CN103886179A - 一种基于尾流效应分群的风电场风机聚合方法 - Google Patents
一种基于尾流效应分群的风电场风机聚合方法 Download PDFInfo
- Publication number
- CN103886179A CN103886179A CN201410064583.4A CN201410064583A CN103886179A CN 103886179 A CN103886179 A CN 103886179A CN 201410064583 A CN201410064583 A CN 201410064583A CN 103886179 A CN103886179 A CN 103886179A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind speed
- wake
- polymerization
- formula
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title abstract description 9
- 230000008569 process Effects 0.000 title abstract description 6
- 238000010586 diagram Methods 0.000 claims abstract description 9
- 238000006116 polymerization reaction Methods 0.000 claims description 32
- 230000005684 electric field Effects 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 16
- 208000024780 Urticaria Diseases 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000009423 ventilation Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000010408 sweeping Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 abstract 2
- 238000004804 winding Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
Images
Landscapes
- Wind Motors (AREA)
Abstract
本发明公开了一种基于尾流效应分群的风电场风机聚合方法,主要包括:获取待测风电场对应测风塔1年以上的历史测风数据,通过风速玫瑰图分析法,计算待测风电场的主导风向;基于计算得到的待测风电场的主导风向,采用Larsen模型计算尾流对风速的影响;基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响,对风电场风机进行分群;基于分群结果,根据尾流模型分别计算等值后每台风机的风速。本发明所述基于尾流效应分群的风电场风机聚合方法,可以克服现有技术中稳定性低、安全性差和适用范围小等缺陷,以实现稳定性高、安全性好和适用范围大的优点。
Description
技术领域
本发明涉及风力发电过程中风电场建模技术领域,具体地,涉及一种基于尾流效应分群的风电场风机聚合方法。
背景技术
我国风电进入规模化发展阶段以后所产生的大型风电基地多数位于“三北地区”(西北、东北、华北),大型风电基地一般远离负荷中心,其电力需要经过长距离、高电压输送到负荷中心进行消纳。由于风资源的间歇性、随机性和波动性,导致大规模风电基地的风电出力会随之发生较大范围的波动,进一步导致输电网络充电功率的波动,给电网运行安全带来一系列问题。
截至2013年11月,甘肃电网并网风电装机容量已达到668万千瓦,约占甘肃电网总装机容量的21%,成为仅次于火电的第二大主力电源。随着风电并网规模的不断提高,风力发电的不确定性和不可控性给电网的安全稳定经济运行带来诸多问题。因此需要对大规模风力发电的相关问题进行深入分析研究,尤其需要研究大规模风电集中并网情况下的风电场聚合模型问题,在进行聚合模型研究时需要对风电场的风机进行分群,因此,研究风电场风机分群方法有助于大规模风电场进行聚合建模。
在实现本发明的过程中,发明人发现现有技术中至少存在稳定性低、安全性差和适用范围小等缺陷。
发明内容
本发明的目的在于,针对上述问题,提出一种基于尾流效应分群的风电场风机聚合方法,以实现稳定性高、安全性好和适用范围大的优点。
为实现上述目的,本发明采用的技术方案是:一种基于尾流效应分群的风电场风机聚合方法,主要包括:
a、获取待测风电场对应测风塔1年以上的历史测风数据,通过风速玫瑰图分析法,计算待测风电场的主导风向;
b、基于计算得到的待测风电场的主导风向,采用Larsen模型计算尾流对风速的影响;
c、基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响,对风电场风机进行分群;
d、基于上述分群结果,根据尾流模型分别计算等值后每台风机的风速。
进一步地,在所述步骤b中,所述Larsen模型,是基于普朗特边界层方程的渐近表达式,是一种解析模型。
进一步地,所述步骤b,具体包括:
假定下风向不同位置的风速衰减具有相似性,并且风速只会发生中等程度的衰减,则通过下式计算下风向L=x处的尾流影响区域半径:
公式(1)中,c1为无量纲混合长,l为普朗特混合长,A为风力机扫风面积,CT为风电机组推力系数。
进一步地,所述步骤b,具体还包括:
为了避免计算普朗特混合长,在工程中常由下式来计算c1:
公式(2)中,x0为近似参数,通过下式计算:
在公式(3)中,参数R9.5由下式确定:
在公式(4)中,Ia为测风点处的环境湍流强度,表达式为:
在公式(5)中,σu为风速标准偏差,U10为风速10分钟平均值。
进一步地,所述步骤b,具体还包括:
缺乏实测风数据时,环境湍流强度由下式近似确定:
在公式(6)中,参数λ大约处于2.5到1.8之间,一般取1.0,κ=0.4为卡曼常数,z0为粗糙度。
进一步地,在步骤b中,所述Larsen模型,具体包括Larsen尾流模型;
所述Larsen尾流模型最终的风速衰减表达式为:
公式(7)中,UWT为测风点的平均风速。
进一步地,所述步骤c,具体包括:
当主导风向为西风或东风时,按列将风电场内的风机划分为三个区段,每列为一个区段,假设每个区段上的风速大致相同,则每个区段上的风机聚合为一台风机;
当主导风向为东北风或西南风时,风力发电机组按阶梯状划分为三个区段进行分群;按区段划分后的风电场,认为每个区段的风速大致相同,风力发电机组在相同运行点上运行,因此每区段内的全部风力发电机组等效为一台风力机对应一台发电机。
进一步地,所述步骤d,具体包括:
假设第一排风力发电机迎风面的风速V1、轮毂高度50m、风轮直径49m、每排风力发电机组相距300m,根据Larsen模型,计算可得第二排风力发电机的迎风面风速为0.9281V1,第三排风力发电机的迎风面风速为0.8614V1;
依次类推,分别计算聚合后的每台机组的风速,完成风电场内风机的聚合,并能根据测风数据计算出聚合后每台风机的功率值。
本发明各实施例的基于尾流效应分群的风电场风机聚合方法,由于主要包括:获取待测风电场对应测风塔1年以上的历史测风数据,通过风速玫瑰图分析法,计算待测风电场的主导风向;基于计算得到的待测风电场的主导风向,采用Larsen模型计算尾流对风速的影响;基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响,对风电场风机进行分群;基于分群结果,根据尾流模型分别计算等值后每台风机的风速;可以对大规模风力发电的相关问题进行深入分析研究,在大规模风电集中并网情况下,在进行聚合模型时对风电场的风机进行分群;从而可以克服现有技术中稳定性低、安全性差和适用范围小的缺陷,以实现稳定性高、安全性好和适用范围大的优点。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明基于尾流效应分群的风电场风机聚合方法中11#测风塔风速风向玫瑰图;
图2为本发明基于尾流效应分群的风电场风机聚合方法中2#测风塔风速风向玫瑰图;
图3为本发明基于尾流效应分群的风电场风机聚合方法中风电场接线图;
图4为本发明基于尾流效应分群的风电场风机聚合方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
尾流是运动物体后面或物体下游的紊乱旋涡流,又称尾迹。风电领域中,尾流除了指风流经风电机组后增加下风向湍流水平,改变风力机承受的载荷外,更重要在于描述风电机组从风中抽取能量后,风能得不到有效恢复,而在风电机组下风向的较长区域内风速显着降低的情况,这一现象被称为尾流效应(wake effect)。尾流效应对风速的影响与风电机组的风能转换效率、风电机组排布、风电场地形特点、风特性等因素有关。
根据本发明实施例,如图1、图2、图3和图4所示,提供了一种基于尾流效应分群的风电场风机聚合方法。
本实施例的基于尾流效应分群的风电场风机聚合方法,包括:
步骤1:计算风电场的主导风向。
取风电场对应测风塔1年以上的测风数据,通过风速玫瑰图分析其主导风向。参见图1和图2。
步骤2:计算尾流对风速的影响。
采用Larsen模型计算尾流对风速的影响。Larsen模型基于普朗特边界层方程的渐近表达式,是一种解析模型。假定下风向不同位置的风速衰减具有相似性,并且风速只会发生中等程度的衰减,则可通过下式计算下风向L=x处的尾流影响区域半径:
公式(1)中,c1为无量纲混合长,l为普朗特混合长,A为风力机扫风面积,CT为风电机组推力系数。
为了避免计算普朗特混合长,在工程中常由下式来计算c1:
公式(2)中,x0为近似参数,可通过下式计算:
在公式(3)中,参数R9.5由下式确定:
在公式(4)中,Ia为测风点处的环境湍流强度,表达式为:
在公式(5)中,σu为风速标准偏差,U10为风速10分钟平均值。缺乏实测风数据时,环境湍流强度可由下式近似确定:
在公式(6)中,参数λ大约处于2.5到1.8之间,一般取1.0,κ=0.4为卡曼常数,z0为粗糙度。
Larsen尾流模型最终的风速衰减表达式为:
公式(7)中,UWT为测风点的平均风速。
步骤3:基于主导风向和尾流效应对风电场风机进行分群
如图3所示,例如风电场由三排风力发电机组成,每排有5台风力发电机组。考虑主导风向和风机的尾流效应,对风电场内的风电机组进行分群。
当主导风向为西风或东风时,可以按列将风电场内的风机划分为三个区段,每列为一个区段,假设每个区段上的风速大致相同,则每个区段上的风机可以聚合为一台风机。
当主导风向为东北风或西南风时,风力发电机组可按图中虚线进行分群。按区段划分后的风电场,认为每个区段的风速大致相同,风力发电机组在相同运行点上运行,因此每区段内的全部风力发电机组等效为一台风力机对应一台发电机。
步骤4:根据尾流模型分别计算等值后每台风机的风速
假设第一排风力发电机迎风面的风速V1、轮毂高度50m、风轮直径49m、每排风力发电机组相距300m,根据Larsen模型,计算可得第二排风力发电机的迎风面风速为0.9281V1,第三排风力发电机的迎风面风速为0.8614V1。
依次类推,可以通过公式(1)至公式(7),分别计算聚合后的每台机组的风速,则可完成风电场内风机的聚合,并能根据测风数据计算出聚合后每台风机的功率值。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (8)
1.一种基于尾流效应分群的风电场风机聚合方法,其特征在于,主要包括:
a、获取待测风电场对应测风塔1年以上的历史测风数据,通过风速玫瑰图分析法,计算待测风电场的主导风向;
b、基于计算得到的待测风电场的主导风向,采用Larsen模型计算尾流对风速的影响;
c、基于计算得到的待测风电场的主导风向、以及计算得到的尾流对风速的影响,对风电场风机进行分群;
d、基于上述分群结果,根据尾流模型分别计算等值后每台风机的风速。
2.根据权利要求1所述的基于尾流效应分群的风电场风机聚合方法,其特征在于,在所述步骤b中,所述Larsen模型,是基于普朗特边界层方程的渐近表达式,是一种解析模型。
3.根据权利要求1或2所述的基于尾流效应分群的风电场风机聚合方法,其特征在于,所述步骤b,具体包括:
假定下风向不同位置的风速衰减具有相似性,并且风速只会发生中等程度的衰减,则通过下式计算下风向L=x处的尾流影响区域半径:
公式(1)中,c1为无量纲混合长,l为普朗特混合长,A为风力机扫风面积,CT为风电机组推力系数。
4.根据权利要求3所述的基于尾流效应分群的风电场风机聚合方法,其特征在于,所述步骤b,具体还包括:
为了避免计算普朗特混合长,在工程中常由下式来计算c1:
公式(2)中,x0为近似参数,通过下式计算:
在公式(3)中,参数R9.5由下式确定:
在公式(4)中,Ia为测风点处的环境湍流强度,表达式为:
在公式(5)中,σu为风速标准偏差,U10为风速10分钟平均值。
5.根据权利要求4所述的基于尾流效应分群的风电场风机聚合方法,其特征在于,所述步骤b,具体还包括:
缺乏实测风数据时,环境湍流强度由下式近似确定:
在公式(6)中,参数λ大约处于2.5到1.8之间,一般取1.0,κ=0.4为卡曼常数,z0为粗糙度。
6.根据权利要求1或2所述的基于尾流效应分群的风电场风机聚合方法,其特征在于,在步骤b中,所述Larsen模型,具体包括Larsen尾流模型;
所述Larsen尾流模型最终的风速衰减表达式为:
公式(7)中,UWT为测风点的平均风速。
7.根据权利要求6所述的基于尾流效应分群的风电场风机聚合方法,其特征在于,所述步骤c,具体包括:
当主导风向为西风或东风时,按列将风电场内的风机划分为三个区段,每列为一个区段,假设每个区段上的风速大致相同,则每个区段上的风机聚合为一台风机;
当主导风向为东北风或西南风时,风力发电机组按阶梯状划分为三个区段进行分群;按区段划分后的风电场,认为每个区段的风速大致相同,风力发电机组在相同运行点上运行,因此每区段内的全部风力发电机组等效为一台风力机对应一台发电机。
8.根据权利要求7所述的基于尾流效应分群的风电场风机聚合方法,其特征在于,所述步骤d,具体包括:
假设第一排风力发电机迎风面的风速V1、轮毂高度50m、风轮直径49m、每排风力发电机组相距300m,根据Larsen模型,计算可得第二排风力发电机的迎风面风速为0.9281V1,第三排风力发电机的迎风面风速为0.8614V1;
依次类推,分别计算聚合后的每台机组的风速,完成风电场内风机的聚合,并能根据测风数据计算出聚合后每台风机的功率值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410064583.4A CN103886179B (zh) | 2014-02-25 | 2014-02-25 | 一种基于尾流效应分群的风电场风机聚合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410064583.4A CN103886179B (zh) | 2014-02-25 | 2014-02-25 | 一种基于尾流效应分群的风电场风机聚合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103886179A true CN103886179A (zh) | 2014-06-25 |
CN103886179B CN103886179B (zh) | 2017-05-31 |
Family
ID=50955069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410064583.4A Active CN103886179B (zh) | 2014-02-25 | 2014-02-25 | 一种基于尾流效应分群的风电场风机聚合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886179B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016023527A1 (zh) * | 2014-08-14 | 2016-02-18 | 国家电网公司 | 一种基于测风塔测风数据的风电场弃风电量确定方法 |
CN105469326A (zh) * | 2015-12-24 | 2016-04-06 | 东北电力大学 | 新型风电场布机方法 |
CN106779201A (zh) * | 2016-12-08 | 2017-05-31 | 贵州电网有限责任公司电力科学研究院 | 一种考虑高原山区风机位置的风速建模方法 |
CN107194097A (zh) * | 2017-05-27 | 2017-09-22 | 中国大唐集团科学技术研究院有限公司 | 基于风电场气动模拟和风速风向数据的分析方法 |
CN109190187A (zh) * | 2018-08-10 | 2019-01-11 | 国电联合动力技术有限公司 | 一种基于多物理模型的风电场尾流计算方法及系统 |
CN109408849A (zh) * | 2018-08-25 | 2019-03-01 | 南京理工大学 | 一种基于同调机组分群的风电场动态等值方法 |
CN109802440A (zh) * | 2019-03-15 | 2019-05-24 | 广东电网有限责任公司电网规划研究中心 | 基于尾流效应因子的海上风电场等值方法、系统和装置 |
CN109946475A (zh) * | 2017-12-21 | 2019-06-28 | 新疆金风科技股份有限公司 | 确定风速的方法及装置 |
CN112800697A (zh) * | 2021-02-02 | 2021-05-14 | 华能陇东能源有限责任公司 | 风电场前期测风塔规划选址方法、系统、装置及存储介质 |
CN117420773A (zh) * | 2023-08-31 | 2024-01-19 | 南京国电南自维美德自动化有限公司 | 一种风电场的尾流协同控制方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102536652A (zh) * | 2012-01-20 | 2012-07-04 | 江苏省电力设计院 | 风电场风电机群优化排布方法 |
CN102663251B (zh) * | 2012-04-09 | 2015-04-15 | 华北电力大学 | 基于计算流体力学模型的风电场功率物理预测方法 |
CN103020462B (zh) * | 2012-12-21 | 2016-01-13 | 华北电力大学 | 计及复杂尾流效应模型的风电场概率输出功率计算方法 |
CN103400212A (zh) * | 2013-08-21 | 2013-11-20 | 国家电网公司 | 风电场风力发电机组的等值风速动态预测方法 |
-
2014
- 2014-02-25 CN CN201410064583.4A patent/CN103886179B/zh active Active
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016023527A1 (zh) * | 2014-08-14 | 2016-02-18 | 国家电网公司 | 一种基于测风塔测风数据的风电场弃风电量确定方法 |
CN105469326A (zh) * | 2015-12-24 | 2016-04-06 | 东北电力大学 | 新型风电场布机方法 |
CN106779201A (zh) * | 2016-12-08 | 2017-05-31 | 贵州电网有限责任公司电力科学研究院 | 一种考虑高原山区风机位置的风速建模方法 |
CN106779201B (zh) * | 2016-12-08 | 2020-07-31 | 贵州电网有限责任公司电力科学研究院 | 一种考虑高原山区风机位置的风速建模方法 |
CN107194097A (zh) * | 2017-05-27 | 2017-09-22 | 中国大唐集团科学技术研究院有限公司 | 基于风电场气动模拟和风速风向数据的分析方法 |
CN109946475A (zh) * | 2017-12-21 | 2019-06-28 | 新疆金风科技股份有限公司 | 确定风速的方法及装置 |
CN109190187A (zh) * | 2018-08-10 | 2019-01-11 | 国电联合动力技术有限公司 | 一种基于多物理模型的风电场尾流计算方法及系统 |
CN109190187B (zh) * | 2018-08-10 | 2023-08-08 | 国电联合动力技术有限公司 | 一种基于多物理模型的风电场尾流计算方法及系统 |
CN109408849B (zh) * | 2018-08-25 | 2022-09-30 | 南京理工大学 | 一种基于同调机组分群的风电场动态等值方法 |
CN109408849A (zh) * | 2018-08-25 | 2019-03-01 | 南京理工大学 | 一种基于同调机组分群的风电场动态等值方法 |
CN109802440A (zh) * | 2019-03-15 | 2019-05-24 | 广东电网有限责任公司电网规划研究中心 | 基于尾流效应因子的海上风电场等值方法、系统和装置 |
CN112800697A (zh) * | 2021-02-02 | 2021-05-14 | 华能陇东能源有限责任公司 | 风电场前期测风塔规划选址方法、系统、装置及存储介质 |
CN117420773A (zh) * | 2023-08-31 | 2024-01-19 | 南京国电南自维美德自动化有限公司 | 一种风电场的尾流协同控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103886179B (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103886179A (zh) | 一种基于尾流效应分群的风电场风机聚合方法 | |
CN103884485B (zh) | 一种基于多尾流模型的风机尾流分析方法 | |
Ozgener | A small wind turbine system (SWTS) application and its performance analysis | |
Rocha et al. | The effects of blade pitch angle on the performance of small-scale wind turbine in urban environments | |
CN106897486B (zh) | 考虑湍流强度影响的抛物线形风电机组尾流模型计算方法 | |
Albadi et al. | Wind turbines capacity factor modeling—A novel approach | |
De-Prada-Gil et al. | Maximum wind power plant generation by reducing the wake effect | |
CN101852172A (zh) | 一种考虑风电场内尾流影响的风电机组输入风速计算方法 | |
Gutierrez et al. | Impacts of the low-level jet's negative wind shear on the wind turbine | |
CN101949363A (zh) | 计及风电场输入风速和风向随机波动的风电机组分组方法 | |
CN103886513A (zh) | 一种风电场微观选址用地表粗糙度变化模型的建模方法 | |
CN103886181A (zh) | 一种基于k-medoids聚类的风电场机组聚合方法 | |
Bashaer et al. | Investigation and analysis of wind turbines optimal locations and performance in Iraq | |
Mazon et al. | An assessment of the sea breeze energy potential using small wind turbines in peri-urban coastal areas | |
CN105023099B (zh) | 一种考虑湍流强度的风力发电机出力评估方法 | |
Zhang et al. | Wind farm and wake effect modeling for simulation of a studied power system | |
Mendonca et al. | Design and power production of small-scale wind turbines | |
Deskos et al. | Development and validation of the higher-order finite-difference wind farm simulator, WInc3D | |
Siddiqui et al. | Performance evaluation of H-type Darrieus VAWT with J-shaped blade geometry at variable pitch angles | |
CN103886182A (zh) | 一种双馈机组风电场聚合模型参数等值方法 | |
CN103886178A (zh) | 一种永磁直驱机组风电场聚合模型参数等值方法 | |
Razliana et al. | Generation of wind power in Perlis, northern Malaysia | |
Wharton et al. | Synergistic effects of turbine wakes and atmospheric stability on power production at an onshore wind farm | |
Velásquez et al. | Methodology for the design of large wind farms | |
Charhouni et al. | Analysis of wake impact on wind farm performance using two analytical models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |