本發(fā)明涉及局部放電領(lǐng)域，具體而言，涉及一種局部放電模式識(shí)別方法和裝置。

背景技術(shù)：

很小的絕緣缺陷在電力設(shè)備帶電運(yùn)行狀態(tài)下會(huì)由小變大，最終可能誘發(fā)整體的絕緣性故障，造成大面積停電，給國(guó)民經(jīng)濟(jì)帶來(lái)?yè)p失，而局部放電模式識(shí)別對(duì)及時(shí)發(fā)現(xiàn)絕緣損壞程度和設(shè)備檢修有重大意義。

隨著智能電網(wǎng)和能源互聯(lián)網(wǎng)的快速發(fā)展，電力系統(tǒng)信息數(shù)據(jù)和狀態(tài)監(jiān)測(cè)數(shù)據(jù)日益龐大，這些數(shù)據(jù)的實(shí)時(shí)存儲(chǔ)、傳輸和處理是大電網(wǎng)堅(jiān)強(qiáng)穩(wěn)固的保證，隨機(jī)矩陣?yán)碚撟鳛橐环N大數(shù)據(jù)分析方法，其特征根譜分析理論對(duì)分析大維數(shù)據(jù)具有優(yōu)良特性，已在電力設(shè)備狀態(tài)評(píng)估和異常檢測(cè)中得到初步應(yīng)用。

近年來(lái)，國(guó)內(nèi)外學(xué)者在局放模式識(shí)別領(lǐng)域展開(kāi)了大量的研究工作，神經(jīng)網(wǎng)絡(luò)、小波變換、分形理論以及隱馬爾可夫模型在局部放電模式識(shí)別理論中有較廣泛的應(yīng)用，取得了顯著的效果，但是，以上以PRPD圖譜為基礎(chǔ)的識(shí)別方法存在一定的局限性，即工頻相位在局部放電過(guò)程中意義并不是很大，且在直流輸電系統(tǒng)中，由于直流設(shè)備的存在已無(wú)相位信息，而以上以脈沖波形或者脈沖峰值作為識(shí)別特征量的辦法受電壓值的影響較大，抗干擾性不強(qiáng)，對(duì)于非平穩(wěn)放電信號(hào)是不適用的。

針對(duì)上述現(xiàn)有技術(shù)中對(duì)局部放電的模式識(shí)別率高并且抗干擾性差的問(wèn)題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種局部放電模式識(shí)別方法和裝置，以至少解決現(xiàn)有技術(shù)中對(duì)局部放電的模式識(shí)別率高并且抗干擾性差的技術(shù)問(wèn)題。

根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種局部放電模式識(shí)別方法，包括：建立典型局部放電模型，并獲取各模型的局部放電信號(hào)；根據(jù)各模型的局部放電信號(hào)構(gòu)建各模型的高維隨機(jī)矩陣；根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識(shí)庫(kù)；基于知識(shí)庫(kù)，采用鄰近算法確定待識(shí)別局部放電信號(hào)的模式。

進(jìn)一步的，譜分布特性包括各模型的高維隨機(jī)矩陣的特征根的譜分布圓環(huán)的平均譜半徑。

進(jìn)一步的，基于知識(shí)庫(kù)，采用鄰近算法確定待識(shí)別局部放電信號(hào)的模式，包括：從知識(shí)庫(kù)中采用歐式距離算法選取與待識(shí)別局部放電信號(hào)的平均譜半徑最近的K個(gè)局部放電信號(hào)；確定K個(gè)局部放電信號(hào)中多數(shù)局部放電信號(hào)的模式，得到待識(shí)別局部放電信號(hào)的模式。

進(jìn)一步的，建立典型局部放電模型，并獲取各模型的局部放電信號(hào)，包括：建立典型局部放電模型，并使用超高頻傳感器獲取各模型的局部放電信號(hào)。

進(jìn)一步的，典型局部放電模型包括：板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型。

根據(jù)本發(fā)明實(shí)施例的另一方面，還提供了一種局部放電模式識(shí)別裝置，包括：獲取模塊，用于建立典型局部放電模型，并獲取各模型的局部放電信號(hào)；第一構(gòu)建模塊，用于根據(jù)各模型的局部放電信號(hào)構(gòu)建各模型的高維隨機(jī)矩陣；第二構(gòu)建模塊，用于根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識(shí)庫(kù)；確定模塊，用于基于知識(shí)庫(kù)，采用鄰近算法確定待識(shí)別局部放電信號(hào)的模式。

進(jìn)一步的，譜分布特性包括各模型的高維隨機(jī)矩陣的特征根的譜分布圓環(huán)的平均譜半徑。

進(jìn)一步的，確定模塊，包括：選取模塊，用于從知識(shí)庫(kù)中采用歐式距離算法選取與待識(shí)別局部放電信號(hào)的平均譜半徑最近的K個(gè)局部放電信號(hào)；確定子模塊，用于確定K個(gè)局部放電信號(hào)中多數(shù)局部放電信號(hào)的模式，得到待識(shí)別局部放電信號(hào)的模式。

進(jìn)一步的，獲取模塊的具體實(shí)施包括：建立典型局部放電模型，并使用超高頻傳感器獲取各模型的局部放電信號(hào)。

進(jìn)一步的，典型局部放電模型包括：板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型。

在本發(fā)明實(shí)施例中，通過(guò)建立典型局部放電模型，并獲取各模型的局部放電信號(hào)；根據(jù)各模型的局部放電信號(hào)構(gòu)建各模型的高維隨機(jī)矩陣；根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識(shí)庫(kù)；基于知識(shí)庫(kù)，采用鄰近算法確定待識(shí)別局部放電信號(hào)的模式，達(dá)到了確定待識(shí)別局部放電信號(hào)的模式的目的，并且識(shí)別效率和準(zhǔn)確率高，用時(shí)短，能夠?qū)ο隳c檢測(cè)結(jié)果缺陷識(shí)別提供極大地幫助，進(jìn)而解決了現(xiàn)有技術(shù)中對(duì)局部放電的模式識(shí)別率高并且抗干擾性差的技術(shù)問(wèn)題。

附圖說(shuō)明

此處所說(shuō)明的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：

圖1是根據(jù)本發(fā)明實(shí)施例1的一種局部放電模式識(shí)別方法的流程圖；

圖2是根據(jù)本發(fā)明實(shí)施例1的板板放電模型示意圖；

圖3是根據(jù)本發(fā)明實(shí)施例1的懸浮電極放電模型示意圖；

圖4是根據(jù)本發(fā)明實(shí)施例1的氣隙放電模型示意圖；

圖5是根據(jù)本發(fā)明實(shí)施例1的高壓沿面放電模型示意圖；

圖6是根據(jù)本發(fā)明實(shí)施例1的電暈放電模型示意圖；

圖7是根據(jù)本發(fā)明實(shí)施例1的油隙放電模型示意圖；

圖8是根據(jù)本發(fā)明實(shí)施例1的針對(duì)板板放電模型的局部放電信號(hào)的高維隨機(jī)矩陣示意圖；

圖9是根據(jù)本發(fā)明實(shí)施例1的板板放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖10是根據(jù)本發(fā)明實(shí)施例1的懸浮電極放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖11是根據(jù)本發(fā)明實(shí)施例1的氣隙放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖12是根據(jù)本發(fā)明實(shí)施例1的高壓沿面放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖13是根據(jù)本發(fā)明實(shí)施例1的電暈放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；

圖14是根據(jù)本發(fā)明實(shí)施例1的油隙放電模型的高維隨機(jī)矩陣的特征根的譜分布示意圖；以及

圖15是根據(jù)本發(fā)明實(shí)施例2的一種局部放電模式識(shí)別裝置的結(jié)構(gòu)圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

需要說(shuō)明的是，本發(fā)明的說(shuō)明書(shū)和權(quán)利要求書(shū)及上述附圖中的術(shù)語(yǔ)“第一”、“第二”等是用于區(qū)別類(lèi)似的對(duì)象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實(shí)施例能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤?。此外，術(shù)語(yǔ)“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過(guò)程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒(méi)有清楚地列出的或?qū)τ谶@些過(guò)程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。

實(shí)施例1

根據(jù)本發(fā)明實(shí)施例，提供了一種局部放電模式識(shí)別方法的方法實(shí)施例，需要說(shuō)明的是，在附圖的流程圖示出的步驟可以在諸如一組計(jì)算機(jī)可執(zhí)行指令的計(jì)算機(jī)系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。

圖1是根據(jù)本發(fā)明實(shí)施例的局部放電模式識(shí)別方法，如圖1所示，該方法包括如下步驟：

步驟S102，建立典型局部放電模型，并獲取各模型的局部放電信號(hào)。

步驟S104，根據(jù)各模型的局部放電信號(hào)構(gòu)建各模型的高維隨機(jī)矩陣。

步驟S106，根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識(shí)庫(kù)。

步驟S108，基于知識(shí)庫(kù)，采用鄰近算法確定待識(shí)別局部放電信號(hào)的模式。

在本發(fā)明實(shí)施例中，通過(guò)建立典型局部放電模型，并獲取各模型的局部放電信號(hào)；根據(jù)各模型的局部放電信號(hào)構(gòu)建各模型的高維隨機(jī)矩陣；根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識(shí)庫(kù)；基于知識(shí)庫(kù)，采用鄰近算法確定待識(shí)別局部放電信號(hào)的模式，達(dá)到了確定待識(shí)別局部放電信號(hào)的模式的目的，并且識(shí)別效率和準(zhǔn)確率高，用時(shí)短，能夠?qū)ο隳c檢測(cè)結(jié)果缺陷識(shí)別提供極大地幫助，進(jìn)而解決了現(xiàn)有技術(shù)中對(duì)局部放電的模式識(shí)別率高并且抗干擾性差的技術(shù)問(wèn)題。

在一種可選的實(shí)施例中，典型局部放電模型包括：板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型。

具體的，板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型的示意圖分別如圖2-7所示。

在一種可選的實(shí)施例中，步驟S104中根據(jù)各模型的局部放電信號(hào)構(gòu)建各模型的高維隨機(jī)矩陣的具體實(shí)施可以是：

針對(duì)局部放電信號(hào)構(gòu)建高維隨機(jī)矩陣，可以利用單位時(shí)間間隔Δt的數(shù)據(jù)向量來(lái)生成矩陣X，其表達(dá)式如下式所示，圖8是針對(duì)板板放電模型的局部放電信號(hào)的高維隨機(jī)矩陣示意圖；

其中，上式中X是N×T隨機(jī)矩陣，可以通過(guò)改變采樣頻率和采樣時(shí)長(zhǎng)來(lái)調(diào)整矩陣X的行列數(shù)比值，以保證矩陣X滿(mǎn)足隨機(jī)矩陣?yán)碚摲治龅囊?。?duì)矩陣的乘積其中Xi是N×n獨(dú)立同分布的非厄米特隨機(jī)方陣的奇異值等價(jià)矩陣，則Z的經(jīng)驗(yàn)譜密度將收斂于：

當(dāng)N,n→∞和c＝N/n≤1，在復(fù)平面表示下，特征根將處于內(nèi)圈半徑為(1-c)^α/2外圓半徑為1的圓環(huán)內(nèi)。其中，是一個(gè)Harr矩陣。

在一種可選的實(shí)施例中，譜分布特性包括各模型的高維隨機(jī)矩陣的特征根的譜分布圓環(huán)的平均譜半徑。

具體的，由局部放電信號(hào)產(chǎn)生的時(shí)間序列，通過(guò)構(gòu)造為滿(mǎn)足一定要求的高維矩陣后，理論上已證明其特征根呈環(huán)狀分布，現(xiàn)選取六類(lèi)放電波形的譜分布圓環(huán)的平均譜半徑(MSR，Mean Spectral radius)為放電類(lèi)型識(shí)別的特征量：

其中，|λ_Z|表示λ_Z在復(fù)平面的半徑。

在一種可選的實(shí)施例中，步驟S108，包括：

步驟S202，從知識(shí)庫(kù)中采用歐式距離算法選取與待識(shí)別局部放電信號(hào)的平均譜半徑最近的K個(gè)局部放電信號(hào)。

步驟S204，確定K個(gè)局部放電信號(hào)中多數(shù)局部放電信號(hào)的模式，得到待識(shí)別局部放電信號(hào)的模式。

具體的，鄰近算法也就是K近鄰算法，是一種簡(jiǎn)單的機(jī)器學(xué)習(xí)算法，即給定一個(gè)訓(xùn)練數(shù)據(jù)集，對(duì)新的輸入實(shí)例，在訓(xùn)練數(shù)據(jù)集中找到與該實(shí)例最鄰近的K個(gè)實(shí)例，這K個(gè)實(shí)例的多數(shù)屬于某個(gè)類(lèi)，就把該輸入實(shí)例分類(lèi)到這個(gè)類(lèi)。K值的選擇，距離度量和分類(lèi)決策規(guī)則是該算法的三個(gè)基本要素。距離度量在本實(shí)驗(yàn)中選擇歐氏距離，即對(duì)于任意兩類(lèi)信號(hào)的10個(gè)波形的圓環(huán)譜分布，其MSR的歐式距離為d(κ_1iMSR，κ_2iMSR)：

在一種可選的實(shí)施例中，對(duì)于新輸入波形的MSR，可以在60個(gè)波形(每類(lèi)局部放電信號(hào)各十個(gè)波形)的譜分布知識(shí)庫(kù)中挑出與其最近的K個(gè)MSR，然后看這K個(gè)MSR多數(shù)屬于哪一類(lèi)，則把新輸入的波形歸為該類(lèi)局部放電信號(hào)，實(shí)驗(yàn)結(jié)果表明K取3時(shí)，識(shí)別效果最好。

上述實(shí)施例本發(fā)明采用KNN算法，識(shí)別不同放電信號(hào)的隨機(jī)矩陣譜分布，進(jìn)而實(shí)現(xiàn)對(duì)不同類(lèi)型局部放電信號(hào)的識(shí)別。

在一種可選的實(shí)施例中，步驟S102，包括：建立典型局部放電模型，并使用超高頻傳感器獲取各模型的局部放電信號(hào)。

在一種可選的實(shí)施例中，可以利用放電模型產(chǎn)生六種局部放電信號(hào)，并采集相應(yīng)的特高頻信號(hào)各10組，本實(shí)驗(yàn)利用放電信號(hào)的多脈沖波形進(jìn)行譜分析，利用示波器的順序采集模式可以得到放電信號(hào)的多脈沖波形，所謂多脈沖波形即為采集多個(gè)脈沖且只對(duì)放電脈沖附近若干點(diǎn)進(jìn)行采集，示波器的設(shè)置為(500mv/div，200ns，1G/S，順序采集模式，300段脈沖)，在此設(shè)置下，每個(gè)脈沖采集了200*10-9s*1G/s＝2000個(gè)點(diǎn)，一個(gè)完整的多脈沖波形共采集了300*2000＝600000個(gè)點(diǎn)，分別構(gòu)造每種局部放電特高頻信號(hào)的600*1000維隨機(jī)矩陣Z。圖9-14給出了板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型所生成的高維矩陣Z的特征根譜分布情況，從圖中可看出其特征根很明顯呈現(xiàn)圓環(huán)分布的特點(diǎn)，且每個(gè)圓環(huán)的內(nèi)徑大小不同，環(huán)內(nèi)的譜分布疏密也有自身的特點(diǎn)?？梢苑謩e采集每類(lèi)放電波形50個(gè)，構(gòu)造相應(yīng)的高維隨機(jī)矩陣進(jìn)行譜分析，并將提取的特征量輸入訓(xùn)練好的K-近鄰識(shí)別算法進(jìn)行識(shí)別，識(shí)別結(jié)果為：針對(duì)板板放電，識(shí)別35個(gè)，識(shí)別率為70％，針對(duì)懸浮電極放電，識(shí)別43個(gè)，識(shí)別率為86％，針對(duì)氣隙放電，識(shí)別44個(gè)，識(shí)別率為88％，針對(duì)高壓沿面放電，識(shí)別43個(gè)，識(shí)別率為86％，針對(duì)電暈放電，識(shí)別44個(gè)，識(shí)別率為88％，針對(duì)油隙放電，識(shí)別38個(gè)，識(shí)別率為76％，由上可知，本發(fā)明對(duì)常見(jiàn)的六種缺陷進(jìn)行實(shí)驗(yàn)驗(yàn)證，平均識(shí)別率均在85％以上，對(duì)現(xiàn)場(chǎng)檢測(cè)結(jié)果缺陷識(shí)別提供了很大幫助，縮短了分析時(shí)間，提高了分析效率和準(zhǔn)確率。

實(shí)施例2

根據(jù)本發(fā)明實(shí)施例，提供了一種局部放電模式識(shí)別裝置的產(chǎn)品實(shí)施例，圖15是根據(jù)本發(fā)明實(shí)施例的局部放電模式識(shí)別裝置，如圖15所示，該裝置包括獲取模塊、第一構(gòu)建模塊、第二構(gòu)建模塊和確定模塊。

其中，獲取模塊，用于建立典型局部放電模型，并獲取各模型的局部放電信號(hào)；第一構(gòu)建模塊，用于根據(jù)各模型的局部放電信號(hào)構(gòu)建各模型的高維隨機(jī)矩陣；第二構(gòu)建模塊，用于根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識(shí)庫(kù)；確定模塊，用于基于知識(shí)庫(kù)，采用鄰近算法確定待識(shí)別局部放電信號(hào)的模式。

在本發(fā)明實(shí)施例中，通過(guò)獲取模塊建立典型局部放電模型，并獲取各模型的局部放電信號(hào)；第一構(gòu)建模塊根據(jù)各模型的局部放電信號(hào)構(gòu)建各模型的高維隨機(jī)矩陣；第二構(gòu)建模塊根據(jù)各模型的高維隨機(jī)矩陣的特征根的譜分布特性構(gòu)建知識(shí)庫(kù)；確定模塊基于知識(shí)庫(kù)，采用鄰近算法確定待識(shí)別局部放電信號(hào)的模式，達(dá)到了確定待識(shí)別局部放電信號(hào)的模式的目的，并且識(shí)別效率和準(zhǔn)確率高，用時(shí)短，能夠?qū)ο隳c檢測(cè)結(jié)果缺陷識(shí)別提供極大地幫助，進(jìn)而解決了現(xiàn)有技術(shù)中對(duì)局部放電的模式識(shí)別率高并且抗干擾性差的技術(shù)問(wèn)題。

在一種可選的實(shí)施例中，譜分布特性包括各模型的高維隨機(jī)矩陣的特征根的譜分布圓環(huán)的平均譜半徑。

在一種可選的實(shí)施例中，確定模塊，包括選取模塊和確定子模塊。

其中，選取模塊，用于從知識(shí)庫(kù)中采用歐式距離算法選取與待識(shí)別局部放電信號(hào)的平均譜半徑最近的K個(gè)局部放電信號(hào)；確定子模塊，用于確定K個(gè)局部放電信號(hào)中多數(shù)局部放電信號(hào)的模式，得到待識(shí)別局部放電信號(hào)的模式。

在一種可選的實(shí)施例中，獲取模塊的具體實(shí)施包括：建立典型局部放電模型，并使用超高頻傳感器獲取各模型的局部放電信號(hào)。

在一種可選的實(shí)施例中，典型局部放電模型包括：板板放電模型、懸浮電極放電模型、氣隙放電模型、高壓沿面放電模型、電暈放電模型和油隙放電模型。

上述本發(fā)明實(shí)施例序號(hào)僅僅為了描述，不代表實(shí)施例的優(yōu)劣。

在本發(fā)明的上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒(méi)有詳述的部分，可以參見(jiàn)其他實(shí)施例的相關(guān)描述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的技術(shù)內(nèi)容，可通過(guò)其它的方式實(shí)現(xiàn)。其中，以上所描述的裝置實(shí)施例僅僅是示意性的，例如所述單元的劃分，可以為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，單元或模塊的間接耦合或通信連接，可以是電性或其它的形式。

所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以?xún)蓚€(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷(xiāo)售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可為個(gè)人計(jì)算機(jī)、服務(wù)器或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、只讀存儲(chǔ)器(ROM，Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、移動(dòng)硬盤(pán)、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。