CN112734093B - 基于计算机的制氢装置容量优化配置方法 - Google Patents

基于计算机的制氢装置容量优化配置方法 Download PDF

Info

Publication number
CN112734093B
CN112734093B CN202011616630.3A CN202011616630A CN112734093B CN 112734093 B CN112734093 B CN 112734093B CN 202011616630 A CN202011616630 A CN 202011616630A CN 112734093 B CN112734093 B CN 112734093B
Authority
CN
China
Prior art keywords
hydrogen production
capacity
photovoltaic
hydrogen
cost
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
Application number
CN202011616630.3A
Other languages
English (en)
Other versions
CN112734093A (zh
Inventor
沈渭程
王赟中
马喜平
张伟
甄文喜
陈柏旭
郑翔宇
孙培锋
刘波
冯云岗
卢海勇
龚晨
殷任豪
蔡悠然
王红斌
肖礼
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.)
STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE
Shanghai Electric Power Design Institute Co Ltd
Original Assignee
STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE
Shanghai Electric Power Design Institute 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 STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE, Shanghai Electric Power Design Institute Co Ltd filed Critical STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE
Priority to CN202011616630.3A priority Critical patent/CN112734093B/zh
Publication of CN112734093A publication Critical patent/CN112734093A/zh
Application granted granted Critical
Publication of CN112734093B publication Critical patent/CN112734093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06Electricity, gas or water supply

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)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于计算机的制氢装置容量优化配置方法;步骤如下:首先,设置光伏容量初始值、光伏最大步数、光伏步长、制氢装置容量初始值、制氢装置最大步数等参数;其次,通过迭代步进法计算出光伏步数和制氢步数从1至光伏最大步数和制氢最大步数所有情况下的单位立方氢气的成本,以及相应的光伏容量、风电容量、制氢容量、光伏步数、制氢步数和一年的总制氢量,形成二维数据结构;最后,将二维数据结构中所有单位立方氢气的成本的数值大小进行排序,将数值最小的单位立方氢气的成本,及所对应的数据作为最优配置结果输出。本发明的应用能够更加高效精确的获得制氢装置容量优化配置数据。

