风电场最大频率阻尼系数计算方法、装置、设备及介质

摘要

本发明公开了风电场最大频率阻尼系数计算方法、装置、设备及介质，通过测量运行中风电场的实时风速；将所述实时风速和预设的风机极限转速约束输入到预先建立的升维线性模型中进行计算，将计算的最大整体下垂系数作为所述风电场的最大频率阻尼系数输出；所述升维线性模型包括作为输入的最终转速和风速，以及作为输出的整体下垂系数的一一对应关系。能够快速、高精度地实现风电场最大频率阻尼系数评估。

权利要求

1.一种风电场最大频率阻尼系数计算方法，其特征在于，所述方法包括：测量运行中风电场的实时风速；

将所述实时风速和预设的风机极限转速约束输入到预先建立的升维线性模型中进行计算，将计算的最大整体下垂系数作为所述风电场的最大频率阻尼系数输出；所述升维线性模型包括作为输入的最终转速和风速，以及作为输出的整体下垂系数的一一对应关系；

所述升维线性模型构建过程具体包括：

获得风电场参与调频过程后各风机转子的运行数据，将每次的运行数据作为数据集中的一个样本数据，所述运行数据包括风电场的最终转速、整体下垂系数和风速；

将所述数据集中的样本分为输入样本和输出样本；

将输入样本进行升维，得到升维后的输入样本；

根据升维后的输入样本和所述输出样本构建最小二乘计算所需的升维后的输入样本集和输出样本集；

通过最小二乘训练所述升维线性模型中的线性训练矩阵，得到所述升维线性模型；

所述最大频率阻尼系数 ；

其中，M为所述升维线性模型中的线性训练矩阵， 为所述实时风速，为所述风机极限转速约束， 为在 和

基础上升维扩展所得到的向量。

2.如权利要求1所述的风电场最大频率阻尼系数计算方法，其特征在于，所述输入样本中第i个样本数据 ；

采用所述数据集中第i个样本数据的整体下垂系数ki作为所述输出样本中第i个样本数据；

其中， 为第i个样本数据中的风电场一次调频过程后的转速， 为第i个样本数据中的风电场的风速。

3.如权利要求1所述的风电场最大频率阻尼系数计算方法，其特征在于，所述输入样本集 ；

所述输出样本集 ；

其中，ki为所述输出样本中第i个样本数据，  ，i=1,2,…,n，n为所述数据集中样本数据数量，ψ（Xi）为升维后的输入样本中第i个样本数据  中由 升维扩展得到的向量，其中的第j维 ，cj为与输入样本Xi相同维度的基底向量。

4.如权利要求1所述的风电场最大频率阻尼系数计算方法，其特征在于，所述线性训练矩阵为 ；

所述升维线性模型为：

；

其中， 为输入样本集 的矩阵转置， 为 的矩阵伪逆，Y为输出样本集， 为风电机一次调频后最终转速， 为风电场的风速， 为在和 基础上升维扩展得到的向量。

5.如权利要求1所述的风电场最大频率阻尼系数计算方法，其特征在于，所述方法还包括：将所述实时风速、所述风机极限转速约束和所述最大频率阻尼系数上传电网调度中心，作为所述升维线性模型训练的样本数据。

6.一种风电场最大频率阻尼系数计算装置，其特征在于，所述装置包括：风速测量模块，用于测量运行中风电场的实时风速；

计算模块，用于将所述实时风速和预设的风机极限转速约束输入到预先建立的升维线性模型中进行计算，将计算的最大整体下垂系数作为所述风电场的最大频率阻尼系数输出；所述升维线性模型包括作为输入的最终转速和风速，以及作为输出的整体下垂系数的一一对应关系；

所述计算模块构建升维线性模型的具体包括：获得风电场参与调频过程后各风机转子的运行数据，将每次的运行数据作为数据集中的一个样本数据，所述运行数据包括风电场的最终转速、整体下垂系数和风速；

将所述数据集中的样本分为输入样本和输出样本；

将输入样本进行升维，得到升维后的输入样本；

根据升维后的输入样本和所述输出样本构建最小二乘计算所需的升维后的输入样本集和输出样本集；

所述最大频率阻尼系数 ；

其中，M为所述升维线性模型中的线性训练矩阵， 为所述实时风速，为所述风机极限转速约束， 为在 和

基础上升维扩展所得到的向量。

7.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的风电场最大频率阻尼系数计算方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5中任意一项所述的风电场最大频率阻尼系数计算方法。

说明书

风电场最大频率阻尼系数计算方法、装置、设备及介质

技术领域

[0001] 本发明涉及电力系统技术领域，尤其涉及风电场最大频率阻尼系数计算方法、装置、设备及介质。

背景技术

[0002] 风电机组大多通过电力电子逆变器装置并网，且其转速与系统频率处于解耦状态，不具备天然惯性，大规模接入电网替代火电机组会导致系统惯性下降，无法及时对系统频率变化做出快速有效的响应。风电机组可通过模拟同步发电机参与一次调频时的下垂特性和惯性特性进行调频，风电场作为并网主体，在一次调频期间需要整体模拟常规电站的下垂特性，满足并网导则。采用电力电子变换器输出调节方法，通过调节变流器的有功功率设定值，利用风机桨叶中存储的动能可以参与一次调频。但该控制方法会造成风机转速变化，影响安全运行，因此需要合理分配风机功率以保证各风机运行安全。为了保证各风机转速安全，在参与一次调频前，首先需要评估调频能力，计算自身的极限下垂斜率进行上报，然后根据电网反馈的指令执行调节。

[0003] 然而，由于风电场中风机数量多，动态特性复杂，调频能力评估模型是高维非线性微分代数方程组，难以精确解析求解。并且在不同风速状态下，需要重新进行仿真计算方能确定调频能力，计算周期较长，计算结果的精度较差。

发明内容

[0004] 针对上述缺陷，本发明提供风电场最大频率阻尼系数计算方法、装置、设备及介质，能够快速、高精度地实现风电场最大频率阻尼系数评估。

[0005] 本发明实施例提供一种风电场最大频率阻尼系数计算方法，所述方法包括：

[0006] 测量运行中风电场的实时风速；

[0007] 将所述实时风速和预设的风机极限转速约束输入到预先建立的升维线性模型中进行计算，将计算的最大整体下垂系数作为所述风电场的最大频率阻尼系数输出；所述升维线性模型包括作为输入的最终转速和风速，以及作为输出的整体下垂系数的一一对应关系。

[0008] 优选地，所述升维线性模型构建过程具体包括：

[0009] 获得风电场参与调频过程后各风机转子的运行数据，将每次的运行数据作为数据集中的一个样本数据，所述运行数据包括风电场的最终转速、整体下垂系数和风速；

[0010] 将所述数据集中的样本分为输入样本和输出样本；

[0011] 将输入样本进行升维，得到升维后的输入样本；

[0012] 根据升维后的输入样本和所述输出样本构建最小二乘计算所需的升维后的输入样本集和输出样本集；

[0013] 通过最小二乘训练所述升维线性模型中的线性训练矩阵，得到所述升维线性模型。

[0014] 作为一种优选方案，其特征在于，所述输入样本中第i个样本数据 ；

[0015] 采用所述数据集中第i个样本数据的整体下垂系数ki作为所述输出样本中第i个样本数据；

[0016] 其中， 为第i个样本数据中的风电场一次调频过程后的转速， 为第i个样本数据中的风电场的风速。

[0017] 优选地，所述输入样本集 ；

[0018] 所述输出样本集 ；

[0019] 其中其中，ki为所述输出样本中第i个样本数据， ，i=1,2,…,n，n为所述数据集中样本数据数量，ψ（Xi）为升维后的输入样本中第i个样本数据 中由升维扩展得到的向量，其中的第j维 ，cj为与输入样本
Xi相同维度的基底向量。

[0020] 作为一种优选方案，所述线性训练矩阵为 ；

[0021] 所述升维线性模型为：

[0022] ；

[0023] 其中， 为输入样本集 的矩阵转置， 为 的矩阵伪逆，Y为输出样本集， 为风电机一次调频后最终转速， 为风电场的风速， 为
在 和 基础上升维扩展得到的向量。

[0024] 优选地，所述最大频率阻尼系数 ；

[0025] 其中，M为所述升维线性模型中的线性训练矩阵， 为所述实时风速，为所述风机极限转速约束， 为在 和基础上升维扩展所得到的向量。

[0026] 作为一种优选方案，所述方法还包括：

[0027] 将所述实时风速、所述风机极限转速约束和所述最大频率阻尼系数上传电网调度中心，作为所述升维线性模型训练的样本数据。

[0028] 本发明实施例还提供一种风电场最大频率阻尼系数计算装置，所述装置包括：

[0029] 风速测量模块，用于测量运行中风电场的实时风速；

[0030] 计算模块，用于将所述实时风速和预设的风机极限转速约束输入到预先建立的升维线性模型中进行计算，将计算的最大整体下垂系数作为所述风电场的最大频率阻尼系数输出；所述升维线性模型包括作为输入的最终转速和风速，以及作为输出的整体下垂系数的一一对应关系。

[0031] 优选地，所述计算模块构建升维线性模型的具体包括：

[0032] 获得风电场参与调频过程后各风机转子的运行数据，将每次的运行数据作为数据集中的一个样本数据，所述运行数据包括风电场的最终转速、整体下垂系数和风速；

[0033] 将所述数据集中的样本分为输入样本和输出样本；

[0034] 将输入样本进行升维，得到升维后的输入样本；

[0035] 根据升维后的输入样本和所述输出样本构建最小二乘计算所需的升维后的输入样本集和输出样本集；

[0036] 通过最小二乘训练所述升维线性模型中的线性训练矩阵，得到所述升维线性模型。

[0037] 作为上述方案的改进，所述输入样本中第i个样本数据 ；

[0038] 采用所述数据集中第i个样本数据的整体下垂系数ki作为所述输出样本中第i个样本数据；

[0039] 其中， 为第i个样本数据中的风电场一次调频过程后的转速， 为第i个样本数据中的风电场的风速。

[0040] 优选地，所述输入样本集 ；

[0041] 所述输出样本集 ；

[0042] 其中，其中，ki为所述输出样本中第i个样本数据， ，i=1,2,…,n，n为所述数据集中样本数据数量，ψ（Xi）为升维后的输入样本中第i个样本数据 中由升维扩展得到的向量，其中的第j维 ，cj为与输入样本Xi相同维度的基底向量。

[0043] 作为一种优选方案，所述线性训练矩阵为 ；

[0044] 所述升维线性模型为：

[0045] ；

[0046] 其中， 为输入样本集 的矩阵转置， 为 的矩阵伪逆，Y为输出样本集， 为风电机一次调频后最终转速， 为风电场的风速，
为在 和 基础上升维扩展得到的向量。

[0047] 优选地，所述最大频率阻尼系数 ；

[0048] 其中，M为所述升维线性模型中的线性训练矩阵， 为所述实时风速，为所述风机极限转速约束， 为在 和 基础上升维扩展得到的向量。

[0049] 作为一种优选方案，所述方法还包括：

[0050] 将所述实时风速、所述风机极限转速约束和所述最大频率阻尼系数上传电网调度中心，作为所述升维线性模型训练的样本数据。

[0051] 本发明实施例还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例中任意一项所述的风电场最大频率阻尼系数计算方法。

[0052] 本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例中任意一项所述的风电场最大频率阻尼系数计算方法。

[0053] 本发明提供的风电场最大频率阻尼系数计算方法、装置、设备及介质，通过测量运行中风电场的实时风速；将所述实时风速和预设的风机极限转速约束输入到预先建立的升维线性模型中进行计算，将计算的最大整体下垂系数作为所述风电场的最大频率阻尼系数输出；所述升维线性模型包括作为输入的最终转速和风速，以及作为输出的整体下垂系数的一一对应关系。能够快速、高精度的实现风电场最大频率阻尼系数评估。

附图说明

[0054] 图1是本发明实施例提供一种风电场最大频率阻尼系数计算方法的流程示意图；

[0055] 图2是本发明实施例提供的一种风电场最大频率阻尼系数计算装置的结构示意图；

[0056] 图3是本发明实施例提供的一种终端设备的结构示意图。

具体实施方式

[0057] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0058] 参见图1，是本发明实施例提供一种风电场最大频率阻尼系数计算方法的流程示意图，所述方法包括步骤S1 S2：~

[0059] S1，测量运行中风电场的实时风速；

[0060] S2，将所述实时风速和预设的风机极限转速约束输入到预先建立的升维线性模型中进行计算，将计算的最大整体下垂系数作为所述风电场的最大频率阻尼系数输出；所述升维线性模型包括作为输入的最终转速和风速，以及作为输出的整体下垂系数的一一对应关系。

