CN103778484A - 一种并网型微电网优化配置方法和系统 - Google Patents
一种并网型微电网优化配置方法和系统 Download PDFInfo
- Publication number
- CN103778484A CN103778484A CN201410054138.XA CN201410054138A CN103778484A CN 103778484 A CN103778484 A CN 103778484A CN 201410054138 A CN201410054138 A CN 201410054138A CN 103778484 A CN103778484 A CN 103778484A
- Authority
- CN
- China
- Prior art keywords
- micro
- allocation plan
- population
- grid type
- electrical network
- 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.)
- Granted
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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种并网型微电网优化配置方法和系统。该方法包括:针对预先设定的N种配置方案中的每种配置方案,获取该配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案;结合每种配置方案在各调度周期的最优运行方案,计算微电网在该配置方案下的优化目标值(反映供电经济性水平);获取优化目标值最小的配置方案作为并网型微电网的最优配置方案。针对现有优化配置方法采用固定运行方案的不足,本发明通过对并网型微电网的运行方案进行寻优实现了优化调度,以保证并网型微电网运行在最优工况,并将优化调度结果返回作为优化配置的依据,最终结合优化调度情况从供电经济性角度确定出并网型微电网的最优配置方案,提高了寻优准确度。
Description
技术领域
本发明属于微电网优化配置和优化调度技术领域,尤其涉及一种并网型微电网优化配置方法和系统。
背景技术
微电网是一个能够实现自我控制、保护和管理的自治系统,按照是否与大电网相连,微电网可分为并网型和独立型两种类型。
目前,针对并网型微电网优化配置的研究较少。较典型的可用于对并网型微电网进行优化配置的为美国国家能源实验室开发的HOMER软件,该软件提供了两种固定的微电网运行方案供用户选择。利用该软件实现并网型微电网优化配置的方法如下:针对预先设定的不同配置方案,采用遍历算法,在用户选择的固定运行方案下,基于仿真全年时段并网型微电网的运行工况,比较不同配置方案对应的经济成本(供电经济性),实现对预先设定的上述不同配置方案进行寻优,最终得到并网型微电网的最优配置方案。
由于HOMER软件采用固定运行方案,未充分考虑并网型微电网运行过程中负荷和资源的实际情况,从而不能保证并网型微电网运行在最优工况,进而影响了寻优准确度,导致最终得到的优化配置方案存在一定的偏差。
发明内容
有鉴于此,本发明的目的在于提供一种并网型微电网优化配置方法和系统,以解决上述问题,提高寻优准确度,得到最佳的配置方案。
为此,本发明公开如下技术方案:
一种并网型微电网优化配置方法,包括:
设定并网型微电网的N种配置方案,所述N种配置方案符合预先设定的约束条件,其中,所述N为大于1的自然数;
基于所述N种配置方案中的每种配置方案,获取所述配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案,所述预设时长包括并网型微电网的M个调度周期,其中,所述M为大于1的自然数;
依据每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述配置方案下并网型微电网在所述预设时长内的优化目标值,所述优化目标反映并网型微电网的供电经济性;
获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案。
优选的,所述约束条件包括系统运行平衡约束、微源运行约束、自平衡率约束和稳定性约束。
优选的,所述配置方案具体包括风力发电机的类型和容量信息、光伏的类型和容量信息以及储能电池的类型和容量信息。
优选的,所述优化目标包括设备成本和年购电费用。
优选的,所述方法中,在所述基于所述N种配置方案中的每种配置方案,获取所述配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案之前,还包括:
设置迭代参数x,并将所述N种配置方案标记为初始种群P;
优选的,所述方法中,在所述获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案之前,还包括:
依据对应的优化目标值对所述初始种群P中的N种配置方案进行排序;
采用锦标赛选择法,从所述初始种群P中选择父代种群S,并对所述父代种群S进行遗传操作,得到子代种群Q,其中,所述父代种群S、子代种群Q分别包括不少于一个的配置方案;
获取所述子代种群Q中每个配置方案下,并网型微电网在所述预设时长内每个调度周期的最优运行方案;
依据子代种群Q中每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述子代种群Q中所述配置方案下并网型微电网在所述预设时长内的优化目标值;
将父代种群S和子代种群Q合并形成中间种群R;
判断迭代参数是否达到预设数值;
若判断结果为是,则对中间种群R执行:获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案;
若判断结果为否,则对中间种群R进行排序,并从中间种群R中选择新的种群P’,并将所述种群P’作为新的初始种群P,其中:所述种群P’包括N个配置方案,所述N个配置方案各自对应的优化目标值小于中间种群R中所述N个配置方案除外的其他配置方案对应的优化目标值;之后,转至执行:采用锦标赛选择法,从所述初始种群P中选择父代种群S,并对所述父代种群S进行遗传操作,得到子代种群Q。
一种并网型微电网优化配置系统,包括:设定模块、最优运行方案获取模块、计算模块和最优配置方案获取模块,其中:
所述设定模块,用于设定并网型微电网的N种配置方案,所述N种配置方案符合预先设定的约束条件,其中,所述N为大于1的自然数;
所述最优运行方案获取模块,用于基于所述N种配置方案中的每种配置方案,获取所述配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案,所述预设时长包括并网型微电网的M个调度周期,其中,所述M为大于1的自然数;
所述计算模块,用于依据每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述配置方案下并网型微电网在所述预设时长内的优化目标值,所述优化目标反映并网型微电网的供电经济性;
所述最优配置方案获取模块,用于获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案。
优选的,所述系统还包括:
参数设置模块,用于设置迭代参数x,并将所述N种配置方案标记为初始种群P,所述参数设置模块与所述设定模块和所述最优运行方案获取模块相连。
优选的,所述系统还包括排序模块、选择模块、子代最优运行方案获取模块、子代计算模块、合并模块和判断模块,其中:
所述排序模块,与所述计算模块相连,用于依据对应的优化目标值对所述初始种群P中的N种配置方案进行排序;
所述选择模块,用于采用锦标赛选择法,从所述初始种群P中选择父代种群S,并对所述父代种群S进行遗传操作,得到子代种群Q,其中,所述父代种群S、子代种群Q分别包括不少于一个的配置方案;
所述子代最优运行方案获取模块,用于获取所述子代种群Q中每个配置方案下,并网型微电网在预设时长内每个调度周期的最优运行方案;
所述子代计算模块,用于依据子代种群Q中每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述子代种群Q中所述配置方案下并网型微电网在所述预设时长内的优化目标值;
所述合并模块,用于将父代种群S和子代种群Q合并形成中间种群R;
所述判断模块,用于判断迭代参数是否达到预设数值;并在判断结果为是时,针对中间种群R触发执行所述最优配置方案获取模块;在判断结果为否时,对中间种群R进行排序,并从中间种群R中选择新的种群P’,将所述种群P’作为新的初始种群P,其中:所述种群P’包括N个配置方案,所述N个配置方案各自对应的优化目标值小于中间种群R中所述N个配置方案除外的其他配置方案对应的优化目标值;之后,触发执行所述选择模块。
本发明实施例提供的并网型微电网优化配置方法,针对设定的N种配置方案中的每种配置方案,均获取该配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案,具体实施时,可结合调度周期内负荷和资源情况,采用混合整数规划模型求解方法对并网型微电网的运行方案进行寻优;后续结合每种配置方案在各个调度周期对应的最优运行方案,计算微电网在该配置方案下的优化目标值(反映供电经济性水平)。以最终确定并网型微电网的最优配置方案。可见,针对现有优化配置方法采用固定运行方案的不足,本发明通过对并网型微电网的运行方案进行寻优实现了优化调度,以保证并网型微电网运行在最优工况,并将优化调度结果返回作为优化配置的依据,最终结合优化调度情况从供电经济性角度确定出并网型微电网的最优配置方案,提高了寻优准确度,规避了得出的优化配置方案存在偏差的这一缺陷。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明公开的并网型微电网的结构示意图;
图2是本发明实施例一公开的并网型微电网优化配置方法的一种流程图;
图3是本发明实施例二公开的并网型微电网优化配置方法的另一种流程图;
图4是本发明实施例二公开的并网型微电网优化配置方法的具体应用实例流程图;
图5是本发明实施例三公开的并网型微电网优化配置系统的一种结构示意图;
图6是本发明实施例三公开的并网型微电网优化配置系统的另一种结构示意图。
具体实施方式
为了引用和清楚起见,下文中使用的技术名词、简写或缩写总结解释如下:
微电网:由微电源、负荷、储能系统和控制装置构成的系统,微电网是一个能够实现自我控制、保护和管理的自治系统,按照是否与大电网相连,其可分为并网型和独立型两种类型。
优化配置:根据微电网内负荷、可利用资源情况以及用户用电要求,同时考虑设备的响应特性、效率、费用以及运行方案等,优化确定相关微电源单元的类型和容量等参数,以提高整个系统的可靠性、安全性和经济性。
自平衡能力:微电网依靠自身所能供应的负荷比例,在一定程度上反映了微电网对大电网的依赖程度。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在对本发明的并网型微电网优化配置方法和系统进行说明之前,首先对并网型微电网的系统结构进行介绍。请参见图1,图1示出了典型的并网型微电网的结构,主要包括风力发电机101、光伏102和储能电池103。其中,风力发电机101、光伏102、储能电池103通过各自的变流器104接入交流母线107,风力发电机101、光伏102、储能电池103与负荷105共同构成了并网型微电网,并网型微电网与大电网106相连,在条件允许的情况下,并网型微电网与大电网106之间存在电能的双向交互。以下将通过各实施例对本发明的方法和系统进行详细说明。
实施例一
本发明实施例一公开了一种并网型微电网优化配置方法,请参见图1,该方法包括:
S1:设定并网型微电网的N种配置方案,所述N种配置方案符合预先设定的约束条件,其中,所述N为大于1的自然数。
其中,所述配置方案具体包括风力发电机的类型和容量信息、光伏的类型和容量信息以及储能电池的类型和容量信息。本实施例考虑并网型微电网的实际运行情况,设定的各配置方案满足如下约束条件:系统运行平衡约束、微源运行约束、自平衡率约束和稳定性约束。
1)系统运行平衡约束
式(1)示出了并网型微电网的系统运行平衡约束:
Pwt(t)+Ppv(t)+Pgrid-in(t)-Pgrid-out(t)-Pbess-in(t)+Pbess-out(t)-Pload(t)=0 (1)
其中,式(1)中,Pwt(t)、Ppv(t)、Pgrid-in(t)、Pgrid-out(t)、Pbess-in(t)、Pbess-out(t)、Pload(t)分别表示风力发电机的输出功率、光伏的输出功率、大电网向并网型微电网的输入功率、并网型微电网向大电网的输出功率、储能电池充电功率、储能电池放电功率及负荷功率。
2)微源运行约束
