CN103617454A - 一种依据数值天气预报的风电场功率预测方法 - Google Patents
一种依据数值天气预报的风电场功率预测方法 Download PDFInfo
- Publication number
- CN103617454A CN103617454A CN201310595135.2A CN201310595135A CN103617454A CN 103617454 A CN103617454 A CN 103617454A CN 201310595135 A CN201310595135 A CN 201310595135A CN 103617454 A CN103617454 A CN 103617454A
- Authority
- CN
- China
- Prior art keywords
- weather forecast
- computing
- data source
- master routine
- initial value
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种依据数值天气预报的风电场功率预测方法,包括步骤:A、下载多套全球谱模式气象预报数据源,依据选定的数据源分别进行前处理运算,输出初值和边界值;B、预先配置多套大气动力和物理参数方案,依据所述初值和边界值运行主程序运算,分别求解气象预报变量;C、进行后处理运算,提取气象预报变量值;D、依据气象预报变量进行风电场功率预测。由上,采用多数据源以及参数方案进行前处理运算以及主程序运算,由此,当其中的运算过程出现故障时,可以采用其他数据源或参数重新运算,解决现有技术中会出现故障的问题,以较低成本实现短期数值气象预报业务系统可靠运行。
Description
技术领域
本发明涉及功率预测技术领域,特别涉及一种依据数值天气预报的风电场功率预测方法。
背景技术
风电具有波动性、间歇性、低能量密度等特点。随着风力发电装机容量的迅猛发展,风电的这一特点对于电网的安全、稳定运行及电能质量的影响越来越明显。准确对风电场输出功率进行预测,能使电力调度部门提前根据风电功率变化而调整调度计划,进而保证电能质量,减少电网备用容量,降低电网运行成本。这是减轻风电对电网造成不利影响的一种有效途径。
在风电场功率预测系统中,短期(未来0-48小时)数值气象预报的精度决定了短期功率预测的精度,数值天气预报(NWP,Numerical Weather Prediction)是根据大气实际情况,在一定初值和边值条件下,通过数值计算,求解描写天气演变过程的流体力学和热力学方程组,预报未来天气的方法。目前国内外风电场功率预测系统均基于短期数值气象预报技术开发,由短期数值气象预报提供风速、风向等气象预测数据,风电场功率预测系统依据上述气象预测数据计算功率预测数据,每日定时(由发布到上报的时间一般不超过2小时)向考核机构上报预测结果。
短期数值气象预报必须使用全球谱模式气象预报数据提供初始气象场和侧边界条件,目前国内外多个专业气象科研机构每日定时发布全球谱模式气象预报数据(全球谱模式气象预报数据发布时间大致相同,数据压缩打包算法不同导致数据包容量大小不一致),为短期数值气象预报业务应用提供了多样选择。通过上述短期数值气象预报输出风电场区域短期预测风速、风向等气象变量,为风电场功率预测提供数据支持。
业务实践证明,采用现有技术依据短期数值气象预报进行功率预测的过程中,有可能出现全球谱模式气象数据下载失败或是预报软件主程序因时间积分步长设置过大不稳定运行导致的中断故障,以上故障会严重影响风电场功率预测业务系统的可靠性,导致无法按时向考核机构上报预测结果。
发明内容
本发明提供一种依据数值天气预报的风电场功率预测方法,解决现有技术中会出现故障的问题,以较低成本实现短期数值气象预报业务系统可靠运行。
所述的依据数值天气预报的风电场功率预测方法,包括步骤:
A、下载多套全球谱模式气象预报数据源,依据选定的数据源分别进行前处理运算,输出初值和边界值;
B、预先配置多套大气动力和物理参数方案,依据所述初值和边界值运行主程序运算,分别求解气象预报变量;
C、进行后处理运算,提取气象预报变量值;
D、依据气象预报变量进行风电场功率预测。
由上,采用多数据源以及参数方案进行前处理运算以及主程序运算,由此,当其中的运算过程出现故障时,可以采用其他数据源或参数重新运算,解决现有技术中会出现故障的问题,以较低成本实现短期数值气象预报业务系统可靠运行。
可选的,所述步骤A中,下载4套全球谱模式气象预报数据源,判断是否出现下载故障,若出现下载故障,则选取6或12小时前所下载的数据源进行前处理运算。
