CN106875292A - 一种基于时域相关性量化分析间歇性能源集群效应的方法 - Google Patents
一种基于时域相关性量化分析间歇性能源集群效应的方法 Download PDFInfo
- Publication number
- CN106875292A CN106875292A CN201710085250.3A CN201710085250A CN106875292A CN 106875292 A CN106875292 A CN 106875292A CN 201710085250 A CN201710085250 A CN 201710085250A CN 106875292 A CN106875292 A CN 106875292A
- Authority
- CN
- China
- Prior art keywords
- energy source
- intermittent energy
- electric field
- correlation
- constellation effect
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 16
- 230000005684 electric field Effects 0.000 claims description 57
- 238000005070 sampling Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000011160 research Methods 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本申请涉及新能源集群效应技术领域,尤其涉及一种基于时域相关性量化分析间歇性能源集群效应的方法,包括如下步骤:统计间歇性能源的实时出力数据;根据所述出力数据计算间歇性能源出力自相关系数;根据所述出力自相关系数及间歇性能源的装机容量,计算所述间歇性能源集群效应相关系数比;根据所述集群效应相关系数比,确定间歇性能源集群效应的结果。通过计算间歇性能源出力的自相关系数,可以对不同时间尺度下间歇性能源自身出力的相关性和波动性进行衡量;通过计算集群效应相关系数比衡量集群效应,克服了现有技术中忽略的装机容量这一因素,从而可以更为准确的量化分析集群效应。
Description
技术领域
本申请涉及新能源集群效应技术领域,尤其涉及一种基于时域相关性量化分析间歇性能源集群效应的方法。
背景技术
间歇性能源是指太阳能、风能等不连续产生的能源,间歇性能源出力具有不可预测的波动性。目前,我国间歇性能源正在由分散、小规模开发向高集中、大规模开发快速发展,间歇性能源集群出力波动性对电网安全稳定运行、调度规划等产生重要影响。因此,研究间歇性能源集群出力变化规律对于电网的有效管控有重要意义。
由于风电场覆盖地域较大,场内风机接受的风能会存在空间上的差异,风电场输出功率波动会随着空间规模的扩大会趋于缓和,这种现象称为风电出力的集群效应。研究其时空变化特性对于波动性的影响,有助于修正多时空尺度下风电场的预测和评估结果,进而为系统备用容量的确定、电网运行调度提供可靠依据。
目前,已经有相关技术人员对间歇性能源集群效应进行了研究,并给出了相应的评估方式。该方法基于峰值比、相对峰值比、最大偏移量比、最大幅值差比等指标对间歇性能源协同效应进行了分析、量化评估,表明风电和光伏叠加可以一定程度上削弱间歇性能源出力的波动性。然而该方法在对集群效应进行评估时并没有对风电出力整体的波动性进行分析,且由于装机容量的不同,各个风电场对集群出力的波动影响也各不相同。
发明内容
本申请的目的是为了解决现有间歇性能源集群效应分析方法中存在的忽略装机容量、且未对间歇性能源集群整体的波动性进行分析的问题。
为此,本申请提供了一种基于时域相关性量化分析间歇性能源集群效应的方法,包括如下步骤:
步骤一、统计间歇性能源的实时出力数据;
步骤二、根据所述出力数据计算间歇性能源出力自相关系数;
步骤三、根据所述出力自相关系数及间歇性能源的装机容量,计算所述间歇性能源集群效应相关系数比;
步骤四、根据所述集群效应相关系数比,确定间歇性能源集群效应的结果。
进一步地,步骤一中,统计间歇性能源的实时出力数据,包括:
采集间歇性能源单个电场在不同时间尺度下的实时出力数据;
根据所述实时出力数据统计两个以上电场的实时出力数据之和作为间歇性能源集群电场的集群出力。
进一步地,步骤二中,所述间歇性能源出力自相关系数的计算公式为:
式(1)中,ρj为间歇性能源单个电场的出力自相关系数;PA为间歇性能源单个电场出力数据,PAt、PAT为间歇性能源单个电场出力时间序列,T=t+j,j为滞后时间;EPAt、EPAT分别为出力时间序列PAt、PAT的期望值;S为间歇性能源出力采样点数。
进一步地,步骤三中,所述间歇性能源集群效应相关系数比的计算公式为:
式(2)中,ηr为间歇性能源集群效应相关系数比;ρcluster为间歇性能源集群出力自相关系数,PB为间歇性能源集群电场出力,PBt、PBT为间歇性能源集群电场出力时间序列,T=t+j,j为滞后时间;Cj为单个电场的装机容量;CN为间歇性能源集群装机容量;ρj为间歇性能源单个电场的出力自相关系数;ρq为考虑装机容量时间歇性能源电场加权自相关系数之和。
进一步地,步骤四中,根据所述集群效应相关系数比,确定间歇性能源集群效应的结果,包括:
根据所述集群效应相关系数比在不同时间尺度下的曲线变化图,确定所述间歇性能源集群效应的结果。
进一步地,所述间歇性能源单个电场在不同时间尺度下的实时出力数据为所述电场发出的功率数据。
一种基于时域相关性量化分析间歇性能源集群效应的方法,还可以包括如下步骤:
统计间歇性能源的实时出力数据;
根据所述出力数据计算间歇性能源出力自相关系数;
根据所述出力自相关系数,确定间歇性能源出力自相关性的结果;或者,根据所述出力自相关系数及间歇性能源的装机容量,计算所述间歇性能源集群效应相关系数比;
根据所述集群效应相关系数比,确定间歇性能源集群效应的结果。
进一步地,根据所述出力自相关系数,确定间歇性能源出力自相关性的结果,包括:
根据所述出力自相关系数在不同时间尺度下的曲线变化图,确定所述间歇性能源出力自相关性的结果。
本申请提供的技术方案包括以下有益效果:通过计算间歇性能源出力的自相关系数,可以对不同时间尺度下间歇性能源自身出力的相关性和波动性进行衡量;通过计算集群效应相关系数比衡量集群效应,克服了现有技术中忽略的装机容量这一因素,从而可以更为准确的量化分析集群效应;此外,本申请适用于间歇性能源风电场出力、间歇性能源集群效应的评估,为电网规划提供了依据。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例1提供的一种基于时域相关性量化分析间歇性能源集群效应的方法的流程示意图;
图2为本申请提供的采样时间间隔为15min时云南A风电场出力自相关系数的曲线变化图;
图3为本申请提供的采样时间间隔为1h时云南A风电场出力自相关系数的曲线变化图;
图4为本申请提供的云南A风电场在强风期、弱风期的典型月份出力自相关系数的曲线变化图;
图5为本申请提供的间歇性能源不同集群规模下集群效应相关系数比的曲线变化图;
图6为本申请提供的间歇性能源不同季度集群效应相关系数比的曲线变化图;
图7为本申请提供的间歇性能源风电场强风期与弱风期典型月份集群效应相关系数比的曲线变化图。
具体实施方式
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
实施例1:
参见图1所示,为本申请实施例1提供的一种基于时域相关性量化分析间歇性能源集群效应的方法的流程示意图,所述方法包括如下步骤:
S101、统计间歇性能源的实时出力数据;
S102、根据所述出力数据计算间歇性能源出力自相关系数;
S103、根据所述出力自相关系数及间歇性能源的装机容量,计算所述间歇性能源集群效应相关系数比;
S104、根据所述集群效应相关系数比,确定间歇性能源集群效应的结果。
进一步地,步骤S101中,统计间歇性能源的实时出力数据,包括:
采集间歇性能源单个电场在不同时间尺度下的实时出力数据;
根据所述实时出力数据统计两个以上电场的实时出力数据之和作为间歇性能源集群电场的集群出力。
进一步地,步骤S102中,所述间歇性能源出力自相关系数的计算公式为:
式(1)中,ρj为间歇性能源单个电场的出力自相关系数;PA为间歇性能源单个电场出力数据,PAt、PAT为间歇性能源单个电场出力时间序列,T=t+j,j为滞后时间;EPAt、EPAT分别为出力时间序列PAt、PAT的期望值;S为间歇性能源出力采样点数。
进一步地,步骤S103中,所述间歇性能源集群效应相关系数比的计算公式为:
式(2)中,ηr为间歇性能源集群效应相关系数比;ρcluster为间歇性能源集群出力自相关系数,PB为间歇性能源集群电场出力,PBt、PBT为间歇性能源集群电场出力时间序列,T=t+j,j为滞后时间;Cj为单个电场的装机容量;CN为间歇性能源集群装机容量;ρj为间歇性能源单个电场的出力自相关系数;ρq为考虑装机容量时间歇性能源电场加权自相关系数之和。
进一步地,步骤S104中,根据所述集群效应相关系数比,确定间歇性能源集群效应的结果,包括:
根据所述集群效应相关系数比在不同时间尺度下的曲线变化图,确定所述间歇性能源集群效应的结果。
进一步地,所述间歇性能源单个电场在不同时间尺度下的实时出力数据为所述电场发出的功率数据。
实施例2:
在实施例1的基础上,所述方法还可以包括如下步骤:
S201、统计间歇性能源的实时出力数据;
S202、根据所述出力数据计算间歇性能源出力自相关系数;
S203、根据所述出力自相关系数,确定间歇性能源出力自相关性的结果;或者,根据所述出力自相关系数及间歇性能源的装机容量,计算所述间歇性能源集群效应相关系数比;
S204、根据所述集群效应相关系数比,确定间歇性能源集群效应的结果。
进一步地,步骤S201中,统计间歇性能源的实时出力数据,包括:
采集间歇性能源单个电场A在不同时间尺度下的实时出力数据;
根据所述实时出力数据统计两个以上电场的实时出力数据之和作为间歇性能源集群电场的集群出力。
进一步地,步骤S202中,所述间歇性能源出力自相关系数的计算公式为:
式(1)中,ρj为间歇性能源单个电场A的出力自相关系数;PA为间歇性能源单个电场A出力数据,PAt、PAT为间歇性能源单个电场A出力时间序列,T=t+j,j为滞后时间;EPAt、EPAT分别为出力时间序列PAt、PAT的期望值;S为间歇性能源单个电场A的出力采样点数。
进一步地,步骤S203中,根据所述出力自相关系数,确定间歇性能源出力自相关性的结果,包括:
根据所述出力自相关系数在不同时间尺度下的曲线变化图,确定所述间歇性能源出力自相关性的结果。
具体地,当采样间隔时间为15min时,根据采集到的云南A风电场在不同时间尺度下的实时出力数据,计算得出云南A风电场的出力自相关系数并绘制如图2所示的A风电场出力自相关系数的曲线变化图。
当采样间隔时间为1h时,根据采集到的云南A风电场在不同时间尺度下的实时出力数据,计算得出云南A风电场的出力自相关系数并绘制如图3所示的A风电场出力自相关系数的曲线变化图。
由图2或图3可以看出:当滞后时间小于7h时,A风电场的出力自相关系数均大于0.7,表明风电场出力自相关性强。此外,由图2和图3均可以得出A风电场的自相关系数随着滞后时间的增大而减小。由图3可以看出,当滞后时间为24h的整数倍时,曲线呈现凸起状,表明A风电场日出力呈现一定的相关性。
此外,还可以在相同的时间尺度下,采集云南A风电场在强风期、弱风期的典型月份(1月、7月)的实时出力数据,计算得出云南A风电场的出力自相关系数并绘制如图4风电出力自相关系数的曲线变化图。
由图4可以看出:云南A风电场在强风期的风电场出力自相关系数较弱风期的风电场出力自相关系数大,即A风电场在强风期的风电场出力自相关性较强。
进一步地,步骤S203中,所述间歇性能源集群效应相关系数比的计算公式为:
式(2)中,ηr为间歇性能源集群效应相关系数比;ρcluster为间歇性能源集群出力自相关系数,PB为间歇性能源集群电场出力,PBt、PBT为间歇性能源集群电场出力时间序列,T=t+j,j为滞后时间;Cj为单个电场的装机容量;CN为间歇性能源集群装机容量;ρj为间歇性能源单个电场的出力自相关系数;ρq为考虑装机容量时间歇性能源电场加权自相关系数之和。
进一步地,步骤S204中,根据所述集群效应相关系数比,确定间歇性能源集群效应的结果,包括:
根据所述集群效应相关系数比在不同时间尺度下的曲线变化图,确定所述间歇性能源集群效应的结果。
具体包括:
根据计算得到的不同集群规模下(两个风电场、四个风电场)集群效应相关系数比绘制如图5所示的两个风电场、四个风电场集群效应相关系数比的变化曲线图。
由图5可以看出:随着集群规模的扩大,集群效应相关系数比随之增加。也就是说,当集群规模扩大时,风电场集群出力的波动性减弱,集群出力的相关性增强,出力自相关系数较大,集群效应更明显。
根据计算得到的间歇性能源在不同季度(春、夏、秋、冬)的集群效应相关系数比绘制如图6所示的间歇性能源不同季度集群效应相关系数比的曲线变化图。
由图6可以看出:夏、秋两季集群效应相关系数比较大,春、冬两季集群效应相关系数比较小,表明所述间歇性能源在夏季和秋季风电场出力集群效果更明显。
根据计算得到的间歇性能源(四个风电场)在强风期与弱风期典型月份(1月、7月)的集群效应相关系数比绘制如图7所示的集群效应相关系数比的曲线变化图。
由图7可以看出:月平均功率较高的月份,集群效应相关系数比较小;月平均功率较小的月份集群出力相关系数比较大,集群效应较明显;1月集群出力均值67.9399MW,7月集群出力均值26.9422MW。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
应当理解的是,本申请并不局限于上面的描述,且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (6)
1.一种基于时域相关性量化分析间歇性能源集群效应的方法,其特征在于,所述方法包括如下步骤:
统计间歇性能源的实时出力数据;
根据所述出力数据计算间歇性能源出力自相关系数;
根据所述出力自相关系数及间歇性能源的装机容量,计算所述间歇性能源集群效应相关系数比;
根据所述集群效应相关系数比,确定间歇性能源集群效应的结果。
2.根据权利要求1所述的基于时域相关性量化分析间歇性能源集群效应的方法,其特征在于,统计间歇性能源的实时出力数据,包括:
采集间歇性能源单个电场在不同时间尺度下的实时出力数据;
根据所述实时出力数据统计两个以上电场的实时出力数据之和作为间歇性能源集群电场的集群出力。
3.根据权利要求1所述的基于时域相关性量化分析间歇性能源集群效应的方法,其特征在于,所述间歇性能源出力自相关系数的计算公式为:
式中,ρj为间歇性能源单个电场的出力自相关系数;PA为间歇性能源单个电场出力数据,PAt、PAT为间歇性能源单个电场出力时间序列,T=t+j,j为滞后时间;EPAt、EPAT分别为出力时间序列PAt、PAT的期望值;S为间歇性能源出力采样点数。
4.根据权利要求1所述的基于时域相关性量化分析间歇性能源集群效应的方法,其特征在于,所述间歇性能源集群效应相关系数比的计算公式为:
式中,ηr为间歇性能源集群效应相关系数比;ρcluster为间歇性能源集群出力自相关系数,PB为间歇性能源集群电场出力,PBt、PBT为间歇性能源集群电场出力时间序列,T=t+j,j为滞后时间;Cj为单个电场的装机容量;CN为间歇性能源集群装机容量;ρj为间歇性能源单个电场的出力自相关系数;ρq为考虑装机容量时间歇性能源电场加权自相关系数之和。
5.根据权利要求1所述的基于时域相关性量化分析间歇性能源集群效应的方法,其特征在于,根据所述集群效应相关系数比,确定间歇性能源集群效应的结果,包括:
根据所述集群效应相关系数比在不同时间尺度下的曲线变化图,确定所述间歇性能源集群效应的结果。
6.根据权利要求2所述的基于时域相关性量化分析间歇性能源集群效应的方法,其特征在于,所述间歇性能源单个电场在不同时间尺度下的实时出力数据为所述电场发出的功率数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710085250.3A CN106875292A (zh) | 2017-02-17 | 2017-02-17 | 一种基于时域相关性量化分析间歇性能源集群效应的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710085250.3A CN106875292A (zh) | 2017-02-17 | 2017-02-17 | 一种基于时域相关性量化分析间歇性能源集群效应的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106875292A true CN106875292A (zh) | 2017-06-20 |
Family
ID=59166127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710085250.3A Pending CN106875292A (zh) | 2017-02-17 | 2017-02-17 | 一种基于时域相关性量化分析间歇性能源集群效应的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875292A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111293681A (zh) * | 2020-01-22 | 2020-06-16 | 重庆大学 | 一种基于RankBoost的光伏场站出力波动性量化评价方法 |
CN113159523A (zh) * | 2021-03-30 | 2021-07-23 | 国家电网有限公司 | 基于时域相关性量化分析光伏电站集群效应的方法 |
-
2017
- 2017-02-17 CN CN201710085250.3A patent/CN106875292A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111293681A (zh) * | 2020-01-22 | 2020-06-16 | 重庆大学 | 一种基于RankBoost的光伏场站出力波动性量化评价方法 |
CN111293681B (zh) * | 2020-01-22 | 2023-04-25 | 重庆大学 | 一种基于RankBoost的光伏场站出力波动性量化评价方法 |
CN113159523A (zh) * | 2021-03-30 | 2021-07-23 | 国家电网有限公司 | 基于时域相关性量化分析光伏电站集群效应的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103390202B (zh) | 一种基于相似数据选取的光伏电站输出功率预测方法 | |
Tobin et al. | Vulnerabilities and resilience of European power generation to 1.5 C, 2 C and 3 C warming | |
de Azevedo Dias et al. | Performance estimation of photovoltaic technologies in Brazil | |
Ye et al. | Short-term wind power prediction based on spatial model | |
CN102682222B (zh) | 一种基于风电波动规律的连续潮流计算方法 | |
Jackson et al. | The viability of solar photovoltaics | |
CN104701880B (zh) | 一种基于调峰约束的电网接纳光伏最大容量的计算方法 | |
CN104092241B (zh) | 一种考虑备用需求的风电消纳能力分析方法 | |
CN103066620A (zh) | 间歇能源并网下的自动发电控制模型的设计方法 | |
CN103810535B (zh) | 电力系统风电消纳能力评估方法 | |
Huang et al. | Short term wind speed predictions by using the grey prediction model based forecast method | |
CN102914969A (zh) | 一种短期风电功率预测系统的综合误差修正方法 | |
CN103440529B (zh) | 一种风电功率预测系统的横向误差平移修正方法 | |
CN104112167B (zh) | 可发电风资源分布的获取方法 | |
CN103106544A (zh) | 一种基于t-s型模糊神经网络的光伏发电预测系统 | |
CN104135036B (zh) | 一种基于时域和集群效应分析间歇性能源出力的方法 | |
CN105335561A (zh) | 一种基于指标排序的梯级水电站群超短期调度方法 | |
CN107528350A (zh) | 一种适应中长期电源规划的风电出力典型场景生成方法 | |
CN109523059A (zh) | 一种梯级水电站水库生态调度智能优化方法及系统 | |
CN105335560A (zh) | 光伏发电功率波动性及其自动发电控制备用需求计算方法 | |
CN102479347A (zh) | 基于数据驱动的风电场短期风速预测方法和系统 | |
Polo et al. | Typical Meteorological Year methodologies applied to solar spectral irradiance for PV applications | |
CN106875292A (zh) | 一种基于时域相关性量化分析间歇性能源集群效应的方法 | |
CN104866978A (zh) | 一种基于时域量化分析间歇性能源协同效应的方法 | |
CN104346659A (zh) | 应用于高倍聚光光伏发电系统的短期发电量预测方法 |
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: 20170620 |
|
RJ01 | Rejection of invention patent application after publication |