[0061] 在本实施例具体实施时，通过风电场的数据监控平台，记录风电场历史上参与一次调频的各次数据，根据调频过程后各风机转子最终的转速以及风电场的风速的数据作为输入样本，将风电场整体下垂系数作为输出样本，进行训练，构建包括作为输入的最终转速和风速，以及作为输出的整体下垂系数的一一对应关系的升维线性模型。

[0062] 得到升维线性模型之后，测量运行中风电场的实时风速，并将实时风速和预设的风机极限转速约束输入到所述升维线性模型中进行计算，计算得到最大整体下垂系数，将得到的最大整体下垂系数作为所述风电场的最大频率阻尼系数输出。

[0063] 在线评估过程仅需要风速测量，且计算速度极快，能够满足在线评估的时间要求。避免了对模型参数的依赖，在风电场模型参数不完备或不精确的场景能够进行高精度的评估。

[0064] 在本发明提供的又一实施例中，所述升维线性模型构建过程具体包括：

[0065] 获得风电场参与调频过程后各风机转子的运行数据，将每次的运行数据作为数据集中的一个样本数据，所述运行数据包括风电场的最终转速、整体下垂系数和风速；

[0066] 将所述数据集中的样本分为输入样本和输出样本；

[0067] 将输入样本进行升维，得到升维后的输入样本；

[0068] 根据升维后的输入样本和所述输出样本构建最小二乘计算所需的升维后的输入样本集和输出样本集；

[0069] 通过最小二乘训练所述升维线性模型中的线性训练矩阵，得到所述升维线性模型。

[0070] 在本实施例具体实施时，通过风电场的数据监控平台，记录风电场参与调频的各次运行数据，将每次的运行数据作为数据集中的一个样本数据，所述运行数据包括：风机一次调频后最终转速和风电场整体下垂系数以及风电场的风速。将获取的运行数据存储在服务器中，记录的样本数据1000组，得到1000组样本数据构成的数据集。

[0071] 根据数据集构造用于数据驱动最小二乘模型拟合的训练样本集，将样本集中样本数据分为输入样本和输出样本；

[0072] 将输入样本进行升维，得到升维后的输入样本；

[0073] 根据升维后的输入样本和所述输出样本，构建最小二乘模型计算所需的升维后的输入样本集和输出样本集；

[0074] 通过最小二乘训练构建升维线性模型中的线性训练矩阵，构建得到的升维线性模型。

[0075] 本实施例利用风电场历史参与一次调频的数据训练得到的升维线性模型，进而在线评估调频能力，避免了对模型参数的依赖，在风电场模型参数不完备或不精确的场景能够进行高精度的评估。训练集不需要覆盖风机达到安全转速界限的场景，其即可构建全局模型，进而通过模型计算安全转速界限下评估结果，评估精确性和可靠性更强。

[0076] 在本发明提供的又一实施例中，所述输入样本中第i个样本数据 ；

[0077] 采用所述数据集中第i个样本数据的整体下垂系数作为所述输出样本中第i个样本数据的频率阻尼系数ki；

[0078] 其中， 为第i个样本数据中的风电场一次调频过程后的转速， 为第i个样本数据中的风电场的风速。

[0079] 在本实施例具体实施时，输入样本定义为：

[0080] ；

[0081] 其中，Xi代表输入样本中第i个样本数据， 为第i个样本数据中的风电场一次调频过程后的转速， 为第i个样本数据中的风电场的风速。

[0082] 所述输出样本中第i个样本数据 具体为第i个样本数据的整体下垂系数，即第i个样本中的频率阻尼系数。

[0083] 在本发明提供的又一实施例中，所述输入样本集 ；

[0084] 所述输出样本集 ；

[0085] 其中，其中，ki为所述输出样本中第i个样本数据， ，i=1,2,…,n，n为所述数据集中样本数据数量，ψ（Xi）为升维后的输入样本中第i个样本数据 中由升维扩展得到的向量，其中的第j维 ，cj为与输入样本Xi相同维度的基底向量。

[0086] 在本实施例具体实施时，将输入样本进行升维，得到升维后的输入样本，对于输入样本中第i个样本数据，其升维后的样本数据Xi,lift定义为：

[0087] ；

[0088] 其中，ψ（Xi）为升维后的输入样本中第i个样本数据 中由 升维扩展得到的向量，其中的第j维 ，cj为与输入样本Xi相同维度的基底向量，其取值完全随机。

[0089] 构造最小二乘计算所需的升维后的输入样本集和输出样本集，其中输入样本集定义为：

[0090] ；

[0091] 升维后的输出样本集定义为：

[0092] ；

[0093] 式中，ki为所述输出样本中第i个样本数据，i=1,2,…,n，n为所述数据集中样本数据数量。

[0094] 在本发明提供的又一实施例中，所述线性训练矩阵为 ；

[0095] 所述升维线性模型为：

[0096] ；

[0097] 其中， 为输入样本集 的矩阵转置， 为 的矩阵伪逆，Y为输出样本集， 为风电机一次调频后最终转速， 为风电场的风速，
为在 和 基础上升维扩展得到的向量。

[0098] 在本实施例具体实施时，通过最小二乘训练构建升维线性模型中的线性训练矩阵：

[0099] ；

[0100] 其中， 为输入样本集 的矩阵转置， 为 的矩阵伪逆，Y为输出样本集。

[0101] 构建得到的升维线性模型为：

[0102] ；

[0103] 其中， 为风电机一次调频后最终转速， 为风电场的风速， 为在 和 基础上升维扩展得到的向量。为

[0104] 在 本 发 明 提 供 的 又 一 实 施 例 中 ，所 述 最 大 频 率 阻 尼 系 数；

[0105] 其中，M为所述升维线性模型中的线性训练矩阵， 为所述实时风速，为所述风机极限转速约束， 为在 和基础上升维扩展所得到的向量。

[0106] 在本实施例具体实施时，测量实际运行中风电场的实时风速 ，根据风机极限转速约束 和所述升维线性模型，计算最大频率阻尼系数：

[0107] ；

[0108] 式中， 为在 和 基础上升维扩展所得到的向量，M为所述升维线性模型中的线性训练矩阵。

[0109] 在发明提供的又一实施例中，所述方法还包括：

[0110] 将所述实时风速、所述风机极限转速约束和所述最大频率阻尼系数上传电网调度中心，作为所述升维线性模型训练的样本数据。

[0111] 在本实施例具体实施时，风电场自身参数发生改变时，升维线性模型需要更新维护；

[0112] 将所述实时风速、所述风机极限转速约束和所述最大频率阻尼系数上传电网调度中心，作为升维线性模型训练的样本数据，重新进行模型训练，提高模型精度。

[0113] 本申请通过状态空间变换，利用数据驱动最小二乘训练构建阻尼系数与风机转速、风速之间的关系，利用升维线性模型在线量测风速，即可实现快速、高精度评估。

[0114] 本方发明实施例还提供一种风电场最大频率阻尼系数计算装置，参见图2，是本发明实施例提供的一种风电场最大频率阻尼系数计算装置的结构示意图，所述装置包括：

[0115] 风速测量模块，用于测量运行中风电场的实时风速；

[0116] 计算模块，用于将所述实时风速和预设的风机极限转速约束输入到预先建立的升维线性模型中进行计算，将计算的最大整体下垂系数作为所述风电场的最大频率阻尼系数输出；所述升维线性模型包括作为输入的最终转速和风速，以及作为输出的整体下垂系数的一一对应关系。

[0117] 需要说明的是，本发明实施例提供的所述风电场最大频率阻尼系数计算装置能够执行上述实施例中任意实施例所述的风电场最大频率阻尼系数计算方法，对风电场最大频率阻尼系数计算装置的具体功能在此不作赘述。

[0118] 参见图3，是本发明实施例提供的一种终端设备的结构示意图。该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如风电场最大频率阻尼系数计算程序。所述处理器执行所述计算机程序时实现上述各个风电场最大频率阻尼系数计算方法实施例中的步骤，例如图1所示的步骤S1 S2。或者，所述~处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能。

[0119] 示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如，所述计算机程序可以被分割成各个模块，各模块具体功能再次不作赘述。

[0120] 所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

[0121] 所称处理器可以是中央处理单元(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 Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field‑Programmable Gate Array，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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。

[0122] 所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

[0123] 其中，所述终端设备集成的模块/单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read‑Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。

[0124] 以上所述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，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。