CN114135397A - 一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统 - Google Patents
一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统 Download PDFInfo
- Publication number
- CN114135397A CN114135397A CN202111306313.6A CN202111306313A CN114135397A CN 114135397 A CN114135397 A CN 114135397A CN 202111306313 A CN202111306313 A CN 202111306313A CN 114135397 A CN114135397 A CN 114135397A
- Authority
- CN
- China
- Prior art keywords
- gas
- combined cycle
- steam combined
- optimization
- cycle system
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 109
- 238000005457 optimization Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000007726 management method Methods 0.000 claims abstract description 76
- 230000015556 catabolic process Effects 0.000 claims abstract description 51
- 238000006731 degradation reaction Methods 0.000 claims abstract description 51
- 238000013500 data storage Methods 0.000 claims abstract description 10
- 230000006866 deterioration Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000002068 genetic effect Effects 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 4
- 238000003909 pattern recognition Methods 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 38
- 239000000446 fuel Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C6/00—Plural gas-turbine plants; Combinations of gas-turbine plants with other apparatus; Adaptations of gas-turbine plants for special use
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
-
- 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
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/16—Combined cycle power plant [CCPP], or combined cycle gas turbine [CCGT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统。该诊断优化装置包括数据获取单元、模式识别单元以及劣化诊断单元。该诊断优化系统包括数据采集模块、优化管理模块以及数据存储模块。通过根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式，并通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，该诊断优化方法、装置及系统提升了对燃气蒸汽联合循环系统的劣化诊断的准确性和高效性，为后续的优化管理提供了有力的数据支持。
