CN113191625A - 计及综合效率评价的虚拟电厂组建方法 - Google Patents
计及综合效率评价的虚拟电厂组建方法 Download PDFInfo
- Publication number
- CN113191625A CN113191625A CN202110467517.1A CN202110467517A CN113191625A CN 113191625 A CN113191625 A CN 113191625A CN 202110467517 A CN202110467517 A CN 202110467517A CN 113191625 A CN113191625 A CN 113191625A
- Authority
- CN
- China
- Prior art keywords
- efficiency
- dmu
- power plant
- power
- game
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 49
- 238000010276 construction Methods 0.000 title claims description 6
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000008901 benefit Effects 0.000 claims abstract description 26
- 238000013178 mathematical model Methods 0.000 claims abstract description 6
- 238000004146 energy storage Methods 0.000 claims description 32
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 238000012423 maintenance Methods 0.000 claims description 14
- 239000003245 coal Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010977 unit operation Methods 0.000 claims description 9
- 238000007600 charging Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000017105 transposition Effects 0.000 claims description 5
- 230000009194 climbing Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 208000032953 Device battery issue Diseases 0.000 claims description 2
- 239000003344 environmental pollutant Substances 0.000 claims description 2
- 231100000719 pollutant Toxicity 0.000 claims description 2
- 239000000779 smoke Substances 0.000 claims description 2
- 238000010248 power generation Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004870 electrical engineering Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 45
- 238000004458 analytical method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (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
本发明涉及电气设备及电气工程、发电和供电,为能够确定出使得虚拟电厂整体势函数最大的虚拟电厂成员选择方案,既有利于优化虚拟电厂成员整体素质,提高服务水平和供电能力,同时可以让各成员获得满意的经济收益。本发明,计及综合效率评价的虚拟电厂组建方法,在CCR模型、交叉效率CCR模型基础上,通过博弈交叉效率CCR模型,利用增加二级约束对平均交叉效率模型进行修正,建立虚拟电厂成员评价指标体系,建立计及综合效率评价的虚拟电厂成员数学模型,最终建立基于势博弈的虚拟电厂成员选择模型,实现高效的虚拟电厂组建,本发明主要应用于虚拟电厂组建场合。
Description
技术领域
本发明涉及电气设备及电气工程、发电和供电等,具体涉及计及综合效率评价的虚拟电厂组建方法。
背景技术
1、虚拟电厂
虚拟电厂(virtual power plant,VPP)是解决新能源消纳受限、电源规模过剩以及电能供过于求等问题的一种有效技术手段。虚拟电厂通过先进的通信技术和网络技术聚合发电机组、储能设施和可控负荷等多种类型的电力资源,形成一个虚拟主体参与电网管理和电力市场,从而实现资源的优化配置和高效利用。通过建立电力系统中各类主体的多元互补合作关系,虚拟电厂使得多种发电形式以及可调节负荷在同一控制中心的协调下进行合作,既可以平抑新能源电力的波动性和不确定性,提高风电和光电的消纳比例,合理安排电源的利用,同时也可以灵活调节负荷产能,使电源出力和负荷曲线高峰、低谷时段尽可能重合,促进负荷侧高效用电,实现供给和需求的平衡。
