一种考虑碳排放的高速公路换电站优化配置方法与流程

1.本发明属于新能源技术领域，涉及一种考虑碳排放的高速公路换电站优化配置方法。


背景技术：

2.随着人们保护环境的意识逐渐提升，以及传统化石能源的短缺，新能源汽车被广发关注。截止到2022年8月底，我国的电动汽车保有量已达到1099万辆，为满足电动汽车用户的日常使用，大规模的充电站已经投入使用，然而考虑到电动汽车行驶里程问题，许多电动汽车用户不敢出远门，不敢上高速，而我国高速公路总长度达到16.1万公里，并且以目前的电动汽车发展趋势，它即将成为我国居民主要的出行方式。
3.考虑到充电站充电时间长，快充对电池损害大等缺点，换点站凭借其超快的换电速度，以及对电池的保护等优点脱颖而出，为此需要在高速公路上进行换电站的优化布局。


技术实现要素：

4.考虑换电站优化布局时需要加上用户行驶场景和碳排放因素，运营商的投入成本也是同样重要，科学合理的布局，不仅能够直接降低换电站的固定费用投资和投产后的运营成本，而且能够降低碳排放，以及方便用户出行，促进新能源电动汽车的大规模使用。
5.目的：为了克服现有技术中存在的不足，解决电动汽车里程限制，以及高速等待充电成本高等问题，本发明提供一种考虑碳排放的高速公路换电站优化配置方法。
6.技术方案：为解决上述技术问题，本发明采用的技术方案为：
7.第一方面，提供一种考虑碳排放的高速公路换电站优化配置方法，包括：
8.s1、根据高速公路历史交通数据，基于路段传输模型，建立高速公路动态车流量计算模型；
9.s2、根据高速公路历史交通数据，对进入高速公路的电动汽车进行soc变化预测，结合所述高速公路动态车流量计算模型，构建高速公路电动汽车能量补给需求模型；
10.s3、根据国家发布的《建筑碳排放计算》，构建高速公路换电站碳排放总量ec计算模型；
11.s4、基于高速公路电动汽车能量补给需求模型和高速公路换电站碳排放总量ec计算模型，建议目标模型，所述目标模型以低碳效益最大化和换电站经济效益最大化构建目标函数，以电池储备量作为约束条件；
12.s5、采用改进的自适应遗传算法对目标模型进行求解，得到高速公路换电站优化配置方案。
13.在一些实施例中，步骤s1中，高速公路动态车流量计算模型，包括：
14.根据路段传输模型所提出的车流量和车流密度定义及公式如下：
15.车流量q(x,t)：在单位时间内通过x位置的车辆数目；
[0016][0017]
车流密度ρ(x,t)：通过单位长度x的车辆数目；
[0018][0019]
其中，s(x,t)为高速公路x位置t时刻之前通过的车辆的总数；
[0020]
根据车流密度的定义，将高速公路分为以下几种状态：
[0021]
(5)畅通状态：指该时刻车流密度ρ(x,t)小于ρ
max
(x)；
[0022]
(6)临界状态：指该时刻车流密度ρ(x,t)等于ρ
max
(x)；
[0023]
(7)拥挤状态：指该时刻车流密度ρ(x,t)大于ρ
max
(x)，且ρ(x,t)小于ρ
max
(x,s)；
[0024]
(8)静止状态：指该时刻车流密度ρ(x,t)等于ρ
max
(x,s)；
[0025]
其中，ρ
max
(x)为该路段容纳最多车辆且保持畅通的车流密度；ρ
max
(x,s)该路段最多容纳车辆且保持缓慢前进的车流密度；
[0026]
设定高速公路每一个路段的容量与前后路段接受输出相关：
[0027]
oa(t) og(t)＝ib(t)
[0028]
ob(t)＝ic(t) ie(t)
[0029]
其中，oa(t)、og(t)、ob(t)分别为t时刻a、g、b路段输出的车辆数目，ib(t)、ic(t)、ie(t)分别为b、c、e路段接收到的车辆数目；
[0030]
所以每个节点的车流量如下：
[0031]
fa(t)＝min{sa(t δt)-sa(t),ia(t)}
[0032]
fb(t)＝min{oa(t) og(t),ib(t)}
[0033]
fc(t)＝min{ob(t),ic(t) ie(t)}
[0034]
fd(t)＝min{oc(t) of(t),id(t)}
[0035]
fe(t)＝min{oe(t),if(t)}
[0036]ff
(t)＝od(t)
[0037]fg
(t)＝min{sg(t δt)-sg(t),ig(t)}
[0038]
其中，f.(t)为该节点接受/输出的车流量的能力，sa(t)、sg(t)分别为t时刻通过节点a处的车辆数，t时刻通过节点g的车辆数；
[0039]
所以任意路段任意时刻的车流量计算方法如下：
[0040][0041]
其中，s(x δx,t)为高速公路x δx位置t时刻之前通过的车辆的总数；δt为测量的单位时间。
[0042]
在一些实施例中，步骤s2包括：
[0043]
进行条件设定：
[0044]
当电动汽车电量能够支持到达高速出口，并且支持到达出高速公路后的充电站，则该电动汽车设定为不会在高速公路换电站进行换电；
[0045]
当电动汽车电量能够支持达到高速出口，但电量处于警戒线附近，考虑到目前大
多数新能源汽车用户拥有的里程焦虑，设定该类型电动汽车在出高速之前进行换电；
[0046]
当电动汽车电量无法抵达高速公路出口，则该电动汽车设定会在高速公路换电站进行能量补给；
[0047]
对高速公路单侧通道构建能量补给模型，包括：
[0048]
(7)获取该段高速公路入口驶入的电动汽车的车辆数量m、每辆车的电荷状态soc以及行驶的目的地d；
[0049]
(8)读取每辆车的电荷状态soc，判断电量能否支持其到达预定目的地；
[0050][0051]
其中，x
d-c
为该车目前所处位置c到目的地d的距离，x
soc
为该车剩余的续航里程；
[0052]
(9)若能够支撑，则该辆车直接驶出高速公路；如无法支持抵达目的地，则需要判断其离开高速剩余电量是否到达警戒线，从而判断是否在高速公路换电站进行能量补给；
[0053][0054]
其中，x
e-c
为该车目前所处位置c到高速公路出口e的距离，其中高速公路出口e为目的地必经的出口；
[0055]
(10)若达到警戒线，则在高速公路换电站进行换点，影响换电站选择主要因素是电动汽车的电荷状态soc以及途径充电站的排队等待时间tw；
[0056]
(11)完成充换电站的选择后，抵达换电站，排队等待，进行换电；
[0057]
(12)完成换电后，驶出高速公路，该辆车完成仿真，进行下一辆。
[0058]
在一些实施例中，步骤s3包括：
[0059]
建设过程碳排放e
c1
为：
[0060]ec1
＝em e
t
eb[0061][0062][0063][0064]
其中，em为生产建设阶段所需材料的碳排放，mi为每种材料的所需质量；e
t
为运输各类材料的碳排放，ki为运输单位材料所需能耗，li为各种材料运输距离；eb为建造过程的碳排放，wi为各种机器单位工作时间产生能耗，hi为各类机器对应的工作时间；η
i,m
、η
i,t
、η
i,b
为生产、运输、建设中各类能源碳排放系数；
[0065]
运营过程碳排放e
c2
为：
[0066]ec2
＝e
barry
e
eq
e
car
e
tree
[0067][0068][0069][0070][0071]
其中，e
barry
为电池充电所产生的碳排放，bi为单位电池组充满所需耗能，ri配备的电池数，γi为电能对应的碳排放；e
eq
为换电站日常运营所产生的碳排放；pei为各类用电器单位工作时间产生能耗，hi为各类用电器工作时间；e
car
为在换电站服务点各类车辆经过所产生的碳排放，cli为各类车辆在换电站包含范围行驶距离，cqi为各类车型单位距离产生能耗，η
i,car
为车辆经过时各类能源碳排放系数；e
tree
为换电站所种绿植吸收的二氧化碳，treei为各类绿植单位面积所吸收的二氧化碳，各类绿植栽种面积；
[0072]
高速公路换电站碳排放总量为：
[0073]
ec＝e
c1
z
year
·ec2
[0074]
其中，z
year
为换电站运营年限。
[0075]
在一些实施例中，步骤s4中，所述目标模型包括：
[0076]
目标函数：max f＝f
4-f
1-f
2-f3[0077][0078][0079]
f3＝αec[0080][0081]
小型电动汽车电池规格：sq
1,max
＝m1
[0082]
中型电动汽车电池规格：sq
2,max
＝λ
·
m1
[0083]
大型电动汽车电池规格：sq
2,max
＝μ
·
m1
[0084]
其中，f为综合成本；f1为充换电站建设投资成本，包括固定成本bi和该换电站配备
的电池数量gi，k为电池组最小规格单价，nh为换电站数量；f2为充换电站运营成本，运营成本与建设规模成正比，θ为设定的比例系数，z
year
为换电站运营年限；f3为碳排放成本，ec为高速公路换电站碳排放总量，α为碳排放成本折算率；f4为充换电站运营收益，jm为更换单位电池价格，sqd为单位电池容量，sq
j,max
为各类型电动汽车电池最大容量，sq
a.k
为k时刻a电动汽车剩余容量；λ、μ分别为中型电动汽车和大型电动汽车与小型电动汽车的电池比例系数，m1为小型电动汽车配备电池容量；
[0085]
换电站电池储备约束：gi≥g
need_max
；每日电池储备gi应大于等于历史数据中该充电需求最大g
need_max
的一天。
[0086]
在一些实施例中，z
year
为20年。
[0087]
在一些实施例中，步骤s5中，采用改进的自适应遗传算法对目标模型进行求解，包括：
[0088]
考虑到自适应遗传算法在解决多极值问题时容易陷入局部最优，所以对自适应遗传算法中的复制率、交叉率、突变率进行了改进，使跳出局部最优，获得全局最优；
[0089]
(1)对种群进行适应度计算，通过分析种群适应度的集中程度，对复制率copy进行设定，具体设定规则如下：
[0090][0091]
当种群适应度越集中，c越大，复制率copy越高；最大适应度越大，则当前迭代种群样本数据越好，则复制率越低；f
max-f
avg
为个体适应度跨度范围，跨度越大，复制率则越高；其中，c为适应度集中程度，f
max
为最大适应度，f
avg
为适应度平均值；
[0092]
(2)考虑到随着迭代次数的增加，种群趋于最优，交叉率随之下降，交叉率pc的设定规则如下：
[0093][0094]
其中，f
′
为要交叉的两个个体中适应度更大的个体适应值，t为迭代次数；
[0095]
(3)考虑函数多极值的情况，与种群数量相关，当种群数量越大，突变应越小，同时与交叉率相似，与迭代次数和种群集中程度相关，所以变异率pm的设定如下：
[0096][0097]
其中，n为种群总数；
[0098]
通过改进的自适应遗传算法对目标模型进行求解，使得结果跳出局部最优，找到全局最优解。
[0099]
第二方面，本发明提供了一种考虑碳排放的高速公路换电站优化配置装置，包括处理器及存储介质；
[0100]
所述存储介质用于存储指令；
[0101]
所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。
[0102]
第三方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序
被处理器执行时实现第一方面所述方法的步骤。
[0103]
有益效果：本发明提供的考虑碳排放的高速公路换电站优化配置方法，具有以下优点：本发明相较于现有优化配置方法，融合了大量的高速公路历史数据，将高速公路实际道路容量和车流量作为电动汽车用户换电需求预测基础，将实际高速路段中某些点作为候选建站地址，通过构建的动态车流流量计算模型，获得高速公路电动汽车换电需求模型。构建以低碳效益最大化和换电站经济效益最大化的目标函数，以电池储备为约束条件，建立了高速公路换电站的最优选址模型，并且通过调整碳排放的折算率，能够改变低碳效益在本模型中的权重，从而加大清洁交通的发展力度，比现有优化配置的相关方法更具灵活性。使用改进的自适应遗传算法对模型进行了求解，使得结果跳出局部最优，找到全局最优，促进换电站的建设，为用户提供更加快速的能源补给的服务，大量发展清洁交通。
附图说明
[0104]
图1是本发明实施例的考虑碳排放的高速公路换电站优化配置方法路线图；
[0105]
图2是本发明实施例的某段高速公路网络图；
[0106]
图3是本发明实施例的高速公路能量补给仿真流程图；
[0107]
图4是本发明实施例的改进的自适应遗传算法流程图。
具体实施方式
[0108]
下面结合附图和实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0109]
在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，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或者隐含指明所指示的技术特征的先后关系。
[0110]
本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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、材料或者特点能够在任何的一个或多个实施例或示例中以合适的方式结合。
[0111]
实施例1
[0112]
一种考虑碳排放的高速公路换电站优化配置方法，包括：
[0113]
s1、根据高速公路历史交通数据，基于路段传输模型，建立高速公路动态车流量计算模型；
[0114]
s2、根据高速公路历史交通数据，对进入高速公路的电动汽车进行soc变化预测，结合所述高速公路动态车流量计算模型，构建高速公路电动汽车能量补给需求模型；
[0115]
s3、根据国家发布的《建筑碳排放计算》，构建高速公路换电站碳排放总量ec计算模型；
[0116]
s4、基于高速公路电动汽车能量补给需求模型和高速公路换电站碳排放总量ec计算模型，建议目标模型，所述目标模型以低碳效益最大化和换电站经济效益最大化构建目
标函数，以电池储备量作为约束条件；
[0117]
s5、采用改进的自适应遗传算法对目标模型进行求解，得到高速公路换电站优化配置方案。改进的自适应遗传算法，增加低碳效益最佳为导向，加快寻优速度。
[0118]
结合s1中所述的构建高速公路动态车流量变化计算模型的方法为：
[0119]
根据路段传输模型所提出的车流量和车流密度定义及公式如下：
[0120]
车流量：在单位时间内通过x位置的车辆数目；
[0121][0122]
车流密度：通过单位长度x的车辆数目；
[0123][0124]
其中，s(x,t)为高速公路x位置t时刻之前通过的车辆的总数；
[0125]
根据车流密度的定义，能够将高速公路分为以下几种状态：
[0126]
(1)畅通状态：指该时刻车流密度ρ(x,t)小于ρ
max
(x)
[0127]
(2)临界状态：指该时刻车流密度ρ(x,t)等于ρ
max
(x)
[0128]
(3)拥挤状态：指该时刻车流密度ρ(x,t)大于ρ
max
(x)，且ρ(x,t)小于ρ
max
(x,s)
[0129]
(4)静止状态：指该时刻车流密度ρ(x,t)等于ρ
max
(x,s)
[0130]
ρ
max
(x)为该路段容纳最多车辆且保持畅通的车流密度；ρ
max
(x,s)该路段最多容纳车辆且保持缓慢前进的车流密度。
[0131]
如图2所示，设定高速公路每一个路段的容量与前后路段接受输出相关：
[0132]
oa(t) og(t)＝ib(t)
[0133]
ob(t)＝ic(t) ie(t)
[0134]
其中，oa(t)、og(t)、ob(t)分别为t时刻a、g、b路段输出的车辆数目，ib(t)、ic(t)、ie(t)分别为b、c、e路段接收到的车辆数目。
[0135]
所以每个节点的的车流量如下：
[0136]
fa(t)＝min{sa(t δt)-sa(t),ia(t)}
[0137]
fb(t)＝min{oa(t) og(t),ib(t)}
[0138]
fc(t)＝min{ob(t),ic(t) ie(t)}
[0139]
fd(t)＝min{oc(t) of(t),id(t)}
[0140]
fe(t)＝min{oe(t),if(t)}
[0141]ff
(t)＝od(t)
[0142]fg
(t)＝min{sg(t δt)-sg(t),ig(t)}
[0143]
其中，f.(t)为该节点接受/输出的车流量的能力，sa(t)、sg(t)分别为t时刻通过节点a处的车辆数，t时刻通过节点g的车辆数；
[0144]
所以任意路段任意时刻的车流量计算方法如下：
[0145][0146]
其中，s(x δx,t)为高速公路x δx位置t时刻之前通过的车辆的总数；δt为测量
的单位时间。
[0147]
结合s2中高速公路电动汽车能量补给仿真流程为：
[0148]
首先，需要先进行一些条件设定：
[0149]
(1)当电动汽车电量能够支持到达高速出口，并且支持到达出高速公路后的充电站，则该电动汽车设定为不会在高速公路换电站进行换电。
[0150]
(2)当电动汽车电量能够支持达到高速出口，但电量处于警戒线附近，考虑到目前大多数新能源汽车用户拥有的里程焦虑，设定该类型电动汽车在出高速之前进行换电。
[0151]
(3)当电动汽车电量无法抵达高速公路出口，则一定会在高速公路换电站进行能量补给。
[0152]
完成条件设定后，开始对，另一侧直接参考即可。具体流程如图3所示。
[0153]
(1)初始化该段高速公路入口驶入车辆数量n、每辆车的电荷状态soc以及行驶的目的地d；
[0154]
(2)依此读取车辆初始电荷状态soc，判断电量能否支持其到达预定目的地；
[0155][0156]
其中，x
d-c
为该车目前所处位置c到目的地d的距离，x
soc
为该车剩余的续航里程。
[0157]
(3)若能够支撑，则该辆车直接驶出高速公路；如无法支持抵达目的地，则需要判断其离开高速剩余电量是否到达警戒线，从而判断是否在高速公路换电站进行能量补给；
[0158][0159]
其中，x
e-c
为该车目前所处位置c到高速公路出口e(目的地必经的出口)的距离。
[0160]
(4)若达到警戒线，则在高速公路换电站进行换点，影响换电站选择主要因素是电动汽车剩余电量soc以及途径充电站的排队等待时间tw；
[0161]
(5)完成充换电站的选择后，抵达换电站，排队等待，进行换电；
[0162]
(6)完成换电后，驶出高速公路，该辆车完成仿真，进行下一辆。
[0163]
结合s3中碳排放计算的方法如下：
[0164]
(1)建设过程碳排放e
c1
为：
[0165]ec1
＝em e
t
eb[0166][0167][0168][0169]
其中，em为生产建设阶段所需材料的碳排放，mi为每种材料的所需质量；e
t
为运输
各类材料的碳排放，ki为运输单位材料所需能耗，li为各种材料运输距离；eb为建造过程的碳排放，wi为各种机器单位工作时间产生能耗，hi为各类机器对应的工作时间；η
i,m
、η
i,t
、η
i,b
为生产、运输、建设中各类能源碳排放系数；
[0170]
(2)运营过程碳排放e
c2
为：
[0171]ec2
＝e
barry
e
eq
e
car
e
tree
[0172][0173][0174][0175][0176]
其中，e
barry
为电池充电所产生的碳排放，bi为单位电池组充满所需耗能，ri配备的电池数，γi为电能对应的碳排放；e
eq
为换电站日常运营(所有用电设备)所产生的碳排放；pei为各类用电器单位工作时间产生能耗，hi为各类用电器工作时间；e
car
为在换电站服务点各类车辆经过所产生的碳排放，cli为各类车辆在换电站包含范围行驶距离，cqi为各类车型单位距离产生能耗，η
i,car
为车辆经过时各类能源碳排放系数；e
tree
为换电站所种绿植吸收的二氧化碳，treei为各类绿植单位面积所吸收的二氧化碳，各类绿植栽种面积。
[0177]
(3)高速公路换电站碳排放总量为：
[0178]
ec＝e
c1
z
year
·ec2
[0179]
结合s4中以低碳效益最大化和换电站经济效益最大化构建目标函数，以换电站容量、换电站充放电功率作为约束条件如下：
[0180]
目标函数：max f＝f
4-f
1-f
2-f3[0181][0182][0183]
f3＝αec[0184]
[0185]
小型电动汽车电池规格：sq
1,max
＝m1
[0186]
中型电动汽车电池规格：sq
2,max
＝λ
·
m1
[0187]
大型电动汽车电池规格：sq
2,max
＝μ
·
m1
[0188]
其中，f为综合成本；f1为充换电站建设投资成本，包括固定成本bi和该换电站配备的电池数量gi，k为电池组最小规格单价，nh为换电站数量；f2为充换电站运营成本，包括设备日常维护成本以及人工费用，运营成本与建设规模成正比，θ为设定的比例系数，z
year
为换电站运营年限；f3为碳排放成本，碳排放的计算有s3给出，α为碳排放成本折算率；f4为充换电站运营收益，jm为更换单位电池价格，sqd为单位电池容量，sq
j,max
为各类型电动汽车电池最大容量，sq
a.k
为k时刻a电动汽车剩余容量。λ、μ分别为中型电动汽车和大型电动汽车与小型电动汽车的电池比例系数,m1为小型电动汽车配备电池容量。
[0189]
换电站电池储备约束：gi≥g
need_max
[0190]
每日电池储备gi应大于等于历史数据中该充电需求最大g
need_max
的一天。
[0191]
结合s5中改进的自适应遗传算法如下：
[0192]
考虑到自适应遗传算法在解决多极值问题时容易陷入局部最优，所以本发明对自适应遗传算法中的复制率、交叉率、突变率进行了改进，使其跳出局部最优，获得全局最优。
[0193]
传统的自适应遗传算法交叉率和突变率如下：
[0194][0195][0196]
pc、pm分别为交叉概率、突变概率，f
′
为要交叉的两个个体中适应度更大的个体适应值，f为要突变的个体适应度值，f
avg
为平均适应度值，k1、k2、k3、k4分别为固定值。
[0197]
(1)对种群进行适应度计算，通过分析种群适应度的集中程度，对原本固定的复制率进行设定，具体设定规则如下：
[0198][0199]
当种群适应度越集中，c越大，复制率越高；最大适应度越大，则当前迭代种群样本数据越好，则复制率越低。f
max-f
avg
为个体适应度跨度范围，跨度越大，复制率则越高。其中，c为适应度集中程度。
[0200]
(2)考虑到随着迭代次数的增加，种群趋于最优，交叉率随之下降，交叉率的设定规则如下：
[0201][0202]
其中，t为迭代次数。
[0203]
(3)考虑函数多极值的情况，与种群数量相关，当种群数量越大，突变应越小，同时
与交叉率相似，与迭代次数和种群集中程度相关，所以变异率的设定如下：
[0204][0205]
其中，n为种群总数。
[0206]
通过改进的自适应遗传算法对目标函数进行求解，使得结果跳出局部最优，找到全局最优解。
[0207]
本发明相较于现有优化配置方法，融合了大量的高速公路历史数据，将高速公路实际道路容量和车流量作为电动汽车用户换电需求预测基础，将实际高速路段中某些点作为候选建站地址，通过构建的动态车流流量计算模型，获得高速公路电动汽车换电需求模型。构建以低碳效益最大化和换电站经济效益最大化的目标函数，以电池储备为约束条件，建立了高速公路换电站的最优选址模型，并且通过调整碳排放的折算率，能够改变低碳效益在本模型中的权重，从而加大清洁交通的发展力度，比现有优化配置的相关方法更具灵活性。使用改进的自适应遗传算法对模型进行了求解，使得结果跳出局部最优，找到全局最优，促进换电站的建设，为用户提供更加快速的能源补给的服务，大量发展清洁交通。
[0208]
实施例2
[0209]
第二方面，本实施例提供了一种考虑碳排放的高速公路换电站优化配置装置，包括处理器及存储介质；
[0210]
所述存储介质用于存储指令；
[0211]
所述处理器用于根据所述指令进行操作以执行根据实施例1所述方法的步骤。
[0212]
实施例3
[0213]
第三方面，本实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。
[0214]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术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，本技术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。
[0215]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。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、嵌入式处理机或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。
[0216]
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。
[0217]
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。
[0218]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还能够做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。