具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

在本发明中，本发明及附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

为了降低配电网-多微网系统的整体运行成本并提高其中的配电网稳定性，本发明提供了一种基于能源路由器的配电网-多微网系统及其调度方法，其整体思路在于：将微网划分为多个区域，同一个区域内的微网通过同一个路由器进行统一管理，同一区域内的微网与该区域内的能源路由器之间建立有电气联络线和热能管道，由此能够实现同一区域内微网之间的热能和电能交互；能源路由器之间，以及能源路由器与配电网之间均建立有电能联络线，由此能够实现微网间跨区域的电能交互，以及微网与配电网之间的电能交互；最终可以使综合能源微网之间通过区域内合作或跨区域合作的方式提高运行效率，降低运行成本，并提高配电网的稳定性。

以下为实施例。

实施例1：

一种基于能源路由器的配电网-多微网系统，包括：配电网，一个或多个能源路由器，以及多个冷热电联供型微网；

每个微网与其中一个能源路由器之间搭建有电气联络线和热能管道，微网的电能母线和热能母线分别连接至电气联络线和热能管道，每一个能源路由器及与其相连的微网构成一个区域；本实施例中，同一区域内的微网间距离较近，不同区域间的微网间距离较远；

能源路由器与配电网之间搭建有电气联络线，且能源路由器之间搭建有电气联络线；

工作时，能源路由器用于向配电网提供功率支撑，并管理其所属区域内微网间的能量交互，以及与其他能源路由器之间进行电能交互；

为了便于对系统进行优化调度，如图1所示，本实施例还包括：与各能源路由器均相连的智能控制中心，用于制定优化调度计划，并传递至各能源路由器，以由能源路由器执行优化调度计划，实现对系统的优化调度；

其中，优化调度计划包括：系统中各电气联络线交互功率、各热能管道的交互功率，以及各微网中各设备的出力；

本实施例中，分布式能源路由器向上支撑配网，向下管理微网，同时连接智能控制中心，且分布式能源路由器间存在电能交互；多微网经过能源路由器并网，使用能源路由器对区域内距离较近的多微网实现统一管理，以消除多微网并网位置分散以及微网内部能量波动对配电网稳定运行产生的影响；

本实施例中，能源路由器的结构如图2所示，包括：电能模块、热能模块和控制模块；

电能模块，用于提供即插即用的电能端口，微网的电能母线通过微网与能源路由器间的电气联络线与电能端口相连；

热能模块，用于提供即插即用的热能端口，微网的热能母线通过微网与能源路由器间的热能管道与热能端口相连；

控制模块，与智能控制中心相连，且与同一区域内各微网中的各设备相连，用于接收来自智能控制中心的优化调度计划，并根据所接收的优化调度计划控制电气联络线的交互功率、热能管道的交互功率以及微网中各设备的出力；当系统中微网电能和热能过剩时，该微网的多余电能和热能经过能源路由器传输到区域内其他微网，多余的电能还能跨区域传输到其他能源路由器，实现能源路由器对能量的统一管理。

冷热电联供型微网的结构如图3所示，其中包括与冷热电联供相关的设备和电能母线、热能母线、冷能母线，具体包括三类，即发电设备、产热设备和制冷设备，发电设备均连接至电能母线，产热设备均连接至热能母线，制冷设备均连接至冷能母线；发电设备具体包括：能源路由器、光伏发电设备、风电机组；产热设备具体包括：换热装置和燃气锅炉；制冷设备具体包括：电制冷机和吸收式制冷机。

考虑到可以控制电制冷机和吸收式制冷机的出力，使微网不存在多余的冷能。无论是区域内，还是区域间，微网之间不直接进行冷能交互；由于在远距离传输过程中，传输损耗过大，因此，仅区域内的微网间存在热能交互，而不存在跨区域的热能交互；本实施例在工作时，微网中设备间会存在如下能量交互过程：燃气轮机的余热经余热锅炉后输出一部分余热经吸收式制冷机供应微网冷负荷需求，另一部分余热则经换热装置供应微网热负荷需求；当吸收式制冷机的制冷功率不足以提供微网的冷负荷功率需求时，电制冷机制冷来补充微网的冷负荷功率需求；当换热装置的制热功率不足以提供微网的热负荷功率需求时，燃气锅炉供热来补充微网的热负荷功率需求。

本实施例利用能源路由器将多个微网组织为一个区域；同一区域内，微网通过同一个能源路由器并网，由该路由器对区域内的微网进行统一的能量管理，使得同一区域的多个微网之间可以进行电能和热能的交互，能够通过区域自治的方式，优先满足同一区域内微网的热电负荷需求，有效减少微网与配电网之间的交互，一方面，有效消除多微网并网位置分散以及微网内部能量波动对配电网稳定运行产生的影响，提高了配电网的稳定性，另一方面，能够有效提高能量利用率，减少弃冷、弃热和弃电的情况，降低系统的运行成本；能源路由器之间也建立有电气联络线，使得不同区域中的微网也可以实现电能交互，能够进一步降低系统运行成本。

实施例2：

上述实施例1提供的基于能源路由器的配电网-多微网系统的调度方法，如图4所示，包括如下步骤：

(S1)在当前调度周期，以提高电能质量、降低系统网损和平滑负荷波动为目标，以系统潮流约束和安全运行约束为约束条件，建立配电网的优化调度模型，记为上层优化调度模型；以降低微网运行成本为目标，以冷热电负荷功率平衡约束、微源设备约束、储能装置约束、微网与电网的交互功率约束、微网与能源路由器的交互功率约束、微网与能源路由器间的交互功率约束和热损平衡约束为约束条件，建立微网的优化调度模型，记为下层优化调度模型；

本实施中，上层优化调度模型的目标函数为：

min F＝μ₁F₁+μ₂F₂+μ₃F₃

其中，F₁为整个调度周期内配电网各节点电压的标准差，用于衡量电压的偏移程度，即反映了电能质量；F₂为整个调度周期内配电网负荷曲线方差，用于衡量负荷波动大小；F₃为整个调度周期内配电网的网损之和；μ₁、μ₂、μ₃分别为对应目标的权重系数，可根据各目标的重要程度相应设置；可选地，本实施例中，μ₁＝0.4、μ₂＝0.3、μ₃＝0.3；

上层优化调度模型中，系统潮流约束具体为：

式中，下标g、er、l分别表示分布式电源、能源路由器交换功率和负荷；U_i,t、U_j,t分别为t时段第i节点和第j节点处的电压幅值；G_ij为ij线路之间的电导；B_ij为ij线路间的电纳；θ_ij,t为t时段节点i与节点j处电压的相角差；

安全运行约束为：

式中，分别为能源路由器联络线有功交换功率上下限； 分别为能源路由器联络线无功交换功率上下限；和分别为分布式电源有功和无功功率上下限；U^i,max、U^i,min分别为节点i的电压上下限；

本实施例中，下层优化调度模型的目标函数为：

其中，i表示微网编号，N表示微网总数，t表示调度周期内的时段编号，T表示调度周期；C_i,om(t)为t时段第i个微源的维护成本；C_i,gas(t)为t时段第i个微网的购气成本；C_i,er(t)为t时段第i个微网跨区域与其他能源路由器的交互成本；C_i,grid(t)为t时段第i个微网经过能源路由器与配电网的交互成本；由于同一区域内的微网属于同一利益主体，因此，在下层优化调度模型中，不考虑区域内微网间的交互成本；具体地，

t时段第i个微源设备的维护成本C_i,om(t)计算公式为，

式中，下标k表示微源k，微源即微网；K_k包括K_PV、K_WT、K_BT、K_HS、K_GT、K_HE、K_AC、K_EC、K_GB、K_RB，分别表示光伏、风电、蓄电池、储热装置、燃气轮机、换热装置、吸收式制冷机、电制冷机、燃气锅炉、余热锅炉的维护成本系数；P_i,k(t)分别为P_i,PV(t)、P_i,WT(t)、P_i,BT(t)、P_i,HS(t)、P_i,GT(t)、P_i,HE(t)、P_i,AC(t)、P_i,EC、P_i,GB(t)、P_i,RB(t)，分别表示光伏、风电、蓄电池、储热装置、燃气轮机、换热装置、吸收式制冷机、电制冷机、燃气锅炉、余热锅炉的输出功率，即出力；

t时段第i个微网的购气成本C_i,gas(t)为：

式中，中括号中第一项、第二项分别为t时段内第i个微网中燃气轮机、燃气锅炉消耗的天然气量；C_ng为单位天然气价格，可选地，本实施例中，C_ng取2.05元/m³；L_NG为天然气低拉热值，可选地，本实施例中，L_NG取9.78kwh/m³；

t时段第i个微网跨区域与其他能源路由器的交互成本C_i,er(t)为：

式中，表示第i个微网与其他能源路由器交互电功率的电价；P_i,er(t)表示第i个微网与其他能源路由器的交互功率；

t时段第i个微网经过能源路由器与配电网的交互成本C_i,grid(t)为：

C_i,grid(t)＝τ(t)P_i,grid(t)

式中，τ(t)表示微网与电网交互电功率的电价；P_i,grid(t)表示第i个微网与电网的交互功率；

在计算微源维护成本、购气成本、微网跨区域与其他能源路由器的交互成本以及微网经过能源路由器与配电网的交互成本时，需要提前对微网中各个设备分别建模，即对综合能源微网中的燃气轮机、燃气锅炉、吸收式制冷机、电制冷机、换热装置、蓄电池和储热装置进行建模，其中的蓄电池和储热装置构成储能装置，使用储能装置的数学模型；

具体地，燃气轮机的数学模型为，

P_GT(t)＝α(t)P_gas(t)η_e,GT

式中，P_GT(t)为燃气轮机在t时段的输出功率，P_gas(t)为t时段天然气供给功率，α(t)为天然气分配系数，η_e,GT为燃气轮机的发电效率；

燃气锅炉的数学模型为，

P_GB(t)＝(1-α(t))P_gas(t)η_h,GB

式中，P_GB(t)为燃气锅炉在t时段的输出热量，η_h,GB为燃气锅炉的效率；

其他能量转换设备模型为，

P_k,out(t)＝P_k,in(t)η_k

式中，P_k,in(t)为t时段能量转换设备k的输入功率，P_k,out(t)为t时段为能量转换设备k的输出功率，η_k为能量转换设备k的转换效率；

储能装置的数学模型为，

式中，S(t)为t时段储能装置储存的能量，Δt为t时段到t+1时段的时间间隔，P_abs(t)和P_relea(t)分别为储能装置的充能功率和放能功率，η^abs和η^relea分别为储能装置的充能效率和放能效率，u为储能装置自身向环境散能损失或自损耗的能量系数；

下层优化调度模型中，电负荷平衡约束为：

式中，L_i,e(t)表示第i个微网在t时段内的电负荷需求，P_i,grid(t)为t时段第i个微网与电网间的交互功率，P_i,PV(t)为第i个微网在t时段的光伏发电功率，P_i,WT(t)为第i个微网在t时段的风力发电功率，P_i,er(t)为第i个微网在t时段的与其他能源路由器跨区交互的电功率，P_i,BT(t)为第i个微网在t时段的与蓄电池的交互电功率，P_i,GT(t)为第i个微网在t时段的燃气轮机发电功率，P_e,ij(t)为t时段微网间的交互电功率，P_i,EC(t)为第i个微网电制冷机的输出功率，η_EC为电制冷机的制冷系数；

热负荷平衡约束为：

式中，L_i,h(t)为第i个微网在t时段内的热负荷需求，P_i,HE(t)为第i个微网在t时段换热装置的制热功率；为微网i和j在t时段的热交换功率，P_i,HS(t)为第i个微网在t时段与储热装置的热交换功率；

冷负荷平衡约束为：

L_i,c(t)＝P_i,AC(t)+P_i,EC(t)

式中，L_i,c(t)为第i个微网在t时段的冷负荷需求，P_i,AC(t)为第i个微网在t时段的吸收式制冷机的输出制冷功率，P_i,EC(t)为第i个微网在t时段的电制冷机的输出制冷功率；

微源设备约束为：

P_i,k,min≤P_i,k(t)≤P_i,k,max

式中，P_i,k(t)为第i个微网中第k个微设备在t时段的功率，P_i,k,min、P_i,k,max分别为其功率下线及上限；

储能装置约束为，

式中，P_λ,in(t)、P_λ,out(t)分别为储能设备λ在t时段的充、放能功率；P_λ,in,max、P_λ,out,max分别为设备λ放能功率的上限；X_λ(t)、Y_λ(t)分别表示设备λ在t时段的状态，为1则分别表示充能状态，为0表示放能状态，同一设备两种状态不能同时存在；E_λ(t)为设备λ在t时段的储能容量；E_λ,min、E_λ,max分别为设备λ储能容量的上限和下限值；考虑储能运行的周期性，每个运行周期具有相同的初始条件；

能微网与电网及微网与其他能源路由器交互功率约束为，

式中，P_i,grid,min和P_i,grid,max分别为第i个微网与电网交互的最小功率和最大功率；P_i,er,min和P_i,er,max分别为第i个微网与其他能源路由器交互的最小功率和最大功率；P_i,grid(t)和P_i,er(t)分别为第i个微网与电网和其他能源路由器的交互功率；

微网与能源路由器间功率交互约束为，

式中，P_e,ij,min和P_e,ij,max分别为微网间电能的最小和最大交互功率；P_h,ij,min和P_h,ij,max分别为微网间热能的最小和最大交互功率；P_e,ij(t)和P_h,ij(t)分别为微网间电能和热能的交互功率；

热损平衡约束为，

H_i,j,in＝ρH_i,j,out

式中ρ为微网间的热损失系数，H_ij,in为第i个微网实际输入到第j个微网的热能，H_ij,out为从第i个微网输出的热能，热能从第i个微网传输到第j个微网存在损耗；

(S2)求解上层优化调度模型，得到各电气联络线的交互功率；

通过求解上层优化调度模型，能够得到能源路由器之间，以及能源路由器和配电网之间的电能联络线的最优功率，为了加快模型求解过程中，优化算法的收敛速度，本实施例采用一种改进的量子粒子群算法进行优化调度模型的求解，该改进的量子粒子群算法在传统的量子粒子群算法的基础上作出了三个方面的改进，具体如下：

1)编码改进

改进QPSO算法采用量子位的概率幅作为粒子的当前位置编码，公式如下：

式中,S_m表示第m个粒子位置，n为解空间维度，cos(θ_mn)、sin(θ_mn)表示第m个粒子第n维对应的余弦和正弦位置，余弦位置和正弦位置分别对应着量子态|0>和|1>的概率幅；如此对粒子的当前位置进行编码，使得一个粒子能同时表示两种状态，对应两个解空间中的位置，可以加快算法的收敛速度并提高算法的搜索精度；

将粒子两个单位空间位置转变位优化问题的解空间正弦位置和余弦位置转换公式入下：

式中，a_j、b_j分别为量子的第j个位置(对于优化问题的第j个变量)的最大值与最小值；

2)初始种群搜索方式改进

混沌现象具有良好的随机性、遍历性和对于初始条件的敏感性，将其应用于种群初始化之中，能够提高初始种群多样性，提高算法的收敛能力。

利用Logisitic映射产生混沌序列，进行混沌搜索，如下式所示：

L(m+1)＝uL(m)[1-L(m)]

式中，L(m+1)、L(m)∈[0,1]，m为粒子编号；u表示混沌状态的程度，u∈[0,4]，为使系统序列完全混沌无重复，可选地，本实施例中，取u＝4；

3)位置更新方式改进

用量子行为位置更新方程式对更优位置进行位置的更新，之后返回的θ_m值，从而构成更新的第m个粒子的正弦位置和余弦位置，进而构成新一代第m个粒子的当前位置编码；

位置更新方程如下式所示：

P_m(t)＝λ·X_mb(t)+(1-λ)X_g(t)

X_m(t+1)＝P_m(t)±α|m(t)-X_m(t)|·ln(1/u)

其中，式中，m为当前粒子编号，t表示第t次迭代，X_mb、X_g分别代表粒子个体最优位置、种群全局最优位置；λ和u均为[0,1]上的随机数；N为种群的大小；mbest是种群中所有粒子个体最优位置的平均值；α为收缩-扩张因子，通常线性减小；

基于上述改进的量子粒子群算法，本实施中，求解上层优化调度模型，具体包括：

按照初始化第m个粒子的位置编码S_m，并获取配电网-多微网系统的参数和待求解模型的参数；对上层优化调度模型的决策变量进行实数编码，通过混沌搜索产生初始种群后，进行求解运算，进行求解运算过程中，粒子的位置更新方式如下：

P_i(t)＝λ·X_ib(t)+(1-λ)X_g(t)

X_i(t+1)＝P_i(t)±α|m(t)-X_i(t)|·ln(1/u)

(S3)以步骤(S2)得到的各电气联络线的交互功率作为下层优化调度模型的新增约束条件，求解下层优化调度模型，得到各微网中各设备的出力；

通过求解上层优化调度模型，得到各电气联络线的交互功率后，将其作为约束条件作用于下层优化调度模型，具体是指，求解得到各微网中各设备的出力后，保证各电气联络线的交互功率与上层优化调度模型的求解结果一致；

本实施例中，同样使用改进的量子粒子群算法求解下层调度模型，具体过程可参考关于上层优化调度模型的求解过程的描述；

下层模型求解结束后，进一步判断是否有解，若进行求解运算后无解，则将适应度函数值设为无穷大，具体可设置为一个特殊的数值表示无穷大的适应度函数值，例如，一个大于所有解的适应度函数值最大值的数值；否则，保存所求得的解，并计算相应的适应度函数值；

(S4)将步骤(S2)得到的各电气联络线的交互功率和步骤(S3)得到的各微网中各设备的出力作为优化调度计划，完成一次迭代，若迭代次数小于预设的最大迭代次数，则转入步骤(S2)；否则，转入步骤(S5)；

(S5)将已获得的优化调度计划中最优的调度计划确定为调度结果，完成当前调度周期的优化调度；

具体可以通过比较适应度函数值的方式确定最优的调度计划，适应度函数值越小，调度计划越优。

本实施例所提供的针对基于能源路由器的配电网-多微网系统的调度方法，为一种双层优化方法，具体来说，包括对上层微电网的优化调度和对下层微网的优化调度；对上层配电网进行调度时，同时以提高电能质量、降低系统网损和平滑负荷波动为目标，建立优化调度模型，能够有效保证上层微电网的稳定性和经济性；对下层微网进行调度时，以降低微网的运行成本为目标，并且上层配电网的优化调度结果，即各电气联络线的交互功率会作为下层微网调度模型的其中一个约束条件，由此能够在保证上层配电网稳定性的情况下，降低微网运行成本，从而降低整个系统的运行成本，提高系统经济性。

利用模型求解计算调度计划是制定运行最优调度计划的过程，主动配电网和能源路由器的联络线功率，以及系统中各单元电能、热能交互是调度计划的执行。

在上层配网联络线约束下，综合能源微网中的微源出力也会受到影响，微网中电能与冷能、热能是可以通过冷能和热能设备转化的，比如冷能不足时可以通过电制冷机制冷，也可以通过吸收式制冷机制冷，热能不足时，燃气锅炉或燃气轮机都可以产热，其他微网和储热装置可以通过能源路由器供给热能，有多种方式取得冷能和热能，这样就出现用天然气还是用电取冷和取热以及微网间能量如何交互的优化问题，由于上层优化限制了微网和电网的交互，但电能还可以来自燃气轮机、风电、光伏和其他能源路由器，这就需要经济优化调度算法来求解最优的调度方案，达到在上层主动配电网优化运行下多微网系统的运行经济性最优。

以下结合一个具体的算例，对本发明所能取得的有益效果进行进一步的解释说明。

图5所示为一个基于能源路由器的配电网-多微网系统示意图，图中的数字1～33表示配电网中的各个节点，3个能源路由器ER1、ER2和ER3接入节点14、22、33，分布式支撑主动配电网，MG1、MG2、MG3均为冷热电联供型微网；以下分析中，对微网MG1、MG2、MG3，MG4和MG5做简化处理，即可以满足配网和微网的功率需求；算例中购售电电价为0.65元/(kW·h)，天然气气价为2.2元/m³；已知主动配电网和MG1、MG2、MG3这3个微网的冷热电负荷数据以及光伏、风电预测发电功率数据，分别如图6、图7、图8和图9所示；

为了对比分析，算例设置了3个场景：

场景1：采用上述实施例1提供的基于能源路由器的配电网-多微网系统和上述实施例2提供的双层优化调度方法，3个能源路由器接入主动配电网的14、22、33节点。

场景2：采用上述实施例2提供的双层优化调度方法，不考虑微网间能量交互，微网直接连接主动配电网，其中MG1、MG2、MG3分别连接节点13、14、15，MG4、MG5连接节点22、33。

场景3：不考率双层优化调度方法，各微网仅考虑自身经济性，其余与场景2一致。

图5的典型算例是针对本发明所提的优化调度模型的一个实际应用，证明采用能源路由器管理配电网和综合能源微网后，可以优化主动配电网的稳定运行，提高电能质量，显著降低配网网损和多微网系统的经济成本，且各个微网内冷热电负荷达到平衡状态。

算例系统中设备参数如表1所示。

表1设备参数

将典型算例系统中的已知参数：表2和图6-8作为输入量，通过本发明构建的基于能源路由器的配电网与多综合能源微网优化调度模型，利用改进量子粒子群算法求解出主动配电网优化调度结果，主动配电网与多微网间功率交互值、主动配电网不同场景下节点电压比较以及主动配电网不同场景下全天网损比较的结果，分别如图10、图11和图12所示；3个微网中各个设备在各个时段的出力优化调度结果，分别如图13、图14和图15所示，其中，MG1的电、冷负荷平衡曲线如图13中的(a)所示，MG1的热负荷平衡曲线如图13中的(b)所示，MG2的电负荷平衡曲线、热负荷平衡曲线和冷负荷平衡曲线分别如图14中的(a)、(b)和(c)所示，MG3的电负荷平衡曲线、热负荷平衡曲线和冷负荷平衡曲线分别如图15中的(a)、(b)和(c)所示；图16所示为场景2中各微网的弃能情况。

图9为主动配电网与多微网间功率交互值，图10为主动配电网不同场景下节点电压比较，图11为主动配电网不同场景下全天网损比较，从图9-图11可以看出3个场景中，场景1里多微网采用能源路由器并网，可以对配网进行功率支撑，在一定程度上削峰填谷，可以提高配网的电能质量，降低网损，优化主动配电网运行。

图13为场景1中MG1冷热电负荷平衡及设备出力曲线，图14为场景1中MG2冷热电负荷平衡及设备出力曲线，图15为场景1中MG3冷热电负荷平衡及设备出力曲线，可以看出MG1、MG2和MG3这3个微网中冷热电负荷均达到了平衡状态，没有出现弃能情况。

图16为场景2各微网的弃能情况，可以看出场景2不采用能源路由器进行能量管理，存在弃电、弃热情况，造成资源浪费。

本算例系统采用场景1、场景2和场景3三种运行方式时，多综合能源微网的运行总成本，如以下表2所示。

表2多综合能源微网的运行总成本

表2算出的接入能源路由器的多微网总成本就是根据本发明构建的优化调度模型中的目标函数(多微网系统运行成本)的值。本发明的算例系统所得到的优化调度计划为图12-图15，可以得出3个微网中每个设备在每个时段的出力；当按照图12-图15中设备进行每个时段的出力控制时，就可以得到最优的多微网系统运行成本。

从表2可以看出场景3仅考虑自身利益，因此总运行费用最低，但是场景3中多微网会对配网的稳定性产生影响，并不可取；场景2费用比场景1高13.5％；场景1由于将多余的能量用于综合能源微网之间的协调交互，相比场景2减少了微源出力，费用有所减少，证明能源路由器通过控制微网间的多能源交互，实现能量平衡，降低了运行成本；场景1相比场景3费用高出5.3％，然而相比于本文优化调度对上层配网的优化运行效果，此费用是可以接受的。

所以，对比3个场景，采用本发明提出优化调度方法和本发明提出的系统，能有效提高主动配电网的电压质量，降低配网网损，能够优化主动配电网的稳定运行，而且充分利用了各个微网的资源，显著降低了多综合能源微网的日运行经济成本。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。