CN112267972A - 一种风电机组功率曲线异常智能判定方法 - Google Patents

一种风电机组功率曲线异常智能判定方法 Download PDF

Info

Publication number
CN112267972A
CN112267972A CN202011138290.8A CN202011138290A CN112267972A CN 112267972 A CN112267972 A CN 112267972A CN 202011138290 A CN202011138290 A CN 202011138290A CN 112267972 A CN112267972 A CN 112267972A
Authority
CN
China
Prior art keywords
wind turbine
turbine generator
active power
wind speed
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
Application number
CN202011138290.8A
Other languages
English (en)
Other versions
CN112267972B (zh
Inventor
程方
韩斌
孙仕辉
胡照宇
李颖峰
赵勇
甘勇
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.)
Hunan Clean Energy Branch Of Huaneng International Power Co ltd
Xian Thermal Power Research Institute Co Ltd
Huaneng Power International Inc
Original Assignee
Hunan Clean Energy Branch Of Huaneng International Power Co ltd
Xian Thermal Power Research Institute Co Ltd
Huaneng Power International Inc
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 Hunan Clean Energy Branch Of Huaneng International Power Co ltd, Xian Thermal Power Research Institute Co Ltd, Huaneng Power International Inc filed Critical Hunan Clean Energy Branch Of Huaneng International Power Co ltd
Priority to CN202011138290.8A priority Critical patent/CN112267972B/zh
Publication of CN112267972A publication Critical patent/CN112267972A/zh
Application granted granted Critical
Publication of CN112267972B publication Critical patent/CN112267972B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • 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
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种风电机组功率曲线异常智能判定方法，从SCADA数据库中获取全场风电机组相关数据；将同容量、同机型正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，求每个风速段下有功功率集合的置信区间；将单台风电机组有功功率同样按照风速划分，计算每个风速段单台风电机组有功功率占比，并计算占比均值，将占比均值最大的风电机组作为最优功率曲线风电机组；计算最优功率曲线风电机组各风速段内有功功率的置信区间，计算每台风电机组各风速段有功功率均值，并判断均值是否全部在最优功率曲线风电机组对应的置信区间内；如果不全在，则判别为功率曲线异常，反之判别为率曲线正常。

Description

一种风电机组功率曲线异常智能判定方法
技术领域
本发明属于风电机组功率曲线异常判定技术领域，具体涉及一种风电机组功率曲线异常智能判定方法。
背景技术
目前，分析、判别风电机组功率曲线是否异常，主要对比标准(理论)功率曲线和标准空气密度下的实际功率曲线，查看二者的差异性。虽然二者都是反映风速与风电机组发电功率的关系曲线，但由于二者的形成条件的不同，直接对比分析有一定的缺陷。
理论功率曲线主要是通过仿真计算或实际测量其生成条件比较苛刻，少考虑或不考虑功率曲线的各种工况的影响因素。而标准空气密度下的实际功率曲线是通过散点用风速bin方法，求有功功率均值，在折合到标准空气密度的方式图绘制而成。由于现场工况时刻在变，机组的实际功率曲线散点很离散，即同风速下功率范围较宽。
因此，直接对比标准功率曲线和标准空气密度下现场运行功率曲线的差异，由于没有考虑环境、气候等客观因素，很难判断是机组自身原因引起还是环境、气候等因素引起的。
现有计算方式缺陷：
1)每台风电机组都需要录入与其对应的标准功率曲线，这样的工作量特别大。
2)标准空气密度的折算误差比加大，一般需要环境温度和湿度等相关量，而湿度量很难获取。
3)实际运行功率曲线，是风速bin方式求有功功率的均值，这种方式不能反映出同风速下有功功率的离散程度。
4)没有对异常数据进行清洗，而这部分数据对均值影响比较大，从而造成计算出的结果偏差比较大。
5)不能判断功率曲线是由于环境、气候因素引起的，还是由于风电机组自身原因引起。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种风电机组功率曲线异常智能判定方法，判定结果更加准确。
为了达到上述目的，本发明采用如下技术方案：
一种风电机组功率曲线异常智能判定方法，包括如下步骤：
步骤1：从风电场数据采集与监控系统SCADA数据库中获取全场风电机组信息、风电机组状态、限功率标识位、实时风速和有功功率；
步骤2：将同容量、同机型正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：Pw-1,Pw-2,Pw-3,……,Pw-n；
步骤3：求每个风速段下有功功率集合的置信区间，即
Figure BDA0002737405070000021
Figure BDA0002737405070000022
注：μ为集合的均值，ρ为集合的标准差；
步骤4：将单台正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：Pn-1,Pn-2,Pn-3,……,Pn-n；
步骤5：结合步骤3和步骤4，计算每个风速段单台风电机组有功功率占比，即Pn-1,Pn-2,Pn-3,……,Pn-n在对应置信区间
Figure BDA0002737405070000023
中的占比，其占比分别为：Aw-1,Aw-2,Aw-3,……,Aw-n；
步骤6：计算每台风电机组各风速段有功功率占比均值：μA-1,μA-2,μA-3,……,μA-n，将占比均值最大的风电机组作为最优功率曲线风电机组；
步骤7：计算最优功率曲线风电机组各风速段内有功功率的置信区间，即
Figure BDA0002737405070000024
Figure BDA0002737405070000031
注：μ为集合的均值，ρ为集合的标准差；
步骤8：返回步骤4后，计算每台风电机组各风速段有功功率均值，即μn-1,μn-2,μn-3,……,μn-n；
步骤9：结合步骤7和步骤8，判断每台风电机组各风速有功功率均值是否全部在最优功率曲线风电机组对应的置信区间内；
步骤10：如果不全在，则判别为功率曲线异常，反之判别为率曲线正常。
步骤3和步骤4中所述的将有功功率按照风速划分，风速的步长为1m/s。
和现有技术相比较，本发明具备如下优点：
1)利用风电机组实际运行数据，实现了异常功率曲线机组的识别。
2)不需要收集、录入大量的标准功率曲线数据。
3)由于同时间段风电机组空气密度基本相同，省去了实际空气密度到标准空气密度的转换，降低了计算误差。
4)实现风电机组数据异常值的剔除，使得计算结果更加准确。
附图说明
图1为本发明风电机组功率曲线异常智能判定方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
如图1所示，本发明一种风电机组功率曲线异常智能判定方法，包括如下步骤：
步骤1：从风电场数据采集与监控系统SCADA数据库中获取全场风电机组信息、风电机组状态、限功率标识位、实时风速和有功功率；
步骤2：将同容量、同机型正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：Pw-1,Pw-2,Pw-3,……,Pw-n；
步骤3：求每个风速段下有功功率集合的置信区间，即
Figure BDA0002737405070000041
Figure BDA0002737405070000042
注：μ为集合的均值，ρ为集合的标准差；
步骤4：将单台正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：Pn-1,Pn-2,Pn-3,……,Pn-n；
步骤5：结合步骤3和步骤4，计算每个风速段单台风电机组有功功率占比，即Pn-1,Pn-2,Pn-3,……,Pn-n在对应置信区间
Figure BDA0002737405070000043
中的占比，其占比分别为：Aw-1,Aw-2,Aw-3,……,Aw-n；
步骤6：计算每台风电机组各风速段有功功率占比均值：μA-1,μA-2,μA-3,……,μA-n，将占比均值最大的风电机组作为最优功率曲线风电机组；
步骤7：计算最优功率曲线风电机组各风速段内有功功率的置信区间，即
Figure BDA0002737405070000044
Figure BDA0002737405070000045
注：μ为集合的均值，ρ为集合的标准差；
步骤8：返回步骤4后，计算每台风电机组各风速段有功功率均值，即μn-1,μn-2,μn-3,……,μn-n；
步骤9：结合步骤7和步骤8，判断每台风电机组各风速有功功率均值是否全部在最优功率曲线风电机组对应的置信区间内；
步骤10：如果不全在，则判别为功率曲线异常，反之判别为率曲线正常。
作为本发明的优选实施方式，步骤3和步骤4中所述的将有功功率按照风速划分，风速的步长为1m/s。

Claims (2)

1.一种风电机组功率曲线异常智能判定方法，其特征在于：包括如下步骤：
步骤1：从风电场数据采集与监控系统SCADA数据库中获取全场风电机组信息、风电机组状态、限功率标识位、实时风速和有功功率；
步骤2：将同容量、同机型正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：Pw-1,Pw-2,Pw-3,……,Pw-n；
步骤3：求每个风速段下有功功率集合的置信区间，即
Figure FDA0002737405060000011
Figure FDA0002737405060000012
注：μ为集合的均值，ρ为集合的标准差；
步骤4：将单台正常风电机组在非限功率下的实时风速和有功功率作为一个数据类，将有功功率按照风速划分，每个风速段下的有功功率集合为：Pn-1,Pn-2,Pn-3,……,Pn-n；
步骤5：结合步骤3和步骤4，计算每个风速段单台风电机组有功功率占比，即Pn-1,Pn-2,Pn-3,……,Pn-n在对应置信区间
Figure FDA0002737405060000013
中的占比，其占比分别为：Aw-1,Aw-2,Aw-3,……,Aw-n；
步骤6：计算每台风电机组各风速段有功功率占比均值：μA-1,μA-2,μA-3,……,μA-n，将占比均值最大的风电机组作为最优功率曲线风电机组；
步骤7：计算最优功率曲线风电机组各风速段内有功功率的置信区间，即
Figure FDA0002737405060000014
Figure FDA0002737405060000015
注：μ为集合的均值，ρ为集合的标准差；
步骤8：返回步骤4后，计算每台风电机组各风速段有功功率均值，即μn-1,μn-2,μn-3,……,μn-n；
步骤9：结合步骤7和步骤8，判断每台风电机组各风速有功功率均值是否全部在最优功率曲线风电机组对应的置信区间内；
步骤10：如果不全在，则判别为功率曲线异常，反之判别为率曲线正常。
2.根据权利要求1所述的一种风电机组功率曲线异常智能判定方法，其特征在于：步骤3和步骤4中所述的将有功功率按照风速划分，风速的步长为1m/s。
CN202011138290.8A 2020-10-22 2020-10-22 一种风电机组功率曲线异常智能判定方法 Active CN112267972B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011138290.8A CN112267972B (zh) 2020-10-22 2020-10-22 一种风电机组功率曲线异常智能判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011138290.8A CN112267972B (zh) 2020-10-22 2020-10-22 一种风电机组功率曲线异常智能判定方法

Publications (2)

Publication Number Publication Date
CN112267972A true CN112267972A (zh) 2021-01-26
CN112267972B CN112267972B (zh) 2023-05-05

Family

ID=74341529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011138290.8A Active CN112267972B (zh) 2020-10-22 2020-10-22 一种风电机组功率曲线异常智能判定方法

Country Status (1)

Country Link
CN (1) CN112267972B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112966395A (zh) * 2021-03-31 2021-06-15 华能国际电力股份有限公司 一种风电机组偏航系统静态误差的计算方法
CN113033009A (zh) * 2021-03-31 2021-06-25 西安热工研究院有限公司 一种在役海上风电场尾流损失实时计算方法
CN114165392A (zh) * 2021-11-03 2022-03-11 华能射阳新能源发电有限公司 一种风电机组功率异常诊断方法、装置及存储介质
CN115478991A (zh) * 2022-09-21 2022-12-16 中节能风力发电股份有限公司 风电机组功率曲线形态异常的检测方法、设备及介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009251632A (ja) * 2008-04-01 2009-10-29 Seiko Epson Corp 印刷装置、および印刷装置のデータ書込方法
US20100251039A1 (en) * 2009-03-30 2010-09-30 Kabushiki Kaisha Toshiba Memory device
JP2011239488A (ja) * 2010-05-06 2011-11-24 Hitachi Ltd 分散電源出力推定システム、総需要電力推定システム、電力警報システム、分散電源出力推定装置、総需要電力推定装置、電力記録装置、および電力警報装置
WO2013174090A1 (zh) * 2012-05-22 2013-11-28 中国电力科学研究院 一种提高风电场发电效率的风电场有功功率控制方法
CN104520581A (zh) * 2012-09-18 2015-04-15 韩国电力公社 自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法
CN104747367A (zh) * 2013-12-31 2015-07-01 华能新能源股份有限公司 风力发电机组功率曲线特性检测系统
CN104819107A (zh) * 2015-05-13 2015-08-05 北京天源科创风电技术有限责任公司 一种风电机组功率曲线异常漂移的诊断方法及系统
CN105022909A (zh) * 2014-09-30 2015-11-04 国家电网公司 一种基于机舱风速功率曲线的风电场理论功率评估方法
CN106021972A (zh) * 2016-08-08 2016-10-12 北京国能日新系统控制技术有限公司 一种基于非参数核密度估计的风电功率数据修正方法
CN106529719A (zh) * 2016-11-08 2017-03-22 中国地质大学（武汉） 基于粒子群优化算法风速融合的风电功率预测的方法
CN107100795A (zh) * 2017-07-05 2017-08-29 四川东方电气自动控制工程有限公司 一种低风速下风力发电机组mppt自适应控制方法
CN107885959A (zh) * 2017-12-06 2018-04-06 华北电力大学 一种基于置信等效功率曲线带的风电建模及性能评估方法
CN108443088A (zh) * 2018-05-17 2018-08-24 中能电力科技开发有限公司 一种基于累计概率分布的风电机组状态判定方法
CN108590982A (zh) * 2018-03-26 2018-09-28 华北电力大学 一种风电机组限功率运行的异常数据处理方法
CN110232513A (zh) * 2019-06-04 2019-09-13 西安热工研究院有限公司 一种风力机叶片加长改造效果评估方法
WO2020097944A1 (zh) * 2018-11-18 2020-05-22 浙江大学 一种基于真实功率曲线的风电机组偏航误差固有偏差辨识及补偿方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009251632A (ja) * 2008-04-01 2009-10-29 Seiko Epson Corp 印刷装置、および印刷装置のデータ書込方法
US20100251039A1 (en) * 2009-03-30 2010-09-30 Kabushiki Kaisha Toshiba Memory device
JP2011239488A (ja) * 2010-05-06 2011-11-24 Hitachi Ltd 分散電源出力推定システム、総需要電力推定システム、電力警報システム、分散電源出力推定装置、総需要電力推定装置、電力記録装置、および電力警報装置
WO2013174090A1 (zh) * 2012-05-22 2013-11-28 中国电力科学研究院 一种提高风电场发电效率的风电场有功功率控制方法
CN104520581A (zh) * 2012-09-18 2015-04-15 韩国电力公社 自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法
US20150198144A1 (en) * 2012-09-18 2015-07-16 Korea Electric Power Corporation Method of automatically calculating power curve limit for power curve monitoring of wind turbine
CN104747367A (zh) * 2013-12-31 2015-07-01 华能新能源股份有限公司 风力发电机组功率曲线特性检测系统
CN105022909A (zh) * 2014-09-30 2015-11-04 国家电网公司 一种基于机舱风速功率曲线的风电场理论功率评估方法
CN104819107A (zh) * 2015-05-13 2015-08-05 北京天源科创风电技术有限责任公司 一种风电机组功率曲线异常漂移的诊断方法及系统
CN106021972A (zh) * 2016-08-08 2016-10-12 北京国能日新系统控制技术有限公司 一种基于非参数核密度估计的风电功率数据修正方法
CN106529719A (zh) * 2016-11-08 2017-03-22 中国地质大学（武汉） 基于粒子群优化算法风速融合的风电功率预测的方法
CN107100795A (zh) * 2017-07-05 2017-08-29 四川东方电气自动控制工程有限公司 一种低风速下风力发电机组mppt自适应控制方法
CN107885959A (zh) * 2017-12-06 2018-04-06 华北电力大学 一种基于置信等效功率曲线带的风电建模及性能评估方法
CN108590982A (zh) * 2018-03-26 2018-09-28 华北电力大学 一种风电机组限功率运行的异常数据处理方法
CN108443088A (zh) * 2018-05-17 2018-08-24 中能电力科技开发有限公司 一种基于累计概率分布的风电机组状态判定方法
WO2020097944A1 (zh) * 2018-11-18 2020-05-22 浙江大学 一种基于真实功率曲线的风电机组偏航误差固有偏差辨识及补偿方法
CN110232513A (zh) * 2019-06-04 2019-09-13 西安热工研究院有限公司 一种风力机叶片加长改造效果评估方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
叶林;冯标;钟德华;赵重阳;蔡晓峰;: "功率曲线特性测试仪有效风速补偿算法的研究", 风能 *
杨茂;翟冠强;李大勇;苏欣;翟玉成;: "基于风速升降特性及支持向量机理论的异常数据重构算法", 电力系统保护与控制 *
杨茂;翟冠强;苏欣;: "基于风特征分析的风电机组异常数据识别算法", 中国电机工程学报 *
林鹏;赵书强;谢宇琪;胡永强;: "基于实测数据的风电功率曲线建模及不确定估计", 电力自动化设备 *
范奇;王曦;孙志超;王宏伟;杜保华;: "基于实时功率曲线的风电机组出力特性研究", 节能技术 *
齐霞;安磊;张妍;李芬花;张浩;阎洁;韩爽;李莉;: "风电机组功率曲线建模方法对比研究", 可再生能源 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112966395A (zh) * 2021-03-31 2021-06-15 华能国际电力股份有限公司 一种风电机组偏航系统静态误差的计算方法
CN113033009A (zh) * 2021-03-31 2021-06-25 西安热工研究院有限公司 一种在役海上风电场尾流损失实时计算方法
CN112966395B (zh) * 2021-03-31 2023-09-19 华能国际电力股份有限公司 一种风电机组偏航系统静态误差的计算方法
CN114165392A (zh) * 2021-11-03 2022-03-11 华能射阳新能源发电有限公司 一种风电机组功率异常诊断方法、装置及存储介质
CN115478991A (zh) * 2022-09-21 2022-12-16 中节能风力发电股份有限公司 风电机组功率曲线形态异常的检测方法、设备及介质

Also Published As

Publication number Publication date
CN112267972B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN112267972B (zh) 一种风电机组功率曲线异常智能判定方法
CN110926809B (zh) 一种基于大数据分析的风电机组传动链故障预警方法
CN108072524B (zh) 一种风电机组齿轮箱轴承故障预警方法
CN111794909B (zh) 面向扇区调控的风电场级偏航动态优化方法和系统
CN106815771B (zh) 一种风电场载荷的长期评估方法
CN102588210B (zh) 一种用于功率曲线拟合数据预处理的滤波方法
CN110907170B (zh) 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法
CN111415070A (zh) 一种基于scada数据的风电机组齿轮箱油温过温故障预警方法
CN103674234A (zh) 一种风力发电机组振动异常的状态预警方法及系统
CN112065668A (zh) 一种风电机组状态异常评估方法及系统
CN111596643A (zh) 一种基于大数据的可视化动态能耗诊断、分析和预控系统
CN115575579A (zh) 一种基于监测源分析的碳监测方法及系统
CN113339207B (zh) 一种风电机组主传动系统的运行工况划分方法及系统
CN113777351B (zh) 一种风电场风速传感器故障诊断方法、装置
CN110578659B (zh) 一种用于对风电机组scada数据进行处理的系统和方法
WO2022064038A1 (en) Method and system for wind speed determination using vibration data
CN115898787A (zh) 一种风电机组静态偏航误差动态识别方法及装置
Qiao et al. Research on SCADA data preprocessing method of Wind Turbine
CN114295367A (zh) 一种风电机组齿轮箱工况在线监测方法
CN114510815A (zh) 一种风电机组功率特性评估方法及系统
CN114048950A (zh) 一种风电机组健康度评估方法及系统
CN111141382B (zh) 一种基于振动的多维度风机叶片自诊断装置及方法
CN111738556A (zh) 一种基于机头微气候评估风机发电能力的方法
CN113111314A (zh) 一种基于多机组协同的并网风电机组健康状态评估方法
CN112621381A (zh) 机床进给系统健康状态智能评估方法及装置

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