风力发电机和光伏的输出功率应小于由装机容量及对应时刻风速和光照强度所决定的最大理论输出功率,如式(2)所示:
其中,式(2)中,Pwt-max(t)和Ppv-max(t)分别表示t时刻风力发电机和光伏的最大理论输出功率。
大电网的功率受配电变压器的约束,表示为:
其中,式(3)中,Pgrid-rate表示大电网的功率限值;fgi(t)、fgo(t)分别表示大电网向并网型微电网的输入功率和并网型微电网向大电网的输出功率的标志位,fgi(t)和fgo(t)具体为0-1变量。
储能电池充放电功率约束可表示为:
其中,式(4)中,Pmaxcharge和Pmaxdischarge分别表示储能电池最大充电和最大放电功率限值;kbi和kbo分别表示储能电池充电和放电转换效率;fbi(t)、fbo(t)分别表示储能电池充电和放电标志位,fbi(t)和fbo(t)具体为0-1变量。
此外,储能电池还存在SOC(State of Charge,荷电状态)约束,可表示为:
其中,式(5)中,SOCmin和SOCmax分别为SOC下限和上限值;SOC(t)、SOC(t+Δt)分别为t和t+Δt时刻的SOC值;Bcap为储能电池总容量;SOC(tstart)、SOC(tend)分别表示运行周期(如24h)的起始时刻和结束时刻储能电池的SOC值,将两者值设置为相等,可保证一个运行周期内储能电池达到能量平衡,而不会产生牺牲当前运行周期储能电池中的可利用能量,从而影响下一运行周期运行工况的情况。
3)自平衡率约束
本实施例中,以一定周期内并网型微电网自身所能满足的负荷比例(自供电能力)来表示其自平衡能力,根据并网型微电网的自供电能力,提出了自平衡率指标,并考虑自平衡率的约束条件。具体见如下式(6):
其中,式(6)中,Rself表示自平衡率;Eself表示并网型微电网自身所供应的负荷量(即并网型微电网向负荷供应的电量);Egrid-to-load表示从大电网流向负荷的总电量,包括直接从大电网流向负荷和通过储能电池间接从大电网流向负荷两部分电量;Etotal为负荷总需求电量。并网型微电网自平衡能力越大,即自平衡率值越大,则表示依靠大电网供应的负荷比例越小。
本实施例中,为讨论不同自平衡能力水平下并网型微电网的优化配置情况,针对具体的计算场景,对自平衡率进行限定,如式(7)所示:
Rlow≤Rself≤Rhigh (7)
式(7)中,Rlow表示设定的自平衡率下限,Rhigh表示设定的自平衡率上限。
4)稳定性约束
首先,考虑与并网型微电网具有电能交互的配电网(本文中,配电网即指上文提到的大电网104)的稳定性。
并网型微电网可对配电网产生影响,具体地,两者之间过大的功率倒送可能会对配电网的稳定性造成影响,基于此,本实施例继续对式(3)中的Pgrid-out做进一步约束,见如下式(8):
Pgrid-out(t)≤λoutfgo(t)Pgrid-rate (8)
式(8)中,λout表示倒送功率最大允许比例,λout值的大小具体可根据相关规定或仿真实验进行确定。
接下来,考虑并网型微电网的稳定性。
并网型微电网可工作在并网运行和独立运行两种模式。针对风光资源的随机性和波动性,在并网运行模式下,大电网提供参考电压和频率,可保证并网型微电网的稳定运行;当大电网发生故障时,并网型微电网可切换至独立运行模式,为网内重要负荷提供不间断供电,此时,储能电池可作为平衡电源维持并网型微电网的稳定运行。因此,为保证并网型微电网任何模式下均能稳定运行以及能够为重要负荷供应电能,本实施例在优化配置时,确保储能电池具有一定的容量比例,以满足并网型微电网独立运行时的稳定和供电要求。请见如下式(9):
其中,式(9)中:Nbess-min表示储能电池单体个数的下限值;Rcap表示可再生能源总装机容量;rdis表示储能电池放电倍率;Bcap-unit表示储能电池单体容量;sf为假设的稳定系数,其表示相对可再生能源总装机容量而言,储能电池的放电能力需达到一定的比例水平,以保证并网型微电网独立运行时的稳定性,sf主要取决于储能电池自身特性及变换器的调频调压能力,不同变换器的调频调压能力会有所不同,具体需通过仿真实验加以确定;Limp为重要负荷大小;si为假设的安全裕量系数,本实施例设定安全裕量系数大于1,以保证储能电池的放电能力可满足对重要负荷进行供电。
S2:基于所述N种配置方案中的每种配置方案,获取所述配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案,所述预设时长包括并网型微电网的M个调度周期,其中,所述M为大于1的自然数。
本发明以并网型微电网全寿命周期成本最低作为目标,具体地,本实施例将全寿命周期成本现值转换为总等年值成本(详见下文说明),以1年内(其中,每24h为一调度周期)并网型微电网在各配置方案下的成本大小(供电经济性水平)衡量配置方案的优劣,对配置方案进行寻优。
相比于现有方法,本实施例为保证得出最优的配置方案,在考察并网型微电网于每种配置方案下的供电经济性水平时,首先确保该配置方案下,并网型微电网在每一调度周期内均运行于最优运行方案,即保证并网型微电网运行在最优工况。具体地,本实施例采用混合整数规划模型求解方法,以每个调度周期(如24h)内购电费用最小为目标,寻求相应容量配置下的最优运行方案。
S3:依据每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述配置方案下并网型微电网在所述预设时长内的优化目标值,所述优化目标反映并网型微电网的供电经济性。
针对每个配置方案,在获取了该配置方案下并网型微电网1年内每个调度周期的最优运行方案实现优化调度后,将优化调度结果返回作为优化配置的依据。具体地,采用最优运行方案,结合调度周期内负荷和资源情况,对并网型微电网基于该配置方案下的全年时段运行工况进行仿真,在仿真的基础上,基于设备(例如风力发电机、光伏和储能电池)的类型和容量信息计算该配置方案对应的优化目标值。
其中,优化目标反映并网型微电网的供电经济水平,优化目标值越小,表示其供电经济性水平越高。在优化目标的选取上,考虑初始投资成本、置换成本、运行维护成本、残值及购电费用等经济因素,可将并网型微电网全寿命周期成本作为目标。具体地,本实施例中,并网型微电网的供电经济性主要考虑设备成本和年购电费用。
1)设备成本
本实施例将用户配电变压器及输电线路等作为已有设备,不予考虑。基于此,设备主要包括风力发电机、光伏和储能电池,设备成本包括初始投资成本、运行维护成本、置换成本和残值,可表示为:
其中,式(10)中,Cdev为全寿命周期内设备总成本现值;Cdev-init、Cdev-om、Cdev-rep、Cdev-sv分别为设备总初始投资成本、总运行维护成本现值、总置换成本现值和总残值现值;Cwt-init,Cpv-init,Cbess-init分别为风力发电机、光伏和储能电池的初始投资成本;Cwt-om,Cpv-om,Cbess-om分别为风力发电机、光伏和储能电池的运行和维护成本现值;Cbess-rep为储能电池的置换成本现值;Cwt-sv,Cpv-sv,Cbess-sv分别为风力发电机、光伏和储能电池的残值现值。
通常情况下,风力发电机和光伏的寿命预计可达20年,系统全寿命周期一般考虑为20年,因此,在全寿命周期内风力发电机和光伏无置换成本,而储能电池的寿命相对较短,在全寿命周期内存在置换成本。
接下来,继续将全寿命周期内设备总成本现值转换为设备等年值成本,
可表示为:
Cdev-eav=Cdev{i(1+i)l/[(1+i)l-1]} (11)
式(11)中:Cdev-eav为设备等年值成本;i(1+i)l/[(1+i)l-1]为资金收回系数,其中,i为贴现率,l为系统寿命期望值。
2)年购电费用
在允许功率倒送的前提下,并网型微电网与大电网之间的功率流动是双向的,因此,用户除了从大电网购电外,还可将剩余的电能传输给大电网,从而获得一定的售电收入。
购电费用主要包括电度费用、功率费用和基本容量费用,电度费用与用户购入和售出的电量直接相关;功率费用与用户从大电网购电的最大功率相关;基本容量费用与用户的配电变压器容量相关,需按申请的变压器容量交纳一定的基本费用。基于此,年购电费用可表示为如下式(12):
式(12)中:Cgrid为年购电费用;Nh表示将评估周期(例如1年)划分为Nh个时段;cgrid-in,h和cgrid-out,h分别为h时段单位购电和单位售电电价;Egrid-in,h和Egrid-out,h分别为h时段总购电量和总售电量;M表示评估周期的总月份数;cbc,m为m月份变压器单位容量基本电费;Str为用户变压器视在容量;cpc,m为m月份单位功率电价;Pgrid-max为m月份由大电网供电的最大功率。
综上,并网型微电网的总等年值成本可表示为:
Ctotal-eav=Cdev-eav+Cgrid (13)
式(13)中,Ctotal-eav为总等年值成本。
本实施例具体将Ctotal-eav作为优化目标,以Ctotal-eav的值表示并网型微电网的供电经济性水平。并以min(Ctotal-eav)作为最终目标,对各配置方案进行寻优。
S4:获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案。
具体获取min(Ctotal-eav)对应的配置方案,该配置方案即为并网型微电网的最优配置方案。
综上,本发明实施例提供的并网型微电网优化配置方法,针对设定的N种配置方案中的每种配置方案,均获取该配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案,具体实施时,可结合调度周期内负荷和资源情况,采用混合整数规划模型求解方法对并网型微电网的运行方案进行寻优;后续结合每种配置方案在各个调度周期对应的最优运行方案,计算微电网在该配置方案下的优化目标值(反映供电经济性)。以最终确定并网型微电网的最优配置方案。可见,针对现有优化配置方法采用固定运行方案的不足,本发明通过对并网型微电网的运行方案进行寻优实现了优化调度,以保证并网型微电网运行在最优工况,并将优化调度结果返回作为优化配置的依据,最终结合优化调度情况从供电经济性角度确定出并网型微电网的最优配置方案,提高了寻优准确度,规避了得出的优化配置方案存在偏差的这一缺陷。
实施例二
本发明实施例二继续对实施例一中的并网型微电网优化配置方法进行优化。
现有的HOMER软件对并网型微电网进行优化配置时,采用遍历算法,通过仿真比较预先设定的几种配置方案的经济成本,最终得到并网型微电网的优化配置方案。其寻优空间仅限于设定的方案,从而导致得到的优化配置方案具有一定的局限性。针对HOMER软件的这一缺点,本实施例二采用遗传算法对优化配置方案进行寻优,使配置方案的寻优空间不再局限于已设定的几种方案,从而更大程度地保证最终确定的并网型微电网内设备的类型和容量配置方案为最佳方案。
基于此算法,请参见图3,本实施例二公开了并网型微电网优化配置方法的另一种流程,其在包括了实施例一中的步骤S1、S2、S3和S4的基础上,还包括:
S5:设置迭代参数x,并将所述N种配置方案标记为初始种群P。
该步骤具体在步骤S1和S2之间执行。
S6:依据对应的优化目标值对所述初始种群P中的N种配置方案进行排序。
S7:采用锦标赛选择法,从所述初始种群P中选择父代种群S,并对所述父代种群S进行遗传操作,得到子代种群Q,其中,所述父代种群S、子代种群Q分别包括不少于一个的配置方案。
具体地,所述遗传操作包括交叉、变异等。
S8:获取所述子代种群Q中每个配置方案下,并网型微电网在预设时长内每个调度周期的最优运行方案。
S9:依据子代种群Q中每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述子代种群Q中所述配置方案下并网型微电网在所述预设时长内的优化目标值。
S10:将父代种群S和子代种群Q合并形成中间种群R。
S11:判断迭代参数是否达到预设数值;若判断结果为是,则针对中间种群R执行步骤S4;否则,若判断结果为否,则执行步骤S12。
S12:对中间种群R进行排序,并从中间种群R中选择新的种群P’,并将所述种群P’作为新的初始种群P,其中:所述种群P’包括N个配置方案,所述N个配置方案各自对应的优化目标值小于中间种群R中所述N个配置方案除外的其他配置方案对应的优化目标值;之后,转至执行步骤S7。
其中,步骤S6-S12在步骤S3与S4之间执行。
综上,本实施例二采用遗传算法(外层)与混合整数规划模型求解(内层)相结合的方法实现了优化配置过程,拓展了配置方案的寻优空间。具体地,内层采用混合整数规划模型求解方法,在仿真时长(如1年)内以每个调度周期(如24h)内购电费用最小为目标,寻求相应容量配置下的最优运行方案。内层得到的最优运行方案结果返回给外层,外层结合内层返回的最优运行方案以及相应配置方案下的设备类型、容量配置信息,采用遗传算法,基于设定的优化目标对并网型微电网的配置方案进行寻优,最终得到设定目标下的最优配置方案。
请参见图4,图4示出了应用本发明方法进行并网型微电网优化配置的一具体实例。其包括如下流程:
S41:初始化。
具体包括读取仿真时长、调度周期、自然资源(风速和光照)、负荷等所需参数。
S42:生成规模为N的初始种群P。
其中,初始种群P中个体为并网型微电网的配置方案,其含有风力发电机、光伏和储能电池的类型和容量信息。
S43:采用混合整数规划模型求解方法,得到仿真时长内初始种群P中个体涵盖的每个调度周期的最优运行方案。
S44:根据设备类型、容量信息和最优运行方案结果计算初始种群P中个体的优化目标值,并以优化目标值为依据对初始种群P中的个体进行排序。
S45:采用锦标赛选择法,从初始种群P中选择父代种群S,并对父代种群S进行交叉、变异等遗传操作,得到子代种群Q。
S46:采用混合整数规划模型求解方法,得到仿真时长内子代种群Q中个体在每个调度周期的最优运行方案。
S47:根据设备类型、容量信息和最优运行方案结果计算子代种群Q中个体的优化目标值,然后将父代种群S和子代种群Q合并形成中间种群R。
S48:判断是否满足终止条件,若判断结果为是,则执行步骤S410;否则,若判断结果为否,则执行步骤S49。
具体在迭代次数满足预设的数值时终止。
S49:对中间种群R进行排序并选择N个个体,形成新的规模为N的种群P’,以种群P’替换初始种群P作为新的初始种群。之后,转至执行步骤S45。
S410:从中间种群R中获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案。
其中,具体选择对应的优化目标值较小的N个个体,以升序排序为例,从排序后的中间种群R中选择前N个个体作为新的种群P’。
实施例三
本发明实施例三公开了一种并网型微电网优化配置系统,其与实施例一及实施例二公开的并网型微电网优化配置方法相对应。
相应于实施例一中并网型微电网优化配置方法的流程,本实施例三首先公开并网型微电网优化配置系统的一种结构,请参见图5,该系统包括设定模块100、最优运行方案获取模块200、计算模块300和最优配置方案获取模块400。
设定模块100,用于设定并网型微电网的N种配置方案,所述N种配置方案符合预先设定的约束条件,其中,所述N为大于1的自然数。
最优运行方案获取模块200,用于基于所述N种配置方案中的每种配置方案,获取所述配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案,所述预设时长包括并网型微电网的M个调度周期,其中,所述M为大于1的自然数。
计算模块300,用于依据每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述配置方案下并网型微电网在所述预设时长内的优化目标值,所述优化目标反映并网型微电网的供电经济性;
最优配置方案获取模块400,用于获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案。
接下来,相应于实施例二中并网型微电网优化配置方法的流程,本实施例三继续公开并网型微电网优化配置系统的另一种结构,请参见图5,其在包括了以上各模块的基础上,还包括参数设置模块500,排序模块600、选择模块700、子代最优运行方案获取模块800、子代计算模块900、合并模块1000和判断模块1100。
参数设置模块500,用于设置迭代参数x,并将所述N种配置方案标记为初始种群P。
其中,参数设置模块500与设定模块100和最优运行方案获取模块200相连。
排序模块600,与所述计算模块300相连,用于依据对应的优化目标值对所述初始种群P中的N种配置方案进行排序。
选择模块700,用于采用锦标赛选择法,从所述初始种群P中选择父代种群S,并对所述父代种群S进行遗传操作,得到子代种群Q,其中,所述父代种群S、子代种群Q分别包括不少于一个的配置方案。
子代最优运行方案获取模块800,用于获取所述子代种群Q中每个配置方案下,并网型微电网在预设时长内每个调度周期的最优运行方案;
子代计算模块900,用于依据子代种群Q中每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述子代种群Q中所述配置方案下并网型微电网在所述预设时长内的优化目标值;
合并模块1000,用于将父代种群S和子代种群Q合并形成中间种群R;
判断模块1100,用于判断迭代参数是否达到预设数值;并在判断结果为是时,针对中间种群R触发执行最优配置方案获取模块400;在判断结果为否时,对中间种群R进行排序,并从中间种群R中选择新的种群P’,将所述种群P’作为新的初始种群P,其中:所述种群P’包括N个配置方案,所述N个配置方案各自对应的优化目标值小于中间种群R中所述N个配置方案除外的其他配置方案对应的优化目标值;之后,触发执行选择模块700。
对于本发明实施例三公开的并网型微电网优化配置系统而言,由于其与以上实施例一和实施例二公开的并网型微电网优化配置方法相对应,所以描述的比较简单,相关相似之处请参见实施例一和实施例二中并网型微电网优化配置系统方法部分的说明即可,此处不再详述。
综上所述,本发明根据并网型微电网的自供电能力,提出了自平衡率指标,并基于此提供了一种考虑自平衡能力的并网型微电网优化配置方法和系统。本发明方法针对现有HOMER软件采用固定运行方案的不足,结合短期内负荷和资源情况,采用混合整数规划模型求解方法对优化调度方案进行寻优,保证了并网型微电网运行在最优工况,并将优化调度结果返回作为优化配置的依据;针对采用遍历算法导致寻优空间仅限于设定方案的不足,本发明采用遗传算法结合返回的优化调度结果对优化配置方案进行寻优,拓展了寻优空间,更高程度地保证了最终确定的并网型微电网配置方案为最佳方案。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
为了描述的方便,描述以上装置、系统时以功能分为各种模块或单元分别描述。当然,在实施本申请时可以把各模块或单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种并网型微电网优化配置方法,其特征在于,包括:
设定并网型微电网的N种配置方案,所述N种配置方案符合预先设定的约束条件,其中,所述N为大于1的自然数;
基于所述N种配置方案中的每种配置方案,获取所述配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案,所述预设时长包括并网型微电网的M个调度周期,其中,所述M为大于1的自然数;
