多能互补系统的分布式光伏与气电混合容量规划方法和系统

摘要

本发明涉及一种多能互补系统的分布式光伏与气电混合容量规划方法和系统。上述多能互补系统的分布式光伏与气电混合容量规划方法包括：根据总统计周期中各个单元统计周期内的光照强度数据，以及各个单元统计周期内多能互补系统的负荷曲线数据构建原始场景数据集合；原始场景数据集合包括各个单元统计周期内的多个光照强度数据和多个负荷曲线数据；对所述原始场景数据集合进行场景削减，得到每个单元统计周期的两个光照强度数据和两个负荷曲线数据，将两个光照强度数据和两个负荷曲线数据分别输入多能互补系统容量规划模型；计算所述多能互补系统容量规划模型取得最小值时的容量规划参数，根据所述容量规划参数规划分布式光伏与气电混合容量。

说明书

技术领域

本发明涉及能源调度技术领域，特别是涉及一种多能互补系统的分布式光伏与气电混合容量规划方法和系统。

背景技术

多能互补分布式能源综合利用是清洁能源与可再生能源高效利用的重要方式。在众多的多能互补系统形态中，含分布式光伏发电和“气电混合”的区域多能互补分布式能源配电系统是一种典型形式，“气电混合”指通过配网与天然气网之间的能量转化和互联实现配网与天然气网络的协同运行。对含分布式光伏与气电混合的区域多能互补系统进行容量合理规划，可以在兼顾系统经济性的基础上提高对分布式光伏的消纳能力。含分布式光伏发电与气电混合的区域多能互补配电系统位于能源消费末端，主要由分布式光伏发电系统、气电混合装置(电转氢气或甲烷)、氢储能、配网、燃气网、控制系统等部分组成。

传统的多能互补系统中分布式光伏与气电混合容量规划方案通常采用确定性典型日或确定性的负荷峰值情况下进行分析，缺少基于概率性分析的运行成本期望计算，得到的优化结果往往仅能适应某些典型日场景，不能体现分布式光伏发电和负荷的单元统计周期性差异、日差异和中长期特性；且相关容量规划仅针对分布式光伏发电或仅针对气电混合系统分别开展；其在规划阶段往往缺少对实际运行策略的考虑，容易导致规划结果和实际运行相脱节，从而容易影响上述分布式光伏与气电混合容量规划的准确性。

发明内容

基于此，有必要针对传统方案容易影响多能互补系统的分布式光伏与气电混合容量规划准确性的技术问题，提供一种多能互补系统的分布式光伏与气电混合容量规划方法和系统。

一种多能互补系统的分布式光伏与气电混合容量规划方法，包括如下步骤：

根据总统计周期中各个单元统计周期内的光照强度数据，以及各个单元统计周期内多能互补系统的负荷曲线数据构建原始场景数据集合；其中，所述原始场景数据集合包括各个单元统计周期内的多个光照强度数据和多个负荷曲线数据；

对所述原始场景数据集合进行场景削减，得到每个单元统计周期的两个光照强度数据和两个负荷曲线数据，将两个光照强度数据和两个负荷曲线数据分别输入预设的多能互补系统容量规划模型；

计算所述多能互补系统容量规划模型取得最小值时的容量规划参数，根据所述容量规划参数规划多能互补系统的分布式光伏与气电混合容量。

一种多能互补系统的分布式光伏与气电混合容量规划系统，包括：

构建模块，用于根据总统计周期中各个单元统计周期内的光照强度数据，以及各个单元统计周期内多能互补系统的负荷曲线数据构建原始场景数据集合；其中，所述原始场景数据集合包括各个单元统计周期内的多个光照强度数据和多个负荷曲线数据；

削减模块，用于对所述原始场景数据集合进行场景削减，得到每个单元统计周期的两个光照强度数据和两个负荷曲线数据，将两个光照强度数据和两个负荷曲线数据分别输入预设的多能互补系统容量规划模型；

