本發(fā)明涉及一種風(fēng)電功率概率預(yù)測(cè)方法，尤其涉及一種風(fēng)電功率概率預(yù)測(cè)方法及裝置。

背景技術(shù)：

風(fēng)資源的隨機(jī)性、波動(dòng)性、不確定性和風(fēng)電出力的不可控性給電力系統(tǒng)的安全穩(wěn)定運(yùn)行帶來(lái)了較大的困擾。風(fēng)電功率預(yù)測(cè)技術(shù)已成為必備的技術(shù)。

然而，在實(shí)際運(yùn)行中，風(fēng)電功率預(yù)測(cè)結(jié)果中的預(yù)測(cè)誤差無(wú)法避免，傳統(tǒng)的風(fēng)電功率預(yù)測(cè)一般采用風(fēng)電功率的點(diǎn)預(yù)測(cè)，從而無(wú)法提供風(fēng)電功率不確定性的信息。傳統(tǒng)風(fēng)電功率預(yù)測(cè)中存在不可預(yù)知的預(yù)測(cè)誤差，造成預(yù)測(cè)不準(zhǔn)確，對(duì)于影響電力系統(tǒng)的安全穩(wěn)定分析，從而影響運(yùn)行決策結(jié)果的有效性。

技術(shù)實(shí)現(xiàn)要素：

綜上所述，確有必要提出一種能夠準(zhǔn)確對(duì)風(fēng)電功率概率進(jìn)行預(yù)測(cè)的方法及裝置。

一種風(fēng)電功率概率預(yù)測(cè)方法，包括以下步驟：

根據(jù)歷史輸出功率以及歷史預(yù)測(cè)功率，獲取風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征；

根據(jù)歷史預(yù)測(cè)功率和風(fēng)電場(chǎng)的nwp預(yù)測(cè)結(jié)果的風(fēng)速波動(dòng)量，獲得風(fēng)電概率預(yù)測(cè)的條件全集；

通過(guò)k-means聚類算法，將條件全集劃分為若干條件子集；

對(duì)處在每個(gè)條件子集下的誤差集合形成條件經(jīng)驗(yàn)分布，并檢驗(yàn)其數(shù)字特征與風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征中數(shù)字特征是否重合；若重合則通過(guò)k-means聚類算法再次進(jìn)行聚類；以及

根據(jù)各時(shí)刻的風(fēng)電功率預(yù)測(cè)結(jié)果以及條件經(jīng)驗(yàn)分布，獲得風(fēng)電功率概率預(yù)測(cè)結(jié)果。

在其中一個(gè)實(shí)施例中，所述風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征包括風(fēng)電場(chǎng)預(yù)測(cè)誤差的均值e(x)、方差var(x)、偏度skew(x)和峰度kurtosis(x)；

在其中一個(gè)實(shí)施例中，所述根據(jù)歷史輸出功率以及歷史預(yù)測(cè)功率，獲取風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征的步驟包括：

獲取風(fēng)電場(chǎng)在預(yù)定時(shí)間段內(nèi)的歷史輸出功率；

獲取在預(yù)定時(shí)間段內(nèi)風(fēng)電場(chǎng)的歷史預(yù)測(cè)功率；

計(jì)算預(yù)定時(shí)間段內(nèi)的誤差向量；以及

獲取誤差向量中每個(gè)分量，構(gòu)成風(fēng)電場(chǎng)預(yù)測(cè)誤差樣本值，計(jì)算風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征。

在其中一個(gè)實(shí)施例中，所述根據(jù)歷史預(yù)測(cè)功率和風(fēng)電場(chǎng)的nwp預(yù)測(cè)結(jié)果的風(fēng)速波動(dòng)量，獲得風(fēng)電概率預(yù)測(cè)的條件全集的步驟包括：

根據(jù)獲取的預(yù)定時(shí)間段內(nèi)風(fēng)電場(chǎng)的歷史預(yù)測(cè)功率，獲得在時(shí)刻t時(shí)，風(fēng)電場(chǎng)nwp預(yù)測(cè)結(jié)果的風(fēng)速波動(dòng)量；

獲取從t-s至t-1時(shí)刻的風(fēng)速波動(dòng)量構(gòu)成的風(fēng)速波動(dòng)量集合；以及

獲取由風(fēng)速波動(dòng)量和所述集合相互組合構(gòu)成的笛卡爾集，作為條件全集。

在其中一個(gè)實(shí)施例中，所述通過(guò)k-means聚類算法，將條件全集劃分為若干條件子集的步驟包括：

對(duì)于條件全集，使用k-means聚類算法，將其分為m簇，即將其分為m個(gè)互不相交的條件子集，m的數(shù)值為4～10，且各條件子集中的元素個(gè)數(shù)平均分布。

在其中一個(gè)實(shí)施例中，所述對(duì)處在每個(gè)條件子集下的誤差集合形成條件經(jīng)驗(yàn)分布，并檢驗(yàn)其數(shù)字特征與風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征中數(shù)字特征是否重合的步驟包括：

對(duì)每個(gè)條件子集ci，獲取在該條件下的誤差樣本集ei，求出在不同條件下的風(fēng)電功率預(yù)測(cè)誤差的經(jīng)驗(yàn)分布pdfi，并用風(fēng)電功率預(yù)測(cè)誤差的經(jīng)驗(yàn)分布來(lái)描述在條件ci下的誤差隨機(jī)變量ei:

ei～pdfi；

逐個(gè)檢驗(yàn)m個(gè)誤差的條件經(jīng)驗(yàn)分布，是否與風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征中數(shù)字特征的誤差經(jīng)驗(yàn)分布函數(shù)重合。

在其中一個(gè)實(shí)施例中，所述根據(jù)各時(shí)刻的風(fēng)電功率預(yù)測(cè)結(jié)果以及條件經(jīng)驗(yàn)分布，獲得風(fēng)電功率概率預(yù)測(cè)結(jié)果的步驟包括：

在t時(shí)刻獲取時(shí)刻t+k的風(fēng)電功率預(yù)測(cè)結(jié)果以及時(shí)刻t+k的預(yù)測(cè)風(fēng)速波動(dòng)量fluc^t+k；

設(shè)實(shí)數(shù)對(duì)處于條件子集cj，挑選該條件子集的誤差經(jīng)驗(yàn)分布pdfj，并將誤差隨機(jī)變量ej作為在t+k時(shí)刻的誤差隨機(jī)變量；

結(jié)合t+k的風(fēng)電功率預(yù)測(cè)結(jié)果獲取最終的概率預(yù)測(cè)結(jié)果：

其中，是風(fēng)電功率概率預(yù)測(cè)的結(jié)果，為隨機(jī)變量，用于描述風(fēng)電功率的不確定信息。

一種風(fēng)電功率概率預(yù)測(cè)裝置，所述裝置包括：

特征計(jì)算模塊，用于根據(jù)歷史輸出功率以及歷史預(yù)測(cè)功率，獲取風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征；

條件計(jì)算模塊，用于根據(jù)歷史預(yù)測(cè)功率和風(fēng)電場(chǎng)的nwp預(yù)測(cè)結(jié)果的風(fēng)速波動(dòng)量，獲得風(fēng)電概率預(yù)測(cè)的條件全集；

分類模塊，用于通過(guò)k-means聚類算法，將條件全集劃分為若干條件子集；

聚類模塊，用于對(duì)處在每個(gè)條件子集下的誤差集合形成條件經(jīng)驗(yàn)分布，并檢驗(yàn)其數(shù)字特征與風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征中數(shù)字特征是否重合；若重合則通過(guò)k-means聚類算法再次進(jìn)行聚類；

預(yù)測(cè)模塊，用于根據(jù)各時(shí)刻的風(fēng)電功率預(yù)測(cè)結(jié)果以及條件經(jīng)驗(yàn)分布，獲得風(fēng)電功率概率預(yù)測(cè)結(jié)果。

所述特征計(jì)算模塊包括：

第一獲取單元，用于獲取風(fēng)電場(chǎng)在預(yù)定時(shí)間段內(nèi)的歷史輸出功率；

第二獲取單元，用于獲取在預(yù)定時(shí)間段內(nèi)風(fēng)電場(chǎng)的歷史預(yù)測(cè)功率；

第一計(jì)算單元，用于計(jì)算預(yù)定時(shí)間段內(nèi)歷史輸出功率與歷史預(yù)測(cè)功率之間的誤差向量；

第二計(jì)算單元，用于獲取誤差向量中每個(gè)分量，構(gòu)成風(fēng)電場(chǎng)預(yù)測(cè)誤差樣本值，計(jì)算風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征。

所述條件計(jì)算模塊包括：

波動(dòng)量獲取單元，用于根據(jù)獲取的預(yù)定時(shí)間段內(nèi)風(fēng)電場(chǎng)的歷史預(yù)測(cè)功率，獲得在時(shí)刻t時(shí)，風(fēng)電場(chǎng)nwp預(yù)測(cè)結(jié)果的風(fēng)速波動(dòng)量；

