应用于多站融合环境下的协同数据处理方法、设备及介质

摘要

本发明公开了一种应用于多站融合环境下的协同数据处理方法、设备及介质。该方法包括：所述边缘计算模块获取至少一个电网站点上的历史运行数据，并基于边缘算法对所述历史运行数据进行处理，得到第一处理结果，并将所述第一处理结果发送至所述云计算模块；所述终端计算模块获取至少一个网络站点上的实时运行数据，并基于终端算法对所述实时运行数据进行处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块；所述云计算模块根据所述第一处理结果和所述第二处理结果对所述至少一个电网站点进行部署，通过本发明的技术方案，以实现能够对站点的运行进行合理规划，降低站点运行的人力、物力和电力成本。

说明书

技术领域

本发明实施例涉及变电站的数据管理及分析应用领域，尤其涉及一种应用于多站融合环境下的协同数据处理方法、设备及介质。

背景技术

多站融合是探索利用变电站资源建设运营5G基站、光伏站、充电站和数据中心站等，对内支撑只能电网业务，对外扩展能源服务，对助力电力物联网发展，推进平台型和共享型企业建设有着十分重要的意义。电力不仅是国明经济发展的命脉，也是物理世界的核心要素，电力的发展和其他站点的规划建设对电力物料网的建设十分重要。

一直以来，公共和企业设施的监测和维护消耗着大量的人力、物力成本；电力、制造等行业数字化转型中对海量数据的实时、智能处理也有着强烈需求。如果用常规模式构建物联网，随着设备的迅速增加，网络边缘侧所产生的数据量级将非常巨大。这些数据如果都交由云端的管理平台来处理，可能会导致现实流量过载和设备高延迟的情况，甚至会出现数据泄露等高危事件发生。

发明内容

本发明实施例提供一种应用于多站融合环境下的协同数据处理方法、装置、设备及存储介质，以实现能够通过对电网站点运行流程的多种信息进行统筹计算，并且结合往期发展的数值，从而可以对站点的运行进行合理规划，降低站点运行的人力、物力和电力成本，不仅能够减少站点风险事故等发生的概率，还优化了站点自身的服务质量。

第一方面，本发明实施例提供了一种应用于多站融合环境下的协同数据处理方法，应用于协同数据处理系统，所述协同数据处理系统包括：边缘计算模块、终端计算模块和云计算模块，包括：

所述边缘计算模块获取至少一个电网站点上的历史运行数据，并基于边缘算法对所述历史运行数据进行处理，得到第一处理结果，并将所述第一处理结果发送至所述云计算模块；

所述终端计算模块获取至少一个网络站点上的实时运行数据，并基于终端算法对所述实时运行数据进行处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块；

所述云计算模块根据所述第一处理结果和所述第二处理结果对所述至少一个电网站点进行部署。

第二方面，本发明实施例还提供了一种计算机设备，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本发明实施例中任一所述的方法。

第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的方法。

本发明实施例通过所述边缘计算模块获取至少一个电网站点上的历史运行数据，并基于边缘算法对所述历史运行数据进行处理，得到第一处理结果，并将所述第一处理结果发送至所述云计算模块；所述终端计算模块获取至少一个网络站点上的实时运行数据，并基于终端算法对所述实时运行数据进行处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块；所述云计算模块根据所述第一处理结果和所述第二处理结果对所述至少一个电网站点进行部署，以实现能够通过对电网站点运行流程的多种信息进行统筹计算，并且结合往期发展的数值，从而可以对站点的运行进行合理规划，降低站点运行的人力、物力和电力成本，不仅能够减少站点风险事故等发生的概率，还优化了站点自身的服务质量。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1是本发明实施例一中的一种应用于多站融合环境下的协同数据处理方法的流程图；

图2是本发明实施例一中的一种应用于多站融合环境下的协同数据处理方法的流程规划示意图；

图3是本发明实施例二中的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例一

图1为本发明实施例一提供的一种应用于多站融合环境下的协同数据处理方法的流程图，本实施例可适用于应用于多站融合环境下的协同数据处理的情况，应用于协同数据处理系统，所述协同数据处理系统包括：边缘计算模块、终端计算模块和云计算模块，该方法可以由本发明实施例中的边缘计算模块、终端计算模块和云计算模块来执行，该边缘计算模块、终端计算模块和云计算模块可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：

S110，所述边缘计算模块获取至少一个电网站点上的历史运行数据，并基于边缘算法对所述历史运行数据进行处理，得到第一处理结果，并将所述第一处理结果发送至所述云计算模块。

S120，所述终端计算模块获取至少一个网络站点上的实时运行数据，并基于终端算法对所述实时运行数据进行处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块；

S130，所述云计算模块根据所述第一处理结果和所述第二处理结果对所述至少一个电网站点进行部署。

可选的，所述边缘计算模块获取至少一个电网站点上的历史运行数据包括：

所述边缘计算模块获取至少一个电网站点的历史运行状态数据、历史气象数据、历史工况数据、历史网络数据、历史调度数据以及历史故障数据中的至少一种。

可选的，所述终端计算模块获取至少一个网络站点上的实时运行数据包括：

所述终端计算模块获取至少一个电网站点的实时运行状态数据、实时气象数据、实时工况数据、实时网络数据、实时调度数据以及实时故障数据中的至少一种。

可选的，所述边缘计算模块获取至少一个电网站点上的历史运行数据，并基于边缘算法对所述历史运行数据进行处理，得到第一处理结果，并将所述第一处理结果发送至所述云计算模块包括：

所述边缘计算模块获取至少一个电网站点的历史运行状态数据、历史气象数据、历史工况数据、历史网络数据、历史调度数据以及历史故障数据中的至少一种；

所述边缘计算模块基于边缘算法对所述至少一个电网站点的历史运行状态数据、历史气象数据、历史工况数据、历史网络数据、历史调度数据以及历史故障数据中的至少一种进行统计，得到第一处理结果，并将所述第一处理结果发送至所述云计算模块。

可选的，所述终端计算模块获取至少一个网络站点上的实时运行数据，并基于终端算法对所述实时运行数据进行处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块，包括：

所述终端计算模块获取至少一个电网站点的实时运行状态数据、实时气象数据、实时工况数据、实时网络数据、实时调度数据以及实时故障数据中的至少一种；

所述终端计算模块基于终端算法对所述实时运行状态数据、实时气象数据、实时工况数据、实时网络数据、实时调度数据以及实时故障数据中的至少一种进行预处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块。

可选的，所述终端计算模块基于终端算法对所述实时运行状态数据、实时气象数据、实时工况数据、实时网络数据、实时调度数据以及实时故障数据中的至少一种进行预处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块包括：

所述终端计算模块基于终端算法对所述实时运行状态数据、实时气象数据、实时工况数据、实时网络数据、实时调度数据以及实时故障数据中的至少一种进行预处理，得到第二处理结果；

所述终端计算模块从所述第二处理结果中抽取至少一个数据作为样本数据，并将所述样本数据发送至所述云计算模块。

可选的，还包括：

所述云计算模块获取所述样本数据和所述第一处理结果，并根据所述样本数据和所述第一处理结果确定运动状态规划信息；

所述云计算模块根据所述运动状态规划信息确定至少一个电网站点的部署，并将至少一个电网站点的部署发送至目标终端。

可选的，所述电网站点包括：5G基站、光伏站、充电站和数据中心站中的至少一种。

本发明实施例通过将电网中多个站点视为节点的设计，站点自身可以运用于5G基站、光伏站、充电站和数据中心站等，在每个独立节点上采用边缘计算和终端计算的方法，针对站点上的运行数据进行实时的分析处理，边缘计算从节点的数据源头开始统计，节点的一个预定时间视为一个阶段，边缘计算到终端计算完成对站点的数据整合，站点的基数过多时可以抽取数值当作样本，采用大量样本作为参考依照；云计算在各个节点上设置有数据采集程序，节点运行依附程序来实现，多个节点的数据值通过边缘计算和终端计算完成整合，通过云端服务器系统实现储存优化，最终根据样本数据分析建模，部署更佳的节点运行方法并且返还给用户。边缘计算模块基于信号的控制，以节点的运行作为电信号，节点的运行伴随着数据采集程序的同步运行，针对节点的运行状态、气象、工况、网络、调度和故障等进行预统计，边缘计算的实时数据值保存至边缘数据中心，并且在流程结束之后再将数据通过边缘网关发送给终端计算模块。终端计算模块由终端网关接收边缘计算的信息值，并且将节点实时运行的数值再次收集，针对节点此次的运行实现耗时、用量统计和数据特征的整合，通过终端模块进行预处理，抽取其一数据值当做样本且传输给云计算模块。云计算模块针对样本数值以及往期数值进行集中化处理，针对自身程序对数值实现分析，并且将数值的波动变化等通过建模等体现出来，根据节点的实时运行状态规划出后续的发展计划，最终通过云模块网关发送给用户，实现云端和用户端的人机交互。边缘计算、终端计算和云计算分别通过网络相互协同工作，边缘计算和终端计算对节点的工况等信息采集样本，当样本值输送给云计算之后，云计算根据实时及往期的数据值优化工作方法或者服务。节点的数据融合和分析机制运行流程由边缘计算开始，当终端计算完成数值统计之后算作一个计算工序；云计算独立于边缘计算和终端计算，云计算依附于边缘计算和终端计算的样本数据，并且根据自身的数据库进行整合，最后部署更佳的方法传输给用户。边缘计算采用多方位和分布式计算的方法，其具体运行步骤如下：a.边缘计算模块接收到节点运行的电信号，边缘计算与节点同步工作；b.边缘计算根据节点特性的不同规划出不同的负责模块，多个相同的特性仅采用单一的数值作为样本，采用的特性采用随机抽取的方式；c.多方位伴随节点同步开始记录，并且记录的流程随着节点的结束而终止。

