CN112865101A - 一种考虑可再生能源出力不确定性的线性化交易方法 - Google Patents

一种考虑可再生能源出力不确定性的线性化交易方法 Download PDF

Info

Publication number
CN112865101A
CN112865101A CN202110391265.9A CN202110391265A CN112865101A CN 112865101 A CN112865101 A CN 112865101A CN 202110391265 A CN202110391265 A CN 202110391265A CN 112865101 A CN112865101 A CN 112865101A
Authority
CN
China
Prior art keywords
uncertain
model
uncertainty
renewable energy
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.)
Granted
Application number
CN202110391265.9A
Other languages
English (en)
Other versions
CN112865101B (zh
Inventor
夏元兴
徐青山
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202110391265.9A priority Critical patent/CN112865101B/zh
Publication of CN112865101A publication Critical patent/CN112865101A/zh
Application granted granted Critical
Publication of CN112865101B publication Critical patent/CN112865101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种考虑可再生能源出力不确定性的线性化交易方法，涉及P2P能源交易技术领域，该方法包括以下步骤：分析能源产消者P2P交易过程，建立交易优化模型；获取用户负荷、电价、新能源出力波动范围等数据，将收集到的数据作为参数代入优化模型中；电网可再生能源的不确定集建模；重构原模型，并使用节点边际价格的方法求解不确定边际价格；将上一步骤中求解的不确定源边际价格乘以对应波动量，即可得到不确定源所支付费用，本发明利用基于灵敏度分析的网络约束，用以线性化模型约束，保证电力网络安全稳定运行的同时，提高了优化算法的效率。

