具体实施方式

下面结合附图对本申请实施例提供的光伏组串的故障检测方法、装置及存储介质进行详细地描述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。

本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。

此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括其他没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本申请的描述中，除非另有说明，“多个”的含义是指两个或两个以上。

随着光伏发电技术的发展，太阳能电池的工作效率逐步提升，汇流箱内各个支路产生拉弧现象的概率也就增大。拉弧现象严重时会导致光伏组串高温发热起火，给光伏电站带来严重的发电损失和安全危害。现有的，一般会根据机器学习算法建立训练模型，将检测到的光伏组串的拉弧特征数据输入建立好的训练模型，然后从训练模型中得到光伏组串是否出现拉弧故障的检测结果。

然而，现有对于拉弧故障的检测方法是在出现故障之后的检测，这样仍然会有因拉弧故障导致安全隐患的可能。

针对上述现有技术中存在的问题，本申请实施例提供了一种光伏组串的故障检测方法，该方法先对至少两个光伏组串的拉弧特征参数进行纵向对比确定出存在拉弧故障可能的异常光伏组串。之后，对比分析异常光伏组串的预测时序序列和实际时序序列进一步确定异常光伏组串是否有拉弧故障的可能。这样就可以在预测到拉弧故障时及时发出故障预警信号，避免因拉弧故障导致的安全隐患。

本申请实施例提供的光伏组串的故障检测方法可以适用于光伏组串的故障检测装置。光伏组串的故障检测装置可以为物理机(如服务器)，也可以为部署在物理机上的虚拟机(virtual machine，VM)。光伏组串的故障检测装置用于监控各个光伏组串，以实现对各个光伏组串的故障检测。

下面对本申请提供的光伏组串的故障检测方法进行详细说明。

参照图1，本申请实施例提供的光伏组串的故障检测方法包括S101-S104：

S101、光伏组串的故障检测装置获取至少两个光伏组串中每个光伏组串的拉弧特征参数。

其中，光伏组串可以是将一定数量的规格相同的光伏电池串联起来，组成的光伏串列。拉弧特征参数用于表征每个光伏组串的拉弧程度。

目前，光伏组串拉弧现象主要有三种形式，包括串联拉弧、并联拉弧和对地拉弧，由于串联拉弧出现的概率很大，其他两种拉弧出现的概率很小，所以，可选的，本申请实施例提供的光伏组串的故障检测方法主要可以用于对串联拉弧故障的检测。当然，在实际应用中，还可以应用于对其他拉弧故障的检测，本申请实施例对此不做限定。

可选的，在对串联拉弧故障进行检测时，光伏组串的故障检测装置可以获取每个光伏组串在同一采样周期的直流电流的交流成分的时域变化曲线和频域变化曲线；然后根据时域变化曲线和频域变化曲线，提取每个光伏组串的拉弧特征数据；之后根据拉弧特征数据和预设权重，确定拉弧特征参数。

由于拉弧故障主要体现在光伏组串直流侧电流的异常变化，所以分析直流电流的时域变化曲线和频域变化曲线可以确定光伏组串是否有存在拉弧故障的可能。另外，由于拉弧属于噪声波形，扰动是交流成分，所以可以获取直流电流的交流成分的时域变化曲线和频域变化曲线。

示例性的，可以从光伏发电系统的核心设备即光伏逆变器处采集同一采样周期内每个光伏组串的直流电流的交流成分的时域变化曲线，然后可以分别对获取到的所有时域变化曲线进行快速傅立叶变换(FFT，fast Fourier transform)，得到每个光伏组串对应的频域变化曲线。时域变化曲线可以对应得到一组一维时序数组，频域变化曲线可以对应得到一组频谱数组。

同一光伏组串在不同的采样周期内，采集光伏组串的直流电流时的采集状态可能不同，比如可能是在逆变器满载满额定电流状态下采集，也可能是在半载0.5倍组件额定电流状态下采集。所以，可选的，在获取到每个光伏组串的时序数组和每个光伏组串的频谱数组后，可以分别对每个光伏组串的时序数组和频谱数组中的数据进行归一化处理。

示例性的，可以采用Z-分数(Z-Score)归一化法对数据进行归一化处理。具体的，可以根据表达式(1)对每个光伏组串的时序数组的数据进行归一化处理，根据表达式(2)对每个光伏组串的频谱数组的数据进行归一化处理：

其中，T_x表示时序数组，N为时序数组中的数据个数，F_x表示频谱数组，M为频谱数组中的数据个数，x为时序数组或频谱数组中的第x个数据。为时序数组中所有数据的平均值，σ_T为时序数组中所有数据的标准差，为频谱数组中所有数据的平均值，σ_F为频谱数组中所有数据的标准差。表示归一化处理后的时序数组，表示归一化处理后的频谱数组。

在对每个光伏组串的时序数组和频谱数组进行归一化处理后，可以分别从每个光伏组串的时序数组中提取得到每个光伏组串的拉弧特征数据，比如，平均幅值、偏度因子和峭度因子等。并且，可以从每个光伏组串的频谱数组中提取得到每个光伏组串的拉弧特征数据，比如，平均频率和频率均方根等。然后可以根据每种拉弧特征数据的预设权重，根据表达式(3)确定拉弧特征参数：

其中，表示时序数组的平均幅值，平均幅值用于表征直流侧交流成分的整体能量程度，ω₁表示平均幅值的预设权重；表示时序数组的偏度因子，偏度因子用于表征时域波形曲线距离中心轴的偏离程度，ω₂表示偏度因子的预设权重；表示时序数组的峭度因子，峭度因子用于表征时域曲线的平缓程度，ω₃表示峭度因子的预设权重；表示频谱数组的平均频率，平均频率用于表征频域曲线赋值的大小，ω₄表示平均频率的预设权重；表示频谱数组的频率均方根，频率均方根用于表征频域曲线波形的离散程度，ω₅表示频率均方根的预设权重。其中，每种拉弧特征数据的预设权重可以是人为事先确定的数值，在实际应用中，可以通过设计实验来分析不同拉弧特征数据对于拉弧现象的影响程度，然后根据实验得到的影响程度确定预设权重。

可以看出，根据表达式(3)得到的拉弧特征参数的数值越大，表示光伏组串的拉弧特征越明显，出现拉弧故障的可能性越大。

S102、光伏组串的故障检测装置根据拉弧特征参数，从至少两个光伏组串中确定出异常光伏组串。

可选的，光伏组串的故障检测装置可以根据拉弧特征参数，确定每个光伏组串的拉弧特征偏离参数；然后根据拉弧特征偏离参数，从至少两个光伏组串中确定出异常光伏组串。

其中，拉弧特征偏离参数用于表征当前光伏组串的拉弧特征参数与其他光伏组串的拉弧特征参数的偏离程度；当前光伏组串为至少两个光伏组串中的任意一个。

可选的，光伏组串的故障检测装置可以根据拉弧特征参数，确定至少两个光伏组串的拉弧特征参数均值；然后根据拉弧特征参数和拉弧特征参数均值，确定拉弧特征偏离参数；之后，将拉弧特征偏离参数大于或等于预设偏离阈值的光伏组串确定为异常光伏组串。

示例性的，可以根据表达式(4)计算每个光伏组串的拉弧特征偏离参数：

其中，R表示光伏组串的个数，y表示R个光伏组串中的第y个光伏组串，表示R个光伏组串的拉弧特征参数的平均值，k_y表示第y个光伏组串的拉弧特征参数，η_y表示第y个光伏组串的拉弧特征偏离参数。

可以看出，光伏组串的拉弧特征偏离参数越大，表示该光伏组串的拉弧特征参数与其他光伏组串的拉弧特征参数的偏离程度越大。当该光伏组串的拉弧特征偏离参数超过预设偏离阈值时，表示该光伏组串有明显异常的特征，可以将该光伏组串确定为异常光伏组串。其中，预设偏离阈值可以是人为事先确定的参数，本申请实施例对此不做限定。

S103、光伏组串的故障检测装置根据异常光伏组串的拉弧特征参数的历史时序序列，得到在当前时刻之后异常光伏组串的拉弧特征参数的预测时序序列。

可选的，在一种可能的实现方式中，光伏组串的故障检测装置可以根据预设历史时间段内X个采样周期的异常光伏组串的拉弧特征参数，得到历史时序序列，其中，X为大于或等于2的正整数；然后，根据预设时间序列算法和历史时序序列，确定在当前时刻之后Y个采样周期的异常光伏组串的拉弧特征参数，得到预测时序序列，其中，Y为大于或等于1的正整数。

其中，预设历史时间段内可以是人为事先确定的在当前时刻之前的历史时间段。示例性的，预设历史时间段为T1时间段，T1时间段包括X个采样周期，光伏组串的故障检测装置可以获取异常光伏组串在X个采样周期中每个采样周期的拉弧特征参数，根据获取到的X个拉弧特征参数以及对应的采集时间得到历史时序序列k_i，T1(i＝1～X)。