由上,在下载过程中,当出现所选择的所有下载源全部下载故障的极端情况,还可采用前次下载源,由上,提高可靠性,保证正常运行。
可选的,预先设定下载时限,逾期未下载完成则判断为出现下载故障。
可选的,所述步骤A还包括:依据下载耗时选择2套首选数据源和2套备选数据源。
由上,通过同时启动两个数据源的前处理程序,避免因单一全球谱模式气象预报数据源故障导致前处理中断,极大地提高了数值气象预报系统前处理阶段的可靠性。
可选的,所述步骤A与步骤B之间,还包括:判断依据首选数据源进行的前处理运算是否出现故障,若出现故障,则选择备选数据源重新进行前处理运算。
由上,可及时通过备选方案的数据源进行前处理运算,以保证两个前处理运算同时运行。
可选的,所述步骤B之前,还包括步骤B1:为前处理运算输出的初值和边界值预置至少2套主程序参数方案,包括大气动力和物理参数方案,还包括时间积分步长,针对初值和边界值启动主程序参数方案进行历史气象预报测试,依据误差确定最优主程序参数方案。
可选的,所述步骤B之后还包括步骤B2:预先设定主程序运算的输出结果时限,逾期未输出结果则判定主程序运算出现故障。
可选的,步骤B2判定主程序运算出现故障时,调整时间积分步长,并重新启动主程序运算。
由上,及时通过修改过的主程序参数方案,通过调整时间积分步长使主程序运行更加稳定,以保证两个主程序运算同时运行。
可选的,依据函数表达式为△t=△t*rn调整时间积分步长,所述r为衰减因子,n为主程序故障中断次数。
由上,通过使用控制模块修改最优主程序参数方案的时间积分步长并重新启动主程序运算,避免因单一主程序参数方案设置问题导致主程序运行中断,极大地提高了数值气象预报系统主程序运行阶段的可靠性。
可选的,所述步骤B中,同时前处理运算输出的两组初值和边界值进行主程序运算。
由上,同时采用两组前处理运算输出的初值和边界值进行主程序运算,进一步保证了主程序运算的稳定性。
附图说明
图1为依据数值天气预报的风电场功率预测方法的流程图。
具体实施方式
本申请所提供的依据数值天气预报的风电场功率预测方法,彻底解决现有技术中会出现故障的问题,以较低成本实现短期数值气象预报业务系统可靠运行。
如图1所示的依据数值天气预报的风电场功率预测方法的流程图,具体包括步骤:
S10:预先选择至少4套全球谱模式气象预报数据源。
如背景技术所述,预先确定至少4家专业气象科研机构,当上述专业气象科研机构发布全球谱模式气象预报数据后,进行功率预测的风电场站点服务器便开始由上述专业气象科研机构的下载站点进行下载,同时分别记录下载所消耗的时间。需要说明的是,业务系统具备足够通信带宽,可承受时间内能够并发下载多套全球谱模式气象预报数据源。
S20:判断是否出现下载故障。
当专业气象科研机构的固定下载站点或者风电场站点服务器的下载通信电路发生故障时,便会出现下载故障。具体的,通过下载规定时间判断是否出现下载故障,所述规定时间依据业务系统历史统计数据确定,例如过去半年内第一种全球谱模式气象预报数据下载完成的平均时间为T1,则所述规定时间设定为(T1+t1)。其中,T1依据数据下载通信电路带宽决定,一般与通信电路带宽成反比,t1与业务时间容忍度有关,也与预报区域大小,即计算量有关,其定量关系为:t1≤功率预测上报时间-T1-气象预报业务(前处理+主程序+后处理)时长。若下载出现故障,则进入步骤S31,反之,若下载正常,则进入步骤S32。
S31:选取前次下载的全球谱模式气象预报数据源。
如果在步骤S20中判断出现下载故障,即在规定时间(T1+t1)仍未有任一全球谱模式气象预报数据下载完成,则从上次下载的数值气象预报结果中获取未来的气象预报。所述前次下载的数据源基于6h或12h之前。
S32:选取下载所消耗时间最少的两个数据源。
依据步骤S10中所记录的各全球谱模式气象预报数据源的下载所消耗的时间,进行排序,选取下载时间最少的两个数据源,分别命名为第一数据源和第二数据源,作为首选。另外,对未选中的两个数据源,同样依据下载所消耗的时间分别命名为第三数据源和第四数据源,作为备选。
S40:进行前处理阶段,输出初值和边界值。
首先选定待预报区域,建立预报区域的三维模型,并设定该区域水平和垂直边界(水平尺度通常为数千公里,垂直方向约为四十层,约二十公里),将该范围内的每层区域分割成均匀分布的水平格点,同时设定水平格点分辨率。将格点中所需的气象要素分别从第一数据源和第二数据源中的零时刻数据中提取,所述气象要素至少包括温度、湿度、气压、风力和风向。全球谱模式气象预报数据源中的气象要素为非均匀分布,因此还需将上述非均匀分布的气象要素插值至均匀分布的格点中,以形成数值天气预报的初值。