Description

一种考虑可再生能源出力不确定性的线性化交易方法
技术领域
本发明属于P2P能源交易技术领域,具体涉及一种考虑可再生能源出力不确定性的线性化交易方法。
背景技术
近年来，随着分布式能源技术的发展，电力系统内的终端用户越来越活跃。很多安装了光伏电池板、电池储能系统和电动汽车的用户可以根据上网电价将多余的电力出售给系统。因此，现在普遍引入能源产消者的概念来描述这种活跃的终端用户。产消者和产消者之间的本地P2P能源交易市场是近年来在配电网和微电网领域日益重要的能源交易场景之一。与传统的自上而下的市场结构相比，本发明所提出的P2P交易市场可以有效利用分布式电源发电，实现发电和负荷的局部平衡，并且共享局部电网的清洁能源利润。现有的分布式能源大多为可再生发电源，可再生电源的出力难以与日前市场中规定的交易额完全一致，因此需要在市场出清时考虑其波动不确定的情况，因此，我们提出一种考虑可再生能源出力不确定性的线性化交易方法。
发明内容
针对现有技术的不足，本发明的目的在于提供一种考虑可再生能源出力不确定性的线性化交易方法，以解决上述背景技术中提出的问题。
为实现本发明的目的，本发明提出的一种考虑可再生能源出力不确定性的线性化交易方法，该方法包括以下步骤：
(1)分析能源产消者P2P交易过程，建立交易优化模型；
(2)获取用户负荷、电价、新能源出力波动范围等数据，将收集到的数据作为参数代入优化模型中；
(3)电网可再生能源的不确定集建模；
(4)重构原模型，并使用节点边际价格的方法求解不确定边际价格；
(5)将步骤(4)中求解的不确定源边际价格乘以对应波动量，即可得到不确定源所支付费用。
作为本发明进一步的方案，所述步骤(1)具体包括：通过以下模型求解产消者的最大盈利值，
Figure BDA0003016832590000021
式中：x,y分别为买卖功率的矩阵形式，Ui(yi)表示买家i的效用函数，Cj(xj表示卖家j的发电成本函数；
模型所用的效用函数Ui(yi)可以被建模为分段的线性函数，而成本函数Cj(xj可以建模为常数项为0的线性函数；
发电上下限和能源平衡约束：
Figure BDA0003016832590000022
Figure BDA0003016832590000023
Figure BDA0003016832590000024
式中：能源生产者的新能源出力xj被限制在发电的上下限
Figure BDA0003016832590000025
之间，能源消费者的负荷yi被限制在负荷的上下限
Figure BDA0003016832590000026
之间，每一对P2P交易存在电力能源损耗
Figure BDA0003016832590000027
网络模型线性化：
电压敏感度系数建模：
Figure BDA0003016832590000031
Vi|≤|Vi|+Δ|Vi|≤|Vi
式中：Δ|Vi|为节点i的电压变化量，Δpi,j为节点i和j之间的交换功率，
Figure BDA0003016832590000032
为节点i的电压值的共轭，两个式子分别表示电压变化量和节点电压约束；
功率转移系数(潮流敏感度)建模:
Figure BDA0003016832590000033
Figure BDA0003016832590000034
式中：
Figure BDA0003016832590000035
分别为支路(n,l)对节点i和j注入功率的敏感度，
Figure BDA0003016832590000036
约束了线路(n,l)上的潮流上下限；
电能损耗敏感度建模：
Figure BDA0003016832590000037
式中：G为电网的导纳矩阵，V为网络节点中节点电压的级联值。
作为本发明进一步的方案，步骤(2)中，所述用户负荷包括用户全年的负荷数据，数据采集间隔最小15分钟。
作为本发明进一步的方案，步骤(2)中，所述电价包括国家统一的峰谷平三时电价，终端用户的上网电价，所述新能源出力波动范围包括光伏发电、风力发电等可再生能源波动范围。
作为本发明进一步的方案，所述步骤(3)包括：
考虑不确定参数∈的电网功率均衡模型：
Figure BDA0003016832590000038
Figure BDA0003016832590000039
式中：Δxj和Δyi分别为电网中储能和负荷为了应对新能源的不确定性而调整的出力，如果不确定源消耗了更多电量，则∈>0，否则∈<0，U为不确定参数的不确定集，Λ为不确定上限，
上述模型重构为矩阵形式：
Figure BDA0003016832590000041
s.t.Ax+By≤b
Figure BDA0003016832590000042
分解上述问题模型为主子问题：
Figure BDA0003016832590000043
s.t.Ax+By≤b
Figure BDA0003016832590000044
Figure BDA0003016832590000045
式中：
Figure BDA0003016832590000046
为不确定参数
Figure BDA0003016832590000047
的索引k的集合，不确定参数
Figure BDA0003016832590000048
在迭代过程中不断地从子问题(SP)中动态生成，根据鲁棒优化理论，
Figure BDA0003016832590000049
为不确定集合U的极点。
作为本发明进一步的方案，所述步骤(4)包括：
创建鲁棒性经济调度模型如下：
Figure BDA00030168325900000410
s.t.(α):Ax+By≤b
Figure BDA00030168325900000411
式中：α和β分别为常规运行约束和不确定集约束对应的对偶变量的矩阵；
上述模型的拉格朗日函数可以写作如下：
Figure BDA00030168325900000412
Figure BDA0003016832590000051
则不确定源的边际价格为：
Figure BDA0003016832590000052
因此，不确定源支付的总费用即为：
Figure BDA0003016832590000053
有益效果：利用基于灵敏度分析的网络约束，用以线性化模型约束，保证电力网络安全稳定运行的同时，提高了优化算法的效率，而将网络中各发电源划分为确定源和不确定源，利用鲁棒优化技术进行优化，则充分考虑了实际运行情况下的P2P用能交易市场。
