一种电氢综合能源系统的优化调度方法及系统 专利技术说明

发电;变电;配电装置的制造技术1.本发明属于综合能源技术领域，更具体地，涉及一种电氢综合能源系统的优化调度方法及系统。背景技术：2.能源清洁化转型成为国际社会普遍关注的话题，然而风光大规模并入电网会造成电网不稳定等问题，为解决这一问题，提出将储能技术应用到电力系统之中，储能也从单一类型储能发展成为多种类型储能共同协调工作。考虑到蓄电池有着价格低、响应速度快以及寿命短等特点，而氢能是一种能量密度较高的新型清洁能源，在一定程度上两者具有互补性，合理配置以后可以提高电网的经济性和可靠性，还可大幅提升电网对新能源的消纳能力。因此，混合储能在多能互补优化调度之中将发挥重要作用。3.将包含蓄电池和氢储能的混合储能系统接入可再生能源发电领域中，可以有效缓解弃风、弃光问题，从而提高可再生能源发电的经济性。针对可再生能源互补耦合蓄电-氢储混合储能系统优化运行这一相关问题，目前国内外学者通常将可再生能源、蓄电池、电制氢环节组合成为一个主体，关注能源系统整体的资源消耗，建立统一的单目标或多目标优化模型实现整个能源系统的运行控制以及优化调度。然而，目前针对可再生能源互补耦合蓄电-氢储混合储能系统的资源消耗优化研究，通常考虑不够全面，导致可再生能源的利用率较低，系统总体的资源消耗仍然较高。技术实现要素：4.针对现有技术的缺陷，本发明的目的在于提供一种电氢综合能源系统的优化调度方法及系统，旨在解决现有可再生能源互补耦合蓄电-氢储混合储能系统资源消耗较高的问题。5.为实现上述目的，第一方面，本发明提供了一种电氢综合能源系统的优化调度方法，包括：6.s101以电氢综合能源系统的资源消耗最小化为目标函数，构建电氢综合能源系统的优化调度模型；所述资源消耗基于阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷参与需求响应的补偿消耗及基于季节性电价的购电消耗确定；所述优化调度模型的决策变量包括风力发电功率、光伏发电功率、蓄电池充电功率、蓄电池放电功率、燃料电池放电功率、购电功率及电解槽充电功率；所述优化调度模型的约束条件包括蓄电池约束、柔性负荷约束、功率平衡约束、光伏风机功率约束、氢储能系统相关约束及购电功率约束；7.s102在所述约束条件下，求解所述优化调度模型，得到所述决策变量的最优解，即为所述电氢综合能源系统的最优调度方案。8.在一个可选的示例中，所述蓄电池约束包括蓄电池荷电状态约束、蓄电池充放电功率约束及蓄电池充放电次数约束；所述蓄电池充放电次数约束中的约束上限基于当前季节确定。9.在一个可选的示例中，所述柔性负荷约束包括可转移负荷约束和可削减负荷约束；所述可转移负荷约束包括可转移负荷的功率约束和连续运行时间约束；所述可削减负荷约束包括可削减负荷的连续削减时间约束和削减次数约束；10.所述氢储能系统相关约束包括储氢罐容量约束、电解槽充电功率约束及燃料电池放电功率约束。11.在一个可选的示例中，所述阶梯式碳交易消耗具体为：[0012][0013]式中，λ为碳交易的基础价格；l为碳排放的区间划分长度；α为价格增长率；eiest为碳排放权交易额。[0014]在一个可选的示例中，s102中，具体利用cplex求解器对所述优化调度模型进行求解。[0015]第二方面，本发明提供一种电氢综合能源系统的优化调度系统，包括：[0016]模型构建模块，用于以电氢综合能源系统的资源消耗最小化为目标函数，构建电氢综合能源系统的优化调度模型；所述资源消耗基于阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷参与需求响应的补偿消耗及基于季节性电价的购电消耗确定；所述优化调度模型的决策变量包括风力发电功率、光伏发电功率、蓄电池充电功率、蓄电池放电功率、燃料电池放电功率、购电功率及电解槽充电功率；所述优化调度模型的约束条件包括蓄电池约束、柔性负荷约束、功率平衡约束、光伏风机功率约束、氢储能系统相关约束及购电功率约束；[0017]模型求解模块，用于在所述约束条件下，求解所述优化调度模型，得到所述决策变量的最优解，即为所述电氢综合能源系统的最优调度方案。