2、数据包络分析法
数据包络分析法(data envelopment analysis,DEA)是用来计算一组决策单元(decision making unit,DMU)的相对效率,为决策者提供决策依据的综合评价方法。它突破了传统效率评价方法中评价对象只能由单个输入指标和单个输出指标描述的局限性,将效率评价问题推广到了更复杂的多输入、多输出的应用场景中,可以应用于数学、工程科学等诸多领域,具有广泛的适用性。DEA的研究对象是一组同质的DMU,根据各DMU的综合效率值判断其是否位于生产前沿面上,在避免主观因素、简化算法流程和降低误差方面有着巨大的优势。
3、势博弈
势博弈(potential game)理论由Monderer和Shapley在1996年提出,包括序数势博弈、加权势博弈和完全势博弈三种类型。完全势博弈的性质说明,求策略博弈的纳什均衡解与求势函数最大值的最优化问题等价,通过构造合理的势函数,可以将完全势博弈转化为最优化问题进行求解。虚拟电厂的成员选择过程可以看作是一个多方参与,相互作用,在保证参与者利益的前提下使整体效用最大化的策略博弈过程。此外,虚拟电厂具有成员效益提高会使整体效益得到改善的特点。因此可以基于势博弈理论,以虚拟电厂整体效用为主体构建势函数,建立虚拟电厂成员选择模型,求解使虚拟电厂整体效用最大化的成员选择方案。
发明内容
为克服现有技术的不足,本发明旨在提出计及综合效率评价的虚拟电厂成员选择模型,在综合考虑了候选电力企业综合评价结果和各成员经济效益的基础上,能够确定出使得虚拟电厂整体势函数最大的虚拟电厂成员选择方案,既有利于优化虚拟电厂成员整体素质,提高服务水平和供电能力,同时可以让各成员获得满意的经济收益。模型对虚拟电厂成员进行选择的过程客观、有效,算法原理简单,易于转化为编程语言,从而可以利用此方法合理有效地进行虚拟电厂的规划。为此,本发明采取的技术方案是,计及综合效率评价的虚拟电厂组建方法,步骤如下:
CCR模型
对于k个DMU,每个DMU用m个输入指标和n个输出指标进行评价,则称DMUi,的所有输入指标组成的向量为其输入向量:
Xi=(x1i,x2i,…,xmi)T i=1,2,…,k (1)
称DMUi的所有输出指标组成的向量为其输出向量,右上角的角标T代表转置:
Yi=(y1i,y2i,…,yni)T (2)
式中,T为向量转置符号。
CCR模型的具体数学表达式如公式(3)所示:
UT,VT≥0 (3)
式中,U和V分别为DMUi的输出指标权重向量和输入指标权重向量;Ed为当前被评价决策单元DMUd的CCR效率,其含义为:当Ed=1时,DMUd位于生产前沿面上,此时称DMUd相对于其他DMU是有效的;当Ed<1时,DMUd位于生产前沿面之内,则DMUd是相对无效的;
交叉效率CCR模型
基于CCR模型求各DMU平均交叉效率的步骤为:首先求解CCR模型得到各DMU的最优权重向量和然后计算DMUd各项指标在DMUi最优权重下的交叉效率Eid,如公式(4)所示;最后求DMUd的k个交叉效率的平均值得到其平均交叉效率d=1,2,k,如公式(5)所示:
博弈交叉效率CCR模型
博弈交叉效率CCR模型的二级约束为:当前被评价的DMU所选择的指标权重除了要使自身效率值尽可能优秀,还应该保证所选择的权重不会使其他DMU的交叉效率低于其期望交叉效率,改进后的博弈交叉效率CCR模型如公式(6)所示:
max Edj=μTYd
s.t.μTYi≤ωTXi,i=1,2,…,k
ωTXd=1
μT≥0,ωT≥0 (6)
式中,ej为DMUj的期望交叉效率,Edj为DMUd对应于ej的博弈交叉效率,公式(6)可以在保证DMUd效率值最大的同时使DMUj的交叉效率不低于给定的期望效率ej,将这一计算过程重复进行k次可求得DMUd与其他所有决策单元相对应的博弈交叉效率,求平均值得到DMUd的平均博弈交叉效率ed;
为该DMU的平均博弈交叉效率;
在公式(6)和(7)的基础上进一步求解各DMU平均博弈交叉效率最优值的过程为:
第二步:求解DMUd的平均博弈交叉效率:
表示成更一般的形式为:
第三步:在求出之后,将其作为DMUd新的期望交叉效率,再次求解DMUd的平均博弈交叉效率,如果对于决策单元DMUd,其中ε为某一很小的正数,令并跳转到第二步,如果说明DMUd的平均博弈交叉效率不再显著改进,则停止计算。此时,即为DMUd最终的平均博弈交叉效率;
建立计及综合效率评价的虚拟电厂成员数学模型,包括确定目标函数和约束条件;
基于势博弈的虚拟电厂成员选择模型
对应策略博弈的局中人、策略集以及效用函数三要素,将各候选电力企业和高载能企业视为局中人,电源企业的出力、储能电站的充放电功率以及CAIL生产用电决策为各自的策略集,并以各局中人目标函数为主体构造各局中人效用函数如下。
ui(ai,a-i)=Fi(ai,a-i)-Fp(ai,a-i) (32)
式中,Fi(ai,a-i)为局中人i的目标函数,Fp(ai,a-i)为功率平衡罚函数,用来表示虚拟电厂运行过程中必须满足的功率平衡约束,其表达式为:
式中,Pi为各局中人功率,P为高载能企业不可调负荷与民用负荷之和,σ为一个很大的系数,当其取值增大到一定程度后,求解得到的结果中罚函数项为0,代表满足了功率平衡约束;
以局中人目标函数为主体构造势函数φ来代表虚拟电厂的整体效用:
Δui=ui(ai′,a-i)-ui(ai″,a-i)
=(Fi(ai′,a-i)-Fp(ai′,a-i))-(Fi(ai″,a-i)-Fp(ai″,a-i) (35)
ΔΦ=Δui (37)
公式(35)—(37)表明,虚拟电厂成员选择模型是一个以Φ为势函数的完全势博弈。
虚拟电厂成员评价指标体系
电力企业评价指标:
火电厂评价指标:输入指标-烟气污染物浓度、输入指标-设备噪声最大值、输出指标-计划检修实施率、输出指标-关键设备完好率;
