CN110751328A - 基于联合加权熵的高比例可再生能源电网适应性规划方法 - Google Patents

基于联合加权熵的高比例可再生能源电网适应性规划方法 Download PDF

Info

Publication number
CN110751328A
CN110751328A CN201910989048.2A CN201910989048A CN110751328A CN 110751328 A CN110751328 A CN 110751328A CN 201910989048 A CN201910989048 A CN 201910989048A CN 110751328 A CN110751328 A CN 110751328A
Authority
CN
China
Prior art keywords
power grid
power
index
renewable energy
adaptability
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
CN201910989048.2A
Other languages
English (en)
Inventor
苟竞
刘方
杨新婷
苏韵掣
李奥
刘莹
雷云凯
晁化伟
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.)
Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Sichuan 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 Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN201910989048.2A priority Critical patent/CN110751328A/zh
Publication of CN110751328A publication Critical patent/CN110751328A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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

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

Abstract

本发明公开了基于联合加权熵的高比例可再生能源电网适应性规划方法，包括步骤S1，建立基于适应性指标的输电网多目标规划模型，该规划模型以新建输电线路为变量，以建设总成本、电网状态适应性指标、电网结构适应性指标为目标函数，约束条件包含电网连通性约束、新建线路回数约束和电网安全运行约束；步骤S2，采用多目标粒子群算法结合带层次分析约束锥的数据包络分析法对所述输电网多目标规划模型进行求解，得到优化的规划方案。本发明基于均匀性理论及熵理论，并考虑了不确定运行环境下，电网实际状态的安全性及稳定性、电网电气结构的均衡性及合理性，更适用于多维属性下的电网多目标规划。