附图说明
图1是本发明的P2P交易示意图；
图2是所用IEEE-33节点算例的示意图及其对应算例结果；
图3是所用IEEE-69节点算例的示意图及其对应算例结果；
图4是不同的不确定水平下，对应支付的耗能费用和不确定边际费用。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
请参见图1，其示出了一种考虑可再生能源出力不确定性的线性化P2P能源交易方法的示意图，该方法包括以下步骤：
(1)分析能源产消者P2P交易过程，建立交易优化模型；
该模型的优化目标是使产消者的福利最大化。因此，该模型是可行的
Figure BDA0003016832590000054
式中：x,y分别为买卖功率的矩阵形式，Ui(yi)表示买家i的效用函数，Cj(xj表示卖家j的发电成本函数。
模型所用的效用函数Ui(yi)可以被建模为分段的线性函数，而成本函数Cj(xj可以建模为常数项为0的线性函数。
发电上下限和能源平衡约束：
Figure BDA0003016832590000061
Figure BDA0003016832590000062
Figure BDA0003016832590000063
式中：能源生产者的新能源出力xj被限制在发电的上下限
Figure BDA0003016832590000064
之间，能源消费者的负荷yi被限制在负荷的上下限
Figure BDA0003016832590000065
之间，每一对P2P交易存在电力能源损耗
Figure BDA0003016832590000066
网络模型线性化：
电压敏感度系数建模：
Figure BDA0003016832590000067
Vi|≤|Vi|+Δ|Vi|≤|Vi
式中：Δ|Vi|为节点i的电压变化量，Δpi,j为节点i和j之间的交换功率，
Figure BDA0003016832590000068
为节点i的电压值的共轭，两个式子分别表示电压变化量和节点电压约束。
功率转移系数(潮流敏感度)建模：
Figure BDA0003016832590000069
Figure BDA00030168325900000610
式中：
Figure BDA00030168325900000611
分别为支路(n,l)对节点i和j注入功率的敏感度，
Figure BDA00030168325900000612
约束了线路(n,l)上的潮流上下限。
电能损耗敏感度建模：
Figure BDA0003016832590000071
式中：G为电网的导纳矩阵，V为网络节点中节点电压的级联值。
(2)获取用户负荷、电价、新能源出力波动范围等数据，将收集到的数据作为参数传入优化模型中；
具体地，所述用户负荷数据包括用户全年的负荷数据，数据采集间隔最小15 分钟；
具体地，电价信息包括国家统一的峰谷平三时电价，终端用户的上网电价；
具体地，新能源出力波动范围包括光伏发电、风力发电等可再生能源波动范围。
(3)电网可再生能源的不确定集建模：
考虑不确定参数∈的电网功率均衡模型：
Figure BDA0003016832590000072
Figure BDA0003016832590000073
式中：Δxj和Δyi分别为电网中储能和负荷为了应对新能源的不确定性而调整的出力，如果不确定源消耗了更多电量，则∈>0，否则∈<0。U为不确定参数的不确定集，Λ为不确定上限。
上述模型重构为矩阵形式：
Figure BDA0003016832590000074
s.t.Ax+By≤b
Figure BDA0003016832590000075
(32)分解上述问题模型为主子问题：
Figure BDA0003016832590000081
s.t.Ax+By≤b
Figure BDA0003016832590000082
Figure BDA0003016832590000083
式中：
Figure BDA0003016832590000084
为不确定参数
Figure BDA0003016832590000085
的索引k的集合，不确定参数
Figure BDA0003016832590000086
在迭代过程中不断地从子问题(SP)中动态生成，根据鲁棒优化理论，
Figure BDA0003016832590000087
为不确定集合U的极点。
(4)重构原模型，并使用节点边际价格的方法求解不确定边际价格：
(41)鲁棒性经济调度模型如下：
Figure BDA0003016832590000088
s.t.(α):Ax+By≤b
Figure BDA0003016832590000089
式中：α和β分别为常规运行约束和不确定集约束对应的对偶变量的矩阵。
(42)上述模型的拉格朗日函数可以写作如下：
Figure BDA00030168325900000810
则不确定源的边际价格为：
Figure BDA00030168325900000811
因此，不确定源支付的总费用即为：
Figure BDA00030168325900000812
确定源所支付费用。波动量为人为规定的不确定电源的波动范围，一般来说需要采集该不确定源的历史发电数据，根据大量历史数据推断出其波动范围。
本模型的算例如图2和图3所示。图2的33节点系统中，可再生能源发电源接入于9，22，25和33节点，这四个节点对应的负荷亦为弹性可调度负荷。在图3的69节点系统中，可再生能源则接入5，32，44和58节点，这四个节点亦接有弹性负荷。两个系统中四个节点的调度情况如图中表格所示。
本发明在两个系统中所计算的耗能费用和不确定边际费用如图4所示，当总不确定程度为9时，系统耗能费用出现拐点，说明Λ＝9即可表征整个系统的不确定性程度。
本发明适用于可再生能源渗透率较高的电网中的P2P能源交易建模，使用三种敏感度矩阵线性化了模型的约束条件，并采用鲁棒优化技术计算了交易最优方案，为用户合理参与P2P交易提供了参考，有效地推广了P2P交易在低压用户侧的推广。
对于本领域技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型。因此，从任意一处来说，都应将实施例看作是指导性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所有的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种考虑可再生能源出力不确定性的线性化交易方法，其特征在于，该方法包括以下步骤：
(1)分析能源产消者P2P交易过程，建立交易优化模型；
(2)获取用户负荷、电价、新能源出力波动范围等数据，将收集到的数据作为参数代入优化模型中；
(3)电网可再生能源的不确定集建模；
(4)重构原模型，并使用节点边际价格的方法求解不确定边际价格；
(5)将步骤(4)中求解的不确定源边际价格乘以对应波动量，即可得到不确定源所支付费用。
2.根据权利要求1所述的一种考虑可再生能源出力不确定性的线性化交易方法，其特征在于，所述步骤(1)具体包括：
通过以下模型求解产消者的最大盈利值，
Figure FDA0003016832580000011
式中：x,y分别为买卖功率的矩阵形式，Ui(yi)表示买家i的效用函数，Cj(xj)表示卖家j的发电成本函数；
模型所用的效用函数Ui(yi)可以被建模为分段的线性函数，而成本函数Cj(xj)可以建模为常数项为0的线性函数；
发电上下限和能源平衡约束：
Figure FDA0003016832580000012
Figure FDA0003016832580000013
Figure FDA0003016832580000014
式中：能源生产者的新能源出力xj被限制在发电的上下限
Figure FDA0003016832580000021
之间，能源消费者的负荷yi被限制在负荷的上下限
Figure FDA0003016832580000022
之间，每一对P2P交易存在电力能源损耗
Figure FDA0003016832580000023
网络模型线性化：
电压敏感度系数建模：
Figure FDA0003016832580000024
|Vi|≤|Vi|+Δ|Vi|≤|Vi|
式中：Δ|Vi|为节点i的电压变化量，Δpi,j为节点i和j之间的交换功率，
Figure FDA0003016832580000025
为节点i的电压值的共轭，两个式子分别表示电压变化量和节点电压约束；
功率转移系数(潮流敏感度)建模:
Figure FDA0003016832580000026
Figure FDA0003016832580000027
式中：
Figure FDA0003016832580000028
分别为支路(n,l)对节点i和j注入功率的敏感度，
Figure FDA0003016832580000029
约束了线路(n,l)上的潮流上下限；
电能损耗敏感度建模：
Figure FDA00030168325800000210
式中：G为电网的导纳矩阵，V为网络节点中节点电压的级联值。
3.根据权利要求1所述的一种考虑可再生能源出力不确定性的线性化交易方法，其特征在于，步骤(2)中，所述用户负荷包括用户全年的负荷数据，数据采集间隔最小15分钟。
4.根据权利要求1所述的一种考虑可再生能源出力不确定性的线性化交易方法，其特征在于，步骤(2)中，所述电价包括国家统一的峰谷平三时电价，终端用户的上网电价，所述新能源出力波动范围包括光伏发电、风力发电等可再生能源波动范围。
5.根据权利要求1所述的一种考虑可再生能源出力不确定性的线性化交易方法，其特征在于，所述步骤(3)包括：
考虑不确定参数∈的电网功率均衡模型：
Figure FDA0003016832580000031
Figure FDA0003016832580000032
式中：Δxj和Δyi分别为电网中储能和负荷为了应对新能源的不确定性而调整的出力，如果不确定源消耗了更多电量，则∈>0，否则∈<0，U为不确定参数的不确定集，Λ为不确定上限，
上述模型重构为矩阵形式：
Figure FDA0003016832580000033
s.t.Ax+By≤b
Figure FDA0003016832580000034
分解上述问题模型为主子问题：
Figure FDA0003016832580000035
s.t.Ax+By≤b
Figure FDA0003016832580000036
Figure FDA0003016832580000037
式中：
Figure FDA0003016832580000038
为不确定参数
Figure FDA0003016832580000039
的索引k的集合，不确定参数
Figure FDA00030168325800000310
在迭代过程中不断地从子问题(SP)中动态生成，根据鲁棒优化理论，
Figure FDA00030168325800000311
为不确定集合U的极点。
6.根据权利要求1所述的一种考虑可再生能源出力不确定性的线性化交易方法，其特征在于，所述步骤(4)包括：
创建鲁棒性经济调度模型如下：
Figure FDA0003016832580000041
s.t.(α):Ax+By≤b
Figure FDA0003016832580000042
式中：α和β分别为常规运行约束和不确定集约束对应的对偶变量的矩阵；
上述模型的拉格朗日函数可以写作如下：
Figure FDA0003016832580000043
则不确定源的边际价格为：
Figure FDA0003016832580000044
因此，不确定源支付的总费用即为：
Figure FDA0003016832580000045
。
CN202110391265.9A 2021-04-13 2021-04-13 一种考虑可再生能源出力不确定性的线性化交易方法 Active CN112865101B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110391265.9A CN112865101B (zh) 2021-04-13 2021-04-13 一种考虑可再生能源出力不确定性的线性化交易方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110391265.9A CN112865101B (zh) 2021-04-13 2021-04-13 一种考虑可再生能源出力不确定性的线性化交易方法