风电场评价指标:输入指标-电压偏差越限次数、输入指标-功率因数越限比例、输出指标-高频率穿越比例、输出指标-低频率穿越比例、输出指标-低电压穿越比例;
储能电站评价指标:输入指标电池失效率、输入指标电池相对故障次数、输出指标充放电循环次数;
计及综合效率评价的虚拟电厂成员数学模型
(1)火电厂
①目标函数
火电厂的目标函数Fcf由净收益和效率函数两部分构成,为了使效率更高的企业能更多地参与到虚拟电厂生产过程中,将博弈交叉效率和总出力的乘积定义为效率函数,
Fcf=αcf[ωcfRcf+(1-ωcf)Ecf] (10)
式中,αcf为是否选择火电厂作为成员的0-1决策变量,ωcf为权重系数,Rcf为火电厂收益函数,Ecf为火电厂效率函数,Ttotal为根据实际情况划分的时间段总数,ρvpp(t)为虚拟电厂中电力企业的电能交易价格,Pcf(t)为火电厂出力,ρcoal为煤价,Dcoal为火电厂煤耗,γcf为火电厂单位运维成本,Pcf,cap为火电厂容量,ecf为火电厂博弈交叉效率;
②约束条件
αcfPcf,min≤Pcf(t)≤αcfPcf,cap (13)
ΔPcf,min≤Pcf(t)-Pcf(t-1)≤ΔPcf,max (14)
式中,Pcf,min为火电厂最小出力,ΔPcf,max和ΔPcf,min分别为火电厂爬坡功率上、下限;
(2)风电场
①目标函数
Fw=αw[ωwRw+(1-ωw)Ew] (15)
式中,αw为风电场成员选择决策变量,Pw(t)为风电场实际出力,γw为风电场单位运维成本,Pw,cap为风电场容量,ew为风电场博弈交叉效率;
②约束条件
0≤Pw(t)≤αwPpre(t) (18)
式中,Ppre(t)为风电场预测出力;
(3)储能电站
①目标函数
Fes=αes[ωesRes+(1-ωes)Ees] (19)
式中,αes为储能电站成员选择决策变量,Pes(t)为t时段电站功率,Pes(t)>0电站放电,Pes(t)<0电站充电,δes为电站电池损耗成本,γes为电站单位运维成本,Pes,cap为电站容量,ees为电站博弈交叉效率;
②约束条件
E(t+1)=E(t)(1-γloss)-Pes(t)Δt (22)
αesEmin≤E(t)≤αesEmax (23)
-αesPchmax≤Pes(t)≤αesPdismax (24)
式中:E(t)为储能电站t时段储存的电能,γloss为储能电站的能量损耗率,Emax和Emin为储能电站存储能量的上、下限,Pchmax和Pdismax分别为储能电站最大充、放电功率;
(4)高载能企业
①目标函数
高载能企业中不可调负荷部分效益为固定值,因此其目标函数只考虑CAIL的收益和成本,包括销售产品的收益、提供旋转备用的收益、设备启停成本、用电成本以及环境成本;
式中,πL为产品价格,cL为产品产量,ρu和ρd为上、下旋转备用的价格,Pu(t)和Pd(t)为CAIL在t时段提供的上、下旋转备用功率,U和D为CAIL启、停成本,u和v为启、停状态变量,ρtou(t)为工业负荷用电电价,PL(t)为t时段CAIL有功功率,ρenv为环境成本;
②约束条件
PL(t)-Pu(t)≥x(t)PLmin (26)
PL(t)+Pd(t)≤x(t)PLmax (27)
Pu(t)≥0 (28)
Pd(t)≥0 (29)
corder≤cL≤cmax (31)
式中,x(t)为CAIL运行状态0-1变量,PLmin为CAIL最小运行功率,PLmax为CAIL最大运行功率,ηL为生产单位产品的用电量,corder为日订单产量,cmax为日最大产量。
本发明的特点及有益效果是:
计及综合效率评价的虚拟电厂成员选择模型在综合考虑了候选电力企业综合评价结果和各成员经济效益的基础上,能够确定出使得虚拟电厂整体势函数最大的虚拟电厂成员选择方案,既有利于优化虚拟电厂成员整体素质,提高服务水平和供电能力,同时可以让各成员获得满意的经济收益。模型对虚拟电厂成员进行选择的过程客观、有效,算法原理简单,易于转化为编程语言,从而可以利用此方法合理有效地进行虚拟电厂的规划。
附图说明:
图1秋、冬季火电厂和储能电站功率。图中,(a)秋季,(b)冬季。
图2本发明流程图。
具体实施方式
目前电力系统面临着新能源消纳不充分、电能供给大于需求和负荷能源利用效率低的矛盾,虚拟电厂作为一种通过先进通信技术聚合各种资源的技术手段,是缓解上述矛盾的有效方式。然而,电力系统经过多年建设和发展,同一地区内会有多个同类型的电力企业存在,虚拟电厂组织者在组建虚拟电厂时就没有必要对各成员的选址、定容和建设问题进行规划,而是需要在现有电力企业中选择优质的成员直接组成虚拟电厂。基于此,在综合考虑候选电力企业的综合效率评价结果和各成员经济效益的基础上,本发明提出了一种虚拟电厂的成员选择模型,能够确定使虚拟电厂整体效用最大的成员选择方案。
本发明采取的技术方案如下:
1、CCR模型
最经典的DEA模型是1978年提出的CCR模型。假设存在k个DMU,每个DMU用m个输入指标和n个输出指标进行评价,则称DMUi(i=1,2,,k)的所有输入指标组成的向量为其输入向量:
Xi=(x1i,x2i,…,xmi)T (1)
类似的,称DMUi的所有输出指标组成的向量为其输出向量,右上角的角标T确实代表转置:
Yi=(y1i,y2i,…,yni)T (2)
输入和输出是系统科学的术语,应用于具体的生产过程中可以看成是一个系统的投入和产出。一般来说,系统希望在生产过程中,投入的值尽可能小,而产出的值尽可能大,因此也可以根据这一规则将其他类型的不同量纲的指标归类成输入指标或者是输出指标。
CCR模型的具体数学表达式如公式(3)所示:
UT,VT≥0 (3)
式中,U和V分别为DMUi的输出指标权重向量和输入指标权重向量;Ed为当前被评价决策单元DMUd的CCR效率,其含义为:当Ed=1时,DMUd位于生产前沿面上,此时称DMUd相对于其他DMU是有效的;当Ed<1时,DMUd位于生产前沿面之内,则DMUd是相对无效的。
