CN110704995B - 多变电站多类型风机的电缆布局方法和计算机存储介质 - Google Patents

Abstract

本发明提供一种多变电站多类型风机的电缆布局方法和计算机存储介质，所述方法包括：S1获取初始参数形成数据集；S2、对数据集中的所有数据点，最小化数据集的总平方距离，获得簇集；S3、根据簇集中每个簇的中心与变电站的距离，将变电站与每个簇一一对应；S4、获取每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大发电承载量的关系；S5、根据所述关系，对簇的数据进行重新分配，若所有簇的风机总容量小于或等于其对应变电站的最大发电承载量，则得到聚类结果，否则对簇的数据进行重新分配；S6、计算每个簇的风机与其所在簇对应的变电站的距离，将最近的风机点与变电站相连；S7、对每个簇内的风机进行独立的电缆连接布局。

Description

多变电站多类型风机的电缆布局方法和计算机存储介质

技术领域

本发明涉及风电场聚类划分、电缆连接布局规划领域，更具体地，涉及一种多变电站多类型风机的电缆布局方法和计算机存储介质。

背景技术

近几年，随着传统能源的进一步紧缺，新能源的发展已经成为社会发展的必然趋势。风能是世界上发展最快的绿色能源技术之一。

考虑到我国可用的陆地资源逐年减少，并且陆地地形复杂，风电场安装困难，风力受限因素比较多等问题，海上风电场以其较高的风能资源密度和稳定性成为近年来风电发展的重点。然而，针对目前多变电站的海上风电场，相关技术中所提出的聚类划分方法所针对的风电场的风电机组均为同一类型，而现有的风机聚类划分技术往往只是单一地考虑与变电站的距离，距离最近则划分为一个簇。而对于多类型风机以及需考虑海上变电站的最大发电承载量等因素的海上风电场，现有技术只能通过技术人员的经验进行人工的聚类划分，耗费人力物力，且划分效果不佳，也导致后期出现电缆连接布局方案不合理、方案的总建设成本较高的问题。

由此可见，现有技术无法智能实现多类型风机以及考虑海上变电站的最大发电承载量等实际因素下的海上风电场聚类划分，进而无法得到合理的电缆连接布局方案。

发明内容

有鉴于此，本发明提供一种多变电站多类型风机的电缆布局方法和计算机存储介质，能够对多变电站多类型风机进行聚类划分，获得合理的电缆布局方案。

为解决上述技术问题，一方面，本发明提供一种多变电站多类型风机的电缆布局方法，所述方法包括以下步骤：S1、获取初始参数形成数据集，所述初始参数包括：变电站的数量、坐标和最大发电承载量，风机的数量、坐标，风机类型的数量，每种风机类型对应的发电量；S2、对所述数据集中的所有数据点，最小化数据集的总平方距离，获得簇集；S3、根据簇集中每个簇的中心与变电站的距离，将变电站与每个簇一一对应；S4、获取每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大发电承载量的关系；S5、根据所述关系，对所述簇的数据进行重新分配，若所有簇的风机总容量小于或等于其对应变电站的最大发电承载量，则得到聚类结果，否则对所述簇的数据进行重新分配；S6、计算每个簇的风机与其所在簇对应的变电站的距离，将最近的风机点与变电站相连；S7、每个簇分别以该最近风机点作为根，分别对每个簇内的风机进行独立的电缆连接布局，综合得到总电缆布局方案。

根据本发明实施例的多变电站多类型风机的电缆布局方法，能够在满足各个变电站的最大发电承载量约束下，对多类型风机的风电场进行聚类，并且聚类效果好，采用预设的电缆连接布局规划策略对聚类划分后风电场进行电缆连接布局规划，从而得到合理的总电缆连接布局方案，控制了建设成本。

