CN103078353A - 一种计及风电波动性的电源配置方法 - Google Patents
一种计及风电波动性的电源配置方法 Download PDFInfo
- Publication number
- CN103078353A CN103078353A CN2013100294918A CN201310029491A CN103078353A CN 103078353 A CN103078353 A CN 103078353A CN 2013100294918 A CN2013100294918 A CN 2013100294918A CN 201310029491 A CN201310029491 A CN 201310029491A CN 103078353 A CN103078353 A CN 103078353A
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- probability
- wind power
- capacity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种计及风电波动性的电源配置方法,本发明涉及电网发电机组功率的计算方法。本发明是要解决现有的电网中发电机组配置方法无法考虑风电波动性的技术问题。本方法:测试一段非平稳时间内风电场风速和风电场有功功率的值,得到风功率时间序列向量,并分解成趋势分量和扰动分量,再计算各个风功率时间序列分量各时段的预测值;得到风电输出功率概率分布曲线;读出风电相应等效状态及对应的概率;根据给定的失负荷概率上限,确认各个时段对应的备用需求容量标准,若在线机组所能提供的备用容量无法满足当前机组组合方式下维持给定系统运行可靠性水平所需的备用容量标准,则更新备用需求,直至找到备用容量大于需求容量标准的机组组合方式。
Description
技术领域
本发明涉及电网发电机组功率的计算方法。
背景技术
现有电网中发电机组的调度计算方法中涉及到风电功率预测的部分,采用风电功率的单值预测。该预测方式采用统计方法,根据历史统计数据找出天气预报和风电场出力之间的关系。由于预测值为单一值,往往会造成预测值与实际值的误差较大。而且在这种单一值的预测情况下,计划编制没有考虑风电出现误差的安全风险系统,一旦某些时段的实际值与预测值偏差较大,将给电网调度带来极大的困难。
现有发电计划编制采用等利用小时数算法,在风电功率单一值预测的基础上,按所有火电机组进行相同运行时间来计算发电计划出力。这种方式没有考虑不同机组之间购电成本、煤耗、启停成本的因素,造成购电成本整体的消耗很大,成本高。而且这种计划下的风电预测功率不能保证最大程度的风电吸纳水平,对可再生能源的利用率不高。
发明内容
本发明要解决现有的电网中发电机组配置方法无法考虑风电波动性的技术问题,而提供一种计及风电波动性的电源配置方法。
本发明的一种计及风电波动性的电源配置方法按以下步骤进行:
一、测试非平稳时间t内风电场风速和风电场有功功率的值,得到风功率时间序列向量;
二、采用离散正交小波变换,将步骤一得到的风功率时间序列向量分解成一个趋势分量和多个扰动分量;
三、根据稀疏贝叶斯原理分别对各个趋势分量和扰动分量建立多个稀疏贝叶斯学习机,进行风电场输出功率的多步概率预测,得到各个风功率时间序列分量各时段的预测值;将同一时段内的各个风功率时间序列分量的预测值累加,得到各时段内的预测值,同时计算出各时段风电功率的期望值μ和方差σ,得到风电输出功率概率分布曲线;
四、将步骤三得到的风电输出功率概率分布曲线按横作标分为m个区,将每个区的中间值作为风电输出功率,将每个区的面积作为该风电输出功率对应的概率,即得到m个状态,及对应的概率;
五、将各个时段的备用需求设置为零,利用拉格朗日松弛法进行无备用约束的机组组合预决策,得到各时段火电机组的停运容量表,即得到1,2,......,j,......,K个状态,机组停运状态j所对应的停运容量Cj,状态j出现的概率pj,将所有在线火电机组容量之和减去各时段的负荷,得到该时段的备用容量Rt;
六、将max{μ+3σ,Pn}作为风电场可能输出的最大功率,将风电场等效为多状态机组,将步骤四得到的m个状态记为第K+1,K+2,......,K+m个状态,用下式计算风电并入后各时段的容量停运概率,
其中,P(X)为风电场并入后,X兆瓦容量停运状态所对应的累积概率,P′(X-Cj)分别为风电场并入前,X兆瓦容量停运状态所对应的累积概率;j为多状态机组的状态数;Cj为机组停运状态j所对应的停运容量;pj为状态j出现的概率,得到风电并入后的发电机组累积停运概率曲线;
九、计算
十、令Rt加ΔRt,返回到步骤六。
