CN110071496A - 一种基于波浪发电的直流微电网功率优化配置与运行方法 - Google Patents
一种基于波浪发电的直流微电网功率优化配置与运行方法 Download PDFInfo
- Publication number
- CN110071496A CN110071496A CN201910253192.XA CN201910253192A CN110071496A CN 110071496 A CN110071496 A CN 110071496A CN 201910253192 A CN201910253192 A CN 201910253192A CN 110071496 A CN110071496 A CN 110071496A
- Authority
- CN
- China
- Prior art keywords
- power
- wave
- activated
- power generation
- micro
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 105
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 64
- 230000005611 electricity Effects 0.000 claims abstract description 15
- 239000012530 fluid Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000002706 hydrostatic effect Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000001351 cycling effect Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000013433 optimization analysis Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 239000011295 pitch Substances 0.000 claims 1
- 230000004044 response Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 239000002245 particle Substances 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B13/00—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates
- F03B13/12—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy
- F03B13/14—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy using wave energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/10—Parallel operation of dc sources
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K7/00—Arrangements for handling mechanical energy structurally associated with dynamo-electric machines, e.g. structural association with mechanical driving motors or auxiliary dynamo-electric machines
- H02K7/18—Structural association of electric generators with mechanical driving motors, e.g. with turbines
- H02K7/1869—Linear generators; sectional generators
- H02K7/1876—Linear generators; sectional generators with reciprocating, linearly oscillating or vibrating parts
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/30—Energy from the sea, e.g. using wave energy or salinity gradient
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Other Liquid Machine Or Engine Such As Wave Power Use (AREA)
Abstract
本发明公开了一种基于波浪发电的直流微电网功率优化配置与运行方法,蓄电池采用变功率控制,将波浪发电直流微电网系统的工作状态分为多种,以波浪发电量及负荷的消耗量的功率差为基准,控制蓄电池中的充放电功率的方向及大小,使波浪发电直流微电网系统在多种状态中切换;波浪发电直流微电网系统的功率优化分为MPPT控制及限功率控制:当波浪发电直流微电网系统工作在MPPT控制时,波浪发电直流微电网系统结合纵横交叉算法跟踪波浪发电装置的最大输出功率点;当波浪发电直流微电网系统处于限功率控制时,波浪发电直流微电网系统结合纵横交叉算法对波浪发电装置输出功率进行控制。本发明使发出的功率能维持波浪发电直流微电网系统稳定运行。
Description
技术领域
本发明涉及波浪发电装置功率控制的技术领域,尤其涉及到一种基于波浪发电的直流微电网功率优化配置与运行方法。
背景技术