Publications (2)

Publication Number Publication Date
CN112865101A true CN112865101A (zh) 2021-05-28
CN112865101B CN112865101B (zh) 2022-06-21

Family

ID=75992515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110391265.9A Active CN112865101B (zh) 2021-04-13 2021-04-13 一种考虑可再生能源出力不确定性的线性化交易方法

Country Status (1)

Country Link
CN (1) CN112865101B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344641A (zh) * 2021-07-02 2021-09-03 广东电力交易中心有限责任公司 一种运行备用辅助服务市场交易成本分摊方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110348619A (zh) * 2019-07-02 2019-10-18 国网上海市电力公司经济技术研究院 可交易能源机制下虚拟电厂的构建及出力优化方法
CN111967925A (zh) * 2020-05-22 2020-11-20 同济大学 多虚拟电厂p2p交易方法、系统、终端及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110348619A (zh) * 2019-07-02 2019-10-18 国网上海市电力公司经济技术研究院 可交易能源机制下虚拟电厂的构建及出力优化方法
CN111967925A (zh) * 2020-05-22 2020-11-20 同济大学 多虚拟电厂p2p交易方法、系统、终端及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344641A (zh) * 2021-07-02 2021-09-03 广东电力交易中心有限责任公司 一种运行备用辅助服务市场交易成本分摊方法

Also Published As

Publication number Publication date
CN112865101B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
Nwulu et al. Optimal dispatch for a microgrid incorporating renewables and demand response
Li Optimal sizing of grid-connected photovoltaic battery systems for residential houses in Australia
Qiu et al. Distributed generation and energy storage system planning for a distribution system operator
Qiu et al. Optimal allocation of BESS and MT in a microgrid
Wu et al. Optimal dispatch and bidding strategy of a virtual power plant based on a Stackelberg game
Yang et al. A multi-objective stochastic optimization model for electricity retailers with energy storage system considering uncertainty and demand response
Yang et al. Optimal sizing of a wind/solar/battery/diesel hybrid microgrid based on typical scenarios considering meteorological variability
Lahon et al. Energy management of cooperative microgrids with high‐penetration renewables
Wang et al. Chance constrained unit commitment considering comprehensive modelling of demand response resources
Nazari et al. A two-stage stochastic model for energy storage planning in a microgrid incorporating bilateral contracts and demand response program
Cheng et al. Stochastic short-term scheduling of a wind-solar-hydro complementary system considering both the day-ahead market bidding and bilateral contracts decomposition
Varzaneh et al. Optimal energy management for PV‐integrated residential systems including energy storage system
CN111967639B (zh) 计及风光出力和价格需求响应的配电网优化方法及系统
Li et al. Co‐optimisation model for the long‐term design and decision making in community level cloud energy storage system
Sun et al. Bi-level model for integrated energy service providers in joint electricity and carbon P2P market
Pan et al. Optimal planning of solar PV and battery storage with energy management systems for Time‐of‐Use and flat electricity tariffs
CN112865101B (zh) 一种考虑可再生能源出力不确定性的线性化交易方法
CN108471136B (zh) 一种电力系统中的功率供需匹配可行性分析方法
Raju et al. Enhancement of loadability and voltage stability in grid-connected microgrid network
Elazab et al. Optimal techno-economic feasibility analysis of a grid-tied microgrid considering demand response strategy
CN113765105A (zh) 基于动态随机模型的微电网群能量管理方法
Ding et al. A dynamic period partition method for time-of-use pricing with high-penetration renewable energy
CN116436048A (zh) 一种多目标驱动的微电网群云储能优化配置方法及装置
CN115660841A (zh) 一种考虑社会影响的社区级p2p能源交易的二部图匹配方法
CN115940274A (zh) 一种光储系统配置方法、装置以及介质

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