进一步的,依据已经建立的预报区域三维模型,使用第一数据源和第二数据源的非零时刻数据为每层区域的水平边界提供未来时刻的侧边界值,所述侧边界值所含气象要素至少包括温度、湿度、气压、风力和风向。以形成数值天气预报区域的边界值。
S51:判断前处理阶段是否出现故障。
在进行前处理阶段时,同时采用第一数据源和第二数据源中的气象要素进行运算,以保证前处理阶段的稳定。进一步的,在对第一数据源和第二数据源中的气象要素进行前处理阶段运算时,通过监控其运行时间判断是否出现故障。前处理阶段的运行时间T2区间依据业务系统历史统计数据确定,例如过去半年内前处理阶段的平均运行时长T2,则设定监控时间为(T2+5min),即在(T2+5min)无法输出结果则确认前处理阶段出现故障,进入步骤S52。反之则依据步骤S40所输出的结果进行步骤S60。
S52:选取所下载的其他数据源。
当采用第一数据源或/和第二数据源进行前处理阶段运算出现故障时,则中止当前前处理程序,调取第三数据源或/和第四数据源,返回步骤S40重新运算。其中,第三数据源以及第四数据源的优先级依据其下载所耗时确定。
若第一数据源和第二数据源均无故障,则前处理依据上述两数据源进行运算,对应输出两组初值和边界值。相应的,若第一数据源或第二数据源其一出现前处理阶段运算出现故障,择一数据源重新进行前处理阶段运算,极端情况下,第一数据源和第二数据源均出现故障,则第三数据源以及第四数据源同时重新进行前处理阶段运算,以保证前处理阶段运算输出两组初值和边界值。
S60:分别获取与前处理阶段运算所输出两组初值和边界值匹配的最优主程序参数方案,为各组初值和边界值分别配置各自最优主程序参数方案,进行主程序运算,以求解气象预报变量。
主程序阶段的运算依据前处理阶段所输出的初值和边界值,通过求解大气运动基本方程组,以得到气象预报变量。主程序参数方案包括大气动力和物理参数方案,用于采用大气物理假设简化求解方程组;还包括主程序时间积分步长,用于求解上述方程组。
首先,分别为两组初值和边界值预置至少2套主程序参数方案,即通过选定至少6个自然月为历史时段,分别测试两组初值和边界值与不同主程序参数组合的预报精度,根据测试结果获取与两组初值和边界值匹配的最优主程序参数方案。
其中,构建数值天气预报的方程组要根据大气运动所遵循的基本物理规律给出相应的数学表达式,并进行必要的相应简化。而大气运动所遵循的物理定律包括牛顿第二定律、质量守恒定律、热力学能量守恒定律、气体实验定律和水汽守恒定律,上述物理定律所对应的数学表达式分别为动量方程、连续方程、热力学方程、状态方程和水汽方程。主程序阶段上述的方程组是非闭合形式的,即未知数数量多于方程数量,为了求解上述方程组须对上述方程组进行参数化,即用若干未知变量表示其他未知变量。在计算过程中,往往由于模式分辨率不足等原因,对次网格尺度的物理过程不能很好的描述,需要诸如辐射、边界层、微物理等动力和物理过程参数化来完善模拟的效果,其本质是采用大气物理假设简化求解方程组。
时间积分步长实际为积分求解时间步长,合理的时间积分步长取值应与预报区域水平网格分辨率应符合以下关系:△t≤6*△x,其中△t表示积分步长,△x表示水平网格的边长。时间步长设置较大能够提高计算效率,但容易使积分求解中断,导致主程序崩溃的风险,也会使求解精度下降;时间步长设置过小能够提高积分求解精度,也能提高程序可靠性,但会使积分求解时间过长,导致业务时间过长。通常情况下满足上述约束关系时,使时间积分步长适当减小能够取得精度与耗时的平衡。
具体的,对于时间积分步长的取值设定函数为:△t=△t*rn,其中,r为衰减因子,r<1,其具体取值与预报区域水平网格分辨率和预报区域大小有关;n为配置该最优主程序参数方案的主程序故障中断次数。配置最优主程序参数方案的主程序启动后,判断主程序运算是否出现故障,若出现故障,则使用控制模块修改最优主程序参数方案的时间积分步长并重新启动主程序运算。本实施例中,水平网格分辨率为18km,水平预报区域大小为200*200,垂直为35层,r取值为0.9。
S71:判断主程序是否出现故障。
因主程序参数方案设置问题,有可能造成主程序运行不稳定而中断,从而导致数值天气预报业务中断。而判断主程序是否出现故障的依据主程序运行时间历史统计数据确定,例如过去半年内主程序运行时长T3,则判断主程序的故障时间区间长度设定为(T3+5min)。即在(T3+5min)无法输出结果则确认前处理阶段出现故障,进入步骤S72。反之则依据步骤S60所输出的结果进行步骤S80。
S72:选取所配置的其他主程序参数进行主程序阶段,求解气象预报变量。