[0018]在一个可选的示例中，所述模型构建模块中所述蓄电池约束包括蓄电池荷电状态约束、蓄电池充放电功率约束及蓄电池充放电次数约束；所述蓄电池充放电次数约束中的约束上限基于当前季节确定。[0019]在一个可选的示例中，所述模型构建模块中所述柔性负荷约束包括可转移负荷约束和可削减负荷约束；所述可转移负荷约束包括可转移负荷的功率约束和连续运行时间约束；所述可削减负荷约束包括可削减负荷的连续削减时间约束和削减次数约束；[0020]所述模型构建模块中所述氢储能系统相关约束包括储氢罐容量约束、电解槽充电功率约束及燃料电池放电功率约束。[0021]在一个可选的示例中，所述模型构建模块中所述阶梯式碳交易消耗具体为：[0022][0023]式中，λ为碳交易的基础价格；l为碳排放的区间划分长度；α为价格增长率；eiest为碳排放权交易额。[0024]在一个可选的示例中，所述模型求解模块中具体利用cplex求解器对所述优化调度模型进行求解。[0025]总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：[0026]本发明提供一种电氢综合能源系统的优化调度方法及系统，根据电氢综合能源系统运行方式，综合考虑阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷调度补偿消耗以及基于季节性电价的购电消耗，以系统总资源消耗最小为目标函数，结合约束条件构建优化调度模型，之后求解模型实现了系统各部分出力情况的优化调度，保证了系统较低的资源消耗，并且由于考虑了用户侧柔性负荷的协调配合，并采用了季节性尖峰电价，实现了电力系统削峰填谷，减少了碳排放，且促进了新能源的消纳。附图说明[0027]图1是本发明提供的电氢综合能源系统的优化调度方法的流程示意图；[0028]图2是本发明提供的四季各个典型日的负荷、风力发电以及光电数据的示意图；[0029]图3是本发明提供的四季场景下未考虑用户侧柔性负荷时系统的出力情况的示意图；[0030]图4是本发明提供的四季场景下考虑用户侧柔性负荷前后的负荷曲线对比的示意图；[0031]图5是本发明提供的四季场景下考虑用户侧柔性负荷时系统的出力情况的示意图；[0032]图6是本发明提供的电氢综合能源系统的优化调度系统的架构图。具体实施方式[0033]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用以解释本发明，并不用于限定本发明。[0034]目前关于电氢综合能源系统经济性的研究大都基于之前所设定的普通分时电价，而为了缓解电力供应紧张，保障电网安全，确保电力稳定供应，适应新形势能源绿色低碳发展的需要，促进新能源消纳和储能等调节性电源建设发展，我国已有很多地区实施季节性电价机制，并在冬季与夏季用电高峰期执行尖峰电价。[0035]基于风光互补发电耦合蓄电-氢储混合储能系统的资源消耗优化问题很少同时考虑阶梯碳交易机制、需求侧响应以及弃风弃光问题，导致碳排放量较高、更多的风光被浪费进而导致系统资源消耗较高等问题；且在考虑蓄电池储能时，很少考虑蓄电池储能的寿命，即使考虑，也很少考虑季节对蓄电池储能寿命的影响，导致蓄电池的使用寿命严重缩短，造成不必要的资源消耗。[0036]对此，本发明提供一种电氢综合能源系统的优化调度方法，图1是本发明提供的电氢综合能源系统的优化调度方法的流程示意图，如图1所示，该方法包括：[0037]步骤s101，以电氢综合能源系统的资源消耗最小化为目标函数，构建电氢综合能源系统的优化调度模型；资源消耗基于阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷参与需求响应的补偿消耗及基于季节性电价的购电消耗确定；优化调度模型的决策变量包括风力发电功率、光伏发电功率、蓄电池充电功率、蓄电池放电功率、燃料电池放电功率、购电功率及电解槽充电功率；优化调度模型的约束条件包括蓄电池约束、柔性负荷约束、功率平衡约束、光伏风机功率约束、氢储能系统相关约束及购电功率约束；[0038]步骤s102，在约束条件下，求解优化调度模型，得到决策变量的最优解，即为电氢综合能源系统的最优调度方案。[0039]进一步地，柔性负荷参与需求响应的补偿消耗由参与需求响应的可平移负荷、可转移负荷及可削减负荷的补偿消耗组成。电氢综合能源系统具体为风光互补发电耦合蓄电-氢储混合储能系统，电源侧采用风光互补发电，储能采用蓄电池和氢储能两种混合储能。光伏风机功率约束即光伏发电功率约束和风力发电功率约束。[0040]需要说明的是，本发明中购电消耗根据当前季节各个时段的电价以及各个时段的购电量确定，由于采用了季节性尖峰电价，从而引导各类用电负荷削峰填谷，缓解电力供应紧张，适应新形势能源绿色低碳发展的需要，有效疏导煤电企业经营压力，保障电力稳定供应，促进新能源消纳和储能等调节性电源建设发展。[0041]并且，本发明全面综合考虑了阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷调度补偿消耗以及基于季节性电价的购电消耗，构建以系统总资源消耗最小化为目标函数的优化调度模型，实现了对系统各部分出力情况进行准确地优化调度，保证了风光资源的利用率，降低了系统的资源消耗，对于风光互补发电耦合蓄电-氢储混合储能系统的优化调度具有指导意义。[0042]本发明实施例提供的方法，根据电氢综合能源系统运行方式，综合考虑阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷调度补偿消耗以及基于季节性电价的购电消耗，以系统总资源消耗最小为目标函数，结合约束条件构建优化调度模型，之后求解模型实现了系统各部分出力情况的优化调度，保证了系统较低的资源消耗，并且由于考虑了用户侧柔性负荷的协调配合，并采用了季节性尖峰电价，实现了电力系统削峰填谷，减少了碳排放，且促进了新能源的消纳。[0043]基于上述实施例，蓄电池约束包括蓄电池荷电状态约束、蓄电池充放电功率约束及蓄电池充放电次数约束；蓄电池充放电次数约束中的约束上限基于当前季节确定。[0044]进一步地，蓄电池约束具体为：[0045][0046]式中，soc为蓄电池的荷电状态；c1、c2分别为蓄电池的最小、最大荷电状态；pbat_ch,max、pbat_dh,max分别为蓄电池最大充、放电功率；bpbat_ch、bpbat_dh分别为蓄电池的充、放电状态；n为蓄电池最大充放电次数之和，其值与当前所处的季节有关，例如，在春季与秋季可取12，在夏季与冬季可取10。[0047]需要说明的是，本发明考虑了季节对蓄电池寿命的影响，依据季节对蓄电池寿命影响的程度大小，设置了不同的蓄电池充放电最大次数限制，具体表现为在夏季以及冬季天气较为恶劣的季节，过度充放电会导致蓄电池寿命缩减，因此考虑在夏季和冬季减少蓄电池的充放电次数，缓解蓄电池的频繁充放电的情况，提高蓄电池的使用寿命。[0048]基于上述任一实施例，柔性负荷约束包括可转移负荷约束和可削减负荷约束；可转移负荷约束包括可转移负荷的功率约束和连续运行时间约束；可削减负荷约束包括可削减负荷的连续削减时间约束和削减次数约束。[0049]进一步地，可转移负荷约束具体为：[0050][0051][0052]式中，二进制变量βt表示可转移负荷ltran在某一时段t的转移状态，为转移时段区间，可取二进制数值，可取二进制数值，当βt＝1时表示在时段t时ltran中的功率发生转移；发生转移；分别为可转移功率的最小值与最大值；为最小连续运行时间。[0053]为了保证可削减负荷能够合理安排调度，需要对最小、最大连续削减时间以及削减次数进行约束，可削减负荷约束具体为：[0054][0055][0056][0057]式中，二进制变量γt表示可削减负荷lcut某一时段t的削减状态，γt＝1表示lcut在时段t被削减；为最小连续削减时间；为最大连续削减时间；nmax为最大削减次数。[0058]另外，氢储能系统相关约束包括储氢罐容量约束、电解槽充电功率约束及燃料电池放电功率约束。[0059]进一步地，氢储能系统相关约束具体为：[0060][0061]式中，etank为储氢罐的容量；etankmin、etankmax分别为储氢罐的最小、最大容量；pelmax为电解槽工作功率的最大值；pfcmax为燃料电池工作功率的最大值。[0062]基于上述任一实施例，考虑到系统各部分出力应该与考虑需求响应后的总负荷平衡，因此可以根据负荷来调度系统各部分出力情况，因此，功率平衡约束可以具体为：[0063][0064]式中，pload为负荷需求功率；ppv为光伏发电功率；pw为风力发电功率；pbat_ch、pbat_dh分别为蓄电池的充放电功率；pel为电解槽的充电功率；pfc为燃料电池的放电功率；lbase为系统中的基础负荷，不参与需求响应；lshift为可平移负荷，ltran为可转移负荷，lcut为可削减负荷。[0065]基于上述任一实施例，阶梯式碳交易消耗具体为：[0066][0067]式中，λ为碳交易的基础价格；l为碳排放的区间划分长度；α为价格增长率；eiest为碳排放权交易额。[0068]进一步地，eiest具体计算式如下：[0069][0070]式中，eiesa为微电网实际产生的碳排放量；eies为相关部门向微电网分配的总碳排放量额；χca为从电网购入单位电量微电网产生的碳排放量；χc为从电网购入单位电量微电网获得的无偿碳排放量配额。[0071]本发明实施例提供的方法，由于采用了阶梯式碳交易消耗，进一步实现了碳减排控制的同时，也保证了最终确定的最优调度方案的准确性。[0072]基于上述任一实施例，弃风弃光惩罚代价具体计算式如下：[0073][0074]式中，ω为单位弃风、弃光惩罚代价；pw,dis(t)、ppv,dis(t)分别为t时段的弃风、弃光功率；t＝24。[0075]基于上述任一实施例，s102中，具体利用cplex求解器对优化调度模型进行求解。[0076]基于上述任一实施例，具体数据准备：选取某地区一年的负荷、风力发电以及光照数据，利用k-means算法对数据按照春、夏、秋、冬季进行聚类，获得各季节对应的典型场景。调度范围时段t＝24，某地区春、夏、秋、冬季的各个典型日的负荷、风力发电以及光电数据分别如图2(a)、(b)、(c)、(d)所示。[0077]季节性尖峰电价具体如表1所示。[0078]表1季节性分时电价表[0079][0080]本发明提供的风光互补发电耦合蓄电-氢储混合储能系统的优化调度方法，包括如下步骤：[0081]步骤1：构建数学模型：[0082]根据电氢综合能源系统运行方式，综合考虑阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷调度补偿消耗以及基于季节性电价的购电消耗，构建系统资源消耗模型，以系统总资源消耗最小为目标函数，结合约束条件构建系统优化调度的数学模型，即步骤s101中的优化调度模型。[0083]1、建立资源消耗优化目标函数：阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷调度补偿消耗以及基于季节性电价的购电消耗，目标函数为：[0084][0085]式中，f为系统运行总资源消耗；fbuy为系统的购电消耗；为系统的阶梯式碳交易消耗；fdis为系统的弃风弃光惩罚代价；fop为柔性负荷参与需求响应的补偿消耗。[0086]1)购电消耗[0087][0088]式中，βt为当前季节t时段的电价；pbuy(t)为t时段的购电量，此处的时段可以以一小时为单位，t＝24。[0089]2)阶梯式碳交易消耗[0090][0091]式中，λ为碳交易的基础价格，可取250元/t；l为碳排放的区间划分长度，可取2t；α为价格增长率，可取25％；eiest为碳排放权交易额，具体计算式如下：[0092][0093]式中，eiesa为微电网实际产生的碳排放量；eies为相关部门向微电网分配的总碳排放量额；χca为从电网购入单位电量微电网产生的碳排放量，本发明中设置为χc为从电网购入单位电量微电网获得的无偿碳排放量配额，可取[0094]3)弃风弃光惩罚代价[0095][0096]式中，ω为单位弃风、弃光惩罚代价，可取0.5元/kwh；pw,dis(t)、ppv,dis(t)分别为t时段的弃风、弃光功率。[0097]4)柔性负荷调度补偿消耗即柔性负荷参与需求响应的补偿消耗[0098]fop＝fshift+ftran+fcut[0099]式中，fshift为参与需求响应的可平移负荷的补偿消耗；ftran为参与需求响应的可转移负荷的补偿消耗；fcut为参与需求响应的可削减负荷的补偿消耗。[0100]2、约束条件[0101]结合风光互补发电耦合蓄电-氢储混合储能系统实际运行方式，添加约束条件，包括柔性负荷约束、功率平衡约束、光伏风机出力约束、蓄电池约束、氢储能系统相关约束、购电功率约束。[0102](1)柔性负荷约束[0103]1)可转移负荷[0104][0105][0106]式中，二进制变量βt表示可转移负荷ltran在某一时段t的转移状态，为转移时段区间，当βt＝1时表示在时段t时ltran中的功率发生转移；分别为可转移功率的最小值与最大值；为最小连续运行时间。[0107]2)可削减负荷[0108]为了保证可削减负荷能够合理安排调度，需要对最小、最大连续削减时间以及削减次数进行约束。[0109][0110][0111][0112]式中，二进制变量γt表示可削减负荷lcut某一时段t的削减状态，γt＝1表示lcut在时段t被削减；为最小连续削减时间；为最大连续削减时间；nmax为最大削减次数。[0113](2)功率平衡约束[0114][0115]式中，pload为负荷需求功率；ppv为光伏发电功率；pw为风力发电功率；pbat_ch、pbat_dh分别为蓄电池的充放电功率；pel为电解槽的充电功率；pfc为燃料电池的放电功率；lbase为系统中的基础负荷，不参与需求响应；lshift为可平移负荷。[0116](3)光伏风机出力约束即光伏风机功率约束[0117][0118]式中，ppvmax、pwmax分别为光伏和风力发电的最大功率。[0119](4)蓄电池约束[0120][0121]式中，soc为蓄电池的荷电状态；c1、c2分别为蓄电池的最小、最大荷电状态，本发明中c1可取0.2，c2可取0.8；pbat_ch,max、pbat_dh,max分别为蓄电池最大充放电功率；bpbat_ch、bpbat_dh分别为蓄电池的充放电状态；n为蓄电池最大充放电次数之和，其值与季节有关，在春季与秋季可取12，在夏季与冬季可取10。[0122](5)氢储能系统相关约束[0123][0124]式中，etank为储氢罐的容量；etankmin、etankmax分别为储氢罐的最小、最大容量；pelmax为电解槽工作功率的最大值；pfcmax为燃料电池工作功率的最大值。[0125](6)购电功率约束[0126]0≤pbuy≤pbuymax[0127]式中，pbuymax为购电功率的最大值。[0128]步骤2：利用cplex求解器对模型进行求解，得到各场景下系统最优的各部分出力情况即风力发电功率、光伏发电功率、蓄电池充电功率、蓄电池放电功率、燃料电池放电功率、购电功率及电解槽充电功率的最优解，以及最小资源消耗。[0129]为研究各个季节场景下柔性负荷对风光互补发电耦合蓄电-氢储混合储能系统优化调度的影响，设置2种情景：情景1：不考虑柔性负荷；情景2：考虑柔性负荷。考虑需求响应前后的系统运行总资源消耗以及负荷峰谷差如表2所示。春、夏、秋、冬季的各个典型日的负荷、风力发电以及光电数据分别如图2(a)、(b)、(c)、(d)所示。春、夏、秋、冬季场景下未考虑用户侧柔性负荷时系统的出力情况分别如图3(a)、(b)、(c)、(d)所示。春、夏、秋、冬季场景下考虑用户侧柔性负荷前后的负荷曲线对比分别如图4(a)、(b)、(c)、(d)所示。春、夏、秋、冬季场景下考虑用户侧柔性负荷时系统的出力情况分别如图5(a)、(b)、(c)、(d)所示。[0130]表2情景1和情景2的结果比较表[0131][0132]从表2可以看出，用户侧柔性负荷参与调度之后，系统的运行资源消耗以及负荷峰谷差均有所减少，结合图4可得，考虑柔性负荷之后，用户侧通过削减、平移和转移负荷等手段优化负荷曲线，使负荷从波峰转移到波谷，负荷量较高且电价较高的时段负荷量发生削减，使得负荷曲线更加平滑，系统所需的购电费用降低。[0133]对比图3和图5可以看出，在考虑用户侧柔性负荷之后，电价高峰时段的购电量显著减少。由两图也可以看出，在风光出力可以满足负荷需求且有剩余时，蓄电池以及氢储能会将多余的风光出力就地消纳，在风光出力无法满足负荷需求时，将原本弃风弃光的电能加以利用，减少了本应进行购电的资源消耗。此外，在谷时电价时，蓄电池会在满足荷电状态约束的情况下低价购电进行充电，氢储能也会将部分电能转换为氢能储存起来，从而在峰时电价，风光出力不足以满足负荷需求时进行放电。[0134]基于上述任一实施例，本发明提供一种电氢综合能源系统的优化调度系统，图6是本发明提供的电氢综合能源系统的优化调度系统的架构图，如图6所示，该系统包括：[0135]模型构建模块610，用于以电氢综合能源系统的资源消耗最小化为目标函数，构建电氢综合能源系统的优化调度模型；资源消耗基于阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷参与需求响应的补偿消耗及基于季节性电价的购电消耗确定；优化调度模型的决策变量包括风力发电功率、光伏发电功率、蓄电池充电功率、蓄电池放电功率、燃料电池放电功率、购电功率及电解槽充电功率；优化调度模型的约束条件包括蓄电池约束、柔性负荷约束、功率平衡约束、光伏风机功率约束、氢储能系统相关约束及购电功率约束；[0136]模型求解模块620，用于在约束条件下，求解优化调度模型，得到决策变量的最优解，即为电氢综合能源系统的最优调度方案。[0137]本发明实施例提供的系统，根据电氢综合能源系统运行方式，综合考虑阶梯式碳交易消耗、弃风弃光惩罚代价、柔性负荷调度补偿消耗以及基于季节性电价的购电消耗，以系统总资源消耗最小为目标函数，结合约束条件构建优化调度模型，之后求解模型实现了系统各部分出力情况的优化调度，保证了系统较低的资源消耗，并且由于考虑了用户侧柔性负荷的协调配合，并采用了季节性尖峰电价，实现了电力系统削峰填谷，减少了碳排放，且促进了新能源的消纳。[0138]可以理解的是，上述各个模块的详细功能实现可参见前述方法实施例中的介绍，在此不做赘述。[0139]另外，本发明实施例提供了另一种电氢综合能源系统的优化调度装置，其包括：存储器和处理器；[0140]所述存储器，用于存储计算机程序；[0141]所述处理器，用于当执行所述计算机程序时，实现上述实施例中的方法。[0142]此外，本发明还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述实施例中的方法。[0143]基于上述实施例中的方法，本发明实施例提供了一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行上述实施例中的方法。[0144]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。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!