CN109840621A - 考虑储能系统影响的并网型微电网日前多目标优化方法 - Google Patents
考虑储能系统影响的并网型微电网日前多目标优化方法 Download PDFInfo
- Publication number
- CN109840621A CN109840621A CN201811640172.XA CN201811640172A CN109840621A CN 109840621 A CN109840621 A CN 109840621A CN 201811640172 A CN201811640172 A CN 201811640172A CN 109840621 A CN109840621 A CN 109840621A
- Authority
- CN
- China
- Prior art keywords
- energy
- storage system
- grid
- capacitance sensor
- power
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种考虑储能系统影响的并网型微电网日前多目标优化方法,包括以下步骤:1)根据未来24h内的风速、光照强度和温度预测值,建立考虑储能系统的多目标微电网优化模型;2)根据线性加权求和法,将多目标优化问题转换为单目标优化问题;3)对单目标优化问题进行求解,获取最优的运行方案。与现有技术相比,本发明具有考虑储能系统、降低系统的运行成本等优点。
Description
技术领域
本发明涉及微电网领域,尤其是涉及一种考虑储能系统影响的并网型微电网日前多目标优化方法。
背景技术
近年来,随着全球能源危机的加重,具有减轻环境污染、降低线路损耗、改善电能质量等优点的分布式发电收到广泛关注,而微电网作为一种新型网络结构,将多种分布式能源、负载、储能系统和能量管理系统结合在一起,最终实现自我控制和保护管理的自制系统。由于微电网既可以与配电网并网运行,又可以孤立运行,可以最大程度提升分布式电源的利用率,具有较好的应用前景,因此微电网越来越受到重视。
但目前已有的研究绝大多数存在以下不足:
(1)没有考虑储能系统对并网型微电网的优化运行的具体影响。
(2)没有考虑可再生能源出力的不确定性的影响。
(3)只考虑的单一的运行成本最小化模型,忽略了环境效益这一指标,但微电网产生的主要原因就是要解决环境问题。
针对以上不足,提出一种考虑储能系统影响的并网型微电网日前多目标随机优化运行模型,主要分析了储能系统对并网型微电网优化运行的影响,建立了运行成本最小以及污染物处理成本最小的多目标优化模型,充分考虑功率平衡约束、柴油机出力约束、微电网与配电网间联络线交换功率约束和储能系统约束等一系列系统约束,此外,还考虑了风电、光伏出力的不确定性。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑储能系统影响的并网型微电网日前多目标优化方法。
本发明的目的可以通过以下技术方案来实现:
一种考虑储能系统影响的并网型微电网日前多目标优化方法,包括以下步骤:
1)根据未来24h内的风速、光照强度和温度预测值,建立考虑储能系统的多目标微电网优化模型;
2)根据线性加权求和法,将多目标优化问题转换为单目标优化问题;
3)对单目标优化问题进行求解,获取最优的运行方案。
所述的步骤1)中,考虑储能系统的多目标微电网优化模型包括运行成本最小问题和污染物处理成本最小问题。
所述的运行成本最小问题表示为:
CWT(t,s)=kWTPWT(t,s)
CPV(t,s)=kPVPPV(t,s)
CESS(t,s)=kESS(Pch(t,s)+Pdis(t,s))
CGRID(t,s)=kGRID(t)PGRID(t,s)
其中,S为总的场景数,π(s)为场景s发生的概率,T为总的优化时段数,t为时间索引,CWT(t,s)为风机发电成本,kWT为风机发电成本系数,PWT(t,s)为风机输出功率,CPV(t,s)为光伏发电成本,kPV为光伏发电成本系数,PPV(t,s)为光伏出力,CDE(t,s)为柴油机发电成本,a、b、c为柴油机的运行成本系数,PDE(t,s)为柴油机的输出功率,kDE为柴油机的维护成本系数,CESS(t,s)为储能系统的运行成本,kESS为储能系统的运行费用系数,Pch(t,s)为储能系统的充电功率,Pdis(t,s)为储能系统的放电功率,CGRID(t,s)为微电网与配电网之间的交换功率成本,kGRID(t)为电网电价,PGRID(t,s)为微电网与配电网之间的联络线交换功率。
