CN110212586A - 基于消纳态势划分的源-网-储多阶段风电消纳优化方法 - Google Patents

基于消纳态势划分的源-网-储多阶段风电消纳优化方法 Download PDF

Info

Publication number
CN110212586A
CN110212586A CN201910598116.2A CN201910598116A CN110212586A CN 110212586 A CN110212586 A CN 110212586A CN 201910598116 A CN201910598116 A CN 201910598116A CN 110212586 A CN110212586 A CN 110212586A
Authority
CN
China
Prior art keywords
power
wind power
output
storage device
constraint
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
Application number
CN201910598116.2A
Other languages
English (en)
Inventor
葛维春
孙峰
刘鑫蕊
李平
孙秋野
李家钰
赵芯莹
李健
张化光
黄博南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Liaoning Electric Power Co Ltd
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Liaoning Electric Power Co Ltd
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Liaoning Electric Power Co Ltd, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910598116.2A priority Critical patent/CN110212586A/zh
Publication of CN110212586A publication Critical patent/CN110212586A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/386—
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明涉及风电消纳技术领域，提供一种基于消纳态势划分的源‑网‑储多阶段风电消纳优化方法。本发明首先根据电力系统中风电出力、系统运行条件和状态，对风电消纳态势进行动态划分；然后构建不同风电消纳态势下的多源多阶段风电消纳协调优化模型：正常状态下以电力系统运行成本最低为优化目标，警戒状态下考虑接入电储能设备、以不产生弃风的前提下电储能设备出力最小且平抑风电波动为优化目标，紧急状态下考虑启动蓄热电锅炉、以风电消纳量最大为优化目标；最后利用矩估计法对风电预测，并基于遗传算法求解不同消纳态势下的优化模型。本发明能够对不同风电消纳态势下的风电消纳问题进行协调优化，实现多种优化目标，提高优化结果的有效性。

Description

基于消纳态势划分的源-网-储多阶段风电消纳优化方法
技术领域
本发明涉及风电消纳技术领域，特别是涉及一种基于消纳态势划分的源-网-储多阶段风电消纳优化方法。
背景技术
风能作为当今世界上重要的清洁能源之一，近年来，风力发电在全国乃至世界范围内发展迅猛。然而风能出力存在随机性和波动性，日变化幅度可达装机容量的80％。因此，大量的风电并网就会对电力系统的调度运行造成很大的影响，导致目前的风电高比例接入电网时，存在着很严重的弃风现象。
为有效解决风电消纳，国内外专家学者开展了大量研究工作：提出了利用电锅炉与热电联产机组进行热点联合调度提升风电消纳能力；利用电储能和蓄热式电锅炉进行供电、供热，通过增加用电负荷总量，为风电上网提供空间；通过对风电供热与弃风协调的灵活运行策略进行研究，为风电供热的项目提供参考；利用电锅炉和储热装置提高热电联产机组的灵活性，提出综合能源系统热、电集中调度的线性化模型；将某一供热区域内的热电厂、风电场及光伏电站组成虚拟电厂，加入风电供热设备实现热电机组的“热点解耦”；针对风电储能混合系统，建立多时间尺度下的混合系统联合调度模型，使得风电具有一定的可调度性；考虑风电随机性，引入电储能设备，采用随机规划方法确定风电机组的最优运行策略等。然而现有的风电消纳优化方法没有考虑不同风电消纳态势下的实际问题，优化目标比较单一，得到的优化结果较差。
发明内容
针对现有技术存在的问题，本发明提供一种基于消纳态势划分的源-网-储多阶段风电消纳优化方法，能够对不同风电消纳态势下的风电消纳问题进行协调优化，实现多种优化目标，提高风电消纳优化结果的有效性。
本发明的技术方案为：
一种基于消纳态势划分的源-网-储多阶段风电消纳优化方法，其特征在于，包括下述步骤：
步骤1：根据电力系统中风电出力、系统运行条件和状态，对风电消纳态势进行动态划分：
步骤1.1：若风电能够被完全消纳、弃风量为零且电力系统对风电留有消纳余量，则风电消纳态势为正常状态；
步骤1.2：若风电能够被完全消纳且电力系统对风电的需求趋近于零，则风电消纳态势为警戒状态；
步骤1.3：若风电不能够被完全消纳且电力系统所能容纳的风电量小于风电出力，则风电消纳态势为紧急状态；
步骤2：构建不同风电消纳态势下的多源多阶段风电消纳协调优化模型：
步骤2.1：若风电消纳态势为正常状态，则以电力系统运行成本最低为优化目标，构建正常状态下的多源多阶段风电消纳协调优化模型；
步骤2.2：若风电消纳态势为警戒状态，则考虑接入电储能设备，以不产生弃风的前提下电储能设备出力最小且平抑风电波动为优化目标，构建警戒状态下的多源多阶段风电消纳协调优化模型；
步骤2.3：若风电消纳态势为紧急状态，则考虑启动蓄热电锅炉，以风电消纳量最大为优化目标，构建紧急状态下的多源多阶段风电消纳协调优化模型；
步骤3：利用参数估计中的矩估计法对风电预测并得到风电消纳态势划分结果，接着基于遗传算法，对不同风电消纳态势下的多源多阶段风电消纳协调优化模型进行求解。
所述步骤1.1具体包括：
若电力系统同时满足式(1)至式(8)，则风电消纳态势为正常状态：
其中，分别为t时段所有工作火电机组的最小出力值、最大出力值，为t时段风电功率，为t时段所有热电机组的出力值，为t时段电负荷预测值；Nc为热电机组的热电比，为t时段热负荷，为t时段电锅炉直接供热功率，正常状态下 为蓄热装置的放热功率；Ih为火电机组总数，Ph,i,min、Ph,i,max分别为火电机组i的最小有功出力、最大有功出力，为t-1时段火电机组i的有功出力，ri,d、ri.u分别为火电机组i的向下爬坡率、向上爬坡率，T15为调度时段时长；为t时段消纳余量，Cn为系统工作点位于正常状态边界时的消纳余量，Cn为常数，当时式(8)成立。
所述步骤1.2具体包括：
若电力系统同时满足式(9)至式(14)，则风电消纳态势为警戒状态：
其中，WSDIt为t时段警戒状态界定指数；分别为t时段k时刻所有工作火电机组的最小出力值、最大出力值，为t时段k时刻风电功率，为t时段k时刻所有热电机组的出力值，为t时段k时刻电负荷预测值；警戒状态下会接入电储能设备，电储能设备在平抑风电功率波动时的响应时间是秒级的，为t时段k时刻电储能设备的输出功率，规定为正值时表示该电储能设备正在放电、为负值时表示该电储能设备正在充电，考虑到火电机组出力、热电机组出力、电负荷预测均以时段为单位，令Δt为调度时段时长； 分别为电力系统所允许的电储能设备在t时段k时刻的输出功率的上限、下限。
所述步骤1.3具体包括：
若电力系统满足下述条件：
当未启动蓄热电锅炉时，
当时，
当启动蓄热电锅炉后，
则风电消纳态势为紧急状态；其中，为t时段蓄热电锅炉的功率。
所述步骤2.1包括下述步骤：
步骤2.1.1：以电力系统运行成本最低为优化目标，构建正常状态下的目标函数为
minCt＝Cc+Ch (18)
其中，Cc为所有热电机组的燃料成本，Ch为所有火电机组的发电成本，火电机组的发电成本包括运行成本和启停成本；Tn为正常状态下的调度时段数，Ic为热电机组总数，ai、bi、ci、di、ei、fi均为热电机组煤耗系数，为t时段热电机组i的出力，为t时段热电机组i的供热功率，αi、βi、γi均为火电机组i的运行成本参数，为t时段火电机组i的运行状态，表示火电机组i处于停机状态，表示火电机组i处于运行状态，δ0i、δ1i、τi均为火电机组i的启停成本参数；
步骤2.1.2：构建正常状态下的约束条件；所述正常状态下的约束条件包括系统约束、火电机组约束、蓄热装置约束；
系统约束包括忽略网损的功率平衡约束、考虑正负备用容量的旋转备用约束：
其中，T3为旋转备用响应时间，L％为电负荷预测误差对正旋转备用的需求，fu％、fd％分别为风电出力预测误差对正旋转备用、负旋转备用的需求，Pf,max为风电最大出力值；
火电机组约束包括输出功率约束、爬坡速率约束：
蓄热装置约束包括放热功率约束、忽略热损耗的蓄热装置状态约束：
其中，Hout,max为蓄热装置的最大输出功率；为蓄热装置在t时段储存的热量。
所述步骤2.2包括下述步骤：
步骤2.2.1：考虑接入电储能设备，以不产生弃风的前提下从k时刻开始的Z个时刻内电储能设备出力最小且平抑风电波动为优化目标，构建警戒状态下的目标函数为
其中，Ta为警戒状态下的调度时段数；
步骤2.2.2：构建警戒状态下的约束条件；所述警戒状态下的约束条件包括功率平衡约束、电储能设备的功率约束、电储能设备的容量约束、合成输出功率波动平抑约束、k＝0时刻合成输出功率约束；
功率平衡约束为
电储能设备的功率约束为
其中，为t时段k时刻电储能设备的最大充电功率，为t时段k时刻电储能设备的最大放电功率；Sb,max、Sb,min分别为电储能设备荷电状态的上限、下限，为t时段k-1时刻电储能设备的荷电状态，Cb为电储能设备的额定容量，ΔTb为电储能设备的充放电时间，Pchmax、Pdhmax分别为电储能设备的充电功率最大值、放电功率最大值；
电储能设备的容量约束为
其中，为t时段k时刻电储能设备所具有的能量；
合成输出功率波动平抑约束为
其中，t时段k+1时刻的合成输出功率 分别为1min内当前时刻以及过去时刻合成输出功率波动区间的最大值、最小值，分别为15min内当前时刻以及过去时刻合成输出功率波动区间的最大值、最小值；γ1和γ15均为初始给定值，Pf,rated为风电场总装机容量；
k＝0时刻合成输出功率约束为
其中，分别为当前时刻之前的59s内合成输出功率波动区间的最大值、最小值，f1为当前时刻之前的59s内合成输出功率波动范围与风电场总装机容量的比值；分别为当前时刻之前的899s内合成输出功率波动区间的最大值、最小值，f15为当前时刻之前的899s内合成输出功率波动范围与风电场总装机容量的比值。
所述步骤2.3包括下述步骤：
步骤2.3.1：考虑启动蓄热电锅炉，以风电消纳量最大为优化目标，构建紧急状态下的目标函数为
其中，Te为紧急状态下的调度时段数；
步骤2.3.2：构建紧急状态下的约束条件；所述紧急状态下的约束条件包括系统功率平衡约束、蓄热电锅炉模型约束；
系统功率平衡约束为
蓄热电锅炉模型约束包括电热转换约束、用电约束、蓄热装置容量约束、蓄热装置储热功率约束、忽略热损耗的蓄热装置状态约束；
电热转换约束为
其中，Nr为蓄热电锅炉的电热转换系数，为蓄热装置的输入功率；
用电约束为
蓄热装置容量约束为
其中，Cs,max为最大储热容量；
蓄热装置储热功率约束为
其中，Hin,max为蓄热装置的最大输入功率；
忽略热损耗的蓄热装置状态约束为
本发明的有益效果为：
本发明在根据电力系统中风电出力、系统运行条件和状态对风电消纳态势进行动态划分的基础上，构建不同风电消纳态势下的多源多阶段风电消纳协调优化模型，能够对不同风电消纳态势下的风电消纳问题进行协调优化，实现多种优化目标，提高风电消纳优化结果的有效性，解决不同风电消纳态势下的实际问题，能够有效解决系统调峰压力、降低系统运行成本、平抑风电功率波动、实现能源高效清洁利用等问题。
附图说明
图1为本发明基于消纳态势划分的源-网-储多阶段风电消纳优化方法的流程图；
图2为本发明具体实施方式中风电消纳态势划分的结果图；
图3为本发明具体实施方式中日负荷曲线及风电出力曲线图；
图4为本发明具体实施方式中热负荷曲线图；
图5为具体实施方式中传统方法中的火电机组出力图；
图6为具体实施方式中传统方法中的风电出力图；
图7为具体实施方式中本发明的风电功率波动平抑前后输出功率对比图；
图8为具体实施方式中本发明与传统方法的风电消纳曲线对比图。
具体实施方式
下面将结合附图和具体实施方式，对本发明作进一步描述。
如图1所示，为本发明基于消纳态势划分的源-网-储多阶段风电消纳优化方法的流程图。本发明的基于消纳态势划分的源-网-储多阶段风电消纳优化方法，其特征在于，包括下述步骤：
步骤1：根据电力系统中风电出力、系统运行条件和状态，对风电消纳态势进行动态划分：
步骤1.1：若风电能够被完全消纳、弃风量为零且电力系统对风电留有消纳余量，则风电消纳态势为正常状态；
步骤1.2：若风电能够被完全消纳且电力系统对风电的需求趋近于零，则风电消纳态势为警戒状态；
步骤1.3：若风电不能够被完全消纳且电力系统所能容纳的风电量小于风电出力，则风电消纳态势为紧急状态。
所述步骤1.1具体包括：
若电力系统同时满足式(1)至式(8)，则风电消纳态势为正常状态：
其中，分别为t时段所有工作火电机组的最小出力值、最大出力值，为t时段风电功率，为t时段所有热电机组的出力值，为t时段电负荷预测值；Nc为热电机组的热电比，为t时段热负荷，为t时段电锅炉直接供热功率，正常状态下 为蓄热装置的放热功率；Ih为火电机组总数，Ph,i,min、Ph,i,max分别为火电机组i的最小有功出力、最大有功出力，为t-1时段火电机组i的有功出力，ri,d、ri.u分别为火电机组i的向下爬坡率、向上爬坡率，T15为调度时段时长；为t时段消纳余量，Cn为系统工作点位于正常状态边界时的消纳余量，Cn为常数，当时式(8)成立。
所述步骤1.2具体包括：
若电力系统同时满足式(9)至式(14)，则风电消纳态势为警戒状态：
其中，WSDIt为t时段警戒状态界定指数；分别为t时段k时刻所有工作火电机组的最小出力值、最大出力值，为t时段k时刻风电功率，为t时段k时刻所有热电机组的出力值，为t时段k时刻电负荷预测值；警戒状态下会接入电储能设备，电储能设备在平抑风电功率波动时的响应时间是秒级的，为t时段k时刻电储能设备的输出功率，规定为正值时表示该电储能设备正在放电、为负值时表示该电储能设备正在充电，考虑到火电机组出力、热电机组出力、电负荷预测均以时段为单位，令Δt为调度时段时长； 分别为电力系统所允许的电储能设备在t时段k时刻的输出功率的上限、下限。
所述步骤1.3具体包括：
若电力系统满足下述条件：
当未启动蓄热电锅炉时，
当时，
当启动蓄热电锅炉后，
则风电消纳态势为紧急状态；其中，为t时段蓄热电锅炉的功率。
步骤2：构建不同风电消纳态势下的多源多阶段风电消纳协调优化模型：
步骤2.1：若风电消纳态势为正常状态，则以电力系统运行成本最低为优化目标，构建正常状态下的多源多阶段风电消纳协调优化模型。
所述步骤2.1包括下述步骤：
步骤2.1.1：以电力系统运行成本最低为优化目标，构建正常状态下的目标函数为
minCt＝Cc+Ch (18)
其中，Cc为所有热电机组的燃料成本，Ch为所有火电机组的发电成本，火电机组的发电成本包括运行成本和启停成本；Tn为正常状态下的调度时段数，Ic为热电机组总数，ai、bi、ci、di、ei、fi均为热电机组煤耗系数，为t时段热电机组i的出力，为t时段热电机组i的供热功率，αi、βi、γi均为火电机组i的运行成本参数，为t时段火电机组i的运行状态，表示火电机组i处于停机状态，表示火电机组i处于运行状态，δ0i、δ1i、τi均为火电机组i的启停成本参数；
步骤2.1.2：构建正常状态下的约束条件；所述正常状态下的约束条件包括系统约束、火电机组约束、蓄热装置约束；
系统约束包括忽略网损的功率平衡约束、考虑正负备用容量的旋转备用约束：
其中，T3为旋转备用响应时间，L％为电负荷预测误差对正旋转备用的需求，fu％、fd％分别为风电出力预测误差对正旋转备用、负旋转备用的需求，Pf,max为风电最大出力值；
火电机组约束包括输出功率约束、爬坡速率约束：
蓄热装置约束包括放热功率约束、忽略热损耗的蓄热装置状态约束：
其中，Hout,max为蓄热装置的最大输出功率；为蓄热装置在t时段储存的热量。
警戒状态下，若想要完全接纳这部分风电，可将常规电源出力减小至最小，但此时若想要满足负荷和风电波动的需要就不能仅仅只靠调节常规机组出力，在此基础上，考虑接入电储能装置来提高系统运行的安全性。
步骤2.2：若风电消纳态势为警戒状态，则考虑接入电储能设备，以不产生弃风的前提下电储能设备出力最小且平抑风电波动为优化目标，构建警戒状态下的多源多阶段风电消纳协调优化模型。
所述步骤2.2包括下述步骤：
步骤2.2.1：考虑接入电储能设备，以不产生弃风的前提下从k时刻开始的Z个时刻内电储能设备出力最小且平抑风电波动为优化目标，构建警戒状态下的目标函数为
其中，Ta为警戒状态下的调度时段数；
步骤2.2.2：构建警戒状态下的约束条件；所述警戒状态下的约束条件包括功率平衡约束、电储能设备的功率约束、电储能设备的容量约束、合成输出功率波动平抑约束、k＝0时刻合成输出功率约束；
功率平衡约束为
电储能设备的功率约束为
其中，为t时段k时刻电储能设备的最大充电功率，为t时段k时刻电储能设备的最大放电功率；Sb,max、Sb,min分别为电储能设备荷电状态的上限、下限，为t时段k-1时刻电储能设备的荷电状态，Cb为电储能设备的额定容量，ΔTb为电储能设备的充放电时间，Pchmax、Pdhmax分别为电储能设备的充电功率最大值、放电功率最大值；
电储能设备的容量约束为
其中，为t时段k时刻电储能设备所具有的能量；
合成输出功率应同时满足1min和15min两个时间段内的功率波动平抑指标。合成输出功率波动平抑约束为
其中，t时段k+1时刻的合成输出功率 分别为1min内当前时刻以及过去时刻合成输出功率波动区间的最大值、最小值，分别为15min内当前时刻以及过去时刻合成输出功率波动区间的最大值、最小值；γ1和γ15均为初始给定值，Pf,rated为风电场总装机容量；
k＝0时刻合成输出功率约束为
其中，分别为当前时刻之前的59s内合成输出功率波动区间的最大值、最小值，f1为当前时刻之前的59s内合成输出功率波动范围与风电场总装机容量的比值；分别为当前时刻之前的899s内合成输出功率波动区间的最大值、最小值，f15为当前时刻之前的899s内合成输出功率波动范围与风电场总装机容量的比值。
紧急状态下，风电不能被完全消纳，系统所能容纳的风电量小于风电出力，为了提高系统对风电的接纳能力，尽可能地减少弃风，考虑启动蓄热电锅炉。
步骤2.3：若风电消纳态势为紧急状态，则考虑启动蓄热电锅炉，以风电消纳量最大为优化目标，构建紧急状态下的多源多阶段风电消纳协调优化模型。
所述步骤2.3包括下述步骤：
步骤2.3.1：考虑启动蓄热电锅炉，以风电消纳量最大为优化目标，构建紧急状态下的目标函数为
其中，Te为紧急状态下的调度时段数；
步骤2.3.2：构建紧急状态下的约束条件；所述紧急状态下的约束条件包括系统功率平衡约束、蓄热电锅炉模型约束；
系统功率平衡约束为
蓄热电锅炉模型约束包括电热转换约束、用电约束、蓄热装置容量约束、蓄热装置储热功率约束、忽略热损耗的蓄热装置状态约束；
电热转换约束为
其中，Nr为蓄热电锅炉的电热转换系数，为蓄热装置的输入功率；
用电约束为
蓄热装置容量约束为
其中，Cs,max为最大储热容量；
蓄热装置储热功率约束为
其中，Hin,max为蓄热装置的最大输入功率；
忽略热损耗的蓄热装置状态约束为
步骤3：利用参数估计中的矩估计法对风电预测并得到风电消纳态势划分结果，接着基于遗传算法，对不同风电消纳态势下的多源多阶段风电消纳协调优化模型进行求解。
其中，采用矩估计法用样本的经验分布和样本矩去替换总体的分布和总体矩，来对对风电预测。
本实施例中，风电消纳态势划分的结果如图2所示。
本实施例中，T15＝15min，Δt＝15min，旋转备用响应时间T3＝3min，Nr取1；系统内单台火电机组爬坡率设定为每分钟上升或下降1％的额定容量；负荷转移前的预测误差对正旋转备用的需求L％取5％；风电出力预测误差对正旋转备用的需求fu％以及对负旋转备用的需求fd％均取15％；γ1为4％，Cn取500MW。系统中火电机组的开机容量为32000MW，最小技术出力为24000MW。热电机组的装机容量为900MW，热电机组的热电比为1。风电场总装机容量为5500MW。电储能设备的最大功率为300MW，容量为500MW.h。蓄热电锅炉的最大功率为900MW，电热转换效率为1，最大蓄热容量为3000MW.h。调度周期选为一天96时段，每个时段的时长为15min。本实施例中，日负荷曲线和风电出力曲线如图3所示，热负荷曲线如图4所示。
本实施例中，基于遗传算法，对不同风电消纳态势下的多源多阶段风电消纳协调优化模型进行求解。此外，还对储能设备和蓄热电锅炉均不参与系统调度、以风电消纳量最大为优化目标的传统风电消纳方法中常规机组运行情况进行了仿真。
系统在传统方法中，从优先消纳风电的角度来看，在负荷低谷风电功率较大时，只能通过压低常规机组出力，直至运行在最小出力点。而当火电机组一直运行在最小出力点，风电出力在一定时间内又一直维持在较大水平时，只能采取弃风措施。传统方法中的火电机组出力及风电出力分别如图5和图6所示。
系统在基于三态划分的正常状态下，能够完全消纳掉当前的风电出力，实现风电消纳量最大的目标。除此之外，将当前的优化目标设定为电力系统运行成本最低，也能够达到降低运行成本的目的。
系统在基于三态划分的警戒状态下，能够完全消纳掉当前的风电出力，利用电储能设备的充放电特性，风电场的波动情况能得到很好的改善，当风电增大时，电储能设备充电，将电能存储，当风电功率减小时，电储能设备放电，为系统补充电能。本实施例中，风电功率波动平抑前后的输出功率如图7所示。在此方式下，风电功率的波动有所减小，能够使其趋于平稳。
系统在基于三态划分的紧急状态下，无法消纳掉当前所有的风电出力，即出现弃风。此时，蓄热电锅炉开始工作，从优先消纳风电的角度，以风电消纳量最大为目标，得到风电消纳曲线如图8所示。在此方式下，风电功率的消纳曲线几乎与预测风电功率曲线完全重合，能够实现风电消纳量最大的目标。图8中还示出了传统方法中的风电消纳曲线。
通过本发明的方法与传统方法的对比，可以看出，本发明的基于消纳态势划分的源-网-储多阶段风电消纳优化方法不单单能实现风电消纳最大，而且在降低系统运行成本、平抑风电功率波动方面也有很大的优势。
显然，上述实施例仅仅是本发明的一部分实施例，而不是全部的实施例。上述实施例仅用于解释本发明，并不构成对本发明保护范围的限定。基于上述实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，也即凡在本申请的精神和原理之内所作的所有修改、等同替换和改进等，均落在本发明要求的保护范围内。

Claims (7)

1.一种基于消纳态势划分的源-网-储多阶段风电消纳优化方法，其特征在于，包括下述步骤：
步骤1：根据电力系统中风电出力、系统运行条件和状态，对风电消纳态势进行动态划分：
步骤1.1：若风电能够被完全消纳、弃风量为零且电力系统对风电留有消纳余量，则风电消纳态势为正常状态；
步骤1.2：若风电能够被完全消纳且电力系统对风电的需求趋近于零，则风电消纳态势为警戒状态；
步骤1.3：若风电不能够被完全消纳且电力系统所能容纳的风电量小于风电出力，则风电消纳态势为紧急状态；
步骤2：构建不同风电消纳态势下的多源多阶段风电消纳协调优化模型：
步骤2.1：若风电消纳态势为正常状态，则以电力系统运行成本最低为优化目标，构建正常状态下的多源多阶段风电消纳协调优化模型；
步骤2.2：若风电消纳态势为警戒状态，则考虑接入电储能设备，以不产生弃风的前提下电储能设备出力最小且平抑风电波动为优化目标，构建警戒状态下的多源多阶段风电消纳协调优化模型；
步骤2.3：若风电消纳态势为紧急状态，则考虑启动蓄热电锅炉，以风电消纳量最大为优化目标，构建紧急状态下的多源多阶段风电消纳协调优化模型；
步骤3：利用参数估计中的矩估计法对风电预测并得到风电消纳态势划分结果，接着基于遗传算法，对不同风电消纳态势下的多源多阶段风电消纳协调优化模型进行求解。
2.根据权利要求1所述的基于消纳态势划分的源-网-储多阶段风电消纳优化方法，其特征在于，所述步骤1.1具体包括：
若电力系统同时满足式(1)至式(8)，则风电消纳态势为正常状态：
其中，分别为t时段所有工作火电机组的最小出力值、最大出力值，为t时段风电功率，为t时段所有热电机组的出力值，为t时段电负荷预测值；Nc为热电机组的热电比，为t时段热负荷，为t时段电锅炉直接供热功率，正常状态下 为蓄热装置的放热功率；Ih为火电机组总数，Ph,i,min、Ph,i,max分别为火电机组i的最小有功出力、最大有功出力，为t-1时段火电机组i的有功出力，ri,d、ri.u分别为火电机组i的向下爬坡率、向上爬坡率，T15为调度时段时长；为t时段消纳余量，Cn为系统工作点位于正常状态边界时的消纳余量，Cn为常数，当时式(8)成立。
3.根据权利要求2所述的基于消纳态势划分的源-网-储多阶段风电消纳优化方法，其特征在于，所述步骤1.2具体包括：
若电力系统同时满足式(9)至式(14)，则风电消纳态势为警戒状态：
其中，WSDIt为t时段警戒状态界定指数；分别为t时段k时刻所有工作火电机组的最小出力值、最大出力值，为t时段k时刻风电功率，为t时段k时刻所有热电机组的出力值，为t时段k时刻电负荷预测值；警戒状态下会接入电储能设备，电储能设备在平抑风电功率波动时的响应时间是秒级的，为t时段k时刻电储能设备的输出功率，规定为正值时表示该电储能设备正在放电、为负值时表示该电储能设备正在充电，考虑到火电机组出力、热电机组出力、电负荷预测均以时段为单位，令Δt为调度时段时长； 分别为电力系统所允许的电储能设备在t时段k时刻的输出功率的上限、下限。
4.根据权利要求3所述的基于消纳态势划分的源-网-储多阶段风电消纳优化方法，其特征在于，所述步骤1.3具体包括：
若电力系统满足下述条件：
当未启动蓄热电锅炉时，
当时，
当启动蓄热电锅炉后，
则风电消纳态势为紧急状态；其中，为t时段蓄热电锅炉的功率。
5.根据权利要求4所述的基于消纳态势划分的源-网-储多阶段风电消纳优化方法，其特征在于，所述步骤2.1包括下述步骤：
步骤2.1.1：以电力系统运行成本最低为优化目标，构建正常状态下的目标函数为
min Ct＝Cc+Ch (18)
其中，Cc为所有热电机组的燃料成本，Ch为所有火电机组的发电成本，火电机组的发电成本包括运行成本和启停成本；Tn为正常状态下的调度时段数，Ic为热电机组总数，ai、bi、ci、di、ei、fi均为热电机组煤耗系数，为t时段热电机组i的出力，为t时段热电机组i的供热功率，αi、βi、γi均为火电机组i的运行成本参数，为t时段火电机组i的运行状态，表示火电机组i处于停机状态，表示火电机组i处于运行状态，δ0i、δ1i、τi均为火电机组i的启停成本参数；
步骤2.1.2：构建正常状态下的约束条件；所述正常状态下的约束条件包括系统约束、火电机组约束、蓄热装置约束；
系统约束包括忽略网损的功率平衡约束、考虑正负备用容量的旋转备用约束：
其中，T3为旋转备用响应时间，L％为电负荷预测误差对正旋转备用的需求，fu％、fd％分别为风电出力预测误差对正旋转备用、负旋转备用的需求，Pf,max为风电最大出力值；
火电机组约束包括输出功率约束、爬坡速率约束：
蓄热装置约束包括放热功率约束、忽略热损耗的蓄热装置状态约束：
其中，Hout,max为蓄热装置的最大输出功率；为蓄热装置在t时段储存的热量。
6.根据权利要求5所述的基于消纳态势划分的源-网-储多阶段风电消纳优化方法，其特征在于，所述步骤2.2包括下述步骤：
步骤2.2.1：考虑接入电储能设备，以不产生弃风的前提下从k时刻开始的Z个时刻内电储能设备出力最小且平抑风电波动为优化目标，构建警戒状态下的目标函数为
其中，Ta为警戒状态下的调度时段数；
步骤2.2.2：构建警戒状态下的约束条件；所述警戒状态下的约束条件包括功率平衡约束、电储能设备的功率约束、电储能设备的容量约束、合成输出功率波动平抑约束、k＝0时刻合成输出功率约束；
功率平衡约束为
电储能设备的功率约束为
其中，为t时段k时刻电储能设备的最大充电功率，为t时段k时刻电储能设备的最大放电功率；Sb,max、Sb,min分别为电储能设备荷电状态的上限、下限，为t时段k-1时刻电储能设备的荷电状态，Cb为电储能设备的额定容量，ΔTb为电储能设备的充放电时间，Pchmax、Pdhmax分别为电储能设备的充电功率最大值、放电功率最大值；
电储能设备的容量约束为
其中，为t时段k时刻电储能设备所具有的能量；
合成输出功率波动平抑约束为
其中，t时段k+1时刻的合成输出功率 分别为1min内当前时刻以及过去时刻合成输出功率波动区间的最大值、最小值，分别为15min内当前时刻以及过去时刻合成输出功率波动区间的最大值、最小值；γ1和γ15均为初始给定值，Pf,rated为风电场总装机容量；
k＝0时刻合成输出功率约束为
其中，分别为当前时刻之前的59s内合成输出功率波动区间的最大值、最小值，f1为当前时刻之前的59s内合成输出功率波动范围与风电场总装机容量的比值；分别为当前时刻之前的899s内合成输出功率波动区间的最大值、最小值，f15为当前时刻之前的899s内合成输出功率波动范围与风电场总装机容量的比值。
7.根据权利要求6所述的基于消纳态势划分的源-网-储多阶段风电消纳优化方法，其特征在于，所述步骤2.3包括下述步骤：
步骤2.3.1：考虑启动蓄热电锅炉，以风电消纳量最大为优化目标，构建紧急状态下的目标函数为
其中，Te为紧急状态下的调度时段数；
步骤2.3.2：构建紧急状态下的约束条件；所述紧急状态下的约束条件包括系统功率平衡约束、蓄热电锅炉模型约束；
系统功率平衡约束为
蓄热电锅炉模型约束包括电热转换约束、用电约束、蓄热装置容量约束、蓄热装置储热功率约束、忽略热损耗的蓄热装置状态约束；
电热转换约束为
其中，Nr为蓄热电锅炉的电热转换系数，为蓄热装置的输入功率；
用电约束为
蓄热装置容量约束为
其中，Cs,max为最大储热容量；
蓄热装置储热功率约束为
其中，Hin,max为蓄热装置的最大输入功率；
忽略热损耗的蓄热装置状态约束为
CN201910598116.2A 2019-07-04 2019-07-04 基于消纳态势划分的源-网-储多阶段风电消纳优化方法 Pending CN110212586A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910598116.2A CN110212586A (zh) 2019-07-04 2019-07-04 基于消纳态势划分的源-网-储多阶段风电消纳优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910598116.2A CN110212586A (zh) 2019-07-04 2019-07-04 基于消纳态势划分的源-网-储多阶段风电消纳优化方法

Publications (1)

Publication Number Publication Date
CN110212586A true CN110212586A (zh) 2019-09-06

Family

ID=67796229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910598116.2A Pending CN110212586A (zh) 2019-07-04 2019-07-04 基于消纳态势划分的源-网-储多阶段风电消纳优化方法

Country Status (1)

Country Link
CN (1) CN110212586A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110601264A (zh) * 2019-09-23 2019-12-20 国网辽宁省电力有限公司鞍山供电公司 计及超大功率蓄热电锅炉消纳能力的多能源优化调度方法
CN110649639A (zh) * 2019-10-30 2020-01-03 国网辽宁省电力有限公司阜新供电公司 计及电热系统运行与损失成本的区域电网优化调度方法
CN110729722A (zh) * 2019-10-22 2020-01-24 东北大学 一种基于能源细胞架构的区域能源网优化调度方法
CN111952966A (zh) * 2019-12-11 2020-11-17 国网辽宁省电力有限公司经济技术研究院 考虑风电消纳能力的源荷储系统分阶段协调优化方法
CN112258064A (zh) * 2020-10-29 2021-01-22 国网甘肃省电力公司电力科学研究院 基于技术与市场灵活性统一框架的新能源消纳能力评估方法
CN112564165A (zh) * 2020-11-26 2021-03-26 云南电网有限责任公司 一种含附加热源的热电联合系统风电消纳能力监测方法
CN112766680A (zh) * 2021-01-08 2021-05-07 南京工程学院 虚拟电厂可控热负荷调度方法、系统、设备和电子介质
CN113131472A (zh) * 2021-04-16 2021-07-16 东北大学 考虑风电不确定性的含储能电-热互联系统协调调度方法
CN113241803A (zh) * 2021-05-26 2021-08-10 广东电网有限责任公司 一种基于新能源消纳的储能调度方法及计算机介质
CN113364017A (zh) * 2021-06-04 2021-09-07 国网辽宁省电力有限公司 Vmd火电机组与电池储能系统的协调消纳风电调节策略

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915396A (zh) * 2012-10-16 2013-02-06 内蒙古自治区电力科学研究院 一套计算电网风电消纳能力的方法
CN105226701A (zh) * 2015-07-28 2016-01-06 国家电网公司 基于调峰约束的风电电力消纳的分析方法
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合系统能量优化方法
CN109193815A (zh) * 2018-10-17 2019-01-11 燕山大学 一种提高风电消纳的热电联合调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915396A (zh) * 2012-10-16 2013-02-06 内蒙古自治区电力科学研究院 一套计算电网风电消纳能力的方法
CN105226701A (zh) * 2015-07-28 2016-01-06 国家电网公司 基于调峰约束的风电电力消纳的分析方法
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合系统能量优化方法
CN109193815A (zh) * 2018-10-17 2019-01-11 燕山大学 一种提高风电消纳的热电联合调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
葛维春等: ""基于风电消纳能力态势划分的源荷储系统分阶段优化策略"", 《电力系统自动化》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110601264B (zh) * 2019-09-23 2022-11-18 国网辽宁省电力有限公司鞍山供电公司 计及超大功率蓄热电锅炉消纳能力的多能源优化调度方法
CN110601264A (zh) * 2019-09-23 2019-12-20 国网辽宁省电力有限公司鞍山供电公司 计及超大功率蓄热电锅炉消纳能力的多能源优化调度方法
CN110729722A (zh) * 2019-10-22 2020-01-24 东北大学 一种基于能源细胞架构的区域能源网优化调度方法
CN110729722B (zh) * 2019-10-22 2023-11-07 东北大学 一种基于能源细胞架构的区域能源网优化调度方法
CN110649639A (zh) * 2019-10-30 2020-01-03 国网辽宁省电力有限公司阜新供电公司 计及电热系统运行与损失成本的区域电网优化调度方法
CN110649639B (zh) * 2019-10-30 2023-04-07 国网辽宁省电力有限公司阜新供电公司 计及电热系统运行与损失成本的区域电网优化调度方法
CN111952966A (zh) * 2019-12-11 2020-11-17 国网辽宁省电力有限公司经济技术研究院 考虑风电消纳能力的源荷储系统分阶段协调优化方法
CN112258064A (zh) * 2020-10-29 2021-01-22 国网甘肃省电力公司电力科学研究院 基于技术与市场灵活性统一框架的新能源消纳能力评估方法
CN112564165A (zh) * 2020-11-26 2021-03-26 云南电网有限责任公司 一种含附加热源的热电联合系统风电消纳能力监测方法
CN112766680A (zh) * 2021-01-08 2021-05-07 南京工程学院 虚拟电厂可控热负荷调度方法、系统、设备和电子介质
CN112766680B (zh) * 2021-01-08 2024-02-09 南京工程学院 虚拟电厂可控热负荷调度方法
CN113131472B (zh) * 2021-04-16 2024-08-23 东北大学 考虑风电不确定性的含储能电-热互联系统协调调度方法
CN113131472A (zh) * 2021-04-16 2021-07-16 东北大学 考虑风电不确定性的含储能电-热互联系统协调调度方法
CN113241803A (zh) * 2021-05-26 2021-08-10 广东电网有限责任公司 一种基于新能源消纳的储能调度方法及计算机介质
CN113241803B (zh) * 2021-05-26 2023-07-25 广东电网有限责任公司 一种基于新能源消纳的储能调度方法及计算机介质
CN113364017B (zh) * 2021-06-04 2024-01-09 国网辽宁省电力有限公司 Vmd火电机组与电池储能系统的协调消纳风电调节策略
CN113364017A (zh) * 2021-06-04 2021-09-07 国网辽宁省电力有限公司 Vmd火电机组与电池储能系统的协调消纳风电调节策略

Similar Documents

Publication Publication Date Title
CN110212586A (zh) 基于消纳态势划分的源-网-储多阶段风电消纳优化方法
CN109193815B (zh) 一种提高风电消纳的热电联合调度方法
CN108717594B (zh) 一种冷热电联供型多微网系统经济优化调度方法
CN106099965B (zh) 交流微电网并网状态下复杂混合储能系统的协调控制方法
CN107069786B (zh) 一种提升风电消纳的系统及方法
CN110829408B (zh) 基于发电成本约束的计及储能电力系统的多域调度方法
CN106712033B (zh) 一种热电厂消纳弃风的方法
CN105225022A (zh) 一种热电联产型微电网的经济性优化运行方法
CN108923446B (zh) 一种光伏/储能一体化系统中储能容量的配置方法
CN110991735B (zh) 一种考虑aa-caes的热电联供系统优化调度方法
CN105958537A (zh) 面向能源互联网的能源转换系统及其优化控制方法
CN109474026A (zh) 一种基于规模化固态储热的多源协调系统优化调度方法
CN111030101B (zh) 一种基于多元化大数据清洁能源消纳联动调控方法及系统
CN110707756B (zh) 一种高比例风电接入电网的光热电站日前调峰优化控制方法
Li et al. Wind-thermal-CSP bundling model with an adjustable heat storage strategy for CSP stations
CN115081700A (zh) 基于综合储能技术的数据中心多能协同优化方法及系统
CN108960564A (zh) 基于集中式建模的冷热电联供型微网配电系统调度方法
CN110070216B (zh) 一种工业园区综合能源系统经济运行优化方法
CN110826239A (zh) 一种冷热电联供型多微网主动配电系统调度方法
CN110516338A (zh) 一种冷热电联供型多微网系统调度方法
CN115313506A (zh) 一种风火储协同优化控制方法、装置及存储介质
Saren et al. An Optimized Control Strategy for Distributed Energy Storage System to Reduce the Peak-valley Difference of Distribution Network
CN109921447B (zh) 一种基于储能装置soc动态约束的微网经济调度方法
CN111740412B (zh) 含储热csp电站与电锅炉联合运行的供热期弃风消纳方法
Hangxuan et al. Coordinated Control of Gravity Energy Storage Matrix System for New Energy Power Stations in Cold Regions

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190906