预设时间序列算法可以是人为事先确定的时间序列算法。示例性的，预设时间序列算法可以为差分自回归移动平均算法(Autoregressive Integrated Moving Averagemodel，ARIMA)。当然，在实际应用中，预设时间序列算法还可以是其他时间序列算法，本申请实施例对此不做限定。基于预设时间序列算法和历史时序序列k_i，T1(i＝1～X)，可以得到在当前时刻之后的T2时间段内的Y个采样周期的预测时序序列

可选的，为了进一步提高对光伏组串的拉弧故障检测的准确率，在确定出异常光伏组串之后，还可以根据历史时序序列，确定异常光伏组串的拉弧特征参数的梯度参数；然后对梯度参数进行分析，在确定梯度参数大于或等于预设梯度阈值的情况下，再进一步推演预测时序序列。

梯度参数用于表征历史时序序列中拉弧特征参数随时间变化的增长程度，示例性的，梯度参数可以为一阶差分连续累计值。具体的，可以根据表达式(5)确定异常光伏组串的拉弧特征参数的梯度参数：

其中，G用于表示梯度参数，k_i表示历史时序序列中第i个拉弧特征参数，k_i-1表示历史时序序列中第i-1个拉弧特征参数，X为T1时间段采样周期的个数。

预设梯度阈值可以是人为事先确定的参数，在确定梯度参数超过预设梯度阈值的情况下，表示异常光伏组串的拉弧特征参数在T1时间段内有明显的增长趋势，具备演变成拉弧故障的可能性，所以可以在确定梯度参数大于或等于预设梯度阈值的情况下，进一步推演预测时序序列，从而二次校验异常光伏组串的拉弧特征参数的变化特征。

S104、光伏组串的故障检测装置根据预测时序序列和在当前时刻之后异常光伏组串的拉弧特征参数的实际时序序列，检测异常光伏组串是否出现拉弧故障。

可选的，光伏组串的故障检测装置可以确定时序序列和实际时序序列的序列偏差参数；在确定序列偏差参数满足预设条件的情况下，确定异常光伏组串出现拉弧故障。

在当前时刻之后的T2时间段内，可以对异常光伏组串进行监控，获取T2时间段内的Y个采样周期的拉弧特征参数，根据获取到的Y个拉弧特征参数以及对应的采集时间可以得到实际时序序列k_i，T2(i＝1～Y)。其中，获取T2时间段内的Y个采样周期的拉弧特征参数的方法可以参照前述中获取至少两个光伏组串中每个光伏组串的拉弧特征参数的相关描述，此处不再赘述。

示例性的，序列偏差参数可以为预测时序序列和实际时序序列k_i，T2(i＝1～Y)的偏差值之和。具体可以根据表达式(6)确定：

其中，ε表示序列偏差参数，k_i，T2表示实际时序序列中第i个拉弧特征参数，表示预测时序序列中第i个拉弧特征参数，Y为T2时间段采样周期的个数。

示例性的，预设条件可以为序列偏差参数超过事先设定的偏差参数阈值。在序列偏差参数超过事先设定的偏差参数阈值的情况下，表示异常光伏组串的实际拉弧特征变化趋势与预测趋势基本一致甚至更加严重，则该异常光伏组串确实存在拉弧风险，在短期内会演化为实际拉弧故障；相反，在序列偏差参数未超过事先设定的偏差参数阈值的情况下，表示该异常光伏组串的实际拉弧特征变化趋势未持续严重化，暂无拉弧风险，可以对该异常光伏组串继续监控进一步评估。进一步评估的方法可以是预测在T2时间段之后的T3时间段内的预测时序序列，根据T3时间段内的预测时序序列和T3时间段内的实际时序序列确定异常光伏组串是否出现拉弧故障。

可选的，光伏组串的故障检测装置在确定异常光伏组串出现拉弧故障的情况下，可以发出告警信息或者显示告警信息，以提醒运维人员及时排查故障，避免因拉弧故障导致的安全隐患。

