CN106651636A - 一种适应全球能源互联网的多种能源最优分配方法 - Google Patents
一种适应全球能源互联网的多种能源最优分配方法 Download PDFInfo
- Publication number
- CN106651636A CN106651636A CN201610885700.2A CN201610885700A CN106651636A CN 106651636 A CN106651636 A CN 106651636A CN 201610885700 A CN201610885700 A CN 201610885700A CN 106651636 A CN106651636 A CN 106651636A
- Authority
- CN
- China
- Prior art keywords
- combination
- optimum allocation
- energy
- risk
- distribution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000005315 distribution function Methods 0.000 claims abstract description 6
- 238000010276 construction Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 52
- 230000005611 electricity Effects 0.000 claims description 25
- 238000010248 power generation Methods 0.000 claims description 23
- 238000010348 incorporation Methods 0.000 claims description 18
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 7
- 229910052799 carbon Inorganic materials 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000008485 antagonism Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明涉及一种适应全球能源互联网的多种能源最优分配方法,根据不确定因素的概率分布函数,对其进行模拟抽样,生成样本,并对每个不确定因素的样本求均值,作为分配组合模型中的参数输入,然后根据智能优化算法,求解分配组合收益的最大值,得到最优分配组合,对最优分配组合的风险进行量度,根据集对理论,计算最优分配组合的联系度;最后根据联系度的数值,对最优分配组合的风险进行分析,为送端地区多种能源的分配提供决策工具。本方法通过数学模型的构建,解决送端地区多种能源间的分配,使得综合能源外送效益达到最优。
Description
技术领域
本发明涉及一种在全球能源互联网背景下,考虑满足受端地区电力负荷需求的送端地区多种能源的最优分配组合,并通过对最优组合中诸如送端地区上网电价,关税税率等不确定因素和投资收益进行联系度分析,以量度能源最优分配组合的风险,为投资者提供决策支持和参考。
背景技术
全球能源互联网通过洲际电网互联解决全球可再生能源分布与负荷中心分布不同步的问题,并获得多项效益。全球能源互联背景下的发电投资,由于清洁电源送端地区位于不同的国家,存在电源类型、财税体制和负荷消纳等差异,投资决策者面临着上网电价、碳交易价格、不同国家的关税和企业所得税税率等多种不确定因素。因此,在送端地区的电源联合外送的条件,在满足电力受端地区负荷需求以及考虑不确定因素对投资风险影响的情况下,如何对送端地区的多种能源进行最优分配,从而达到组合的收益最大,并对最优分配组合进行风险分析评估,为投资者提供一些规避风险的方法,显得极为重要。
发明内容
本发明所要解决的技术问题是提供一种新的适应于全球能源互联背景下的多种能源最优分配模型,并通过模型中不确定因素与组合收益建立联系度分析,以量度能源最优分配组合的风险,为电力送端地区多种能源分配提供决策支持工具。
本发明解决上述技术问题的技术方案如下:一种适应全球能源互联网的多种能源最优分配方法,包括以下步骤:
(1)构建不确定因素的概率分布函数;
(2)根据不确定因素的概率分布,对其进行模拟抽样,生成不确定因素的相关样本;
(3)对每个不确定因素的相关样本求均值,作为分配组合收益模型中的输入参数;
(4)根据智能优化算法,求解分配组合收益的最大值,得到最优分配组合;
(5)根据样本集中的数据和分配组合的模型,计算最优分配组合的风险序列;
(6)根据集对分析理论,将所述最优分配组合的风险序列划分为三种不同的特性,计算最优分配组合的联系度;
(7)根据联系度的数值,对最优分配组合的风险进行分析。
本发明的有益效果是:通过数学模型的构建,解决送端地区多种能源间的分配,使得综合能源外送效益达到最优;另外,由于影响多种能源分配收益中有很多不确定因素,通过不确定因素和分配收益之间建立联系度,以解决分配组合的风险量度,为电力送端地区多种能源分配提供决策支持工具。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤(1)中的不确定因素包括上网电价、碳交易价格、关税以及企业所得税税率。
进一步,所述步骤(1)中的不确定因素的概率分布函数为:
式中,ξ、σ分别为不确定因素对数的均值和标准差。
进一步,所述步骤(3)中的分配组合收益由分配组合收入和分配组合成本构成。
进一步,所述分配组合成本为:
式中,Ct,m为第m种能源发电类型在第t年的成本,m=1,2,3,分别表示水电、光伏发电和风电。Pt.m和Ut,m分别为第m种能源发电类型在第t年的总装机容量和单位功率造价,r为基准折现率,lm为第m种能源发电类型的项目周期,COM,m和Qt.m分别为第m种能源发电类型的单位运行维护成本和年上网电量,Cd,m为第m种能源发电类型的机组单位折旧成本。
进一步,所述分配组合收入为:
其中,
电能作为一种商品在外送的过程中,要考虑不同国家相应的关税标准,对其电力出境前的上网电价进行折算,得到完税上网电价为:
式中,pI为送端地区的综合上网电价,为碳交易价格,α为火电机组生产单位度电所产生的co2的量,为完税后的上网电价,pm为出境前送端地区第m种电源的测算上网电价,fm为第m种能源发电所在国家的出口关税率。
进一步,所述步骤(4)中根据智能优化算法,求解分配组合收益的最大值,其中,电力送端地区多种能源分配组合收益为:
式中,为第m种能源发电类型所在国家的企业所得税税率;
不同能源分配组合的最大化收益模型为:
约束条件为:
pI≤(pr-pt)(1-η)
Pt,m≤Pmax
式中,pI为送端地区的综合上网电价,Qt.m为第m种能源发电类型的年上网电量,Pt.m为第m种能源发电类型在第t年的总装机容量。
进一步,所述步骤(6)中根据集对分析理论,将所述分配组合的风险序列划分为三种不同的特性,计算最优分配组合的联系度的具体过程为:
所述三种不同的特性是指,设定划分标准阈值θ,将优化投资组合的序列划分为(-∞,θ)、[-θ,θ]、(θ,+∞)3个区间,分配组合的投资风险序列落在(-∞,-θ)的个数为P,落在[-θ,θ]的个数为F,落在(θ,+∞)的个数为S,由此计算分配组合的联系度,所述联系度的计算公式为,
μ(H)=S/M+Fi/M+Pj/M
H=-R
式中,H为分配组合的风险定义,即为收益的相反数,S为风险序列中与风险构成同一特性元素的个数,F为差异性元素的个数,P为对立性元素的个数,M为组成各不确定因素的相关样本个数,i和j既是差异度和对立度的标记,分配组合的风险序列H(H1,H2…HM),在计算中j=-1,i的取值范围为[-1,1]。
进一步,所述步骤(7)的具体过程为,根据集对系数H>0这个事件发生的情况,表示最优分配组合的风险;
当μ(H>0)>0时,表示最优分配组合风险与其标准有一定程度的同一,其同一度越高,风险越大,发生亏损的可能性越大;
当μ(H>0)<0时,表示最优分配组合的风险与标准有一定程度的对立,最优分配组合的风险较小,且μ(H>0)越小,对立程度越高,发生亏损的可能性就越小。
附图说明
图1为本发明方法流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
在全球能源互联背景下,清洁能源送端地区的不同类型能源面临着电力外送的问题。由于不同类型的能源位于不同的国家和地区,其发电成本、运行维护费用以及税收体制等各不相同,对于不同类型能源的外送比例也不相同,因此,本发明通过数学模型的构建,解决送端地区多种能源间的分配,使得综合能源外送效益达到最优。另外,由于影响多种能源分配收益中有很多不确定因素,通过不确定因素和分配收益之间建立联系度,以解决分配组合的风险量度。
如图1所示为本发明的方法流程图,本发明提供了一种适应全球能源互联网的多种能源最优分配方法,包括以下步骤:
(1)构建上网电价、碳交易价格、关税以及企业所得税税率等不确定因素的概率分布函数,
式中,ξ、σ分别为不确定因素对数的均值和标准差;
(2)根据不确定因素的概率分布函数,对其进行模拟抽样,生成不确定因素的相关样本,M为组成各不确定因素的相关样本个数;
(3)对每个不确定因素的相关样本求均值,作为分配组合收益模型中的输入参数;
(4)采用智能优化算法,求解分配组合收益的最大值,得到最优分配组合;其中,电力送端地区能源包括风电、光伏发电和水电,在满足负荷需求的条件下,在不同类型的能源上进行投资选择。对于多种能源的分配,实际上是对于不同类型发电上网电量的分配,即通过不同发电类型上网电量的选择,以达到分配组合收益最大。对于不同的分配组合,其收益由组合收入和组合成本构成。
其中,分配组合成本为:
式中,Ct,m为第m种能源发电类型在第t年的成本,m=1,2,3,分别表示水电、光伏发电和风电。Pt.m和Ut,m分别为第m种能源发电类型在第t年的总装机容量和单位功率造价,r为基准折现率,lm为第m种能源发电类型的项目周期,COM,m和Qt.m分别为第m种能源发电类型的单位运行维护成本和年上网电量,Cd,m为第m种能源发电类型的机组单位折旧成本。
分配组合收入为:
其中,
电能作为一种商品在外送的过程中,要考虑不同国家的相应的关税标准,对其电力出境前的上网电价进行折算,得到完税上网电价为:
式中,pI为送端地区的综合上网电价,为碳交易价格,α为火电机组生产单位度电所产生的co2的量,为完税后的上网电价,pm为出境前送端地区第m种电源的测算上网电价,fm为第m种能源发电所在国家的出口关税率。
电力送端地区多种能源分配组合收益为
式中,为第m种能源发电类型所在国家的企业所得税税率。
因此,不同能源分配组合的最大化收益模型为:
约束条件为:
pI≤(pr-pt)(1-η)
Pt,m≤Pmax
对不同能源分配组合的收益进行最大化求解,得到最优分配组合。
(5)根据样本集中的数据和分配组合的模型,计算分配组合的风险序列;
根据收益最大化组合中不同类型能源发电的上网电量,进行不确定因素和收益的关联度分析,以量度最优分配组合的风险,将分配组合的风险定义为收益的相反数,即
H=-R
计算分配组合的风险序列H(H1,H2…HM)。
(6)根据集对分析理论,将所述分配组合的风险序列划分为三种不同的特性,计算最优分配组合的联系度;
μ(H)=S/M+Fi/M+Pj/M
式中,S为风险序列中与风险构成同一特性元素的个数,F为差异性元素的个数,P为对立性元素的个数,M为组成各不确定因素的相关样本个数,i和j既是差异度和对立度的标记,在计算中j=-1,而i的取值范围为[-1,1]。
设定划分标准阈值θ,将优化投资组合的序列划分为(-∞,θ)、[-θ,θ]、(θ,+∞)3个区间。分配组合的投资风险序列落在(-∞,-θ)的个数为P,落在[-θ,θ]的个数为F,落在(θ,+∞)的个数为S,由此计算分配组合的联系度。
(7)根据联系度的数值,对最优分配组合的风险进行分析,为送端地区多种能源的分配提供决策工具。
分析联系度,即对分配组合风险进行量度。根据集对系数H>0这个事件发生的情况,表示最优分配组合的风险。
当μ(H>0)>0时,表示最优分配组合风险与其标准有一定程度的同一,其同一度越高,风险越大,发生亏损的可能性越大;
当μ(H>0)<0时,表示最优分配组合的风险与标准有一定程度的对立,最优分配组合的风险较小,且μ(H>0)越小,对立程度越高,发生亏损的可能性就越。
本发明通过数学模型的构建,解决送端地区多种能源间的分配,使得综合能源外送效益达到最优;另外,由于影响多种能源分配收益中有很多不确定因素,通过不确定因素和分配收益之间建立联系度,以解决分配组合的风险量度,为电力送端地区多种能源分配提供决策支持工具。
以上所述仅为本发明的较佳实施例,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 (9)
1.一种适应全球能源互联网的多种能源最优分配方法,其特征在于,包括以下步骤:
(1)构建不确定因素的概率分布函数;
(2)根据不确定因素的概率分布,对其进行模拟抽样,生成不确定因素的相关样本;
(3)对每个不确定因素的相关样本求均值,作为分配组合收益模型中的输入参数;
(4)根据智能优化算法,求解分配组合收益的最大值,得到最优分配组合;
(5)根据样本集中的数据和分配组合的模型,计算最优分配组合的风险序列;
(6)根据集对分析理论,将所述最优分配组合的风险序列划分为三种不同的特性,计算最优分配组合的联系度;
(7)根据联系度的数值,对最优分配组合的风险进行分析。
2.根据权利要求1所述的适应全球能源互联网的多种能源最优分配方法,其特征在于,所述步骤(1)中的不确定因素包括上网电价、碳交易价格、关税以及企业所得税税率。
3.根据权利要求2所述的适应全球能源互联网的多种能源最优分配方法,其特征在于,所述步骤(1)中的不确定因素的概率分布函数为:
式中,ξ、σ分别为不确定因素对数的均值和标准差。
4.根据权利要求3所述的适应全球能源互联网的多种能源最优分配方法,其特征在于,所述步骤(3)中的分配组合收益模型由分配组合收入和分配组合成本构成。
5.根据权利要求4所述的适应全球能源互联网的多种能源最优分配方法,其特征在于,所述分配组合成本为:
式中,Ct,m为第m种能源发电类型在第t年的成本,m=1,2,3,分别表示水电、光伏发电和风电;Pt.m和Ut,m分别为第m种能源发电类型在第t年的总装机容量和单位功率造价,r为基准折现率,lm为第m种能源发电类型的项目周期,COM,m和Qt.m分别为第m种能源发电类型的单位运行维护成本和年上网电量,Cd,m为第m种能源发电类型的机组单位折旧成本。
6.根据权利要求5所述的适应全球能源互联网的多种能源最优分配方法,其特征在于,所述分配组合收入为:
其中,
式中,pI为送端地区的综合上网电价,为碳交易价格,α为火电机组生产单位度电所产生的co2的量,为完税后的上网电价,pm为出境前送端地区第m种电源的测算上网电价,fm为第m种能源发电所在国家的出口关税率。
7.根据权利要求6所述的适应全球能源互联网的多种能源最优分配方法,其特征在于,所述步骤(4)中根据智能优化算法,求解分配组合收益的最大值,其中,电力送端地区多种能源分配组合收益为
式中,为第m种能源发电类型所在国家的企业所得税税率;
不同能源分配组合的最大化收益模型为:
式中,Rt为组合收益,Qt,m为不同能源的上网电量。
约束条件为:
pI≤(pr-pt)(1-η)
Pt,m≤Pmax
式中,pI为送端地区的综合上网电价,Qt.m为第m种能源发电类型的年上网电量,Pt.m为第m种能源发电类型在第t年的总装机容量。
8.根据权利要求7所述的适应全球能源互联网的多种能源最优分配方法,其特征在于,所述步骤(6)中根据集对分析理论,将所述分配组合的风险序列划分为三种不同的特性,计算最优分配组合的联系度的具体过程为:
所述三种不同的特性是指,设定划分标准阈值θ,将优化投资组合的序列划分为(-∞,θ)、[-θ,θ]、(θ,+∞)3个区间,分配组合的投资风险序列落在(-∞,-θ)的个数为P,落在[-θ,θ]的个数为F,落在(θ,+∞)的个数为S,由此计算分配组合的联系度,所述联系度的计算公式为,
μ(H)=S/M+Fi/M+Pj/M
H=-R
式中,H为分配组合的风险定义,即为收益的相反数,S为风险序列中与风险构成同一特性元素的个数,F为差异性元素的个数,P为对立性元素的个数,M为组成各不确定因素的相关样本个数,i和j既是差异度和对立度的标记,分配组合的风险序列H(H1,H2…HM),在计算中j=-1,i的取值范围为[-1,1]。
9.根据权利要求8所述的适应全球能源互联网的多种能源最优分配方法,其特征在于,所述步骤(7)的具体过程为,根据集对系数H>0事件发生的情况,表示最优分配组合的风险;
当μ(H>0)>0时,表示最优分配组合风险与其标准有一定程度的同一,其同一度越高,风险越大,发生亏损的可能性越大;
当μ(H>0)<0时,表示最优分配组合的风险与标准有一定程度的对立,最优分配组合的风险较小,且μ(H>0)越小,对立程度越高,发生亏损的可能性就越小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610885700.2A CN106651636A (zh) | 2016-10-11 | 2016-10-11 | 一种适应全球能源互联网的多种能源最优分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610885700.2A CN106651636A (zh) | 2016-10-11 | 2016-10-11 | 一种适应全球能源互联网的多种能源最优分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106651636A true CN106651636A (zh) | 2017-05-10 |
Family
ID=58853873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610885700.2A Pending CN106651636A (zh) | 2016-10-11 | 2016-10-11 | 一种适应全球能源互联网的多种能源最优分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651636A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038499A (zh) * | 2017-04-07 | 2017-08-11 | 山东大学 | 基于最小偏差法的全球能源优化配置方法 |
CN108764721A (zh) * | 2018-05-28 | 2018-11-06 | 国网能源研究院有限公司 | 一种跨国电力联网工程综合分析方法 |
CN109697534A (zh) * | 2018-12-27 | 2019-04-30 | 国网能源研究院有限公司 | 一种跨国电力互联政策影响分析方法 |
CN112115570A (zh) * | 2020-09-16 | 2020-12-22 | 合肥工业大学 | 一种便捷的多尺度风险传导网络构建方法 |
CN112132453A (zh) * | 2020-09-22 | 2020-12-25 | 国网能源研究院有限公司 | 区域电网可再生能源最优接纳规模评估方法、系统及装置 |
-
2016
- 2016-10-11 CN CN201610885700.2A patent/CN106651636A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038499A (zh) * | 2017-04-07 | 2017-08-11 | 山东大学 | 基于最小偏差法的全球能源优化配置方法 |
CN108764721A (zh) * | 2018-05-28 | 2018-11-06 | 国网能源研究院有限公司 | 一种跨国电力联网工程综合分析方法 |
CN109697534A (zh) * | 2018-12-27 | 2019-04-30 | 国网能源研究院有限公司 | 一种跨国电力互联政策影响分析方法 |
CN112115570A (zh) * | 2020-09-16 | 2020-12-22 | 合肥工业大学 | 一种便捷的多尺度风险传导网络构建方法 |
CN112115570B (zh) * | 2020-09-16 | 2024-04-16 | 合肥工业大学 | 一种便捷的多尺度风险传导网络构建方法 |
CN112132453A (zh) * | 2020-09-22 | 2020-12-25 | 国网能源研究院有限公司 | 区域电网可再生能源最优接纳规模评估方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651636A (zh) | 一种适应全球能源互联网的多种能源最优分配方法 | |
Parsons et al. | Grid impacts of wind power: A summary of recent studies in the United States | |
CN105389636A (zh) | 一种低压台区kfcm-svr合理线损预测方法 | |
CN105069527A (zh) | 一种基于数据挖掘技术的台区合理线损预测方法 | |
CN105160416A (zh) | 一种结合主元分析与神经网络的台区合理线损预测方法 | |
CN112529304B (zh) | 一种基于配额制考虑风险的两级电力市场优化运行方法 | |
CN112968441B (zh) | 一种应用于大规模风电基地的电网规划方法 | |
CN101398919A (zh) | 利用模式分析的电力需求信息分析系统及其方法 | |
CN104376502A (zh) | 基于灰色关联度的电力客户信用综合评价方法 | |
CN114243709A (zh) | 一种需求侧可调节资源分层分级的调度运行方法 | |
CN107798430A (zh) | 计及可再生能源跨区消纳的竞价优化方法 | |
CN107330542A (zh) | 一种分析优化电网投资规模的方法 | |
CN109272419A (zh) | 一种基于最优解的配电网方案投资比选方法 | |
Lindberg et al. | Day-ahead probabilistic forecasting at a co-located wind and solar power park in Sweden: Trading and forecast verification | |
Russo et al. | Short-term risk management of electricity retailers under rising shares of decentralized solar generation | |
CN115313361A (zh) | 一种规模化可调资源的联合优化控制方法和装置 | |
CN111738854A (zh) | 一种基于云计算的新能源现货交易决策的数据服务系统 | |
CN117010946A (zh) | 一种火电厂生产经营成本核算系统及其使用方法 | |
CN115809718B (zh) | 基于多目标竞争关系量化的梯级电站发电与生态协同优化方法和系统 | |
Hirth | The economics of wind and solar variability | |
CN112926811A (zh) | 一种考虑可再生能源消纳责任权重的负荷聚合商购电方法 | |
CN114140176B (zh) | 一种负荷聚集平台的可调容量预测方法及装置 | |
CN105116268B (zh) | 一种分压售电量和分压供电量对线损率影响的分析方法 | |
CN115358519A (zh) | 一种虚拟电厂优化调度方法及装置 | |
CN114971300A (zh) | 一种综合能源系统的评价方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
RJ01 | Rejection of invention patent application after publication |