所述的运行成本最小问题的约束条件为:
PLOAD(t,s)+Pch(t,s)=PWT(t,s)+PPV(t,s)+PDE(t,s)+Pdis(t,s)+PGRID(t,s)
PDE,min≤PDE(t,s)≤PDE,max
-Rdown≤PDE(t,s)-PDE(t-1,s)≤Rup
|PGRID(t,s)|≤PGRID,max
0≤Pch(t,s)≤uch(t,s)Pch,max
0≤Pdis(t,s)≤udis(t,s)Pdis,max
uch(t,s)∈{0,1}
udis(t,s)∈{0,1}
uch(t,s)+udis(t,s)≤1
SOCmin≤SOC(t,s)≤SOCmax
SOC(t,s)=SOC(t-1,s)+Pch(t,s)ηchΔt/CESS-Pdis(t,s)Δt/CESSηdis
SOCT=SOC0
其中,PLOAD(t,s)为负荷功率,PDE,min、PDE,max分别为柴油机的输出功率的最小值和最大值,Rdown、Rup分别为爬坡下、上限值,PGRID,max为微电网与配电网之间交换功率的最大值,其值大于0时表示微电网从配电网购电,其值小于0时表示微电网向配电网售电,SOC(t,s)和SOC(t-1,s)分别为当前时刻和前一时刻储能系统的荷电状态,Pch(t,s)和Pdis(t,s)分别为t时刻储能系统的充电功率和放电功率,ηch和ηdis分别为储能系统的充电效率和放电效率,Pch,max为储能系统的最大充电功率,Pdis,max为储能系统的最大放电功率,uch(t,s)为储能系统的充电状态变量,取值为1时表示充电,udis(t,s)为储能系统的放电状态变量,取值为1时表示放电,CESS为储能系统的容量,SOCmin和SOCmax分别为储能荷电状态的最小值和最大值,SOC0和SOCT分别为优化初期和末期的荷电状态,Δt为时间间隔。
所述的污染物处理成本最小问题表示为:
其中,J为污染物的类型总数,污染物的类型包括CO2、SO2和NOx,cj为第j类污染物的处理成本,αDE,j为柴油机的第j类污染物排放系数,αGRID,j为大电网的第j类污染物排放系数。
所述的污染物处理成本最小问题的约束条件为:
PDE,min≤PDE(t,s)≤PDE,max
-Rdown≤PDE(t,s)-PDE(t-1,s)≤Rup
|PGRID(t,s)|≤PGRID,max。
所述的步骤2)中,转换为单目标优化问题后的优化模型为:
min F=ω1F1+ω2F2
ω1+ω2=1
其中,ω1和ω2为权重系数。
所述的权重系数ω1和ω2取值均为0.5。
与现有技术相比,本发明具有以下优点:
本发明中充分考虑功率平衡约束、柴油机出力约束、微电网与配电网间联络线交换功率约束和储能系统约束等一系列系统约束,此外,还考虑了风电、光伏出力的不确定性,建立考虑储能系统和不考虑储能系统的微电网优化模型,通过建立多目标优化模型,综合考虑运行成本与污染物处理成本,满足了微电网有效缓解环境污染问题的初衷。并利用线性加权求和法,将多目标优化问题转换为单目标优化问题,并对考虑储能系统与不考虑储能系统的优化运行方案进行对比分析,仿真结果表明储能系统加入微电网后,能够有效降低系统的运行成本。
附图说明
图1为本发明的发明流程图。
图2为风电、光伏预测发电功率及负荷曲线功率图。
图3为不考虑储能系统的优化结果图。
图4为考虑储能系统的优化结果图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,本发明提供一种考虑储能系统影响的并网型微电网日前多目标随机优化运行方法,包括以下步骤:
S1根据未来24h内的风速、光照强度和温度预测值,建立考虑储能系统和不考虑储能系统的微电网优化模型;
S2根据线性加权求和法,将多目标优化问题转换为单目标优化问题;
S3对单目标优化问题求解获取考虑储能系统的优化运行方案,并对考虑储能系统与不考虑储能系统的优化运行方案进行对比分析。
步骤S1中根据未来24h内的风速、光照强度和温度预测值,建立考虑储能系统和不考虑储能系统的微电网优化模型,其具体步骤为:
步骤S11:不考虑储能系统时,统计微电网的运行成本和污染物处理成本,微电网的运行成本由风机、光伏、柴油机的发电成本以及微电网与配电网的交互成本四部分组成,具体表示为:
CWT(t,s)=kWTPWT(t,s) (2)
CPV(t,s)=kPVPPV(t,s) (3)
CGRID(t,s)=kGRID(t)PGRID(t,s) (5)
式(1)-(5)中:S为总的场景数;π(s)为每个场景发生的概率;CWT(t,s)为风机发电成本;kWT为风机发电成本系数;CPV(t,s)为光伏发电成本;kPV为光伏发电成本系数;CDE(t,s)为柴油机发电成本;CGRID(t,s)为微电网与配电网之间的交换功率成本;kGRID(t)为电网电价,本文假设购电价格等于售电价格;PGRID(t,s)为微电网与配电网之间的联络线交换功率。
不考虑储能系统时,采用污染物处理成本来衡量微电网环境效益,具体公式为:
其中,J为污染物的类型总数,污染物的类型包括CO2、SO2和NOx,cj为第j类污染物的处理成本,αDE,j为柴油机的第j类污染物排放系数,αGRID,j为大电网的第j类污染物排放系数。
步骤S12:考虑储能系统时,统计微电网的运行成本和污染物处理成本。
考虑储能系统时,储能系统是风-光-柴-储微电网的组成部分之一,微电网的运行成本表示为:
CESS(t,s)=kESS(Pch(t,s)+Pdis(t,s)) (7)
式中,CESS(t,s)为储能系统的运行成本;kESS为储能系统的运行费用系数;Pch(t,s)为储能系统的充电功率;Pdis(t,s)为储能系统的放电功率。
考虑储能系统时,污染物处理成本同公式(10)。
表1为微电网中各微源参数,储能系统参数如表2所示。
表1各微源参数
表2储能系统参数
Type | Numerical value |
Battery capacity(kWh) | 100 |
Maximum charging/discharging power(kW) | 50 |
Charging/discharging efficiency | 0.9 |
Maximum SOC | 0.95 |
Minimum SOC | 0.25 |
Initial SOC | 0.5 |
Operation and maintenance cost(¥/kWh) | 0.02 |
本实施例微电网包括容量为60kW的风电机组,容量为60kW的光伏电池,容量为200kW的柴油发电机,容量为100kWh的蓄电池。在该微电网中,风电、光伏预测出力曲线及负荷变化曲线如图2所示。假设风机与光伏的预测误差服从正态分布,数学期望为各时段出力预测值,标准差为预测值的20%,采用Monte Carlo仿真法随机生成3000个风电、光伏出力的初始场景,为减少计算负担,采用场景削减法将3000个场景削减为10个典型场景。由于目前负荷的预测精度可达95%以上,为简化模型,本文假设负荷实际值与预测值相等。本实施例微电网与配电网联络线交换功率采用峰谷平电价,分时电价如表3所示。
表3分时电价
本实施例中不考虑储能系统时,微电网的日前多目标随机优化运行结果如图3所示,考虑储能系统时,运行结果如图4所示。
步骤S2中根据线性加权求和法,将多目标优化问题转换为单目标优化问题,其模型为:
min F=ω1F1+ω2F2
ω1+ω2=1
其中,ω1和ω2为权重系数。本例主要以目标函数的权重系数分别为0.5、0.5进行分析。
本实施例中当惯性权重都取0.5时,两种方案的运行成本、污染物处理成本如表4所示。
表4运行成本与污染物处理成本
是否考虑储能 | 运行成本/元 | 污染处理处理成本/元 | 总成本/元 |
不考虑储能 | 1573.6092 | 670.2632 | 2243.8724 |
考虑储能 | 1453.2092 | 670.2632 | 2123.4724 |
步骤S3中对考虑储能系统与不考虑储能系统的优化运行方案进行对比分析,其具体步骤为:
步骤S31:由图3可以看出,电价高峰时期,柴油机发电量最高,除满足净负荷需求外,微电网还将多余的电量卖给配电网以获得收益;电价正常时期,微电网的净负荷需求由柴油机和配电网共同满足,但整体上柴油机发出的电量大于从配电网购入的电量;电价低谷时期,由于柴油机的发电成本远高于购电成本,所以微电网主要从配电网买电,柴油机仅提供很小一部分电量。
步骤S32:由图4可以看出,柴油机的发电量与不考虑储能系统时柴油机的发电量相同;由于储能系统的加入,微电网与配电网之间的联络线交换功率有所增加,当电价较低时,微电网从配电网购入电量,并将多余的电量储存在储能系统中,当电价较高时,储能系统再将电能放出卖给配电网以获得收益。
步骤S33:由表4可以看出,是否考虑储能对污染物处理成本并没有影响。