综合以上描述，本申请实施例提供的光伏组串的故障检测方法中，由于拉弧特征参数可以表征每个光伏组串的拉弧程度，所以可以对至少两个光伏组串的拉弧特征参数进行纵向对比，确定出至少两个光伏组串中存在拉弧故障可能的异常光伏组串。然后，可以对存在拉弧故障可能的异常光伏组串进行进一步分析，通过异常光伏组串的拉弧特征参数的历史时序序列推演未来时间段(即本申请的当前时刻之后)的预测时序序列，并在未来时间段对异常光伏组串的拉弧特征参数进行监控得到实际时序序列。由于时序序列能够表征拉弧特征参数随时间变化的变化趋势，所以对比分析预测时序序列和实际时序序列即能够确定出异常光伏组串的是否向着拉弧故障的趋势发展，从而能够进一步确定异常光伏组串是否有拉弧故障的可能。可以看出，本申请技术方案可以对光伏组串的拉弧故障进行预测，这样就可以在预测到拉弧故障时及时发出故障预警信号，避免因拉弧故障导致的安全隐患。并且，本申请技术方案结合纵向对比分析(对比分析至少两个光伏组串)和横向(分析异常光伏组串的时序序列)分析确定光伏组串的拉弧故障，能够提高对光伏组串的故障检测的准确率，从而提高检测结果的可靠性。

综合以上描述，如图2所示，图1中的步骤S102可以替换为S1021-S1024：

S1021、光伏组串的故障检测装置根据拉弧特征参数，确定每个光伏组串的拉弧特征偏离参数。

S1022、光伏组串的故障检测装置根据拉弧特征参数，确定至少两个光伏组串的拉弧特征参数均值。

S1023、光伏组串的故障检测装置根据拉弧特征参数和拉弧特征参数均值，确定拉弧特征偏离参数。

S1024、光伏组串的故障检测装置将拉弧特征偏离参数大于或等于预设偏离阈值的光伏组串确定为异常光伏组串。

可选的，如图3所示，图1中的步骤S103之前，本申请实施例提供的光伏组串的故障检测方法还可以包括S1025-S1026：

S1025、光伏组串的故障检测装置根据历史时序序列，确定异常光伏组串的拉弧特征参数的梯度参数。

S1026、光伏组串的故障检测装置确定梯度参数大于或等于预设梯度阈值。

可选的，如图4所示，图1中的步骤S103可以替换为S1031-S1032：

S1031、光伏组串的故障检测装置根据预设历史时间段内i个采样周期的异常光伏组串的拉弧特征参数，得到历史时序序列。

S1032、光伏组串的故障检测装置根据预设时间序列算法和历史时序序列，确定在当前时刻之后j个采样周期的异常光伏组串的拉弧特征参数，得到预测时序序列。

可选的，如图5所示，图1中的步骤S104可以替换为S1041-S1042：

S1041、光伏组串的故障检测装置确定时序序列和实际时序序列的序列偏差参数。

S1042、光伏组串的故障检测装置在确定序列偏差参数满足预设条件的情况下，确定异常光伏组串出现拉弧故障。

可选的，如图6所示，图1中的步骤S101可以替换为S1011-S1013：

S1011、光伏组串的故障检测装置获取每个光伏组串在同一采样周期的直流电流的交流成分的时域变化曲线和频域变化曲线。

S1012、光伏组串的故障检测装置根据时域变化曲线和频域变化曲线，提取每个光伏组串的拉弧特征数据。

S1013、光伏组串的故障检测装置根据拉弧特征数据和预设权重，确定拉弧特征参数。

如图7所示，本申请实施例还提供了一种光伏组串的故障检测装置，包括：获取模块11、确定模块12和检测模块13。

其中，获取模块11执行上述方法实施例中的S101，确定模块12执行上述方法实施例中的S102和S103，检测模块13执行上述方法实施例中的S104。

具体地，获取模块11，用于获取至少两个光伏组串中每个光伏组串的拉弧特征参数；拉弧特征参数用于表征每个光伏组串的拉弧程度；

确定模块12，用于根据获取模块11获取的拉弧特征参数，从至少两个光伏组串中确定出异常光伏组串；

确定模块12，还用于根据异常光伏组串的拉弧特征参数的历史时序序列，得到在当前时刻之后异常光伏组串的拉弧特征参数的预测时序序列；

检测模块13，用于根据预测时序序列和在当前时刻之后异常光伏组串的拉弧特征参数的实际时序序列，检测异常光伏组串是否出现拉弧故障。

可选的，在一种可能的实现方式中，确定模块12具体用于：

根据拉弧特征参数，确定每个光伏组串的拉弧特征偏离参数；拉弧特征偏离参数用于表征当前光伏组串的拉弧特征参数与其他光伏组串的拉弧特征参数的偏离程度；当前光伏组串为至少两个光伏组串中的任意一个；

