CN110365042B - 一种可再生能源发电系统稳定态势感知方法 - Google Patents
一种可再生能源发电系统稳定态势感知方法 Download PDFInfo
- Publication number
- CN110365042B CN110365042B CN201910509897.3A CN201910509897A CN110365042B CN 110365042 B CN110365042 B CN 110365042B CN 201910509897 A CN201910509897 A CN 201910509897A CN 110365042 B CN110365042 B CN 110365042B
- Authority
- CN
- China
- Prior art keywords
- power generation
- renewable energy
- energy power
- generation system
- stability
- 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.)
- Active
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000013139 quantization Methods 0.000 claims abstract description 23
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 20
- 238000012512 characterization method Methods 0.000 claims abstract description 4
- 239000003990 capacitor Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000008447 perception Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H02J3/382—
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了电力系统自动化技术领域的一种可再生能源发电系统稳定态势感知方法，旨在解决现有技术中由于可再生能源发电固有的随机波动特性，难以兼顾系统稳定性感知的快速性与精确性的技术问题。所述方法包括如下步骤：基于不同分析步长，分别设计可再生能源发电系统稳定性量化分析近似算法；从可再生能源发电系统受扰情形库中提取一受扰情形，利用基于不同分析步长设计的近似算法，分别提炼获取可再生能源发电系统在受扰情形下的稳定性量化信息；利用稳定性量化信息间的差异，表征可再生能源发电系统在受扰情形下的时变特性；基于时变特性匹配恰当的量化算法执行分析，直至完成受扰情形库中全部受扰情形下的稳定程度量化表征。
Description
技术领域
本发明涉及一种可再生能源发电系统稳定态势感知方法，属于电力系统自动化技术领域。
背景技术
促进能源电力系统由以煤炭、石油为代表的传统化石能源，向以风电、光伏为代表的可再生能源转型，是新一代电力系统的重大使命，目的在于构建清洁低碳、安全高效的能源体系。
由于可再生能源发电固有的随机波动特性，使得大规模可再生能源并网的电力电子化电力系统不确定因素以及时变因素剧增，电力系统安全稳定态势日趋复杂且越来越接近临界，对系统稳定性分析及控制的准确性和快速性要求更加严格，控制难度不断增大，表现在两个方面：一方面，对于包括可再生能源发电系统在内的稳控协同实时优化的要求越来越迫切；另一方面，已有工程化的电力系统安全稳定控制方案难以实现对可再生能源发电系统的精细化控制，仅能实施相对保守的新能源场站级控制策略。
量化感知系统稳定态势，是执行后续协同控制的先决条件。即使能够提炼获取可再生能源发电系统稳定性量化指标，还必须进一步实现量化稳定信息的快速感知，即兼顾可再生能源发电系统稳定性感知的快速性与精确性，才能真正实现计及可再生能源发电系统的在线协同控制。
发明内容
本发明的目的在于克服现有技术中的不足，提供了一种可再生能源发电系统稳定态势感知方法，包括如下步骤：
基于不同分析步长，分别设计可再生能源发电系统稳定性量化分析算法，所述算法包括近似算法和精确算法；
从可再生能源发电系统受扰情形库中提取一受扰情形，利用基于不同分析步长设计的近似算法，分别提炼获取可再生能源发电系统在所述受扰情形下的稳定性量化信息；
利用稳定性量化信息间的差异，表征可再生能源发电系统在所述受扰情形下的时变特性；
基于所述受扰情形下的时变特性，匹配恰当的量化算法执行分析，从而完成所述受扰情形下的稳定程度量化表征；
重复上述过程，直至完成受扰情形库中全部受扰情形下的稳定程度量化表征。
进一步地，基于不同分析步长，分别设计可再生能源发电系统稳定性量化分析算法，包括：
将影响可再生能源发电系统动态稳定的各动态元件按交流电抗电流、直流电容电压、机电转速三个时间尺度分类，获得各类动态元件的最小时间常数，依次记为tX、tC、tR，且tX＜tC＜tR；
分别以tX、tC、tR为分析步长，设计可再生能源发电系统稳定性量化分析算法；
其中，以tX为分析步长的可再生能源发电系统稳定性量化分析算法为精确算法，记为REQAX；以tC、tR为分析步长的可再生能源发电系统稳定性量化分析算法为近似算法，分别记为REQAC、REQAR。
进一步地，利用稳定性量化信息间的差异，表征可再生能源发电系统在所述受扰情形下的时变特性，包括：由REQAC所得量化裕度ηC(d)与由REQAR所得量化裕度ηR(d)间差异，来表征可再生能源发电系统在所述受扰情形下的时变特性。
进一步地，可再生能源发电系统在所述受扰情形下的时变特性包括如下公式：
式中，σ1为第一时变特性，d为表征扰动情形的参量，max()为求取最大值。
进一步地，可再生能源发电系统在所述受扰情形下的时变特性还包括如下公式：
式中，σ2为第二时变特性，Mi(t)为t时刻可再生能源发电子系统i等效惯量，ωi(t)为t时刻可再生能源发电子系统i等效角速度，Mg(t)为t时刻簇G中各可再生能源发电子系统等效惯量的等值，ωg(t)为t时刻簇G中各可再生能源发电子系统等效角速度的等值。
进一步地，基于所述受扰情形下的时变特性，匹配恰当的量化算法执行分析，包括：
如果σ1和σ2均小于预设阈值，匹配REQAR执行分析；
如果σ1或σ2小于预设阈值，匹配REQAC执行分析。
进一步地，基于所述受扰情形下的时变特性，匹配恰当的量化算法执行分析，还包括：
如果σ1和σ2均不小于预设阈值，匹配REQAX执行分析。
进一步地，预设阈值的取值范围是(0，0.5]。
与现有技术相比，本发明所达到的有益效果：可实现可再生能源发电系统稳定态势快速准确感知，可进一步兼顾可再生能源发电系统稳定分析精确性和快速性，为指导大规模电力电子设备主导的可再生能源发电系统在线协同控制奠定了基础。
附图说明
图1是本发明具体实施方式提供的一种可再生能源发电系统稳定态势感知方法流程图；
图2是本发明具体实施方式提供的一种可再生能源发电系统稳定性量化分析方法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，是本发明具体实施方式提供的一种可再生能源发电系统稳定态势感知方法流程图，所述方法包括如下步骤：
步骤一，描述的是分析精度各不相同的可再生能源发电系统稳定性量化分析近似算法的设计，即：基于不同分析步长，设计可再生能源发电系统稳定性量化分析精度各不相同的近似算法；
具体说来，针对可再生能源发电系统内各元件，将影响系统动态稳定的各动态元件按交流电抗电流、直流电容电压、机电转速三个时间尺度分类，获得各类别动态元件的最小时间常数，依次分别记为tX、tC、tR；
分别以tX、tC、tR为分析步长，设计三种分析精度各不相同的可再生能源发电系统稳定性量化分析算法；
其中，以tX为分析步长的可再生能源发电系统稳定性量化分析算法为精确算法，记为REQAX；以tC、tR为分析步长的可再生能源发电系统稳定性量化分析算法为近似算法，分别记为REQAC、REQAR。
本实施例中，REQAX、REQAC、REQAR三种算法原理一致，均采用一种可再生能源发电系统稳定性量化分析方法；
如图2所示，是本发明具体实施方式提供的一种可再生能源发电系统稳定性量化分析方法流程图；
步骤1描述的是，可再生能源发电系统内幅相等效参量的提炼：可再生能源发电系统稳定性量化分析流程启动后，针对该系统内各子系统，提炼包括幅值、相角在内的幅相等效参量以表征各子系统动态特性；
具体说来，构建含可再生能源发电子系统的简单电力系统，在明晰可再生能源发电子系统内时间尺度各不相同的控制环节特性的基础上，以旋转电压矢量模拟其运行特性，基于电力电子拓扑及矢量控制特性，揭示其不平衡功率Pub同各参量间物理关联，提炼包括运动状态参量W(如内电势相角δ)、非运动状态参量X(如内电势幅值E)、代数参量Y(如端电压幅值U)在内的关键参量，表征各可再生能源发电子系统运行特性；
步骤2描述的是，可再生能源发电系统稳定性运动方程的建立：借鉴哈密顿力学理论，基于能量观点建立描述各可再生能源发电子系统稳定性的运动方程；
具体说来，借鉴传统同步发电机系统中建立转子角运动方程的研究思路，结合哈密顿力学理论，参照电系统和机械系统各物理量间对应关系，建立如式(1)所示的在某扰动情形下(扰动参量记为Z)、计及元件控制和保护特性的可再生能源发电系统稳定性运动方程：
式(1)中，i代表第i个可再生能源发电子系统，Ji(t)代表可再生能源发电子系统i等效惯量，n代表可再生能源发电子系统i的运动状态参量Wi导数的阶数，Wi (n)代表可再生能源发电子系统i的运动状态参量Wi的n阶导数，Pub.i代表影响可再生能源发电子系统i运动状态参量的函数，W代表由可再生能源发电系统内各运动状态参量构成的向量，X代表由可再生能源发电系统内各非运动状态参量构成的向量，Y代表由可再生能源发电系统内各代数参量构成的向量，Z代表由可再生能源发电系统内各扰动参量构成的向量，t代表时间参量，m代表可再生能源发电子系统i的非运动状态参量Xi导数的阶数，Xi (m)代表可再生能源发电子系统i的非运动状态参量Xi的m阶导数，f代表影响可再生能源发电子系统i非运动状态参量的函数，g代表描述可再生能源发电系统网络约束的函数；
步骤3描述的是，基于数值积分求解描述各可再生能源发电子系统稳定性运动方程，得到受扰后各子系统幅相等效参量受扰轨迹；
步骤4描述的是，针对各子系统执行同调分群：基于各可再生能源发电子系统间稳定性交互特性，设置各子系统同调判据、执行分群；
具体说来，各可再生能源发电子系统间稳定性交互特性的揭示方法为：针对可再生能源发电系统，摄动其子系统i不平衡功率Pub.i，同时获得Pub.i同子系统i内电势幅值Ei、子系统i内电势相角δi间，以及Pub.i同子系统j不平衡功率Pub.j、子系统j内电势幅值Ej、子系统j内电势相角δj间关联关系，由此推知可再生能源发电子系统间的交互耦合特性；
步骤5描述的是，获得可再生能源发电系统的等值系统：以各可再生能源发电子系统等效惯量为加权项，将各子系统幅相等效参量执行等值聚合，获得等值单可再生能源发电系统；
具体说来，将各子系统等效状态参量执行等值聚合的方法为：
式(2)中，以运动状态参量为例，示意了可再生能源发电系统内各子系统等值聚合的方法。该式中，Wi(tk)代表tk时刻子系统i运动状态参量，Mi(tk)代表tk时刻子系统i等效惯量，Weq(tk)代表tk时刻等值系统运动状态参量；
步骤6描述的是，量化原可再生能源发电系统稳定程度：针对等值得的单可再生能源发电系统，针对其幅相等效参量受扰轨迹执行数据挖掘，得原可再生能源发电系统稳定性量化指标；
具体说来，针对等值可再生能源发电系统，挖掘其等效参量信息，从而获得原可再生能源发电系统稳定性量化指标的方法，可类同于专著《运动稳定性量化理论——非自治非线性多刚体系统的稳定性分析》(薛禹胜著,江苏科学技术出版社,1999)中所揭示的思维方式。
本实施例不同之处在于，应用数值积分法求解描述可再生能源发电系统稳定性运动方程的分析步长依次为tX、tC、tR，且tX＜tC＜tR；应用三种可再生能源发电系统稳定性量化分析算法进行分析时所需计算代价依次为CX、CC、CR，且CX＞CC＞CR；应用三种可再生能源发电系统稳定性量化分析算法进行分析时所得计算精度依次为AX、AC、AR，且AX＞AC＞AR。
步骤二，描述的是具体受扰情形下可再生能源发电系统时变特性的提取，即：从可再生能源发电系统受扰情形库中提取一受扰情形，利用基于不同分析步长设计的近似算法，分别提炼获取可再生能源发电系统在所述受扰情形下的稳定性量化信息，利用稳定性量化信息间的差异，表征可再生能源发电系统在所述受扰情形下的时变特性；
具体说来，可直接利用特定受扰情形下，由近似算法REQAC、REQAR所得量化裕度ηC(d)、ηR(d)间差异，来表征该情形下系统时变特性，所述公式如下：
式中，σ1为第一时变特性，d为表征扰动情形的参量，max()为求取最大值；
亦可利用特定受扰情形下，由近似算法REQAC执行量化分析时所得中间结论，如各可再生能源发电子系统受扰后的运动趋同程度，来表征该情形下系统时变特性，所述公式如下：
式中，σ2为第二时变特性，Mi(t)为t时刻可再生能源发电子系统i等效惯量，ωi(t)为t时刻可再生能源发电子系统i等效角速度，Mg(t)为t时刻簇G中各可再生能源发电子系统等效惯量的等值，ωg(t)为t时刻簇G中各可再生能源发电子系统等效角速度的等值。
步骤三，描述的是可再生能源发电系统稳定态势快速准确感知框架的设计，即：基于所述受扰情形下的时变特性，匹配恰当的量化算法执行分析，以兼顾系统稳定性感知的快速性与精确性，直至完成受扰情形库中全部受扰情形下的稳定程度量化表征，具体如下：
如果σ1和σ2均小于预设阈值，匹配REQAR执行分析；
如果σ1或σ2小于预设阈值，匹配REQAC执行分析；
如果σ1和σ2均不小于预设阈值，匹配REQAX执行分析；
预设阈值的取值范围是(0，0.5]。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (2)
1.一种可再生能源发电系统稳定态势感知方法，其特征是，包括如下步骤：
基于不同分析步长，分别设计可再生能源发电系统稳定性量化分析算法，所述算法包括近似算法和精确算法；
从可再生能源发电系统受扰情形库中提取一受扰情形，利用基于不同分析步长设计的近似算法，分别提炼获取可再生能源发电系统在所述受扰情形下的稳定性量化信息；
利用稳定性量化信息间的差异，表征可再生能源发电系统在所述受扰情形下的时变特性；
基于所述受扰情形下的时变特性，匹配恰当的量化算法执行分析，从而完成所述受扰情形下的稳定程度量化表征；
重复上述过程，直至完成受扰情形库中全部受扰情形下的稳定程度量化表征；
基于不同分析步长，分别设计可再生能源发电系统稳定性量化分析算法，包括：
将影响可再生能源发电系统动态稳定的各动态元件按交流电抗电流、直流电容电压、机电转速三个时间尺度分类，获得各类动态元件的最小时间常数，依次记为tX、tC、tR，且tX＜tC＜tR；
分别以tX、tC、tR为分析步长，设计可再生能源发电系统稳定性量化分析算法；
其中，以tX为分析步长的可再生能源发电系统稳定性量化分析算法为精确算法，记为REQAX；以tC、tR为分析步长的可再生能源发电系统稳定性量化分析算法为近似算法，分别记为REQAC、REQAR；
利用稳定性量化信息间的差异，表征可再生能源发电系统在所述受扰情形下的时变特性，包括：由REQAC所得量化裕度ηC(d)与由REQAR所得量化裕度ηR(d)间差异，来表征可再生能源发电系统在所述受扰情形下的时变特性；
可再生能源发电系统在所述受扰情形下的时变特性包括如下公式：
式中，σ1为第一时变特性，d为表征扰动情形的参量，max()为求取最大值；
可再生能源发电系统在所述受扰情形下的时变特性还包括如下公式：
式中，σ2为第二时变特性，Mi(t)为t时刻可再生能源发电子系统i等效惯量，ωi(t)为t时刻可再生能源发电子系统i等效角速度，Mg(t)为t时刻簇G中各可再生能源发电子系统等效惯量的等值，ωg(t)为t时刻簇G中各可再生能源发电子系统等效角速度的等值；
基于所述受扰情形下的时变特性，匹配恰当的量化算法执行分析，包括：
如果σ1和σ2均小于预设阈值，匹配REQAR执行分析；
如果σ1或σ2小于预设阈值，匹配REQAC执行分析；
基于所述受扰情形下的时变特性，匹配恰当的量化算法执行分析，还包括：
如果σ1和σ2均不小于预设阈值，匹配REQAX执行分析。
2.根据权利要求1所述的可再生能源发电系统稳定态势感知方法，其特征是，预设阈值的取值范围是(0，0.5]。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910509897.3A CN110365042B (zh) | 2019-06-13 | 2019-06-13 | 一种可再生能源发电系统稳定态势感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910509897.3A CN110365042B (zh) | 2019-06-13 | 2019-06-13 | 一种可再生能源发电系统稳定态势感知方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110365042A CN110365042A (zh) | 2019-10-22 |
| CN110365042B true CN110365042B (zh) | 2022-08-19 |
Family
ID=68216089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910509897.3A Active CN110365042B (zh) | 2019-06-13 | 2019-06-13 | 一种可再生能源发电系统稳定态势感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110365042B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109492897A (zh) * | 2018-11-05 | 2019-03-19 | 南瑞集团有限公司 | 基于能量的暂态稳定和振荡动态的统一分析方法、装置及系统 |
-
2019
- 2019-06-13 CN CN201910509897.3A patent/CN110365042B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109492897A (zh) * | 2018-11-05 | 2019-03-19 | 南瑞集团有限公司 | 基于能量的暂态稳定和振荡动态的统一分析方法、装置及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110365042A (zh) | 2019-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rahimilarki et al. | Convolutional neural network fault classification based on time-series analysis for benchmark wind turbine machine | |
| CN102074955B (zh) | 基于知识发现技术的电力系统稳定评估及控制方法 | |
| CN110879917A (zh) | 一种基于迁移学习的电力系统暂态稳定自适应评估方法 | |
| CN108964046B (zh) | 一种基于短时受扰轨迹的电力系统暂态稳定性评估方法 | |
| CN110994604B (zh) | 基于lstm-dnn模型的电力系统暂态稳定评估方法 | |
| CN108092304B (zh) | 基于相轨迹与相对动能变化率的电力系统暂态稳定性判别方法 | |
| CN111628494B (zh) | 一种基于逻辑回归法的低压配电网拓扑识别方法及系统 | |
| CN108335010A (zh) | 一种风电出力时间序列建模方法及系统 | |
| CN108959704B (zh) | 一种考虑形态变化的奖惩权重型仿真序列相似性分析方法 | |
| CN110609477A (zh) | 一种基于深度学习的电力系统暂态稳定性判别系统及方法 | |
| CN112200694A (zh) | 基于图神经网络的主导失稳模式识别模型构建及应用方法 | |
| Zhang et al. | Transient stability prediction of power systems based on deep belief networks | |
| CN110649588B (zh) | 一种柔性直流输电控制系统攻击量化评估方法 | |
| CN110365042B (zh) | 一种可再生能源发电系统稳定态势感知方法 | |
| CN110212571B (zh) | 一种可再生能源发电系统稳定性量化分析方法 | |
| CN111293693A (zh) | 基于扩展卡尔曼滤波的双馈风机变流器控制参数辨识方法 | |
| CN108233382B (zh) | 一种提取直角坐标潮流方程雅可比矩阵的方法 | |
| CN111179110B (zh) | 虚拟电厂可变阶聚合等效鲁棒动态模型建模方法及装置 | |
| CN107102543A (zh) | 一种能量路由器抗干扰控制器的形成方法及装置 | |
| CN112257997A (zh) | 一种基于神经网络的pcs转化率计算方法及系统 | |
| Jie et al. | The study for data mining of distribution network based on particle swarm optimization with clustering algorithm method | |
| Wang et al. | Ensemble Learning Model of Power System Transient Stability Assessment Based on Bayesian Model Averaging Method | |
| Yin et al. | Research of fault prognostic based on LSSVM for electronic equipment | |
| CN114723104B (zh) | 一种风电机组机舱电气设备能耗优化综合建模方法及系统 | |
| Gu et al. | Modeling and optimization of beam pumping system based on intelligent computing for energy saving |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |