n}。以第i台风机为例，在该风机下风向x(x＞xi)距离处，该风机尾流中心线偏移角度ξi的计算如式(2)所示：
[0098][0099][0100]
其中，di表示第i台风机的转子直径，kd是一个定义了尾迹偏转对偏航灵敏度的模型参数，ξ
init
是转子处尾迹偏转的初始角度。通过对尾流中心线偏移角对x的切线积分，得到第i台风机的尾流中心线的横向偏移如式(3)所示：
[0101][0102]
基于式(3)，得到第i台风机下游x位置处的尾流中心位置y
w,i
(x)，如式(4)所示：
[0103]yw,i
(x)＝yi δ
yw,yaw,i
(x)
ꢀꢀ
(4)
[0104]
1.2尾流膨胀与衰减
[0105]
多重空间尾流模型通过将尾流划分为三个区域以更好地模拟部分尾流情况，这些区域也随转子距离的增加而成比例地展开，但每个区域都与它们的距离成比例地增大自己的扩展因子。
[0106]
第i台风机后面尾流区的直径计算如式(5)所示：
[0107]dw,i,q
(x)＝max(di 2kem
e,q
[x-xi],0)
ꢀꢀ
(5)
[0108]
其中，x＞xi，q＝1，2，3标记着不同的区域，di是机组i的转子直径，参数m
e,q
,ke是定
义区域拓展的系数。按照常用的描述尾流特征的术语，不同的尾流区分别是“近尾流区”(q＝1)，“远尾流区”(q＝2)和“混合区”(q＝3)。扩展到不同的尾流区能够更好地匹配高精度模拟的数据。
[0109]
在尾流被划分为3个区域之后，尾流区风速的亏损随与转子距离的二次衰减，而不是直接与尾流扩展相关。进而，机组i后面x距离处剖面上的风速计算如式(6)所示：
[0110]uw,i
(x,y)＝ui[1-2a
ici
(x,y)]
ꢀꢀ
(6)
[0111]
其中，ui表示第i台风机轮毂处的自由风风速。尾流衰减系数ci(x,y)是位置y相对于机组i尾流中心的横向偏移的分段常数函数，定义为：
[0112][0113]
其中，r＝y-y
w,i
(x)。
[0114]
对应每个区域的局部尾流衰减系数的计算如式(8)所示：
[0115][0116]
其中，系数m
u,q
是定义不同尾流区衰减速度的参数。遵循类似方法，通过经验推导，并基于转子偏航角调整尾流衰减率，以拟合系数m与偏航角γi：
[0117][0118]
其中，q＝1,2,3，m
u,q
，au和bu为模型的参数。
[0119]
通过式(1)-(9)的计算，得到第i台风机其下游(x,y)位置处的尾流中心位置(x,y
w,i
(x))、尾流区直径d
w,i,q
(x)和局部尾流衰减系数c
i,q
(x)。
[0120]
1.3尾流计算模型
[0121]
为得到特定风况、特定风机布局和特定风机动作下每台风机轮毂处的有效风速，构造了一个风电场尾流计算模型wakecal。尾流计算模型wakecal的表达式如下：
[0122]
u＝wakecal(x,y,a,γ,φ,u
∞
)
ꢀꢀ
(10)
[0123]
尾流计算函数的输入包括1
×
n的x向量，y向量，a向量，γ向量以及标量φ和标量u
∞
。φ和u
∞
两个标量代表该风电场所处的特定风况，分别表示流入风电场的自由风风向和自由风风速。x，y两个向量分别包括n台风机在风电场水平面内的x坐标和y坐标。a向量包含n台风机的轴向感应因子。γ向量包含n台风机的机舱偏航角。
[0124]
风电场x轴的正方向定义为自由风的流动方向，而y轴的正方向根据右手法则确定，z轴的正方向沿重力的反方向。在风电场尾流计算模型的6个输入量中，与风电场中风机布局相关的x向量和y向量可以通过安装于风机的gps全球定位仪获得，与风机动作相关的a向量和γ向量为指定给每台风机的输入量，也是风电场功率优化算法中的自变量，与风电场风况相关的标量φ和标量u
∞
可以通过测风仪和激光雷达等设备获取。
[0125]
在进行风场风速计算前，需要根据风向φ对风机原始位置进行变换。
[0126]
尾流计算模型在得到6组输入变量后，使用多重空间尾流模型计算整个风电场中的尾流影响情况，考虑到下游风机j可能位于多台上游风机的尾流区中，需要先求出第j台风机的上游风机编号，然后利用式(11)计算第j台风机在混合尾流区中的实际有效风速uj：
[0127][0128]
其中，表示第i台风机的尾流区q与第j台风机风轮面的重叠面积，aj为第j台风机风轮面的面积，c
i,q
表示第i台风机的尾流区q在风机轴线xj处的尾流衰减系数。
[0129]
在得到风电场中所有风机的实际有效风速后，尾流计算模型wakecal将输出一个1
×
n的向量u，包括了n台风机轮毂处的有效风速。
[0130]
步骤2，根据所述风电场尾流计算模型、气动模块、浮式平台模块和系泊缆模块建立漂浮式风电场动态模型，以风电场自由入流风风速和风向，风机布局，风机初始位置和初始速度以及每台风机的轴向感应因子和偏航角作为输入量，输出每台风机的时变位置、速度和输出功率；
[0131]
进一步的，所述步骤2中，根据所述风电场尾流计算模型、气动模块、浮式平台模块和系泊缆模块建立漂浮式风电场动态模型的步骤，包括：
[0132]
令2
×
n的矩阵fm表示作用于n台风机漂浮式平台上的系泊缆回复力，如下式所示：
[0133][0134]
其中，nm表示连接到单个漂浮式平台上的系泊缆的数量，f
m,i
是一个2
×
n矩阵，包含作用在n个漂浮式平台上的系泊缆回复力矢量，这些力由与漂浮式平台相连的第i条系泊缆生成，f
m,i
矩阵为
[0135][0136]
其中，r
a,i
→
f,i
是一个2
×
n的矩阵，包含n个漂浮式平台的第i条系泊线由锚点至导缆孔的水平位置矢量，函数f(|r
a,i
→
f,i
|)取r
a,i
→
f,i
的列向量2范数作为输入，输出一个1
×
n的矩阵，其中包含n个漂浮式平台与其自身相连的第i根系泊缆的水平回复力大小；
[0137]
提取系泊缆水平长度及其对应的系泊缆水平回复力f(|r
a,i
→
f,i
|)数据后，采用神经网络对函数进行拟合，将训练完成的神经网络应用于f
m,i
的计算；
[0138]
通过将作用于漂浮式风机的气动推力f
t
、流体粘滞阻力fd和系泊缆回复力矩阵fm相加，计算得到作用于漂浮式风机的总力矩阵f为:
[0139]
f＝f
t
fd fm；
[0140]
根据所述总力矩阵得到漂浮式风电场动态模型：
[0141]
[0142][0143]
其中，m表示单个漂浮式风机的总质量，m
added
表示水动力附加质量：
[0144][0145]
其中，c
mass
，l
c,i
和d
c,i
分别表示浮柱圆形横截面的附加质量系数,浮柱浸水深度和浮柱直径。
[0146]
具体实施时，动态风机模型由牛顿法推导所得，适用于沿平面粒子状分布的系统。每台风机的模型都为半潜漂浮式风机。作用于每台风机上的载荷包括施加在转子面上的气动推力f
thrust
，施加在漂浮式平台上的流体粘滞阻力f
drag
以及系泊缆产生的回复力f
moor,i
,i＝1,2,3。
[0147]
为降低优化问题的复杂度，该模型的状态仅包括n台风机的位置和速度。这样选择模型状态的原因在于，风电场发电量的估算主要与风机在x-y平面上的位置相关。令2
×
n的矩阵rk和vk分别表示n台风机的位置矩阵和速度矩阵，如式(12)所示：
[0148][0149]
其中，1
×
n的向量v
k,x
和v
k,y
分别表示n台风机沿x方向和y方向的移动速度，k表示离散时间步。
[0150]
漂浮式风机动态模型包括3个模块：气动模块、浮式平台模块和系泊缆模块，分别用于计算漂浮式风机所收到的气动推力、流体粘滞阻力和系泊缆恢复力。
[0151]
2.1气动模块
[0152]
漂浮式风机在风场中运行时，会受到风推力的作用。从处于运动状态的风机自身的参考系来看，作用于风机的风速和偏航角需被修正，修正后的风速和偏航角分别记为矩阵u
k,rev
和矩阵γ
k,rev
，如式(13)和式(14)所示：
[0153][0154][0155]
其中，uk＝wakecal(xk,yk,a,γ,φ,u
∞
)。
[0156]
由此产生包含n台风机推力的2
×
n矩阵f
t
，如式(15)所示：
[0157][0158]
其中，ρa表示空气密度，a
rotor
表示叶轮面面积，|u
k,rev
|表示列向量u