波動(dòng)量集合獲取單元，用于獲取從t-s至t-1時(shí)刻的風(fēng)速波動(dòng)量構(gòu)成的風(fēng)速波動(dòng)量集合；

條件全集獲取單元，用于獲取由風(fēng)速波動(dòng)量和所述集合相互組合構(gòu)成的笛卡爾集，作為條件全集。

本發(fā)明提供的風(fēng)電功率概率預(yù)測(cè)技術(shù)，以條件概率分布和k-means聚類算法為基礎(chǔ)，能夠差異性地提供誤差分布函數(shù)，具有更高的預(yù)測(cè)準(zhǔn)確度。

附圖說(shuō)明

圖1為本發(fā)明實(shí)例提供的風(fēng)電功率概率預(yù)測(cè)的流程框圖。

具體實(shí)施方式

下面根據(jù)說(shuō)明書(shū)附圖并結(jié)合具體實(shí)施例對(duì)本發(fā)明的技術(shù)方案進(jìn)一步詳細(xì)表述。

在大型風(fēng)電集群中，相鄰多個(gè)風(fēng)電場(chǎng)的功率輸出具有較強(qiáng)的相關(guān)性，因此可結(jié)合風(fēng)電場(chǎng)i的風(fēng)速實(shí)測(cè)值，以及相鄰多個(gè)強(qiáng)相關(guān)風(fēng)電場(chǎng)輸出功率實(shí)測(cè)值進(jìn)行該風(fēng)電場(chǎng)的異常數(shù)據(jù)點(diǎn)校正，將風(fēng)電場(chǎng)i在時(shí)刻t的異常數(shù)據(jù)點(diǎn)校正為根據(jù)風(fēng)速和空間相關(guān)性估計(jì)的校正功率估計(jì)值

實(shí)現(xiàn)風(fēng)電場(chǎng)i的異常數(shù)據(jù)點(diǎn)校正需要解決兩個(gè)關(guān)鍵問(wèn)題：第一，確定當(dāng)量測(cè)風(fēng)速為時(shí)，輸出功率取值的合理范圍。當(dāng)風(fēng)電場(chǎng)等效功率曲線已知時(shí)，輸出功率取值的合理范圍即為風(fēng)速與等效功率曲線上下界交點(diǎn)確定的取值范圍。第二，確定風(fēng)電場(chǎng)i當(dāng)前功率取值，可基于強(qiáng)相關(guān)風(fēng)電場(chǎng)(例如相關(guān)系數(shù)大于0.5)的條件概率分布，進(jìn)行條件遞歸采樣來(lái)確定。這里僅考慮強(qiáng)相關(guān)風(fēng)電場(chǎng)的原因在于可降低條件概率分布維數(shù)，避免出現(xiàn)維數(shù)災(zāi)，并且對(duì)于風(fēng)電場(chǎng)數(shù)據(jù)校正來(lái)說(shuō)，考慮強(qiáng)相關(guān)風(fēng)電場(chǎng)可滿足校正需求。

請(qǐng)參閱圖1，本發(fā)明實(shí)例提供的基于聚類算法和誤差分析的風(fēng)電功率概率預(yù)測(cè)方法，包括如下步驟：

步驟s10，獲取風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征。

具體的，在其中一個(gè)實(shí)施例中，風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征的獲取包括：

步驟s11，獲取風(fēng)電場(chǎng)在預(yù)定時(shí)間段內(nèi)的歷史輸出功率，為：

其中，t為當(dāng)前時(shí)刻，s為往前追溯的歷史數(shù)據(jù)時(shí)長(zhǎng)。

步驟s12，獲取在預(yù)定時(shí)間段內(nèi)風(fēng)電場(chǎng)的歷史預(yù)測(cè)功率，為：

步驟s13，計(jì)算預(yù)定時(shí)間段內(nèi)的歷史輸出功率與歷史預(yù)測(cè)功率之間的誤差向量，為：

步驟s14，獲取誤差向量中每個(gè)分量，構(gòu)成風(fēng)電場(chǎng)預(yù)測(cè)誤差樣本值，計(jì)算風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征。

具體的，風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征可包括風(fēng)電場(chǎng)預(yù)測(cè)誤差的均值e(x)、方差var(x)、偏度skew(x)和峰度kurtosis(x)?？闪顇為中每個(gè)分量構(gòu)成的風(fēng)電場(chǎng)預(yù)測(cè)誤差樣本集，計(jì)算風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征：均值e(x)、方差var(x)、偏度skew(x)和峰度kurtosis(x)。

步驟s20，根據(jù)歷史預(yù)測(cè)功率和風(fēng)電場(chǎng)的nwp(數(shù)值天氣預(yù)報(bào)，numericalweatherprediection)預(yù)測(cè)結(jié)果的風(fēng)速波動(dòng)量，獲得風(fēng)電概率預(yù)測(cè)的條件全集。

具體的，在其中一個(gè)實(shí)施例中，風(fēng)電概率預(yù)測(cè)的條件全集以及散點(diǎn)圖的獲取包括如下步驟：

步驟s21，根據(jù)獲取的預(yù)定時(shí)間段內(nèi)風(fēng)電場(chǎng)的歷史預(yù)測(cè)功率：

獲得在時(shí)刻t時(shí)，風(fēng)電場(chǎng)nwp預(yù)測(cè)結(jié)果的風(fēng)速波動(dòng)量，為：

步驟s22，選擇從t-s至t-1時(shí)刻的風(fēng)速波動(dòng)量fluc^t-s,…,fluc^t-1構(gòu)成的風(fēng)速波動(dòng)量集合為fluc^t,s。

步驟s23，獲取由和fluc^t,s兩者相互組合構(gòu)成的笛卡爾集，作為條件全集c，并可形成相應(yīng)的散點(diǎn)圖。

步驟s30，通過(guò)k-means聚類算法，將條件全集劃分為若干條件子集。

可通過(guò)k-means聚類算法，將條件全集c進(jìn)行分類，形成包括c1,c2,...,cm的m個(gè)條件子集。

k-means算法是基于距離的聚類算法，采用距離作為相似性的評(píng)價(jià)指標(biāo)，即認(rèn)為兩個(gè)對(duì)象的距離越近，其相似度就越大。

具體的，對(duì)于條件全集c，使用k-means聚類算法，將其分為m簇，即將其分為m個(gè)互不相交的條件子集：

m的數(shù)值選擇可以為4～10，根據(jù)不同的情況選擇，應(yīng)保證各個(gè)條件子集中的元素個(gè)數(shù)較為平均，即各個(gè)條件子集中的元素的個(gè)數(shù)基本相同。

步驟s40，對(duì)處在每個(gè)條件子集ci下的誤差集合形成條件經(jīng)驗(yàn)分布，并檢驗(yàn)其數(shù)字特征與風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征中數(shù)字特征是否高度重合；若高度重合則返回步驟s30，重新進(jìn)行聚類。

具體的，在其中一個(gè)實(shí)施例中，對(duì)每個(gè)條件子集ci，可獲取在該條件下的誤差樣本集ei，可以求出在不同條件下的風(fēng)電功率預(yù)測(cè)誤差的經(jīng)驗(yàn)分布pdfi，用這一分布來(lái)描述在條件ci下的誤差隨機(jī)變量ei:

ei～pdfi；

逐個(gè)檢驗(yàn)m個(gè)誤差的條件經(jīng)驗(yàn)分布是否與步驟s10中的誤差經(jīng)驗(yàn)分布函數(shù)高度重合。所謂高度重合，是兩者的數(shù)字特征(均值、方差、偏度、峰度)相差小于預(yù)設(shè)閾值，該預(yù)設(shè)閾值可以根據(jù)需要進(jìn)行選擇，預(yù)設(shè)閾值越小，則數(shù)字特征越吻合。

若高度重合，說(shuō)明該次聚類無(wú)法將誤差分布的條件差異性信息有效剝離。需返回步驟s30，改變m的數(shù)值重新進(jìn)行聚類，直至沒(méi)有任何一個(gè)條件經(jīng)驗(yàn)分布與風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征中的經(jīng)驗(yàn)分布高度重合。

步驟s50，結(jié)合各時(shí)刻的風(fēng)電功率預(yù)測(cè)結(jié)果形成風(fēng)電功率概率預(yù)測(cè)結(jié)果。

具體的，在其中一個(gè)實(shí)施例中，風(fēng)電功率概率預(yù)測(cè)結(jié)果的獲取包括：

步驟s51，在t時(shí)刻獲取時(shí)刻t+k的風(fēng)電功率預(yù)測(cè)結(jié)果以及時(shí)刻t+k的預(yù)測(cè)風(fēng)速波動(dòng)量fluc^t+k；

步驟s52，設(shè)這一實(shí)數(shù)對(duì)處于條件子集cj，挑選這一條件子集的誤差經(jīng)驗(yàn)分布pdfj，將誤差隨機(jī)變量ej作為在t+k時(shí)刻的誤差隨機(jī)變量；

步驟s53，結(jié)合t+k的風(fēng)電功率預(yù)測(cè)結(jié)果形成最終的概率預(yù)測(cè)結(jié)果：

其中，是風(fēng)電功率概率預(yù)測(cè)的結(jié)果，是一個(gè)隨機(jī)變量，能夠描述風(fēng)電功率的不確定信息。

本發(fā)明實(shí)施例提供的風(fēng)電功率概率預(yù)測(cè)方法，以條件概率分布和k-means聚類算法為基礎(chǔ)，能夠差異性地提供誤差分布函數(shù)，具有更好的預(yù)測(cè)效果。該風(fēng)電功率概率預(yù)測(cè)方法通過(guò)對(duì)風(fēng)電功率的預(yù)測(cè)誤差進(jìn)行建模和分析，可以對(duì)風(fēng)電功率可能的波動(dòng)范圍和概率分布有全貌的描述，從而為風(fēng)電功率預(yù)測(cè)結(jié)果提供可靠、詳細(xì)的信息。

基于同一發(fā)明構(gòu)思，本發(fā)明實(shí)施例還提供了一種風(fēng)電功率概率預(yù)測(cè)裝置，由于這些設(shè)備解決問(wèn)題的原理與一種風(fēng)電功率概率預(yù)測(cè)方法相似，因此這些設(shè)備的實(shí)施可以參見(jiàn)方法的實(shí)施，重復(fù)之處不再贅述。

所述風(fēng)電功率概率預(yù)測(cè)裝置可以包括：

特征計(jì)算模塊，用于根據(jù)歷史輸出功率以及歷史預(yù)測(cè)功率，獲取風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征；

條件計(jì)算模塊，用于根據(jù)歷史預(yù)測(cè)功率和風(fēng)電場(chǎng)的nwp預(yù)測(cè)結(jié)果的風(fēng)速波動(dòng)量，獲得風(fēng)電概率預(yù)測(cè)的條件全集；

分類模塊，用于通過(guò)k-means聚類算法，將條件全集劃分為若干條件子集；

聚類模塊，用于對(duì)處在每個(gè)條件子集下的誤差集合形成條件經(jīng)驗(yàn)分布，并檢驗(yàn)其數(shù)字特征與風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征中數(shù)字特征是否重合；若重合則通過(guò)k-means聚類算法再次進(jìn)行聚類；

預(yù)測(cè)模塊，用于根據(jù)各時(shí)刻的風(fēng)電功率預(yù)測(cè)結(jié)果以及條件經(jīng)驗(yàn)分布，獲得風(fēng)電功率概率預(yù)測(cè)結(jié)果。

實(shí)施中，所述特征計(jì)算模塊可以包括：

第一獲取單元，用于獲取風(fēng)電場(chǎng)在預(yù)定時(shí)間段內(nèi)的歷史輸出功率；

第二獲取單元，用于獲取在預(yù)定時(shí)間段內(nèi)風(fēng)電場(chǎng)的歷史預(yù)測(cè)功率；

第一計(jì)算單元，用于計(jì)算預(yù)定時(shí)間段內(nèi)歷史輸出功率與歷史預(yù)測(cè)功率之間的誤差向量；

第二計(jì)算單元，用于獲取誤差向量中每個(gè)分量，構(gòu)成風(fēng)電場(chǎng)預(yù)測(cè)誤差樣本值，計(jì)算風(fēng)電場(chǎng)預(yù)測(cè)誤差的統(tǒng)計(jì)特征。

實(shí)施中，所述條件計(jì)算模塊可以包括：

波動(dòng)量獲取單元，用于根據(jù)獲取的預(yù)定時(shí)間段內(nèi)風(fēng)電場(chǎng)的歷史預(yù)測(cè)功率，獲得在時(shí)刻t時(shí)，風(fēng)電場(chǎng)nwp預(yù)測(cè)結(jié)果的風(fēng)速波動(dòng)量；

波動(dòng)量集合獲取單元，用于獲取從t-s至t-1時(shí)刻的風(fēng)速波動(dòng)量構(gòu)成的風(fēng)速波動(dòng)量集合；

條件全集獲取單元，用于獲取由風(fēng)速波動(dòng)量和所述集合相互組合構(gòu)成的笛卡爾集，作為條件全集。

為了描述的方便，以上所述裝置的各部分以功能分為各種模塊或單元分別描述。當(dāng)然，在實(shí)施本申請(qǐng)時(shí)可以把各模塊或單元的功能在同一個(gè)或多個(gè)軟件或硬件中實(shí)現(xiàn)。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請(qǐng)的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本申請(qǐng)可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本申請(qǐng)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤(pán)存儲(chǔ)器、cd-rom、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本申請(qǐng)是參照根據(jù)本申請(qǐng)實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。