根据拉弧特征偏离参数，从至少两个光伏组串中确定出异常光伏组串。

可选的，在另一种可能的实现方式中，确定模块12具体用于：

根据拉弧特征参数，确定至少两个光伏组串的拉弧特征参数均值；

根据拉弧特征参数和拉弧特征参数均值，确定拉弧特征偏离参数；

根据拉弧特征偏离参数，从至少两个光伏组串中确定出异常光伏组串，包括：

将拉弧特征偏离参数大于或等于预设偏离阈值的光伏组串确定为异常光伏组串。

可选的，在另一种可能的实现方式中，确定模块12还用于：

根据历史时序序列，确定异常光伏组串的拉弧特征参数的梯度参数；梯度参数用于表征历史时序序列中拉弧特征参数随时间变化的增长程度；

确定梯度参数大于或等于预设梯度阈值。

可选的，在另一种可能的实现方式中，确定模块12还用于：

根据预设历史时间段内X个采样周期的异常光伏组串的拉弧特征参数，得到历史时序序列；X为大于或等于2的正整数；

根据预设时间序列算法和历史时序序列，确定在当前时刻之后Y个采样周期的异常光伏组串的拉弧特征参数，得到预测时序序列；Y为大于或等于1的正整数。

可选的，在另一种可能的实现方式中，检测模块13具体用于：

确定时序序列和实际时序序列的序列偏差参数；

在确定序列偏差参数满足预设条件的情况下，确定异常光伏组串出现拉弧故障。

可选的，在另一种可能的实现方式中，获取模块11具体用于：

获取每个光伏组串在同一采样周期的直流电流的交流成分的时域变化曲线和频域变化曲线；

根据时域变化曲线和频域变化曲线，提取每个光伏组串的拉弧特征数据；拉弧特征数据包括平均幅值、偏度因子、峭度因子、平均频率以及频率均方根中的至少一种；

根据拉弧特征数据和预设权重，确定拉弧特征参数。

可选的，光伏组串的故障检测装置还可以包括存储模块，存储模块用于存储该光伏组串的故障检测装置的程序代码等。

如图8所示，本申请实施例还提供一种光伏组串的故障检测装置，包括存储器41、处理器42(42-1和42-2)、总线43和通信接口44；存储器41用于存储计算机执行指令，处理器42与存储器41通过总线43连接；当光伏组串的故障检测装置运行时，处理器42执行存储器41存储的计算机执行指令，以使光伏组串的故障检测装置执行如上述实施例提供的光伏组串的故障检测方法。

在具体的实现中，作为一种实施例，处理器42可以包括一个或多个中央处理器(central processing unit，CPU)，例如图8中所示的CPU0和CPU1。且作为一种实施例，光伏组串的故障检测装置可以包括多个处理器42，例如图8中所示的处理器42-1和处理器42-2。这些处理器42中的每一个CPU可以是一个单核处理器(single-CPU)，也可以是一个多核处理器(multi-CPU)。这里的处理器42可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。

存储器41可以是只读存储器41(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器41可以是独立存在，通过总线43与处理器42相连接。存储器41也可以和处理器42集成在一起。

在具体的实现中，存储器41，用于存储本申请中的数据和执行本申请的软件程序对应的计算机执行指令。处理器42可以通过运行或执行存储在存储器41内的软件程序，以及调用存储在存储器41内的数据，光伏组串的故障检测装置的各种功能。

通信接口44，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如控制系统、无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。通信接口44可以包括接收单元实现接收功能，以及发送单元实现发送功能。

总线43，可以是工业标准体系结构(industry standard architecture，ISA)总线、外部设备互连(peripheral component interconnect，PCI)总线或扩展工业标准体系结构(extended industry standard architecture，EISA)总线等。该总线43可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

作为一个示例，结合图7，光伏组串的故障检测装置中的获取模块实现的功能与图8中的接收单元实现的功能相同，光伏组串的故障检测装置中的检测模块实现的功能与图8中的处理器实现的功能相同，光伏组串的故障检测装置中的存储模块实现的功能与图8中的存储器实现的功能相同。

本实施例中相关内容的解释可参考上述方法实施例，此处不再赘述。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，使得计算机执行上述实施例提供的光伏组串的故障检测方法。

其中，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、RAM、ROM、可擦式可编程只读存储器(erasable programmable read only memory，EPROM)、寄存器、硬盘、光纤、CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(application specificintegrated circuit，ASIC)中。在本申请实施例中，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。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。