当采用第一参数方案或/和第二参数方案进行主程序阶段运算出现故障时,则中止当前主程序程序,依据时间积分步长的取值设定函数调整修改时间积分步长,然后重启第一参数方案或/和第二参数方案各自的主程序进行运算。
S80:进行后处理程序阶段,输出气象变量。
当主程序运算结束后,以图形化显示出每个格点的气象要素值(温度、湿度、气压、风速、风向),即完成天气预报。其中,针对风电场区域短期预测所需要的物理量为风向和风速。
S90:依据气象变量进行风电场功率预测。
依据步骤S80中所预测出的风向和风速,结合风电场中各风机的风向-功率曲线从而得出风电场功率。进一步的,还可建立各风机的风向、风速-功率模型,即建立风电场测风塔所测风向、各风机所测风速以及在上述风向及风速下风机的有功功率值的历史数据库,依据步骤S80得出的风向和风速,预测出风机功率。
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、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种依据数值天气预报的风电场功率预测方法,其特征在于,包括步骤:
A、下载多套全球谱模式气象预报数据源,依据选定的数据源分别进行前处理运算,输出初值和边界值;
B、预先配置多套大气动力和物理参数方案,依据所述初值和边界值运行主程序运算,分别求解气象预报变量;
C、进行后处理运算,提取气象预报变量值;
D、依据气象预报变量进行风电场功率预测。
2.根据权利要求1所述的方法,其特征在于,所述步骤A中,下载4套全球谱模式气象预报数据源,判断是否出现下载故障,若出现下载故障,则选取6或12小时前所下载的数据源进行前处理运算。
3.根据权利要求2所述的方法,其特征在于,预先设定下载时限,逾期未下载完成则判断为出现下载故障。
4.根据权利要求2所述的方法,其特征在于,所述步骤A还包括:依据下载耗时选择2套首选数据源和2套备选数据源。
5.根据权利要求4所述的方法,其特征在于,所述步骤A与步骤B之间,还包括:判断首选数据源进行的前处理运算是否出现故障,若出现故障,则选择备选数据源重新进行前处理运算。
6.根据权利要求5所述的方法,其特征在于,所述步骤B之前,还包括步骤B1:为前处理运算输出的初值和边界值预置至少2套主程序参数方案,包括大气动力和物理参数方案,还包括时间积分步长,针对初值和边界值启动主程序参数方案进行历史气象预报测试,依据误差确定最优主程序参数方案。
7.根据权利要求6所述的方法,其特征在于,所述步骤B之后还包括步骤B2:预先设定主程序运算的输出结果时限,逾期未输出结果则判定主程序运算出现故障。
8.根据权利要求7所述的方法,其特征在于,步骤B2判定主程序运算出现故障时,调整时间积分步长,并重新启动主程序运算。
9.根据权利要求8所述的方法,其特征在于,依据函数表达式为△t=△t*rn调整时间积分步长,所述r为衰减因子,n为主程序故障中断次数。
10.根据权利要求4所述的方法,其特征在于,所述步骤B中,同时前处理运算输出的两组初值和边界值进行主程序运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310595135.2A CN103617454A (zh) | 2013-11-21 | 2013-11-21 | 一种依据数值天气预报的风电场功率预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310595135.2A CN103617454A (zh) | 2013-11-21 | 2013-11-21 | 一种依据数值天气预报的风电场功率预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103617454A true CN103617454A (zh) | 2014-03-05 |
Family
ID=50168158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310595135.2A Pending CN103617454A (zh) | 2013-11-21 | 2013-11-21 | 一种依据数值天气预报的风电场功率预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617454A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104112180A (zh) * | 2014-06-06 | 2014-10-22 | 清华大学 | 基于质量守恒诊断模式的风资源数值的获取方法 |
CN104504481A (zh) * | 2015-01-21 | 2015-04-08 | 哈尔滨工业大学 | 晴天条件下大气电场建模方法 |
CN108345996A (zh) * | 2018-02-06 | 2018-07-31 | 北京天润新能投资有限公司 | 一种降低风电功率考核电量的系统及方法 |
CN117807402A (zh) * | 2024-02-27 | 2024-04-02 | 阿里巴巴(中国)有限公司 | 功率预测方法、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004072900A (ja) * | 2002-08-06 | 2004-03-04 | Mitsubishi Heavy Ind Ltd | 電力ネットワーク管理システムおよび電力ネットワーク管理方法 |
JP2007233639A (ja) * | 2006-02-28 | 2007-09-13 | Tohoku Electric Power Co Inc | 風力発電出力予測方法、風力発電出力予測装置およびプログラム |
CN102044872A (zh) * | 2010-11-18 | 2011-05-04 | 西北电网有限公司 | 一种风电功率中长期预报方法 |
CN102570453A (zh) * | 2012-01-06 | 2012-07-11 | 甘肃省电力公司风电技术中心 | 基于多套数值天气预报源的短期风电功率预测方法及系统 |
CN102768738A (zh) * | 2012-07-31 | 2012-11-07 | 华锐风电科技(集团)股份有限公司 | 风电场功率预测方法和预测装置 |
CN203038278U (zh) * | 2012-09-11 | 2013-07-03 | 华锐风电科技(集团)股份有限公司 | 风电场功率的预测系统 |
-
2013
- 2013-11-21 CN CN201310595135.2A patent/CN103617454A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004072900A (ja) * | 2002-08-06 | 2004-03-04 | Mitsubishi Heavy Ind Ltd | 電力ネットワーク管理システムおよび電力ネットワーク管理方法 |
JP2007233639A (ja) * | 2006-02-28 | 2007-09-13 | Tohoku Electric Power Co Inc | 風力発電出力予測方法、風力発電出力予測装置およびプログラム |
CN102044872A (zh) * | 2010-11-18 | 2011-05-04 | 西北电网有限公司 | 一种风电功率中长期预报方法 |
CN102570453A (zh) * | 2012-01-06 | 2012-07-11 | 甘肃省电力公司风电技术中心 | 基于多套数值天气预报源的短期风电功率预测方法及系统 |
CN102768738A (zh) * | 2012-07-31 | 2012-11-07 | 华锐风电科技(集团)股份有限公司 | 风电场功率预测方法和预测装置 |
CN203038278U (zh) * | 2012-09-11 | 2013-07-03 | 华锐风电科技(集团)股份有限公司 | 风电场功率的预测系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104112180A (zh) * | 2014-06-06 | 2014-10-22 | 清华大学 | 基于质量守恒诊断模式的风资源数值的获取方法 |
CN104112180B (zh) * | 2014-06-06 | 2018-04-10 | 清华大学 | 基于质量守恒诊断模式的风资源数值的获取方法 |
CN104504481A (zh) * | 2015-01-21 | 2015-04-08 | 哈尔滨工业大学 | 晴天条件下大气电场建模方法 |
CN104504481B (zh) * | 2015-01-21 | 2017-08-25 | 哈尔滨工业大学 | 晴天条件下大气电场建模方法 |
CN108345996A (zh) * | 2018-02-06 | 2018-07-31 | 北京天润新能投资有限公司 | 一种降低风电功率考核电量的系统及方法 |
CN108345996B (zh) * | 2018-02-06 | 2021-07-20 | 北京天润新能投资有限公司 | 一种降低风电功率考核电量的系统及方法 |
CN117807402A (zh) * | 2024-02-27 | 2024-04-02 | 阿里巴巴(中国)有限公司 | 功率预测方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11408399B2 (en) | Forecasting output power of wind turbine in wind farm | |
Shi et al. | Hybrid forecasting model for very-short term wind power forecasting based on grey relational analysis and wind speed distribution features | |
CN101919134B (zh) | 用于风力涡轮发电机的基于事件的控制系统及控制方法 | |
CN108027908B (zh) | 模拟方法和系统 | |
US20140324495A1 (en) | Wind turbine maintenance optimizer | |
Yan et al. | A new tool to estimate maximum wind power penetration level: In perspective of frequency response adequacy | |
US20160169202A1 (en) | Short-term operation optimization method of electric power system including large-scale wind power | |
CN102882745B (zh) | 一种用于监控业务服务器的方法和装置 | |
CN113937763B (zh) | 风电功率预测方法、装置、设备及存储介质 | |
US20110202191A1 (en) | Energy generating system and control thereof | |
CN103001249B (zh) | 基于bp神经网络的风电场短期功率预测方法 | |
US20220376499A1 (en) | System and method for load and source forecasting for increasing electrical grid component longevity | |
US10832353B2 (en) | Determining intermittent renewable energy penetration limits in a grid | |
CN103617454A (zh) | 一种依据数值天气预报的风电场功率预测方法 | |
CN104124685A (zh) | 基于样板风机法的风电场理论功率计算方法 | |
CN113315171B (zh) | 新能源消纳能力评估方法、装置、计算机设备和存储介质 | |
EP2381094A1 (en) | Energy network and control thereof | |
CN107069835B (zh) | 新能源电站实时有功的分配方法及分配装置 | |
CN112287531B (zh) | 一种考虑台风影响的海上风电场多状态可靠性获取方法 | |
CN103258118A (zh) | 一种预测光伏电池组件温度的方法 | |
CN102945509A (zh) | 风电场功率预测方法 | |
CN112231361A (zh) | 一种基于风机运行数据的风电项目发电量评估方法 | |
KR102628551B1 (ko) | 하이브리드 타입 단기 전력수요 예측 장치 및 방법 | |
Faulstich et al. | Modelling the failure behaviour of wind turbines | |
Wanitschke et al. | Economic and environmental cost of self-sufficiency-analysis of an urban micro grid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140305 |