综合能源系统分布式光伏最大准入容量计算方法及系统

1.本发明涉及综合能源优化分配技术领域，尤其是涉及一种综合能源系统分布式光伏最大准入容量计算方法及系统。


背景技术：

2.随着技术发展，高比例可再生能源并网成为未来能源系统的典型特征。分布式光伏由于安装场地广泛、便于就近消纳等优势被普遍看好。国际能源署预测，2024年全球分布式光伏装机容量可超过600gw，其中分布式光伏装机容量的增长量将占全球光伏总装机增长量的近一半。如何显著提高能源系统灵活性，实现高比例可再生能源接入后的经济、稳定运行，成为当下研究热点。
3.另一方面，随着5g、云计算、人工智能等新一代信息技术蓬勃发展，作为信息系统物理载体的数据中心能耗不断上升，数据中心总用电量日益增长。
4.此外，以多能互补、能源梯级利用为特色的综合能源系统具有灵活性更强、能源利用效率更高的优势，将成为未来能源系统的典型形态；且多能源系统的预测、监测、调度等过程也需依赖数据中心作为信息物理载体。因此，有必要在含数据中心的区域综合能源系统背景下，对清洁能源可接入容量极限进行分析。


技术实现要素：

5.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能够保证系统安全、经济、低碳运行的综合能源系统分布式光伏最大准入容量计算方法及系统。
6.本发明的目的可以通过以下技术方案来实现：
7.一种综合能源系统分布式光伏最大准入容量计算方法，包括以下步骤：
8.获取待计算的含数据中心的区域综合能源系统的基础数据，所述区域综合能源系统包括电力系统、天然气系统和能源站，所述数据中心设置于电力系统和能源站内；
9.考虑数据中心用能时空可调特性，对数据中心能耗及运行特性进行建模，并基于建模结果获得约束条件，构建分布式光伏最大准入容量优化模型；
10.基于所述基础数据对分布式光伏最大准入容量优化模型进行求解，计算获得分布式光伏最大准入容量。
11.进一步地，所述分布式光伏最大准入容量优化模型以多个分布式光伏同时并网时的装机容量之和最大为目标。
12.进一步地，所述约束条件包括电力系统运行约束、天然气系统运行约束和含数据中心的能源站运行约束。
13.进一步地，所述含数据中心的能源站运行约束包括分布式光伏出力约束、数据中心能耗计算模型、数据中心运行约束和燃气轮机运行约束。
14.进一步地，所述数据中心能耗计算模型表示为：
15.p
dc,t
＝pue
·
p
it,t
[0016][0017]
式中，p
dc,t
为数据中心在时刻t的总能耗，pue为数据中心能源使用效率常数，p
it,t
表示时刻t时it设备的总能耗，sev为不同种类服务器集合，s为某种服务器不同工作状态集合，p
sev,s,t
代表t时刻处于s工作状态的sev种类服务器能耗。
[0018]
进一步地，所述服务器能耗p
sev,s,t
由静态能耗p
sev,st
和动态能耗p
sev,dy,t
构成，其中，所述动态能耗p
sev,dy,t
与芯片工作频率相关。
[0019]
进一步地，所述数据中心运行约束包括数据负载总和约束、服务率总和约束和最大响应时间约束。
[0020]
进一步地，所述约束条件还包括电网安全约束和气网安全约束。
[0021]
进一步地，将所述分布式光伏最大准入容量优化模型转化为混合整数二阶锥模型后进行求解。
[0022]
本发明还提供一种综合能源系统分布式光伏最大准入容量计算系统，包括：
[0023]
一个或多个处理器；
[0024]
存储器；和
[0025]
被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述综合能源系统分布式光伏最大准入容量计算方法的指令。
[0026]
与现有技术相比，本发明具有以下有益效果：
[0027]
1、本发明在分布式光伏最大准入容量计算模型中首次同时考虑了数据流和能量流对清洁能源消纳的影响，构建了考虑数据中心用能时空可调特性的区域综合能源系统分布式光伏最大准入容量计算模型并提出相应的求解策略，深度挖掘数据中心用能作为灵活性资源的潜力，促进清洁能源消纳。
[0028]
2、本发明在考虑配电网能源网络安全约束的基础上，进一步考虑了天然气网络安全约束及电-气能源网络耦合对分布式光伏最大准入容量计算的影响，并计及了数据中心用能时空可调特性对分布式光伏消纳的促进作用，构建了考虑多种异质能源时序特性的典型日场景，充分利用了区域综合能源系统多能耦合及数据中心灵活性用能对清洁能源消纳的促进作用，提高计算可靠性。
附图说明
[0029]
图1为本发明实施例构建的含数据中心的区域综合能源系统典型结构示意图；
[0030]
图2为本发明实施例构建的含数据中心的区域综合能源系统的测试算例图；
[0031]
图3为分布式光伏及电-气负荷功率系数曲线示意图，其中，(3a)为分布式光伏出力功率系数曲线，(3b)为电负荷功率系数曲线，(3c)为气负荷功率系数曲线；
[0032]
图4为各数据中心数据负载到达率示意图；
[0033]
图5为各场景下数据中心数据负载量对比示意图，其中，(5a)、(5b)、(5c)为场景2下各数据中心负载量，(5d)、(5e)、(5f)为场景3下各数据中心负载量，(5g)、(5h)、(5i)为场景4下各数据中心负载量；
[0034]
图6为数据中心a不同工作状态下的服务器数量示意图，其中，(6a)为场景1，(6b)为场景2；
[0035]
图7为各场景下数据中心能耗示意图；
[0036]
图8为各场景下系统电功率平衡情况示意图。
具体实施方式
[0037]
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0038]
数据负载通过数据网络在时间或空间尺度迁移时，数据中心能耗随之进行了时空转移，因此数据中心用能具有显著的时空可调特性。庞大的用能规模和灵活的时空调节能力使数据中心用能成为一种富有潜力的新型灵活性资源。本发明在含数据中心的区域综合能源系统中，通过协同调度不同功能区的数据负载，既有助于缓解服务器尖峰时刻发热问题，保障数据中心安全运行；也有利于调节数据中心用能曲线，降低系统峰谷差、促进分布式清洁能源消纳。
[0039]
本发明提供一种综合能源系统分布式光伏最大准入容量计算方法，包括以下步骤：
[0040]
s1、获取含数据中心的区域综合能源系统的基础数据，所述区域综合能源系统包括电力系统、天然气系统和能源站，所述数据中心设置于电力系统和能源站内，基础数据包括数据中心布置方式、能源站内燃气轮机参数、光伏参数等。
[0041]
s2、考虑数据中心用能时空可调特性，对数据中心能耗及运行特性进行建模，并基于建模结果获得约束条件，构建分布式光伏最大准入容量优化模型。
[0042]
s3、基于所述基础数据对分布式光伏最大准入容量优化模型进行求解，计算获得分布式光伏最大准入容量。
[0043]
1、区域综合能源系统典型结构
[0044]
上述方法可应用的含数据中心的区域综合能源系统典型结构如图1所示，主要包括电力系统、天然气系统和区域综合能源系统能源站。电力系统中集成了光伏、变压器、电储能及含数据中心在内的电负荷，天然气系统主要包括气源及气负荷，电力系统和天然气系统通过能源站耦合，站内包括分布式光伏、燃气轮机等能源转换设备；能源站站内数据中心和站外数据中心通过数据链路在云端进行信息交互，数据中心内的服务器对数据负载进行处理；基于“多站合一”的思想，能源站结合数据中心、储能站结合数据中心均在整体结构图中有所体现。
[0045]
2、数据中心建模
[0046]
(1)数据中心能耗计算模型
[0047]
数据中心能耗可通过数据中心电能使用效率(power usage effectiveness,pue)和it设备能耗计算，it设备能耗主要为服务器能耗，可基于动态电压频率调节技术(dynamic voltage/frequency scaling,dvfs)对服务器能耗进行建模。基于dvfs技术设计的服务器具有离散可调的工作频率，每种工作频率对应不同的工作电压、芯片运行频率和服务率；因此，可根据工作负载动态调节服务器能耗，达到节能效果。上述步骤s2中，考虑数据中心用能时空可调特性，对数据中心能耗及运行特性进行建模，所构建的数据中心能耗计算模型表示为：
[0048]
p
dc,t
＝pue
·
p
it,t
ꢀꢀꢀ
(1)
[0049][0050]
p
sev,s,t
＝p
sev,st
p
sev,dy,t
ꢀꢀꢀ
(3)
[0051][0052]
式中，p
dc,t
为数据中心在时刻t的总能耗，pue为数据中心能源使用效率常数，p
it,t
表示时刻t时it设备的总能耗，sev为不同种类服务器集合，s为某种服务器不同工作状态集合，p
sev,s,t
代表t时刻处于s工作状态的sev种类服务器能耗，由静态能耗p
sev,st
和动态能耗p
sev,dy,t
构成，其中，所述动态能耗p
sev,dy,t
与芯片工作频率f
sev,s,t
相关。
[0053]
(2)数据中心运行约束
[0054]
本发明考虑的数据中心运行约束包括数据负载总和约束、服务率总和约束和最大响应时间约束。
[0055]
1)数据负载总和约束
[0056]
考虑数据中心同时承担交互型和批处理型两类数据负载。数据负载到达率为单位时间内分配给数据中心的数据负载量。在时段t，n个数据中心的数据负载到达率总和为λ
t
，则应满足：
[0057][0058]
式中，为n个数据中心在单位时段t需处理的交互型数据负载到达率总和，为n个数据中心在单位时段t需处理的批处理型数据负载到达率总和。
[0059]
2)服务率总和约束
[0060]
服务率代表数据中心处理数据负载的能力。n个数据中心在单位时段t能提供的服务率总和μ
t
如式(6)所示。
[0061][0062][0063]
式中，μ
t
为各个数据中心内不同种类处于不同工作状态服务器所能提供的服务率之和；从所处理数据负载类型的角度出发，μ
t
也可表示为在单位时段t处理交互型数据负载的服务率和处理批处理型数据负载的服务率之和。
[0064]
3)最大响应时间约束
[0065]
交互型数据负载和批处理型数据负载的最大响应时间约束分别如式(8)和式(9)所示。
[0066][0067][0068]
式中，d
itr
为交互型数据负载最大响应时间，d
itr
为数据负载传输延迟时间。对于批处理型数据负载，由于最大响应时间可达几小时甚至几天，因此如式(9)所示，在最大响应
时间t
batch
内完成数据负载处理即可。
[0069]
3、分布式光伏最大准入容量优化模型
[0070]
(1)目标函数
[0071]
上述方法构建的分布式光伏最大准入容量优化模型以多个分布式光伏同时并网时的装机容量之和最大为目标，具体如下所示：
[0072][0073]
式中，p
pv,i
为第i处分布式光伏装机容量，m为分布式光伏装机数量。
[0074]
(2)约束条件
[0075]
所考虑的约束条件包括电力系统运行约束、天然气系统运行约束和含数据中心的能源站运行约束。
[0076]
(1)电力系统运行约束
[0077]
1)电力系统潮流约束
[0078]
电力系统潮流约束方面，考虑如式(11)-式(14)所示的配电网distflow潮流约束。
[0079][0080][0081][0082][0083]
式中，ω
el
表示电网支路集合，k(i,:)表示以节点i为首端的支路k，k(:,i)表示以节点i为末端的支路k，k(i,j)表示以节点i为首端、节点j为末端的支路k；pk、qk、ik、rk、xk分别为支路k的有功功率、无功功率、电流、电阻和电抗，ui为节点i处的电压；p
iinj
和分别表示节点i处注入的有功功率和无功功率。
[0084]
2)节点电压约束
[0085][0086]
式中，ui为电网节点i的电压幅值，分别表示节点i电压幅值上下限。
[0087]
3)分布式光伏出力约束
[0088]
受外界环境及自身设备等因素限制，分布式光伏出力具有一定限值。此外，由于光伏逆变器的功率因数很高，一般忽略光伏无功出力，如式(16)所示。
[0089][0090]
式中，p
d,i
、q
d,i
和分别为第i处分布式光伏有功出力、无功出力和有功出力上限。
[0091]
4)电储能运行约束
[0092]
在集成了分布式光伏的电力系统中，考虑在数据中心附近或分布式光伏接入点附近集成电储能。各储能电站运行约束如式(17)至式(20)所示。
[0093]
0≤p
tdis
≤γ
tnbes
p
bes
ꢀꢀꢀ
(17)
[0094]
0≤p
tch
≤(1-γ
t
)n
bes
p
bes
ꢀꢀꢀ
(18)
[0095][0096][0097]
式中，p
tch
、p
tdis
分别表示电储能设备在t时刻的充放电功率；γ
t
为表征储能设备充放电状态的二进制变量；p
bes
、e
bes
分别表示储能单元充放电功率上限和能量上限；n
bes
为储能设备中包含的储能单元数量；η
ch
、η
dis
分别表示充放电效率，τ为电储能自放电率；s分别为储能单元能量上下限百分比；为t时刻储能设备能量。
[0098]
(2)天然气系统运行约束
[0099]
1)天然气系统能流约束
[0100]
考虑天然气系统为中压天然气系统，天然气系统能流约束如式(21)-式(23)所示。
[0101][0102][0103][0104]
式中，fk为天然气管道k的气体流量；tn、pn分别为标准温度和标准大气压；pi、pj为管道k两端节点i、j处的气压；dk、lk、tk分别为天然气管道直径、管道长度和管道内天然气温度；s为天然气相对密度；ω
gl
为天然气管道集合，k(i,:)为节点i为起点的天然气管道集合，k(:,i)为节点i为终点的天然气管道集合；f
iinj
为节点i处注入的天然气流量，若节点i处接入天然气负载，则f
iinj
为负值。
[0105]
2)节点气压约束
[0106][0107]
式中，pi为气网节点i的气压，p分别表示节点ii处气压幅值上下限。
[0108]
3)气源出气量约束
[0109][0110]
式中，f
s,i
表示接入气网节点i的气源出气量，分别为该处气源出气量的上下限。
[0111]
4)管道传输容量约束
[0112][0113]
式中，fk为气网管道k的输气量，为管道k输气量最大值。
[0114]
(3)含数据中心的能源站运行约束
[0115]
基于“多站合一”的思想，考虑能源站集成燃气轮机、分布式光伏和数据中心。分布
式光伏出力约束如式(16)所示，数据中心能耗计算模型及运行约束如式(1)-式(9)所示。此外，还需考虑如下所示的燃气轮机运行约束。
[0116][0117][0118][0119][0120]
式中，分别为燃气轮机产生的电功率和消耗燃气功率，η
gt
为能源转换效率；和分别为燃气轮机电功率上下爬坡速率约束；gcv为天然气热值(gross calorific value，gcv)，燃气轮机消耗的天然气流量与gcv的乘积即消耗的燃气功率。
[0121]
鉴于目前大多利用数据中心用能时空可调特性促进清洁能源消纳的研究均聚焦于数据中心自身功率平衡，未考虑能源网络安全约束的影响。在另一实施方式中，所述约束条件还包括电网安全约束和气网安全约束。
[0122]
4、模型转化与求解
[0123]
针对含数据中心的区域综合能源系统分布式光伏最大准入容量优化模型中的非凸非线性项，利用二阶锥松弛方法对电力系统潮流方程进行转凸处理、增量分段线性化方法对天然气管道气流方程进行线性化处理。在此基础上，将原模型转化为混合整数二阶锥模型进行求解。
[0124]
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0125]
在另一实施例中，上述方法可由一综合能源系统分布式光伏最大准入容量计算系统实现，该系统包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述方法的指令。
[0126]
实施例
[0127]
以图2所示的97节点电网和11节点气网为例进行算例分析。电力系统和天然气系统通过两个综合能源站耦合。同时，基于“多站合一”思想，综合能源站i和综合能源站ii内均包含数据中心和3.2mw的燃气轮机；此外，综合能源站i还集成了分布式光伏；数据中心c则建设在储能站中，站内包括容量为1mwh，充放电功率为250kw电储能。
[0128]
分布式光伏与电、气负荷典型时序场景基于华东某地实际数据由模糊c均值算法聚类得到，在聚类数为3时ch( )指标取值最大。因此，可以分布式光伏装机容量和电-气负荷功率历史最大值为基准值，得到如图3所示的分布式光伏及电-气负荷功率系数曲线。
[0129]
算例中考虑了3个数据中心。其中，数据中心a和数据中心b分别位于区域综合能源系统能源站i和能源站ii站内，数据中心c接入电网81节点。各数据中心pue值设置为1.5，服务器数量均为3000台。数据中心a、b、c内的服务器cpu类型分别为intel pentium 950、intel pentium 4630和amd athlon，三类cpu均有5种可选工作频率。各数据中心原始数据负载曲线如图4所示，本算例中假设各时段数据负载中交互型数据负载和批处理型数据负载到达率占比分别为50％，交互型数据负载最大响应时间设置为100ms，批处理型数据负载响应时间上限设置为24h。
[0130]
算例利用gurobi进行优化求解。根据是否考虑数据中心用能的时间、空间可调特性设置4个场景进行比对。其中，场景1不考虑数据中心用能时空可调特性，场景2仅考虑数据中心用能时间可调特性，场景3仅考虑数据中心用能空间可调特性，场景4同时考虑数据中心用能时间、空间可调特性。
[0131]
(1)不同场景对比分析
[0132]
数据中心用能时空可调性主要来自于数据负载的时空转移。在仅考虑数据负载时间可调特性的场景2，各数据中心在时间尺度上对自身数据负载进行平移。在仅考虑数据负载空间可调特性的场景3，各时段三个数据中心处理的数据负载总量不变，但数据负载可在空间范围内进行调度。场景4则是在时间、空间尺度上协同调度的结果。
[0133]
不同场景下分布式光伏最大准入容量结果如表1所示。相较场景1，在场景2和场景3分布式光伏最大准入容量总和分别增加了1.66mw和0.24mw；在同时考虑数据中心用能时空可调特性的场景4，分布式光伏最大准入容量总和增加了1.75mw。由此可以发现，数据中心用能时间可调特性和空间可调特性对于分布式光伏消纳都具有一定促进作用，本算例中数据中心用能时间可调特性较空间可调特性促进作用更强，二者共同作用对系统分布式光伏消纳的促进效果最明显。
[0134]
表1 不同场景下分布式光伏最大准入容量计算结果
[0135][0136]
图5通过对比数据负载调度前后各数据中心处理的数据负载量，直观地呈现了数据负载在时间、空间尺度上的调度情况。与场景1相比，在分布式光伏出力较多的11:00-13:00，场景2下数据中心a、b、c处理的数据负载量分别增加了3.96亿条、3.75亿条和4.97亿条。数据中心b由于本身数据负载量较大、服务器数量有限等原因，转移至该分布式光伏出力较多时段的数据负载量最少，说明数据中心b在时间尺度上的可调潜力相对较小。由(5d)、(5e)、(5f)对比则可以发现，在仅考虑数据负载空间可调特性的场景3，数据中心b在分布式光伏出力较多的时段明显向数据中心a、c转移了部分数据负载，且主要向数据中心c转移：在10:00-14:00，数据中心b转出的数据负载中90.4％转移至数据中心c处理。在场景4，一方
面，数据中心b将自身数据负载向分布式光伏出力较多的时段平移；另一方面，也将相当一部分数据负载空间转移至数据中心c，数据中心c集中在分布式光伏出力较多的时段处理这部分数据负载，从而进一步扩大了系统总体的光伏消纳空间。因此，同时利用数据中心用能时间、空间可调特性对整个系统中分布式光伏消纳的促进作用更为明显。
[0137]
数据负载时空转移直接改变了各数据中心服务器的工作状态，从而实现数据中心用能的时空调度。对于单个数据中心而言，数据中心内各服务器工作状态的变化是数据中心用能变化的直接原因。以数据中心a为例，图6对比了典型日1时场景1和场景2下数据中心a内处于不同工作状态服务器数量。图中，工作状态0表示服务器处于关机状态，工作状态5为服务器服务率及功耗最大状态。与场景1相比，场景2下数据中心a在如0:00-6:00等分布式光伏出力较小的时段，仅开启部分服务器处理不具有时间可调性的交互型数据负载。但是，在分布式光伏出力较多的11:00-13:00，数据中心a处于工作状态5的服务器数量分别增加了1131台、620台和788台，从而实现数据中心用能在时间尺度上的平移。
[0138]
服务器工作状态的变化不仅改变信息设备能耗，也影响了以制冷设备为代表的其他辅助设备功率，进而实现对数据中心整体用能的调节。图7展示了典型日1内各场景下三个数据中心的能耗。由图7可以发现，在仅考虑数据中心用能时间可调的场景2，各数据中心能耗明显向分布式光伏出力较多的时段平移。以12:00时为例，场景2下数据中心a、数据中心b、数据中心c的能耗分别较场景1增加了0.30mwh，0.21mwh和0.63mwh。在仅考虑数据中心用能空间可调的场景3，数据中心b的数据负载在分布式光伏出力较多的时段向数据中心a、c进行了空间转移。在11:00-13:00，数据中心b的能耗较场景1降低了1.67mwh，数据中心a、c的能耗分别增加了0.387mwh和1.58mwh，以促进消纳数据中心a、c附近接入的分布式光伏。对比场景2和场景4数据中心能耗曲线可以发现，同时考虑数据中心用能在时间、空间上的可调特性，有助于整个系统中数据中心用能向分布式光伏出力较多的时段进行更集中的平移：在10:00-14:00，场景4下三个数据中心总能耗较场景2增加了1.84％，以充分消纳整个系统内的清洁电力。
[0139]
图8为典型日1四种场景下系统电功率平衡情况。从图8可以发现，不同场景下电储能充放电在电功率平衡中占比极低，燃气轮机出力变化稍大，数据中心用能变化最为明显。因此，不同场景下分布式光伏最大准入容量的变化主要来自于数据中心用能灵活性的改变；通过燃气轮机与天然气系统的耦合对于提升分布式光伏最大准入容量也具有一定促进作用。在分布式光伏出力较低的时段，燃气轮机能够为能源网络负荷和数据中心负荷提供较为清洁的电力。
[0140]
(2)电-气能源网络安全约束对分布式光伏最大准入容量的影响
[0141]
在另一实施例中，在考虑数据中心用能时空可调特性的基础上，根据是否考虑电-气能源网络安全约束进一步设置了4个场景进行对比分析，各场景下分布式光伏最大准入容量的具体结果如表2所示。
[0142]
表2 不同电-气能源网络安全约束下分布式光伏最大准入容量
[0143][0144]
不同场景下，电网安全约束包括电压幅值约束和电力线路传输容量约束；气网安全约束包括气压约束和输气管道传输容量约束。对比场景5和场景7可以发现，在忽视电力网络安全约束的情况下，分布式光伏最大准入容量增长了6.3％。忽视电力网络安全约束将导致实际运行时能源网络无法消纳该这部分分布式光伏出力，造成投资浪费和弃光现象的发生。
[0145]
在考虑天然气网络安全约束前后，分布式光伏最大准入容量变化较小。这是由于在本算例中天然气系统和电力系统仅考虑通过燃气轮机进行耦合，在保障燃气轮机正常运行的情况下，忽视气压及气体管道传输容量约束对电力系统中分布式光伏的影响较弱。但是，随着p2h、p2g等技术的进步，天然气系统和电力系统耦合程度不断加深，未来天然气网络安全约束对于分布式光伏最大准入容量的影响可能不断增强，对能源网络安全约束的考虑会更有必要。
[0146]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。