k,rev
的2范数，c
t
表示1
×
n的推力系数向量。
[0159]
2.2浮式平台模块
[0160]
漂浮式风机的平台在海洋中移动时，会受到流体粘滞阻力的作用。假设海面上不存在洋流，令2
×
n矩阵fd表示海水作用于n个漂浮式平台的流体粘滞阻力，如式(16)所示：
[0161][0162]
其中，nc表示单个半潜漂浮式平台包含的浮柱数(对于oc4-deepcwind半潜漂浮式风机，因为漂浮式平台包含3个浮柱，3个垂荡板和1个中心浮柱，故nc＝7)，c
d,i
，d
c,i
和l
c,i
分别为第i个浮柱的粘滞系数，半径和浸水深度，ρw表示水密度，|vk|表示列向量vk的2范数。
[0163]
2.3系泊缆模块
[0164]
考虑到漂浮式风机的安全性，需要限制漂浮式风机的移动范围和移动速率，一种可行的方法是用系泊缆分别连接位于海床的锚点和位于漂浮式平台的导缆孔，对漂浮式平台施加与移动速度相反方向的恢复力，从而限制其移动范围与速率。令2
×
n的矩阵fm表示作用于n台风机漂浮式平台上的系泊缆回复力，如式(17)所示：
[0165][0166]
其中，nm表示连接到单个漂浮式平台上的系泊缆的数量例如nm＝3，f
m,i
是一个2
×
n矩阵，包含作用在n台风机上的系泊缆回复力矢量，这些力由与漂浮式平台相连的第i条系泊缆生成。f
m,i
矩阵如式(18)所示：
[0167][0168]
其中，r
a,i
→
f,i
是一个2
×
n的矩阵，包含n个漂浮式平台的第i条系泊线由锚点至导缆孔的水平位置矢量。函数f(|r
a,i
→
f,i
|)取r
a,i
→
f,i
的列向量2范数作为输入，输出一个1
×
n的矩阵，其中包含n个漂浮式平台与其自身相连的第i根系泊缆的水平回复力大小。
[0169]
考虑到本实施例提出的模型忽略了平台的垂荡，作用于漂浮式平台导缆孔的系泊缆回复力仅为其锚点与导缆孔距离的函数。在fast软件中提取系泊缆水平长度及其对应的系泊缆水平回复力数据后，采用神经网络(ann)对函数f(|r
a,i
→
f,i
|)进行拟合，将训练完成的神经网络应用于fm的计算。
[0170]
通过将作用于漂浮式风机的气动推力、流体粘滞阻力和系泊缆回复力矩阵相加，可以计算得到作用于漂浮式风机的总力矩阵f，如式(19)所示:
[0171]
f＝f
t
fd fmꢀꢀ
(19)
[0172]
最后，fowt的动力学模型微分方程组表示如下：
[0173][0174]
其中，m表示单个漂浮式风机的总质量，m
added
表示水动力附加质量：
[0175][0176]
其中，c
mass
表示浮柱圆形横截面的附加质量系数。
[0177]
k 1时刻的位置矩阵r
k 1
和速度矩阵v
k 1
分别计算如下：
[0178][0179]
其中，dt表示1个离散时间步对应的时间。
[0180]
在给定入流风风速、入流风方向、风机位置和风机控制量的情况下，漂浮式风机动态模型中的核心模块为尾流计算模型以及系泊缆模块、气动模块和浮式平台模块。
[0181]
步骤3，初始化目标风电场参数，给定自由入流风风速和风向，风机布局以及风机初始位置和初始速度，以最大化风电场输出功率作为海洋捕食者算法的优化目标，并根据海洋捕食者算法建立所述目标风电场对应的初始elite矩阵和初始prey矩阵；
[0182]
可选的，所述初始elite矩阵为n
×
d矩阵，第一行为种群中具有最优适应值p
farm
的个体各维度的值，其他n-1行为第一行元素复制n-1次所得，在每次迭代结束后，根据当前迭代下最优的捕食者个体更新elite矩阵；
[0183]
所述初始prey矩阵为n
×
d矩阵，共包含n个个体，每个个体具有d维，以xi,j表示第i个捕食者个体的第j维，每个捕食者个体的d个维度的值为风电场中所有风机的轴向感应因子和偏航角给定量，故d＝2
×
n。
[0184]
具体实施时，在给定入流风风速、入流风风向、风机控制量和风机位置、速度矩阵的情况下，由式(22)可以得到风机位置和速度的增量，从而得到一个离散时间步后风电场中每台风机的位置和速度，以此构建了风电场中所有漂浮式风机的动态模型。随着仿真时间的推进，若风机的运动状态满足以下条件，则可判断风机处于新的平衡状态，并得到平衡位置处风机的位置矩阵、风速矩阵和偏航角矩阵：