Description
技术领域
本发明涉及燃气-蒸汽联合循环性能的诊断优化领域，涉及一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统。
背景技术
随着环境容量的约束以及天然气的大量利用，燃气—蒸汽联合循环发电机组发展迅猛。据中电联统计数据，我国天然气发电装机容量从2016年的70.11GW增大至2020年的98.02GW。在机组长期运行过程中，燃气轮机及其联合循环的关键部件势必会出现劣化，导致在相同的初始进口条件与运行策略下无法维持理想的输出功率和效率，系统的经济性大大降低。在燃气轮机全负荷区间内，负荷调控模式可有多种形式，一般为等T3、等T4、等ma三种运行策略的其中一种或几种组合方式，且不同负荷调控模式下的系统效率曲线呈现不同规律。
在现有技术中，通常通过实际数据建模方法，根据系统负荷确定调控模式，快速追踪燃气—蒸汽联合循环发电机组的效率变化情况，从而进行系统劣化诊断。
但是，现有技术仍存在以下缺陷：燃气蒸汽联合循环发电机组的优劣性能受到被影响的参数较多，且相对于各个参数的灵敏度差异较大，采用一般传统的实际数据建模方法来处理所有部件的运行数据，不仅运算量大，且预测精度较难保障。
因此，当前需要一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统，从而克服现有技术中存在的上述缺陷。
发明内容
针对现存的上述技术问题，本发明的目的在于提供一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统，从而提升对燃气蒸汽联合循环系统的劣化诊断的准确性和高效性，为后续的优化管理提供有力的数据支持。
本发明提供了一种燃气蒸汽联合循环性能的诊断优化方法，所述诊断优化方法包括：获取燃气蒸汽联合循环系统的当前运行数据组；根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式；通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果。
在一个实施例中，所述诊断优化方法还包括：获取燃气蒸汽联合循环系统的历史运行数据组；根据所述历史运行数据组以及预设的神经网络，建立所述燃气蒸汽联合循环系统的效率预测模型；根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法；根据所述优化运行管理方法以及所述诊断结果，对所述燃气蒸汽联合循环系统进行优化运行管理。
在一个实施例中，在通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果之后，所述诊断优化方法还包括：根据所述诊断结果以及预设的优化判断方法，判断是否需要对所述燃气蒸汽联合循环系统进行优化运行管理。
在一个实施例中，所述根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法，具体为：以所述燃气蒸汽联合循环系统的燃气轮机效率和联合循环效率最大化为优化目标，利用遗传算法进行寻优计算，从而计算获得所述燃气蒸汽联合循环系统的优化运行管理方法。
本发明还提供了一种燃气蒸汽联合循环性能的诊断优化装置，所述诊断优化装置包括数据获取单元、模式识别单元以及劣化诊断单元，其中，所述数据获取单元用于获取燃气蒸汽联合循环系统的当前运行数据组；所述模式识别单元用于根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式；所述劣化诊断单元用于通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果。
在一个实施例中，所述诊断优化装置还包括优化判断单元，所述优化判断单元用于根据所述诊断结果以及预设的优化判断方法，判断是否需要对所述燃气蒸汽联合循环系统进行优化运行管理。
在一个实施例中，所述诊断优化装置还包括运行管理单元，所述运行管理单元用于：获取燃气蒸汽联合循环系统的历史运行数据组；根据所述历史运行数据组以及预设的神经网络，建立所述燃气蒸汽联合循环系统的效率预测模型；根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法；根据所述优化运行管理方法以及所述诊断结果，对所述燃气蒸汽联合循环系统进行优化运行管理。
本发明还提供了一种燃气蒸汽联合循环性能的诊断优化系统，所述诊断优化系统包括数据采集模块、优化管理模块以及数据存储模块，所述数据采集模块、所述优化管理模块以及所述数据存储模块彼此之间通信连接，其中，所述数据采集模块包括多个传感器，所述多个传感器用于实时采集燃气蒸汽联合循环系统的运行数据组；所述数据存储模块用于存储所述运行数据组，并根据当前时间，将所有运行数据组划分为当前运行数据组和历史运行数据组；所述优化管理模块用于根据所述当前运行数据组和所述历史运行数据组，执行如前所述的燃气蒸汽联合循环性能的诊断优化方法，从而对所述燃气蒸汽联合循环系统进行诊断优化。
在一个实施例中，所述诊断优化系统还包括用户交互模块，所述用户交互模块包括触摸/不可触摸显示屏、输入键盘、虚拟键盘、指示灯、麦克风或扬声器。
相比于现有技术，本发明实施例具有如下有益效果：
本发明提供了一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统，通过根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式，并通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，该诊断优化方法、装置及系统提升了对燃气蒸汽联合循环系统的劣化诊断的准确性和高效性，为后续的优化管理提供了有力的数据支持。
进一步地，本发明提供的燃气蒸汽联合循环性能的诊断优化方法、装置及系统还通过利用历史运行数据组和预设的GA-BP神经网络建立燃气蒸汽联合循环系统的效率预测模型，并根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法，从而进一步提升了燃气蒸汽联合循环系统的优化运行管理的有效性。
附图说明
下文将结合说明书附图对本发明进行进一步的描述说明，其中：
图1示出了根据本发明的一种燃气蒸汽联合循环性能的诊断优化方法的一个实施例的流程图；
图2示出了根据本发明的一种燃气蒸汽联合循环性能的诊断优化方法的另一实施例的流程图；
图3示出了根据本发明的一种燃气蒸汽联合循环性能的诊断优化装置的一个实施例的结构图；
图4示出了根据本发明的一种燃气蒸汽联合循环性能的诊断优化系统的一个实施例的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
具体实施例一
本发明实施例首先描述了一种燃气蒸汽联合循环性能的诊断优化方法。图1示出了根据本发明的一种燃气蒸汽联合循环性能的诊断优化方法的一个实施例的流程图。
如图1所示，该诊断优化方法包括如下步骤：
S1:获取燃气蒸汽联合循环系统的当前运行数据组。
为了能够获取燃气蒸汽联合循环系统的当前效率，从而用于后续判断系统的劣化程度，本发明实施例首先需要获取燃气蒸汽联合循环系统的当前运行数据组以计算燃气蒸汽联合循环系统的关键部件的关键性能参数。
在一个实施例中，该当前运行数据组是通过布置在燃气蒸汽联合循环系统上的多个传感器监测获取的。在一个实施例中，多个传感器包括：布置在压气机进口处的空气温度传感器、压力传感器和流量传感器；布置在压气机进气口处的可调导叶IGV开度传感器；布置在燃料入口处的温度传感器、压力传感器、流量传感器和透平排烟温度传感器；以及布置在高/中/低压汽缸进出口处的蒸汽温度传感器、压力传感器、流量传感器、凝汽器压力传感器以及联合循环功率传感器。
S2:根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式。
在获取了燃气蒸汽联合循环系统的当前运行数据组后，为了快速追踪效率变化情况，进而定量分析系统性能的劣化程度，本发明实施例首先对历史运行数据组中的第一年运行数据进行第一处理(通常，此时燃气蒸汽联合循环系统尚未劣化)，即，将燃气蒸汽联合循环系统的关键部件的关键性能参数折合至ISO工况，从而获取燃气蒸汽联合循环系统的燃气轮机在不同负荷区间的负荷调控模式对照表，再通过当前运行数据组计算得出所述燃气蒸汽联合循环系统的各个负荷值并进行修正，最后根据修正后的负荷和前述通过第一年运行数据计算得到的负荷调控模式对照表，对照得出燃气蒸汽联合循环系统的当前负荷调控模式。
在一个实施例中，第一处理的过程包括去噪和负荷计算，其中，去噪是指剔除设备启停阶段数据以及异常数据，负荷计算是指对去噪后的恒速带负荷运行的稳态数据进行热力循环计算，从而获得各项负荷值。在一个实施例中，负荷值包括蒸汽轮机输出功率Pst、燃气轮机功率Pgt、燃气轮机效率hgt以及联合循环效率hgtcc。
具体地，蒸汽轮机输出功率Pst的计算公式为：
h＝f(T,p)；
式中，其中，h为水蒸汽焓值，单位为kJ/kg；T为热力学温度，单位为K；p为绝对压力，单位为MPa；Pst为蒸汽轮机输出功率，单位为kW；mw为水蒸汽质量流量，kg/s；i表示汽轮机的各个缸；hin和hout分别代表汽缸的进口和出口。
具体地，燃气轮机功率Pgt的计算公式为：
Pgt＝Pgtcc-Pst；
具体地，燃气轮机效率hgt的计算公式为：
具体地，联合循环效率hgtcc的计算公式为：
式中，Pgt为燃气轮机输出功率，单位为kW；Pgtcc为功率传感器测得的联合循环输出功率，单位为kW；hgt和hgtcc分别为燃气轮机效率和联合循环效率；mf和LHV分别代表燃料流量和燃料低位热值，单位分别为kg/s和kJ/kg。
在计算得出第一年运行数据的各项负荷值后，即可计算燃气蒸汽联合循环系统的燃气轮机在不同负荷区间的负荷调控模式对照表，具体地，在一个实施例中，计算负荷调控模式对照表的步骤为：根据第一年运行数据、预设的厂家推荐曲线、大气温度、压力、相对湿度以及预设的修正公式，对第一年运行数据组对应的各项负荷值进行修正并折合到ISO工况，从而求得修正后的第一机组运行负荷；绘制不同负荷下的T3/T4/ma-IGV变化曲线，确定燃气轮机在各个负荷区间内的调控模式，从而对应获得负荷调控模式对照表。
在计算获得负荷调控模式对照表后，即可计算燃气蒸汽联合循环系统的当前运行数据组对应的修正负荷值以用于后续劣化诊断，具体地，在一个实施例中，计算当前运行数据组的修正负荷值的步骤为：根据当前运行数据组、预设的厂家推荐曲线、大气温度、压力、相对湿度以及预设的修正公式，对当前运行数据组对应的各项负荷值进行修正并折合到ISO工况，从而求得修正后的第二机组运行负荷。在计算获得第二机组运行负荷后，即可获取当前的负荷调控模式。
S3:通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果。
在获得当前负荷调控模式后，根据负荷调控模式对照表获得燃气蒸汽联合循环系统尚未劣化时，在当前负荷调控模式下的第一燃气轮机效率hgt以及第一联合循环效率hgtcc，并将第一燃气轮机效率以及第一联合循环效率，与实际情况下(可能已产生劣化)的燃气蒸汽联合循环系统的第二燃气轮机效率以及第二联合循环效率进行对比，并根据预设的劣化标准来对燃气蒸汽联合循环系统进行劣化诊断，从而获得诊断结果。
本发明提供了一种燃气蒸汽联合循环性能的诊断优化方法，通过根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式，并通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，该诊断优化方法提升了对燃气蒸汽联合循环系统的劣化程度诊断的准确性和高效性，为后续的优化管理提供了有力的数据支持。
具体实施例二
更进一步地，本发明实施例描述了另一种燃气蒸汽联合循环性能的诊断优化方法。图2示出了根据本发明的一种燃气蒸汽联合循环性能的诊断优化方法的另一实施例的流程图。
如图2所示，该方法包括如下步骤：
A1：获取燃气蒸汽联合循环系统的当前运行数据组。
为了能够获取燃气蒸汽联合循环系统的当前效率，从而用于后续判断系统的劣化程度，本发明实施例首先需要获取燃气蒸汽联合循环系统的当前运行数据组以计算燃气蒸汽联合循环系统的关键部件的关键性能参数。
在一个实施例中，该当前运行数据组是通过布置在燃气蒸汽联合循环系统上的多个传感器监测获取的。在一个实施例中，多个传感器包括：布置在压气机进口处的空气温度传感器、压力传感器和流量传感器；布置在压气机进气口处的可调导叶IGV开度传感器；布置在燃料入口处的温度传感器、压力传感器、流量传感器和透平排烟温度传感器；以及布置在高/中/低压汽缸进出口处的蒸汽温度传感器、压力传感器、流量传感器、凝汽器压力传感器以及联合循环功率传感器。
A2：根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式。
在获取了燃气蒸汽联合循环系统的当前运行数据组后，为了快速追踪效率变化情况，进而定量分析系统性能的劣化程度，本发明实施例首先对历史运行数据组中的第一年运行数据进行第一处理(通常，此时燃气蒸汽联合循环系统尚未劣化)，即，将燃气蒸汽联合循环系统的关键部件的关键性能参数折合至ISO工况，从而获取燃气蒸汽联合循环系统的燃气轮机在不同负荷区间的负荷调控模式对照表，再通过当前运行数据组计算得出所述燃气蒸汽联合循环系统的各个负荷值并进行修正，最后根据修正后的负荷和前述通过第一年运行数据计算得到的负荷调控模式对照表，对照得出燃气蒸汽联合循环系统的当前负荷调控模式。
在一个实施例中，第一处理的过程包括去噪和负荷计算，其中，去噪是指剔除设备启停阶段数据以及异常数据，负荷计算是指对去噪后的恒速带负荷运行的稳态数据进行热力循环计算，从而获得各项负荷值。在一个实施例中，负荷值包括蒸汽轮机输出功率Pst、燃气轮机功率Pgt、燃气轮机效率hgt以及联合循环效率hgtcc。
具体地，蒸汽轮机输出功率Pst的计算公式为：
h＝f(T,p)；
式中，其中，h为水蒸汽焓值，单位为kJ/kg；T为热力学温度，单位为K；p为绝对压力，单位为MPa；Pst为蒸汽轮机输出功率，单位为kW；mw为水蒸汽质量流量，kg/s；i表示汽轮机的各个缸；hin和hout分别代表汽缸的进口和出口。
具体地，燃气轮机功率Pgt的计算公式为：
Pgt＝Pgtcc-Pst；
具体地，燃气轮机效率hgt的计算公式为：
具体地，联合循环效率hgtcc的计算公式为：
式中，Pgt为燃气轮机输出功率，单位为kW；Pgtcc为功率传感器测得的联合循环输出功率，单位为kW；hgt和hgtcc分别为燃气轮机效率和联合循环效率；mf和LHV分别代表燃料流量和燃料低位热值，单位分别为kg/s和kJ/kg。
在计算得出第一年运行数据的各项负荷值后，即可计算燃气蒸汽联合循环系统的燃气轮机在不同负荷区间的负荷调控模式对照表，具体地，在一个实施例中，计算负荷调控模式对照表的步骤为：根据第一年运行数据、预设的厂家推荐曲线、大气温度、压力、相对湿度以及预设的修正公式，对第一年运行数据组对应的各项负荷值进行修正并折合到ISO工况，从而求得修正后的第一机组运行负荷；绘制不同负荷下的T3/T4/ma-IGV变化曲线，确定燃气轮机在各个负荷区间内的调控模式，从而对应获得负荷调控模式对照表。
在计算获得负荷调控模式对照表后，即可计算燃气蒸汽联合循环系统的当前运行数据组对应的修正负荷值以用于后续劣化诊断，具体地，在一个实施例中，计算当前运行数据组的修正负荷值的步骤为：根据当前运行数据组、预设的厂家推荐曲线、大气温度、压力、相对湿度以及预设的修正公式，对当前运行数据组对应的各项负荷值进行修正并折合到ISO工况，从而求得修正后的第二机组运行负荷。在计算获得第二机组运行负荷后，即可获取当前的负荷调控模式。
A3：通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果。
在获得当前负荷调控模式后，根据负荷调控模式对照表获得燃气蒸汽联合循环系统尚未劣化时，在当前负荷调控模式下的第一燃气轮机效率hgt以及第一联合循环效率hgtcc，并将第一燃气轮机效率以及第一联合循环效率，与实际情况下(可能已产生劣化)的燃气蒸汽联合循环系统的第二燃气轮机效率以及第二联合循环效率进行对比，并根据预设的劣化标准来对燃气蒸汽联合循环系统进行劣化诊断，从而获得诊断结果。
在一个实施例中，为了能在实际应用中提升优化运行管理的效率和互动性，在通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果之后，所述诊断优化方法还包括：根据所述诊断结果以及预设的优化判断方法，判断是否需要对所述燃气蒸汽联合循环系统进行优化运行管理。
其中，预设的优化判断方法包括：将所述诊断结果发送给用户，并等待预设的指令下达时长；当用户在所述指令下达时长内根据所述诊断结果发送了优化管理指令时，则根据优化管理指令判断是否需要对所述燃气蒸汽联合循环系统进行优化运行管理；当用户发送了不优化指令时，不进行优化运行管理；当用户未在所述指令下达时长内响应时，根据预设的劣化修复规则判断是否需要对所述燃气蒸汽联合循环系统进行优化运行管理。
A4：获取燃气蒸汽联合循环系统的历史运行数据组。
A5：根据所述历史运行数据组以及预设的神经网络，建立所述燃气蒸汽联合循环系统的效率预测模型。
在燃气—蒸汽联合循环发电机组运行时，影响其运行效率的参数较多，如环境温度、环境压力、压气机进气流量、IGV开度、燃料流量、燃料温度、燃料压力、透平排烟温度、凝汽器压力、系统输出功率等。当机组部件发生劣化时，原有的参数匹配无法保证期望输出功率，且相同输出功率下的系统效率将有所降低。为了对劣化机组进行运行优化管理，很有必要对这些参数进行最优组合研究。鉴于各参数间存在复杂的耦合关系，通过建立数学模型精确求解存在一定难度，且不如通过实际数据建模具有直接的指导意义。
在本步骤中，本发明实施例基于GA-BP神经网络，根据前述获取的历史运行数据组对应搭建了效率预测模型，从而相对一般的数学模型分析而言，提升了预测的准确性。
A6：根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法。
在获得效率预测模型后，为了最大程度地优化燃气蒸汽联合循环系统的运行，以所述燃气蒸汽联合循环系统的燃气轮机效率和联合循环效率最大化为优化目标，利用遗传算法进行寻优计算，从而计算获得所述燃气蒸汽联合循环系统的优化运行管理方法。
A7：根据所述优化运行管理方法以及所述诊断结果，对所述燃气蒸汽联合循环系统进行优化运行管理。
在获得优化运行管理方法后，为了针对性地对燃气蒸汽联合循环系统进行优化运行管理，还需要将优化运行管理方法和诊断结果进行结合。
本发明实施例描述了一种燃气蒸汽联合循环性能的诊断优化方法，通过根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式，并通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，该诊断优化方法提升了对燃气蒸汽联合循环系统的劣化诊断的准确性和高效性，为后续的优化管理提供了有力的数据支持；进一步地，本发明提供的燃气蒸汽联合循环性能的诊断优化方法还通过利用历史运行数据组和预设的GA-BP神经网络建立燃气蒸汽联合循环系统的效率预测模型，并根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法，从而进一步提升了燃气蒸汽联合循环系统的优化运行管理的有效性。
具体实施例三
除上述方法外，本发明实施例还描述了一种燃气蒸汽联合循环性能的诊断优化装置。图3示出了根据本发明的一种燃气蒸汽联合循环性能的诊断优化装置的一个实施例的结构图。
如图3所示，该诊断优化装置包括数据获取单元11、模式识别单元12以及劣化诊断单元13。
数据获取单元11包括用于获取燃气蒸汽联合循环系统的当前运行数据组。
模式识别单元12用于根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式。
劣化诊断单元13用于通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果。
当需要进行燃气蒸汽联合循环性能的诊断优化时，首先，通过数据获取单元11获取燃气蒸汽联合循环系统的当前运行数据组；随后，通过模式识别单元12根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式；最后，通过劣化诊断单元13通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果，以为后续的优化运行提供有力的数据支持。
在一个实施例中，所述诊断优化装置还包括优化判断单元，所述优化判断单元用于根据所述诊断结果以及预设的优化判断方法，判断是否需要对所述燃气蒸汽联合循环系统进行优化运行管理。
在一个实施例中，所述诊断优化装置还包括运行管理单元，所述运行管理单元用于：获取燃气蒸汽联合循环系统的历史运行数据组；根据所述历史运行数据组以及预设的神经网络，建立所述燃气蒸汽联合循环系统的效率预测模型；根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法；根据所述优化运行管理方法以及所述诊断结果，对所述燃气蒸汽联合循环系统进行优化运行管理。
本发明实施例描述了一种燃气蒸汽联合循环性能的诊断优化装置，通过根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式，并通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，该诊断优化装置提升了对燃气蒸汽联合循环系统的劣化诊断的准确性和高效性，为后续的优化管理提供了有力的数据支持；进一步地，本发明提供的燃气蒸汽联合循环性能的诊断优化装置还通过利用历史运行数据组和预设的GA-BP神经网络建立燃气蒸汽联合循环系统的效率预测模型，并根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法，从而进一步提升了燃气蒸汽联合循环系统的优化运行管理的有效性。
具体实施例四
除上述方法和装置外，本发明实施例还描述了一种燃气蒸汽联合循环性能的诊断优化系统。图4示出了根据本发明的一种燃气蒸汽联合循环性能的诊断优化系统的一个实施例的结构图。
如图4所示，该诊断优化系统包括数据采集模块2、优化管理模块1以及数据存储模块3，所述数据采集模块2、所述优化管理模块1以及所述数据存储模块3彼此之间通信连接。
数据采集模块2包括多个传感器，所述多个传感器用于实时采集燃气蒸汽联合循环系统的运行数据组。在一个实施例中，传感器包括布置在压气机进口处的空气温度传感器、压力传感器和流量传感器；布置在压气机进气口处的可调导叶IGV开度传感器；布置在燃料入口处的温度传感器、压力传感器、流量传感器和透平排烟温度传感器；以及布置在高/中/低压汽缸进出口处的蒸汽温度传感器、压力传感器、流量传感器、凝汽器压力传感器以及联合循环功率传感器。