依据每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述配置方案下并网型微电网在所述预设时长内的优化目标值,所述优化目标反映并网型微电网的供电经济性;
获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案。
2.根据权利要求1所述的并网型微电网优化配置方法,其特征在于,所述约束条件包括系统运行平衡约束、微源运行约束、自平衡率约束和稳定性约束。
3.根据权利要求1所述的并网型微电网优化配置方法,其特征在于,所述配置方案具体包括风力发电机的类型和容量信息、光伏的类型和容量信息以及储能电池的类型和容量信息。
4.根据权利要求1所述的并网型微电网优化配置方法,其特征在于,所述优化目标包括设备成本和年购电费用。
5.根据权利要求1-4任意一项所述的并网型微电网优化配置方法,其特征在于,在所述基于所述N种配置方案中的每种配置方案,获取所述配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案之前,还包括:
设置迭代参数x,并将所述N种配置方案标记为初始种群P。
6.根据权利要求5所述的并网型微电网优化配置方法,其特征在于,在所述获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案之前,还包括:
依据对应的优化目标值对所述初始种群P中的N种配置方案进行排序;
采用锦标赛选择法,从所述初始种群P中选择父代种群S,并对所述父代种群S进行遗传操作,得到子代种群Q,其中,所述父代种群S、子代种群Q分别包括不少于一个的配置方案;
获取所述子代种群Q中每个配置方案下,并网型微电网在所述预设时长内每个调度周期的最优运行方案;
依据子代种群Q中每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述子代种群Q中所述配置方案下并网型微电网在所述预设时长内的优化目标值;
将父代种群S和子代种群Q合并形成中间种群R;
判断迭代参数是否达到预设数值;
若判断结果为是,则对中间种群R执行:获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案;
若判断结果为否,则对中间种群R进行排序,并从中间种群R中选择新的种群P’,并将所述种群P’作为新的初始种群P,其中:所述种群P’包括N个配置方案,所述N个配置方案各自对应的优化目标值小于中间种群R中所述N个配置方案除外的其他配置方案对应的优化目标值;之后,转至执行:采用锦标赛选择法,从所述初始种群P中选择父代种群S,并对所述父代种群S进行遗传操作,得到子代种群Q。
7.一种并网型微电网优化配置系统,其特征在于,包括:设定模块、最优运行方案获取模块、计算模块和最优配置方案获取模块,其中:
所述设定模块,用于设定并网型微电网的N种配置方案,所述N种配置方案符合预先设定的约束条件,其中,所述N为大于1的自然数;
所述最优运行方案获取模块,用于基于所述N种配置方案中的每种配置方案,获取所述配置方案下并网型微电网在预设时长内每个调度周期的最优运行方案,所述预设时长包括并网型微电网的M个调度周期,其中,所述M为大于1的自然数;
所述计算模块,用于依据每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述配置方案下并网型微电网在所述预设时长内的优化目标值,所述优化目标反映并网型微电网的供电经济性;
所述最优配置方案获取模块,用于获取对应的优化目标值最小的配置方案,将获取的所述配置方案作为并网型微电网的最优配置方案。
8.根据权利要求7所述的并网型微电网优化配置系统,其特征在于,还包括:
参数设置模块,用于设置迭代参数x,并将所述N种配置方案标记为初始种群P,所述参数设置模块与所述设定模块和所述最优运行方案获取模块相连。
9.根据权利要求8所述的并网型微电网优化配置系统,其特征在于,还包括:排序模块、选择模块、子代最优运行方案获取模块、子代计算模块、合并模块和判断模块,其中:
所述排序模块,与所述计算模块相连,用于依据对应的优化目标值对所述初始种群P中的N种配置方案进行排序;
所述选择模块,用于采用锦标赛选择法,从所述初始种群P中选择父代种群S,并对所述父代种群S进行遗传操作,得到子代种群Q,其中,所述父代种群S、子代种群Q分别包括不少于一个的配置方案;
所述子代最优运行方案获取模块,用于获取所述子代种群Q中每个配置方案下,并网型微电网在预设时长内每个调度周期的最优运行方案;
所述子代计算模块,用于依据子代种群Q中每一配置方案,以及所述配置方案下并网型微电网在所述预设时长内每个调度周期的最优运行方案,计算所述子代种群Q中所述配置方案下并网型微电网在所述预设时长内的优化目标值;
所述合并模块,用于将父代种群S和子代种群Q合并形成中间种群R;
所述判断模块,用于判断迭代参数是否达到预设数值;并在判断结果为是时,针对中间种群R触发执行所述最优配置方案获取模块;在判断结果为否时,对中间种群R进行排序,并从中间种群R中选择新的种群P’,将所述种群P’作为新的初始种群P,其中:所述种群P’包括N个配置方案,所述N个配置方案各自对应的优化目标值小于中间种群R中所述N个配置方案除外的其他配置方案对应的优化目标值;之后,触发执行所述选择模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410054138.XA CN103778484B (zh) | 2014-02-18 | 2014-02-18 | 一种并网型微电网优化配置方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410054138.XA CN103778484B (zh) | 2014-02-18 | 2014-02-18 | 一种并网型微电网优化配置方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103778484A true CN103778484A (zh) | 2014-05-07 |
CN103778484B CN103778484B (zh) | 2017-05-31 |
Family
ID=50570692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410054138.XA Active CN103778484B (zh) | 2014-02-18 | 2014-02-18 | 一种并网型微电网优化配置方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103778484B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809531A (zh) * | 2015-05-18 | 2015-07-29 | 国家电网公司 | 一种储能系统配置方法及系统 |
CN105139147A (zh) * | 2015-09-18 | 2015-12-09 | 北京北变微电网技术有限公司 | 微电网系统的经济调度方法 |
CN105205552A (zh) * | 2015-09-11 | 2015-12-30 | 东南大学 | 一种独立新能源混合发电系统优化规划方法 |
CN107482651A (zh) * | 2017-08-14 | 2017-12-15 | 国网辽宁省电力有限公司 | 一种基于wams并考虑一次调频的电力系统优化方法 |
CN107516895A (zh) * | 2017-08-25 | 2017-12-26 | 南方电网科学研究院有限责任公司 | 配电网快速仿真方法、装置、存储介质及其计算机设备 |
CN109510241A (zh) * | 2018-12-20 | 2019-03-22 | 中国电建集团河北省电力勘测设计研究院有限公司 | 工业园区风光燃储能能源的并网模式优化配置系统及方法 |
CN111523204A (zh) * | 2020-03-31 | 2020-08-11 | 杭州鸿晟电力设计咨询有限公司 | 一种并网型综合能源网电-气储能系统优化配置求解方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184475A (zh) * | 2011-05-11 | 2011-09-14 | 浙江大学 | 基于多时间尺度协调的微网经济运行优化调度方法 |
CN103166248A (zh) * | 2013-04-01 | 2013-06-19 | 国电联合动力技术有限公司 | 一种独立风-柴-储微电网系统容量的工程配置方法 |
US20130342020A1 (en) * | 2012-06-25 | 2013-12-26 | Honeywell International Inc. | Fuel efficiency optimization for microgrid systems employing multiple generators |
-
2014
- 2014-02-18 CN CN201410054138.XA patent/CN103778484B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184475A (zh) * | 2011-05-11 | 2011-09-14 | 浙江大学 | 基于多时间尺度协调的微网经济运行优化调度方法 |
US20130342020A1 (en) * | 2012-06-25 | 2013-12-26 | Honeywell International Inc. | Fuel efficiency optimization for microgrid systems employing multiple generators |
CN103166248A (zh) * | 2013-04-01 | 2013-06-19 | 国电联合动力技术有限公司 | 一种独立风-柴-储微电网系统容量的工程配置方法 |
Non-Patent Citations (1)
Title |
---|
陈健等: "考虑储能系统特性的独立微电网系统经济运行优化", 《电力系统自动化》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809531A (zh) * | 2015-05-18 | 2015-07-29 | 国家电网公司 | 一种储能系统配置方法及系统 |
CN104809531B (zh) * | 2015-05-18 | 2018-07-13 | 国家电网公司 | 一种储能系统配置方法及系统 |
CN105205552A (zh) * | 2015-09-11 | 2015-12-30 | 东南大学 | 一种独立新能源混合发电系统优化规划方法 |
CN105205552B (zh) * | 2015-09-11 | 2018-11-16 | 东南大学 | 一种独立新能源混合发电系统优化规划方法 |
CN105139147A (zh) * | 2015-09-18 | 2015-12-09 | 北京北变微电网技术有限公司 | 微电网系统的经济调度方法 |
CN107482651A (zh) * | 2017-08-14 | 2017-12-15 | 国网辽宁省电力有限公司 | 一种基于wams并考虑一次调频的电力系统优化方法 |
CN107516895A (zh) * | 2017-08-25 | 2017-12-26 | 南方电网科学研究院有限责任公司 | 配电网快速仿真方法、装置、存储介质及其计算机设备 |
CN107516895B (zh) * | 2017-08-25 | 2019-09-27 | 南方电网科学研究院有限责任公司 | 配电网快速仿真方法、装置、存储介质及其计算机设备 |
CN109510241A (zh) * | 2018-12-20 | 2019-03-22 | 中国电建集团河北省电力勘测设计研究院有限公司 | 工业园区风光燃储能能源的并网模式优化配置系统及方法 |
CN111523204A (zh) * | 2020-03-31 | 2020-08-11 | 杭州鸿晟电力设计咨询有限公司 | 一种并网型综合能源网电-气储能系统优化配置求解方法 |
CN111523204B (zh) * | 2020-03-31 | 2023-09-22 | 杭州鸿晟电力设计咨询有限公司 | 一种并网型综合能源网电-气储能系统优化配置求解方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103778484B (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103778484A (zh) | 一种并网型微电网优化配置方法和系统 | |
Sadati et al. | Operational scheduling of a smart distribution system considering electric vehicles parking lot: A bi-level approach | |
Newbery | Shifting demand and supply over time and space to manage intermittent generation: The economics of electrical storage | |
Sousa et al. | Day-ahead resource scheduling in smart grids considering vehicle-to-grid and network constraints | |
Soares et al. | Application-Specific Modified Particle Swarm Optimization for energy resource scheduling considering vehicle-to-grid | |
CN103997062B (zh) | 一种微网能量管理控制方法 | |
US9098817B2 (en) | Method for real-time control of energy storage units to reduce electricity cost | |
Pollitt et al. | Competition in markets for ancillary services? The implications of rising distributed generation | |
CN105976108A (zh) | 一种配电网分布式储能规划方法 | |
CN103034776A (zh) | 基于多个加权充电目标的车辆充电时间表选择和进化 | |
CN108053057A (zh) | 一种基于CVaR的虚拟电厂优化调度建模方法 | |
CN104809531A (zh) | 一种储能系统配置方法及系统 | |
US11789082B2 (en) | Systems and method for managing dispatch and lifecycle of energy storage systems on an electrical grid, including management of energy storage systems for provisioning of multiple services | |
CN109102125A (zh) | 一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法 | |
Khalid et al. | A market‐oriented wind power dispatch strategy using adaptive price thresholds and battery energy storage | |
Hosseinnia et al. | Benefit maximization of demand side management operator (DSMO) and private investor in a distribution network | |
Li et al. | Co‐optimisation model for the long‐term design and decision making in community level cloud energy storage system | |
Rocha et al. | Utility-scale energy storage systems: World condition and Brazilian perspectives | |
US9450417B2 (en) | Method for efficiency-driven operation of dispatchable sources and storage units in energy systems | |
Aittahar et al. | Optimal control of renewable energy communities with controllable assets | |
Zhang et al. | A review on capacity sizing and operation strategy of grid-connected photovoltaic battery systems | |
KR20140052467A (ko) | 에너지 저장장치 운영방법 | |
CN110826931A (zh) | 一种用户侧分布式储能经济性评估系统 | |
Desdouits et al. | The Sourcing Problem | |
KR102272666B1 (ko) | 발전 및 수요 불확실성을 고려한 최적 발전 입찰량 결정시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhao Bo Inventor after: Yang Yong Inventor after: Chen Jian Inventor after: Zhou Dan Inventor after: Zhang Xuesong Inventor after: Li Peng Inventor before: Zhao Bo Inventor before: Chen Jian Inventor before: Zhou Dan Inventor before: Zhang Xuesong Inventor before: Li Peng |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |