电力数据漏点补全方法、装置、设备及可读存储介质与流程

1.本发明涉及电力数据处理技术领域，特别是涉及一种电力数据漏点补全方法、装置、设备以及计算机可读存储介质。


背景技术：

2.随着我国智能电网建设的全面展开，电力大数据应运而生，并成为电网智能化过程中不可或缺的一部分。而支持智能电网可靠运行的基础是电网全景实时数据采集、传输和存储，以及累积的海量多源电力数据分析。面对种类多体量大的结构化、半结构化和非结构化的电力数据往往不可避免地出现不同程度的缺失，而稳定可靠的电力数据，才能支持基于量测大数据的上层应用，缺失数据的存在不仅影响分析结果，也影响工作人员后续工作的有效开展。因此，对量测的数据进行有效的补全是一项有意义且棘手的工作。
3.目前常用的缺失数据补全方法是插补法，插补法有简单填充，均值填充，随机填充，回归模型填充，最近邻填充，随机森林填充法等；但无论哪种补全填充缺失数据的方法，都或多或少存在一定的局限性，导致补全后的电力数据可靠性差，影响智能电网的可靠运行。


技术实现要素：

4.本发明的目的是提供一种电力数据漏点补全方法、装置、设备以及计算机可读存储设备，有利于提升电力数据补全后的可靠性，提升只能电网运行的可靠性。
5.为解决上述技术问题，本发明提供一种电力数据漏点补全方法，包括：
6.遍历待补全电力数据，查询存在漏点数据的位置；
7.以预设窗口大小在历史电力数据库中选取多个历史数据窗口中的历史电力数据；
8.将每个所述历史数据窗口内的所述历史电力数据分别与所述漏点数据对应的邻近数据进行相似度运算，并获得相似度最高对应的历史数据窗口；其中，所述邻近数据为以所述漏点数据为中心所述预设窗口大小的窗口内除所述漏点数据之外的电力数据；
9.根据相似度最高对应的历史数据窗口中的历史电力数据，补全所述漏点数据对应位置的电力数据。
10.可选地，将每个所述历史数据窗口内的所述历史电力数据分别与所述漏点数据对应的邻近数据进行相似度运算，包括：
11.分别计算每个历史数据窗口内的所述历史电力数据的第一平均值、第一标准差以及第一向前差分倾度；
12.计算所述邻近数据的第二平均值、第二标准差以及第二向前差分倾度；
13.根据相似度计算所述邻近数据和每个历史数据窗口内的所述历史电力数据的相似度；其中，μ
i
、σ
i
、分别为第i个历史数据窗口
内的所述历史电力数据对应的所述第一平均值、所述第一标准差以及所述第一向前差分倾度；μ0、σ0、分别为所述第二平均值、所述第二标准差以及所述第二向前差分倾度；α、β、γ分别为第一权重值、第二权重值、第三权重值；i为正整数。
14.可选地，以预设窗口大小在历史电力数据库中选取多个历史数据窗口中的历史电力数据之后，对每个所述历史数据窗口中的历史电力数据进行相似度计算之前，还包括：
15.剔除首尾位置存在历史电力数据缺失对应的历史数据窗口；
16.计算所述第一向前差分倾度的过程包括：
17.根据向前差分倾度公式计算每个历史数据窗口对应的所述第一向前差分倾度；其中，为向前差分倾度；λ、η分别为同一个历史数据窗口内的第一个历史电力数据和最后一个历史电力数据。
18.可选地，以预设窗口大小在历史电力数据库中选取多个历史数据窗口中的历史电力数据之后，对每个所述历史数据窗口中的历史电力数据进行相似度计算之前，还包括：
19.剔除对应的历史电力数据的缺失率大于预设缺失率阈值的窗口。
20.可选地，确定所述预设窗口大小的过程包括：
21.根据当前存在漏点数据的位置对应的连续漏点数量n，以所述预设窗口大小和所述连续漏点数据n呈正相关设定所述预设窗口大小，且设定所述预设窗口大小不小于2n 1，其中n为正整数。
22.可选地，当所述预设窗口大小对应的窗口内电力数据的数量为2m，且所述连续漏点数量为2q 1时，则确定所述邻近数据过程包括：
23.根据所述预设窗口大小确定第一窗口对应的第一邻近数据和第二窗口对应的第二邻近数据；其中，连续漏点的电力数据中第q 1个漏点电力数据位于所述第一窗口的第m个位置点，且位于所述第二窗口的第m 1个位置点；其中，m为大于3的正整数，q为自然数；
24.相应地，根据相似度最高对应的历史数据窗口中的历史电力数据，补全所述漏点数据对应位置的电力数据，包括：
25.根据所述第一邻近数据对应的相似度最高的历史数据窗口中的历史电力数据确定第一补全数据；
26.根据所述第二邻近数据对应的相似度最高的历史数据窗口中的历史电力数据确定第二补全数据；
27.以所述第一补全数据和所述第二补全数据的平均值，补全所述漏点数据对应位置的电力数据。
28.可选地，确定当前存在漏点数据的位置对应的连续漏点数量之后，还包括：
29.当所述连续漏点数量大于预设数量阈值时，则发出告警。
30.本技术还提供了一种电力数据漏点补全装置，包括：
31.漏点查询模块，用于遍历待补全电力数据，查询存在漏点数据的位置；
32.历史数据模块，用于以预设窗口大小在历史电力数据库中选取多个历史数据窗口中的历史电力数据；
33.相似度运算模块，用于将每个历史数据窗口内的所述历史电力数据分别与所述漏点数据对应的邻近数据进行相似度运算，并获得相似度最高对应的历史数据窗口；其中，所述邻近数据为以所述漏点数据为中心所述预设窗口大小的窗口内除所述漏点数据之外的
电力数据；
34.漏点补全模块，用于根据相似度最高对应的历史数据窗口中的历史电力数据，补全所述漏点数据对应位置的电力数据。
35.本技术还提供了一种电力数据漏点补全设备，包括：
36.存储器，用于存储计算机程序；
37.处理器，用于执行所述计算机程序时实现如上任一项所述电力数据漏点补全方法的步骤。
38.本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质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如上任一项所述电力数据漏点补全方法的步骤。
39.本发明所提供的电力数据漏点补全方法，包括遍历待补全电力数据，查询存在漏点数据的位置；以预设窗口大小在历史电力数据库中选取多个历史数据窗口中的历史电力数据；将每个历史数据窗口中的历史电力数据分别与漏点数据对应的邻近数据进行相似度运算，并获得相似度最高对应的窗口；其中，邻近数据为以漏点数据为中心预设窗口大小的窗口内除漏点数据之外的电力数据；根据相似度最高对应的历史数据窗口中的历史电力数据，补全漏点数据对应位置的电力数据。
40.本技术中在对采集的电力数据中存在数据缺失的漏点数据进行补全时，依据电力数据存在一定的规律性和近似性，在历史电力数据库中确定出和漏点数据位置邻近的电力数据最为近似的一组历史电力数据作为补全漏点数据的依据来源，相对于插值法中仅仅依据缺失数据的邻近数据来估算补全漏点数据而言，本技术中依据近似的历史电力数据确定出的漏点数据更为准确有效，有利于保证后续依据补全后的电力数据进行电力信息分析的准确可靠性，并促进智能电网的可靠性运行。
41.本技术还提供了一种电力数据漏点补全装置、设备以及计算机可读存储介质，具有上述有益效果。
附图说明
42.为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1为本技术实施例提供的电力数据漏点补全方法的流程示意图；
44.图2为本技术实施例提供的电力数据漏点补全装置的框架示意图。
具体实施方式
45.电力数据属于典型的时序数据，按照固定的时间间隔进行数据采样。但是在实际应用中因采样设备故障、或存储数据设备故障等等原因，容易出现部分数据缺失的情况，缺失的数据也即是漏点数据。
46.插值法补全电力数据是目前较为常用的补全漏点数据的方式，其基本原理是依据漏点数据邻近的未缺失的电力数据对漏点数据进行估计，最终设定一个相对合理的漏点数
据。但是这种补全漏点数据方法，对于连续缺失的数据数量较少的漏点数据补全更准确，一旦连续缺失的数据较多，则难以保证补全数据的准确性。
47.为此，本技术中考虑到用户使用用电设备一般都存在一定的规律性和重复性，例如夏天总是下班回家的时间段开空调，工厂总是开工时用电激增等。相应地，针对存在一定规律的用电情况的电力数据也必然存在一定的规律性，例如针对夏日下班时间点采集的用户的用电数据就存在非常强的近似性。那么在历史用电曲线中总是可以找到一段用户用电曲线与需要补全的那段用电曲线基本一致。
48.本技术中基于上述原理，在对缺失数据补全时即可依据近似度较高的历史用电曲线实现数据补全，保证数据补全的准确可靠性。
49.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。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做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。
50.如图1所示，图1为本技术实施例提供的电力数据漏点补全方法的流程示意图，该方法可以包括：
51.s11：遍历待补全电力数据，查询存在漏点数据的位置。
52.和常规的电力数据相同，本实施例中的待补全电力数据也是按照固定时间间隔采集的时序数据。在遍历漏点数据时，可以依据各个电力数据采集的时间点先后顺序依次遍历各个电力数据，一旦发现存在出现漏点数据的位置，即对该漏点数据的位置进行数据补全。
53.例如采集获得一组电力数据为a1、a2、a3、a4、a5、a6、a7、a8、a9、a10、a11、a12。其中。a4、a7、a8、a9均缺失，则该组电力数据就存在两个缺失漏点数据的位置点，一个位置点缺失的漏点数据为a4，连续缺失漏点数据数量为1；第二个位置缺失的漏点数据为a7、a8、a9，连续缺失漏点数据数量为3。
54.s12：以预设窗口大小在历史电力数据库中选取多个历史数据窗口中的历史电力数据。
55.本实施例中的预设窗口大小可以视为时间段窗口，该预设窗口大小可以基于连续缺失的漏点数据的数量确定，漏点数据数量越大，该预设窗口大小越大。至少该预设窗口大小应当不小于2n 1，其中n为表示连续缺失的漏点数据数量的正整数。
56.在选取多个历史数据窗口中的历史电力数据时，可以通过滑动窗口的方式选取，例如存在一组历史电力数据为a1、a2、a3、a4、a5、a6、a7、a8、a9、a10、a11、a12。
57.设定的预设窗口大小恰好等于连续采集5个电力大小的时长，由此即可确定8个历史数据窗口对应的8组历史电力数据，分别为：
58.第一个窗口：a1、a2、a3、a4、a5；
59.第二个窗口：a2、a3、a4、a5、a6；
60.第三个窗口：a3、a4、a5、a6、a7；
61.第四个窗口：a4、a5、a6、a7、a8；
62.第五个窗口：a5、a6、a7、a8、a9；
63.第六个窗口：a6、a7、a8、a9、a10；
64.第七个窗口：a7、a8、a9、a10、a11；
65.第八个窗口：a8、a9、a10、a11、a12。
66.因为各个历史数据窗口的历史电力数据要作为缺失的漏点数据补全的依据，因此各个历史数据窗口中的历史电力数据的可靠性相对较为重要。本实施例中的历史电力数据为在此之前实际采集原电力数据，显然其中也不可避免的存在数据缺失。为此，在本技术的可选的实施例中，还可以进一步地将对应的历史电力数据存在缺失的历史数据窗口进行剔除。例如可以设定一个预设缺失率阈值，当历史数据窗口内对应的历史电力数据的缺失率大于该预设缺失率阈值则可以直接将该历史数据窗口剔除。
67.例如该预设缺失率阈值可以设定为30％，若上述8个历史数据窗口中恰好a6、a7、a8三个历史数据都缺失，显然，第四个窗口、第五个窗口、第六个窗口的历史数据缺失率均为60％；第三个窗口和第七个窗口的历史数据缺失率均为40％；而第二个窗口和第八个窗口的历史数据缺失率均为20％，第一个窗口的历史数据缺失率均为0；由此即可仅保留第一个窗口、第二个窗口和第八个窗口。
68.当然，在实际应用过程中，也可以直接将该历史缺失阈值设置为0，也即是存在历史电力数据的历史数据窗口全部剔除，从而进一步地保证作为补全缺失电力数据的样本的历史电力数据的准确可靠性。
69.另外，当连续缺失的漏点数据的数量过多时，显然对应的预设窗口大小也需要设定为一个较大的历史数据窗口，但实际上连续缺失漏点数据数量过多时，无论如何进行数据补全，该补全后的电力数据都是不可靠的，因此，在实际应用中连续缺失的电力数据如果数量过多，导致预设窗口大小过大时，可以直接发出告警。
70.此外，如前所述，连续漏点数据数量越多，对应的需要设定的预设窗口大小越大。为了简化运算，可以先将所有的待补全电力数据进行遍历，并将连续漏点数据数量相同的漏点位置采用相同的预设窗口大小，获得多个历史数据窗口的历史电力数据，并在同一预设窗口大小对应的多个历史数据窗口中确定出每个漏点位置对应的相似度最高的历史数据窗口，以实现漏点位置的电力数据补全。
71.s13：将每个历史数据窗口内的历史电力数据分别与漏点数据对应的邻近数据进行相似度运算，并获得相似度最高对应的窗口。
72.其中，邻近数据为以漏点数据为中心预设窗口大小的窗口内除漏点数据之外的电力数据。
73.需要说明的是，确定邻近数据是指和漏点数据前后相互邻近的多个电力数据。如前所述，对于漏点数据a4而言，通过预设窗口大小分割出包括漏点数据在内的5个电力数据的窗口，则该窗口中除了漏点数据a4之外的电力数据a2、a3、a5、a6即为对应的邻近数据。
74.可以理解的时，在基于预设窗口大小的窗口分割漏点数据对应的邻近数据时，该漏点数据应当尽可以的位于窗口的中心位置。
75.如前所述，基于预设窗口大小，可以在历史电力数据库中分割出多个历史数据窗口对应的历史电力数据。为此，可以将每个历史数据窗口中的历史电力数据和漏点数据对应的邻近数据之间进行相似度运算，从而确定出对应的历史电力数据变化规律和漏点数据对应的邻近数据变化规律最为近似的历史数据窗口。
76.s14：根据相似度最高对应的历史数据窗口中的历史电力数据，补全漏点数据对应
位置的电力数据。
77.在确定出对应的历史电力数据变化规律和邻近数据变化规律最为近似的历史数据窗口之后，即可将该历史数据窗口中的历史电力数据作为确定漏点数据的样本数据，实现漏点数据的补全。
78.对于漏点数据的补全方法可以存在多种。例如，可以直接对历史电力数据进行线性拟合，确定历史电力数据随采集时间变化的第一线性拟合方程的斜率；以该斜率为依据，对邻近数据拟合满足该斜率的第二线性拟合方程，最终以漏点数据满足该第二线性拟合方程为依据，确定漏点数据对应的补全的电力数据。
79.还例如，可以计算历史数据窗口中历史电力数据和对应位置的邻近数据的差值，确定该差值随采样时间的变化曲线。比如，对于漏点数据a4，以及其邻近数据a2、a3、a5、a6，对应的相似度最高的历史电力数据的历史数据窗口为上述第一个窗口，即包含a1、a2、a3、a4、a5的窗口。分别确定a1
‑
a2、a2
‑
a3、a4
‑
a5、a5
‑
a6的大小，并对4组差值拟合按照随采样时间变化的差值曲线，显然a3和a4之间的差值也应当满足这一差值曲线，由此即可确定漏点数据a4的大小。
80.本技术中还可以存在其他类似的确定漏点数据的方法，在此不一一列举。
81.综上所述，本技术中基于用户用电存在一定的规律性和重复性，使得相应的电力数据也存在一定的规律性和重复性这一原理，通过截取分割出漏点数据邻近的一段电力数据作为邻近数据，并以此为依据在历史电力数据库中查询变化规律和邻近数据变化规律最为近似的一组历史电力数据，并以此作为样本数据确定出漏点数据对应的补全数据，使得补全后的电力数据更为准确可靠，有利于智能电网可靠有效的运行。
82.基于上述任意实施例，在本技术的另一可选地实施例中，确定各个窗口的历史电力数据和漏点数据对应的邻近数据之间的相似度的过程可以包括：
83.s21：分别计算每个历史数据窗口内各个历史电力数据的第一平均值、第一标准差以及第一向前差分倾度。
84.对于第一平均值和第一标准差而言，采用常规的计算平均值和标准差的计算公式计算即可。平均值可以反映电力数据的集中趋势，如同一用户每天耗电量的大小水平；标准差可以反映电力数据的离散程度，如同一用户一天内的耗电量分布情况。
85.可选地，对于第一向前差分倾度的计算过程可以包括：
86.根据向前差分倾度公式计算每个历史数据窗口对应的第一向前差分倾度；其中，为向前差分倾度；λ、η分别为同一个历史数据窗口内的第一个历史电力数据和最后一个历史电力数据。
87.基于向前差分倾度公式可知，每个历史数据窗口中应当保证第一个历史电力数据和最后一个历史电力数据不缺失才能实现向前差分倾度的计算；因此在进行第一向前差分倾度之前还可以先将各组历史电力数据对应的历史数据窗口中，首尾位置的历史电力数据缺失的历史数据窗口剔除。
88.本实施例中采用首尾数据差值的反正切来作为向前差分倾度，反正切函数具有上下确界和单调性，能够反映出数据的走向，正值为上升，负值表示下降，如同一用户的耗电量是增加或减少。
89.s22：计算以邻近数据的第二平均值、第二标准差以及第二向前差分倾度。
90.显然，确定邻近数据的第二平均值、第二标准差以及第二向前差分倾度的方式和上述确定每个窗口的第一平均值、第一标准差以及第一向前差分倾度的方式相同，对此不再重复赘述。
91.s23：根据相似度计算邻近数据和每个历史数据窗口中的历史电力数据的相似度；
92.其中，μ
i
、σ
i
、分别为第i个历史数据窗口中的历史电力数据对应的第一平均值、第一标准差以及第一向前差分倾度；μ0、σ0、分别为第二平均值、第二标准差以及第二向前差分倾度；α、β、γ分别为第一权重值、第二权重值、第三权重值；i为正整数。
93.α、β、γ三个权重值之和可以等于1，对于每个权重值的具体大小可以基于统计学原理，基于大量历史数据训练获得，或者工作人员依据经验确定，对此本技术中都不做限制。
94.本技术中在确定历史电力数据和邻近数据之间的相似度时，是基于平均值、标准差以及向前差分倾度三个统计指标之间的综合相似度确定的，但是在实际应用中也并不排除基于其他统计指标，例如拟合曲线斜率、最大值和最小值差值等等，确定历史电力数据和邻近数据之间的相似度。
95.如前所述，在依据预设窗口大小分割确定漏点数据的邻近数据时，漏点数据应当在包含邻近数据的窗口中心位置，但若是设定的预设窗口大小对应的窗口内电力数据的数量为偶数，而连续缺失漏点数据数量为基数，显然无法确定漏点数据在正中心的窗口。为此，在本技术的一种可选地实施例中，
96.当预设窗口大小对应的窗口内电力数据的数量为2m，且连续漏点数量为2q 1时，则确定邻近数据过程包括：
97.根据预设窗口大小确定第一窗口对应的第一邻近数据和第二窗口对应的第二邻近数据；其中，连续漏点的电力数据中第q 1个漏点电力数据位于第一窗口的第m个位置点，且位于第二窗口的第m 1个位置点；其中，m为大于3的正整数，q为自然数；
98.相应地，根据相似度最高对应的历史数据窗口中的历史电力数据，补全漏点数据对应位置的电力数据，包括：
99.根据第一邻近数据对应的相似度最高的历史数据窗口中的历史电力数据确定第一补全数据；
100.根据第二邻近数据对应的相似度最高的历史数据窗口中的历史电力数据确定第二补全数据；
101.以第一补全数据和第二补全数据的平均值，补全漏点数据对应位置的电力数据。
102.以连续漏点数量为1，预设窗口大小对应的窗口内电力数据的数量为4为例，对于电力数据a1、a2、a3、a4、a5、a6而言，若a4为漏点数据a4，a2、a3、a5即为第一漏点灵境电力数据；a3、a5、a6即为第二邻近数据；
103.第一邻近数据a2、a3、a5和第二邻近数据a3、a5、a6即可分别确定对应的相似度最高的历史数据窗口中的历史电力数据，相应地，也就分别可以基于两个历史数据窗口的历史电力数据确定两组补全数据，将两组补全数据求平均，即可作为漏点数据最终的补全数
据。
104.需要说明的是，若是连续漏点数据包括1一个以上，以三个为例，即可直接将两组补全数据中对应位置的补全数据的平均值作为最终该位置点的补全数据。
105.更进一步地，在实际应用过程中，即便仅仅每个位置的漏点数据仅仅只对应有一组邻近数据，但依据相似度最高确定作为样本的历史电力数据时，也可能确定出两个甚至多个历史数据窗口中的历史电力数据相似度基本相同且最大，此时也可以依据每组历史电力数据分别确定一组补全数据，再将多组补全数据求平均，以求平均的运算结果作为最终的补全数据，实现电力数据的补全。
106.下面对本发明实施例提供的一种电力数据漏点补全装置进行介绍，下文描述的电力数据漏点补全装置与上文描述的电力数据漏点补全方法可相互对应参照。
107.图2为本发明实施例提供的电力数据漏点补全装置的结构框图，参照图2的电力数据漏点补全装置可以包括：
108.漏点查询模块100，用于遍历待补全电力数据，查询存在漏点数据的位置；
109.历史数据模块200，用于以预设窗口大小在历史电力数据库中选取多个历史数据窗口中的历史电力数据；
110.相似度运算模块300，用于将每个历史数据窗口内的所述历史电力数据分别与所述漏点数据对应的邻近数据进行相似度运算，并获得相似度最高对应的窗口；其中，所述邻近数据为以所述漏点数据为中心所述预设窗口大小的窗口内除所述漏点数据之外的电力数据；
111.漏点补全模块400，用于根据相似度最高对应的历史数据窗口中的历史电力数据，补全所述漏点数据对应位置的电力数据。
112.本实施例的电力数据漏点补全装置用于实现前述的电力数据漏点补全方法，因此电力数据漏点补全装置中的具体实施方式可见前文中的电力数据漏点补全方法的实施例部分，例如，漏点查询模块100，历史数据模块200，相似度运算模块300，漏点补全模块400，分别用于实现上述电力数据漏点补全方法中步骤s11，s12，s13和s14，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
113.本技术还提供了一种电力数据漏点补全设备的实施例，该设备可以包括：
114.存储器，用于存储计算机程序；
115.处理器，用于执行所述计算机程序时实现如上任一项所述电力数据漏点补全方法的步骤。
116.本实施例中处理器指向电力数据漏点补全方法的步骤可以包括：
117.遍历待补全电力数据，查询存在漏点数据的位置；
118.以预设窗口大小在历史电力数据库中选取多个历史数据窗口中的历史电力数据；
119.将每个历史数据窗口内的所述历史电力数据分别与所述漏点数据对应的邻近数据进行相似度运算，并获得相似度最高对应的历史数据窗口；其中，所述邻近数据为以所述漏点数据为中心所述预设窗口大小的窗口内除所述漏点数据之外的电力数据；
120.根据相似度最高对应的历史数据窗口中的历史电力数据，补全所述漏点数据对应位置的电力数据。
121.本技术还提供了一种计算机可读存储介质的实施例，该计算机可读存储介质上存
储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述电力数据漏点补全方法的步骤。
122.该计算机可读存储介质可以包括随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd
‑
rom、或技术领域内所公知的任意其它形式的存储介质。
123.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本技术实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
124.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。