Description

基于联合加权熵的高比例可再生能源电网适应性规划方法
技术领域
本发明涉及输电网技术领域，具体涉及基于联合加权熵的高比例可再生能源电网适应性规划方法。
背景技术
为缓解日益紧张的能源危机及环境污染问题，各能源大国均提出可再生能源发展战略，力争通过大规模开发风能、太阳能等可再生能源，加快用能模式向清洁化、多元化、无碳化转型。预计至本世纪中叶，世界主要国家可再生能源发电占比将达总发电量的50％以上。但可再生能源出力的多时空分布特性会对电网产生巨大冲击，其随机性将使电网运行方式更加分散化、复杂化，进一步增大了电力系统的运行风险。在此背景下，电网结构限制将作为重要因素制约电力系统安全稳定运行、影响系统对可再生能源并网的适应能力。因此，为保证可再生能源接入后系统的可靠性，亟需规划建设具有高适应性的电网结构，而评估电网适应性作为电网规划的基础性工作亟待开展。
目前，国内外对电力系统适应性理论已有一定研究基础。适应性是指评估主体对某特定因素的接纳能力，评价角度包含安全性、可靠性、经济性、灵活性、风险评估等内容。中国电机工程学报第35卷第6期1363-1370段基于均匀性理论和复杂网络理论，建立反映电网自组织临界性的指标，以分析电网结构及运行状态对故障的适应性；电力系统自动化第33卷第23期19-23段针对故障及灾害情况下，机组被迫停运的现象，提出发电容量适应性指标并指导电网规划，以提高规划方案对发电厂不同出力方式的适应性；而随着电力系统不断发展，电网规模不断扩大，由于各类新型可再生能源资源的接入，电网呈现出新的适应性需求。在考虑可再生能源并网后，电力系统适应性评估主要围绕源-荷灵活性供需平衡分析展开。电力系统自动化第41卷第21期46-54段通过规划灵活性电源以适应可再生能源出力波动及预测误差等不确定性，提高可再生能源消纳水平。但灵活性理论主要从功率供需平衡角度评估系统对可再生能源出力波动的适应性，缺乏对运行状态的充分考量。同时，就目前研究而言，可再生能源并网环境下的电网适应性研究主要从不同角度对既有电网进行适应性分析，鲜有面向电网规划的适应性评估且缺乏与电网规划的关联应用。
发明内容
为了克服现有技术的不足，满足可再生能源大规模并网的发展趋势，实现可再生能源安全并网，提升电网对可再生能源的适应能力，对不确定冲击的承受能力，本发明提供了基于联合加权熵的高比例可再生能源电网适应性规划方法。本发明基于均匀性理论及熵理论，该指标体系考虑了不确定运行环境下，电网实际状态的安全性及稳定性、电网电气结构的均衡性及合理性。并通过联合加权熵指标的应用，对电网状态及结构适应性指标进行有效降维、整合，更适用于多维属性下的电网多目标规划。
本发明通过下述技术方案实现：
基于联合加权熵的高比例可再生能源电网适应性规划方法，该方法包括以下步骤：
步骤S1，建立基于适应性指标的输电网多目标规划模型，该规划模型以新建输电线路为变量，以建设总成本C、电网状态适应性指标HF，B、电网结构适应性指标HD，L为目标函数，约束条件包含电网连通性约束、新建线路回数约束和电网安全运行约束；
步骤S2，采用多目标粒子群算法结合带层次分析约束锥的数据包络分析法对所述输电网多目标规划模型进行求解，得到优化的规划方案。
优选的，所述目标函数具体为：
F＝min{f1(C)，f2(HF，B)，f3(HD，L)}
Figure BDA0002237644530000023
f2(HF，B)＝HF，B
f3(HD，L)＝HD，L
式中：k1＝r(1+r)n/[(1+r)n-1]为资金回收系数；k2为工程固定运行费率；r为贴现率；n为工程经济适用年限；c为输电线路单位投资成本，xi、li分别为输电线路i的建设回数及总长度；Ωl为新建线路集合。
优选的，所述电网连通性约束为：对初始规划方案进行连通性判断，确保无供电孤岛节点及N-1供电孤岛节点出现，对不满足约束的初始方案进行线路增设修复；
所述新建线路回数约束为：
式中：分别为线路i的新建回数上、下限；Z为整数集；
所述电网安全运行约束为：
Figure BDA0002237644530000031
Figure BDA0002237644530000032
Figure BDA0002237644530000033
式中：B、θ、Pg、PREG、PL分别为节点导纳矩阵、节点电压相角向量、发电机节点出力向量、可再生能源机组节点出力向量、负荷节点功率向量；ΩL为电网现有线路及新建线路集合；Ωg为电网发电机组集合；Pg，i、
Figure BDA0002237644530000034
为额定运行状态下发电机组i的出力值及其上、下限；s为典型运行场景；t为典型运行场景时刻；上标“N-1”为N-1状态下的变量，上标“s，t”为典型场景下的变量。
优选的，其特征在于，所述电网状态适应性指标HF，B为：
Figure BDA0002237644530000035
式中：p(Fk)为线路期望负载率处于区间k的概率，p(Bk′)为线路功率波动率处于区间k′的概率；ω(Fk)为处于区间k的所有线路期望负载功率的均值，ω(Bk′)为处于区间k′的所有线路功率波动率的均值。
优选的，所述电网结构适应性指标HD，L为：
Figure BDA0002237644530000036
式中：p(Dk)为节点电气介数处于区间k的概率，p(Lk′)为支路电气介数处于区间k′的概率；ω(Dk)为处于区间k的所有节点电气介数的均值，ω(Lk′)为处于区间k′的所有支路电气介数的均值。
优选的，所述步骤S2具体采用多目标粒子群算法对所述输电网多目标规划模型进行求解，得到帕累托解集；然后根据DEAHIP综合决策方法，求得所述帕累托解集中优化的规划方案。
优选的，所述DEAHIP综合决策模型为：
Figure BDA0002237644530000046
Figure BDA0002237644530000041
式中：yi0＝[y1i0，y2i0，…，ysi0]T是决策单元DMUi()的输出指标集；u＝[u1，u2，…，us]T是决策单元DMUi()的输出指标权重集；xi0＝[x1i0，x2i0，…，xmi0]T是决策单元DMUi()的输入指标集；v＝[v1，v2，…，vm]T是决策单元DMUi()的输入指标权重集；Ei0为决策单元DMUi()的效率评价指数；t＝1/vTxi0，ω＝tv，μ＝tu；
Figure BDA0002237644530000042
Cm为输入指标比较矩阵，
Figure BDA0002237644530000043
为输入指标判断矩阵，λC为输入判断矩阵最大特征值，Em为m阶单位矩阵；
Figure BDA0002237644530000044
Bs为输出指标比较矩阵，
Figure BDA0002237644530000045
为输出指标判断矩阵，λB为输出判断矩阵最大特征值，Es为s阶单位矩阵。
本发明具有如下的优点和有益效果：
1、相较于现有评价体系较为单一，无法充分体现可再生能源并网对输电网多方面的影响。本发明提出一套适用于高比例可再生能源接入的适应性指标体系，包含电网状态适应性及电网结构适应性指标，以评估电网结构及电网状态对可再生能源并网的适应能力。基于均匀性理论及熵理论，该指标体系考虑了不确定运行环境下，电网实际状态的安全性及稳定性、电网电气结构的均衡性及合理性。并通过联合加权熵指标的应用，对电网状态及结构适应性指标进行有效降维、整合，更适用于多维属性下的电网多目标规划。
2、相较于传统以经济性和可靠性为目标的确定性输电网规划方法难以适应未来高比例可再生能源电力系统复杂多变的运行场景，且缺少对网架与运行状态的综合考虑。本发明基于电网结构适应性和电网状态适应性指标体系量化评估规划方案对可再生能源并网的承受能力，从全局着眼，统筹兼顾，在计及大规模可再生能源发电并网的基础上，提出一种网架布局坚强、合理，潮流分布均衡、稳定，系统适应力强、社会效益最优并对可再生能源有较高消纳能力的适应性输电网规划模型，能够保证系统安全、稳定、高效运行的同时，提升系统对可再生能源的接纳能力，降低系统运行风险，为电网规划工作做出科学有效的指导，最终实现资源利用最优化和社会效益最大化，符合工程实际要求。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的规划模型求解流程示意图。
图2为本发明采用多目标粒子群算法求解得到的帕累托解集。
图3为本发明根据DEAHP综合决策求得帕累托解集中的最优折中规划方法网络结构。
图4为指标有效性分析示意图。
图5为不同可再生能源比例下电网状态适应性指标变化趋势图。
具体实施方式
在下文中，可在本发明的各种实施例中使用的术语“包括”或“可包括”指示所发明的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本发明的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
在本发明的各种实施例中，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。
在本发明的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本发明的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。
应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。
在本发明的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本实施例提出了基于联合加权熵的高比例可再生能源电网适应性规划方法，本实施例基于均匀性理论及熵理论，该指标体系考虑了不确定运行环境下，电网实际状态的安全性及稳定性、电网电气结构的均衡性及合理性。并通过联合加权熵指标的应用，对电网状态及结构适应性指标进行有效降维、整合，更适用于多维属性下的电网多目标规划。然后，基于适应性指标体系及电网投资成本建立多目标电网规划模型，并采用带层次分析约束锥的数据包络分析法(data envelopment analysis model with analytic hierarchyprocess restraint cone，DEAHP)对Pareto非劣解集进行综合决策以获取最优方案。
本实施例中采用的联合加权熵技术原理如下：
1、联合加权熵指标
加权熵是对信息论中熵概念的拓展，通过将主观价值引入信息度量中，加权熵能够同时测度系统事件分布的有序性及事件分布的严重程度，更为全面。
假设系统有n个不确定事件，各事件发生的概率分别为p(x1)，p(x2)，…，p(xn)，各事件的权重分别为ω1，ω2，…，ωn，代表各事件的严重程度，且
Figure BDA0002237644530000061
则系统的的加权熵为：
Figure BDA0002237644530000062
加权熵越小，代表系统事件集中、有序分布于严重程度较低范围，系统安全、稳定性较高；反之亦然。
对于复杂系统而言，往往具有多类不确定事件，需要同时关注不同类型事件对系统整体的影响。以二维事件为例，在信息论中，联合信源可以认为由2个信源X、Y组成，可表示两类不同事件，其概率分布表示如下：
Figure BDA0002237644530000071
将2个信源合成为1个联合信源，其联合概率空间为：
Figure BDA0002237644530000072
二维信源的联合熵是指联合信源的数学期望，它是二维信源的平均不确定性的度量，若信源X、Y的权值分别为ωi、λj，则二维信源的联合加权熵为：
根据二维信源联合熵的性质，当二维信源相互独立、取值固定时，可将其计算解耦，联合加权熵可进一步表示为：
Figure BDA0002237644530000074
从上述定义可知，联合加权熵可以有效利用一个数值从整体上反应不同类型事件各自分布的有序程度及严重程度对系统整体的影响，简单直观。联合加权熵越小，代表同一系统中，不同类型事件都集中分布于严重程度较低的区间，系统越安全、稳定。
在高比例可再生能源并网背景下，电力系统将具有更多维度属性，联合加权熵指标能从均衡性、严重性两方面有效整合不同因素对系统整体的影响。因此更适用于可再生能源大规模并网背景下，面向电网规划的电力系统安全适应性分析。
本实施例的规划方法具体包括以下步骤：
步骤S1，建立基于适应性指标的输电网多目标规划模型，该规划模型以新建输电线路为变量，以建设总成本C、电网状态适应性指标HF，B、电网结构适应性指标HD，L为目标函数，约束条件包含电网连通性约束、新建线路回数约束和电网安全运行约束。
具体的步骤S1包括：
步骤S11，本实施例步骤基于电力系统自组织临界理论、均匀性理论及高比例可再生能源电网运行特征，从安全适应性角度出发，定义高比例可再生能源电网适应性为：在源-荷双重波动随机运行环境下，电网依靠坚强拓扑结构抵御不确定冲击、平抑功率波动，始终维持安全、稳定运行状态的能力，其内容包含电网状态及电网结构安全适应性分析两部分。具体为：
1、电网状态适应性
电力系统自组织临界性理论认为，在系统总负荷一定情况下，若各线路负载率集中、有序分布于低负载率区间，则系统运行状态越安全、距离自组织临界状态越远。但在可再生能源并网运行环境下，系统运行状态处于动态变化中，单纯基于某确定潮流断面对负载率分布进行均匀性评估，无法体现不确定运行周期内，系统潮流转移对评估结果的影响。因此，本专利提出线路期望负载率及线路功率波动率，以从平均状态及波动范围角度，共同刻画系统实际运行特性，公式如下。
线路期望负载率：
Figure BDA0002237644530000081
式中：Fi为线路i期望负载率；pi为线路i的输送功率值；
Figure BDA0002237644530000082
为线路i的输送功率概率密度函数；si，max为线路i的额定传输容量。
线路功率波动率：
Figure BDA0002237644530000083
Figure BDA0002237644530000084
Figure BDA0002237644530000085
式中：Bi为线路i功率波动率；E(pi)为线路i输送功率的期望值；
Figure BDA0002237644530000086
为线路i输送功率平方的期望值；式(8)分子表示线路i的功率波动量，分母为线路i允许的功率波动范围。
当全网所有线路的期望负载率集中有序分布于较低负载率区间、无明显重载线路时，表明在不确定运行周期内，系统整体平均状态的安全性较高；在此基础上，若各线路的功率波动范围都较小，表明在实际运行过程中，该电网能够平抑可再生能源功率波动导致的潮流转移，承受不确定冲击，最大限度保持平均状态的均衡性。当电网状态同时具备上述性质时，表明该电网在不确定运行周期内适应性较强，能始终保持安全、均衡、稳定的运行状态。
根据上述分析，在可再生能源并网环境下，电网实际运行状态由线路期望负载率及线路功率波动率两部分共同表征，负载率和功率波动率分布的均衡性及严重程度共同反映了电网状态的安全适应性，结合联合加权熵定义，建立评估指标如下。
给定常数等差序列M＝[M1，M2，…，Mn](其中M1＝0，Mn＝1)，用NF，k、NB，k分别表示线路期望负载率Fi，k∈(Mk，Mk+1]的线路数目及线路功率波动率Bi，k∈(Mk，Mk+1]的线路数目，其中k＝1，2，…，n-1。则线路期望负载率及功率波动率处于第k个区间(Mk，Mk+1]的概率p(Fk)和p(Bk)分别为：
Figure BDA0002237644530000091
Figure BDA0002237644530000092
在上述基础上，分别采用各区间的线路期望负载率和功率波动率的平均值对各区间进行加权，其权值表示如下：
Figure BDA0002237644530000094
式中：ω(Fk)、ω(Bk)分别为处于区间k的所有线路期望负载率和功率波动率的均值；Fi，k、Bi，k分别为区间k中第i条线路的期望负载率及功率波动率。
则基于线路期望负载率和线路功率波动率的加权熵分别为：
Figure BDA0002237644530000095
Figure BDA0002237644530000096
在所考虑的运行场景时段内，基于运行仿真得出的线路期望负载率和功率波动率分布是固定的，两者独立确定。因此，基于解耦计算的联合加权熵指标，建立电网状态联合加权熵指标如下：
Figure BDA0002237644530000097
易见，该指标计及高比例可再生能源电网功率波动的实际特性，从电网状态负载水平和波动范围的均衡性、严重程度出发，评估电网状态对可再生能源不确定性的安全适应性。指标越小，表明电网实际状态越安全、稳定。
2、电网结构适应性
节点和支路是构成电网拓扑最基本的元件，其连接方式的合理性将决定电网结构对不确定因素的承受能力。在随机运行环境下，若电网存在节点或支路的薄弱环节，则极易由此引发大规模连锁故障[9]。因此，评估节点及支路的脆弱性，对了解电网固有结构的安全程度具有重要意义。基于复杂网络理论提出的节点及支路电气介数指标能够有效反应节点及支路在电气连接中的重要度，其公式如下。
节点电气介数：
Figure BDA0002237644530000101
式中：Di为节点i的电气介数。a为发电机节点编号，Ge为发电机节点集合；b为负荷节点编号，Lo为负荷节点集合；ωa、ωb分别为发电机节点和负荷节点的权重；Be，ab(i)为在“发电机节点a-负荷节点b”节点对间注入单位电流元时，在节点i处产生的电流分布。
支路电气介数：
Figure BDA0002237644530000102
式中：Li为支路i电气介数；Iab(i)为在“发电机节点a-负荷节点b”节点对间注入单位电流元时，通过支路i的电流。
基于电力系统均匀性、脆弱性理论，当电网所有节点和支路电气介数指标均集中分布于低严重程度区间时，表明从节点和支路的角度，电网结构分布均衡、有序且无明显薄弱环节，其电气固有结构具有较强的安全适应性。
给定常数等差序列
Figure BDA0002237644530000103
用ND，k、NL，k分别表示节点电气介数的节点数目及支路电气介数
Figure BDA0002237644530000105
的线路数目。则节点及支路电气介数处于
Figure BDA0002237644530000106
或
Figure BDA0002237644530000107
区间的概率p(Dk)和p(Lk)分别为：
Figure BDA0002237644530000108
Figure BDA0002237644530000109
在上述基础上，分别采用各区间的节点和支路电气介数的平均值对各区间进行加权，其权值表示如下：
Figure BDA00022376445300001010
Figure BDA00022376445300001011
式中：ω(Dk)、ω(Dk)分别为处于区间k的所有节点和支路电气介数的均值；Di，k、Li，k分别为区间k中的第i个节点和第i条线路的电气介数。
对于确定的电网结构，节点和支路电气介数的分布是独立确定的，则解耦计算的电网结构联合加权熵指标为：
Figure BDA0002237644530000111
易见，该指标同时计及电网结构中节点及支路的安全程度，能够利用一个指标，从分布均匀性及严重程度两方面体现电网结构的安全适应性，指标越小，电网整体结构越安全。
步骤S12，基于步骤S11，本实施例的目标是在经济性最优的前提下，通过电网状态及结构适应性评估，建设潮流状态均衡、稳定并且节点、支路坚强的电网结构，以实现在降低系统风险的情况下，最大程度适应可再生能源大规模并网。
本实施例中规划模型以新建输电线路为变量，以建设总成本c、电网状态适应性指标HF，B、电网结构适应性指标HD，L为目标函数。约束条件包含电网连通性约束、新建线路回数约束、电网安全运行约束。具体模型如下所示。
目标函数：
F＝min{f1(C)，f2(HF，B)，f3(HD，L)} (25)
Figure BDA0002237644530000112
f2(HF，B)＝HF，B (27)
f3(HD，L)＝HD，L (28)
式中：k1＝r(1+r)n/[(1+r)n-1]为资金回收系数；k2为工程固定运行费率；r为贴现率；n为工程经济适用年限；c为输电线路单位投资成本，xi、li分别为输电线路i建设回数及总长度；Ωl为新建线路集合。
约束条件：
(1)电网方案连通性约束：
为满足输电网建设准则，提高电网规划方案的合理性、连通性，对初始方案进行连通性判断，确保无供电孤岛节点及N-1供电孤岛节点出现，对不满足约束的初始方案进行线路增设修复，避免无效方案、提升求解效率。
(2)新建线路回数约束：
Figure BDA0002237644530000113
式中：
Figure BDA0002237644530000114
为线路i新建回数上、下限；Z为整数集。
(3)电网安全运行约束：
Figure BDA0002237644530000121
Figure BDA0002237644530000122
Figure BDA0002237644530000123
式中：B、θ、Pg、PREG、PL分别为节点导纳矩阵、节点电压相角向量、发电机节点出力向量、可再生能源机组节点出力向量、负荷节点功率向量；ΩL为电网现有线路及新建线路集合；Ωg为电网发电机组集合；Pg，i、
Figure BDA0002237644530000124
为额定运行状态下发电机组i的出力值及其上、下限；s为典型运行场景；t为典型运行场景时刻；上标“N-1”为N-1状态下的变量，上标“s，t”为典型场景下的变量，变量意义与前述相同。
步骤S2，采用多目标粒子群算法结合带层次分析约束锥的数据包络分析法对所述输电网多目标规划模型进行求解，得到优化的规划方案。
本实施例采用改进的DEAHP方法对粒子群算法优化得到的Pareto非劣解集进行相对有效性判断，实现综合决策。该方法兼顾主观偏好及客观数据差异，能够基于“投入产出”效率值对规划方案进行综合评估。求解框架如图1所示。
首先，采用多目标粒子群算法对规划模型进行求解，得到Pareto非劣解集；
然后，采用改进的DEAHP方法对Pareto非劣解集进行有效性判断，实现综合决策，得到优化的规划方案。
所述改进的DEAHP综合决策模型具体为：
数据包络分析法(data envelopment analysis，DEA)是一种基于输入、输出类型数据，对各决策单元(decision making unit，DMU)进行相对有效性评估的运筹学评价方法[22]，目前被广泛应用于各类客观综合评价问题中，其模型如下：
Figure BDA0002237644530000131
Figure BDA0002237644530000132
式中：yi0＝[y1i0，y2i0，…，ysi0]T是DMUi0的输出指标集；u＝[u1，u2，…，us]T是DMUi0的输出指标权重集；xi0＝[x1i0，x2i0，…，xmi0]T是DMUi0的输入指标集；v＝[v1，v2，…，vm]T是DMUi0的输入指标权重集；Ei0为DMUi0的效率评价指数。式(34)为式(33)在Charnes-Cooper变换后的线性规划模型，其中t＝1/vTxi0，ω＝tv，μ＝tu。
其本质是以输入、输出指标权向量v、u为变量，效率评价值为目标，其余DMU效率评价值为约束的线性规划问题。但DEA基于自身评价最优原则确定的权重仅与输入、输出指标数据有关，容易造成求解得到的客观权重与实际重要程度不匹配的现象。
针对上述问题，基于层次分析法(analytic hierarchy process，AHP)构建AHP约束锥对DEA进行改进。在求解DEA权重时，增添AHP约束锥条件，使得最终权重在满足DEA传统约束的前提下，还需与满足一致性校验的AHP判断矩阵相匹配。最终权重是客观权重解集中同时满足主观重要度排序的值，从而兼具主、客观属性。式(35)为增添的AHP约束条件，式(34)、(35)共同构成了DEAHP综合决策模型。
式中：Cm为输入指标比较矩阵，为输入指标判断矩阵，λc为输入判断矩阵最大特征值，Em为m阶单位矩阵；
Figure BDA0002237644530000136
Bs为输出指标比较矩阵，
Figure BDA0002237644530000137
为输出指标判断矩阵，λB为输出判断矩阵最大特征值，Es为s阶单位矩阵。
实施例2
本实施例采用修改后的Garver-18节点系统对实施例1提出的规划方法进行仿真分析，验证了上述实施例1提出的规划方法及规划模型的合理性和有效性。具体过程如下：
1、参数设置
由于本专利指标主要考虑可再生能源并网随机环境下，电网实际状态及电气结构的安全性，因此假定系统功率调节能力与风电、光伏并网比例相匹配，能够满足系统功率调节需求。在此基础上，根据可再生能源多时空分布特点，在16号节点设置集中型风电场，14号节点设置集中型光伏电厂，可再生能源装机容量为常规机组容量的20％。Garver-18节点系统参数设置如下表1、表2。
表1 Garver-18节点测试系统节点功率数据
Figure BDA0002237644530000141
表2 Garver-18节点系统支路参数
Figure BDA0002237644530000142
Figure BDA0002237644530000151
其余仿真参数：功率基准值为100MVA，电压基准值为220kV，工程使用年限n＝15a，单位长度线路建设投资费用c＝80万元/km，贴现率r＝10％，工程固定运行费用k2＝5％，年运行小时数Ty＝8640h。
本实施例采用k-means聚类算法，提取四个可再生能源典型日出力曲线，对电网规划方案进行模拟运行，以此计算适应性指标。
2、仿真分析
(1)规划方案分析
图2为本实施例多目标粒子群算法求解得到的帕累托解集。根据DEAHP综合决策方法，求得帕累托解集中的最优折中规划方案为表3中的方案1，其网络结构如图3所示(虚线表示新建线路)。表3中的方案2为帕累托解集中经济性最优方案。
表3规划结果对比分析
Figure BDA0002237644530000152
由表3数据可知，方案2为经济性最优的建设方案，该方案虽然能够保证电网运行的各类安全约束，但在可再生能源并网背景下，其运行状态的稳定性、电网结构的合理性明显弱于方案1。方案1虽然牺牲了部分经济性，但在规划过程中有效考虑了电网实际状态及结构的安全性，内部形成了更多环网结构，能够更好地抵御可再生能源功率波动对系统的冲击。
根据表4-6进一步分析方案1、2间电网结构及运行状态的具体差异性如下。
表4各介数取值区间节点及线路数量分布
Figure BDA0002237644530000162
表4为节点及线路介数的分布情况。由表4数据可知，方案1有66.7％(占总节点数)的节点分布在(0-80)低介数区间，而方案2仅有55.6％的节点分布在该区间；同理，方案1有92.59％(占总线路数)的线路分布在(0-80)低介数区间，方案2该项数据为78.13％。综上可知，方案1中各线路及节点介数更为集中、有序地分布于低严重程度范围，其电气结构的合理性明显优于方案2，网络拓扑结构更为安全。
表5期望负载率取值区间线路条数分布
Figure BDA0002237644530000163
表5为线路期望负载率的分布情况。由表5可知，方案1没有期望负载率高于80％的线路，其运行状态分布的集中有序性明显优于方案2。同时，方案1位于(0-60％)及(60％-100％)负载率区间的线路比例分别为90.74％、9.26％，方案2的数据分别为65.625％、34.375％，可见方案1线路的绝对负载水平也明显优于方案2，其电网具有更好的平均运行状态，根据均匀性理论及自组织临界理论，其电网发生大规模连锁故障的概率更低，安全性更好。
表6波动率取值区间线路条数分布
Figure BDA0002237644530000164
Figure BDA0002237644530000171
表6为线路波动率的分布情况。由表6可知，方案1所有线路的波动率均在其允许波动容量的20％以下，其中波动率在10％以下的线路占比88.89％，可见其运行状态更为稳定，能够更好地抵御不确定运行环境下，可再生能源功率波动对系统状态的冲击，在实际运行时始终保持运行状态的安全性。
综合表5、表6可知，与方案2相比，方案1平均运行状态安全性更好，且在实际运行过程中，各线路功率波动范围较小，其网络能够最大限度平抑可再生能源波动带来的潮流转移，使实际运行状态较平均运行状态的偏移程度更小，运行状态更为安全、稳定，具有更强的抗扰动能力。
(2)联合加权熵指标有效性分析
首先，将方案1、方案2的节点介数加权熵、支路介数加权熵及电网结构联合加权熵同时绘于图4中。
由图4可知，方案1的节点及支路介数加权熵指标均低于方案2，其联合加权熵指标之间也具有相同的大小关系。可见，电网结构联合加权熵指标能够综合反映节点及支路介数的分布情况，从而利用一个数值综合表征电网结构整体的合理程度。
(3)可再生能源并网比例对电网状态适应性的影响
为进一步验证联合加权熵指标的有效性及可再生能源并网比例对电网运行状态安全、稳定性的影响，将可再生能源接入容量由600MW逐步提高至1200MW，并基于运行仿真计算指标如图5所示。
由图5可知，随着可再生能源并网容量不断提高，可再生能源出力波动程度扩大，系统潮流转移更加明显。一方面，波动率加权熵指标呈明显上升趋势，表明电网各线路功率波动率分布的有序性降低且严重性增大，电网状态稳定性降低；另一方面，负载率加权熵指标逐渐上升并趋于稳定，表明本实施例规划方案在所对比的可再生能源并网比例下，电网平均状态的安全性能够得以保持。综上，随着可再生能源接入容量提升，其随机性对电网状态的影响将更为明显，尤其体现在电网状态的稳定性方面。
其次，从联合加权熵指标的变化趋势可以看出，该指标能够同时计及负载率加权熵及波动率加权熵的变化情况，从而反映不同情形下，电网实际状态全面综合的特征。
综上所示，基于本专利提出的适应性指标体系进行输电网规划，所得规划方案电网结构、状态对高比例可再生能源适应性更好，指标体系能够有效量化电网方案对可再生能源的接纳能力。
本实施例从适应可再生能源安全并网角度出发，提出一套面向电网规划的适应性指标体系，并将其应用于输电网多目标规划，通过仿真分析得出以下结论：
(1)电网状态适应性指标考虑随机运行环境下，线路功率波动的特征，能够基于线路期望负载率及线路波动率分布的有序性和严重性量化评估电网实际状态的安全性及稳定性；
(2)电网结构适应性指标同时考虑节点及支路的合理性，能够基于节点及支路电气介数分布的有序性和严重性量化评估电网电气结构的均衡性及坚强性；
(3)联合加权熵的应用能够结合各指标物理意义实现对指标的降维整合，从而利用一个数值全面衡量电网状态及结构的安全性，更适用于多维影响因素下的电网安全适应性分析及电网多目标规划；
(4)基于电网状态及电网结构联合加权熵指标进行输电网多目标适应性规划能够有效提升电网对可再生能源的接纳能力，对实现可再生能源安全并网具有重要意义。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.基于联合加权熵的高比例可再生能源电网适应性规划方法，其特征在于，该方法包括以下步骤：
步骤S1，建立基于适应性指标的输电网多目标规划模型，该规划模型以新建输电线路为变量，以建设总成本C、电网状态适应性指标HF，B、电网结构适应性指标HD，L为目标函数，约束条件包含电网连通性约束、新建线路回数约束和电网安全运行约束；
步骤S2，采用多目标粒子群算法结合带层次分析约束锥的数据包络分析法对所述输电网多目标规划模型进行求解，得到优化的规划方案。
2.根据权利要求1所述的基于联合加权熵的高比例可再生能源电网适应性规划方法，其特征在于，所述目标函数具体为：
F＝min{f1(C)，f2(HF，B)，f3(HD，L)}
Figure FDA0002237644520000011
f2(HF，B)＝HF，B
f3(HD，L)＝HD，L
式中：k1＝r(1+r)n/[(1+r)n-1]为资金回收系数；k2为工程固定运行费率；r为贴现率；n为工程经济适用年限；c为输电线路单位投资成本，xi、li分别为输电线路i的建设回数及总长度；Ωl为新建线路集合。
3.根据权利要求2所述的基于联合加权熵的高比例可再生能源电网适应性规划方法，其特征在于，所述电网连通性约束为：对初始规划方案进行连通性判断，确保无供电孤岛节点及N-1供电孤岛节点出现，对不满足约束的初始方案进行线路增设修复；
所述新建线路回数约束为：
式中：
Figure FDA0002237644520000013
分别为线路i的新建回数上、下限；Z为整数集；
所述电网安全运行约束为：
Figure FDA0002237644520000021
Figure FDA0002237644520000022
Figure FDA0002237644520000023
式中：B、θ、Pg、PREG、PL分别为节点导纳矩阵、节点电压相角向量、发电机节点出力向量、可再生能源机组节点出力向量、负荷节点功率向量；ΩL为电网现有线路及新建线路集合；Ωg为电网发电机组集合；Pg，i、
Figure FDA0002237644520000024
为额定运行状态下发电机组i的出力值及其上、下限；s为典型运行场景；t为典型运行场景时刻；上标“N-1”为N-1状态下的变量，上标“s，t”为典型场景下的变量。
4.根据权利要求1-3任一项所述的基于联合加权熵的高比例可再生能源电网适应性规划方法，其特征在于，所述电网状态适应性指标HF，B为：
式中：p(Fk)为线路期望负载率处于区间k的概率，p(Bk′)为线路功率波动率处于区间k′的概率；ω(Fk)为处于区间k的所有线路期望负载功率的均值，ω(Bk′)为处于区间k′的所有线路功率波动率的均值。
5.根据权利要求4所述的基于联合加权熵的高比例可再生能源电网适应性规划方法，其特征在于，所述电网结构适应性指标HD，L为：
Figure FDA0002237644520000026
式中：p(Dk)为节点电气介数处于区间k的概率，p(Lk′)为支路电气介数处于区间k′的概率；ω(Dk)为处于区间k的所有节点电气介数的均值，ω(Lk′)为处于区间k′的所有支路电气介数的均值。
6.根据权利要求5所述的基于联合加权熵的高比例可再生能源电网适应性规划方法，其特征在于，所述步骤S2具体采用多目标粒子群算法对所述输电网多目标规划模型进行求解，得到帕累托解集；然后根据DEAHIP综合决策方法，求得所述帕累托解集中优化的规划方案。
7.根据权利要求6所述的基于联合加权熵的高比例可再生能源电网适应性规划方法，其特征在于，所述DEAHIP综合决策模型为：
Figure FDA0002237644520000032
式中：yi0＝[y1i0，y2i0，…，ysi0]T是决策单元DMUi()的输出指标集；u＝[u1，u2，…，us]T是决策单元DMUi()的输出指标权重集；xi0＝[x1i0，x2i0，…，xmi0]T是决策单元DMUi()的输入指标集；v＝[v1，v2，...，vm]T是决策单元DMUi()的输入指标权重集；Ei0为决策单元DMUi()的效率评价指数；t＝1/vTxi0，ω＝tv，μ＝tu；
Figure FDA0002237644520000033
Cm为输入指标比较矩阵，为输入指标判断矩阵，λC为输入判断矩阵最大特征值，Em为m阶单位矩阵；Bs为输出指标比较矩阵，为输出指标判断矩阵，λB为输出判断矩阵最大特征值，Es为s阶单位矩阵。
CN201910989048.2A 2019-10-17 2019-10-17 基于联合加权熵的高比例可再生能源电网适应性规划方法 Pending CN110751328A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910989048.2A CN110751328A (zh) 2019-10-17 2019-10-17 基于联合加权熵的高比例可再生能源电网适应性规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910989048.2A CN110751328A (zh) 2019-10-17 2019-10-17 基于联合加权熵的高比例可再生能源电网适应性规划方法

Publications (1)

Publication Number Publication Date
CN110751328A true CN110751328A (zh) 2020-02-04

Family

ID=69278753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910989048.2A Pending CN110751328A (zh) 2019-10-17 2019-10-17 基于联合加权熵的高比例可再生能源电网适应性规划方法

Country Status (1)

Country Link
CN (1) CN110751328A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598348A (zh) * 2020-05-21 2020-08-28 国网山东省电力公司经济技术研究院 一种输电网均匀性规划优化方法、系统、介质及电子设备
CN111612272A (zh) * 2020-05-28 2020-09-01 国家电网公司西南分部 考虑龙头水库的水电集群送出网架优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679658A (zh) * 2017-09-28 2018-02-09 国网四川省电力公司经济技术研究院 一种高比例清洁能源接入下的输电网规划方法
CN109544020A (zh) * 2018-11-28 2019-03-29 云南电网有限责任公司 一种电网规划方案适应性的评价方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679658A (zh) * 2017-09-28 2018-02-09 国网四川省电力公司经济技术研究院 一种高比例清洁能源接入下的输电网规划方法
CN109544020A (zh) * 2018-11-28 2019-03-29 云南电网有限责任公司 一种电网规划方案适应性的评价方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘文颖 等: "基于联合加权熵的电网自组织临界状态演化", 《中国电机工程学报》 *
樊金柱 等: "考虑网源协同的输电网适应性扩展规划", 《电网技术》 *
王羽佳 等: "基于改进DEAHP模型的支路综合脆弱性评估方法", 《电网技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598348A (zh) * 2020-05-21 2020-08-28 国网山东省电力公司经济技术研究院 一种输电网均匀性规划优化方法、系统、介质及电子设备
CN111612272A (zh) * 2020-05-28 2020-09-01 国家电网公司西南分部 考虑龙头水库的水电集群送出网架优化方法
CN111612272B (zh) * 2020-05-28 2021-11-30 国家电网公司西南分部 考虑龙头水库的水电集群送出网架优化方法

Similar Documents

Publication Publication Date Title
Li et al. Distributed adaptive robust voltage/var control with network partition in active distribution networks
CN107316113B (zh) 一种输电网规划方法及系统
CN106505593A (zh) 一种基于大数据的配变三相不平衡分析与负荷调整的方法
CN104600714B (zh) 含分布式电源的配电网无功优化方法及装置
CN106972504A (zh) 基于遗传算法的区间无功优化方法
CN115640963A (zh) 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法
Yang et al. Deep learning-based distributed optimal control for wide area energy Internet
Li et al. Optimization method of skeleton network partitioning scheme considering resilience active improvement in power system restoration after typhoon passes through
Xiao et al. Optimal sizing and siting of soft open point for improving the three phase unbalance of the distribution network
CN110751328A (zh) 基于联合加权熵的高比例可再生能源电网适应性规划方法
CN113890039B (zh) 一种多端柔性直流配电网潮流调度优化方法
CN107528315A (zh) 一种多直流馈入受端电网分区规模及联结方案优化方法
Zhu et al. Two-stage coordinated control strategy of AC/DC hybrid power system based on steady-state security region
Dahej et al. Optimal allocation of SVC and TCSC for improving voltage stability and reducing power system losses using hybrid binary genetic algorithm and particle swarm optimization
Zhang et al. Fast solving method for two-stage multi-period robust optimization of active and reactive power coordination in active distribution networks
Zhang et al. Day-ahead stochastic optimal dispatch of LCC-HVDC interconnected power system considering flexibility improvement measures of sending system
CN105896547A (zh) 一种风电接入下的大电网分级电压控制方法
CN115496427A (zh) 一种多微网系统柔性互联投资规划决策方法
Xiang et al. A fully distributed optimization method for reserve capacity of multi-area interconnected power systems considering reserve sharing
CN112258077A (zh) 一种多区互联综合能源系统的参数确定方法及相关装置
CN112163749A (zh) 基于网络解和非网络解的输电系统柔性规划方法及系统
Cai et al. Two-tier coordinated optimal scheduling of wind/PV/hydropower and storage systems based on generative adversarial network scene generation
Zhou et al. Distribution network reconfiguration considering the random character of wind power generation
Zhang et al. Multi-Resource Collaborative Service Restoration of a Distribution Network with Decentralized Hierarchical Droop Control
CN111191927A (zh) 一种配电网健康指数计算方法和系统

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: 20200204

RJ01 Rejection of invention patent application after publication