根据本发明的一些实施例，在步骤S1中，变电站的数量为K，变电站坐标Y_k＝(ox_k,oy_k)，其最大发电承载量为OP_k，k＝1,2,…,K，风机的数量为N，风机类型的数量为L，每种风机类型对应的发电量为LP_l，l＝1,2,…,L，风机的坐标为X_n＝(wx_n,wy_n)，其对应的发电量为WP_n，WP_n∈{LP₁,LP₂,…,LP_L}，n＝1,2,…,N，K-Means算法的初始簇c_k的中心g_k＝(gx_k,gy_k)，则簇集C＝{c₁,c₂,…,c_K}与簇中心G＝{g₁,g₂,…,g_K}为一一对应，k＝1,2,…,K；

在步骤S2中，执行K-Means算法，对数据集中的所有数据点，最小化数据集的总平方距离E，获得簇集C＝{c₁,c₂,…,c_K}，如式(1)和式(2)所示：

在步骤S3中，根据C中每个簇的中心与变电站的距离，将变电站Y_k与簇R_k一一对应，R_k∈C，k＝1,2,…,K；

在步骤S4中，计算每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大发电承载量关系flag：

根据本发明的一些实施例，在步骤S5中，对所有flag为1的簇的数据进行重新分配，若所有簇的风机总容量均小于或等于其对应变电站的最大发电承载量，得到聚类结果CF＝{cf₁,cf₂,…,cf_K}，对应的变电站为YF＝{yf₁,yf₂,…,yf_K}。

根据本发明的一些实施例，在步骤S6中，通过式(4)计算簇cf_k的风机与其所在簇对应的变电站yf_k的距离，最近的风机点将其与变电站相连：

其中，MX即为簇cf_k的风机与其所在簇对应的变电站yf_k的距离最短的风机。

根据本发明的一些实施例，所述变电站为海上变电站，所述风电场为海上风电场。

根据本发明的一些实施例，步骤S3包括：

S31、令k＝1，临时集合ψ＝{g₁,g₂,…,g_K}；

S32、变电站Y_k所对应的簇中心r_k可由式(5)可得：

S33、如果k≤K，则ψ＝ψ-{r_k}，k++，跳转到S32；

S34、变电站Y_k与簇中心r_k所在的簇R_k相对应，R_k∈C。

根据本发明的一些实施例，在步骤S4中，若与OP₁相连的风机簇的总发电功率

大于OP₁的最大发电承载量，则R₁的flag为1。

根据本发明的一些实施例，步骤S5包括：

S51、对所有flag为1的簇，遍历簇中的所有风机X_n，计算其到flag为0的簇的类中心的最短距离：

S52、对flag为1的簇的数据进行重分配，将式(6)中计算得到最短距离d_k进行升序排序，遍历其中的所有风机X_n，若风机X_n的容量加入d_k对应的簇之后仍不超过该簇对应变电站的最大发电承载量，即风机X_n的容量满足式(7)，则将风机X_n归入该簇：

根据本发明的一些实施例，在步骤S5中，风机X_n的容量为60，距离其最近的簇的当前总发电功率

OP₃＝3480，将风机X_n归入第三簇中。

第二方面，本发明实施例提供一种计算机存储介质，包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现如上述实施例所述的方法。

附图说明

图1为根据本发明实施例的多变电站多类型风机的电缆布局方法的分类示意图；

图2为本发明实施例的电子设备的示意图。

附图标记：

电子设备300；

存储器310；操作系统311；应用程序312；

处理器320；网络接口330；输入设备340；硬盘350；显示设备360。

具体实施方式

下面将结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

下面首先具体描述根据本发明实施例的多变电站多类型风机的电缆布局方法。

根据本发明实施例的多变电站多类型风机的电缆布局方法包括以下步骤：

S1、获取初始参数形成数据集，所述初始参数包括：变电站的数量、坐标和最大发电承载量，风机的数量、坐标，风机类型的数量，每种风机类型对应的发电量。

S2、对所述数据集中的所有数据点，最小化数据集的总平方距离，获得簇集。

S3、根据簇集中每个簇的中心与变电站的距离，将变电站与每个簇一一对应。

S4、获取每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大发电承载量的关系。

S5、根据所述关系，对所述簇的数据进行重新分配，若所有簇的风机总容量小于或等于其对应变电站的最大发电承载量，则得到聚类结果，否则对所述簇的数据进行重新分配。

S6、计算每个簇的风机与其所在簇对应的变电站的距离，将最近的风机点与变电站相连。

S7、每个簇分别以该最近风机点作为根，分别对每个簇内的风机进行独立的电缆连接布局，综合得到总电缆布局方案。

具体地，在步骤S1中，变电站的数量为K，变电站坐标Y_k＝(ox_k,oy_k)，其最大发电承载量为OP_k，k＝1,2,…,K，风机的数量为N，风机类型的数量为L，每种风机类型对应的发电量为LP_l，l＝1,2,…,L，风机的坐标为X_n＝(wx_n,wy_n)，其对应的发电量为WP_n，WP_n∈{LP₁,LP₂,…,LP_L}，n＝1,2,…,N，K-Means算法的初始簇c_k的中心g_k＝(gx_k,gy_k)，则簇集C＝{c₁,c₂,…,c_K}与簇中心G＝{g₁,g₂,…,g_K}为一一对应，k＝1,2,…,K。

在步骤S2中，执行K-Means算法，对数据集中的所有数据点，最小化数据集的总平方距离E，获得簇集C＝{c₁,c₂,…,c_K}，如式(1)和式(2)所示：

在步骤S3中，根据C中每个簇的中心与变电站的距离，将变电站Y_k与簇R_k一一对应，R_k∈C，k＝1,2,…,K。

在步骤S4中，计算每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大发电承载量关系flag：

在步骤S5中，对所有flag为1的簇的数据进行重新分配。若所有簇的风机总容量均小于或等于其对应变电站的最大发电承载量，则得到聚类结果CF＝{cf₁,cf₂,…,cf_K}，对应的变电站为YF＝{yf₁,yf₂,…,yf_K}。

在步骤S6中，通过式(4)计算簇cf_k的风机与其所在簇对应的变电站yf_k的距离，最近的风机点将其与变电站相连：

其中，MX即为簇cf_k的风机与其所在簇对应的变电站yf_k的距离最短的风机。

如图1所示，图1示出了根据本发明实施例的多变电站多类型风机的电缆布局方法对变电站和风机进行分类的情况，其中，图1中的圆点代表变电站，五边形状点代表发电量为60的风机，十字形状点代表发电量为70的风机，星状点代表发电量为80的风机，实线回环圈代表分类后的一个簇，倒三角形代表簇中心，虚线代表变电站与最近簇的连线。

由此，根据本发明实施例的多变电站多类型风机的电缆布局方法，能够在满足各个变电站的最大发电承载量约束下，对多类型风机的风电场进行聚类，并且聚类效果好。

根据本发明的一个实施例，所述变电站为海上变电站，所述风电场为海上风电场。

也就是说，根据本发明实施例的多变电站多类型风机的电缆布局方法，既能够适用于陆地上的变电站的风电场聚类，也能够适用于海上变电站的海上风电场聚类，并且在针对海上变电站进行风电场聚类时，还能够对多类型风机的海上风电场进行聚类划分，不仅应用范围广，而且聚类效果好。

在本发明的一些具体实施方式中，步骤S3包括：

S31、令k＝1，临时集合ψ＝{g₁,g₂,…,g_K}。

S32、变电站Y_k所对应的簇中心r_k由式(5)可得：

S33、如果k≤K，则ψ＝ψ-{r_k}，k++，跳转到S32。

S34、变电站Y_k与簇中心r_k所在的簇R_k相对应，R_k∈C。

由此，根据C中每个簇的中心与海上变电站的距离，可以将海上变电站Y_k与簇R_k一一对应。

可选地，根据本发明的一个实施例，在步骤S1中，K＝4；初始簇中心g₁＝(4.8,2.9)、g₂＝(5.4,3.7)、g₃＝(5.9,2.5)、g₄＝(6.7,2.7)；初始化风机发电量WP₁＝50、WP₂＝60、WP₃＝70、WP₄＝80；初始化海上变电站最大发电承载量OP₁＝1520、OP₂＝1630、OP₃＝3480、OP₄＝1530。