在一个具体的例子中，如图2所示，提供了一种应用于多站融合环境下的云-边-端协同数据处理与融合分析机制，包括有边缘计算模块、云计算模块和终端计算模块，通过将电网中多个站点视为节点的设计，站点自身可以运用于5G基站、光伏站、充电站和数据中心站等，在每个独立节点上采用边缘计算和终端计算的方法，针对站点上的运行数据进行实时的分析处理，边缘计算从节点的数据源头开始统计，节点的一个预定时间视为一个阶段，边缘计算到终端计算完成对站点的数据整合，站点的基数过多时可以抽取数值当作样本，采用大量样本作为参考依照。

云计算在各个节点上设置有数据采集程序，节点运行依附程序来实现，多个节点的数据值通过边缘计算和终端计算完成整合，通过云端服务器系统实现储存优化，最终根据样本数据分析建模，部署更佳的节点运行方法并且返还给用户。节点与程序的运行是同步的，边缘计算和终端计算能够对节点的实时信息进行监测，并且能够抽取样本发送给云计算，云计算结合实时和往期的数据来实施统筹规划，将之后站点的实施方法发送给用户作为参考，旨在站点能够提供更优的服务或者降低成本的支出。

边缘计算模块基于信号的控制，以节点的运行作为电信号，节点的运行伴随着数据采集程序的同步运行，针对节点的运行状态、气象、工况、网络、调度和故障等进行预统计，边缘计算的实时数据值保存至边缘数据中心，并且在流程结束之后再将数据通过边缘网关发送给终端计算模块。边缘计算是本机制运行的起点，边缘计算能够对站点的不同信息进行统筹作业，可满足不同站点在敏捷性、实时性、数据优化、应用智能、以及安全与隐私保护等方面的关键需求。

在本实施例中，终端计算模块由终端网关接收边缘计算的信息值，并且将节点实时运行的数值再次收集，针对节点此次的运行实现耗时、用量统计和数据特征的整合，通过终端模块进行预处理，抽取其一数据值当做样本且传输给云计算模块。由于站点设备的不同，所采集的信息也是十分繁杂且多样的，当相同流程较多时，可以抽取多个单元且取其平均数值作为样本，使得样本自身更加具有参考性，针对样本的抽取作业也就是终端模块的预处理工序。

云计算模块针对样本数值以及往期数值进行集中化处理，针对自身程序对数值实现分析，并且将数值的波动变化等通过建模等体现出来，根据节点的实时运行状态规划出后续的发展计划，最终通过云模块网关发送给用户，实现云端和用户端的人机交互。云计算模块是能够实现人机交互的唯一模块，云计算模块利用自身的数据库将节点的运行信息进行统计储存，并且在每次节点运行结束之后，能够根据实时和往期的数据来统筹规划。

需要说明的是，边缘计算、终端计算和云计算分别通过网络相互协同工作，边缘计算和终端计算对节点的工况等信息采集样本，当样本值输送给云计算之后，云计算根据实时及往期的数据值优化工作方法或者服务。通过采用实时网络协同工作的设计，使得三个计算模块能够及时将信息实现互通，提高了站点运行的经济性和效率。

需要说明的是，节点的数据融合和分析机制运行流程由边缘计算开始，当终端计算完成数值统计之后算作一个计算工序；云计算独立于边缘计算和终端计算，云计算依附于边缘计算和终端计算的样本数据，并且根据自身的数据库进行整合，最后部署更佳的方法传输给用户。边缘计算相当于本分析机制的起点，终端计算是云计算和边缘计算之间的连接载体，边缘计算和终端计算能够对数值统计处理，云计算将统计后的数值结合实际进行统筹规划，并且通过自身网关发送给用户。

