CN111178636A - 考虑新能源不确定性的综合能源系统优化方法和装置 - Google Patents

考虑新能源不确定性的综合能源系统优化方法和装置 Download PDF

Info

Publication number
CN111178636A
CN111178636A CN201911418782.XA CN201911418782A CN111178636A CN 111178636 A CN111178636 A CN 111178636A CN 201911418782 A CN201911418782 A CN 201911418782A CN 111178636 A CN111178636 A CN 111178636A
Authority
CN
China
Prior art keywords
constraint
power
period
ith
energy
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
CN201911418782.XA
Other languages
English (en)
Inventor
代景龙
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.)
Xinao Shuneng Technology Co Ltd
Original Assignee
Xinao Shuneng Technology 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 Xinao Shuneng Technology Co Ltd filed Critical Xinao Shuneng Technology Co Ltd
Priority to CN201911418782.XA priority Critical patent/CN111178636A/zh
Publication of CN111178636A publication Critical patent/CN111178636A/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
    • 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
    • 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

本发明适用于能源互联网技术领域，提供了一种考虑新能源不确定性的综合能源系统优化方法和装置，其中，该方法至少包括：获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解；基于所述最优解对所述综合能源系统的运行调度进行优化。本申请通过以综合能源系统期望收益最大化为目标函数，同时基于新能源不确定的考虑设置光伏出力机会约束来实现对该目标函数的最优解，从而对综合能源进行运行优化，实现综合能源系统运行收益的最大化。

Description

考虑新能源不确定性的综合能源系统优化方法和装置
技术领域
本发明属于能源互联网技术领域，尤其涉及一种考虑新能源不确定性的综合能源系统优化方法和装置。
背景技术
综合能源系统(Integrated Energy System，IES)，是指在规划、建设和运行等过程中，通过对能源的产生、传输与分配(能源供应网络)、转换、存储、消费等环节进行有机协调与优化后所形成的能源产供销一体化系统。它主要由供能网络(如供电、供气、供冷/热等网络)、能源交换环节(如CCHP机组、发电机组、锅炉、空调、热泵等)、能源存储环节(储电、储气、储热、储冷等)、终端综合能源供用单元(如微网)和大量终端用户共同构成。
随着技术的发展，综合能源系统还包括新能源的能源供应，这种新型能源的加入对于系统的运行而言存在一定的不确定性，为此如何对加入新能源的综合能源系统进行优化，是当前互联网能源研究中的一个技术难题。
发明内容
本发明实施例提供了一种考虑新能源不确定性的综合能源系统优化方法和装置，以解决对加入新能源的综合能源系统进行优化的问题。
第一方面
本发明实施例的提供了一种考虑新能源不确定性的综合能源系统优化方法，所述方法至少包括：获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解；基于所述最优解对所述综合能源系统的运行调度进行优化。
第二方面
本发明实施例的提供了一种考虑新能源不确定性的综合能源系统优化装置，其包括：最优解获取摸块，用于获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解；综合能源系统优化模块，用于基于所述最优解对所述综合能源系统的运行调度进行优化
第三方面
本发明实施例的提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中所述考虑新能源不确定性的综合能源系统优化方法的步骤。
第四方面
本发明实施例的提供了一种存储介质，所述存储介质存储有计算机程序，在所述计算机程序运行时，执行如第一方面中所述考虑新能源不确定性的综合能源系统优化方法的步骤。
本发明的有益效果：上述考虑新能源不确定性的综合能源系统优化方法通过以综合能源系统期望收益最大化为目标函数，同时基于新能源不确定的考虑设置光伏出力机会约束来实现对该目标函数的最优解，从而对综合能源进行运行优化，实现综合能源系统运行收益的最大化。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1示出了根据本申请提供的考虑新能源不确定性的综合能源系统优化方法的一实施例的实现流程图。
图2示出了上述图1所示实施例中步骤S101的一实施例的实现流程图。
图3示出了根据本申请考虑新能源不确定性的综合能源系统优化装置的一实施例的结构示意图。
图4示出了图3所示实施例中最优解获取摸块的一实施例的结构示意图。
图5示出了图4所示实施例中约束条件获取单元的一实施例的结构示意图。
图6示出了图4所示实施例中约束条件获取单元的一实施例的结构示意图。
图7示出了图6所示实施例中设备运行约束条件获取单元的一实施例的结构示意图。
图8示出了可以应用本申请考虑新能源不确定性的综合能源系统优化方法或考虑新能源不确定性的综合能源系统优化装置的一些实施例的终端设备。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
方法实施例
请参见图1，示出了根据本申请提供的考虑新能源不确定性的综合能源系统优化方法的一实施例的实现流程图。
如图1所示，该考虑新能源不确定性的综合能源系统优化方法，包括以下步骤：
S101，获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解；
S102，基于所述最优解对所述综合能源系统的运行调度进行优化。
上述实施例以综合能源系统期望收益最大化为目标函数，同时基于新能源不确定的考虑设置光伏出力机会约束来实现对该目标函数的最优解，从而对综合能源进行运行优化，实现综合能源系统运行收益的最大化。
在一些示例性实施方式中，请参见图2，示出了上述图1所示实施例中步骤S101的一实施例的实现流程图，如图2所示，该步骤S101中，获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解，包括以下步骤：
S201，获取综合能源系统期望收益最大化为目标的目标函数；
S202，获取所述目标函数的约束条件，所述约束条件至少包括光伏出力机会约束；
S203，基于所述至少包括光伏出力机会约束的约束条件对所述目标函数进行求解，得到最优解。
具体的，在上述步骤S201中，获取综合能源系统期望收益最大化为目标的目标函数，包括：获取目标函数，该目标函数包括以下公式(1)：
Figure RE-GDA0002403945790000041
其中，上述
Figure RE-GDA0002403945790000042
表示售能收益，
Figure RE-GDA0002403945790000043
表示购能成本，Cop表示运行成本，所述运行成本至少包括弃光成本和光伏波动成本。
具体的，上述售能收益包括售电收益和售热收益，即售能收益可以表示为以下公式(2)：
Figure RE-GDA0002403945790000044
其中，
Figure RE-GDA0002403945790000045
表示售电收益，f1(Ht)表示售热收益。该售电收益和售热收益可以分别用以下公式(3)和(4)表示：
售电收益：
Figure RE-GDA0002403945790000046
售热收益：
Figure RE-GDA0002403945790000047
其中，T为调度时段数，
Figure RE-GDA0002403945790000051
分别为t时段综合能源系统的售电量和售电价格；Ht、prt heat分别为t时段综合能源系统向用户的供热量和供热价格。
具体的，上述购能成本包括购电成本和购气成本，即购能成本可以表示为以下公式(5)：
Figure RE-GDA0002403945790000052
其中，
Figure RE-GDA0002403945790000053
表示购电成本，f2(Pt gas)表示购气成本。该购电成本和购气成本可以表示为以下公式(6)和(7)：
购电成本：
Figure RE-GDA0002403945790000054
购气成本：
Figure RE-GDA0002403945790000055
其中，
Figure RE-GDA0002403945790000056
分别为t时段综合能源系统的购电量和购电价格；Pt gas、 prt gas分别为t时段综合能源系统的购气量和购气价格。
具体的，上述运行成本至少包括弃光成本和光伏波动成本，此外还可以包括CHP运行成本、燃气内燃机运行成本和蓄电池运维成本中的至少一种成本，即运行成本可以表示为以下公式(8)：
Cop＝CCHP+CGSB+CBAT+CPV+Cvolatility，
其中，CCHP表示CHP运行成本，CGSB表示燃气内燃机运行成本、CBAT表示蓄电池运维成本、CPV表示弃光成本，Cvolatility表示光伏波动成本。
其中，CHP运行成本和燃气内燃机运行成本可以表示为以下公式(9)和 (10)：
Figure RE-GDA0002403945790000057
Figure RE-GDA0002403945790000058
进一步的，上述CHP运行成本和燃气内燃机运行成本可以表述为如下通用形式，即公式(11)：
Figure RE-GDA0002403945790000061
其中，G为CHP和GSB设备集合；ci,2和ci,1为第i台设备成本系数，同理， Pi,t为第i台设备t时段的出力功率，Si,t为状态变量；
Figure RE-GDA0002403945790000062
为启动成本，
Figure RE-GDA0002403945790000063
为关机成本，Di,t为第i台t时段设备的停机变量，Ui,t为开机变量。
进一步的，蓄电池运维成本可以表示为以下公式(12)：
Figure RE-GDA0002403945790000064
其中，NBAT表示储能电池的数目，Bi BAT为第i个储能电池单位充放电维护成本，
Figure RE-GDA0002403945790000065
为充放电功率。
进一步的，弃光成本可以表示为以下公式(13)和(14)：
Figure RE-GDA0002403945790000066
Figure RE-GDA0002403945790000067
其中，K表示惩罚系数，NPV表示光伏电源的数目，
Figure RE-GDA0002403945790000068
和
Figure RE-GDA0002403945790000069
分别为t时段第i个光伏逆变器实际出力及上限，
Figure RE-GDA00024039457900000610
和Ωi,t分别为t时段第i个光伏逆变器预测出力(使用小写字母表示的
Figure RE-GDA00024039457900000611
指光伏逆变器预测出力，使用大写字母表示的
Figure RE-GDA00024039457900000612
指光伏逆变器实际出力)及误差；假设Ωi,t服从独立正太分布
Figure RE-GDA00024039457900000613
V为光伏出力偏差的惩罚系数。
进一步的，上述光伏波动成本，包括以下公式(15)：
Figure RE-GDA00024039457900000614
其中，var(X)表示为X的方差。
具体的，在上述步骤S202中，所述获取所述目标函数的约束条件，所述约束条件至少包括光伏出力机会约束，包括获取设备运行约束条件，所述设备运行约束条件至少包括光伏出力机会约束的步骤。
更为具体的来说，上述获取设备运行约束条件，所述设备运行约束条件至少包括光伏出力机会约束的步骤，可以包括获取光伏出力机会约束；或者/和，获取热电联产机组运行安全和状态耦合约束、燃气内燃机运行安全和状态耦合约束、开关机和状态耦合约束、初始状态与开停机耦合约束、储能电池充放电功率约束和储能电池电量约束中的至少一种约束。
在一些示例性实施方式中，如果获取上述热电联产机组运行安全和状态耦合约束，可以包括以下约束公式(16)和(17)：
Figure RE-GDA0002403945790000071
Figure RE-GDA0002403945790000072
其中，式(16)中，
Figure RE-GDA0002403945790000073
表示为t时段第i台CHP的状态变量，
Figure RE-GDA0002403945790000074
表示为t时段第i个CHP的功率下限，
Figure RE-GDA0002403945790000075
表示为t时段第i个CHP的功率，
Figure RE-GDA0002403945790000076
表示为t时段第i个CHP的功率上限，式(17)中，
Figure RE-GDA0002403945790000077
表示为t时段第i台 CHP的供热功率，θi表示为第i台热电联产机组的热电比。
在一些示例性实施方式中，如果获取上述燃气内燃机运行安全和状态耦合约束，可以包括以下约束公式(18)：
Figure RE-GDA0002403945790000078
其中，
Figure RE-GDA0002403945790000079
为t时段第i台蒸汽燃气锅炉的状态变量，
Figure RE-GDA00024039457900000710
为t时段第i台蒸汽燃气锅炉的供热功率，
Figure RE-GDA00024039457900000711
和
Figure RE-GDA00024039457900000712
分别为变量
Figure RE-GDA00024039457900000713
的下限和上限。
在一些示例性实施方式中，如果获取上述开关机和状态耦合约束，可以包括以下约束公式(19)、(20)、(21)、(22)：
Figure RE-GDA00024039457900000714
Figure RE-GDA00024039457900000715
Figure RE-GDA00024039457900000716
Figure RE-GDA00024039457900000717
其中，
Figure RE-GDA00024039457900000718
分别为t时段第i台CHP的开机变量和关机变量(即0- 1变量)，
Figure RE-GDA00024039457900000824
分别为t时段第i台蒸汽内燃机的开机变量和关机变量(即 0-1变量)；
Figure RE-GDA0002403945790000082
表示第i台设备t+1时段CHP的状态变量，
Figure RE-GDA00024039457900000823
表示第i台设备t时段CHP的状态变量，
Figure RE-GDA0002403945790000084
表示第i台设备t+1时段锅炉的状态变量，
Figure RE-GDA0002403945790000085
表示第i台设备t时段锅炉的状态变量。
在上述开关机和状态耦合约束中引入开机和关机变量，将启动成本和关机成本纳入考虑，并考虑设备开停机和设备状态的各时段的耦合关系，可以有效目标函数的最优解更为合理。
在一些示例性实施方式中，如果获取上述初始状态与开停机耦合约束，可以包括以下约束公式(23)和(24)：
Figure RE-GDA0002403945790000086
Figure RE-GDA0002403945790000087
其中，式(23)中，
Figure RE-GDA0002403945790000088
表示CHP传入的初始设备状态、
Figure RE-GDA0002403945790000089
表示第一时段CHP传入的初始设备状态，
Figure RE-GDA00024039457900000810
表示第一时段CHP的开机变量、
Figure RE-GDA00024039457900000811
表示第一时段CHP的关机变量；
其中，式(24)中，
Figure RE-GDA00024039457900000812
表示CHP传入的初始设备状态，
Figure RE-GDA00024039457900000813
表示第一时段锅炉传入的初始设备状态，
Figure RE-GDA00024039457900000814
表示第一时段CHP的开机变量，
Figure RE-GDA00024039457900000815
表示第一时段CHP的关机变量。
在一些示例性实施方式中，如果获取上述储能电池充放电功率约束，可以包括以下约束公式(25)、(26)、(27)、(28)：
Figure RE-GDA00024039457900000816
Figure RE-GDA00024039457900000817
Figure RE-GDA00024039457900000818
Figure RE-GDA00024039457900000819
其中，
Figure RE-GDA00024039457900000820
和
Figure RE-GDA00024039457900000821
分别表示为最大充电功率限制和最大放电功率限制，
Figure RE-GDA00024039457900000822
为充放电功率，
Figure RE-GDA0002403945790000091
和
Figure RE-GDA0002403945790000092
分别为t时段第i个储能电池的充电功率和放电功率，
Figure RE-GDA0002403945790000093
表示储能电池的充电状态变量，即0-1变量，
Figure RE-GDA0002403945790000094
表示储能电池的放电状态变量，即0-1变量。
在一些示例性实施方式中，如果获取上述储能电池电量约束，可以包括以下公式(29)和(30)：
Figure RE-GDA0002403945790000095
SOCi,T＝SOCi,1，
其中，
Figure RE-GDA0002403945790000096
为周期始末蓄电池储能平衡约束，SOCt为时段t的储电量；α为充/放电系数。SOCi,1表示第一个时段的储电量，SOCi,T表示最后一个时段的储电量，SOCi,t+1表示i台设备时段t+1的储电量，SOCi,t表示i 台设备时段t的储电量。
在一些示例性实施方式中，如果获取光伏出力机会约束，可以包括以下公式(31)和(32)：
Figure RE-GDA0002403945790000097
Figure RE-GDA0002403945790000098
其中，
Figure RE-GDA0002403945790000099
为t时段第i个光伏逆变器预测出力，
Figure RE-GDA00024039457900000910
表示为t时段第i个光伏逆变器实际出力上限，光伏出力波动Ωi,t服从独立正太分布
Figure RE-GDA00024039457900000911
εi为第i个光伏逆变器的机会约束成立的最大概率。
具体的，在上述步骤S202中，获取所述目标函数的约束条件，所述约束条件至少包括光伏出力机会约束，还可以包括：获取系统运行约束条件，所述系统运行约束条件至少包括系统电力平衡约束、系统热能平衡约束和系统联络线约束中的至少一种约束的步骤。
在一些示例性实施方式中，在获取系统电力平衡约束、系统热能平衡约束和系统联络线约束中的至少一种约束的步骤中，获取系统电力平衡约束，包括以下公式(33)：
Figure RE-GDA0002403945790000101
其中，NCHP表示CHP的数目，NPV表示光伏电源的数目，NSTG表示储能电池的数目；
Figure RE-GDA0002403945790000102
表示为t时段综合能源系统的购电量；
Figure RE-GDA0002403945790000103
表示为时段t 第i个CHP的功率，
Figure RE-GDA0002403945790000104
表示为时段t第i个光伏逆变器的实际功率，
Figure RE-GDA0002403945790000105
表示为时段t第i个储能电池的放电功率，
Figure RE-GDA0002403945790000106
表示为时段t第i个储能电池的充电功率，
Figure RE-GDA0002403945790000107
表示为系统t时段的电负荷。
在一些示例性实施方式中，在获取系统电力平衡约束、系统热能平衡约束和系统联络线约束中的至少一种约束的步骤中，获取上述系统热能平衡约束，包括以下公式(34)：
Figure RE-GDA0002403945790000108
其中，NGSB表示为蒸汽燃气锅炉的数目，NCHP表示为CHP的数目，
Figure RE-GDA0002403945790000109
Figure RE-GDA00024039457900001010
分别为t时段第i台CHP和蒸汽燃气锅炉的状态变量；
Figure RE-GDA00024039457900001011
和
Figure RE-GDA00024039457900001012
分别为 t时段第i台蒸汽燃气锅炉和CHP的供热功率；Ht为系统t时段的热负荷。
在一些示例性实施方式中，在获取系统电力平衡约束、系统热能平衡约束和系统联络线约束中的至少一种约束的步骤中，获取系统联络线约束，可以包括以下公式(35)：
Figure RE-GDA00024039457900001013
其中，
Figure RE-GDA00024039457900001014
表示为t时段综合能源系统的购电量，P grid为系统向电网的购电限制，
Figure RE-GDA00024039457900001015
为系统向电网的售电限制。
具体的，在上述步骤S203中，在获取到目标函数和约束条件的情况下，可以对该目标函数进行求解，以获取最优解。
例如，目标函数和约束条件包括上述公式(1)至(35)，那么公式(1) 至(35)即为一种寻求经济效益期望最大化的CCED模型，该CCED模型考虑了光伏出力的波动成本，是一个混合整数非线性的二阶锥优化问题(MISOCP)，可以应用Mosek等优化求解器进行求解即可，从而得到上述最优解。
在上述步骤S203中，求解得到的最优解后，综合能源系统即可根据该最优解得到上述实施例中的相关运行参数，从而利用该运行参数来更新加入有新能源的综合能源系统的运行调度，进而实现在期望收益最大化情况下对综合能源系统运行的优化。
产品实施例
基于与上述方法实施例中的考虑新能源不确定性的综合能源系统优化方法相同的发明构思，相应的，本实施例还提供了一种考虑新能源不确定性的综合能源系统优化装置。
请参见图3，示出了根据本申请考虑新能源不确定性的综合能源系统优化装置的一实施例的结构示意图，如图3所示，该综合能源系统优化装置300包括：最优解获取摸块301，用于获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解；综合能源系统优化模块302，用于基于所述最优解对所述综合能源系统的运行调度进行优化。
具体的，在一些示例性实施方式中，见图4，示出了图3所示实施例中最优解获取摸块301的一实施例的结构示意图。
如图4所示，该最优解获取摸块301包括：目标函数获取单元401，用于获取综合能源系统期望收益最大化为目标的目标函数；约束条件获取单元402，用于获取所述目标函数的约束条件，所述约束条件至少包括光伏出力机会约束；求解单元403，用于基于所述至少包括光伏出力机会约束的约束条件对所述目标函数进行求解，得到最优解。
具体的，在一些示例性实施方式中，见图5，示出了图4所示实施例中约束条件获取单元402的一实施例的结构示意图。
如图5所示，约束条件获取单元402，包括：系统运行约束条件获取单元501，用于获取系统运行约束条件，所述系统运行约束条件至少包括系统电力平衡约束、系统热能平衡约束和系统联络线约束中的至少一种约束。
具体的，在一些示例性实施方式中，见图6，示出了图4所示实施例中约束条件获取单元402的一实施例的结构示意图。
如图6所示，约束条件获取单元402，还包括：设备运行约束条件获取单元601，用于获取设备运行约束条件，所述设备运行约束条件至少包括光伏出力机会约束。
具体的，在一些示例性实施方式中，见图7，示出了图6所示实施例中设备运行约束条件获取单元601的一实施例的结构示意图。
如图7所示，设备运行约束条件获取单元601可以包括第一约束条件获取单元701或/和第二约束条件获取单元702，其中，第一约束条件获取单元701 用于获取光伏出力机会约束；第二约束条件获取单元702用于获取热电联产机组运行安全和状态耦合约束、燃气内燃机运行安全和状态耦合约束、开关机和状态耦合约束、初始状态与开停机耦合约束、储能电池充放电功率约束和储能电池电量约束中的至少一种约束。
应当理解，本实施例中各模块与上述方法实施例的方法中各步骤相一致，因此对于各模块的具体结构，可以参考上述方法实施例中的描述，这里不作赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
应用实施例
请参见图8，示出了可以应用本申请考虑新能源不确定性的综合能源系统优化方法或考虑新能源不确定性的综合能源系统优化装置的一些实施例的终端设备800，该终端设备可以包括计算机、工作站、服务器等中的任一种设备或多种设备的组合。
具体的，如图8所示，该终端设备800包括：处理器801、存储器802以及存储在所述存储器802中并可在所述处理器801上运行的计算机程序803，例如，用于实现上述一种考虑新能源不确定性的综合能源系统优化方法的程序。所述处理器801执行所述计算机程序803时实现上述各个一种考虑新能源不确定性的综合能源系统优化方法实施例中的步骤，例如图1所示的步骤S101至 S102。或者，所述处理器801执行所述计算机程序803时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块301至302的功能。
本领域技术人员可以理解，图8仅仅是终端设备800的示例，并不构成对终端设备800的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
示例性的，所述计算机程序803可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器802中，并由所述处理器801执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序803在所述终端设备 800中的执行过程。例如，所述计算机程序803可以被分割成最优解获取摸块 301和综合能源系统优化模块302，各模块具体功能如下：最优解获取摸块301 用于获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解；综合能源系统优化模块302用于基于所述最优解对所述综合能源系统的运行调度进行优化。
具体的，所称处理器801可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
具体的，所述存储器802可以是所述终端设备800的内部存储单元，例如终端设备800的硬盘或内存。所述存储器802也可以是所述终端设备800的外部存储设备，例如所述终端设备800上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card) 等。进一步地，所述存储器802还可以既包括所述终端设备800的内部存储单元也包括外部存储设备。所述存储器802用于存储所述计算机程序以及所述终端设备所需的其它程序和数据。所述存储器802还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的上述示例性实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例中各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、 U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (12)

1.一种考虑新能源不确定性的综合能源系统优化方法，其特征在于，所述方法至少包括：
获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解；
基于所述最优解对所述综合能源系统的运行调度进行优化。
2.根据权利要求1所述的考虑新能源不确定性的综合能源系统优化方法，其特征在于，所述获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解，包括：
获取综合能源系统期望收益最大化为目标的目标函数；
获取所述目标函数的约束条件，所述约束条件至少包括光伏出力机会约束；
基于所述至少包括光伏出力机会约束的约束条件对所述目标函数进行求解，得到最优解。
3.根据权利要求2所述的考虑新能源不确定性的综合能源系统优化方法，其特征在于，所述获取综合能源系统期望收益最大化为目标的目标函数，包括：
获取目标函数，包括：
Figure RE-FDA0002403945780000011
其中，
Figure RE-FDA0002403945780000012
表示售能收益，
Figure RE-FDA0002403945780000013
表示购能成本，Cop表示运行成本，所述运行成本至少包括弃光成本和光伏波动成本。
4.根据权利要求2所述的考虑新能源不确定性的综合能源系统优化方法，其特征在于，所述获取所述目标函数的约束条件，所述约束条件至少包括光伏出力机会约束，包括：
获取设备运行约束条件，所述设备运行约束条件至少包括光伏出力机会约束。
5.根据权利要求4所述的考虑新能源不确定性的综合能源系统优化方法，其特征在于，所述获取设备运行约束条件，所述设备运行约束条件至少包括光伏出力机会约束，包括：
获取光伏出力机会约束；
或者/和，获取热电联产机组运行安全和状态耦合约束、燃气内燃机运行安全和状态耦合约束、开关机和状态耦合约束、初始状态与开停机耦合约束、储能电池充放电功率约束和储能电池电量约束中的至少一种约束。
6.根据权利要求5所述的考虑新能源不确定性的综合能源系统优化方法，其特征在于，所述获取光伏出力机会约束，包括：
获取光伏出力机会约束，包括：
Figure RE-FDA0002403945780000021
Figure RE-FDA0002403945780000022
其中，
Figure RE-FDA0002403945780000023
为t时段第i个光伏逆变器预测出力，
Figure RE-FDA0002403945780000024
表示为t时段第i个光伏逆变器实际出力上限，光伏出力波动Ωi，t服从独立正太分布
Figure RE-FDA0002403945780000025
εi为第i个光伏逆变器的机会约束成立的最大概率。
7.根据权利要求5所述的考虑新能源不确定性的综合能源系统优化方法，其特征在于，所述获取热电联产机组运行安全和状态耦合约束、燃气内燃机运行安全和状态耦合约束、开关机和状态耦合约束、初始状态与开停机耦合约束、储能电池充放电功率约束和储能电池电量约束中的至少一种约束，包括：
获取所述热电联产机组运行安全和状态耦合约束，包括：
Figure RE-FDA0002403945780000026
Figure RE-FDA0002403945780000031
其中，
Figure RE-FDA0002403945780000032
表示为t时段第i台CHP的状态变量，
Figure RE-FDA0002403945780000033
表示为t时段第i个CHP的功率下限，
Figure RE-FDA0002403945780000034
表示为t时段第i个CHP的功率，
Figure RE-FDA0002403945780000035
表示为t时段第i个CHP的功率上限，
Figure RE-FDA0002403945780000036
表示为t时段第i台CHP的供热功率，θi表示为第i台热电联产机组的热电比；
获取燃气内燃机运行安全和状态耦合约束，包括：
Figure RE-FDA0002403945780000037
其中，
Figure RE-FDA0002403945780000038
为t时段第i台蒸汽燃气锅炉的状态变量，
Figure RE-FDA0002403945780000039
为t时段第i台蒸汽燃气锅炉的供热功率，
Figure RE-FDA00024039457800000310
和
Figure RE-FDA00024039457800000311
分别为变量
Figure RE-FDA00024039457800000312
的下限和上限；
获取开关机和状态耦合约束，包括：
Figure RE-FDA00024039457800000313
Figure RE-FDA00024039457800000314
Figure RE-FDA00024039457800000315
Figure RE-FDA00024039457800000316
其中，
Figure RE-FDA00024039457800000317
分别为t时段第i台CHP的开机变量和关机变量(即0-1变量)，
Figure RE-FDA00024039457800000318
分别为t时段第i台蒸汽内燃机的开机变量和关机变量(即0-1变量)；
Figure RE-FDA00024039457800000319
表示第i台设备t+1时段CHP的状态变量，
Figure RE-FDA00024039457800000320
表示第i台设备t时段CHP的状态变量，
Figure RE-FDA00024039457800000321
表示第i台设备t+1时段锅炉的状态变量，
Figure RE-FDA00024039457800000322
表示第i台设备t时段锅炉的状态变量；
获取初始状态与开停机耦合约束，包括：
Figure RE-FDA00024039457800000323
Figure RE-FDA00024039457800000324
其中，
Figure RE-FDA00024039457800000325
表示CHP传入的初始设备状态、
Figure RE-FDA00024039457800000326
表示第一时段CHP传入的初始设备状态，
Figure RE-FDA0002403945780000041
表示第一时段CHP的开机变量、
Figure RE-FDA0002403945780000042
表示第一时段CHP的关机变量，
Figure RE-FDA0002403945780000043
表示CHP传入的初始设备状态，
Figure RE-FDA0002403945780000044
表示第一时段锅炉传入的初始设备状态，
Figure RE-FDA0002403945780000045
表示第一时段CHP的开机变量，
Figure RE-FDA0002403945780000046
表示第一时段CHP的关机变量；
获取储能电池充放电功率约束，包括：
Figure RE-FDA0002403945780000047
Figure RE-FDA0002403945780000048
Figure RE-FDA0002403945780000049
Figure RE-FDA00024039457800000410
其中，
Figure RE-FDA00024039457800000411
和
Figure RE-FDA00024039457800000412
分别表示为最大充电功率限制和最大放电功率限制，
Figure RE-FDA00024039457800000413
为充放电功率，
Figure RE-FDA00024039457800000414
和
Figure RE-FDA00024039457800000415
分别为t时段第i个储能电池的充电功率和放电功率，
Figure RE-FDA00024039457800000416
表示储能电池的充电状态变量，
Figure RE-FDA00024039457800000417
表示储能电池的放电状态变量；
获取所述储能电池电量约束，包括：
Figure RE-FDA00024039457800000418
SOCi，T＝SOCi，1，
其中，
Figure RE-FDA00024039457800000419
为周期始末蓄电池储能平衡约束，SOCt为时段t的储电量；α为充/放电系数。SOCi，1表示第一个时段的储电量，SOCi，T表示最后一个时段的储电量，SOCi，t+1表示i台设备时段t+1的储电量，SOCi，t表示i台设备时段t的储电量。
8.根据权利要求4所述的考虑新能源不确定性的综合能源系统优化方法，其特征在于，所述获取所述目标函数的约束条件，所述约束条件至少包括光伏出力机会约束，还包括：
获取系统运行约束条件，所述系统运行约束条件至少包括系统电力平衡约束、系统热能平衡约束和系统联络线约束中的至少一种约束。
9.根据权利要求8所述的考虑新能源不确定性的综合能源系统优化方法，其特征在于，所述获取系统运行约束条件，所述系统运行约束条件至少包括系统电力平衡约束、系统热能平衡约束和系统联络线约束中的至少一种约束，包括：
获取所述系统电力平衡约束，包括：
Figure RE-FDA0002403945780000051
其中，NCHP表示CHP的数目，NPV表示光伏电源的数目，NSTG表示储能电池的数目；
Figure RE-FDA0002403945780000052
表示为t时段综合能源系统的购电量；
Figure RE-FDA0002403945780000053
表示为时段t第i个CHP的功率，
Figure RE-FDA0002403945780000054
表示为时段t第i个光伏逆变器的实际功率，
Figure RE-FDA0002403945780000055
表示为时段t第i个储能电池的放电功率，
Figure RE-FDA0002403945780000056
表示为时段t第i个储能电池的充电功率，
Figure RE-FDA0002403945780000057
表示为系统t时段的电负荷；
获取所述系统热能平衡约束，包括：
Figure RE-FDA0002403945780000058
其中，NGSB表示为蒸汽燃气锅炉的数目，NCHP表示为CHP的数目，
Figure RE-FDA0002403945780000059
Figure RE-FDA00024039457800000510
分别为t时段第i台CHP和蒸汽燃气锅炉的状态变量；
Figure RE-FDA00024039457800000511
和
Figure RE-FDA00024039457800000512
分别为t时段第i台蒸汽燃气锅炉和CHP的供热功率；Ht为系统t时段的热负荷；
获取系统联络线约束，包括：
Figure RE-FDA00024039457800000513
其中，
Figure RE-FDA00024039457800000514
表示为t时段综合能源系统的购电量，Pgrid为系统向电网的购电限制，
Figure RE-FDA00024039457800000515
为系统向电网的售电限制。
10.一种考虑新能源不确定性的综合能源系统优化装置，其特征在于，包括：
最优解获取摸块，用于获取在至少包括光伏出力机会约束的约束条件下的以综合能源系统期望收益最大化为目标函数的最优解；
综合能源系统优化模块，用于基于所述最优解对所述综合能源系统的运行调度进行优化。
11.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述考虑新能源不确定性的综合能源系统优化方法的步骤。
12.一种存储介质，所述存储介质存储有计算机程序，在所述计算机程序运行时，执行如上权利要求1至9任一项所述考虑新能源不确定性的综合能源系统优化方法的步骤。
CN201911418782.XA 2019-12-31 2019-12-31 考虑新能源不确定性的综合能源系统优化方法和装置 Pending CN111178636A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911418782.XA CN111178636A (zh) 2019-12-31 2019-12-31 考虑新能源不确定性的综合能源系统优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911418782.XA CN111178636A (zh) 2019-12-31 2019-12-31 考虑新能源不确定性的综合能源系统优化方法和装置

Publications (1)

Publication Number Publication Date
CN111178636A true CN111178636A (zh) 2020-05-19

Family

ID=70654337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911418782.XA Pending CN111178636A (zh) 2019-12-31 2019-12-31 考虑新能源不确定性的综合能源系统优化方法和装置

Country Status (1)

Country Link
CN (1) CN111178636A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257899A (zh) * 2020-09-22 2021-01-22 国网河北省电力有限公司营销服务中心 一种cchp系统优化调度方法及终端设备
CN112819204A (zh) * 2021-01-14 2021-05-18 华北电力大学 一种源荷互动模型构建方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN109670730A (zh) * 2019-01-11 2019-04-23 国网安徽省电力有限公司合肥供电公司 一种综合能源系统日前经济调度方法
CN109980685A (zh) * 2019-04-02 2019-07-05 东南大学 一种考虑不确定性的主动配电网分布式优化运行方法
CN110086208A (zh) * 2019-04-18 2019-08-02 新奥数能科技有限公司 综合能源系统的设备调控方法及装置
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN109670730A (zh) * 2019-01-11 2019-04-23 国网安徽省电力有限公司合肥供电公司 一种综合能源系统日前经济调度方法
CN109980685A (zh) * 2019-04-02 2019-07-05 东南大学 一种考虑不确定性的主动配电网分布式优化运行方法
CN110086208A (zh) * 2019-04-18 2019-08-02 新奥数能科技有限公司 综合能源系统的设备调控方法及装置
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257899A (zh) * 2020-09-22 2021-01-22 国网河北省电力有限公司营销服务中心 一种cchp系统优化调度方法及终端设备
CN112819204A (zh) * 2021-01-14 2021-05-18 华北电力大学 一种源荷互动模型构建方法和系统

Similar Documents

Publication Publication Date Title
Nazari-Heris et al. Robust short-term scheduling of integrated heat and power microgrids
Tejada-Arango et al. Power-based generation expansion planning for flexibility requirements
Qiu et al. Optimal allocation of BESS and MT in a microgrid
Jalili et al. Stochastic optimal operation of a microgrid based on energy hub including a solar-powered compressed air energy storage system and an ice storage conditioner
US9201411B2 (en) Optimal energy management of a microgrid system using multi-objective optimization
CN111199015B (zh) 一种综合能源系统优化方法和装置
Nazari-Heris et al. Network constrained economic dispatch of renewable energy and CHP based microgrids
Shen et al. Optimal hybrid energy storage system planning of community multi-energy system based on two-stage stochastic programming
CN111178636A (zh) 考虑新能源不确定性的综合能源系统优化方法和装置
CN117595261B (zh) 光储微电网能量管理策略优化方法、装置及电子设备
Thang Optimal sizing of distributed energy resources and battery energy storage system in planning of islanded micro-grids based on life cycle cost
CN115062835A (zh) 基于虚拟发电厂的主动配电网分布式资源优化调度方法
CN111898801B (zh) 一种用于配置多能互补供电系统的方法及系统
Masaud et al. Optimal sizing of battery storage systems for microgrid expansion applications
CN113689068A (zh) 一种电力电量平衡规划方法、装置及终端设备
CN111222694A (zh) 考虑负荷预测不确定性的综合能源系统优化方法和装置
CN116742812A (zh) 一种多能互补发电系统储能容量协调优化配置方法和系统
CN116402223A (zh) 一种配电网协同调度方法、系统及设备
Van Thang et al. Evaluating efficiency of renewable energy sources in planning micro-grids considering uncertainties
Zeynali et al. Distributionally robust unit commitment in integrated multi-energy systems with coordinated electric vehicle fleets
CN115693797A (zh) 考虑v2g与需求响应的配电网调度方法、介质及系统
CN115764936A (zh) 电网储能配置的优化方法、装置、设备及存储介质
CN112257899A (zh) 一种cchp系统优化调度方法及终端设备
Tong et al. Economical optimization for multi-microgrid based on Stackelberg game
CN114493143A (zh) 面向并网型微电网的虚拟电厂多目标优化调度系统及方法

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: 20200519