可选地，根据本发明的一个实施例，在步骤S4中，若与OP₁相连的风机簇的总发电功率

大于OP₁的最大发电承载量，则R₁的flag为1。

其中，对所有flag为1的簇的数据进行重新分配的的过程具体可以如下：

S51、对所有flag为1的簇，遍历簇中的所有风机X_n，计算其到flag为0的簇的类中心的最短距离：

S52、对flag为1的簇的数据进行重分配，将式(6)中计算得到最短距离d_k进行升序排序，遍历其中的所有风机X_n，若风机X_n的容量加入d_k对应的簇之后仍不超过该簇对应变电站的最大发电承载量，即风机X_n的容量满足式(7)，则将风机X_n归入该簇：

由此，可以实现对所有flag为1的簇的数据进行重新分配，该方法简单可行，计算方便。

可选地，在本发明的一些具体实施方式中，在步骤S52中，若风机X_n的容量为60，此时距离其最近的簇的当前总发电功率

OP₃＝3480，则满足式(7)，可以将风机X_n归入第三簇中。

根据本发明实施例的电缆布局方法，在将最近的风机点与变电站相连后，将每个簇分别以该最近风机点作为根，使用预设的电缆连接布局规划策略对每个簇内的风机进行独立的电缆连接布局规划，最终得到初步的总电缆连接布局方案。

其中，在本发明的一些具体实施例中，电缆连接布局规划策略可使用最小生成树法(Minimum Spanning Tree,MST)或者动态最小生成树法及其改进方法，这些方法对于本领域技术人员而言是可以理解并且容易实现的，因此不再详细描述。

总而言之，根据本发明实施例的多变电站多类型风机的电缆布局方法，能够在满足各个海上变电站的最大发电承载量约束下，对多类型风机海上风电场进行聚类，聚类效果好，采用预设的电缆连接布局规划策略对聚类划分后风电场进行电缆连接布局规划，从而得到合理的总电缆连接布局方案，控制了建设成本。

此外，本发明还提供一种计算机存储介质，所述计算机存储介质包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现上述任一所述的多变电站多类型风机的电缆布局方法。

也就是说，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器运行时，使得所述处理器执行上述任一所述的多变电站多类型风机的电缆布局方法。

如图2所示，本发明实施例提供了一种电子设备300，包括存储器310和处理器320，所述存储器310用于存储一条或多条计算机指令，所述处理器320用于调用并执行所述一条或多条计算机指令，从而实现上述任一所述的方法。

也就是说，电子设备300包括：处理器320和存储器310，在所述存储器310中存储有计算机程序指令，其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器320执行上述任一所述的方法。

进一步地，如图2所示，电子设备300还包括网络接口330、输入设备340、硬盘350、和显示设备360。

上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器320代表的一个或者多个中央处理器(CPU)，以及由存储器310代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解，总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，这些都是本领域所公知的，因此本文不再对其进行详细描述。

所述网络接口330，可以连接至网络(如因特网、局域网等)，从网络中获取相关数据，并可以保存在硬盘350中。

所述输入设备340，可以接收操作人员输入的各种指令，并发送给处理器320以供执行。所述输入设备340可以包括键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

所述显示设备360，可以将处理器320执行指令获得的结果进行显示。

所述存储器310，用于存储操作系统运行所必须的程序和数据，以及处理器320计算过程中的中间结果等数据。

可以理解，本发明实施例中的存储器310可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)，其用作外部高速缓存。本文描述的装置和方法的存储器310旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器310存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统311和应用程序312。

其中，操作系统311，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序312，包含各种应用程序，例如浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序312中。

本发明上述实施例揭示的方法可以应用于处理器320中，或者由处理器320实现。处理器320可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器320中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器320可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器310，处理器320读取存储器310中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

具体地，处理器320还用于读取所述计算机程序，执行上述任一所述的方法。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

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，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种多变电站多类型风机的电缆布局方法，其特征在于，包括以下步骤：

S1、获取初始参数形成数据集，所述初始参数包括：变电站的数量、坐标和最大发电承载量，风机的数量、坐标，风机类型的数量，每种风机类型对应的发电量；

S2、对所述数据集中的所有数据点，最小化数据集的总平方距离，获得簇集；

S3、根据簇集中每个簇的中心与变电站的距离，将变电站与每个簇一一对应；

S4、获取每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大发电承载量的关系；

S5、根据所述关系，对所述簇的数据进行重新分配，若所有簇的风机总容量小于或等于其对应变电站的最大发电承载量，则得到聚类结果，否则对所述簇的数据进行重新分配；

S6、计算每个簇的风机与其所在簇对应的变电站的距离，将最近的风机点与变电站相连；

S7、每个簇分别以该最近风机点作为根，分别对每个簇内的风机进行独立的电缆连接布局，综合得到总电缆布局方案。

在步骤S1中，变电站的数量为K，变电站坐标Y_k＝(ox_k,oy_k)，其最大发电承载量为OP_k，k＝1,2,…,K，风机的数量为N，风机类型的数量为L，每种风机类型对应的发电量为LP_l，l＝1,2,…,L，风机的坐标为X_n＝(wx_n,wy_n)，，其对应的发电量为WP_n，WP_n∈{LP₁,LP₂,…,LP_L}，n＝1,2,…,N，K-Means算法的初始簇c_k的中心g_k＝(gx_k,gy_k)，则簇集C＝{c₁,c₂,…,c_K}与簇中心G＝{g₁,g₂,…,g_K}为一一对应，k＝1,2,…,K；

在步骤S2中，执行K-Means算法，对数据集中的所有数据点，最小化数据集的总平方距离E，获得簇集C＝{c₁,c₂,…,c_K}，如式(1)和式(2)所示：

在步骤S3中，根据C中每个簇的中心与变电站的距离，将变电站Y_k与簇R_k一一对应，R_k∈C，k＝1,2,…,K；

在步骤S4中，计算每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大发电承载量关系flag：

2.根据权利要求1所述的方法，其特征在于，在步骤S5中，对所有flag为1的簇的数据进行重新分配，若所有簇的风机总容量均小于或等于其对应变电站的最大发电承载量，则得到聚类结果CF＝{cf₁,cf₂,…,cf_K}，对应的变电站为YF＝{yf₁,yf₂,…,yf_K}。

3.根据权利要求2所述的方法，其特征在于，在步骤S6中，通过式(4)计算簇cf_k的风机与其所在簇对应的变电站yf_k的距离，将最近的风机点与变电站相连：

其中，MX即为簇cf_k的风机与其所在簇对应的变电站yf_k的距离最短的风机。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述变电站为海上变电站。

5.根据权利要求1所述的方法，其特征在于，步骤S3包括：

S31、令k＝1，临时集合ψ＝{g₁,g₂,…,g_K}；

S32、变电站Y_k所对应的簇中心r_k由式(5)可得：

S33、如果k≤K，则ψ＝ψ-{r_k}，k++，跳转到S32；

S34、变电站Y_k与簇中心r_k所在的簇R_k相对应，R_k∈C。

6.根据权利要求1所述的方法，其特征在于，在步骤S4中，若与OP₁相连的风机簇的总发电功率

大于OP₁的最大发电承载量，则R₁的flag为1。

7.根据权利要求1所述的方法，其特征在于，步骤S5包括：

S51、对所有flag为1的簇，遍历簇中的所有风机X_n，计算其到flag为0的簇的类中心的最短距离：

S52、对flag为1的簇的数据进行重分配，将式(6)中计算得到最短距离d_k进行升序排序，遍历其中的所有风机X_n，若风机X_n的容量加入d_k对应的簇之后仍不超过该簇对应变电站的最大发电承载量，即风机X_n的容量满足式(7)，则将风机X_n归入该簇：

8.根据权利要求1所述的方法，其特征在于，在步骤S5中，风机X_n的容量为60，距离其最近的簇的当前总发电功率

OP₃＝3480，将风机X_n归入第三簇中。

9.一种计算机存储介质，其特征在于，包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现如权利要求1-8中任一项所述的方法。

Images