一种用于确定电网扰动传播特性的方法及系统

1.本发明涉及电力系统动态分析技术领域，并且更具体地，涉及一种用于确定电网扰动传播特性的方法及系统。


背景技术：

2.随着我国电力系统的发展，全国电网规模不断扩大，电网时空分布特性日趋复杂，动态安全的分析和控制也变得尤为困难，因此电网的稳定问题已经成为电力系统分析的重要部分。因此，研究复杂电网的扰动传播特性，提高电力系统的稳定性具有重要意义。
3.电压是电力系统的一个重要参数，它的动态行为影响着电力系统的安全和稳定，而电压相轨迹中蕴藏着丰富的电网信息。因此，有必要针对电压的时序数据，综合考虑节点、连边的参数属性，开展相关性相似性和聚类分析。
4.由于我国互联电网动态行为日趋复杂，各类扰动的频繁发生，wams得到迅速发展，这为开展电网实测数据的动态过程分析及研究创造了有利的条件。借助扰动的时空传播特性，利用同步相量量测数据，在扰动产生严重影响前分析扰动传播规律与信息，就可以制定针对性控制策略，实现在一定范围内消除或减少扰动造成的影响，进而保障电力系统的安全。


技术实现要素：

5.针对电网时空分布特性日趋复杂，动态安全分析和控制变得困难的问题，本发明提出了一种用于确定电网扰动传播特性的方法，包括：
6.对目标电网进行实时监测，以获取所述目标电网的实测数据，基于所述实测数据确定目标电网的电压相轨迹及所述电压相轨迹的动态观测数据集；
7.根据所述电压相轨迹及动态观测数据集，确定所述目标电网的电压相对变化量、突变距离和扰动相关指数；
8.对所述电压相对变化量、突变距离和扰动相关指数进行聚类处理，以得到聚类结果，通过所述聚类结果确定目标电网的扰动传播特性。
9.可选的，电压相轨迹的计算公式，如下：
[0010][0011]
其中，
[0012][0013]
其中，x为电压相轨迹的实部数据集，x
i,t
为节点i的电压相轨迹实部，y为电压相轨迹的虚部数据集，y
i,t
为节点i的电压相轨迹虚部，v
i,t
为节点i的电压幅值序列，θ
i,t
为节点i的电压相角序列，i＝1
…
n。
[0014]
可选的，动态观测数据集的计算公式，如下：
[0015]
d＝x jy
[0016]
其中，d为动态观测数据集，x为电压相轨迹的实部数据集，y为虚部数据集，j为虚数单位。
[0017]
可选的，电压相对变化量的计算公式，如下：
[0018][0019][0020]
设轨迹la,lb，la,lb上的节点分别为ai,bi，x
ai
为ai的实部坐标，x
bi
为bi的实部坐标，y
ai
为ai的虚部坐标，y
bi
为bi的虚部坐标。d表示两点间的欧式距离，spd(la,lb)表示两条轨迹间的电压相对变化量。
[0021]
可选的，突变距离的计算公式如下：
[0022][0023][0024]
其中，故障发生时间为t1，故障结束时间为t2，t1时刻电压的实部为x1，虚部为y1，周波为δt，则一周波后，也即t1 δt时刻电压相轨迹的实部为x1′
，虚部为y1′
，c1为故障发生时的突变距离；t2时刻电压的实部为x2，虚部为y2，则一周波后，也即t2 δt时刻电压相轨迹的实部为x2′
，虚部为y2′
，c2为故障发生时的突变距离c2。
[0025]
可选的，扰动相关指数的计算公式，如下：
[0026][0027]
其中，dci为扰动相关指数，e(ci)为第i个节点的frobenius范数，e(c
sys
)为整个系统的frobenius范数。
[0028]
再一方面，本发明还提出了一种用于确定电网扰动传播特性的系统，包括：
[0029]
采集单元，用于对目标电网进行实时监测，以获取所述目标电网的实测数据，基于所述实测数据确定目标电网的电压相轨迹及所述电压相轨迹的动态观测数据集；
[0030]
计算单元，用于根据所述电压相轨迹及动态观测数据集，确定所述目标电网的电压相对变化量、突变距离和扰动相关指数；
[0031]
聚类单元，用于对所述电压相对变化量、突变距离和扰动相关指数进行聚类处理，以得到聚类结果，通过所述聚类结果确定目标电网的扰动传播特性。
[0032]
可选的，采集单元，确定目标电网的电压相轨迹的计算公式，如下：
[0033][0034]
其中，
[0035][0036]
其中，x为电压相轨迹的实部数据集，x
i,t
为节点i的电压相轨迹实部，y为电压相轨迹的虚部数据集，y
i,t
为节点i的电压相轨迹虚部，v
i,t
为节点i的电压幅值序列，θ
i,t
为节点i的电压相角序列，i＝1
…
n。
[0037]
可选的，采集单元，确定电压相轨迹的动态观测数据集的计算公式，如下：
[0038]
d＝x jy
[0039]
其中，d为动态观测数据集，x为电压相轨迹的实部数据集，y为虚部数据集，j为虚数单位。
[0040]
可选的，计算单元，确定目标电网的电压相对变化量的计算公式，如下：
[0041][0042][0043]
设轨迹la,lb，la,lb上的节点分别为ai,bi，x
ai
为ai的实部坐标，x
bi
为bi的实部坐标，y
ai
为ai的虚部坐标，y
bi
为bi的虚部坐标。d表示两点间的欧式距离，spd(la,lb)表示两条轨迹间的电压相对变化量。
[0044]
可选的，计算单元，确定目标电网的突变距离的计算公式如下：
[0045][0046][0047]
其中，故障发生时间为t1，故障结束时间为t2，t1时刻电压的实部为x1，虚部为y1，周波为δt，则一周波后，也即t1 δt时刻电压相轨迹的实部为x1′
，虚部为y1′
，c1为故障发生时的突变距离；t2时刻电压的实部为x2，虚部为y2，则一周波后，也即t2 δt时刻电压相轨迹的实部为x2′
，虚部为y2′
，c2为故障发生时的突变距离c2[0048]
可选的，计算单元，确定目标电网的扰动相关指数的计算公式，如下：
[0049][0050]
其中，dci为扰动相关指数，e(ci)为第i个节点的frobenius范数，e(c
sys
)为整个系统的frobenius范数。
[0051]
再一方面，本发明还提供了一种计算设备，包括：一个或多个处理器；
[0052]
处理器，用于执行一个或多个程序；
[0053]
当所述一个或多个程序被所述一个或多个处理器执行时，实现如上述所述的方法。
[0054]
再一方面，本发明还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如上述所述的方法。
[0055]
与现有技术相比，本发明的有益效果为：
[0056]
本发明提供了一种用于确定电网扰动传播特性的方法，包括：对目标电网进行实时监测，以获取所述目标电网的实测数据，基于所述实测数据确定目标电网的电压相轨迹及所述电压相轨迹的动态观测数据集；根据所述电压相轨迹及动态观测数据集，确定所述目标电网的电压相对变化量、突变距离和扰动相关指数；对所述电压相对变化量、突变距离和扰动相关指数进行聚类处理，以得到聚类结果，通过所述聚类结果确定目标电网的扰动传播特性。本发明通过获取实测数据，得到电压相对变化量、突变距离和扰动相关指数，在通过对所述电压相对变化量、突变距离和扰动相关指数进行聚类，得到电网的扰动传播特性，解决了电网动态安全分析和控制变得困难的问题，为理解和揭示扰动冲击对大电网安全稳定运行的影响提供了辅助决策，为电网的安全运行提供了保障。
附图说明
[0057]
图1为本发明方法的流程图；
[0058]
图2为本发明方法实施例的电压相轨迹变化曲线图；
[0059]
图3为本发明方法实施例的故障发生时的突变距离示意图；
[0060]
图4为本发明方法实施例的故障切除时的突变距离示意图；
[0061]
图5为本发明方法实施例的knn绘图；
[0062]
图6为本发明方法实施例的k-s分布检验拟合曲线图；
[0063]
图7为本发明方法实施例的运动特征距离从远到近拓扑图；
[0064]
图8为本发明方法实施例的聚类结果图；
[0065]
图9为本发明系统的结构图。
具体实施方式
[0066]
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
[0067]
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
[0068]
实施例1：
[0069]
本发明提出了一种用于确定电网扰动传播特性的方法，如图1所示，包括：
[0070]
步骤1、对目标电网进行实时监测，以获取所述目标电网的实测数据，基于所述实测数据确定目标电网的电压相轨迹及所述电压相轨迹的动态观测数据集；
[0071]
步骤2、根据所述电压相轨迹及动态观测数据集，确定所述目标电网的电压相对变化量、突变距离和扰动相关指数；
[0072]
步骤3、对所述电压相对变化量、突变距离和扰动相关指数进行聚类处理，以得到聚类结果，通过所述聚类结果确定目标电网的扰动传播特性。
[0073]
其中，电压相轨迹的计算公式，如下：
[0074][0075]
其中，
[0076][0077]
其中，x为电压相轨迹的实部数据集，x
i,t
为节点i的电压相轨迹实部，y为电压相轨迹的虚部数据集，y
i,t
为节点i的电压相轨迹虚部，v
i,t
为节点i的电压幅值序列，θ
i,t
为节点i的电压相角序列，i＝1
…
n。
[0078]
其中，动态观测数据集的计算公式，如下：
[0079]
d＝x jy
[0080]
其中，d为动态观测数据集，x为电压相轨迹的实部数据集，y为虚部数据集，j为虚数单位。
[0081]
其中，电压相对变化量的计算公式，如下：
[0082][0083][0084]
设轨迹la,lb，la,lb上的节点分别为ai,bi，x
ai
为ai的实部坐标，x
bi
为bi的实部坐标，y
ai
为ai的虚部坐标，y
bi
为bi的虚部坐标。d表示两点间的欧式距离，spd(la,lb)表示两条轨迹间的电压相对变化量。
[0085]
其中，突变距离的计算公式如下：
[0086][0087][0088]
其中，故障发生时间为t1，故障结束时间为t2，t1时刻电压的实部为x1，虚部为y1，周波为δt，则一周波后，也即t1 δt时刻电压相轨迹的实部为x1′
，虚部为y1′
，c1为故障发生时的突变距离；t2时刻电压的实部为x2，虚部为y2，则一周波后，也即t2 δt时刻电压相轨迹的实部为x2′
，虚部为y2′
，c2为故障发生时的突变距离c2[0089]
其中，扰动相关指数的计算公式，如下：
[0090][0091]
其中，dci为扰动相关指数，e(ci)为第i个节点的frobenius范数，e(c
sys
)为整个系统的frobenius范数。
[0092]
下面结合实施例对本发明进行进一步的说明：
[0093]
本发明实施步骤，包括：
[0094]
通过实测数据得出的电压相轨迹，并据此得出电压相对变化量、扰动距离和扰动相关指数等各项指标来量化描述电压的动态时空分布特征。
[0095]
定义电压相轨迹及其动态观测数据集，描述如下：
[0096][0097]
式中，u表示电压幅值，θ表示电压相角。
[0098]
每个节点的电压幅值变化构成的时间序列和每个节点的电压相角变化构成的时间序列分别表示为：
[0099][0100]
式中，t为采样时间构成的时间序列，t＝(t1,t2,
…
tm)，v
i,t
为节点i的电压幅值数据序列，θ
i,t
为节点i的电压相角数据序列。i＝1,2,
…
,n，n表示节点数量。
[0101]
电压相轨迹是电压相量在复平面的有向轨迹，如图2所示，电压相轨迹的实部和虚部分别表示为：
[0102][0103]
式中：
[0104][0105]
电压相轨迹动态观测数据集d可以表示为：
[0106]
d＝x jy
[0107]
式中，j为虚数单位。
[0108]
定义电压相对变化量如下：
[0109]
计算电压相轨迹中点到点的距离，公式如下：
[0110][0111]
式中，x表示电压相轨迹的实部，y表示电压相轨迹的虚部。
[0112]
之后计算两曲线距离，距离公式如下：
[0113][0114]
最后得到多个滑窗的轨迹距离，取平均值即为电压相对变化量。
[0115]
定义扰动相关指数如下：
[0116]
对于相轨迹动态观测数据集，协方差矩阵c
sys
可以用其中n个数据样本d来计算，计算公式为：
[0117][0118]
式中，dh表示d的共轭转置。
[0119]
而对于一个维数为n*m的矩阵z，其能量可由frobenius范数表示，即：
[0120][0121]
式中，z
ij
表示矩阵z的元素，c
sys
的范数就是系统产生的总能量，同理，对于某一个节点来说，其协方差矩阵可以表示为：
[0122][0123]
式中，di表示相轨迹动态观测数据集的第i列，也即第i个节点的数据。
[0124]
通过frobenius范数亦可求取某一节点产生的能量。因此，第i个节点产生的能量与整个系统产生的总能量的比值可以作为衡量第i个节点对整个系统扰动贡献程度的指标，称之为扰动相关指数dci(disturbance contribution index)，其表达式为：
[0125][0126]
定义突变距离如下：
[0127]
设故障发生时间为t1，故障结束时间为t2，电压相轨迹在t1和t2时刻发生突变，设t1时刻电压的实部为x1，虚部为y1，周波为δt，则一周波后，也即t1 δt时刻电压相轨迹的实部为x1′
，虚部为y1′
，则故障发生时的突变距离c1为：
[0128][0129]
设t2时刻电压的实部为x2，虚部为y2，则一周波后，也即t2 δt时刻电压相轨迹的实部为x2′
，虚部为y2′
，则故障发生时的突变距离c2为：
[0130][0131]
将故障发生时，如图3所示，和故障切除时，如图4所示。
[0132]
将电压相对变化量、扰动距离和扰动相关指数等各项量化指标作为聚类的特征值，进行dbscan聚类，步骤如下：
[0133]
(1)首先初始化聚类标签，将所有对象标记为unvisited；
[0134]
(2)从电压运动特征轨迹群中随机选取一个节点p，标记为visited；
[0135]
(3)如果p的ε邻域中包含的对象数至少为minpts个，那么创建新簇c，并将p添加到c中
[0136]
(4)令n为p的ε领域中的对象的集合，取n中的每一个点pi；
[0137]
(5)如果pi是unvisited，将pi标记为visited，且如果pi的ε领域至少有minpts个对象，则将这些对象都添加到n中，如果pi还不是任何簇的对象则将pi添加到簇c中；
[0138]
(6)令簇c的编号n＝n 1；
[0139]
(7)输出c，剩余未标记的节点将其标记为噪声。
[0140]
对dbscan的参数进行自适应调节，步骤如下：
[0141]
定义距离分布矩阵如下：
[0142]
distn×n＝{dist(i,j)1≤i≤n,1≤j≤n}
[0143]
其中，n代表数据集中的对象个数，dist(i,j)表示点i与点j之间的距离，不妨设i(i1,i2,i3,i4)和j(j1,j2,j3,j4)，则dist(i,j)定义如下：
[0144][0145]
将distn×n的每一列进行排序并转置得到knn0n×n，其中knn0n×n第一列元素全为0，我们将该列删除得到knnn×
(n-1)
，knn绘图如图5所示；
[0146]
根据参数自适应方法求取eps的值，描述如下：
[0147]
通过k-s分布检验的方式对该样本进行概率密度估计，取k＝4，得到曲线峰值以及峰值的对应横坐标，该横坐标即为eps的值，k-s分布检验拟合曲线如图6所示；
[0148]
根据参数自适应方法求取minpts的值，描述如下：
[0149]
根据前面求得的eps值确定数据集中在eps域内的点的数量，然后计算每个点的平均值向下取整得到minpts，公式为：
[0150][0151]
式中pi为点i的eps域内点的个数。
[0152]
下面结合实例对本方法进行进一步说明：
[0153]
采用ieee39节点系统进行分析。本算例设置15节点于0.1s时出现三相短路故障，于0.74s切除故障，并按照1周波为0.01s的比例给出了1000个周波，也就是10s内的数据。本文分别选取t＝[11,75]的数据，设置δt为10个周波，根据本章算法得到电压相对变化量、扰动距离和扰动相关指数等各项量化指标，将其作为特征值，然后由通过dbscan聚类对扰动传播的特性进行研究，根据本章的参数自适应算法求得参数minpts＝3，eps＝2.0007。可以得到各节点与15节点运动特征距离从小到大排序在ieee39节点拓扑图中，如图7所示，其次聚类可视化结果如图8所示。
[0154]
图7是通过矩形的颜色和大小来表征与扰动节点(15节点)的距离远近，颜色从红色到绿色，从深色到浅色，大小为从大到小，通过这种方式可以更加直观地表示与15节点的距离。可以看出，距离的远近由15节点开始呈现发散状，而根据本章的研究，轨迹的相似性是通过轨迹距离来表征的，距离越近说明相似程度就越高，而轨迹相似度越高，说明其受到扰动节点的影响程度越高。因此可以说明扰动传播是由扰动节点开始呈现发散状传播。
[0155]
图8为聚类的结果，黑色表示该节点在dbscan聚类中被分类为噪音点，剩下的节点颜色相同的为1簇。结合运动特征距离从远到近拓扑图，可以看出除去噪音点外，剩下的节点被分为了4簇，其中红色节点距离扰动节点较近，而黄色节点距离扰动点较远，而紫色节点均为发电机节点。
[0156]
结合两幅图我们还可以看出，16节点、24节点和红色节点距离扰动节点近，这是由于距离扰动节点近，受扰动程度较大，且每个节点受扰动程度差距也较大；同时我们可以看到其余黑色节点距离扰动节点和黄色节点距离较远，其受扰动程度较小；我们还可以看到紫色节点和部分黑色节点都是发电机节点，这是由于发电机的作用是为电网提供能量，其趋势是阻碍由于节点故障引起的电压失稳，故相对于15节点附近的节点的电压运动特征轨迹，发电机节点及其附近节点的电压运动特征轨迹与15节点的距离较远，相似度较低。综上所述，这些节点的特征符合电网扰动传播的规律。
[0157]
实施例2：
[0158]
本发明还提出了一种用于确定电网扰动传播特性的系统200，如图9所示，包括：
[0159]
采集单元201，用于对目标电网进行实时监测，以获取所述目标电网的实测数据，基于所述实测数据确定目标电网的电压相轨迹及所述电压相轨迹的动态观测数据集；
[0160]
计算单元202，用于根据所述电压相轨迹及动态观测数据集，确定所述目标电网的电压相对变化量、突变距离和扰动相关指数；
[0161]
聚类单元203，用于对所述电压相对变化量、突变距离和扰动相关指数进行聚类处理，以得到聚类结果，通过所述聚类结果确定目标电网的扰动传播特性。
[0162]
其中，电压相轨迹的计算公式，如下：
[0163][0164]
其中，
[0165][0166]
其中，x为电压相轨迹的实部数据集，x
i,t
为节点i的电压相轨迹实部，y为电压相轨迹的虚部数据集，y
i,t
为节点i的电压相轨迹虚部，v
i,t
为节点i的电压幅值序列，θ
i,t
为节点i的电压相角序列，i＝1
…
n。
[0167]
其中，动态观测数据集的计算公式，如下：
[0168]
d＝x yi[0169]
其中，d为动态观测数据集，x为电压相轨迹的实部数据集，y为虚部数据集，j为虚数单位。
[0170]
其中，电压相对变化量的计算公式，如下：
[0171][0172][0173]
设轨迹la,lb，la,lb上的节点分别为ai,bi，x
ai
为ai的实部坐标，x
bi
为bi的实部坐标，y
ai
为ai的虚部坐标，y
bi
为bi的虚部坐标。d表示两点间的欧式距离，spd(la,lb)表示两条轨迹间的电压相对变化量。
[0174]
其中，突变距离的计算公式如下：
[0175][0176][0177]
其中，故障发生时间为t1，故障结束时间为t2，t1时刻电压的实部为x1，虚部为y1，周波为δt，则一周波后，也即t1 δt时刻电压相轨迹的实部为x1′
，虚部为y1′
，c1为故障发生时的突变距离；t2时刻电压的实部为x2，虚部为y2，则一周波后，也即t2 δt时刻电压相轨迹
的实部为x2′
，虚部为y2′
，c2为故障发生时的突变距离c2。
[0178]
其中，扰动相关指数的计算公式，如下：
[0179][0180]
其中，dci为扰动相关指数，e(ci)为第i个节点的frobenius范数，e(c
sys
)为整个系统的frobenius范数。
[0181]
本发明通过获取实测数据，得到电压相对变化量、突变距离和扰动相关指数，在通过对所述电压相对变化量、突变距离和扰动相关指数进行聚类，得到电网的扰动传播特性，解决了电网动态安全分析和控制变得困难的问题，为理解和揭示扰动冲击对大电网安全稳定运行的影响提供了辅助决策，为电网的安全运行提供了保障。
[0182]
实施例3：
[0183]
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specificintegrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中方法的步骤。
[0184]
实施例4：
[0185]
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中方法的步骤。
[0186]
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。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。
[0187]
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。
[0188]
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。
[0189]
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。
[0190]
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性概念，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。
[0191]
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，则本发明也意图包含这些改动和变型在内。