一種油氣集輸管網預測方法、裝置、電子設備及存儲介質與流程
1.本發明涉及石油集輸技術領域，尤其涉及一種油氣集輸管網預測方法、裝置、電子設備及存儲介質。
背景技術：
2.集輸管網(尤其是海管)中的流動非常復雜：一方面氣液兩相流動復雜多變，且地勢變化多樣，環境的任何變化都會直接影響集輸管網的正常運行；另一方面油氣集輸管線較長，給輸送造成極大的不穩定。這些都會給管道的模擬計算和運行管理帶來困難，因此準確預測油氣在管道內的流動變化規律就極為重要。
3.傳統上，針對上述問題需要模擬管網流動參數的變化規律，即利用油氣田的常規參數，比如管道結構、流體組成，以及收集到的生產數據(各個位置的壓力、溫度)，通過相應軟件來模擬管道沿線的壓力、溫度、流量、持液率等流動參數的變化趨勢，為管網的基礎設計、安全高效的運行以及維護提供有力的技術支持，同時也可用于預測水合物生成和蠟沉積，為流動安全保障提供相應信息。為了準確模擬海底油氣混輸管道的沿線分布規律，各國也投入了大量的人力物力來進行油氣混輸管網計算的研究，形成了包括pipephase、pipesim、pepite、olga、ledaflow等模擬軟件在內的商業化模擬方法。
4.但由于管網仿真計算的復雜性，商業軟件無法做到對整個油氣田管網系統進行實時仿真，因此也就難于做到實時預測更新；同時考慮到油氣藏開發的不確定性，以及油氣配產方案調整優化的需求，需要進行大量不同生產狀況下的全管網模擬。海量模擬需求導致傳統的基于仿真的管網穩態/非穩態流動計算方法難以滿足需求。
技術實現要素：
5.本發明提供了一種油氣集輸管網預測方法、裝置、電子設備及存儲介質，可以在管道控制條件變化的情況下對油氣集輸管網系統內不同位置處的溫度、壓力、含氣率、含油率、含水率的變化進行快速、精準的預測。
6.根據本發明的一方面，提供了一種油氣集輸管網預測方法，該方法包括：
7.獲取油氣集輸管網中各管線的待處理數據；其中，所述待處理數據包括管線輸入端的溫度、壓力、含氣率、含水率、含油率以及管線終端的壓力；
8.將所述待處理數據輸入到管線參數預測模型中執行油氣集輸管網預測任務；
9.通過所述管線參數預測模型輸出待處理數據對應的目標數據；其中，所述目標數據包括管線沿途的溫度、壓力、含氣率、含水率、含油率的變化量。
10.根據本發明的另一方面，提供了一種油氣集輸管網預測裝置，該裝置包括：
11.待處理數據獲取模塊，用于獲取油氣集輸管網中各管線的待處理數據；其中，所述待處理數據包括管線輸入端的溫度、壓力、含氣率、含水率、含油率以及管線終端的壓力；
12.油氣集輸管網預測任務執行模塊，用于將所述待處理數據輸入到管線參數預測模型中執行油氣集輸管網預測任務；
13.目標數據輸出模塊，用于通過所述管線參數預測模型輸出待處理數據對應的目標數據；其中，所述目標數據包括管線沿途的溫度、壓力、含氣率、含水率、含油率的變化量。
14.根據本發明的另一方面，提供了一種電子設備，所述電子設備包括：
15.至少一個處理器；以及
16.與所述至少一個處理器通信連接的存儲器；其中，
17.所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本發明任一實施例所述的一種油氣集輸管網預測方法。
18.根據本發明的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現本發明任一實施例所述的一種油氣集輸管網預測方法。
19.本發明實施例的技術方案，通過獲取油氣集輸管網中各管線的待處理數據，然后將待處理數據輸入到管線參數預測模型中執行油氣集輸管網預測任務，并通過管線參數預測模型輸出待處理數據對應的目標數據；其中，目標數據包括管線沿途的溫度、壓力、含氣率、含水率、含油率的變化量。本技術方案，可以在管道控制條件變化的情況下對油氣集輸管網系統內不同位置處的溫度、壓力、含氣率、含油率、含水率的變化進行快速、精準的預測。