数据存储模块3用于存储所述运行数据组，并根据当前时间，将所有运行数据组划分为当前运行数据组和历史运行数据组。
优化管理模块1用于根据所述当前运行数据组和所述历史运行数据组，执行如前所述的燃气蒸汽联合循环性能的诊断优化方法，从而对所述燃气蒸汽联合循环系统进行诊断优化。
在一个实施例中，所述诊断优化系统还包括用户交互模块，所述用户交互模块包括触摸/不可触摸显示屏、输入键盘、虚拟键盘、指示灯、麦克风或扬声器。在一个实施例中，用户交互模块用于响应用户输入，向优化管理模块1发送优化管理指令或不优化指令。
本发明实施例描述了一种燃气蒸汽联合循环性能的诊断优化系统，通过根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式，并通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，该诊断优化系统提升了对燃气蒸汽联合循环系统的劣化诊断的准确性和高效性，为后续的优化管理提供了有力的数据支持；进一步地，本发明提供的燃气蒸汽联合循环性能的诊断优化系统还通过利用历史运行数据组和预设的GA-BP神经网络建立燃气蒸汽联合循环系统的效率预测模型，并根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法，从而进一步提升了燃气蒸汽联合循环系统的优化运行管理的有效性。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种燃气蒸汽联合循环性能的诊断优化方法，其特征在于，所述诊断优化方法包括：
获取燃气蒸汽联合循环系统的当前运行数据组；
根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式；
通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果。
2.根据权利要求1所述的燃气蒸汽联合循环性能的诊断优化方法，其特征在于，所述诊断优化方法还包括：
获取燃气蒸汽联合循环系统的历史运行数据组；
根据所述历史运行数据组以及预设的神经网络，建立所述燃气蒸汽联合循环系统的效率预测模型；
根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法；
根据所述优化运行管理方法以及所述诊断结果，对所述燃气蒸汽联合循环系统进行优化运行管理。
3.根据权利要求2所述的燃气蒸汽联合循环性能的诊断优化方法，其特征在于，在通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果之后，所述诊断优化方法还包括：
根据所述诊断结果以及预设的优化判断方法，判断是否需要对所述燃气蒸汽联合循环系统进行优化运行管理。
4.根据权利要求3所述的燃气蒸汽联合循环性能的诊断优化方法，其特征在于，所述根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法，具体为：
以所述燃气蒸汽联合循环系统的燃气轮机效率和联合循环效率最大化为优化目标，利用遗传算法进行寻优计算，从而计算获得所述燃气蒸汽联合循环系统的优化运行管理方法。
5.一种燃气蒸汽联合循环性能的诊断优化装置，其特征在于，所述诊断优化装置包括数据获取单元、模式识别单元以及劣化诊断单元，其中，
所述数据获取单元用于获取燃气蒸汽联合循环系统的当前运行数据组；
所述模式识别单元用于根据所述当前运行数据组以及预设的模式识别方法，计算识别所述燃气蒸汽联合循环系统的当前负荷调控模式；
所述劣化诊断单元用于通过预设的劣化诊断方法，根据所述当前负荷调控模式进行劣化诊断，从而获得诊断结果。
6.根据权利要求5所述的燃气蒸汽联合循环性能的诊断优化装置，其特征在于，所述诊断优化装置还包括优化判断单元，所述优化判断单元用于根据所述诊断结果以及预设的优化判断方法，判断是否需要对所述燃气蒸汽联合循环系统进行优化运行管理。
7.根据权利要求6所述的燃气蒸汽联合循环性能的诊断优化装置，其特征在于，所述诊断优化装置还包括运行管理单元，所述运行管理单元用于：
获取燃气蒸汽联合循环系统的历史运行数据组；
根据所述历史运行数据组以及预设的神经网络，建立所述燃气蒸汽联合循环系统的效率预测模型；
根据遗传算法、所述效率预测模型以及预设的优化运行管理方法，计算获得所述燃气蒸汽联合循环系统的优化运行管理方法；