随着我国海岛建设的快速发展,海岛对能源的需求不断增加。波浪能是一种富有潜力的清洁可再生能源,资料表明,合理开发利用波浪能,约可满足全球目前总用电量需求的10%,相当于全球大型水电站实际发电量总和。
而当前波浪发电直流微电网系统的控制方法主要采用电压分层控制,但此类控制方法案会因为母线电压波动而导致控制策略频繁切换的情况。
针对波浪发电直流微电网系统功率的控制,群智能优化算法已在光伏发电和风力发电领域MPPT(最大功率点跟踪控制(Maximum Power Point Tracking,MPPT))中获得较多应用,但这类算法在求解复杂优化问题时,其收敛速度慢、易陷入局部最优,限制了波浪发电直流微电网系统功率控制性能的提升。
因此,如何使波浪发电直流微电网系统高效稳定地运行,成为业界亟待解决的问题。
发明内容
本发明的目的在于克服现有技术的不足,提出一种能使波浪发电直流微电网系统高效并稳定地运行的基于波浪发电的直流微电网功率优化配置与运行方法。
为实现上述目的,本发明所提供的技术方案为:
一种基于波浪发电的直流微电网功率优化配置与运行方法,运行时,波浪发电直流微电网系统中的蓄电池采用变功率控制,将波浪发电直流微电网系统的工作状态分为多种,以波浪发电量及负荷的消耗量的功率差为基准,控制蓄电池中的充放电功率的方向及大小,使波浪发电直流微电网系统在多种状态中切换,从而控制波浪发电直流微电网系统的功率平衡;
而波浪发电直流微电网系统的功率优化分为MPPT控制及限功率控制:
当波浪发电直流微电网系统工作在MPPT控制状态时,波浪发电直流微电网系统结合CSO算法跟踪波浪发电装置的最大输出功率点,输出此时海洋波浪作用下的最大平均功率;
当波浪发电直流微电网系统处于限功率控制状态时,波浪发电直流微电网系统结合CSO算法对波浪发电装置输出功率进行控制,避免出现供多需少的情况。
进一步地,所述波浪发电直流微电网系统的工作状态分为四种,分别为:
(1)若波浪发电直流微电网系统的蓄电池变功率控制中,检测到波浪发电装置发出的电量过多,此时可给蓄电池充电,则波浪发电直流微电网系统切换到模式二,波浪发电装置处于MPPT控制状态;
(2)若同时电量也充满,即达到极限充电功率,则波浪发电直流微电网系统切换到模式一,波浪发电装置处于限功率控制状态;
(3)若波浪发电装置发出的电量不足以满足负荷的需求,则波浪发电直流微电网系统切换到模式三,由蓄电池同时供电,以满足负荷的要求,此时波浪发电装置处于MPPT控制状态;
(4)若波浪发电装置及蓄电池同时发出的电量都不足以满足负荷的需求,则波浪发电直流微电网系统切换到模式四,波浪发电装置处于MPPT控制状态,同时切除部分不必要的负荷,以维持波浪发电直流微电网系统内的功率平衡。
进一步地,所述当波浪发电直流微电网系统分别处于MPPT控制和限功率控制状态时,波浪发电直流微电网系统结合纵横交叉算法对波浪发电装置输出功率进行控制的具体步骤如下:
A-1:种群初始化:设定初始种群大小为X,纵向交叉概率为Pv,最大迭代次数为gen次,种群中个体可表示为3维变量In(i)=[Rgi,kci,kli],表征最大功率跟踪优化问题的一个解,每维变量对应直线电机电磁力某参数,根据电机实际情况,设定每一维参数的允许区间,构成解空间,在解空间内随机产生一个初始种群;
A-2:计算种群个体目标值:根据约束条件确定系统工作在限功率控制状态,还是在MPPT控制状态,进而选择不同的目标目标函数进行计算:
1)处于MPPT控制状态时
目标函数为:
选定目标函数后,检查个体每个参数是否在允许区间内,若不在允许区间内,则设定参数值为最近的边界值,设定好参数后,计算目标值;
式中:Pu1、Pu2为惩罚因子;为过度变量;为使波浪发电装置性能最佳,实现功率的最优跟踪控制,应尽量小;记目标值最优个体为GB;
2)处于限功率状态时
目标函数为:
选定目标函数后,同样,检查个体每个参数是否在允许区间内,若不在允许区间内,则设定参数值为最近的边界值,设定好参数后,计算目标值;
A-3:执行纵向交叉:对种群中所有个体,随机选择第k、l维变量进行配对,由纵向交叉概率决定是否进行下一公式表示的算术交叉,纵向交叉算子保证种群能离开局部最优,实现良好的全局搜索能力;若进行交叉,产生子代个体记为ZDz:
ZDZ(i,k)=rX(i,k)+(1-r)X(i,l);
上式中:r为[0,1]内随机数;计算子代个体目标值,与父代个体进行比较,只有目标值较小的个体才会被保留参与后续操作;
A-4:执行横向交叉:随机选择种群中个体i、j进行配对,对两个体相同维的变量进行下一公式表示的算术交叉,产生子代个体记为ZDh:
上式中:r1、r2为[0,1]内的随机数;扩算因子c1、c2为[-1,1]内的的随机数;对种群中所有个体进行随机配对,将解空间全体分割成若干个子空间,每个子空间以配对个体为对角顶点;引入扩算因子c1、c2,使子代个体不仅有机会遍历以父代个体X(i)、X(j)为对角顶点的长方体内部,还能对长方体的外部边缘进行搜索;横向交叉算子使CSO算法具有良好的局部搜索能力;然后,计算子代个体ZDh(i)、ZDh(j)目标值,分别与父代个体X(i)、X(j)的目标值进行比较,保存目标值较小的个体参加下一次的迭代;
A-5:循环判据判断:计算新种群的目标值,记目标值最优个体为GB,判断是否满足退出循环条件;若不满足,则转移到步骤A-2,重新计算;若满足,则退出循环,输出GB和对应的波浪能捕获率。
进一步地,所述波浪发电装置的平均输出功率通过以下步骤求出:
进行波浪发电系统浮子的水动力分析:
浮子随波浪入射而上下运动,由系缆牵引直线电机运动;假定浮子处于水深为h的理想流体中,建立坐标系,并令无波浪时水面z(x,y)=0;实际海洋入射波可视为一系列不同频率正弦波分量的叠加;波浪中浮子受到的水动力为:
fwt=fs+fr+fb; (1)
式中,fs为浮子受到的波浪激励力,fr为浮子受到的辐射力,fb为浮子受到的静水恢复力;
其中,浮子受到的波浪激励力:
(3)式中,为入射角为0的科钦函数;S为浮子表面;V为浮子体积;为入射波速度势;为浮子在波浪作用下发生垂荡,产生辐射波速度势和辐射波流体动压力,Whi为浪高系数;
浮子受到的辐射力:
浮子受到的静水恢复力:
fb=-ρgSwz(t)=-kSz(t); (5)
进行波浪发电装置功率点跟踪优化分析:
根据牛顿定律,波浪发电装置运动部件动力学方程为:
式(2)中,fwt(t)为水动力,fv(t)为流体粘滞力,ff(t)为摩擦力,fg(t)为直线电机电磁力,m为运动部件质量,为浮子运动加速度;
浮子处于理想流体中时,忽略研究对象流体粘滞力和摩擦力,将(4),(5),(1)代入(2)得到可得:
式(6)中,z(t)为浮子运动位移;
当且仅当直线电机存在恰当电磁力时,可使能量从波浪馈入电网,记直线电机电磁力fg(t)为:
式(7)中,Rg、kc、kl为直线电机电磁力控制参数;
波浪发电系统捕获的瞬时功率为:
波浪频率会影响波浪发电系统输出功率,将式(8)代入式(7),并进行傅里叶变换,从频域分析运动部件响应:
(jω)2(m+ma(ω)+kl)z(jω)
=Fs(jω)-jω(Ra(ω)+Rg)z(jω)-(kS+kc)z(jω); (9)
式(8)中Ra(ω)为附加阻力,ma(ω)为附加质量,z(jω)为浮子在频域的速度,Fs(jω)为浮子在频域的水动力;
不计直线电机铁芯磁滞涡流损耗,波浪发电装置平均输出功率为复功率的实部:
联立式(9)和(10),得波浪发电装置平均输出功率为:
式(11)中,m、kS为常数,Ra(ω)、ma(ω)与频率存在非线性关系;
由于在海洋中,海洋波浪的频率有所变化,波浪发电装置在摄取波浪过的过程中,浮子的运动频率也会发生变化,故平均功率的输出值为:
与现有技术相比,本方案原理和优点如下:
波浪发电直流微电网系统中的蓄电池采用变功率控制,将波浪发电直流微电网系统的工作状态分为多种,以波浪发电量及负荷的消耗量的功率差为基准,控制蓄电池中的充放电功率的方向及大小,使波浪发电直流微电网系统在多种状态中切换;而波浪发电直流微电网系统的功率优化分为MPPT控制及限功率控制:当波浪发电直流微电网系统工作在MPPT控制状态时,波浪发电直流微电网系统结合纵横交叉算法(Crisscross OptimizationAlgorithm,CSO)跟踪波浪发电装置的最大输出功率点,输出此时海洋波浪作用下的最大平均功率;当波浪发电直流微电网系统处于限功率控制状态时,波浪发电直流微电网系统结合纵横交叉算法对波浪发电装置输出功率进行控制,避免出现供多需少的情况。本方案使得发出的功率能维持波浪发电直流微电网系统稳定运行。
附图说明
图1为波浪发电装置的结构示意图;
图2为波浪发电装置的结构分析图;
图3为变功率控制时波浪发电直流微电网系统的结构框图;
图4为蓄电池的CIEMAT模型结构;
图5为蓄电池控制原理框图;
图6为非极限变功率控制算法框图;
图7为极限变功率控制算法框图;
图8为纵横交叉算法流程图;
图9为P、Rg、Kc的关系图;
图10为Rg、Kc、K1的关系图;
图11为波浪发电直流微电网系统处于MPPT状态结合纵横交叉算法和结合粒子群算法时平均输出功率的对比图,其中a为纵横交叉算法(CSO),b为粒子群算法(PSO);
图12为波浪发电直流微电网系统处于限功率状态结合纵横交叉算法和结合粒子群算法时平均输出功率的对比图,其中a为纵横交叉算法(CSO),b为粒子群算法(PSO);
图13为模拟海洋波浪入射波示意图;
图14为波浪发电直流微电网系统处于MPPT状态时的平均输出功率示意图;
图15为波浪发电直流微电网系统处于限功率状态时的平均输出功率示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
本实施例基于波浪发电直流微电网系统,其拓扑结构图如图3所示,系统组成有波浪发电装置、蓄电池、变流器、控制系统、直流母线和负荷。其中,IPV、UPV为波浪发电装置输出电流、电压;Ubus为微电网的直流母线电压;PPV为波浪发电装置输出功率;Pbattery为蓄电池输出功率;Pload为负荷功率;aM、aB分别为MPPT控制模块、限功率模块输出的Boost电路的占空比;a为波浪发电直流微电网系统Boost电路实际占空比,当波浪发电直流微电网系统采用MPPT控制时a=aM,当波浪发电直流微电网系统采用限功率控制时a=aB。
波浪发电装置的平均输出功率通过以下步骤求出:
A1:进行波浪发电系统浮子的水动力分析:
波浪发电装置如图1所示,浮子随波浪入射而上下运动,由系缆牵引直线电机运动;假定浮子处于水深为h的理想流体中,建立坐标系,如图2所示,并令无波浪时水面z(x,y)=0;实际海洋入射波可视为一系列不同频率正弦波分量的叠加;波浪中浮子受到的水动力为:
fwt=fs+fr+fb; (1)
式中,fs为浮子受到的波浪激励力,fr为浮子受到的辐射力,fb为浮子受到的静水恢复力;
其中,浮子受到的波浪激励力:
(3)式中,为入射角为0的科钦函数;S为浮子表面;V为浮子体积;为入射波速度势;为浮子在波浪作用下发生垂荡,产生辐射波速度势和辐射波流体动压力,Whi为浪高系数;
浮子受到的辐射力:
浮子受到的静水恢复力:
fb=-ρgSwz(t)=-kSz(t); (5)
A2:进行波浪发电装置功率点跟踪优化分析:
根据牛顿定律,波浪发电装置运动部件动力学方程为:
式(2)中,fwt(t)为水动力,fv(t)为流体粘滞力,ff(t)为摩擦力,fg(t)为直线电机电磁力,m为运动部件质量,为浮子运动加速度;
浮子处于理想流体中时,忽略研究对象流体粘滞力和摩擦力,将(4),(5),(1)代入(2)得到可得:
式(6)中,z(t)为浮子运动位移;
当且仅当直线电机存在恰当电磁力时,可使能量从波浪馈入电网,记直线电机电磁力fg(t)为:
式(7)中,Rg、kc、kl为直线电机电磁力控制参数;
波浪发电系统捕获的瞬时功率为:
波浪频率会影响波浪发电系统输出功率,将式(8)代入式(7),并进行傅里叶变换,从频域分析运动部件响应:
(jω)2(m+ma(ω)+kl)z(jω)
=Fs(jω)-jω(Ra(ω)+Rg)z(jω)-(ks+kc)z(jω); (9)
式(8)中Ra(ω)为附加阻力,ma(ω)为附加质量,z(jω)为浮子在频域的速度,Fs(jω)为浮子在频域的水动力;
不计直线电机铁芯磁滞涡流损耗,波浪发电装置平均输出功率为复功率的实部:
联立式(9)和(10),得波浪发电装置平均输出功率为:
式(11)中,m、kS为常数,Ra(ω)、ma(ω)与频率存在非线性关系;
由于在海洋中,海洋波浪的频率有所变化,波浪发电装置在摄取波浪过的过程中,浮子的运动频率也会发生变化,故平均功率的输出值为:
波浪发电直流微电网系统运行时,蓄电池采用变功率控制,将波浪发电直流微电网系统的工作状态分为四种,以波浪发电量及负荷的消耗量的功率差为基准,控制蓄电池中的充放电功率的方向及大小,使波浪发电直流微电网系统在四种状态中切换,从而控制波浪发电直流微电网系统的功率平衡;
而波浪发电直流微电网系统的功率优化分为MPPT控制及限功率控制:
当波浪发电直流微电网系统工作在MPPT控制状态时,波浪发电直流微电网系统结合纵横交叉算法跟踪波浪发电装置的最大输出功率点,输出此时海洋波浪作用下的最大平均功率;
当波浪发电直流微电网系统处于限功率控制状态时,波浪发电直流微电网系统结合纵横交叉算法对波浪发电装置输出功率进行控制,避免出现供多需少的情况。
下面对上述的系统功率优化配置与运行作详细解析:
波浪发电直流微电网系统的四种工作状态,如表1所示。表中, 为波浪发电系统采用MPPT控制时输出的功率;分别为蓄电池的极限充电功率、极限放电功率。
表1
波浪发电装置的控制方法:
由表1可以看出,对于波浪发电直流微电网系统功率控制而言,可以分为两种状态,即限功率控制、MPPT控制。
(1)当负荷需求多或蓄电池充电功率没有达到极限时,波浪发电装置处于MPPT控制状态,即模式二、三、四。
(2)当负荷需求较少并且蓄电池的充电功率达到极限时,需减少输出功率,此时波浪发电装置处于限功率控制状态,即模式一。
蓄电池的控制方法:
本实施例中,蓄电池采用CIEMAT模型,如图4所示。图中,n为串联单体数量,Ubattery为电压,Ibattery为流过的电流,Ebattery为电动势,R为内阻。
蓄电池的控制为变功率控制,其中,蓄电池的充放电功率的大小是根据系统与负荷之间的功率差决定的。蓄电池控制原理如图5所示。
当蓄电池充放电功率没到达极限状态,即非极限充(放)电状态,波浪发电装置处于MPPT控制状态。
当蓄电池的充放电功率处于极限状态,即极限充(放)电状态,同时在满足负荷侧供电需求的情况下,此时,波浪发电装置处于限功率控制状态。
蓄电池的非极限变功率控制算法框图及极限变功率控制算法框图如图6,图7所示,实现波浪发电直流微电网系统的功率平衡。
负荷的控制方法:
蓄电池放电功率存在极限值,若波浪发电装置输出功率与蓄电池极限放电功率加起来仍然不能满足负荷所需功率,即此时微电网中的功率处于不平衡状态,应采取策略,切除一些不必要负荷来保持微电网功率平衡,使
当波浪发电直流微电网系统分别处于MPPT控制和限功率控制状态时,波浪发电直流微电网系统结合纵横交叉算法对波浪发电装置输出功率进行控制的具体步骤如下:
A-1:种群初始化:设定初始种群大小为X,纵向交叉概率为Pv,最大迭代次数为gen次,种群中个体可表示为3维变量In(i)=[Rgi,kci,kli],表征最大功率跟踪优化问题的一个解,每维变量对应直线电机电磁力某参数,根据电机实际情况,设定每一维参数的允许区间,构成解空间,在解空间内随机产生一个初始种群;
A-2:计算种群个体目标值:根据约束条件确定系统工作在限功率控制状态,还是在MPPT控制状态,进而选择不同的目标目标函数进行计算:
1)处于MPPT控制状态时
目标函数为:
选定目标函数后,检查个体每个参数是否在允许区间内,若不在允许区间内,则设定参数值为最近的边界值,设定好参数后,计算目标值;
式中:Pu1、Pu2为惩罚因子;为过度变量;为使波浪发电装置性能最佳,实现功率的最优跟踪控制,应尽量小;记目标值最优个体为GB;
2)处于限功率状态时
目标函数为:
选定目标函数后,同样,检查个体每个参数是否在允许区间内,若不在允许区间内,则设定参数值为最近的边界值,设定好参数后,计算目标值;
A-3:执行纵向交叉:对种群中所有个体,随机选择第k、l维变量进行配对,由纵向交叉概率决定是否进行下一公式表示的算术交叉,纵向交叉算子保证种群能离开局部最优,实现良好的全局搜索能力;若进行交叉,产生子代个体记为ZDz:
ZDZ(i,k)=rX(i,k)+(1-r)X(i,l);
上式中:r为[0,1]内随机数;计算子代个体目标值,与父代个体进行比较,只有目标值较小的个体才会被保留参与后续操作;
A-4:执行横向交叉:随机选择种群中个体i、j进行配对,对两个体相同维的变量进行下一公式表示的算术交叉,产生子代个体记为ZDh:
上式中:r1、r2为[0,1]内的随机数;扩算因子c1、c2为[-1,1]内的的随机数;对种群中所有个体进行随机配对,将解空间全体分割成若干个子空间,每个子空间以配对个体为对角顶点;引入扩算因子c1、c2,使子代个体不仅有机会遍历以父代个体X(i)、X(j)为对角顶点的长方体内部,还能对长方体的外部边缘进行搜索;横向交叉算子使CSO算法具有良好的局部搜索能力;然后,计算子代个体ZDh(i)、ZDh(j)目标值,分别与父代个体X(i)、X(j)的目标值进行比较,保存目标值较小的个体参加下一次的迭代;
A-5:循环判据判断:计算新种群的目标值,记目标值最优个体为GB,判断是否满足退出循环条件;若不满足,则转移到步骤A-2,重新计算;若满足,则退出循环,输出GB和对应的波浪能捕获率。
CSO算法的流程如图8所示。
为了证实上述方法的有效性,下面进行仿真实验:
波浪发电功率的控制变量分析:
在波浪发电直流微电网系统中,平均输出功率P的大小与系统中的参数Rg、kc、kl有密切的关系。先在Matlab/Simulink环境中搭建图3示波浪发电直流微电网系统仿真模型,验证纵横交叉算法的有效性。仿真算法参数设定:种群大小X=10,最大迭代次数gen=100,纵向交叉概率Pv=0.7。波浪发电装置运动部件质量m=45kg,浮子刚度系数K=1000N·m-1。我国东南沿海海洋专属经济区内全年波浪周期变化范围约为[3,10]s,对应角频率范围[0.628,0.93]rad·s-1。
a1、当系统处于最大功率跟踪状态时,依靠纵横交叉算法,在不断变化的波浪能中,搜索出最合适的Rg、kc、kl值,使最大的输出功率,实现MPPT。根据公式推导得出,当kl为确定值时,P、Rg、kc的关系如下图9所示。
由于在摄取波浪过的过程中,其频率会发生变化。由图9可看出,波浪发电系统中存在多个最大功率值。
a2、当系统处于限功率控制状态时,根据调度所需要的功率值,依靠纵横交叉算法,在不断变化的波浪能中,搜索出最合适的Rg、kc、kl值,使输出功率符合调度需求,实现限功率控制。设当P为确定值,Rg、kc、kl的关系如图10。
由图10可知,Rg、kc、kl之间存在着非线性关系。故使用群智能算法来跟踪控制波浪发电直流微电网系统中的输出功率具有实用性强、效果好的特点。
针对群智能算法在波浪发电直流微电网系统中的使用效率,下面CSO算法进行进一步的对比分析。
系统处于MPPT状态的案例分析:
当波浪发电直流微电网系统工作在模式二、模式三、模式四时,其都属于MPPT状态。系统执行的是MPPT的CSO算法部分。根据实时的波浪状态,模拟波浪的运动周期,运用CSO算法,算出最合适的Rg、kc、kl值,跟踪最大的功率。同时,运行结果与粒子群算法(PSO)进行对比,如图11所示。
从图11可以看出,同样运行100代,纵横交叉算法比粒子群算法快一半的速度找到更为优化的输出功率值。可知,使用CSO算法,通过其纵向算子和横向算子的搜索,能很好地摆脱局部最优,在短时间内搜索出较大的功率值。
系统处于限功率控制状态的案例分析:
当波浪发电直流微电网系统工作在模式一时,其属于限功率控制状态。波浪发电装置无论白天黑夜都会处于工作状态,有时波浪运动的速度快,波浪高度很高,则波浪能可转换为更多的电能。此时电能在符合直流微电网的用户用电需求外,且该系统的蓄电池也处于极限功率充电状态时,该系统执行的是限功率控制的CSO算法部分。运用CSO算法,算出最合适的Rg、kc、kl值,跟踪功率的状态,使得输出的功率符合调度需求。图12为波浪发电装置处于限功率状态的输出功率。反映了该算法可以在短时间内输出调度所需电量,维持直流微电网系统的稳定运行。
由图12知,系统能够很好地根据直流微电网的用电需求,运用算法寻找优化最合适的Rg、kc、kl值,进而控制输出符合系统需求的功率。从粒子群算法和纵横交叉算法的横坐标可以看出,运用纵横交叉算法比粒子群算法快很多倍地寻到合适的电机调节参数值。
可得知,CSO算法在波浪发电直流微电网系统中具有使用价值,能够更快地寻出更优的控制变量。
波浪发电直流微电网系统的案例分析:
在Matlab/Simulink环境中搭建图3示波浪发电直流微电网系统仿真模型,验证CSO算法在波浪发电直流微电网系统控制中的性能。
图13为模拟海洋波浪入射波示意图。根据系统工作状态的变化,图14、图15分别为系统处于MPPT状态、限功率状态时的平均输出功率示意图,即分别为模式2、3、4和模式1的平均输出功率,其中包括CSO算法和PSO算法在波浪发电系统中运行的对比结果。
从图14、图15可以得知:处于MPPT状态时,结合CSO算法的波浪发电装置的平均输出功率为7000W,结合PSO算法时的平均输出功率为6100W,提高了13%;处于限功率状态时,结合CSO算法时波浪发电装置的平均输出功率为3150W,结合PSO算法时的平均输出功率为2550W,提高19%。与图9、图10进行对比,结合PSO算法时的捕获率为75%,而结合CSO算法的波浪发电装置的捕获率为90%;且CSO算法的收敛速度快。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (4)
1.一种基于波浪发电的直流微电网功率优化配置与运行方法,其特征在于,运行时,波浪发电直流微电网系统中的蓄电池采用变功率控制,将波浪发电直流微电网系统的工作状态分为多种,以波浪发电量及负荷的消耗量的功率差为基准,控制蓄电池中的充放电功率的方向及大小,使波浪发电直流微电网系统在多种状态中切换,从而控制波浪发电直流微电网系统的功率平衡;
而波浪发电直流微电网系统的功率优化分为MPPT控制及限功率控制:
当波浪发电直流微电网系统工作在MPPT控制状态时,波浪发电直流微电网系统结合纵横交叉算法跟踪波浪发电装置的最大输出功率点,输出此时海洋波浪作用下的最大平均功率;
当波浪发电直流微电网系统处于限功率控制状态时,波浪发电直流微电网系统结合纵横交叉算法对波浪发电装置输出功率进行控制,避免出现供多需少的情况。
2.根据权利要求1所述的一种基于波浪发电的直流微电网功率优化配置与运行方法,其特征在于,所述波浪发电直流微电网系统的工作状态分为四种,分别为:
(1)若波浪发电直流微电网系统的蓄电池变功率控制中,检测到波浪发电装置发出的电量过多,此时可给蓄电池充电,则波浪发电直流微电网系统切换到模式二,波浪发电装置处于MPPT控制状态;
(2)若同时电量也充满,即达到极限充电功率,则波浪发电直流微电网系统切换到模式一,波浪发电装置处于限功率控制状态;
(3)若波浪发电装置发出的电量不足以满足负荷的需求,则波浪发电直流微电网系统切换到模式三,由蓄电池同时供电,以满足负荷的要求,此时波浪发电装置处于MPPT控制状态;
(4)若波浪发电装置及蓄电池同时发出的电量都不足以满足负荷的需求,则波浪发电直流微电网系统切换到模式四,波浪发电装置处于MPPT控制状态,同时切除部分不必要的负荷,以维持波浪发电直流微电网系统内的功率平衡。
3.根据权利要求1所述的一种基于波浪发电的直流微电网功率优化配置与运行方法,其特征在于,所述当波浪发电直流微电网系统分别处于MPPT控制和限功率控制状态时,波浪发电直流微电网系统结合纵横交叉算法对波浪发电装置输出功率进行控制的具体步骤如下:
A-1:种群初始化:设定初始种群大小为X,纵向交叉概率为Pv,最大迭代次数为gen次,种群中个体可表示为3维变量In(i)=[Rgi,kci,kli],表征最大功率跟踪优化问题的一个解,每维变量对应直线电机电磁力某参数,根据电机实际情况,设定每一维参数的允许区间,构成解空间,在解空间内随机产生一个初始种群;
A-2:计算种群个体目标值:根据约束条件确定系统工作在限功率控制状态,还是在MPPT控制状态,进而选择不同的目标目标函数进行计算:
1)处于MPPT控制状态时
目标函数为:
选定目标函数后,检查个体每个参数是否在允许区间内,若不在允许区间内,则设定参数值为最近的边界值,设定好参数后,计算目标值;
式中:Pu1、Pu2为惩罚因子;为过度变量;为使波浪发电装置性能最佳,实现功率的最优跟踪控制,应尽量小;记目标值最优个体为GB;
2)处于限功率状态时
目标函数为:
选定目标函数后,同样,检查个体每个参数是否在允许区间内,若不在允许区间内,则设定参数值为最近的边界值,设定好参数后,计算目标值;
A-3:执行纵向交叉:对种群中所有个体,随机选择第k、l维变量进行配对,由纵向交叉概率决定是否进行下一公式表示的算术交叉,纵向交叉算子保证种群能离开局部最优,实现良好的全局搜索能力;若进行交叉,产生子代个体记为ZDz:
ZDZ(i,k)=rX(i,k)+(1-r)X(i,l);
上式中:r为[0,1]内随机数;计算子代个体目标值,与父代个体进行比较,只有目标值较小的个体才会被保留参与后续操作;
A-4:执行横向交叉:随机选择种群中个体i、j进行配对,对两个体相同维的变量进行下一公式表示的算术交叉,产生子代个体记为ZDh:
上式中:r1、r2为[0,1]内的随机数;扩算因子c1、c2为[-1,1]内的的随机数;对种群中所有个体进行随机配对,将解空间全体分割成若干个子空间,每个子空间以配对个体为对角顶点;引入扩算因子c1、c2,使子代个体不仅有机会遍历以父代个体X(i)、X(j)为对角顶点的长方体内部,还能对长方体的外部边缘进行搜索;横向交叉算子使CSO算法具有良好的局部搜索能力;然后,计算子代个体ZDh(i)、ZDh(j)目标值,分别与父代个体X(i)、X(j)的目标值进行比较,保存目标值较小的个体参加下一次的迭代;
A-5:循环判据判断:计算新种群的目标值,记目标值最优个体为GB,判断是否满足退出循环条件;若不满足,则转移到步骤A-2,重新计算;若满足,则退出循环,输出GB和对应的波浪能捕获率。
4.根据权利要求3所述的一种基于波浪发电的直流微电网功率优化配置与运行方法,其特征在于,所述波浪发电装置的平均输出功率通过以下步骤求出:
进行波浪发电系统浮子的水动力分析:
浮子随波浪入射而上下运动,由系缆牵引直线电机运动;假定浮子处于水深为h的理想流体中,建立坐标系,并令无波浪时水面z(x,y)=0;实际海洋入射波可视为一系列不同频率正弦波分量的叠加;波浪中浮子受到的水动力为:
fwt=fs+fr+fb;(1)
(1)式中,fs为浮子受到的波浪激励力,fr为浮子受到的辐射力,fb为浮子受到的静水恢复力;
其中,浮子受到的波浪激励力:
(3)式中,为入射角为0的科钦函数;S为浮子表面;V为浮子体积;为入射波速度势;为浮子在波浪作用下发生垂荡,产生辐射波速度势和辐射波流体动压力,Whi为浪高系数;
浮子受到的辐射力:
浮子受到的静水恢复力:
fb=-ρgSwz(t)=-kSz(t);(5)
进行波浪发电装置功率点跟踪优化分析:
根据牛顿定律,波浪发电装置运动部件动力学方程为:
式(2)中,fwt(t)为水动力,fv(t)为流体粘滞力,ff(t)为摩擦力,fg(t)为直线电机电磁力,m为运动部件质量,为浮子运动加速度;
浮子处于理想流体中时,忽略研究对象流体粘滞力和摩擦力,将(4),(5),(1)代入(2)得到可得:
式(6)中,z(t)为浮子运动位移;
当且仅当直线电机存在恰当电磁力时,可使能量从波浪馈入电网,记直线电机电磁力fg(t)为:
式(7)中,Rg、kc、kl为直线电机电磁力控制参数;
波浪发电系统捕获的瞬时功率为:
波浪频率会影响波浪发电系统输出功率,将式(8)代入式(7),并进行傅里叶变换,从频域分析运动部件响应:
式(8)中Ra(ω)为附加阻力,ma(ω)为附加质量,z(jω)为浮子在频域的速度,Fs(jω)为浮子在频域的水动力;
不计直线电机铁芯磁滞涡流损耗,波浪发电装置平均输出功率为复功率的实部:
联立式(9)和(10),得波浪发电装置平均输出功率为:
式(11)中,m、kS为常数,Ra(ω)、ma(ω)与频率存在非线性关系;
由于在海洋中,海洋波浪的频率有所变化,波浪发电装置在摄取波浪过的过程中,浮子的运动频率也会发生变化,故平均功率的输出值为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910253192.XA CN110071496A (zh) | 2019-03-29 | 2019-03-29 | 一种基于波浪发电的直流微电网功率优化配置与运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910253192.XA CN110071496A (zh) | 2019-03-29 | 2019-03-29 | 一种基于波浪发电的直流微电网功率优化配置与运行方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110071496A true CN110071496A (zh) | 2019-07-30 |
Family
ID=67366901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910253192.XA Pending CN110071496A (zh) | 2019-03-29 | 2019-03-29 | 一种基于波浪发电的直流微电网功率优化配置与运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110071496A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365026A (zh) * | 2020-10-12 | 2021-02-12 | 中山大学 | 一种波浪能发电装置节间距优化方法及装置 |
CN112483305A (zh) * | 2020-11-26 | 2021-03-12 | 广东电科院能源技术有限责任公司 | 一种波浪能发电装置电能变换系统和控制方法 |
CN112949188A (zh) * | 2021-03-05 | 2021-06-11 | 中国海洋大学 | 一种波浪能装置参数配置的寻优系统及方法 |
JP2022042947A (ja) * | 2020-09-03 | 2022-03-15 | 上海海洋大学 | 波力発電を利用可能な浮板式船用冷凍コンテナシステム |
CN114784784A (zh) * | 2022-03-31 | 2022-07-22 | 广东工业大学 | 一种基于纵横交叉算法的直流微电网稳定性趋优控制方法 |
CN116345967A (zh) * | 2022-10-31 | 2023-06-27 | 广东电网有限责任公司江门供电局 | 一种波浪发电系统的功率控制方法、系统和设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104022526A (zh) * | 2014-05-08 | 2014-09-03 | 南京航空航天大学 | 适用于光伏微电网系统的直直变换电路统一功率控制方法 |
WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
CN105591383A (zh) * | 2016-01-13 | 2016-05-18 | 上海电力学院 | 一种直流微网变功率控制装置及控制方法 |
CN106026170A (zh) * | 2016-06-28 | 2016-10-12 | 天津科林电气有限公司 | 一种根据电网电压调整光伏并网逆变器输入功率的控制方法 |
US20170288403A1 (en) * | 2016-02-10 | 2017-10-05 | Tabuchi Electric Co., Ltd. | Grid independent operation control unit, power conditioner, and grid independent operation control method |
CN107465192A (zh) * | 2017-08-15 | 2017-12-12 | 上海电力学院 | 混合微网的变功率控制与直流电压控制方法 |
CN108459652A (zh) * | 2018-05-11 | 2018-08-28 | 深圳供电局有限公司 | 一种局部遮阴下光伏系统最大功率跟踪控制方法 |
CN108701999A (zh) * | 2016-03-03 | 2018-10-23 | Abb瑞士股份有限公司 | 微电网的功率控制 |
-
2019
- 2019-03-29 CN CN201910253192.XA patent/CN110071496A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
CN104022526A (zh) * | 2014-05-08 | 2014-09-03 | 南京航空航天大学 | 适用于光伏微电网系统的直直变换电路统一功率控制方法 |
CN105591383A (zh) * | 2016-01-13 | 2016-05-18 | 上海电力学院 | 一种直流微网变功率控制装置及控制方法 |
US20170288403A1 (en) * | 2016-02-10 | 2017-10-05 | Tabuchi Electric Co., Ltd. | Grid independent operation control unit, power conditioner, and grid independent operation control method |
CN108701999A (zh) * | 2016-03-03 | 2018-10-23 | Abb瑞士股份有限公司 | 微电网的功率控制 |
CN106026170A (zh) * | 2016-06-28 | 2016-10-12 | 天津科林电气有限公司 | 一种根据电网电压调整光伏并网逆变器输入功率的控制方法 |
CN107465192A (zh) * | 2017-08-15 | 2017-12-12 | 上海电力学院 | 混合微网的变功率控制与直流电压控制方法 |
CN108459652A (zh) * | 2018-05-11 | 2018-08-28 | 深圳供电局有限公司 | 一种局部遮阴下光伏系统最大功率跟踪控制方法 |
Non-Patent Citations (3)
Title |
---|
杨小龙等: "孤岛模式下光储直流微电网变功率控制策略", 《电力自动化设备》 * |
毕大强等: "海岛光储直流微电网自治控制策略", 《电网技术》 * |
熊锋俊等: "基于纵横交叉算法的波浪发电装置最大功率跟踪控制", 《电测与仪表》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022042947A (ja) * | 2020-09-03 | 2022-03-15 | 上海海洋大学 | 波力発電を利用可能な浮板式船用冷凍コンテナシステム |
JP7093130B2 (ja) | 2020-09-03 | 2022-06-29 | 上海海洋大学 | 波力発電を利用可能な浮板式船用冷凍コンテナシステム |
CN112365026A (zh) * | 2020-10-12 | 2021-02-12 | 中山大学 | 一种波浪能发电装置节间距优化方法及装置 |
CN112365026B (zh) * | 2020-10-12 | 2023-10-17 | 中山大学 | 一种波浪能发电装置节间距优化方法及装置 |
CN112483305A (zh) * | 2020-11-26 | 2021-03-12 | 广东电科院能源技术有限责任公司 | 一种波浪能发电装置电能变换系统和控制方法 |
CN112949188A (zh) * | 2021-03-05 | 2021-06-11 | 中国海洋大学 | 一种波浪能装置参数配置的寻优系统及方法 |
CN114784784A (zh) * | 2022-03-31 | 2022-07-22 | 广东工业大学 | 一种基于纵横交叉算法的直流微电网稳定性趋优控制方法 |
CN114784784B (zh) * | 2022-03-31 | 2022-11-22 | 广东工业大学 | 一种基于纵横交叉算法的直流微电网稳定性趋优控制方法 |
CN116345967A (zh) * | 2022-10-31 | 2023-06-27 | 广东电网有限责任公司江门供电局 | 一种波浪发电系统的功率控制方法、系统和设备 |
CN116345967B (zh) * | 2022-10-31 | 2023-08-04 | 广东电网有限责任公司江门供电局 | 一种波浪发电系统的功率控制方法、系统和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110071496A (zh) | 一种基于波浪发电的直流微电网功率优化配置与运行方法 | |
CN105186556A (zh) | 基于改进免疫粒子群算法的大型光伏电站无功优化方法 | |
CN105321003A (zh) | 一种含vsc-hvdc的交直流系统多目标潮流优化方法 | |
Wang et al. | Load curve smoothing strategy based on unified state model of different demand side resources | |
CN106849132B (zh) | 基于群控热泵的微电网联络线功率波动平抑方法及系统 | |
CN110137993A (zh) | 一种基于光浪储互补的直流微电网系统 | |
CN107666155A (zh) | 基于Markov模型的多能互补系统随机稳定性分析方法 | |
CN107546773A (zh) | 一种基于图论的区域多微电网动态组网方法 | |
CN111614110B (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
Liu et al. | Research on energy storage and high proportion of renewable energy planning considering demand | |
CN103280825A (zh) | 一种光伏电站多台逆变器协调控制装置及控制方法 | |
Boonraksa et al. | Optimal capacity and cost analysis of hybrid energy storage system in standalone DC microgrid | |
Jeddi et al. | Load frequency control of two area interconnected power system (Diesel Generator and Solar PV) with PI and FGSPI controller | |
Wu et al. | Equivalent modeling method for regional decentralized photovoltaic clusters based on cluster analysis | |
Zhou et al. | Optimization of wind-PV hybrid power system based on interactive multi-objective optimization algorithm | |
CN203218889U (zh) | 一种通用的并网式光伏发电系统机电暂态模型 | |
jing Hu et al. | Capacity optimization of wind/PV/storage power system based on simulated annealing-particle swarm optimization | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
Datta | Fuzzy logic based frequency control by V2G aggregators | |
Sahin et al. | FPA Tuned Fuzzy Logic Controlled Synchronous Buck Converter for a Wave/SC Energy System. | |
Nandish et al. | Simulation of household appliances with energy disaggrigation using deep learning technique | |
Hongfei et al. | Optimal control virtual inertia of optical storage microgrid based on improved sailfish algorithm | |
CN109193820A (zh) | 用于对光伏发电站进行无功优化的方法、系统及存储介质 | |
Liu et al. | Multi-objective optimization dispatch of PV-MG considering demand response actions | |
AL-Maaitah et al. | Particle Swarm Optimizer for BESS Operation to Mitigate Voltage Deviation of the Modified IEEE 9-bus Power System |
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: 20190730 |