在本实施例中，边缘计算采用多方位和分布式计算的方法，其具体运行步骤如下：

a.边缘计算模块接收到节点运行的电信号，边缘计算与节点同步工作；

b.边缘计算根据节点特性的不同规划出不同的负责模块，多个相同的特性仅采用单一的数值作为样本，采用的特性采用随机抽取的方式；

c.多方位伴随节点同步开始记录，并且记录的流程随着节点的结束而终止。边缘计算运行时，能够对节点的运行流程进行实时监测和统计，例如当某一活动杆体出现脱落或者脱离轨道时，边缘计算能够通过杆体上的位移传感器等监测到变化，将这种变化进行统计，杆体的活动可以视为突发事件，当突发事件通过云计算发送给用户时，能够及时告知用户突发事件发生的概率，在节点以后使用时，用户能够有杆体出现意外的心理预期，从而便于对杆体自身实现更换和检修等作业。

本发明的工作原理及使用流程：本融合分析机制在使用时，云计算、边缘计算和终端计算分别依附网络来协同工作，通过在站点设置计算机，并且计算机自身设置有数据采集程序，节点的运行会给计算机施加电信号，从而使得计算机能够随之同步运行，在计算机运行时，数据采集程序能够对节点自身的数据信息进行采集(例如在某活动的结构上设置传感器，对结构的活动范围和轨迹等进行集中收集)，并且将实时收集的信息传输至边缘数据中心，当节点自身的流程结束之后，边缘网关将整个流程的信息传输给终端计算，终端计算对其进行整合处理，并且传输给云计算模块。云计算模块结合实时和往期的数据，对数据整体进行建模分析且部署出更佳的实施方法，将部署的信息传输给用户。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

本发明实施例提供了一种应用于多站融合环境下的协同数据处理方法，应用于协同数据处理系统，所述协同数据处理系统包括：边缘计算模块、云计算模块和终端计算模块，通过将电网中多个站点视为节点的设计，站点自身可以运用于5G基站、光伏站、充电站和数据中心站等。在每个独立节点上采用边缘计算和终端计算的方法，针对站点上的运行数据进行实时的分析处理，边缘计算从节点的数据源头开始统计，节点的一个预定时间视为一个阶段，边缘计算到终端计算完成对站点的数据整合，站点的基数过多时可以抽取数值当作样本，采用大量样本作为参考依照。本融合分析机制通过采用云-边-端协同数据处理的方法，视站点自身为运行节点，通过对节点运行流程的多种信息进行统筹计算，并且结合往期发展的数值，从而可以对站点的运行进行合理规划，降低站点运行的人力、物力和电力成本，不仅能够减少站点风险事故等发生的概率，还优化了站点自身的服务质量，对推进平台型和共享型企业建设有着十分重要的意义。

本实施例的技术方案，通过所述边缘计算模块获取至少一个电网站点上的历史运行数据，并基于边缘算法对所述历史运行数据进行处理，得到第一处理结果，并将所述第一处理结果发送至所述云计算模块；所述终端计算模块获取至少一个网络站点上的实时运行数据，并基于终端算法对所述实时运行数据进行处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块；所述云计算模块根据所述第一处理结果和所述第二处理结果对所述至少一个电网站点进行部署，以实现能够通过对电网站点运行流程的多种信息进行统筹计算，并且结合往期发展的数值，从而可以对站点的运行进行合理规划，降低站点运行的人力、物力和电力成本，不仅能够减少站点风险事故等发生的概率，还优化了站点自身的服务质量。

实施例二

图3为本发明实施例二中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的应用于多站融合环境下的协同数据处理方法：

所述边缘计算模块获取至少一个电网站点上的历史运行数据，并基于边缘算法对所述历史运行数据进行处理，得到第一处理结果，并将所述第一处理结果发送至所述云计算模块；

所述终端计算模块获取至少一个网络站点上的实时运行数据，并基于终端算法对所述实时运行数据进行处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块；

所述云计算模块根据所述第一处理结果和所述第二处理结果对所述至少一个电网站点进行部署。

实施例三

本发明实施例三提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的应用于多站融合环境下的协同数据处理方法：

所述边缘计算模块获取至少一个电网站点上的历史运行数据，并基于边缘算法对所述历史运行数据进行处理，得到第一处理结果，并将所述第一处理结果发送至所述云计算模块；

所述终端计算模块获取至少一个网络站点上的实时运行数据，并基于终端算法对所述实时运行数据进行处理，得到第二处理结果，并将所述第二处理结果发送至所述云计算模块；

所述云计算模块根据所述第一处理结果和所述第二处理结果对所述至少一个电网站点进行部署。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。