20.應當理解，本部分所描述的內容并非旨在標識本發明的實施例的關鍵或重要特征，也不用于限制本發明的范圍。本發明的其它特征將通過以下的說明書而變得容易理解。
附圖說明
21.為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
22.圖1是根據本發明實施例一提供的一種油氣集輸管網預測方法的流程圖；
23.圖2是本技術實施例一提供的氣藏的示意圖；
24.圖3是本技術實施例一提供的管線參數預測模型的示意圖；
25.圖4為本發明實施例二提供的管線參數預測模型訓練的流程圖；
26.圖5為本發明實施例三提供的一種油氣集輸管網預測裝置的結構示意圖；
27.圖6是實現本發明實施例的一種油氣集輸管網預測方法的電子設備的結構示意圖。
具體實施方式
28.為了使本技術領域的人員更好地理解本發明方案，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分的實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬于本發明保護的范圍。
29.需要說明的是，本發明的說明書和權利要求書及上述附圖中的術語“目標”等是用于區別類似的對象，而不必用于描述特定的順序或先后次序。應該理解這樣使用的數據在適當情況下可以互換，以便這里描述的本發明的實施例能夠以除了在這里圖示或描述的那些以外的順序實施。此外，術語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統、產品或設備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或對于這些過程、方法、產品或設備固有的其它步驟或單元。
30.實施例一
31.圖1是根據本發明實施例一提供的一種油氣集輸管網預測方法的流程圖，本實施例可適用于快速預測油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化情況，該方法可以由一種油氣集輸管網預測裝置來執行，該油氣集輸管網預測裝置可以采用硬件和/或軟件的形式實現，該油氣集輸管網預測裝置可配置于電子設備中。如圖1所示，該方法包括：
32.s110、獲取油氣集輸管網中各管線的待處理數據；其中，所述待處理數據包括管線輸入端的溫度、壓力、含氣率、含水率、含油率以及管線終端的壓力。
33.在本方案中，可以通過數據軟件對油氣集輸管網中各管線的數據進行仿真模擬，得到油氣集輸管網中各管線的待處理數據。也可以通過其他地震勘探技術手段獲取油氣集輸管網中各管線的待處理數據。
34.示例性的，圖2是本技術實施例一提供的氣藏的示意圖，如圖2所示，p氣藏由各個管線構成。其中，p2氣田到p平臺的管線中包括井a2、井a3和井a1h。獲取油氣集輸管網中p2氣田到p平臺的管線的待處理數據，即是獲取井a2、井a3和井a1h處的溫度、壓力、含氣率、含水率、含油率以及p平臺的壓力。
35.s120、將所述待處理數據輸入到管線參數預測模型中執行油氣集輸管網預測任務。
36.其中，管線參數預測模型采用fc(fully connected layers，全連接層)+bn(batch normalization，歸一化層)+prelu(parametric rectified linear unit，激活函數)的方式構建模型特征提取的最小單元。其中，歸一化層的目的是為了將所學習的特征歸一化到指定的分布中，增加學習的收斂速度減少過擬合現象的發生。
37.示例性的，圖3是本技術實施例一提供的管線參數預測模型的示意圖，如圖3所示，管線參數預測模型由4個最小單元和1個全連接層構成，可以實時計算油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化情況；同時也可以在任意虛擬的單井生產狀況下，快速預測油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化。