2、交叉效率CCR模型
由CCR模型可知,每个DMU求得的指标权重都是使自身效率值最大的一组值,因此各DMU评价指标权重体系一般不同,所以只能根据CCR效率值判断决策单元是否有效,无法直接对不同DMU的效率值大小进行比较。为了达到对DMU效率进行排序的目的,Sexton等学者使用交叉效率对传统CCR模型进行了改进。
基于CCR模型求各DMU平均交叉效率的步骤为:首先求解CCR模型得到各DMU的最优权重向量和然后计算DMUd各项指标在DMUi最优权重下的交叉效率Eid,如公式(4)所示;最后求DMUd的k个交叉效率的平均值得到其平均交叉效率如公式(5)所示。
平均交叉效率包括了用所有DMU的权重对其进行评价的结果,所以实际上采用平均交叉效率对DMU进行评价是一个将自评与互评相结合的过程,使得所有DMU最终的评价结果都建立在一个共同的权重体系上,各DMU之间可以进行效率值的比较和排序。
3、博弈交叉效率CCR模型
使用不同的算法求解交叉效率CCR模型,得到的最优权重和最终的平均交叉效率值可能不统一,因此需要增加二级约束对平均交叉效率模型进行修正,本发明采用的博弈交叉效率CCR模型就是基于交叉效率CCR模型的一种修正模型。
采用如下博弈策略作为二级约束对交叉效率求解过程进行改进可以得到DMU的博弈交叉效率:当前被评价的DMU所选择的指标权重除了要使自身效率值尽可能优秀,还应该保证所选择的权重不会使其他DMU的交叉效率低于其期望交叉效率。
改进后的博弈交叉效率CCR模型如公式(6)所示:
max Edj=μTYd
s.t.μTYi≤ωTXi,i=1,2,,k
ωTXd=1
μT≥0,ωT≥0 (6)
式中,ej为DMUj的期望交叉效率,Edj为DMUd对应于ej的博弈交叉效率。公式(6)可以在保证DMUd效率值最大的同时使DMUj的交叉效率不低于给定的期望效率ej。将这一计算过程重复进行k次可求得DMUd与其他所有决策单元相对应的博弈交叉效率,求平均值得到DMUd的平均博弈交叉效率ed。
为该DMU的平均博弈交叉效率。
在公式(6)和(7)的基础上进一步求解各DMU平均博弈交叉效率最优值的过程为:
第二步:求解DMUd的平均博弈交叉效率:
表示成更一般的形式为:
第三步:在求出之后,将其作为DMUd新的期望交叉效率,再次求解DMUd的平均博弈交叉效率。如果对于决策单元DMUd,其中ε为某一很小的正数,令并跳转到第二步。如果说明DMUd的平均博弈交叉效率不再显著改进,则停止计算。此时,即为DMUd最终的平均博弈交叉效率。
交叉效率CCR针对传统CCR评价指标权重体系不统一,无法进行DMU排序的不足进行了改进;博弈交叉效率CCR则弥补了交叉效率CCR所得出的结果可能不唯一的缺点。三种效率评价是逐步对前者进行改进的关系,本发明最终采用的效率评价模型为博弈交叉效率CCR模型。
4、虚拟电厂成员评价指标体系
表1电力企业评价指标
Tab.1 Evaluation indexes of power enterprises
火电厂评价指标的选取主要从环境保护和供电稳定的角度考虑,风电场评价指标体系的建立主要从稳定性、可靠性的角度考虑,而储能电站的评价指标选取则从可靠性和持续性的方面考虑。
5、计及综合效率评价的虚拟电厂成员数学模型
(1)火电厂
①目标函数
火电厂的目标函数Fcf由净收益和效率函数两部分构成。为了使效率更高的企业能更多地参与到虚拟电厂生产过程中,将博弈交叉效率和总出力的乘积定义为效率函数。
Fcf=αcf[ωcfRcf+(1-ωcf)Ecf] (10)
式中,αcf为是否选择火电厂作为成员的0-1决策变量,ωcf为权重系数,Rcf为火电厂收益函数,Ecf为火电厂效率函数,ρvpp(t)为虚拟电厂中电力企业的电能交易价格,Pcf(t)为火电厂出力,ρcoal为煤价,Dcoal为火电厂煤耗,γcf为火电厂单位运维成本,Pcf,cap为火电厂容量,ecf为火电厂博弈交叉效率。
②约束条件
αcfPcf,min≤Pcf(t)≤αcfPcf,cap (13)
ΔPcf,min≤Pcf(t)-Pcf(t-1)≤ΔPcf,max (14)
式中,Pcf,min为火电厂最小出力,ΔPcf,max和ΔPcf,min分别为火电厂爬坡功率上、下限。
(2)风电场
①目标函数
Fw=αw[ωwRw+(1-ωw)Ew] (15)
式中,αw为风电场成员选择决策变量,Pw(t)为风电场实际出力,γw为风电场单位运维成本,Pw,cap为风电场容量,ew为风电场博弈交叉效率。
②约束条件
0≤Pw(t)≤αwPpre(t) (18)
式中,Ppre(t)为风电场预测出力。
(3)储能电站
①目标函数
Fes=αes[ωesRes+(1-ωes)Ees] (19)
式中,αes为储能电站成员选择决策变量,Pes(t)为t时段电站功率,Pes(t)>0电站放电,Pes(t)<0电站充电,δes为电站电池损耗成本,γes为电站单位运维成本,Pes,cap为电站容量,ees为电站博弈交叉效率。
②约束条件
E(t+1)=E(t)(1-γloss)-Pes(t)Δt (22)
αesEmin≤E(t)≤αesEmax (23)
-αesPchmax≤Pes(t)≤αesPdismax (24)
式中:E(t)为储能电站t时段储存的电能,γloss为储能电站的能量损耗率,Emax和Emin为储能电站存储能量的上、下限,Pchmax和Pdismax分别为储能电站最大充、放电功率。
(4)高载能企业
①目标函数
高载能企业中不可调负荷部分效益为固定值,因此其目标函数只考虑CAIL的收益和成本,包括销售产品的收益、提供旋转备用的收益、设备启停成本、用电成本以及环境成本。
式中,πL为产品价格,cL为产品产量,ρu和ρd为上、下旋转备用的价格,Pu(t)和Pd(t)为CAIL在t时段提供的上、下旋转备用功率,U和D为CAIL启、停成本,u和v为启、停状态变量,ρtou(t)为工业负荷用电电价,PL(t)为t时段CAIL有功功率,ρenv为环境成本。
②约束条件
PL(t)-Pu(t)≥x(t)PLmin (26)
PL(t)+Pd(t)≤x(t)PLmax (27)
Pu(t)≥0 (28)
Pd(t)≥0 (29)
corder≤cL≤cmax (31)
式中,x(t)为CAIL运行状态0-1变量,PLmin为CAIL最小运行功率,PLmax为CAIL最大运行功率,ηL为生产单位产品的用电量,corder为日订单产量,cmax为日最大产量。
6、基于势博弈的虚拟电厂成员选择模型
对应策略博弈的局中人、策略集以及效用函数三要素,将各候选电力企业和高载能企业视为局中人,电源企业的出力、储能电站的充放电功率以及CAIL生产用电决策为各自的策略集,并以各局中人目标函数为主体构造各局中人效用函数如下。
ui(ai,a-i)=Fi(ai,a-i)-Fp(ai,a-i) (32)
式中,Fi(ai,a-i)为局中人i的目标函数,Fp(ai,a-i)为功率平衡罚函数,用来表示虚拟电厂运行过程中必须满足的功率平衡约束,其表达式为:
式中,Pi为各局中人功率,P为高载能企业不可调负荷与民用负荷之和。σ为一个很大的系数,当其取值增大到一定程度后,求解得到的结果中罚函数项为0,代表满足了功率平衡约束。
以局中人目标函数为主体构造势函数φ来代表虚拟电厂的整体效用:
Δui=ui(ai',a-i)-ui(ai″,a-i)
=(Fi(ai',a-i)-Fp(ai',a-i))-(Fi(ai″,a-i)-Fp(ai″,a-i)) (35)
ΔΦ=Δui (37)
公式(35)—(37)的推导结果表明,虚拟电厂成员选择模型是一个以Φ为势函数的完全势博弈。
本发明可以编写成一个软件,用于在组建虚拟电厂时对各类电力企业成员进行优选,为虚拟电厂组织者提供最优的虚拟电厂成员组成方案,实施过程分为两步:第一步输入各候选电力企业的评价指标数值,得到候选企业的综合效率评价结果;第二步输入各成员的运行参数,对虚拟电厂运行情况进行仿真,得到最优的成员选择方案。
下面以某虚拟电厂的成员方案确定过程为例,对本发明做进一步说明。有3个火电厂、3个风电场和3个储能电站作为候选企业,并安排高载能企业参与虚拟电厂的协调调度,针对不同季节风电场出力和负荷需求情况的差异,对四个季节的虚拟电厂成员选择方案分别进行求解。3个火电厂的容量分别为300MW、200MW、200MW;3个风电场的容量分别为150MW、120MW、120MW;3个储能电站的容量分别为10MWh、15MWh、12MWh;CAIL的有功功率上下限分别为100MW和40MW。算例中涉及的其余参数取值见表2,根据实际负荷情况和虚拟电厂候选企业数目的不同,还可以对各类候选企业的具体参数进行调整。
表2虚拟电厂运行参数
Tab.2 Operating parameters of VPP
成员选择方案分析
表3虚拟电厂四季成员选择方案
Tab.3 Member selection plans of VPP in four seasons
表3为用成员选择变量表示的虚拟电厂成员选择方案。由表中成员选择方案可知,春季、夏季和冬季均选择风电场1、3参与虚拟电厂。虽然风电场2与风电场3容量相同,两者在不同季节的出力也比较接近,甚至前者运维成本还略低于后者,但是在考虑两个风电场综合评价的基础上,效率值更高的风电场3参与虚拟电厂可以使虚拟电厂的整体效用更高。
表4为不同季节风电场成员发电量消纳情况。除了风电场3在春冬两季的发电量有剩余,其余情况下风电场成员的出力均可以全部被消纳。这说明虚拟电厂会尽量增加风电场成员的出力机会,不仅促进了对风能的利用,平抑了风电场出力的波动幅度,也促进了虚拟电厂的电能供给清洁化,降低了供电过程中产生的环境污染。
虽然风力发电与传统燃煤发电相比有诸多优点,但这并不意味着虚拟电厂的最优成员选择方案必须包括所有候选风电场。春夏两季风电场出力较低,即使3个风电场全部参加虚拟电厂,仍然不足以满足负荷需求,还是需要火电厂成员加入,供给其余电能;冬季虽然是一年中风能最充沛的季节,但由于风能资源具有随机性和波动性,风电场某些时段出力仍然很小,需要火电厂的稳定出力作为基础。因此,要满足负荷对于稳定可靠供电的需求,就必须有火电厂参与虚拟电厂。从火电厂的角度考虑,要保证正常生产首先要稳定输出一定的功率,其次,在负荷情况基本确定的情况下,增加风电场必然会瓜分出力机会,减少其获利;从整个虚拟电厂的角度看,选择火电厂成员就必须承担其运维成本,这就需要火电厂出力达到一定规模才可以使其单位出力创造足够的效益。所以,春、夏、冬三季只选择2个风电场成员的方案既可以使被选中的火电厂稳定出力,保障供电的可靠性,又促进了对风电的消纳,从而实现对电源的最优化利用,提高整体效用。可见,虚拟电厂不应盲目选择更清洁、利润更高的成员,而是需要根据实际情况综合考虑。
表4四季风电场成员电能消纳比例
Tab.4 Energy consumption proportion of wind farm members in fourseasons
图1为秋冬两季火电厂和储能电站成员功率。火电厂功率能够始终保持在最低允许出力水平以上,具有可观的利用小时数。储能电站只在秋季和冬季参与虚拟电厂,而且基本在火电厂接近或达到满发状态时段放电,起到了在电能富裕时段储存电能,在电能短缺时段补足电能供给缺口的作用。但是现阶段储能设备造价和运行维护成本高,能量转换效率低,建造规模和创造的效益有限,还难以完全发挥自身优势。
从上述分析可以看出,所建立的计及综合效率评价的虚拟电厂成员选择模型所得出的方案有明显的季节差异,能够选择综合效率更高的企业,合理配置成员构成,得到使整体效用最高的不同类型电力企业的最优组合,在稳定供电的前提下,改善风电消纳情况,同时也创造了更多利润。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种计及综合效率评价的虚拟电厂组建方法,其特征是,步骤如下:
CCR模型
对于k个DMU,每个DMU用m个输入指标和n个输出指标进行评价,则称DMUi,的所有输入指标组成的向量为其输入向量:
Xi=(x1i,x2i,…,xmi)Ti=1,2,…,k (1)
称DMUi的所有输出指标组成的向量为其输出向量,右上角的角标T代表转置:
Yi=(y1i,y2i,…,yni)T (2)
式中,T为向量转置符号;
CCR模型的具体数学表达式如公式(3)所示:
UT,VT≥0 (3)
式中,U和V分别为DMUi的输出指标权重向量和输入指标权重向量;Ed为当前被评价决策单元DMUd的CCR效率,其含义为:当Ed=1时,DMUd位于生产前沿面上,此时称DMUd相对于其他DMU是有效的;当Ed<1时,DMUd位于生产前沿面之内,则DMUd是相对无效的;
交叉效率CCR模型
基于CCR模型求各DMU平均交叉效率的步骤为:首先求解CCR模型得到各DMU的最优权重向量和然后计算DMUd各项指标在DMUi最优权重下的交叉效率Eid,如公式(4)所示;最后求DMUd的k个交叉效率的平均值得到其平均交叉效率d=1,2,…k,如公式(5)所示:
博弈交叉效率CCR模型
博弈交叉效率CCR模型的二级约束为:当前被评价的DMU所选择的指标权重除了要使自身效率值尽可能优秀,还应该保证所选择的权重不会使其他DMU的交叉效率低于其期望交叉效率,改进后的博弈交叉效率CCR模型如公式(6)所示:
max Edj=μTYd
s.t.μTYi≤ωTXi,i=1,2,…,k
ωTXd=1
μT≥0,ωT≥0 (6)
式中,ej为DMUj的期望交叉效率,Edj为DMUd对应于ej的博弈交叉效率,公式(6)可以在保证DMUd效率值最大的同时使DMUj的交叉效率不低于给定的期望效率ej,将这一计算过程重复进行k次可求得DMUd与其他所有决策单元相对应的博弈交叉效率,求平均值得到DMUd的平均博弈交叉效率ed;
为该DMU的平均博弈交叉效率;
在公式(6)和(7)的基础上进一步求解各DMU平均博弈交叉效率最优值的过程为:
第二步:求解DMUd的平均博弈交叉效率:
表示成更一般的形式为:
第三步:在求出之后,将其作为DMUd新的期望交叉效率,再次求解DMUd的平均博弈交叉效率,如果对于决策单元DMUd,其中ε为某一很小的正数,令并跳转到第二步,如果说明DMUd的平均博弈交叉效率不再显著改进,则停止计算,此时,即为DMUd最终的平均博弈交叉效率;
建立计及综合效率评价的虚拟电厂成员数学模型,包括确定目标函数和约束条件;
基于势博弈的虚拟电厂成员选择模型
对应策略博弈的局中人、策略集以及效用函数三要素,将各候选电力企业和高载能企业视为局中人,电源企业的出力、储能电站的充放电功率以及CAIL生产用电决策为各自的策略集,并以各局中人目标函数为主体构造各局中人效用函数如下:
ui(ai,a-i)=Fi(ai,a-i)-Fp(ai,a-i) (32)
式中,Fi(ai,a-i)为局中人i的目标函数,Fp(ai,a-i)为功率平衡罚函数,用来表示虚拟电厂运行过程中必须满足的功率平衡约束,其表达式为:
式中,Pi为各局中人功率,P为高载能企业不可调负荷与民用负荷之和,σ为一个很大的系数,当其取值增大到一定程度后,求解得到的结果中罚函数项为0,代表满足了功率平衡约束;
以局中人目标函数为主体构造势函数φ来代表虚拟电厂的整体效用:
Δui=ui(ai',a-i)-ui(ai”,a-i)
=(Fi(ai',a-i)-Fp(ai',a-i))-(Fi(ai”,a-i)-Fp(ai”,a-i)) (35)
ΔΦ=Δui (37)
公式(35)—(37)表明,虚拟电厂成员选择模型是一个以Φ为势函数的完全势博弈。
2.如权利要求1所述的计及综合效率评价的虚拟电厂组建方法,其特征是,建立虚拟电厂成员评价指标体系如下:
电力企业评价指标:
火电厂评价指标:输入指标-烟气污染物浓度、输入指标-设备噪声最大值、输出指标-计划检修实施率、输出指标-关键设备完好率;
风电场评价指标:输入指标-电压偏差越限次数、输入指标-功率因数越限比例、输出指标-高频率穿越比例、输出指标-低频率穿越比例、输出指标-低电压穿越比例;
储能电站评价指标:输入指标电池失效率、输入指标电池相对故障次数、输出指标充放电循环次数;
计及综合效率评价的虚拟电厂成员数学模型
(1)火电厂
①目标函数
火电厂的目标函数Fcf由净收益和效率函数两部分构成,为了使效率更高的企业能更多地参与到虚拟电厂生产过程中,将博弈交叉效率和总出力的乘积定义为效率函数,
Fcf=αcf[ωcfRcf+(1-ωcf)Ecf] (10)
式中,αcf为是否选择火电厂作为成员的0-1决策变量,ωcf为权重系数,Rcf为火电厂收益函数,Ecf为火电厂效率函数,Ttotal为根据实际情况划分的时间段总数,ρvpp(t)为虚拟电厂中电力企业的电能交易价格,Pcf(t)为火电厂出力,ρcoal为煤价,Dcoal为火电厂煤耗,γcf为火电厂单位运维成本,Pcf,cap为火电厂容量,ecf为火电厂博弈交叉效率;
②约束条件
αcfPcf,min≤Pcf(t)≤αcfPcf,cap (13)
ΔPcf,min≤Pcf(t)-Pcf(t-1)≤ΔPcf,max (14)
式中,Pcf,min为火电厂最小出力,ΔPcf,max和ΔPcf,min分别为火电厂爬坡功率上、下限;
(2)风电场
①目标函数
Fw=αw[ωwRw+(1-ωw)Ew] (15)
式中,αw为风电场成员选择决策变量,Pw(t)为风电场实际出力,γw为风电场单位运维成本,Pw,cap为风电场容量,ew为风电场博弈交叉效率;