这是因为考虑储能前后,柴油机的出力并没有发生变化,而微电网与配电网之间的联络线功率虽然发生了变化,但是增加的购电量与售电量相等,所以污染物处理成本不发生变化。而在考虑储能系统加入后,由于分时电价的影响,微电网可以在谷、平电价时配电网购入更多的电量储存在微电网中;在峰电价时,将储存系统的电量卖给配电网,以获取售电收益,因此考虑储能系统后,微电网的运行成本会有所降低。计算得出,考虑储能系统后,微电网的运行成本降低了7.651%,总成本降低了5.366%。
Claims (8)
1.一种考虑储能系统影响的并网型微电网日前多目标优化方法,其特征在于,包括以下步骤:
1)根据未来24h内的风速、光照强度和温度预测值,建立考虑储能系统的多目标微电网优化模型;
2)根据线性加权求和法,将多目标优化问题转换为单目标优化问题;
3)对单目标优化问题进行求解,获取最优的运行方案。
2.根据权利要求1所述的一种考虑储能系统影响的并网型微电网日前多目标优化方法,其特征在于,所述的步骤1)中,考虑储能系统的多目标微电网优化模型包括运行成本最小问题和污染物处理成本最小问题。
3.根据权利要求1所述的一种考虑储能系统影响的并网型微电网日前多目标优化方法,其特征在于,所述的运行成本最小问题表示为:
CWT(t,s)=kWTPWT(t,s)
CPV(t,s)=kPVPPV(t,s)
CESS(t,s)=kESS(Pch(t,s)+Pdis(t,s))
CGRID(t,s)=kGRID(t)PGRID(t,s)
其中,S为总的场景数,π(s)为场景s发生的概率,T为总的优化时段数,t为时间索引,CWT(t,s)为风机发电成本,kWT为风机发电成本系数,PWT(t,s)为风机输出功率,CPV(t,s)为光伏发电成本,kPV为光伏发电成本系数,PPV(t,s)为光伏出力,CDE(t,s)为柴油机发电成本,a、b、c为柴油机的运行成本系数,PDE(t,s)为柴油机的输出功率,kDE为柴油机的维护成本系数,CESS(t,s)为储能系统的运行成本,kESS为储能系统的运行费用系数,Pch(t,s)为储能系统的充电功率,Pdis(t,s)为储能系统的放电功率,CGRID(t,s)为微电网与配电网之间的交换功率成本,kGRID(t)为电网电价,PGRID(t,s)为微电网与配电网之间的联络线交换功率。
4.根据权利要求3所述的一种考虑储能系统影响的并网型微电网日前多目标优化方法,其特征在于,所述的运行成本最小问题的约束条件为:
PLOAD(t,s)+Pch(t,s)=PWT(t,s)+PPV(t,s)+PDE(t,s)+Pdis(t,s)+PGRID(t,s)
PDE,min≤PDE(t,s)≤PDE,max
-Rdown≤PDE(t,s)-PDE(t-1,s)≤Rup
|PGRID(t,s)|≤PGRID,max
0≤Pch(t,s)≤uch(t,s)Pch,max
0≤Pdis(t,s)≤udis(t,s)Pdis,max
uch(t,s)∈{0,1}
udis(t,s)∈{0,1}
uch(t,s)+udis(t,s)≤1
SOCmin≤SOC(t,s)≤SOCmax
SOC(t,s)=SOC(t-1,s)+Pch(t,s)ηchΔt/CESS-Pdis(t,s)Δt/CESSηdis
SOCT=SOC0
其中,PLOAD(t,s)为负荷功率,PDE,min、PDE,max分别为柴油机的输出功率的最小值和最大值,Rdown、Rup分别为爬坡下、上限值,PGRID,max为微电网与配电网之间交换功率的最大值,其值大于0时表示微电网从配电网购电,其值小于0时表示微电网向配电网售电,SOC(t,s)和SOC(t-1,s)分别为当前时刻和前一时刻储能系统的荷电状态,Pch(t,s)和Pdis(t,s)分别为t时刻储能系统的充电功率和放电功率,ηch和ηdis分别为储能系统的充电效率和放电效率,Pch,max为储能系统的最大充电功率,Pdis,max为储能系统的最大放电功率,uch(t,s)为储能系统的充电状态变量,取值为1时表示充电,udis(t,s)为储能系统的放电状态变量,取值为1时表示放电,CESS为储能系统的容量,SOCmin和SOCmax分别为储能荷电状态的最小值和最大值,SOC0和SOCT分别为优化初期和末期的荷电状态,Δt为时间间隔。
5.根据权利要求4述的一种考虑储能系统影响的并网型微电网日前多目标优化方法,其特征在于,所述的污染物处理成本最小问题表示为:
其中,J为污染物的类型总数,污染物的类型包括CO2、SO2和NOx,cj为第j类污染物的处理成本,αDE,j为柴油机的第j类污染物排放系数,αGRID,j为大电网的第j类污染物排放系数。
6.根据权利要求5述的一种考虑储能系统影响的并网型微电网日前多目标优化方法,其特征在于,所述的污染物处理成本最小问题的约束条件为:
PDE,min≤PDE(t,s)≤PDE,max
-Rdown≤PDE(t,s)-PDE(t-1,s)≤Rup
|PGRID(t,s)|≤PGRID,max。
7.根据权利要求5述的一种考虑储能系统影响的并网型微电网日前多目标优化方法,其特征在于,所述的步骤2)中,转换为单目标优化问题后的优化模型为:
min F=ω1F1+ω2F2
ω1+ω2=1
其中,ω1和ω2为权重系数。
8.根据权利要求7述的一种考虑储能系统影响的并网型微电网日前多目标优化方法,其特征在于,所述的权重系数ω1和ω2取值均为0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811640172.XA CN109840621A (zh) | 2018-12-29 | 2018-12-29 | 考虑储能系统影响的并网型微电网日前多目标优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811640172.XA CN109840621A (zh) | 2018-12-29 | 2018-12-29 | 考虑储能系统影响的并网型微电网日前多目标优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109840621A true CN109840621A (zh) | 2019-06-04 |
Family
ID=66883461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811640172.XA Pending CN109840621A (zh) | 2018-12-29 | 2018-12-29 | 考虑储能系统影响的并网型微电网日前多目标优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109840621A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738503A (zh) * | 2020-06-15 | 2020-10-02 | 国网安徽省电力有限公司经济技术研究院 | 以氢能为核心的综合能源微网日前运行调度方法及系统 |
CN114285026A (zh) * | 2021-12-06 | 2022-04-05 | 内蒙古工业大学 | 一种农牧区电能路由器调度方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160092622A1 (en) * | 2013-05-20 | 2016-03-31 | State Grid Corporation Of China | Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system |
CN105574617A (zh) * | 2015-12-18 | 2016-05-11 | 上海交通大学 | 分布式电源和微电网接入配电系统方案的综合优化系统 |
-
2018
- 2018-12-29 CN CN201811640172.XA patent/CN109840621A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160092622A1 (en) * | 2013-05-20 | 2016-03-31 | State Grid Corporation Of China | Method for modeling medium and long term wind power output model of medium and long term optimal operationof power system |
CN105574617A (zh) * | 2015-12-18 | 2016-05-11 | 上海交通大学 | 分布式电源和微电网接入配电系统方案的综合优化系统 |
Non-Patent Citations (1)
Title |
---|
邱海伟: ""基于多目标的微电网优化调度研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738503A (zh) * | 2020-06-15 | 2020-10-02 | 国网安徽省电力有限公司经济技术研究院 | 以氢能为核心的综合能源微网日前运行调度方法及系统 |
CN111738503B (zh) * | 2020-06-15 | 2023-07-25 | 国网安徽省电力有限公司经济技术研究院 | 以氢能为核心的综合能源微网日前运行调度方法及系统 |
CN114285026A (zh) * | 2021-12-06 | 2022-04-05 | 内蒙古工业大学 | 一种农牧区电能路由器调度方法 |
CN114285026B (zh) * | 2021-12-06 | 2023-08-15 | 内蒙古工业大学 | 一种农牧区电能路由器调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN108599206B (zh) | 高比例不确定电源场景下的配电网混合储能配置方法 | |
CN107508328A (zh) | 考虑风电消纳的联合系统能量优化方法 | |
CN113572163B (zh) | 基于改进仿射算法的分布式电源主动配电网优化调度方法 | |
CN111404206B (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
CN109345012B (zh) | 基于综合评价指标的园区能源互联网运行优化方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN110135662B (zh) | 一种考虑减小峰谷差的储能选址定容多目标优化方法 | |
CN112039079A (zh) | 考虑电压安全的有源配电网储能优化系统配置方法 | |
Ren et al. | Bi-level optimal allocation of flexible resources for distribution network considering different energy storage operation strategies in electricity market | |
CN114662752A (zh) | 基于价格型需求响应模型的综合能源系统运行优化方法 | |
CN111144655A (zh) | 一种分布式电源选址定容与配电网网架联合优化方法 | |
CN116914821A (zh) | 一种基于改进粒子群算法的微电网低碳优化调度方法 | |
CN115241923A (zh) | 一种基于蛇优化算法的微电网多目标优化配置方法 | |
CN117578537A (zh) | 基于碳交易和需求响应的微电网优化调度方法 | |
CN109840621A (zh) | 考虑储能系统影响的并网型微电网日前多目标优化方法 | |
CN114362153A (zh) | 一种并网型风光储系统多目标容量优化配置方法及系统 | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN116191493A (zh) | 一种火电机组深度调峰和复合储能协同规划方法与装置 | |
Zhang et al. | Multi-objective optimal scheduling strategy of microgrid based on v2g technology | |
CN106253356B (zh) | 基于储能电量价值评估的交直流混合微网实时经济调度法 | |
CN114971154A (zh) | 一种包含碳交易机制的可再生能源消纳方法 | |
CN112952914A (zh) | 一种多能互补电力系统多目标运行优化方法 | |
Si et al. | A multi-objective optimization strategy for combined heat and power systems of the energy internet | |
Meng et al. | Research on multi-objective optimization operation of microgrid |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190604 |