38.具體的，在使用過程中直接對管線參數預測模型進行加載，并將獲取到的油氣集輸管網中各管線的管線輸入端的溫度、壓力、含氣率、含水率、含油率以及管線終端的壓力作為輸入，預測管線沿途的溫度、壓力、含氣率、含水率、含油率的變化量。
39.s130、通過所述管線參數預測模型輸出待處理數據對應的目標數據；其中，所述目標數據包括管線沿途的溫度、壓力、含氣率、含水率、含油率的變化量。
40.根據本公開實施例的技術方案，通過管線參數預測模型對待處理數據進行處理，
輸出與待處理數據對應的目標數據，可以實時計算油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化情況；同時也可以在任意虛擬的單井生產狀況下，快速預測油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化。
41.實施例二
42.圖4為本發明實施例二提供的管線參數預測模型訓練的流程圖，本實施例與上述實施例之間的關系是對管線參數預測模型訓練過程的詳細描述。如圖4所示，該方法包括：
43.s410、確定管線參數預測模型使用的訓練樣本數據。
44.本方案中，可以通過數據軟件對油氣集輸管網中各管線的數據進行仿真模擬，得到管線參數預測模型使用的訓練樣本數據。
45.其中，可以將訓練樣本數據的80％作為訓練集，20％作為測試集對管線參數預測模型進行訓練。
46.在本技術方案中，可選的，確定管線參數預測模型使用的訓練樣本數據，包括：
47.獲取油氣集輸管網中各管線的歷史生產數據；其中，所述歷史生產數據包括管線輸入端的溫度、壓力、含氣率、含水率、含油率以及管線終端的壓力；
48.利用預先設置的數據軟件對所述歷史生產數據進行模擬，得到管線參數預測模型使用的訓練樣本數據。
49.其中，數據軟件可以是指多相流瞬態模擬流動保障軟件(ledaflow)。利用ledaflow對管線輸入端的溫度、壓力、含氣率、含水率、含油率以及管線終端的壓力進行模擬可以產生對應的訓練樣本數據。
50.通過獲取訓練樣本數據，能夠基于訓練樣本數據對管線參數預測模型進行訓練，實現實時計算管線沿途的計算油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化情況；同時也可以在任意虛擬的單井生產狀況下，快速預測油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化。
51.在本技術方案中，可選的，利用預先設置的數據軟件對所述歷史生產數據進行模擬，得到管線參數預測模型使用的訓練樣本數據，包括：
52.根據預先設置的數據上限和數據下限，對所述歷史生產數據進行處理，得到目標生產數據；
53.利用多相流瞬態模擬流動保障軟件對所述目標生產數據進行模擬，得到管線參數預測模型使用的訓練樣本數據。
54.其中，數據上限和數據下限可以根據管線參數預測模型使用需求進行設置。
55.在本實施例中，以歷史生產數據為基準，確定數據上限和數據下限并隨機修改歷史生產數據，可以生成多個不同的輸入條件，然后使用ledaflow進行模擬產生對應的訓練樣本數據。
56.通過獲取訓練樣本數據，能夠基于訓練樣本數據對管線參數預測模型進行訓練，實現實時計算管線沿途的計算油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化情況；同時也可以在任意虛擬的單井生產狀況下，快速預測油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化。
57.s420、基于所述訓練樣本數據控制管線參數預測模型執行油氣集輸管網預測任務。
58.在本實施例中，油氣集輸管網預測任務用于對油氣集輸管網中各管線沿途的參數進行預測，實現實時的計算油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化情況。
59.s430、依據所述油氣集輸管網預測任務，對所述管線參數預測模型進行調整，得到訓練更新后的管線參數預測模型。
60.根據本公開實施例的技術方案，進入對管線參數預測模型進行訓練時，通過引入油氣集輸管網預測任務，得到預測效果較好的管線參數預測模型，實現計算油氣集輸管網系統內各管線沿程溫度、壓力、流體組成等關鍵參數的變化情況。
61.在本技術方案中，可選的，依據所述油氣集輸管網預測任務，對所述管線參數預測模型進行調整，包括：
62.確定所述油氣集輸管網預測任務對應的損失函數值；
63.依據所述損失函數值對所述管線參數預測模型的網絡參數進行調整。
64.其中，損失函數可以是mean square error loss(均方誤差損失函數)或l1 loss(回歸損失函數)等。具體損失函數可以根據管線參數預測模型的訓練需求進行設置。
65.在本方案中，在訓練過程中，采用adam(adaptive momentum)優化器對梯度進行處理，初始學習率lr＝0.001,最小學習率lr＝0.00001，當損失函數15個epoch(時期)內沒有發生改變時，學習率會自動衰減為原來的0.8倍。其中，一個epoch表示所有的數據送入網絡中，完成了一次前向計算+反向傳播的過程。
66.具體的，可以將訓練樣本數據輸入到管線參數預測模型中進行油氣集輸管網預測任務的執行，確定油氣集輸管網預測任務對應的損失函數值。
67.通過對損失函數值進行確定，能夠優化管線參數預測模型的訓練，實現油氣集輸管網中各管線沿途參數變化量的預測。
68.在本技術方案中，可選的，確定所述油氣集輸管網預測任務對應的損失函數值，包括：
69.依據通過所述管線參數預測模型中油氣集輸管網預測任務對所述訓練樣本數據進行處理后的預測結果與所述樣本訓練數據對應的預標注結果，確定所述油氣集輸管網預測任務對應的損失函數值。
70.通過對損失函數值進行確定，能夠優化管線參數預測模型的訓練，實現油氣集輸管網中各管線沿途參數變化量的預測。
71.本發明實施例的技術方案，通過確定管線參數預測模型使用的訓練樣本數據，并基于訓練樣本數據控制管線參數預測模型執行油氣集輸管網預測任務，然后依據油氣集輸管網預測任務，對所述管線參數預測模型進行調整，得到訓練更新后的管線參數預測模型。通過執行本技術方案，能夠優化管線參數預測模型的訓練，可以在管道控制條件變化的情況下對油氣集輸管網系統內不同位置處的溫度、壓力、含氣率、含油率、含水率的變化進行快速、精準的預測。
72.實施例三
73.圖5為本發明實施例三提供的一種油氣集輸管網預測裝置的結構示意圖。如圖5所示，該裝置包括：
74.待處理數據獲取模塊510，用于獲取油氣集輸管網中各管線的待處理數據；其中，
所述待處理數據包括管線輸入端的溫度、壓力、含氣率、含水率、含油率以及管線終端的壓力；
75.油氣集輸管網預測任務執行模塊520，用于將所述待處理數據輸入到管線參數預測模型中執行油氣集輸管網預測任務；
76.目標數據輸出模塊530，用于通過所述管線參數預測模型輸出待處理數據對應的目標數據；其中，所述目標數據包括管線沿途的溫度、壓力、含氣率、含水率、含油率的變化量。
77.在本技術方案中，可選的，油氣集輸管網預測任務執行模塊520，包括：
78.訓練樣本數據確定單元，用于確定管線參數預測模型使用的訓練樣本數據；
79.油氣集輸管網預測任務執行單元，用于基于所述訓練樣本數據控制管線參數預測模型執行油氣集輸管網預測任務；
80.管線參數預測模型訓練單元，用于依據所述油氣集輸管網預測任務，對所述管線參數預測模型進行調整，得到訓練更新后的管線參數預測模型。
81.在本技術方案中，可選的，訓練樣本數據確定單元，包括：
82.歷史生產數據獲取子單元，用于獲取油氣集輸管網中各管線的歷史生產數據；其中，所述歷史生產數據包括管線輸入端的溫度、壓力、含氣率、含水率、含油率以及管線終端的壓力；
83.訓練樣本數據得到子單元，用于利用預先設置的數據軟件對所述歷史生產數據進行模擬，得到管線參數預測模型使用的訓練樣本數據。
84.在本技術方案中，可選的，訓練樣本數據得到子單元，具體用于：
85.根據預先設置的數據上限和數據下限，對所述歷史生產數據進行處理，得到目標生產數據；
86.利用多相流瞬態模擬流動保障軟件對所述目標生產數據進行模擬，得到管線參數預測模型使用的訓練樣本數據。
87.在本技術方案中，可選的，管線參數預測模型訓練單元，包括：
88.損失函數值確定子單元，用于確定所述油氣集輸管網預測任務對應的損失函數值；
89.管線參數預測模型調整子單元，用于依據所述損失函數值對所述管線參數預測模型的網絡參數進行調整。
90.在本技術方案中，可選的，損失函數值確定子單元，具體用于：
91.依據通過所述管線參數預測模型中油氣集輸管網預測任務對所述訓練樣本數據進行處理后的預測結果與所述樣本訓練數據對應的預標注結果，確定所述油氣集輸管網預測任務對應的損失函數值。
92.本發明實施例所提供的一種油氣集輸管網預測裝置可執行本發明任意實施例所提供的一種油氣集輸管網預測方法，具備執行方法相應的功能模塊和有益效果。
93.實施例四
94.圖6示出了可以用來實施本發明的實施例的電子設備10的結構示意圖。電子設備旨在表示各種形式的數字計算機，諸如，膝上型計算機、臺式計算機、工作臺、個人數字助理、服務器、刀片式服務器、大型計算機、和其它適合的計算機。電子設備還可以表示各種形
式的移動裝置，諸如，個人數字處理、蜂窩電話、智能電話、可穿戴設備(如頭盔、眼鏡、手表等)和其它類似的計算裝置。本文所示的部件、它們的連接和關系、以及它們的功能僅僅作為示例，并且不意在限制本文中描述的和/或者要求的本發明的實現。
95.如圖6所示，電子設備10包括至少一個處理器11，以及與至少一個處理器11通信連接的存儲器，如只讀存儲器(rom)12、隨機訪問存儲器(ram)13等，其中，存儲器存儲有可被至少一個處理器執行的計算機程序，處理器11可以根據存儲在只讀存儲器(rom)12中的計算機程序或者從存儲單元18加載到隨機訪問存儲器(ram)13中的計算機程序，來執行各種適當的動作和處理。在ram 13中，還可存儲電子設備10操作所需的各種程序和數據。處理器11、rom 12以及ram 13通過總線14彼此相連。輸入/輸出(i/o)接口15也連接至總線14。
96.電子設備10中的多個部件連接至i/o接口15，包括：輸入單元16，例如鍵盤、鼠標等；輸出單元17，例如各種類型的顯示器、揚聲器等；存儲單元18，例如磁盤、光盤等；以及通信單元19，例如網卡、調制解調器、無線通信收發機等。通信單元19允許電子設備10通過諸如因特網的計算機網絡和/或各種電信網絡與其他設備交換信息/數據。
97.處理器11可以是各種具有處理和計算能力的通用和/或專用處理組件。處理器11的一些示例包括但不限于中央處理單元(cpu)、圖形處理單元(gpu)、各種專用的人工智能(ai)計算芯片、各種運行機器學習模型算法的處理器、數字信號處理器(dsp)、以及任何適當的處理器、控制器、微控制器等。處理器11執行上文所描述的各個方法和處理，例如一種油氣集輸管網預測方法。
98.在一些實施例中，一種油氣集輸管網預測方法可被實現為計算機程序，其被有形地包含于計算機可讀存儲介質，例如存儲單元18。在一些實施例中，計算機程序的部分或者全部可以經由rom 12和/或通信單元19而被載入和/或安裝到電子設備10上。當計算機程序加載到ram 13并由處理器11執行時，可以執行上文描述的一種油氣集輸管網預測方法的一個或多個步驟。備選地，在其他實施例中，處理器11可以通過其他任何適當的方式(例如，借助于固件)而被配置為執行一種油氣集輸管網預測方法。
99.本文中以上描述的系統和技術的各種實施方式可以在數字電子電路系統、集成電路系統、場可編程門陣列(fpga)、專用集成電路(asic)、專用標準產品(assp)、芯片上系統的系統(soc)、負載可編程邏輯設備(cpld)、計算機硬件、固件、軟件、和/或它們的組合中實現。這些各種實施方式可以包括：實施在一個或者多個計算機程序中，該一個或者多個計算機程序可在包括至少一個可編程處理器的可編程系統上執行和/或解釋，該可編程處理器可以是專用或者通用可編程處理器，可以從存儲系統、至少一個輸入裝置、和至少一個輸出裝置接收數據和指令，并且將數據和指令傳輸至該存儲系統、該至少一個輸入裝置、和該至少一個輸出裝置。
100.用于實施本發明的方法的計算機程序可以采用一個或多個編程語言的任何組合來編寫。這些計算機程序可以提供給通用計算機、專用計算機或其他可編程數據處理裝置的處理器，使得計算機程序當由處理器執行時使流程圖和/或框圖中所規定的功能/操作被實施。計算機程序可以完全在機器上執行、部分地在機器上執行，作為獨立軟件包部分地在機器上執行且部分地在遠程機器上執行或完全在遠程機器或服務器上執行。
101.在本發明的上下文中，計算機可讀存儲介質可以是有形的介質，其可以包含或存儲以供指令執行系統、裝置或設備使用或與指令執行系統、裝置或設備結合地使用的計算
機程序。計算機可讀存儲介質可以包括但不限于電子的、磁性的、光學的、電磁的、紅外的、或半導體系統、裝置或設備，或者上述內容的任何合適組合。備選地，計算機可讀存儲介質可以是機器可讀信號介質。機器可讀存儲介質的更具體示例會包括基于一個或多個線的電氣連接、便攜式計算機盤、硬盤、隨機存取存儲器(ram)、只讀存儲器(rom)、可擦除可編程只讀存儲器(eprom或快閃存儲器)、光纖、便捷式緊湊盤只讀存儲器(cd-rom)、光學儲存設備、磁儲存設備、或上述內容的任何合適組合。
102.為了提供與用戶的交互，可以在電子設備上實施此處描述的系統和技術，該電子設備具有：用于向用戶顯示信息的顯示裝置(例如，crt(陰極射線管)或者lcd(液晶顯示器)監視器)；以及鍵盤和指向裝置(例如，鼠標或者軌跡球)，用戶可以通過該鍵盤和該指向裝置來將輸入提供給電子設備。其它種類的裝置還可以用于提供與用戶的交互；例如，提供給用戶的反饋可以是任何形式的傳感反饋(例如，視覺反饋、聽覺反饋、或者觸覺反饋)；并且可以用任何形式(包括聲輸入、語音輸入或者、觸覺輸入)來接收來自用戶的輸入。
103.可以將此處描述的系統和技術實施在包括后臺部件的計算系統(例如，作為數據服務器)、或者包括中間件部件的計算系統(例如，應用服務器)、或者包括前端部件的計算系統(例如，具有圖形用戶界面或者網絡瀏覽器的用戶計算機，用戶可以通過該圖形用戶界面或者該網絡瀏覽器來與此處描述的系統和技術的實施方式交互)、或者包括這種后臺部件、中間件部件、或者前端部件的任何組合的計算系統中。可以通過任何形式或者介質的數字數據通信(例如，通信網絡)來將系統的部件相互連接。通信網絡的示例包括：局域網(lan)、廣域網(wan)、區塊鏈網絡和互聯網。
104.計算系統可以包括客戶端和服務器。客戶端和服務器一般遠離彼此并且通常通過通信網絡進行交互。通過在相應的計算機上運行并且彼此具有客戶端-服務器關系的計算機程序來產生客戶端和服務器的關系。服務器可以是云服務器，又稱為云計算服務器或云主機，是云計算服務體系中的一項主機產品，以解決了傳統物理主機與vps服務中，存在的管理難度大，業務擴展性弱的缺陷。
105.應該理解，可以使用上面所示的各種形式的流程，重新排序、增加或刪除步驟。例如，本發明中記載的各步驟可以并行地執行也可以順序地執行也可以不同的次序執行，只要能夠實現本發明的技術方案所期望的結果，本文在此不進行限制。
106.上述具體實施方式，并不構成對本發明保護范圍的限制。本領域技術人員應該明白的是，根據設計要求和其他因素，可以進行各種修改、組合、子組合和替代。任何在本發明的精神和原則之內所作的修改、等同替換和改進等，均應包含在本發明保護范圍之內。