②约束条件
0≤Pw(t)≤αwPpre(t) (18)
式中,Ppre(t)为风电场预测出力;
(3)储能电站
①目标函数
Fes=αes[ωesRes+(1-ωes)Ees] (19)
式中,αes为储能电站成员选择决策变量,Pes(t)为t时段电站功率,Pes(t)>0电站放电,Pes(t)<0电站充电,δes为电站电池损耗成本,γes为电站单位运维成本,Pes,cap为电站容量,ees为电站博弈交叉效率;
②约束条件
E(t+1)=E(t)(1-γloss)-Pes(t)Δt (22)
αesEmin≤E(t)≤αesEmax (23)
-αesPchmax≤Pes(t)≤αesPdismax (24)
式中:E(t)为储能电站t时段储存的电能,γloss为储能电站的能量损耗率,Emax和Emin为储能电站存储能量的上、下限,Pchmax和Pdismax分别为储能电站最大充、放电功率;
(4)高载能企业
①目标函数
高载能企业中不可调负荷部分效益为固定值,因此其目标函数只考虑CAIL的收益和成本,包括销售产品的收益、提供旋转备用的收益、设备启停成本、用电成本以及环境成本;
式中,πL为产品价格,cL为产品产量,ρu和ρd为上、下旋转备用的价格,Pu(t)和Pd(t)为CAIL在t时段提供的上、下旋转备用功率,U和D为CAIL启、停成本,u和v为启、停状态变量,ρtou(t)为工业负荷用电电价,PL(t)为t时段CAIL有功功率,ρenv为环境成本;
②约束条件
PL(t)-Pu(t)≥x(t)PLmin (26)
PL(t)+Pd(t)≤x(t)PLmax (27)
Pu(t)≥0 (28)
Pd(t)≥0 (29)
corder≤cL≤cmax (31)
式中,x(t)为CAIL运行状态0-1变量,PLmin为CAIL最小运行功率,PLmax为CAIL最大运行功率,ηL为生产单位产品的用电量,corder为日订单产量,cmax为日最大产量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110467517.1A CN113191625A (zh) | 2021-04-28 | 2021-04-28 | 计及综合效率评价的虚拟电厂组建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110467517.1A CN113191625A (zh) | 2021-04-28 | 2021-04-28 | 计及综合效率评价的虚拟电厂组建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191625A true CN113191625A (zh) | 2021-07-30 |
Family
ID=76980329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110467517.1A Pending CN113191625A (zh) | 2021-04-28 | 2021-04-28 | 计及综合效率评价的虚拟电厂组建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191625A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150295410A1 (en) * | 2014-04-10 | 2015-10-15 | Nec Laboratories America, Inc. | Decentralized Energy Management Platform |
CN105791026A (zh) * | 2016-04-19 | 2016-07-20 | 浙江理工大学 | 一种基于功率和能量优化的势博弈拓扑控制方法 |
CN109447348A (zh) * | 2018-10-29 | 2019-03-08 | 上海交通大学 | 一种基于模糊联盟的虚拟电厂优化组合机制 |
CN110163689A (zh) * | 2019-05-31 | 2019-08-23 | 国网上海市电力公司 | 基于用户侧单边竞价的虚拟电厂系统的激励计算方法 |
CN110245790A (zh) * | 2019-05-31 | 2019-09-17 | 国网上海市电力公司 | 基于虚拟电厂技术的区域负荷精准调节方法 |
CN112308334A (zh) * | 2020-11-12 | 2021-02-02 | 国网江苏省电力有限公司南京供电分公司 | 一种基于主从合作博弈的多虚拟电厂联合优化调度方法 |
CN112365129A (zh) * | 2020-10-21 | 2021-02-12 | 天津大学 | 基于交叉超效率ccr模型的综合能源系统综合效率评价方法 |
-
2021
- 2021-04-28 CN CN202110467517.1A patent/CN113191625A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150295410A1 (en) * | 2014-04-10 | 2015-10-15 | Nec Laboratories America, Inc. | Decentralized Energy Management Platform |
CN105791026A (zh) * | 2016-04-19 | 2016-07-20 | 浙江理工大学 | 一种基于功率和能量优化的势博弈拓扑控制方法 |
CN109447348A (zh) * | 2018-10-29 | 2019-03-08 | 上海交通大学 | 一种基于模糊联盟的虚拟电厂优化组合机制 |
CN110163689A (zh) * | 2019-05-31 | 2019-08-23 | 国网上海市电力公司 | 基于用户侧单边竞价的虚拟电厂系统的激励计算方法 |
CN110245790A (zh) * | 2019-05-31 | 2019-09-17 | 国网上海市电力公司 | 基于虚拟电厂技术的区域负荷精准调节方法 |
CN112365129A (zh) * | 2020-10-21 | 2021-02-12 | 天津大学 | 基于交叉超效率ccr模型的综合能源系统综合效率评价方法 |
CN112308334A (zh) * | 2020-11-12 | 2021-02-02 | 国网江苏省电力有限公司南京供电分公司 | 一种基于主从合作博弈的多虚拟电厂联合优化调度方法 |
Non-Patent Citations (1)
Title |
---|
王睿卓等: "计及综合效率评价的火-风-储-高载能企业虚拟电厂成员选择模型", 《电网技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108667052B (zh) | 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统 | |
CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
CN104362677B (zh) | 一种主动配电网优化配置结构及其配置方法 | |
Zhang et al. | Optimal bidding strategy and profit allocation method for shared energy storage-assisted VPP in joint energy and regulation markets | |
Jin et al. | Game theoretical analysis on capacity configuration for microgrid based on multi-agent system | |
CN107732949B (zh) | 一种综合风电全年多季节特性的储能布点定容方法 | |
CN114154910A (zh) | 面向多能分散式资源的虚拟电厂多级聚合方法、装置及存储介质 | |
CN110633854A (zh) | 一种考虑储能电池多重分段服务全生命周期优化规划方法 | |
CN115018230A (zh) | 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法 | |
CN112651105A (zh) | 一种基于博弈论的微网容量配置优化方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN113888204A (zh) | 多主体博弈的虚拟电厂容量优化配置法 | |
Ali | Development and Improvement of Renewable Energy Integrated with Energy Trading Schemes based on Advanced Optimization Approaches | |
CN115423260A (zh) | 一种电力市场及政策服务新能源利用的量化分析方法 | |
Han et al. | Dynamic game optimization control for shared energy storage in multiple application scenarios considering energy storage economy | |
CN114301081A (zh) | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 | |
CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
CN116777235A (zh) | 一种商业和公共动态博弈的电力系统风险规避投资方法 | |
CN115642620A (zh) | 一种储能参与低碳灵活调峰的双层优化方法 | |
CN113191625A (zh) | 计及综合效率评价的虚拟电厂组建方法 | |
Zhang et al. | Real-time active power dispatch for virtual power plant via a multi-agent leader-follower game approach | |
Zhang et al. | Optimal Scheduling Strategies of the Virtual Power Plant Considering Different Development Stages of the Electricity Market | |
Wang et al. | Distributionally Robust Planning of Distribution Network Considering Flexibility of DSR | |
CN111130101B (zh) | 一种多端口能量路由器多场景容量配置优化方法 |
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 |
Application publication date: 20210730 |
|
RJ01 | Rejection of invention patent application after publication |