[0185]rs
＝rk,
[0186]us,rev
＝u
k,rev
,当且
[0187]
γ
s,rev
＝γ
k,rev
,
[0188]
其中，rk，u
k,rev
和γ
k,rev
分别表示漂浮式风电场动态模型第k步迭代得到的风机位置矩阵，风速矩阵和偏航角矩阵，εr和εv为判断风机是否处于平衡状态所设置的阈值，阈值大小与迭代的时间步长dt大小成正比。
[0189]
考虑到在风电场功率实时优化问题中，每台漂浮式风机的初始平衡位置矩阵r、初始速度矩阵v和加速度矩阵dv/dt可以通过北斗全球导航系统和加速度传感器等测量设备得到，流入风电场的自由风风向φ
in
和风速u
in
可以由安装在每台风机上的测风仪和激光雷达等设备获得。
[0190]
风电场的输出功率p
farm
定义为风电场中每台风机输出功率的总和，带约束的优化
问题定义如下：
[0191][0192]
以输出功率p
farm
作为优化问题的适应值函数fitness：
[0193][0194]
其中，p
s,i
表示在平衡状态下第i台风机的输出功率，计算式如下：
[0195][0196]
其中，|u
s,rev,i
|表示矩阵u
s,rev
第i列的2范数，c
p
表示第i台风机的功率转化系数，如式(4)所示：
[0197][0198]
其中，ai表示向量a中第i台风机对应的轴向感应因子，η是一个用于解释空气动力和发电效率偏差的损耗系数。
[0199]
由于风电场功率优化问题为高复杂度、高耦合的非凸优化问题，本文选择海洋捕食者算法(mpa)对该非凸优化问题进行优化求解。海洋捕食者算法是afshin faramarzi等人于2020年提出的一种新的元启发式优化算法，其优化过程如下：
[0200]
(1)初始化阶段。首先需要确定优化算法的超参数：种群的个体数n，每个个体的维度d。在风电场输出功率实时优化问题中，因为优化变量包括n台风机的轴向感应因子a和偏航角γ，故个体维度d＝2
×
n。在确定优化算法的超参数后，mpa算法随机在解空间内初始化prey矩阵启动优化过程。
[0201]
为了指导种群中每个个体的捕猎方向，构造了一个elite矩阵，elite矩阵为n
×
d矩阵，第一行为种群中具有最优适应值p
farm
的个体各维度的值，其他n-1行为第一行元素复制n-1次所得，在每次迭代结束后，根据当前迭代下最优的捕食者个体更新elite矩阵。
[0202]
mpa算法构造的另一个矩阵为矩阵prey，它与elite矩阵具有相同的大小，表示种群中每个捕食者个体的位置。以xi,j表示第i个捕食者个体的第j维，每个捕食者个体的d个维度的值为风电场中所有风机的轴向感应因子和偏航角给定量，故d＝2
×
n。整个优化过程主要且直接与这两个矩阵相关。
[0203]
步骤4，根据初始elite矩阵和初始prey矩阵获取每台风机的轴向感应因子和偏航角作为优化变量，结合目标风电场参数，使用漂浮式风电场动态模型进行迭代计算；
[0204]
可选的，所述风场参数包括流入漂浮式风电场的自由风风向φ
in
、风速u
in
，所述相关输入包括每台风机的位置矩阵r、速度矩阵v、加速度矩阵dv/dt、轴向感应因子a和偏航角γ。
[0205]
进一步的，所述步骤4具体包括：
[0206]
将每台风机的控制输入量和风场参数输入所述漂浮式风电场动态模型迭代计算，得到稳定位置处风机的位置矩阵rs、风速矩阵u
s,rev
和偏航角矩阵γ
s,rev
：
[0207]rs
＝rk,
[0208]us,rev
＝u
k,rev
,当且
[0209]
γ
s,rev
＝γ
k,rev
,
[0210]
其中，rk，u
k,rev
和γ
k,rev
分别表示漂浮式风电场动态模型第k步迭代得到的风机位置矩阵，风速矩阵和偏航角矩阵，εr和εv为判断风机是否处于平衡状态所设置的阈值，阈值大小与迭代的时间步长dt大小成正比；
[0211]
根据稳定位置处风机的位置矩阵、风速矩阵和偏航角矩阵计算稳定位置处的风电场输出功率作为适应值，其中，所述适应值的表达式为
[0212][0213]
其中，p
s,i
表示在平衡状态下第i台风机的输出功率，计算式如下：
[0214][0215]
其中，|u
s,rev,i
|表示矩阵u
s,rev
第i列的2范数，a
rotor
表示风机扫掠面面积，ρa表示空气密度，c
p
表示第i台风机的功率转化系数，计算式如下：
[0216][0217]
其中，ai表示向量a中第i台风机对应的轴向感应因子，η为解释空气动力和发电效率偏差的损耗系数，p
p
表示偏航角对功率的影响系数。
[0218]
具体实施时，所述目标风电场中每台漂浮式风机的初始平衡位置矩阵r、初始速度矩阵v和加速度矩阵dv/dt可以通过北斗全球导航系统和加速度传感器等测量设备得到，流入风电场的自由风风向φ
in
和风速u
in
可以由安装在每台风机上的测风仪和激光雷达等设备获得。然后将每台风机的控制输入量和风场参数输入所述漂浮式风电场动态模型迭代计算，得到稳定位置处风机的位置矩阵、风速矩阵和偏航角矩阵：
[0219]rs
＝rk,
[0220]us,rev
＝u
k,rev
,当且
[0221]
γ
s,rev
＝γ
k,rev
,
[0222]
其中，εr和εv为判断风机是否处于平衡状态所设置的阈值；
[0223]
根据稳定位置处风机的位置矩阵、风速矩阵和偏航角矩阵计算稳定位置处的风电场输出功率作为适应值，其中，所述适应值的表达式为
[0224][0225]
其中，p
s,i
表示在平衡状态下第i台风机的输出功率，计算式如下：
[0226][0227]
其中，|u
s,rev,i
|表示矩阵u
s,rev
第i列的2范数，c
p
表示第i台风机的功率转化系数，计算式如下：
[0228][0229]
其中，ai表示向量a中第i台风机对应的轴向感应因子，η为解释空气动力和发电效率偏差的损耗系数。
[0230]
步骤5，对步骤4中迭代计算过程施加收敛判据，当每台风机位置和速度变化量小于预先设定的收敛阈值时，判定此时漂浮式风电场中每台风机都已到达平衡位置，终止迭代，并将最后一次迭代得到的风电场输出功率作为该组优化变量对应的适应值；
[0231]
具体实施时，在使用漂浮式风电场动态模型进行迭代计算后，可以对步骤4中迭代计算过程施加收敛判据，当每台风机位置和速度变化量小于预先设定的收敛阈值时，判定此时漂浮式风电场中每台风机都已到达平衡位置，终止迭代，并将此时的风电场输出功率作为该组优化变量对应的适应值。
[0232]
步骤6，根据步骤5得到的适应值，应用海洋捕食者记忆回溯更新所述初始elite矩阵；
[0233]
可选的，对prey矩阵进行记忆回溯步骤，即将新得到的prey矩阵中每个个体的适应值与上一次迭代得到的适应值进行比较，用好的个体的值替换prey矩阵中的对应行。
[0234]
步骤7，根据步骤5得到的适应值以及步骤6得到的新prey矩阵，分阶段迭代更新经过记忆回溯更新后的prey矩阵；
[0235]
进一步的，所述步骤7具体包括：
[0236]
根据当前迭代次数iter与最大迭代次数max_iter判断当前所处的优化阶段，在不同阶段采取不同的寻优策略，其中，当iter＜0.33
×
max_iter时，对prey矩阵中的全部个体按下式更新：
[0237][0238][0239]
其中，rb为一个基于正态分布的随机数向量，p是一个常数，r是在[0,1]中均匀分布的随机数向量；
[0240]
当0.33
×
max_iter＜iter＜0.66
×
max_iter时，对prey矩阵中的另一半个体按下式更新：
[0241][0242]
preyi＝elitei p
·
cf
·
stepsize
i i＝n/2,...n
[0243]
其中，r
l
是一个基于levy分布的随机数组成的向量，为控制捕食者个体运动步长的自适应参数；
[0244]
当iter＞0.66
×
max_iter时，对prey矩阵中个体全部按下式更新：
[0245][0246]
具体实施时，mpa根据当前迭代次数iter与最大迭代次数max_iter判断当前所处的优化阶段，在不同阶段采取不同的寻优策略。在第一阶段，即当iter＜0.33
×
max_iter时，对prey矩阵中的全部个体按下式更新：
[0247][0248][0249]
其中，rb为一个基于正态分布的随机数向量，p是一个常数，r是在[0,1]中均匀分布的随机数向量；
[0250]
在第二阶段，即当0.33
×
max_iter＜iter＜0.66
×
max_iter时，对prey矩阵中的另一半个体按下式更新：
[0251][0252]
preyi＝elitei p
·
cf
·
stepsize
i i＝n/2,...n
[0253]
其中，r
l
是一个基于levy分布的随机数组成的向量，为控制捕食者个体运动步长的自适应参数；
[0254]
在第三阶段，即当iter＞0.66
×
max_iter时，对prey矩阵中个体全部按下式更新：
[0255][0256]
preyi＝elitei p
·
cf
·
stepsize
i i＝1,...n
[0257]
步骤8，应用边界限制并判断迭代过程中的适应值是否满足收敛条件，若是，则输出更新后的elite矩阵的首行作为最优控制量，否则返回步骤4。
[0258]
可选的，所述收敛条件为迭代过程中最优适应值连续迭代预设次数不发生变化。
[0259]
具体实施时，在得到更新后的prey矩阵后，可以应用边界限制，然后判断迭代过程中的适应值是否满足收敛条件例如是否迭代过程中最优适应值连续20次迭代不发生变化，如果是，则表示所述目标风电场的优化已经达到最佳，则输出elite矩阵的第一行作为风机的控制量：轴向感应因子和偏航角。如果迭代过程中的适应值不满足收敛条件，则可以返回步骤4，重新给定一个控制变量并进行迭代更新，直到满足所述收敛条件。
[0260]
本方案的优化过程中，需要预先采集的数据包括：流入漂浮式风电场的自由风风向φ
in
、风速u
in
以及n台fowt的位置矩阵r、速度矩阵v和加速度矩阵dv/dt。在得到这些需要预采集的数据后，结合优化算法给定的优化变量a和γ，计算出在该组优化变量作用下漂浮式风电场的功率输出p
farm
，从而判断该组优化变量的优劣，过程如图2所示。
[0261]
本实施例提供的半潜漂浮式风电场动态布局优化方法，通过在风电场风况发生变化时求得对应最优稳定位置的每台风机的最优轴向感应因子、最优偏航角，从而使风电场的整体输出功率最大。
[0262]
与上面的方法实施例相对应，参见图3，本公开实施例还提供了一种半潜漂浮式风
电场动态布局优化系统30，包括：
[0263]
第一建立模块301，用于根据多重空间尾流模型建立风电场尾流计算模型，以风电场自由入流风风速和风向以及风机布局作为输入量，输出每台风机轮毂处的风速；
[0264]
第二建立模块302，用于根据所述风电场尾流计算模型、气动模块、浮式平台模块和系泊缆模块建立漂浮式风电场动态模型，以风电场自由入流风风速和风向，风机布局，风机初始位置和初始速度以及每台风机的轴向感应因子和偏航角作为输入量，输出每台风机的时变位置、速度和输出功率；
[0265]
第三建立模块303，用于初始化目标风电场参数，给定自由入流风风速和风向，风机布局以及风机初始位置和初始速度，以最大化风电场输出功率作为海洋捕食者算法的优化目标，并根据海洋捕食者算法建立所述目标风电场对应的初始elite矩阵和初始prey矩阵；
[0266]
计算模块304，用于根据初始elite矩阵和初始prey矩阵获取每台风机的轴向感应因子和偏航角作为优化变量，结合目标风电场参数，使用漂浮式风电场动态模型进行迭代计算；
[0267]
收敛模块305，用于对步骤4中迭代计算过程施加收敛判据，即当每台风机位置和速度变化量小于预先设定的收敛阈值时，判定此时漂浮式风电场中每台风机都已到达平衡位置，终止迭代，并将最后一次迭代得到的风电场输出功率作为该组优化变量对应的适应值；
[0268]
更新模块306，用于根据步骤5得到的适应值，应用海洋捕食者记忆回溯更新所述初始elite矩阵；
[0269]
迭代模块307，用于根据步骤5得到的适应值以及步骤6得到的新elite矩阵和新prey矩阵，分阶段迭代更新prey矩阵；
[0270]
判断模块308，用于应用边界限制并判断迭代过程中的适应值是否满足收敛条件，若是，则输出更新后的elite矩阵的第一行作为优化后的控制量，若否，则返回步骤4。
[0271]
图3所示系统可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
[0272]
参见图4，本公开实施例还提供了一种电子设备40，该电子设备包括：至少一个处理器以及与该至少一个处理器通信连接的存储器。其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的半潜漂浮式风电场动态布局优化方法。
[0273]
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的半潜漂浮式风电场动态布局优化方法。
[0274]
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的半潜漂浮式风电场动态布局优化方法。
[0275]
下面参考图4，其示出了适于用来实现本公开实施例的电子设备40的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载
导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0276]
如图4所示，电子设备40可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(rom)402中的程序或者从存储装置408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理。在ram 403中，还存储有电子设备40操作所需的各种程序和数据。处理装置401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
[0277]
通常，以下装置可以连接至i/o接口405：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备40与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备40，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0278]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从rom402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
[0279]
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0280]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0281]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备可以执行上述方法实施例的相关步骤。
[0282]
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序
被该电子设备执行时，使得该电子设备可以执行上述方法实施例的相关步骤。
[0283]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0284]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0285]
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。
[0286]
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
[0287]
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。