CN111339664A - 一种基于边缘计算的逐层负荷建模方法和系统 - Google Patents
一种基于边缘计算的逐层负荷建模方法和系统 Download PDFInfo
- Publication number
- CN111339664A CN111339664A CN202010124094.9A CN202010124094A CN111339664A CN 111339664 A CN111339664 A CN 111339664A CN 202010124094 A CN202010124094 A CN 202010124094A CN 111339664 A CN111339664 A CN 111339664A
- Authority
- CN
- China
- Prior art keywords
- substation
- parameters
- load
- voltage level
- power
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000009826 distribution Methods 0.000 claims abstract description 153
- 230000005540 biological transmission Effects 0.000 claims abstract description 139
- 238000005070 sampling Methods 0.000 claims description 98
- 238000012549 training Methods 0.000 claims description 16
- 238000003062 neural network model Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
-
- 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
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04S10/16—Electric power substations
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供一种基于边缘计算的负荷逐层建模方法和系统。所述方法和系统通过设置在配电变电站和不同电压等级输电变电站侧的边缘计算服务器,按照电压等级从低到高的顺序,结合主网信息和下一级电压变电站确定的负荷模型和参数逐层辨识高一电压等级变电站的负荷模型及参数,将最终辨识结果实时上传至电网调度平台,所述方法和系统高效解决电力系统无法求解的复杂计算任务,减少边缘端与调度侧的数据通信,增加系统的安全可靠性,并为电网的实时调度与运行决策提供更精确的负荷特性模型。
Description
技术领域
本发明涉及边缘计算领域,并且更具体地,涉及一种基于边缘计算的逐层负荷建模方法和系统。
背景技术
负荷建模对维持电网安全稳定运行和提高用户供电可靠性有着重大意义,负荷模型一般来说可以分为静态模型、机理动态模型和非机理动态模型,其中机理动态模型可以用于描述电压或频率较快变化时的负荷特性,有利于协助电力系统维持暂态稳定、小扰动稳定和电压稳定。目前,负荷模型的参数辨识方法有很多种,但均需要海量的数据作为支撑(例如,综合统计法和总体测辨法),某些只需小样本数据的方法(例如,故障仿真法),但是存在严重的局限性。此外,电力系统是一个分层结构,从居民负荷、工业负荷、商业负荷到配电变电站,从配电变电站到输电变电站,从输电变电站到发电厂和调度中心,负荷数据需要利用智能终端采集而逐级上传,最终在调度中心利用统计综合法得到负荷模型和参数,这种方法显然会对通信网络带来很大负担,同时,也会面对数据私密问题的挑战,而且无法实现负荷参数的在线辨识。
因此,需要一种技术以减少负荷数据逐层上报给通信网络带来的负担,保证数据安全性,并实现负荷参数的在线辨识。
发明内容
为了解决现有技术中的负荷建模对通信网络带来的负担,以及无法实现负荷参数在线辨识的技术问题,本发明提供一种基于边缘计算的逐层负荷建模方法,所述方法包括:
步骤1、配电变电站采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器;
步骤2、所述配电变电站侧边缘计算服务器根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷的模型和参数;
步骤3、同一电压等级配电变电站侧的边缘计算服务器之间进行数据共享与协同,并上传所述低电压等级负荷模型和参数信息至第i个电压等级的输电变电站侧边缘计算服务器,其中,1≤i≤n,n为输电变压器电压等级数,第i个电压等级的电压小于第i+1个电压等级的电压;
步骤4、第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器;
步骤5、所述第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息,以及接收的第i-1个电压等级负荷的模型和参数确定第i个电压等级负荷的模型和参数,其中,当i=1时,所述第i-1个电压等级负荷的模型和参数是配电变电站侧边缘计算服务器上传的低电压等级负荷的模型和参数;当1<i≤n时,所述第i-1个电压等级负荷的模型和参数是第i-1个电压等级的输电变电站侧边缘计算服务器计算确定的负荷的模型和参数;
步骤6、第i个电压等级输电变电站侧的边缘计算服务器之间进行数据共享与协同;
步骤7、当i=n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的负荷模型和参数上传至电网调度平台;
步骤8、当1≤i<n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的负荷模型和参数上传至第i+1个电压等级输电变电站侧的边缘计算服务器。
进一步地,所述配电变电站采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器包括:
配电变电站综合自动化系统采集用电采集系统获取的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站综合自动化系统采集电力营销业务系统中的参考负荷模型数据和负荷比例;
配电变电站综合自动化系统将采集的信息和配电变电站综合自动化系统中的配电网模型及参数,拓扑及图形以报文形式传输至配电变电站侧边缘计算服务器。
进一步地,所述配电变电站侧边缘计算服务器根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷模型和参数包括:
配电变电站侧边缘计算服务器对以报文形式传输的所述电力信息和配电变电站综合自动化系统的信息进行解析,分别得到参考负荷模型数据和负荷比例,配电网的拓扑结构,以及终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站侧边缘计算服务器将负荷模型数据和负荷比例作为初始参考值,结合配电网的拓扑结构,对终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到低电压等级负荷的模型及参数;
将低电压等级负荷模型及参数保存在配电变电站侧边缘计算服务器中,并通过采样得到的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值不断对低电压等级负荷模型及参数实时更新、修正。
进一步地,所述第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器包括:
所述第i个电压等级的输电变电站的综合自动化系统从电网调度平台采集主网信息,所述主网信息包括主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
所述第i个电压等级的输电变电站的综合自动化系统利用以太网通信,将所述主网信息以报文形式传输至第i个电压等级的输电变电站侧边缘计算服务器。
进一步地,所述第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息,以及接收的第i-1个电压等级负荷的模型和参数,采用深度神经网络进行训练确定第i个电压等级负荷的模型和参数包括:
第i个电压等级的输电变电站侧边缘计算服务器对以报文形式传输的主网信息进行解析,获取主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
第i个电压等级的输电变电站侧边缘计算服务器结合主网模型及参数、拓扑及图形,以及接收的第i-1个电压等级负荷的模型和参数,对主网节点电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到第i个电压等级的负荷模型及参数;
将第i个电压等级的负荷模型及参数保存在第i个电压等级的输电变电站侧边缘计算服务器中,并根据主网节点电气量采样值、以及实时传输上来的第i-1个电压等级的负荷模型及参数对第i个电压等级的负荷模型及参数实时更新、修正。
根据本发明的另一方面,本发明提供一种基于边缘计算的逐层负荷建模系统,所述系统包括:
配电变电站,其用于采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器;
配电变电站侧边缘计算服务器,其用于根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷模型和参数,其中,同一电压等级配电变电站侧的边缘计算服务器进行数据共享与协同,并上传低电压等级负荷模型和参数至第1个电压等级的输电变电站侧边缘计算服务器;
n个不同电压等级的输电变电站,其用于第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器,其中,1≤i≤n,第i个电压等级的电压小于第i+1个电压等级的电压;
n个不同电压等级的输电变电站侧边缘计算服务器,其用于第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息,以及接收的第i-1个电压等级负荷的模型和参数,采用深度神经网络进行训练确定第i个电压等级负荷的模型和参数,其中,第i个电压等级输电变电站侧的边缘计算服务器之间进行数据共享与协同,且当i=1时,所述第i-1个电压等级负荷的模型和参数是配电变电站侧边缘计算服务器上传的低电压等级负荷的模型和参数;当1<i≤n时,所述第i-1个电压等级负荷的模型和参数是第i-1个电压等级的输电变电站侧边缘计算服务器计算确定的负荷的模型和参数;以及当i=n时,将所述第i个电压等级输电变电站的负荷模型和参数上传至电网调度平台,当1≤i<n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的的负荷模型和参数上传至第i+1个电压等级输电变电站侧的边缘计算服务器;
电网调度平台,其用于传输主网信息至n个不同电压等级的输电变电站,以及接收第n个电压等级输电变电站侧的边缘计算服务器传输的第n个电压等级输电变电站的负荷模型和参数。
进一步地,所述配电变电站采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器包括:
配电变电站综合自动化系统采集用电采集系统获取的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站综合自动化系统采集电力营销业务系统中的参考负荷模型数据和负荷比例;
配电变电站综合自动化系统将采集的信息和配电变电站综合自动化系统中的配电网模型及参数,拓扑及图形以报文形式传输至配电变电站侧边缘计算服务器。
进一步地,所述配电变电站侧边缘计算服务器根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷模型和参数包括:
配电变电站侧边缘计算服务器对以报文形式传输的所述电力信息和配电变电站综合自动化系统的信息进行解析,分别得到参考负荷模型数据和负荷比例,配电网的拓扑结构,以及终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站侧边缘计算服务器将负荷模型数据和负荷比例作为初始参考值,结合配电网的拓扑结构,对终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到低电压等级负荷的模型及参数;
将低电压等级负荷模型及参数保存在配电变电站侧边缘计算服务器中,并通过采样得到的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值不断对低电压等级负荷模型及参数实时更新、修正。
进一步地,所述第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器包括:
所述第i个电压等级的输电变电站的综合自动化系统从电网调度平台采集主网信息,所述主网信息包括主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
所述第i个电压等级的输电变电站的综合自动化系统利用以太网通信,将所述主网信息以报文形式传输至第i个电压等级的输电变电站侧边缘计算服务器。
进一步地,所述第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息以及接收的第i-1个电压等级负荷的模型和参数,采用深度神经网络进行训练确定第i个电压等级负荷的模型和参数包括:
第i个电压等级的输电变电站侧边缘计算服务器对以报文形式传输的主网信息进行解析,获取主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
第i个电压等级的输电变电站侧边缘计算服务器结合主网模型及参数、拓扑及图形,以及接收的第i-1个电压等级负荷的模型和参数,对主网节点电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到第i个电压等级的负荷模型及参数;
将第i个电压等级的负荷模型及参数保存在第i个电压等级的输电变电站侧边缘计算服务器中,并根据主网节点电气量采样值、以及实时传输上来的第i-1个电压等级的负荷模型及参数对第i个电压等级的负荷模型及参数实时更新、修正。
本发明技术方案提供的基于边缘计算的负荷逐层建模方法和系统通过设置在配电变电站和不同电压等级输电变电站侧的边缘计算服务器,按照电压等级从低到高的顺序,结合主网信息和下一级电压变电站确定的负荷模型和参数逐层辨识高一电压等级变电站的负荷模型及参数,将最终辨识结果实时上传至电网调度平台,所述方法和系统高效解决电力系统无法求解的复杂计算任务,减少边缘端与调度侧的数据通信,增加系统的安全可靠性,并为电网的实时调度与运行决策提供更精确的负荷特性模型,从而更好地帮助调度人员分析负荷变化特性,指导实时调度与运行决策。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明优选实施方式的基于边缘计算的逐层负荷建模方法的流程图;
图2为根据本发明优选实施方式的基于边缘计算的逐层负荷建模系统的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的基于边缘计算的逐层负荷建模方法的流程图。如图1所示,本优选实施方式所述的基于边缘计算的逐层负荷建模方法100从步骤101开始。
在步骤101,配电变电站采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器。
在步骤102,所述配电变电站侧边缘计算服务器根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷的模型和参数。
在步骤103,同一电压等级配电变电站侧的边缘计算服务器之间进行数据共享与协同,并上传所述低电压等级负荷模型和参数信息至第i个电压等级的输电变电站侧边缘计算服务器,其中,1≤i≤n,n为输电变压器电压等级数,第i个电压等级的电压小于第i+1个电压等级的电压。
在步骤104,第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器。
在步骤105,所述第i个电压等级的输电变电站侧边缘计算服务器根据主网信息以及接收的第i-1个电压等级负荷的模型和参数确定第i个电压等级负荷的模型和参数,其中,当i=1时,所述第i-1个电压等级负荷的模型和参数是配电变电站侧边缘计算服务器上传的低电压等级负荷的模型和参数;当1<i≤n时,所述第i-1个电压等级负荷的模型和参数是第i-1个电压等级的输电变电站侧边缘计算服务器计算确定的负荷的模型和参数。
在步骤106,第i个电压等级输电变电站侧的边缘计算服务器之间进行数据共享与协同。
在步骤107,当i=n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的负荷模型和参数上传至电网调度平台;
在步骤108,当1≤i<n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的负荷模型和参数上传至第i+1个电压等级输电变电站侧的边缘计算服务器。
优选地,所述配电变电站采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器包括:
配电变电站综合自动化系统采集用电采集系统获取的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站综合自动化系统采集电力营销业务系统中的参考负荷模型数据和负荷比例;
配电变电站综合自动化系统将采集的信息和配电变电站综合自动化系统中的配电网模型及参数,拓扑及图形以报文形式传输至配电变电站侧边缘计算服务器。
在本优选实施方式中,用电采集系统和电力营销业务系统通过光纤或无线,将配电变电站的综合自动化系统采集的信息以报文形式传输至至配电变电站的综合自动化系统,所述配电变电站的综合自动化系统通过以太网通信将报文传输至配电变电站侧边缘计算服务器。
优选地,所述配电变电站侧边缘计算服务器根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷模型和参数包括:
配电变电站侧边缘计算服务器对以报文形式传输的所述电力信息和配电变电站综合自动化系统的信息进行解析,分别得到参考负荷模型数据和负荷比例,配电网的拓扑结构,以及终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站侧边缘计算服务器将负荷模型数据和负荷比例作为初始参考值,结合配电网的拓扑结构,对终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到低电压等级负荷的模型及参数;
将低电压等级负荷模型及参数保存在配电变电站侧边缘计算服务器中,并通过采样得到的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值不断对低电压等级负荷模型及参数实时更新、修正。
本优选实施方式中,对同一电压等级配电变电站的边缘计算服务器进行边边协同,使不同终端的就地负荷模型和参数信息进行数据共享与协同,并将实时更新的负荷模型和参数信息经过分析整理后上传至第一个电压等级的输电变电站侧的边缘计算服务器中,从而保证了即使逐层负荷建模,也能保证实时在线辨识负荷参数。
优选地,所述第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器包括:
所述第i个电压等级的输电变电站的综合自动化系统从电网调度平台采集主网信息,所述主网信息包括主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
所述第i个电压等级的输电变电站的综合自动化系统利用以太网通信,将所述主网信息以报文形式传输至第i个电压等级的输电变电站侧边缘计算服务器。
现有技术中,不同电压等级的输电变电站从D5000平台获取主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值,D5000通过光纤或无线将信息以报文形式传输至输电变电站的综合自动化系统中,输电变电站的综合自动化系统则利用以太网将接收的报文发送到输电变电站侧边缘计算服务器,在边缘计算服务器中进行报文解析。
优选地,所述第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息,以及接收的第i-1个电压等级负荷的模型和参数确定第i个电压等级负荷的模型和参数包括:
第i个电压等级的输电变电站侧边缘计算服务器对以报文形式传输的主网信息进行解析,获取主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
第i个电压等级的输电变电站侧边缘计算服务器结合主网模型及参数、拓扑及图形,以及接收的第i-1个电压等级负荷的模型和参数,对主网节点电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到第i个电压等级的负荷模型及参数;
将第i个电压等级的负荷模型及参数保存在第i个电压等级的输电变电站侧边缘计算服务器中,并根据主网节点电气量采样值、以及实时传输上来的第i-1个电压等级的负荷模型及参数对第i个电压等级的负荷模型及参数实时更新、修正。
图2为根据本发明优选实施方式的基于边缘计算的逐层负荷建模系统的结构示意图。如图2所求,本优选实施方式所述的基于边缘计算的逐层负荷建模系统200包括:
配电变电站201,其用于采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器。
配电变电站侧边缘计算服务器202,其用于根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷模型和参数,其中,同一电压等级配电变电站侧的边缘计算服务器进行数据共享与协同,并上传低电压等级负荷模型和参数至第1个电压等级的输电变电站侧边缘计算服务器。
n个不同电压等级的输电变电站203,其用于第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器,其中,1≤i≤n,第i个电压等级的电压小于第i+1个电压等级的电压。在本优选实施方式中,共有三个电压等级的输电变电站,按照电压从低到高的顺序分别为第一电压等级输电变电站231,第二电压等级输电变电站232和第三电压等级输电变电站233。
n个不同电压等级的输电变电站侧边缘计算服务器204,其用于第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息,以及接收的第i-1个电压等级负荷的模型和参数,采用深度神经网络进行训练确定第i个电压等级负荷的模型和参数,其中,第i个电压等级输电变电站侧的边缘计算服务器之间进行数据共享与协同,且当i=1时,所述第i-1个电压等级负荷的模型和参数是配电变电站侧边缘计算服务器上传的低电压等级负荷的模型和参数;当1<i≤n时,所述第i-1个电压等级负荷的模型和参数是第i-1个电压等级的输电变电站侧边缘计算服务器计算确定的负荷的模型和参数;以及当i=n时,将所述第i个电压等级输电变电站的负荷模型和参数上传至电网调度平台,当1≤i<n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的的负荷模型和参数上传至第i+1个电压等级输电变电站侧的边缘计算服务器。在本优选实施方式中,和输电变电站对应,在每个输电变电站侧设置一个边缘计算服务器,分别为第一电压等级边缘计算服务器241,第二电压等级边缘计算服务器242和第三电压等级边缘计算服务器243。
电网调度平台205,其用于传输主网信息至n个不同电压等级的输电变电站,以及接收第n个电压等级输电变电站侧的边缘计算服务器传输的第n个电压等级输电变电站的负荷模型和参数。
优选地,所述配电变电站采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器包括:
配电变电站综合自动化系统采集用电采集系统获取的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站综合自动化系统采集电力营销业务系统中的参考负荷模型数据和负荷比例;
配电变电站综合自动化系统将采集的信息和配电变电站综合自动化系统中的配电网模型及参数,拓扑及图形以报文形式传输至配电变电站侧边缘计算服务器。
优选地,所述配电变电站侧边缘计算服务器根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷模型和参数包括:
配电变电站侧边缘计算服务器对以报文形式传输的所述电力信息和配电变电站综合自动化系统的信息进行解析,分别得到参考负荷模型数据和负荷比例,配电网的拓扑结构,以及终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站侧边缘计算服务器将负荷模型数据和负荷比例作为初始参考值,结合配电网的拓扑结构,对终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到低电压等级负荷的模型及参数;
将低电压等级负荷模型及参数保存在配电变电站侧边缘计算服务器中,并通过采样得到的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值不断对低电压等级负荷模型及参数实时更新、修正。
优选地,所述第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器包括:
所述第i个电压等级的输电变电站的综合自动化系统从电网调度平台采集主网信息,所述主网信息包括主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
所述第i个电压等级的输电变电站的综合自动化系统利用以太网通信,将所述主网信息以报文形式传输至第i个电压等级的输电变电站侧边缘计算服务器。
优选地,所述第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息,以及接收的第i-1个电压等级负荷的模型和参数确定第i个电压等级负荷的模型和参数包括:
第i个电压等级的输电变电站侧边缘计算服务器对报文进行解析,获取主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
第i个电压等级的输电变电站侧边缘计算服务器结合主网模型及参数、拓扑及图形,以及接收的第i-1个电压等级负荷的模型和参数,对主网节点电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到第i个电压等级的负荷模型及参数;
将第i个电压等级的负荷模型及参数保存在第i个电压等级的输电变电站侧边缘计算服务器中,并根据主网节点电气量采样值、以及实时传输上来的第i-1个电压等级的负荷模型及参数对第i个电压等级的负荷模型及参数实时更新、修正。
本发明所述基于边缘计算的逐层负荷建模系统对电网中的负荷进行逐层建模的方法与本发明所述基于边缘计算的逐层负荷建模方法的步骤相同,并且达到的技术效果也相同,此处不再赘述。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
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。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于边缘计算的逐层负荷建模方法,其特征在于,所述方法包括:
步骤1、配电变电站采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器;
步骤2、所述配电变电站侧边缘计算服务器根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷的模型和参数;
步骤3、同一电压等级配电变电站侧的边缘计算服务器之间进行数据共享与协同,并上传所述低电压等级负荷模型和参数信息至第i个电压等级的输电变电站侧边缘计算服务器,其中,1≤i≤n,n为输电变压器电压等级数,第i个电压等级的电压小于第i+1个电压等级的电压;
步骤4、第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器;
步骤5、所述第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息,以及接收的第i-1个电压等级负荷的模型和参数确定第i个电压等级负荷的模型和参数,其中,当i=1时,所述第i-1个电压等级负荷的模型和参数是配电变电站侧边缘计算服务器上传的低电压等级负荷的模型和参数;当1<i≤n时,所述第i-1个电压等级负荷的模型和参数是第i-1个电压等级的输电变电站侧边缘计算服务器计算确定的负荷的模型和参数;
步骤6、第i个电压等级输电变电站侧的边缘计算服务器之间进行数据共享与协同;
步骤7、当i=n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的负荷模型和参数上传至电网调度平台;
步骤8、当1≤i<n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的负荷模型和参数上传至第i+1个电压等级输电变电站侧的边缘计算服务器。
2.根据权利要求1所述的方法,其特征在于,所述配电变电站采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器包括:
配电变电站综合自动化系统采集用电采集系统获取的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站综合自动化系统采集电力营销业务系统中的参考负荷模型数据和负荷比例;
配电变电站综合自动化系统将采集的信息和配电变电站综合自动化系统中的配电网模型及参数,拓扑及图形以报文形式传输至配电变电站侧边缘计算服务器。
3.根据权利要求2所述的方法,其特征在于,所述配电变电站侧边缘计算服务器根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷模型和参数包括:
配电变电站侧边缘计算服务器对以报文形式传输的所述电力信息和配电变电站综合自动化系统的信息进行解析,分别得到参考负荷模型数据和负荷比例,配电网的拓扑结构,以及终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站侧边缘计算服务器将负荷模型数据和负荷比例作为初始参考值,结合配电网的拓扑结构,对终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到低电压等级负荷的模型及参数;
将低电压等级负荷模型及参数保存在配电变电站侧边缘计算服务器中,并通过采样得到的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值不断对低电压等级负荷模型及参数实时更新、修正。
4.根据权利要求1所述的方法,其特征在于,所述第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器包括:
所述第i个电压等级的输电变电站的综合自动化系统从电网调度平台采集主网信息,所述主网信息包括主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
所述第i个电压等级的输电变电站的综合自动化系统利用以太网通信,将所述主网信息以报文形式传输至第i个电压等级的输电变电站侧边缘计算服务器。
5.根据权利要求4所述的方法,其特征在于,所述第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息,以及接收的第i-1个电压等级负荷的模型和参数确定第i个电压等级负荷的模型和参数包括:
第i个电压等级的输电变电站侧边缘计算服务器对以报文形式传输的主网信息进行解析,获取主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
第i个电压等级的输电变电站侧边缘计算服务器结合主网模型及参数、拓扑及图形,以及接收的第i-1个电压等级负荷的模型和参数,对主网节点电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到第i个电压等级的负荷模型及参数;
将第i个电压等级的负荷模型及参数保存在第i个电压等级的输电变电站侧边缘计算服务器中,并根据主网节点电气量采样值、以及实时传输上来的第i-1个电压等级的负荷模型及参数对第i个电压等级的负荷模型及参数实时更新、修正。
6.一种基于边缘计算的逐层负荷建模系统,其特征在于,所述系统包括:
配电变电站,其用于采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器;
配电变电站侧边缘计算服务器,其用于根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷模型和参数,其中,同一电压等级配电变电站侧的边缘计算服务器进行数据共享与协同,并上传低电压等级负荷模型和参数至第1个电压等级的输电变电站侧边缘计算服务器;
n个不同电压等级的输电变电站,其用于第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器,其中,1≤i≤n,第i个电压等级的电压小于第i+1个电压等级的电压;
n个不同电压等级的输电变电站侧边缘计算服务器,其用于第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息,以及接收的第i-1个电压等级负荷的模型和参数确定第i个电压等级负荷的模型和参数,其中,第i个电压等级输电变电站侧的边缘计算服务器之间进行数据共享与协同,当i=1时,所述第i-1个电压等级负荷的模型和参数是配电变电站侧边缘计算服务器上传的低电压等级负荷的模型和参数;当1<i≤n时,所述第i-1个电压等级负荷的模型和参数是第i-1个电压等级的输电变电站侧边缘计算服务器计算确定的负荷的模型和参数;以及当i=n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的负荷模型和参数上传至电网调度平台,当1≤i<n时,所述第i个电压等级输电变电站侧的连续边缘计算服务器将其确定的的负荷模型和参数上传至第i+1个电压等级输电变电站侧的边缘计算服务器;
电网调度平台,其用于传输主网信息至n个不同电压等级的输电变电站,以及接收第n个电压等级输电变电站侧的边缘计算服务器传输的第n个电压等级输电变电站的负荷模型和参数。
7.根据权利要求6所述的系统,其特征在于,所述配电变电站采集用电采集系统和电力营销业务系统的电力信息,并将所述电力信息和配电变电站综合自动化系统的信息传输至配电变电站侧边缘计算服务器包括:
配电变电站综合自动化系统采集用电采集系统获取的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站综合自动化系统采集电力营销业务系统中的参考负荷模型数据和负荷比例;
配电变电站综合自动化系统将采集的信息和配电变电站综合自动化系统中的配电网模型及参数,拓扑及图形以报文形式传输至配电变电站侧边缘计算服务器。
8.根据权利要求7所述的系统,其特征在于,所述配电变电站侧边缘计算服务器根据所述电力信息和配电变电站综合自动化系统的信息确定低电压等级负荷模型和参数包括:
配电变电站侧边缘计算服务器对以报文形式传输的所述电力信息和配电变电站综合自动化系统的信息进行解析,分别得到参考负荷模型数据和负荷比例,配电网的拓扑结构,以及终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值;
配电变电站侧边缘计算服务器将负荷模型数据和负荷比例作为初始参考值,结合配电网的拓扑结构,对终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到低电压等级负荷的模型及参数;
将低电压等级负荷模型及参数保存在配电变电站侧边缘计算服务器中,并通过采样得到的终端负荷及分布式电源的实时电压、电流、有功采样值和无功采样值不断对低电压等级负荷模型及参数实时更新、修正。
9.根据权利要求6所述的系统,其特征在于,所述第i个电压等级的输电变电站从电网调度平台采集主网信息,并将所述主网信息传输至第i个电压等级的输电变电站侧边缘计算服务器包括:
所述第i个电压等级的输电变电站的综合自动化系统从电网调度平台采集主网信息,所述主网信息包括主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
所述第i个电压等级的输电变电站的综合自动化系统利用以太网通信,将所述主网信息以报文形式传输至第i个电压等级的输电变电站侧边缘计算服务器。
10.根据权利要求9所述的系统,其特征在于,所述第i个电压等级的输电变电站侧边缘计算服务器根据所述主网信息以及接收的第i-1个电压等级负荷的模型和参数确定第i个电压等级负荷的模型和参数包括:
第i个电压等级的输电变电站侧边缘计算服务器对以报文形式传输的主网信息进行解析,获取主网模型及参数、拓扑及图形、主网节点电压、电流、有功采样值和无功采样值;
第i个电压等级的输电变电站侧边缘计算服务器结合主网模型及参数、拓扑及图形,以及接收的第i-1个电压等级负荷的模型和参数,对主网节点电压、电流、有功采样值和无功采样值进行深度神经网络模型训练,得到第i个电压等级的负荷模型及参数;
将第i个电压等级的负荷模型及参数保存在第i个电压等级的输电变电站侧边缘计算服务器中,并根据主网节点电气量采样值、以及实时传输上来的第i-1个电压等级的负荷模型及参数对第i个电压等级的负荷模型及参数实时更新、修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010124094.9A CN111339664B (zh) | 2020-02-27 | 2020-02-27 | 一种基于边缘计算的逐层负荷建模方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010124094.9A CN111339664B (zh) | 2020-02-27 | 2020-02-27 | 一种基于边缘计算的逐层负荷建模方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111339664A true CN111339664A (zh) | 2020-06-26 |
CN111339664B CN111339664B (zh) | 2024-01-26 |
Family
ID=71185735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010124094.9A Active CN111339664B (zh) | 2020-02-27 | 2020-02-27 | 一种基于边缘计算的逐层负荷建模方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339664B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111857015A (zh) * | 2020-08-06 | 2020-10-30 | 山东科宏电子科技有限公司 | 输变电云端智能控制器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868160A (zh) * | 2012-07-09 | 2013-01-09 | 南京南瑞继保电气有限公司 | 智能电网广域负荷建模方法 |
CN107730039A (zh) * | 2017-10-10 | 2018-02-23 | 中国南方电网有限责任公司电网技术研究中心 | 配电网负荷预测的方法及系统 |
CN110707692A (zh) * | 2019-10-16 | 2020-01-17 | 济南荣耀合创电力科技有限公司 | 一种电力系统在线负荷分析与建模系统及方法 |
-
2020
- 2020-02-27 CN CN202010124094.9A patent/CN111339664B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868160A (zh) * | 2012-07-09 | 2013-01-09 | 南京南瑞继保电气有限公司 | 智能电网广域负荷建模方法 |
CN107730039A (zh) * | 2017-10-10 | 2018-02-23 | 中国南方电网有限责任公司电网技术研究中心 | 配电网负荷预测的方法及系统 |
CN110707692A (zh) * | 2019-10-16 | 2020-01-17 | 济南荣耀合创电力科技有限公司 | 一种电力系统在线负荷分析与建模系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111857015A (zh) * | 2020-08-06 | 2020-10-30 | 山东科宏电子科技有限公司 | 输变电云端智能控制器 |
Also Published As
Publication number | Publication date |
---|---|
CN111339664B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
Oliveira et al. | Power system security assessment for multiple contingencies using multiway decision tree | |
CN111131480A (zh) | 一种面向智慧电厂的云边协同服务系统 | |
CN105740975A (zh) | 一种基于数据关联关系的设备缺陷评估与预测方法 | |
CN103646286A (zh) | 一种对智能配电网高效性进行评估的数据处理方法 | |
CN104537908A (zh) | 一种基于模型共享的多级调度一体化的仿真系统及方法 | |
CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
Wang et al. | A load modeling algorithm for distribution system state estimation | |
CN104463465A (zh) | 一种基于分布式模型的实时监控集群处理方法 | |
CN108337256A (zh) | 协议实例化的方法和系统 | |
CN111339664B (zh) | 一种基于边缘计算的逐层负荷建模方法和系统 | |
CN111327477A (zh) | 一种基于边缘计算的变电站站域控制保护方法和系统 | |
CN109409620A (zh) | 一种基于大数据平台的智能电表故障分析和预测系统 | |
CN112224083B (zh) | 基于物联网的电动汽车充电方法及装置 | |
CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
CN112098715A (zh) | 基于5g和修正gcn图神经网络的电能监控与预警系统 | |
CN108539740B (zh) | 一种电网事故预想模拟系统及其方法 | |
CN111857015B (zh) | 输变电云端智能控制器 | |
CN114971053A (zh) | 低压台区网络线损率在线预测模型的训练方法及装置 | |
CN112467806B (zh) | 一种基于dmn电网调控规则确定电网运行状态的方法及系统 | |
Arêdes Moraes et al. | Wind generation impact in transmission expansion planning | |
CN109359800A (zh) | 一种配电自动化主站系统运行状态的评价方法及系统 | |
CN201717634U (zh) | 用于多层电网的事故集处理系统 | |
Simões et al. | Advances in information technology for Smart Grids | |
CN113659712A (zh) | 一种电力设备大数据标签运行平台及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |