CN109191329A - 一种基于多层lmdi的电力消费量影响因素分解方法 - Google Patents
一种基于多层lmdi的电力消费量影响因素分解方法 Download PDFInfo
- Publication number
- CN109191329A CN109191329A CN201811073570.8A CN201811073570A CN109191329A CN 109191329 A CN109191329 A CN 109191329A CN 201811073570 A CN201811073570 A CN 201811073570A CN 109191329 A CN109191329 A CN 109191329A
- Authority
- CN
- China
- Prior art keywords
- power consumption
- lmdi
- industry
- power
- gdp
- 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
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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Abstract
本申请公开了一种基于多层LMDI的电力消费量影响因素分解方法,在传统单层LMDI模型基础上,构建多层LMDI电力消费量分解模型,将地区总电力消费量的变化经过单层分解,得到的规模、结构和一级的强度效应,进一步对强度效应进行分解,得到子级的部门效应和强度效应,另外还考虑了人口效应的影响。本申请提出一种基于多层LMDI的电力消费量影响因素分解方法,对区域电力消费量变动的影响因素进行分析,了解各个影响因素对电力消费量变动的贡献占比,有效缓解区域供电压力,最大限度地发挥电力能效,同时,也为供给侧改革后的未来电网规划发展及电力市场营销策略制定提供数据指导。
Description
技术领域
本申请涉及电力消费计算技术领域,尤其涉及一种基于多层LMDI的电力消费量影响因素分解方法。
背景技术
电力行业是关系国计民生的基础性行业,对社会经济发展有着重要的支撑作用。据统计,电力消费与经济发展之间存在一定的关联,一方面,经济发展中的宏观总量、产业结构以及地域特征等因素会影响电力消费;另一方面,电力消费的变化也一定程度上反映了国家或地区经济的提升水平。
探究经济发展或社会发展与电力消费之间的关系,可更好地把握未来电力需求的发展趋势。同时,分析某区域的电力消费变动的影响因素,了解各个影响因素对电力消费变动的贡献占比,可为供给侧改革后的未来电网规划发展及电力市场营销策略制定提供有效指导,也可有效缓解区域内的供电压力,最大限度地发挥电力能效。
对数平均迪氏指数(Logarithmic Mean Divisia Index,以下简称LMDI)法是指数分解法的一种,最早起源于1871年Laspeyres提出的以基期价格为权重的指数,随后不断被发展和完善,目前,已被广泛应用到能源消费分析中。LMDI法的基本思想是把一个目标变量的变化分解成若干个影响因素变化的组合。但是,传统的LMDI法仅在单一层面进行分解,其分解结果具有一定的特殊性,并且,在分解过程中,许多有用信息被掩盖,例如与不同层次结构变化有关的信息。
发明内容
本申请提供了一种基于多层LMDI的电力消费量影响因素分解方法,以解决现有的电力消费量影响因素的分解过程中,许多有用信息被掩盖,导致分解结果的准确度较差的问题。
本申请提供了一种基于多层LMDI的电力消费量影响因素分解方法,包括:
构建多层LMDI电力消费量分解模型;
收集待测地区数年份的电力相关数据,电力相关数据包括人口、经济以及电力数据,并对采集的人口、经济以及电力数据进行整理,其中,经济数据包括地区总GDP、分产业GDP及分行业GDP,电力数据包括地区总电力消费量、分产业电力消费量及分行业电力消费量;
利用构建的多层LMDI电力消费量分解模型与整理后的电力相关数据,计算人口、规模、结构、部门和强度五个影响因素对电力消费变动的驱动效应。
优选地,构建多层LMDI电力消费量分解模型,具体包括,
定义地区总电力消费量则第t期电力消费量分解为:
式中,N、G、Gi、Gij、Qij分别表示人口数量、地区总GDP、第i产业的GDP、第i产业中第j行业的GDP及第i产业中第j个行业的电力消费量,表示人均GDP,表示第i产业的GDP在地区总GDP中所占比例,表示第j行业的GDP在第i产业的GDP中所占比例,表示第i产业中第j行业的电力消费强度;
利用LMDI分解法,将第t-1期到第t期电力消费量的变动分解人口、规模、结构、部门和强度五个影响因素的驱动效应之和,其中,第t-1期到第t期电力消费量的变动总量为:
其中,为对数均值权数函数,其具体为,
优选地,利用构建的多层LMDI电力消费量分解模型与整理后的电力相关数据,计算人口、规模、结构、部门和强度五个影响因素对电力消费变动的驱动效应,具体包括,
在收集的数年份的电力相关数据中,将第一年份作为基准年,并将该年份的电力相关数据作为基准数据;
将基准数据与其他整理后的电力相关数据代入多层LMDI电力消费量分解模型中,依次计算人口、规模、结构、部门和强度五个影响因素对电力消费变动的驱动效应。
优选地,所述方法还包括,
根据计算的驱动效应,分析人口、规模、结构、部门和强度五个影响因素分别对电力消费变动的贡献。
本申请提出了一种基于多层LMDI的电力消费量影响因素分解方法,在传统单层LMDI模型基础上,构建多层LMDI电力消费量分解模型,将地区总电力消费量的变化经过单层分解,得到的规模、结构和一级的强度效应,进一步对强度效应进行分解,得到子级的部门效应和强度效应,另外还考虑了人口效应的影响。
本申请提出了一种基于多层LMDI的电力消费量影响因素分解方法,对区域电力消费量变动的影响因素进行分析,了解各个影响因素对电力消费量变动的贡献占比,有效缓解区域供电压力,最大限度地发挥电力能效,同时,也为供给侧改革后的未来电网规划发展及电力市场营销策略制定提供数据指导。
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为本申请电力消费量影响因素分解方法的流程图;
图2为基于多层LMDI的电力消费量影响因素分解法的原理示意图。
具体实施方式
图1为本申请电力消费量影响因素分解方法的流程图,如图1所示,基于多层LMDI的电力消费量影响因素分解方法,包括:
步骤S100,构建多层LMDI电力消费量分解模型。
本申请中,步骤S100,构建多层LMDI电力消费量分解模型,具体包括,
步骤S101,定义地区总电力消费量则第t期电力消费量分解为:
式中,N、G、Gi、Gij、Qij分别表示人口数量、地区总GDP、第i产业的GDP、第i产业中第j行业的GDP及第i产业中第j个行业的电力消费量,表示人均GDP,表示第i产业的GDP在地区总GDP中所占比例,表示第j行业的GDP在第i产业的GDP中所占比例,表示第i产业中第j行业的电力消费强度。
式(1)表明,第t期电力消费量由人口、规模、结构、部门和强度几个因素决定。本申请中,将地区人口增长对电力消费变动的影响称为人口效应,地区总GDP增长对电力消费变动的影响称为规模效应,分产业GDP增长对电力消费变动的影响称为结构效应,分行业GDP增长对电力消费变动的影响称为部门效应,分行业电力消费强度对电力消费变动的影响称为强度效应。
步骤S102,利用LMDI分解法,将第t-1期到第t期电力消费量的变动分解人口、规模、结构、部门和强度五个影响因素的驱动效应之和,其中,第t-1期到第t期电力消费量的变动总量为:
其中,为对数均值权数函数,其具体为,
步骤S200,收集待测地区数年份的电力相关数据,电力相关数据包括人口、经济以及电力数据,并对采集的人口、经济以及电力数据进行整理,其中,经济数据包括地区总GDP、分产业GDP及分行业GDP,电力数据包括地区总电力消费量、分产业电力消费量及分行业电力消费量。
应当说明,此处采集的人口数据为人口总人数,即城镇人口与非城镇人口的总和。另外,考虑到居民用电并无经济产出,因此,本申请中,地区总GDP是指第一产业、第二产业与第三产业GDP的总和。
收集待测地区数年份的电力相关数据时,可在待测地区的的相关统计年鉴中查找所需的电力相关数据,避免重复繁杂的数据收集工作,从而节省大量人力、物力与时间。
在实际收集数据过程中,不同来源的数据之间可能存在计量单位上的不统一,因此,需要对收集的数据进行整理,将采集的人口、经济以及电力数据按照需要进行统一单位的转换工作,以便于后续的计算过程。
步骤S300,利用构建的多层LMDI电力消费量分解模型与整理后的电力相关数据,计算人口、规模、结构、部门和强度五个影响因素对电力消费变动的驱动效应。
本申请中,步骤S300,利用构建的多层LMDI电力消费量分解模型与整理后的电力相关数据,计算人口、规模、结构、部门和强度五个影响因素对电力消费变动的驱动效应,具体包括,
步骤S301,在收集的数年份的电力相关数据中,将第一年份作为基准年,并将该年份的电力相关数据作为基准数据。
步骤S302,将基准数据与其他整理后的电力相关数据代入多层LMDI电力消费量分解模型中,依次计算人口、规模、结构、部门和强度五个影响因素对电力消费变动的驱动效应。
本实施例中,将基准数据与其他整理后的电力相关数据代入式(2)中,式(2)中,电力消费量变动的驱动效应包括人口效应、规模效应、结构效应、部门效应以及强度效应,其中,部门效应和强度效应是经过进一步分解后得到的子级效应。如图2所示,将地区总电力消费量的变化经过单层分解,得到的规模、结构和一级的强度效应,进一步对强度效应进行分解,得到子级的部门效应和强度效应,另外还考虑了人口效应的影响。
在申请中,该分解方法还包括步骤S303,根据计算的驱动效应,分析人口、规模、结构、部门和强度五个影响因素分别对电力消费变动的贡献。
以下将通过一具体的实例说明基于多层LMDI的电力消费量影响因素分解方法的具体实现过程,该实例为分析云南省在2008-2016年份的电力消费量的影响因素。
其分解过程具体为:
首先,将电力消费量的变动分解为人口、规模、结构、部门和强度五个影响因素决定,构建多层LMDI电力消费量分解模型,其中,第t-1期到第t期电力消费量的变动总量为:
同时,在《中国统计年鉴》和《地区统计年鉴》中获取云南省的电力相关数据,其数据的时间跨度为2008-2016年。同时,将获取的电力相关数据进行整理,确保各类数据间具有统一的计量单位。
然后,选取2008年为基准年份,并将2008年份的电力相关数据作为基准数据。
最后,将基准数据与整理后的2009-2016年份的电力相关数据代入到构建的多层LMDI电力消费量分解模型中,分层计算人口、规模、结构、部门和强度五个影响因素分别对电力消费量变动的贡献占比。表1和表2分别显示了2009-2016年云南省电力消费量分解出的效应结果及其贡献率。
表1 2009-2016年云南省电力消费量分解出的效应结果(亿千瓦时)
表2 2009-2016年云南省电力消费量分解出的贡献率(百分比)
根据表1的结果可知,云电地区电力消费量的变化自2008年以来从呈上升态势到趋于稳定。总体来说,人口效应、规模效应和部门效应这三个因素的逐年效应均为正值,对电力消费的增长呈正向作用;结构效应和强度效应这两个因素则基本呈负值,即削弱电力消费增长。
根据表2的结果可知,规模效应促进电量需求的上升且占比最高,所占比例均值高达114.59%;部门效应呈正向促进作用,占比较为稳定,均值为17.63%,说明各产业中各行业的GDP分配较为稳定。在2008-2016年人口增长较为缓慢,人口效应对电力消费增长影响较小,几乎可以忽略。另一方面,结构效应和强度效应(除2013年)均对电力消费的增长呈现抑制作用,主要由于第二产业电力消费量在该地区全社会用电量中占比过高。
本申请提出了一种基于多层LMDI的电力消费量影响因素分解方法,在传统单层LMDI模型基础上,构建多层LMDI电力消费量分解模型,将地区总电力消费量的变化经过单层分解,得到的人口、规模、结构和一级的强度效应,进一步对强度效应进行分解,得到子级的部门效应和强度效应。由于能量强度可以被进一步分解为子级的结构效应和强度效应,因此,分解结果可反映更深层次的结构关系,例如,将一层LMDI分解法中得到的电力消费强度效应进行二次分解,得到部门效应,利用部门效应可分析产业下行业结构对电力消费量的影响。
本申请中,利用分产业电量和产业下的行业电量进行分层计算,因此,能源强度经过更高阶数分解,得出的能源效率更好。在实际应用中,若以研究能源效率的变化趋势为目标,那么多层次的能源强度效应分解通常是首选。
本申请提出了一种基于多层LMDI的电力消费量影响因素分解方法,对区域电力消费量变动的影响因素进行分层分析,可以更好的利用数据,实现更精准的分析。利用本申请的分解结果,可了解各个影响因素对电力消费量变动的贡献占比,有效缓解区域供电压力,最大限度地发挥电力能效,同时,也为供给侧改革后的未来电网规划发展及电力市场营销策略制定提供数据指导。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。
Claims (4)
1.一种基于多层LMDI的电力消费量影响因素分解方法,其特征在于,包括:
构建多层LMDI电力消费量分解模型;
收集待测地区数年份的电力相关数据,电力相关数据包括人口、经济以及电力数据,并对采集的人口、经济以及电力数据进行整理,其中,经济数据包括地区总GDP、分产业GDP及分行业GDP,电力数据包括地区总电力消费量、分产业电力消费量及分行业电力消费量;
利用构建的多层LMDI电力消费量分解模型与整理后的电力相关数据,计算人口、规模、结构、部门和强度五个影响因素对电力消费变动的驱动效应。
2.根据权利要求1所述的电力消费量影响因素分解方法,其特征在于,构建多层LMDI电力消费量分解模型,具体包括,
定义地区总电力消费量则第t期电力消费量分解为:
式中,N、G、Gi、Gij、Qij分别表示人口数量、地区总GDP、第i产业的GDP、第i产业中第j行业的GDP及第i产业中第j个行业的电力消费量,表示人均GDP,表示第i产业的GDP在地区总GDP中所占比例,表示第j行业的GDP在第i产业的GDP中所占比例,表示第i产业中第j行业的电力消费强度;
利用LMDI分解法,将第t-1期到第t期电力消费量的变动分解人口、规模、结构、部门和强度五个影响因素的驱动效应之和,其中,第t-1期到第t期电力消费量的变动总量为:
其中,为对数均值权数函数,其具体为,
3.根据权利要求1所述的电力消费量影响因素分解方法,其特征在于,利用构建的多层LMDI电力消费量分解模型与整理后的电力相关数据,计算人口、规模、结构、部门和强度五个影响因素对电力消费变动的驱动效应,具体包括,
在收集的数年份的电力相关数据中,将第一年份作为基准年,并将该年份的电力相关数据作为基准数据;
将基准数据与其他整理后的电力相关数据代入多层LMDI电力消费量分解模型中,依次计算人口、规模、结构、部门和强度五个影响因素对电力消费变动的驱动效应。
4.根据权利要求3所述的电力消费量影响因素分解方法,其特征在于,所述方法还包括,
根据计算的驱动效应,分析人口、规模、结构、部门和强度五个影响因素分别对电力消费变动的贡献。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811073570.8A CN109191329A (zh) | 2018-09-14 | 2018-09-14 | 一种基于多层lmdi的电力消费量影响因素分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811073570.8A CN109191329A (zh) | 2018-09-14 | 2018-09-14 | 一种基于多层lmdi的电力消费量影响因素分解方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109191329A true CN109191329A (zh) | 2019-01-11 |
Family
ID=64910905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811073570.8A Pending CN109191329A (zh) | 2018-09-14 | 2018-09-14 | 一种基于多层lmdi的电力消费量影响因素分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109191329A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675277A (zh) * | 2019-09-12 | 2020-01-10 | 国网上海市电力公司 | 一种工业单位产值电耗变化的分解计算方法 |
CN110991768A (zh) * | 2019-12-20 | 2020-04-10 | 国网河南省电力公司经济技术研究院 | 一种电量预测方法和系统 |
CN112508231A (zh) * | 2020-11-12 | 2021-03-16 | 广西大学 | 一种基于系统动力学的中长期电力负荷预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070248652A1 (en) * | 2004-05-24 | 2007-10-25 | Nutrinia Ltd. | Nutritional Food and Feed, Compostition, Processing and Method of Use |
CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
CN106169101A (zh) * | 2016-01-13 | 2016-11-30 | 国家电网公司 | 一种基于结构分解的能源需求预测方法 |
CN107273667A (zh) * | 2017-05-27 | 2017-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种工业废水中污染物排放量驱动因子识别方法 |
CN107274976A (zh) * | 2017-06-14 | 2017-10-20 | 浙江泰晟新材料科技有限公司 | 一种漆包铜合金线 |
-
2018
- 2018-09-14 CN CN201811073570.8A patent/CN109191329A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070248652A1 (en) * | 2004-05-24 | 2007-10-25 | Nutrinia Ltd. | Nutritional Food and Feed, Compostition, Processing and Method of Use |
CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
CN106169101A (zh) * | 2016-01-13 | 2016-11-30 | 国家电网公司 | 一种基于结构分解的能源需求预测方法 |
CN107273667A (zh) * | 2017-05-27 | 2017-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种工业废水中污染物排放量驱动因子识别方法 |
CN107274976A (zh) * | 2017-06-14 | 2017-10-20 | 浙江泰晟新材料科技有限公司 | 一种漆包铜合金线 |
Non-Patent Citations (3)
Title |
---|
徐军委: ""基于LMDI的我国二氧化碳排放影响因素研究"", 《中国硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
董锋等: "中国碳排放强度两阶段分解", 《科技管理研究》 * |
赵选民 等: ""基于LMDI的能源消费碳排放因素分解 --以陕西省为例"", 《经济问题》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675277A (zh) * | 2019-09-12 | 2020-01-10 | 国网上海市电力公司 | 一种工业单位产值电耗变化的分解计算方法 |
CN110991768A (zh) * | 2019-12-20 | 2020-04-10 | 国网河南省电力公司经济技术研究院 | 一种电量预测方法和系统 |
CN112508231A (zh) * | 2020-11-12 | 2021-03-16 | 广西大学 | 一种基于系统动力学的中长期电力负荷预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A two-stage DEA model for resource allocation in industrial pollution treatment and its application in China | |
Zhang et al. | The growth impact of intersectoral and intergovernmental allocation of public expenditure: With applications to China and India | |
Cao et al. | Urban growth in China: past, prospect, and its impacts | |
CN102509173B (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
CN110942247A (zh) | 一种分析电力碳排放影响因素和碳排放效率的评价方法 | |
CN109191329A (zh) | 一种基于多层lmdi的电力消费量影响因素分解方法 | |
CN106410781B (zh) | 一种电力用户需求响应潜力确定方法 | |
Han et al. | Bibliometric indicators for sustainable hydropower development | |
CN105873079A (zh) | 网络规划方法及装置 | |
Shen et al. | Analyzing urban competitiveness changes in major Chinese cities 1995–2008 | |
CN109472403A (zh) | 一种集合经验模态分解及遥相关的中长期径流预报方法 | |
Cao et al. | Does the weather affect the Chinese stock markets? Evidence from the analysis of DCCA cross-correlation coefficient | |
CN107506872A (zh) | 一种居民区负荷特性及模型预测的归类研究方法 | |
Kaurova et al. | Cross-country comparison of statistical indicators | |
Shen et al. | Identifying and assessing the multiple effects of informal environmental regulation on carbon emissions in China | |
Rusydiana et al. | Energy efficiency in OIC countries: SDG 7 output | |
Zhao et al. | Data-driven spatial econometric analysis model for regional tourism development | |
CN113112245A (zh) | 一种公共机构多层级能耗定额智能管理方法、系统和存储介质 | |
CN104766245B (zh) | 一种基于气象信息和熵权理论的电缆负荷曲线估算方法 | |
Wang et al. | A coordination analysis on tourism development and resident well-being in the Yangtze River Delta Urban Agglomeration, China | |
CN111242375B (zh) | 用电负荷分析系统、方法、装置及计算机可读存储介质 | |
Sözen et al. | Malmquist total factor productivity index approach to modelling Turkey's performance of energy consumption | |
Racelis et al. | Changes in patterns of Philippine lifecycle consumption and labor income between 1994 and 2002 | |
CN111553571B (zh) | 化石能源电厂年度基数电量分摊方法 | |
Gao et al. | Bidding strategy with forecast technology based on support vector machine in the electricity market |
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: 20190111 |
|
RJ01 | Rejection of invention patent application after publication |