Description

基于计算机的制氢装置容量优化配置方法
技术领域
本发明涉及计算机辅助设计技术领域,特别涉及基于计算机的制氢装置容量优化配置方法。
背景技术
氢能作为未来极具潜力的高能、清洁能源,将是未来的终极能源之一。其中电解水制氢作为绿色氢能的发展也越来越受到关注。
但在实际应用中电解水制氢装置的容量配置能极大的影响整个电解水制氢系统的生产成本,从而影响电解水制氢系统的经济性和大规模商业应用。
因此,如何高效精确的获得制氢装置容量优化配置成为本领域技术人员急需解决的技术问题。
发明内容
有鉴于现有技术的上述缺陷,本发明提供基于计算机的制氢装置容量优化配置方法,实现的目的是高效精确的获得制氢装置容量优化配置数据。
为实现上述目的,本发明公开了基于计算机的制氢装置容量优化配置方法;步骤如下:
步骤一、设置光伏容量初始值Pp0、光伏最大步数Kpm、光伏步长Lp、制氢装置容量初始值Qh0、制氢装置最大步数Khm、制氢步长Lh、光伏和风电的总容量Pg、单位容量光伏建设成本Cp,单位容量风电建设成本Cw,单位容量制氢设备成本Ch,制氢单位体积运行成本Cop,使用年限n,年利率γ。单位体积氢耗电量A,当地单位容量光伏全年8760小时每小时的发电量Wp(t)(1≤t≤8760),当地单位容量风电全年8760小时每小时的发电量Ww(t)(1≤t≤8760),人工成本Chum,修理费Crep,新能源运行成本Cneo
步骤二、设置光伏步数Kp=1;
步骤三、若Kp<Kpm,执行后续步骤四,若Kp≥Kpm,则跳过后续步骤四至步骤十,从步骤十一开始执行后续步骤;
步骤四、设置制氢步数Kh=1;
步骤五、若Kh<Khm,执行后续步骤六,若Kh≥Khm,则跳过后续步骤六至步骤九,从步骤十开始执行后续步骤;
步骤六、计算光伏容量Pp、风电容量Pw和制氢容量Qh,公式如下:
Pp=Pp0+Kp*Lp
Pw=Pg-Pp
Qh=Qh0+Kh*Lh
步骤七、根据步骤六的计算结果,计算一年的总制氢量E;
步骤八、根据步骤六和步骤七的计算结果,计算单位立方氢气的成本J,并保存结果;
步骤九、对所述制氢步数Kh做加1处理后,重复执行步骤五至步骤九,直至Kh≥Khm
步骤十、对所述光伏步数Kp做加1处理后,重复执行步骤三至步骤十,直至Kp≥Kpm
步骤十一、输出步骤八中保存的所有所述单位立方氢气的成本J,以及相应的所述光伏容量Pp、所述风电容量Pw、所述制氢容量Qh、所述光伏步数Kp、所述制氢步数Kh和所述一年的总制氢量E,形成二维数据结构;
步骤十二、根据所述二维数据结构中所有所述单位立方氢气的成本J的数值大小进行排序,将数值最小的所述单位立方氢气的成本J所对应的所述光伏容量Pp、所述风电容量Pw、所述制氢容量Qh、所述光伏步数Kp、所述制氢步数Kh和所述一年的总制氢量E作为最优配置结果输出。
优选的,所述步骤七中,所述一年的总制氢量E的计算公式如下:
计算光伏全年8760小时每小时的发电量Pp(t):
Pp(t)=Pp*Wp(t);
计算风电全年8760小时每小时的发电量Pw(t):
Pw(t)=Pw*Ww(t)
计算新能源(光伏+风电)全年8760小时每小时的发电量Pw(t):
Pg(t)=PP(t)+PW(t)
计算制氢设备全年8760小时每小时的制氢量Qh(t):
Figure GDA0003578419370000031
计算制氢设备全年总制氢量E:
Figure GDA0003578419370000032
优选的,所述步骤八中,所述单位立方氢气的成本J的计算公式如下:
Figure GDA0003578419370000033
式中各符号的意义如下:Cp为光伏成本,单位为元/KW;Cw为风电成本,单位为元/KW;Ch为单位m3/h制氢成本;Cop为制氢单位m3运行成本;γ为年利率;n为设备使用年限;E为年制氢量,Chum、Crep、Cneo分别为人工、修理和风光运行年成本。
本发明的有益效果:
本发明的应用能够更加高效精确的获得制氢装置容量优化配置数据。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1示出本发明一实施例的流程图。
具体实施方式
实施例
如图1所示,基于计算机的制氢装置容量优化配置方法;步骤如下:
步骤一、设置光伏容量初始值Pp0、光伏最大步数Kpm、光伏步长Lp、制氢装置容量初始值Qh0、制氢装置最大步数Khm、制氢步长Lh、光伏和风电的总容量Pg、单位容量光伏建设成本Cp,单位容量风电建设成本Cw,单位容量制氢设备成本Ch,制氢单位体积运行成本Cop,使用年限n,年利率γ。单位体积氢耗电量A,当地单位容量光伏全年8760小时每小时的发电量Wp(t)(1≤t≤8760),当地单位容量风电全年8760小时每小时的发电量Ww(t)(1≤t≤8760),人工成本Chum,修理费Crep,新能源运行成本Cneo
步骤二、设置光伏步数Kp=1;
步骤三、若Kp<Kpm,执行后续步骤四,若Kp≥Kpm,则跳过后续步骤四至步骤十,从步骤十一开始执行后续步骤;
步骤四、设置制氢步数Kh=1;
步骤五、若Kh<Kpm,执行后续步骤六,若Kh≥Kpm,则跳过后续步骤六至步骤九,从步骤十开始执行后续步骤;
步骤六、计算光伏容量Pp、风电容量Pw和制氢容量Qh,公式如下:
Pp=Pp0+Kp*Lp
Pw=Pg-Pp
Qh=Qh0+Kh*Lh
步骤七、根据步骤六的计算结果,计算一年的总制氢量E;
步骤八、根据步骤六和步骤七的计算结果,计算单位立方氢气的成本J,并保存结果;
步骤九、对制氢步数Kh做加1处理后,重复执行步骤五至步骤九,直至Kh≥Kpm
步骤十、对光伏步数Kp做加1处理后,重复执行步骤三至步骤十,直至Kp≥Kpm
步骤十一、输出步骤八中保存的所有单位立方氢气的成本J,以及相应的光伏容量Pp、风电容量Pw、制氢容量Qh、光伏步数Kp、制氢步数Kh和一年的总制氢量E;形成二维数据结构;
步骤十二、根据二维数据结构中所有单位立方氢气的成本J的数值大小进行排序,将数值最小的单位立方氢气的成本J所对应的光伏容量Pp、风电容量Pw、制氢容量Qh、光伏步数Kp、制氢步数Kh和一年的总制氢量E作为最优配置结果输出。
优选的,步骤七中,一年的总制氢量E的计算公式如下:
计算光伏全年8760小时每小时的发电量Pp(t):
Pp(t)=Pp*Wp(t);
计算风电全年8760小时每小时的发电量Pw(t):
Pw(t)=Pw*Ww(t)
计算新能源(光伏+风电)全年8760小时每小时的发电量Pw(t):
Pg(t)=PP(t)+PW(t)
计算制氢设备全年8760小时每小时的制氢量Qh(t):
Figure GDA0003578419370000051
计算制氢设备全年总制氢量E:
Figure GDA0003578419370000052
优选的,所述步骤八中,所述单位立方氢气的成本J的计算公式如下:
Figure GDA0003578419370000053
式中各符号的意义如下:Cp为光伏成本,单位为元/KW;Cw为风电成本,单位为元/KW;Ch为单位m3/h制氢成本;Cop为制氢单位m3运行成本;γ为年利率;n为设备使用年限;E为年制氢量,Chum、Crep、Cneo分别为人工、修理和风光运行年费用。
本发明的原理如下:
首先,假定一个光伏场容量Pp,该光伏场的每小时发电量为:
光伏每小时发电量=光伏容量*单位容量光伏每小时发电量
Pp(t)=Pp*Wp(t) 公式1
已知光伏场总容量的前提下,可知风电场的总容量为整个新能能源风、光装机总容量减去光伏场总容量。风电容量=总容量-光伏容量,具体公式如下:
Pw=Pg-Pp 公式2
同理可求得风电场每小时发电量=风电容量*单位容量风电每小时发电量,公式如下:
Pw(t)=Pw*Ww(t) 公式3
在已知风电场和光伏场的小时出力情况下,即可整个新能源电站的小时出力,新能源每小时发电量=光伏每小时发电量+风电每小时发电量,具体公式如下:
Pg(t)=Pp(t)+Pw(t) 公式4
同时,假定一个制氢系统的容量Qh
根据新能源风、光的总发电量和制氢系统的耗电量,分析并判断每小时所制得的氢气量。当制氢量小于设备最大制氢量时,设备实际制氢量见公式6。当制氢量大于设备最大制氢量时,设备实际制氢量为设备最大制氢量(见公式5)。
Figure GDA0003578419370000061
Figure GDA0003578419370000062
其中,A为单位立方氢耗电量m3/kwh。
算出每小时制氢量后,可求得全年8760小时内的总的制氢量,公式如下:
Figure GDA0003578419370000063
在已知上述新能源风、光电场容量,年总发电量、年总制氢量等相关参数的前提下,可求得该新能源制氢系统单位立方氢气的成本(年化制氢总成本/年制氢量),具体公式如下:
Figure GDA0003578419370000064
式中各符号的意义如下:Cp为光伏成本,单位为元/KW;Cw为风电成本,单位为元/KW;Ch为单位m3/h制氢成本;Cop为制氢单位m3运行成本;γ为年利率;n为设备使用年限;E为年制氢量,Chum、Crep、Cneo分别为人工、修理和风光运行年费用。
即在假定的光伏场容量、风电场容量、制氢系统容量下,求得了该系统的单位立方氢气的成本。同理,通过假设不同的光伏场、风电场、制氢系统容量,求得不同光伏场、风电场、制氢系统容量下的单位立方氢气成本。
假设不同系统容量的方式如下:
Pp=Pp0+Kp*Lp(1≤Kp≤Kpm) 公式8
Qh=Qh0+Kh*Lh(1≤Kh≤Khm) 公式9
假设光伏容量=假设光伏容量初始值+步数*步长(见公式8),步数为Kp,变化范围为1~Kpm,步长为Lp,人为设定。
假设制氢系统容量=假设制氢系统容量初始值+步数*步长(见公式8),步数为Kh,变化范围为1~Khm,步长为Lh,人为设定。
通过上述方法能得到不同的光伏+风电+制氢系统。计算不同光伏+风电+制氢系统下的单位立方制氢成本,将单位立方氢气的成本从低到高排序,可得到最低单位立方制氢成本的一组光伏+风电+制氢系统,此系统可认为是最优的系统容量。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。

Claims (1)

1.基于计算机的制氢装置容量优化配置方法;步骤如下:
步骤一、设置光伏容量初始值Pp0、光伏最大步数Kpm、光伏步长Lp、制氢装置容量初始值Qh0、制氢装置最大步数Khm、制氢步长Lh、光伏和风电的总容量Pg、单位容量光伏建设成本Cp,单位容量风电建设成本Cw,单位容量制氢设备成本Ch,制氢单位体积运行成本Cop,使用年限n,年利率γ;单位体积氢耗电量A,当地单位容量光伏全年8760小时每小时的发电量Wp(t),1≤t≤8760,当地单位容量风电全年8760小时每小时的发电量Ww(t),1≤t≤8760,人工成本Chum,修理费Crep,新能源运行成本Cneo
步骤二、设置光伏步数Kp=1;
步骤三、若Kp<Kpm,执行后续步骤四,若Kp≥Kpm,则跳过后续步骤四至步骤十,从步骤十一开始执行后续步骤;
步骤四、设置制氢步数Kh=1;
步骤五、若Kh<Kpm,执行后续步骤六,若Kh≥Kpm,则跳过后续步骤六至步骤九,从步骤十开始执行后续步骤;
步骤六、计算光伏容量Pp、风电容量Pw和制氢容量Qh,公式如下:
Pp=Pp0+Kp*Lp
Pw=Pg-Pp
Qh=Qh0+Kh*Lh
步骤七、根据步骤六的计算结果,计算一年的总制氢量E;
一年的总制氢量E的计算公式如下:
计算光伏全年8760小时每小时的发电量Pp(t):
Pp(t)=Pp*Wp(t);
计算风电全年8760小时每小时的发电量Pw(t):
Pw(t)=Pw*Ww(t)
计算光伏和风电全年8760小时每小时的发电量Pw(t):
Pg(t)=PP(t)+PW(t)
计算制氢设备全年8760小时每小时的制氢量Qh(t):
Figure FDA0003598326410000021
计算制氢设备全年总制氢量E:
Figure FDA0003598326410000022
步骤八、根据步骤六和步骤七的计算结果,计算单位立方氢气的成本J,并保存结果;
单位立方氢气的成本J的计算公式如下:
Figure FDA0003598326410000023
式中:γ为年利率;n为设备使用年限;
步骤九、对制氢步数Kh做加1处理后,重复执行步骤五至步骤九,直至Kh≥Kpm
步骤十、对光伏步数Kp做加1处理后,重复执行步骤三至步骤十,直至Kp≥Kpm
步骤十一、输出步骤八中保存的所有单位立方氢气的成本J,以及相应的光伏容量Pp、风电容量Pw、制氢容量Qh、光伏步数Kp、制氢步数Kh和一年的总制氢量E;形成二维数据结构;
步骤十二、根据二维数据结构中所有单位立方氢气的成本J的数值大小进行排序,将数值最小的单位立方氢气的成本J所对应的光伏容量Pp、风电容量Pw、制氢容量Qh、光伏步数Kp、制氢步数Kh和一年的总制氢量E作为最优配置结果输出。
CN202011616630.3A 2020-12-30 2020-12-30 基于计算机的制氢装置容量优化配置方法 Active CN112734093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011616630.3A CN112734093B (zh) 2020-12-30 2020-12-30 基于计算机的制氢装置容量优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011616630.3A CN112734093B (zh) 2020-12-30 2020-12-30 基于计算机的制氢装置容量优化配置方法

Publications (2)

Publication Number Publication Date
CN112734093A CN112734093A (zh) 2021-04-30
CN112734093B true CN112734093B (zh) 2022-06-21

Family

ID=75610397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011616630.3A Active CN112734093B (zh) 2020-12-30 2020-12-30 基于计算机的制氢装置容量优化配置方法

Country Status (1)

Country Link
CN (1) CN112734093B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104158203A (zh) * 2014-08-21 2014-11-19 重庆大学 一种微电网电源容量优化配置方法
CN112084652A (zh) * 2020-09-07 2020-12-15 中国电力工程顾问集团西北电力设计院有限公司 一种风光储互补发电系统容量配置计算方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2565296B1 (en) * 2010-04-28 2014-04-23 Ingeteam Power Technology, S.A. Hydrogen production system for regulating the power at renewable energy electric plants, and a regulation method
CN106485341B (zh) * 2015-08-27 2019-04-12 中国石油化工股份有限公司 一种炼油厂氢气系统的优化方法及其应用
US10620992B2 (en) * 2016-08-29 2020-04-14 TidalScale, Inc. Resource migration negotiation
CN110580659B (zh) * 2018-06-08 2022-06-21 国家能源投资集团有限责任公司 纳网能源系统的基于多维度异构数据流驱动的智能结构及其控制方法
CN110783950B (zh) * 2019-10-29 2023-10-31 上海电力大学 一种配电网节点光伏最佳配置容量确定方法
CN111242806B (zh) * 2020-02-19 2023-06-20 武汉理工大学 一种考虑不确定性的电-热-氢多能量系统的规划方法
CN111668834A (zh) * 2020-06-05 2020-09-15 中国能源建设集团江苏省电力设计院有限公司 基于辅助调峰服务的火电厂制氢系统容量优化配置方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104158203A (zh) * 2014-08-21 2014-11-19 重庆大学 一种微电网电源容量优化配置方法
CN112084652A (zh) * 2020-09-07 2020-12-15 中国电力工程顾问集团西北电力设计院有限公司 一种风光储互补发电系统容量配置计算方法及系统

Also Published As

Publication number Publication date
CN112734093A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN111525601B (zh) 用户侧储能设备的充放电控制方法、装置及存储介质
CN108306303B (zh) 一种考虑负荷增长和新能源出力随机的电压稳定评估方法
Wang et al. Stochastic DG placement for conservation voltage reduction based on multiple replications procedure
CN112257941B (zh) 基于改进型Bi-LSTM的光伏电站短期功率预测方法
CN116011686B (zh) 基于多数据融合的充电棚光伏发电储量预测方法
CN106684915A (zh) 一种风氢耦合发电系统的优化方法及装置
CN115796393B (zh) 基于多能互动的能源网管理优化方法、系统及存储介质
CN109190793A (zh) 一种基于近似周期时间序列的光伏发电功率预测方法及系统
CN115829105A (zh) 基于历史数据特征搜索的光伏功率预测方法
CN114936681A (zh) 一种基于深度学习的碳排放预测方法
CN115759467A (zh) 一种误差修正的分时刻集成学习光伏预测方法
CN110909994A (zh) 基于大数据驱动的小水电群发电量预测方法
CN112734093B (zh) 基于计算机的制氢装置容量优化配置方法
CN111598348A (zh) 一种输电网均匀性规划优化方法、系统、介质及电子设备
CN104167731A (zh) 一种多区域多元电源协调规划方法
CN116485139A (zh) 一种基于多特征融合的短期光伏发电量预测方法
CN110942217A (zh) 一种构建零碳绿色能源体系的方法和系统
CN108470247A (zh) 基于关联规则分类的光伏电站经营辅助决策方法
CN114444955A (zh) 综合能源用关键参数数据挖掘及长期配置预测方法及系统
CN112241403A (zh) 一种典型场景的电能质量数据清洗方法及系统
CN112465196A (zh) 一种系统负荷预测方法、装置、设备和存储介质
CN113704680B (zh) 一种基于水库调节系数排序的水电站群发电优化方法
CN112215383A (zh) 一种分布式光伏发电功率预测方法和系统
CN116611589B (zh) 主网输变电设备停电窗口期预测方法、系统、设备及介质
CN114784884B (zh) 一种基于调度模型的梯级水电站调度方法及系统

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
GR01 Patent grant
GR01 Patent grant