本发明将风电输出状态等效为多状态机组,并入火电机组状态中,将并入后的状态的容量停运概率进行修正,根据给定的失负荷概率上限从发电容量停运概率表中截取到对应的备用需求容量确定在各个时段的备用需求若在线机组所能提供的备用容量Rt无法满足当前机组组合方式下维持给定系统运行可靠性水平所需的备用容量,则更新备用需求,将备用需求的调整步长ΔRt,采用更新后备用容量,采用拉格朗日松弛法求解计及备用约束机组组合问题,根据当前机组组合方式构建发电容量停运概率表,再返回计算,直到找到满足当前机组组合方式下维持给定系统运行可靠性水平所需的备用容量,得到最终的电源配置。
本发明的风功率概率预测采用基于分量稀疏贝叶斯学习的方法,该方法采用贝叶斯推理方法,不仅使其具有更好的稀疏特性,而且使其具有概率预测的能力。在贝叶斯框架下,进行预测参数的辨识,根据训练数据推断得到预测期望值和方差。
本发明风功率概率预测准确性明显提高,采用本发明算法计算的风功率概率分布,经算例计算,绝大部分真实值均在概率预测期望值上下一倍方差范围内,只有极少部分真实值超出一倍方差范围,但仍处于二倍方差范围内。预测失真率处在8%左右波动,远远低于现有的风电功率单值预测值。
风电吸纳最大的计划优化方式,能最大限度的提高风电能源的吸入水平,在保证电网系统安全的前提下,较现行常规计划编制方式最大可提高风电吸纳水平5%以上,按现有黑龙江电网规模计算,将多消纳风电2.5亿千瓦时以上。本发明按风电吸纳最大为优化目标时,风电计划值按风电功率概率预测的最大值进行计算,保证风电的最大吸纳能力。其余火电机组组合综合考虑购电成本、机组煤耗、机组启停成本、火电备用情况等数据,给出最优火电机组安排方式。
附图说明
图1试验一中经步骤三得到的风电输出功率概率分布曲线;
图2试验一中累积停运容量概率曲线;其中曲线a为风电并入后的累积停运容量概率曲线;b为风电并入前的累积停运容量概率曲线。
具体实施方式
具体实施方式一:本实施方式的一种计及风电波动性的电源配置方法按以下步骤进行:
一、测试非平稳时间t内风电场风速和风电场有功功率的值,得到风功率时间序列向量;
二、采用离散正交小波变换,将步骤一得到的风功率时间序列向量分解成一个趋势分量和多个扰动分量;
三、根据稀疏贝叶斯原理分别对各个趋势分量和扰动分量建立多个稀疏贝叶斯学习机,进行风电场输出功率的多步概率预测,得到各个风功率时间序列分量各时段的预测值;将同一时段内的各个风功率时间序列分量的预测值累加,得到各时段内的预测值,同时计算出各时段风电功率的期望值μ和方差σ,得到风电输出功率概率分布曲线;
四、将步骤三得到的风电输出功率概率分布曲线按横作标分为m个区,将每个区的中间值作为风电输出功率,将每个区的面积作为该风电输出功率对应的概率,即得到m个状态,及对应的概率;
五、将各个时段的备用需求设置为零,利用拉格朗日松弛法进行无备用约束的机组组合预决策,得到各时段火电机组的停运容量表,即得到1,2,......,j,......,K个状态,机组停运状态j所对应的停运容量Cj,状态j出现的概率pj,将所有在线火电机组容量之和减去各时段的负荷,得到该时段的备用容量Rt;
六、将max{μ+3σ,Pn}作为风电场可能输出的最大功率,将风电场等效为多状态机组,将步骤四得到的m个状态记为第K+1,K+2,......,K+m个状态,用下式计算风电并入后各时段的容量停运概率,
其中,P(X)为风电场并入后,X兆瓦容量停运状态所对应的累积概率,P′(X-Cj)分别为风电场并入前,X兆瓦容量停运状态所对应的累积概率;j为多状态机组的状态数;Cj为机组停运状态j所对应的停运容量;pj为状态j出现的概率,得到风电并入后的发电机组累积停运概率曲线;
九、计算
十、令Rt加ΔRt,返回到步骤六。
本实施方式风电吸纳最大的计划优化方式,能最大限度的提高风电能源的吸入水平,在保证电网系统安全的前提下,较现行常规计划编制方式最大可提高风电吸纳水平5%以上。本实施方式按风电吸纳最大为优化目标时,风电计划值按风电功率概率预测的最大值进行计算,保证风电的最大吸纳能力。其余火电机组组合综合考虑购电成本、机组煤耗、机组启停成本、火电备用情况等数据,给出最优火电机组配置方式。
具体实施方式二:本实施方式与具体实施方式一不同的是:步骤四中的m为5~9。其它与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一不同的是:步骤四中的m为7,即分成7个区,第一个区为[μ-3.5σ,μ-2.5σ),第二个区为[μ-2.5σ,μ-1.5σ),第三个区为[μ-1.5σ,μ-0.5σ),第四个区为[μ-0.5σ,μ+0.5σ),第五个区为[μ+0.5σ,μ+1.5σ),第六个区为[μ+1.5σ,μ+2.5σ),第七个区为[μ+2.5σ,μ+3.5σ)。其它与具体实施方式一相同。
用以下试验验证本发明的有益效果:
试验一:本试验的一种计及风电波动性的电源配置方法按以下步骤进行:
一、测试三个月内风电场风速和风电场有功功率的值,得到风功率时间序列向量;
二、采用离散正交小波变换,将步骤一得到的风功率时间序列向量分解成一个趋势分量和多个扰动分量;
三、根据稀疏贝叶斯原理分别对风功率时间序列分量建立多个稀疏贝叶斯学习机,进行风电场输出功率的多步概率预测,得到各个风功率时间序列分量各时段的预测值;将同一时段内的各个风功率时间序列分量的预测值累加,得到各时段内的预测值,同时计算出各时段风电功率的期望值μ和方差σ,得到风电输出功率概率分布曲线,如图1所示;
四、将步骤三得到的风电输出功率概率分布曲线按横作标分为七个区,第一个区为[μ-3.5σ,μ-2.5σ),第二个区为[μ-2.5σ,μ-1.5σ),第三个区为[μ-1.5σ,μ-0.5σ),第四个区为[μ-0.5σ,μ+0.5σ),第五个区为[μ+0.5σ,μ+1.5σ),第六个区为[μ+1.5σ,μ+2.5σ),第七个区为[μ+2.5σ,μ+3.5σ),如图1所示;将每个区的中间值作为风电输出功率,将每个区的面积作为该风电输出功率对应的概率,即得到七个状态,及对应的概率,如表1所示;
表1风电场的停运容量概率表
停运容量 | 0 | σ | 2σ | 3σ | 4σ | 5σ | 6σ |
概率 | 0.006 | 0.061 | 0.242 | 0.382 | 0.242 | 0.061 | 0.006 |
五、将各个时段的备用需求设置为零,利用拉格朗日松弛法进行无备用约束的机组组合预决策,得到各时段火电机组的停运容量表,即得到1,2,......,j,......,K个状态,机组停运状态j所对应的停运容量Cj,状态j出现的概率pj,将所有在线火电机组容量之和减去各时段的负荷,得到该时段的备用容量Rt;
六、将max{μ+3σ,Pn}作为风电场可能输出的最大功率,将风电场等效为多状态机组,,将步骤四得到的七个状态记为第K+1,K+2,......,K+7个状态,用下式计算风电并入后各时段的容量停运概率,
其中,P(X)为风电场并入后,X兆瓦容量停运状态所对应的累积概率,P′(X-Cj)为风电场并入前,X兆瓦容量停运状态所对应的累积概率;j为多状态机组的状态数;Cj为机组停运状态j所对应的停运容量;pj为状态j出现的概率,得到风电并入后的发电机组累积停运容量概率曲线,如图2中的曲线a所示,图2中的曲线b是风电场并入前的火电发电机组的累积停运容量概率曲线;
八、判断是否成立,如果否,执行步骤九;如果是,则将备用容量为Rt时各个火电机组的停运容量值作为最终的各个发电机组输出功率的值;
九、计算
十、令Rt加ΔRt,返回到步骤六。
本试验一的风功率概率预测准确性明显提高,采用本发明算法计算的风功率概率分布,经算例计算,绝大部分真实值均在概率预测期望值上下一倍方差范围内,只有极少部分真实值超出一倍方差范围,但仍处于二倍方差范围内。预测失真率处在8%左右波动,远远低于现有的风电功率单值预测值。
风电吸纳最大的计划优化方式,能最大限度的提高风电能源的吸入水平,在保证电网系统安全的前提下,较现行常规计划编制方式最大可提高风电吸纳水平5%以上,按现有黑龙江电网规模计算,将多消纳风电2.5亿千瓦时以上。
Claims (3)
1.一种计及风电波动性的电源配置方法,其特征在于该方法按以下步骤进行:
一、测试非平稳时间t内风电场风速和风电场有功功率的值,得到风功率时间序列向量;
二、采用离散正交小波变换,将步骤一得到的风功率时间序列向量分解成一个趋势分量和多个扰动分量;
三、根据稀疏贝叶斯原理分别对各个趋势分量和扰动分量建立多个稀疏贝叶斯学习机,进行风电场输出功率的多步概率预测,得到各个风功率时间序列分量各时段的预测值;将同一时段内的各个风功率时间序列分量的预测值累加,得到各时段内的预测值,同时计算出各时段风电功率的期望值u和方差σ,得到风电输出功率概率分布曲线;
四、将步骤三得到的风电输出功率概率分布曲线按横作标分为m个区,将每个区的中间值作为风电输出功率,将每个区的面积作为该风电输出功率对应的概率,即得到m个状态,及对应的概率;
五、将各个时段的备用需求设置为零,利用拉格朗日松弛法进行无备用约束的机组组合预决策,得到各时段火电机组的停运容量表,即得到1,2,......,j,......,K个状态,机组停运状态j所对应的停运容量Cj,状态j出现的概率pj,将所有在线火电机组容量之和减去各时段的负荷,得到该时段的备用容量Rt;
六、将max{μ+3σ,Pn}作为风电场可能输出的最大功率,将风电场等效为多状态机组,将步骤四得到的m个状态记为第K+1,K+2,......,K+m个状态,用下式计算风电并入后各时段的容量停运概率,
其中,P(X)为风电场并入后,X兆瓦容量停运状态所对应的累积概率,P′(X-Cj)分别为风电场并入前,X兆瓦容量停运状态所对应的累积概率;j为多状态机组的状态数;Cj为机组停运状态j所对应的停运容量;pj为状态j出现的概率,得到风电并入后的发电机组累积停运概率曲线;
九、计算
十、令Rt加ΔRt,返回到步骤六。
2.根据权利要求1所述的一种计及风电波动性的电源配置方法,其特征在于步骤四中的m为5~9。
3.根据权利要求1所述的一种计及风电波动性的电源配置方法,其特征在于步骤四中的m为7,即分成7个区,第一个区为[μ-3.5σ,μ-2.5σ),第二个区为[μ-2.5σ,μ-1.5σ),第三个区为[μ-1.5σ,μ-0.5σ),第四个区为[μ-0.5σ,μ+0.5σ),第五个区为[μ+0.5σ,μ+1.5σ),第六个区为[μ+1.5σ,μ+2.5σ),第七个区为[μ+2.5σ,μ+3.5σ)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100294918A CN103078353A (zh) | 2013-01-25 | 2013-01-25 | 一种计及风电波动性的电源配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100294918A CN103078353A (zh) | 2013-01-25 | 2013-01-25 | 一种计及风电波动性的电源配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103078353A true CN103078353A (zh) | 2013-05-01 |
Family
ID=48154801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100294918A Pending CN103078353A (zh) | 2013-01-25 | 2013-01-25 | 一种计及风电波动性的电源配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103078353A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103326396A (zh) * | 2013-05-29 | 2013-09-25 | 国家电网公司 | 一种测定电力系统风电运行出力上限值的方法 |
CN103440541A (zh) * | 2013-09-18 | 2013-12-11 | 山东大学 | 多风电场短期输出功率的联合概率密度预测方法 |
CN104820868A (zh) * | 2015-04-23 | 2015-08-05 | 北京恒泰实达科技股份有限公司 | 一种基于风电概率进行预测的调度展示方法 |
CN106816886A (zh) * | 2015-12-02 | 2017-06-09 | 中国电力科学研究院 | 一种大规模风电并网系统调峰需求确定方法 |
CN109511126A (zh) * | 2018-11-16 | 2019-03-22 | 浙江万胜智能科技股份有限公司 | 一种携能双向中继网络中的非对称功率分离比率的设计方法 |
CN111064183A (zh) * | 2019-12-02 | 2020-04-24 | 国网辽宁省电力有限公司电力科学研究院 | 电力系统源荷平衡的各类备用容量的确定方法 |
CN113096792A (zh) * | 2021-04-01 | 2021-07-09 | 宁波伟吉电力科技有限公司 | 一种基于机器学习的智能健康监测预警方法及系统 |
-
2013
- 2013-01-25 CN CN2013100294918A patent/CN103078353A/zh active Pending
Non-Patent Citations (8)
Title |
---|
孟祥星等: "不确定性因素引起备用的探讨 ", 《电网技术》 * |
孟祥星等: "不确定性因素引起备用的探讨", 《电网技术》, no. 01, 5 January 2005 (2005-01-05) * |
孟祥星等: "大规模风电并网条件下的电力系统调度 ", 《东北电力大学学报(自然科学版)》 * |
孟祥星等: "大规模风电并网条件下的电力系统调度", 《东北电力大学学报(自然科学版)》, no. 01, 15 February 2009 (2009-02-15) * |
杨明: "基于分量稀疏贝叶斯学习的风电场输出功率概率预测方法", 《电力系统自动化》 * |
杨朋朋等: "用拉格朗日松弛法求解概率备用解析表达的机组组合 ", 《山东大学学报(工学版)》 * |
杨朋朋等: "用拉格朗日松弛法求解概率备用解析表达的机组组合", 《山东大学学报(工学版)》, no. 02, 15 April 2007 (2007-04-15) * |
王燕涛: "计及风电的系统旋转备用容量的确定", 《电测与仪表》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103326396A (zh) * | 2013-05-29 | 2013-09-25 | 国家电网公司 | 一种测定电力系统风电运行出力上限值的方法 |
CN103440541A (zh) * | 2013-09-18 | 2013-12-11 | 山东大学 | 多风电场短期输出功率的联合概率密度预测方法 |
CN103440541B (zh) * | 2013-09-18 | 2016-03-30 | 山东大学 | 多风电场短期输出功率的联合概率密度预测方法 |
CN104820868A (zh) * | 2015-04-23 | 2015-08-05 | 北京恒泰实达科技股份有限公司 | 一种基于风电概率进行预测的调度展示方法 |
CN104820868B (zh) * | 2015-04-23 | 2017-12-26 | 北京恒泰实达科技股份有限公司 | 一种基于风电概率进行预测的调度展示方法 |
CN106816886A (zh) * | 2015-12-02 | 2017-06-09 | 中国电力科学研究院 | 一种大规模风电并网系统调峰需求确定方法 |
CN106816886B (zh) * | 2015-12-02 | 2019-09-27 | 中国电力科学研究院 | 一种大规模风电并网系统调峰需求确定方法 |
CN109511126A (zh) * | 2018-11-16 | 2019-03-22 | 浙江万胜智能科技股份有限公司 | 一种携能双向中继网络中的非对称功率分离比率的设计方法 |
CN111064183A (zh) * | 2019-12-02 | 2020-04-24 | 国网辽宁省电力有限公司电力科学研究院 | 电力系统源荷平衡的各类备用容量的确定方法 |
CN113096792A (zh) * | 2021-04-01 | 2021-07-09 | 宁波伟吉电力科技有限公司 | 一种基于机器学习的智能健康监测预警方法及系统 |
CN113096792B (zh) * | 2021-04-01 | 2024-04-19 | 宁波伟吉电力科技有限公司 | 一种基于机器学习的智能健康监测预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Energy management and optimization of vehicle-to-grid systems for wind power integration | |
Ma et al. | Resilience enhancement of distribution grids against extreme weather events | |
CN103078353A (zh) | 一种计及风电波动性的电源配置方法 | |
Wang et al. | Security-constrained unit commitment with volatile wind power generation | |
Milanović | Probabilistic stability analysis: the way forward for stability analysis of sustainable power systems | |
Qin et al. | Optimal planning and operation of energy storage systems in radial networks for wind power integration with reserve support | |
Hajipour et al. | Stochastic capacity expansion planning of remote microgrids with wind farms and energy storage | |
US8260469B2 (en) | Distributed hybrid renewable energy power plant and methods, systems, and comptuer readable media for controlling a distributed hybrid renewable energy power plant | |
Yorino et al. | High-speed real-time dynamic economic load dispatch | |
Ramadan et al. | Optimal allocation of renewable DGs using artificial hummingbird algorithm under uncertainty conditions | |
Javadi et al. | Optimal spinning reserve allocation in presence of electrical storage and renewable energy sources | |
Xu et al. | A probabilistic method for determining grid-accommodable wind power capacity based on multiscenario system operation simulation | |
CN104124685A (zh) | 基于样板风机法的风电场理论功率计算方法 | |
Abeynayake et al. | Analytical model for availability assessment of large-scale offshore wind farms including their collector system | |
Ashouri‐Zadeh et al. | Frequency stability improvement in wind‐thermal dominated power grids | |
CN115456304A (zh) | 考虑台风影响的海上风电场可靠性指标计算方法及装置 | |
Pan et al. | Modeling the reserve capacity of wind power and the inherent decision-dependent uncertainty in the power system economic dispatch | |
Zhang et al. | Optimal sizing of substation‐scale energy storage station considering seasonal variations in wind energy | |
CN106886953B (zh) | 考虑多重不确定性的需求响应对含风电系统风险分析方法 | |
Nasri et al. | Probabilistic–proactive distribution network scheduling against a hurricane as a high impact–low probability event considering chaos theory | |
Sun et al. | Interval mixed-integer programming for daily unit commitment and dispatch incorporating wind power | |
Eltohamy et al. | Technical investigation for power system flexibility | |
Huang et al. | Capacity optimisation for an SAMS considering LCOE and reliability objectives | |
Lin et al. | Frequency modeling of wind power fluctuation and the application on power systems | |
Das et al. | Energy storage system operation: Case studies in deterministic and stochastic environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130501 |