规划模块，用于计算所述多能互补系统容量规划模型取得最小值时的容量规划参数，根据所述容量规划参数规划多能互补系统的分布式光伏与气电混合容量。

上述多能互补系统的分布式光伏与气电混合容量规划方法和系统，可以根据总统计周期中各个单元统计周期内的光照强度数据，以及各个单元统计周期内多能互补系统的负荷曲线数据构建原始场景数据集合，以便从上述原始场景数据集合中获取每个单元统计周期的两个光照强度数据和两个负荷曲线数据，将上述两个光照强度数据和两个负荷曲线数据分别输入预设的多能互补系统容量规划模型，再计算所述多能互补系统容量规划模型取得最小值时的容量规划参数，从而依据上述容量规划参数规划多能互补系统的分布式光伏与气电混合容量，上述多能互补系统的分布式光伏与气电混合容量的规划过程以统计的各个光照强度数据和负荷曲线数据为依据，使相应的规划结果和实际运行数据相结合，有效提高了多能互补系统中分布式光伏与气电混合容量规划的准确性。

一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述的多能互补系统的分布式光伏与气电混合容量规划方法。

上述计算机可读存储介质上存储的计算机程序，被处理器执行时可以实现如上所述的多能互补系统的分布式光伏与气电混合容量规划方法，可以提高多能互补系统的分布式光伏与气电混合容量规划准确性。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的多能互补系统的分布式光伏与气电混合容量规划方法。

上述计算机设备中，处理器执行所述程序时可以实现如上所述的多能互补系统的分布式光伏与气电混合容量规划方法，有效提高了相应容量规划的准确性。

附图说明

图1为一个实施例的多能互补系统的分布式光伏与气电混合容量规划方法流程图；

图2为一个实施例的多能互补系统结构示意图；

图3为一个实施例的多能互补系统的分布式光伏与气电混合容量规划系统结构示意图；

图4为一个实施例的计算机设备结构示意图。

具体实施方式

下面结合附图对本发明的多能互补系统的分布式光伏与气电混合容量规划方法和系统的具体实施方式作详细描述。

参考图1，图1所示为一个实施例的多能互补系统的分布式光伏与气电混合容量规划方法流程图，包括如下步骤：

S10，根据总统计周期中各个单元统计周期内的光照强度数据，以及各个单元统计周期内多能互补系统的负荷曲线数据构建原始场景数据集合；其中，所述原始场景数据集合包括各个单元统计周期内的多个光照强度数据和多个负荷曲线数据；

上述多能互补系统可以参考图2所示，其可以位于能源消费末端，主要由分布式光伏发电系统、气电混合装置(电转氢气或甲烷)、氢储能、配网、燃气网、控制系统等部分组成。分布式光伏发电在用户侧实现“自发自用，余量上网”。当分布式光伏发电盈余较大导致配网无法消纳时：一方面，电转甲烷装置启动，把多余的分布式光伏发电量转换成甲烷并注入天然气网络；另一方面，电转氢气装置也可以启动，把多余的分布式光伏发电量转换成氢能形式存储在氢储能装置中。当上级电网供电能力不足或分布式光伏发电量较小时，氢燃料电池将氢储能中的氢能转化成电能送入电网。气电混合在区域多能互补配电系统中的作用主要是解决分布式光伏高渗透率接入配网后的消纳问题。。

上述总统计周期可以为一年等时间段较长的统计时间，总统计周期可以包括时间长度相等或者大致相等的多个单元统计周期，如一年中的四个季度等等。各个单元统计周期内的光照强度数据包括相应单元统计周期内各个统计时间单位对应的光照强度数据，各个单元统计周期内的负荷曲线数据包括相应单元统计周期内各个统计时间单位对应的负荷曲线数据。上述统计时间单位可以为比单元统计周期小的一个时间段，如一日或者半日等等；单元统计周期由其间的各个统计时间单位组成。例如，若总统计周期为一年，单元统计周期为一年的四个季度，则统计时间单位可以为一日，此时，某单元统计周期内的光照强度数据可以包括相应季度内各日的光照强度数据，某单元统计周期内的负荷曲线数据可以包括相应季度内各日的负荷曲线数据(日曲线数据)，一组统计数据包括同一日对应的光照强度数据和负荷曲线数据。

S20，对所述原始场景数据集合进行场景削减，得到每个单元统计周期的两个光照强度数据和两个负荷曲线数据，将两个光照强度数据和两个负荷曲线数据分别输入预设的多能互补系统容量规划模型；

上述步骤可以对各个单元统计周期内的光照强度数据和负荷曲线数据进行场景削减，使各个单元统计周期内的光照强度数据和负荷曲线数据分别削减到2个。

具体地，上述场景削减过程，可以考虑分布式光伏发电与负荷均具有日规律性和季节性等周期性。在规划阶段更加关注分布式光伏发电和负荷的中长期特性和时空互补效应，采用从光照强度历史曲线和负荷历史曲线中按照不同季节等单元统计周期提取典型日曲线等统计时间单位对应的光照强度数据和负荷曲线数据作为多能互补系统容量规划模型的输入数据。

S30，计算所述多能互补系统容量规划模型取得最小值时的容量规划参数，根据所述容量规划参数规划多能互补系统的分布式光伏与气电混合容量。

上述多能互补系统容量规划模型取得最小值为相应多能互补系统以及其中各种设备均满足其对应的运行约束条件时，多能互补系统容量规划模型所取得的最小值。上述多能互补系统容量规划模型可以以配电网运行约束、燃气网运行约束、分布式光伏出力约束、电转甲烷装置能量转化约束、电转氢气-氢储能-氢燃料电池联合系统能量转化约束等为约束条件。电转氢气装置、氢储能装置、氢燃料电池三者共同组成一个联合系统。当配网中分布式光伏发电盈余较大时，由电转氢气将电能转化为氢能并存储在氢储能装置中；当分布式光伏发电较小时，氢储能装置中的氢输送到氢燃料电池中发电，将存储的氢能通过电能的形式反送到配网中。三个装置联合运行，进行相应分析和建模，得到上述多能互补系统容量规划模型。多能互补系统容量规划模型取得最小值，表明上述多能互补系统所消耗的各类成本值最低，此时对应的容量规划参数为多能互补系统的最优规划参数，以此进行多能互补系统的分布式光伏与气电混合容量的规划，可以在保证规划准确性的基础上，提高相应的规划效果。

在一个实施例中，可以采用细菌觅食算法对上述多能互补系统容量规划模型进行求解，其可以考虑到细菌觅食算法在求解含有低维度变量的连续优化问题上具有很强的全局搜索和精细搜索能力，易跳出局部极小值等优点，并且本发明中涉及的光伏发电和电转气容量规划模型中决策变量较少，也属于低维度连续优化问题，选择细菌觅食算法作为求解该容量规划模型的算法的思想，细菌觅食算法中的细菌适应值选取为本优化模型的目标函数，细菌空间矢量θ＝[θ₁,θ₂,…,θ_S]^T可以为各种设备的容量组成的空间矢量，即步骤多能互补系统容量规划模型中的决策变量——分布式光伏发电、电转氢气装置、电转甲烷装置、氢储能装置、氢燃料电池的装机容量。

本发明提供的多能互补系统的分布式光伏与气电混合容量规划方法，可以根据总统计周期中各个单元统计周期内的光照强度数据，以及各个单元统计周期内多能互补系统的负荷曲线数据构建原始场景数据集合，以便从上述原始场景数据集合中获取每个单元统计周期的两个光照强度数据和两个负荷曲线数据，将上述两个光照强度数据和两个负荷曲线数据分别输入预设的多能互补系统容量规划模型，再计算所述多能互补系统容量规划模型取得最小值时的容量规划参数，从而依据上述容量规划参数规划多能互补系统的分布式光伏与气电混合容量，上述多能互补系统的分布式光伏与气电混合容量的规划过程以统计的各个光照强度数据和负荷曲线数据为依据，使相应的规划结果和实际运行数据相结合，有效提高了多能互补系统中分布式光伏与气电混合容量规划的准确性。

在一个实施例中，上述总统计周期为一年；总统计周期中的各个单元统计周期分别为一年内的四个季度；所述单元统计周期内的光照强度数据为相应季度内各日的光照强度数据，单元统计周期内的负荷曲线数据为相应季度内各日的负荷曲线数据。

本实施例可以读取某地(多能互补系统所对应的地区)整年的光照强度数据和负荷曲线数据；对负荷曲线与光照强度数据的日曲线数据按照季节进行分类，构建原始场景数据集合。

本实施例考虑了分布式光伏发电与负荷均具有日规律性和季节性。在规划阶段更加关注分布式光伏发电和负荷的中长期特性和时空互补效应，提出采用从光照强度历史曲线和负荷历史曲线中按照不同季节提取典型日曲线作为规划模型的输入数据的思想，以此为基础构建多场景数学优化模型。

在一个实施例中，上述多能互补系统容量规划模型可以为：

式中，I为分布式光伏发电设备、电转气装置和氢燃料电池的集合；C_CP,i为第i种设备容量对应的等年值设备投资成本；C_M,i为第i种设备的年维护成本；为常系数，可用于将等年值设备投资成本和年维护成本进一步等效到每一天等统计时间单位的成本，可取1/365等值；J表示单元统计周期的集合，如春、夏、秋、冬四季的集合等等；π_j为j第个单元统计周期的概率，可取0.25等值；ω_PV,j为第j个单元统计周期的光照强度场景；S_PV,j为第j个单元统计周期的光照强度场景的集合；ω_L,j为第j个单元统计周期的负荷需求场景；S_L,j为第j个单元统计周期的负荷需求场景的集合；为第j个单元统计周期的光照强度场景的概率；为第j个单元统计周期的负荷场景的概率；T为每个统计时间单位的时间段集合，如每日的时间段集合，每个时间段可为m小时，m＝1，2，3，…，24这些时间值，t表示T中的第t个时间段；为第j个单元统计周期、第ω个场景的系统运营成本参数。

若总统计周期为一年，单元统计周期为一年的四个季度，统计时间单位可以为一日，对负荷曲线数据与光照强度气象数据的日曲线数据按照季节进行分类，构建原始场景数据集合。则可以得到的春季、秋季、夏季和冬季的负荷曲线与光照强度气象数据的日曲线数据的场景削减结果(一组统计数据)以及所含分布式光伏发电与气电混合的多能互补系统参数代入上述多能互补系统容量规划模型中，采用细菌觅食算法对该数学优化模型进行求解，得到分布式光伏发电与气电混合容量的规划结果。

作为一个实施例，上述系统运营成本参数的计算公式可以为：

式中，N表示配网负荷节点集合，表示第j个单元统计周期、第ω个场景、第t个时间段、第n个节点的节点用电成本参数，表示第j个单元统计周期、第ω个场景、第t个时间段的网损等价成本参数，表示第j个单元统计周期、第ω个场景、第t个时间段的电转甲烷装置综合运营成本参数，表示第j个单元统计周期、第ω个场景的电转氢气装置运营成本参数，表示第j个单元统计周期、第ω个场景、第t个时间段的分布式光伏发电弃光成本参数，表示第j个单元统计周期、第ω个场景、第t个时间段的氢燃料电池运营收益参数，表示第j个单元统计周期、第ω个场景、第t个时间段的分布式光伏发电运营收益参数。

上述系统运营成本参数与光照强度、负荷需求有关，具有一定的随机性，同时也受系统运营方式和控制策略影响。本实施例通过上述系统运营成本参数的计算公式所确定的具有较高的准确性。

作为一个实施例，上述第i种设备容量对应的等年值设备投资成本C_CP,i的计算公式为：

式中，r为贴现率，可取6.7％等值；β_i为第i种设备的单位容量价格；P_Capacity,i为第i种设备的容量；r_i为第i种设备的设计、安装、调试和配套二次设备投资的费用参数占设备成本参数的比例，取12％等值；Y_i为第i种设备的财务周期，可取20年等值。

作为一个实施例，上述第i种设备的年维护成本C_M,i的计算公式可以为：

C_M,i＝k_M,iP_Capacity,i，

式中，k_M,i为第i种设备单位容量的年维护成本系数；P_Capacity,i为第i种设备的容量。

上述第i种设备的年维护成本C_M,i的计算公式可以考虑到设备的年维护成本参数与设备类型、容量规模、需要运维人员的数量、每年定期进行大修和巡检的次数以及零配件故障率及更换价格参数等因素，在保证准确性的基础上进行了有效简化，可以提高相应的计算效率。

作为一个实施例，第j个单元统计周期、第ω个场景，在第t个时间段配网中第n个节点的节点用电成本参数的计算公式如下：

式中，表示在第j个单元统计周期相应场景下，在第t个时间段配网中第n个节点的负荷大小；在第j个单元统计周期相应场景下，在第t个时间段配网中第n个节点的分布式电源发电量，分布式电源类型可包括分布式光伏发电、燃料电池等；N是配网负荷节点集合，n∈N；λ_load为配网用电电价参数，假设负载为工商业用户，且暂不考虑分时电价和阶梯电价，λ_load的取值可为λ_load＝1元/kWh(元每千瓦时)。

第j个单元统计周期、第ω个场景，在第t个时间段配网的网损等价成本参数的计算公式如下：

式中，表示第j个单元统计周期、第ω个场景，在第t个时间段配网的网损大小；

第j个单元统计周期、第ω个场景，在第t个时间段的电转甲烷装置综合运营成本参数的计算公式如下：

式中，λ_gas为天然气价格，可取2.5元/m3；为第j个单元统计周期相应场景下，在第t个时间段电转甲烷装置生产甲烷气体消耗的电量；η_ele-P2G为电转甲烷装置的能量转换效率，可取55％；为甲烷低热热值，可取9.7kWh/m³。

第j个单元统计周期、第ω个场景，在第t个时间段的电转氢气装置运营成本参数的计算公式如下：

式中，为第j个单元统计周期相应场景下，在第t个时间段电转氢气装置生产氢气所消耗的电量。

第j个单元统计周期、第ω个场景，在第t个时间段的氢燃料电池运营成本参数的计算公式如下：

式中，为第j个单元统计周期相应场景下，在第t个时间段氢燃料电池发电功率；λ_grid为上网电价，以燃煤火电标杆电价为参考可取0.4元/kWh，表示在第j个单元统计周期相应场景下，在第t个时间段配网中的分布式电源发电量。

第j个单元统计周期、第ω个场景，在第t个时间段分布式光伏发电运营成本参数的计算公式如下：

式中，为第j个单元统计周期相应场景下，在第t个时间段的分布式光伏发电发电量；λ_subsidy为分布式光伏发电补贴，可取0.42元/kWh。

第j个单元统计周期、第ω个场景，在第t个时间段的分布式光伏发电弃光成本参数的计算公式如下：

式中，为第j个单元统计周期相应场景下，在第t个时间段分布式光伏的弃光电量；λ_PVloss为弃光惩罚单价，可取1元/kWh。

作为一个实施例，以总统计周期为一年，单元统计周期为一年的四个季度，统计时间单位可以为一日为例，结合多能互补系统的实际运行环境对多能互补系统容量规划模型的各项约束条件进行进一步限定：

(1)配网运行约束：

1)有功平衡约束，对于任何季节下任何光照强度和负荷场景，配网满足有功平衡约束(发电＝用电)，即有：

式中，P2G、P2H、PV、FC分别为电转甲烷装置、电转氢气装置、分布式光伏发电、氢燃料电池的集合；为主网对配网的下网功率。

2)节点电压约束，对于任何季节下任何光照强度和负荷场景，配网中各节点i的运行电压水平应限制在极限范围内，即有：

式中，U_i,min和U_i,max分别表示节点i的最小允许电压值和最大允许电压值，可分别取0.93p.u.和1.07p.u.。

3)支路输电能力约束，对于任何季节下任何光照强度和负荷场景，配网中各支路l的电流应限制在其所允许的最大电流值内，即有：

式中，为经过支路l的电流值；I_l,max表示该支路的最大允许载流量。

(2)燃气网运行约束：

1)燃气网管道流量约束，对于任何季节下任何光照强度和负荷场景，天然气管网流量受管道的最大流量约束：

式中，为管道gl的流量；Q_gl,max为道的gl流量上限，主要由管道的截面积决定。

2)燃气网节点流量平衡约束

对于任何季节下任何光照强度和负荷场景，燃气网中的每一个节点gn有类似于电网基尔霍夫电流定律的流量平衡条件，即节点进气流量等于出气流量：

式中，为由节点gn注入燃气网络的天然气流量，主要由电转甲烷装置注入；u和d分别代表节点gn的上游注入节点和下游流出节点；In_gn代表与节点gn相联的上游注入节点集合；Out_gn代表与节点gn相联的下游流出节点集合；为gn节点的天然气负荷流量。

(3)分布式光伏出力约束：

对于任何季节下任何光照强度和负荷场景，分布式光伏实际出力受光照强度Ir_c和分布式光伏发电装机“标准额定条件”的额定功率P_{Capacity_PV}约束，且不能超过当前光照强度对应的光伏最大发电能力

式中：Ir_c为当前工作点的辐照度；β为功率温度系数；T_c为工作点的电池表面温度，在此近似取为环境温度；T_STC为标准额定条件温度，25℃。

(4)电转甲烷装置能量转化约束：

电转甲烷装置的产气量与耗电量关系如下：

电转甲烷装置的耗电量受其装机P_{Capacity_P2G}约束：

(5)电转氢气-氢储能-氢燃料电池联合系统能量转化约束：

电转氢气装置输出的氢气等效电功率与耗电量的关系满足如下等式约束：

式中，η_ele-P2H为电转氢气装置的能量转换效率，取80％。

电转氢气装置的耗电量受其装机约束：

氢储能装置内下一个时间段的氢气总能量既与该时间段电转氢气装置注入的氢气能量有关，也与该时间段氢燃料电池消耗的氢气能量有关：

式中，Δt表示单位时间段，可为1小时；

式中，表示当前时间段氢储气罐的剩余氢气量；分别为储气罐剩余储气量的上下限；其中上限等于储气罐的装机容量

氢燃料电池发电量与耗氢气量满足如下等式约束：

式中，η_FC为氢燃料电池的综合转换效率，可取55％。

氢燃料电池发电量也受其装机约束，即：

参考图3所示，图3为一个实施例的多能互补系统的分布式光伏与气电混合容量规划系统结构示意图，包括：

构建模块10，用于根据总统计周期中各个单元统计周期内的光照强度数据，以及各个单元统计周期内多能互补系统的负荷曲线数据构建原始场景数据集合；其中，所述原始场景数据集合包括各个单元统计周期内的多个光照强度数据和多个负荷曲线数据；

削减模块20，用于对所述原始场景数据集合进行场景削减，得到每个单元统计周期的两个光照强度数据和两个负荷曲线数据，将两个光照强度数据和两个负荷曲线数据分别输入预设的多能互补系统容量规划模型；

规划模块30，用于计算所述多能互补系统容量规划模型取得最小值时的容量规划参数，根据所述容量规划参数规划多能互补系统的分布式光伏与气电混合容量。

在一个实施例中，上述总统计周期为一年；总统计周期中的各个单元统计周期分别为一年内的四个季度；所述单元统计周期内的光照强度数据为相应季度内各日的光照强度数据，单元统计周期内的负荷曲线数据为相应季度内各日的负荷曲线数据。

本发明提供的多能互补系统的分布式光伏与气电混合容量规划系统与本发明提供的多能互补系统的分布式光伏与气电混合容量规划方法一一对应，在所述多能互补系统的分布式光伏与气电混合容量规划方法的实施例阐述的技术特征及其有益效果均适用于多能互补系统的分布式光伏与气电混合容量规划系统的实施例中，特此声明。

基于如上所述的示例，一个实施例中还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述的多能互补系统的分布式光伏与气电混合容量规划方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性的计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

基于如上所述的示例，参考图4所示，本发明还提供一种计算机设备60，该计算机设备包括存储器61、处理器62及存储在存储器62上并可在处理器61上运行的计算机程序，所述处理器61执行所述程序时实现如上述各实施例中的任意一种多能互补系统的分布式光伏与气电混合容量规划方法。

上述计算机设备60可以包括电脑等智能处理设备。本领域普通技术人员可以理解存储器61存储的计算机程序，与上述多能互补系统的分布式光伏与气电混合容量规划方法实施例中的描述相对应，处理器62还可用于执行存储器61所存储的其他可执行指令。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。