根据所述优化运行管理方法以及所述诊断结果，对所述燃气蒸汽联合循环系统进行优化运行管理。
8.一种燃气蒸汽联合循环性能的诊断优化系统，其特征在于，所述诊断优化系统包括数据采集模块、优化管理模块以及数据存储模块，所述数据采集模块、所述优化管理模块以及所述数据存储模块彼此之间通信连接，其中，
所述数据采集模块包括多个传感器，所述多个传感器用于实时采集燃气蒸汽联合循环系统的运行数据组；
所述数据存储模块用于存储所述运行数据组，并根据当前时间，将所有运行数据组划分为当前运行数据组和历史运行数据组；
所述优化管理模块用于根据所述当前运行数据组和所述历史运行数据组，执行如权利要求1-4任一项所述的燃气蒸汽联合循环性能的诊断优化方法，从而对所述燃气蒸汽联合循环系统进行诊断优化。
9.根据权利要求8所述的燃气蒸汽联合循环性能的诊断优化系统，其特征在于，所述诊断优化系统还包括用户交互模块，所述用户交互模块包括触摸/不可触摸显示屏、输入键盘、虚拟键盘、指示灯、麦克风或扬声器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111306313.6A CN114135397B (zh) | 2021-11-05 | 2021-11-05 | 一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111306313.6A CN114135397B (zh) | 2021-11-05 | 2021-11-05 | 一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114135397A true CN114135397A (zh) | 2022-03-04 |
| CN114135397B CN114135397B (zh) | 2023-04-25 |
Family
ID=80392260
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111306313.6A Active CN114135397B (zh) | 2021-11-05 | 2021-11-05 | 一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114135397B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2007926A (en) * | 1977-10-27 | 1979-05-23 | Westinghouse Electric Corp | Control systems for multiple gas turbine-generator units |
| JPH10309099A (ja) * | 1997-04-28 | 1998-11-17 | Toshiba Corp | コンバインドサイクル発電プラント制御装置 |
| JP2002073156A (ja) * | 2000-09-04 | 2002-03-12 | Kawasaki Heavy Ind Ltd | ガスタービン運転状態診断方法および診断装置 |
| US20020107614A1 (en) * | 2000-06-21 | 2002-08-08 | Satoshi Tanaka | Integrated operation instructing system for operating power generation plants |
| WO2002103177A1 (fr) * | 2001-06-18 | 2002-12-27 | Hitachi, Ltd. | Procede et systeme permettant de diagnostiquer un etat de turbine a gaz |
| JP2003148170A (ja) * | 2002-09-02 | 2003-05-21 | Hitachi Ltd | 発電プラントの負荷制御方法 |
| JP2005248848A (ja) * | 2004-03-04 | 2005-09-15 | Hitachi Ltd | ガスタービン診断方法及び装置 |
| JP2007107446A (ja) * | 2005-10-13 | 2007-04-26 | Hitachi Ltd | ガスタービンの性能診断方法及び診断システム |
| JP2008088961A (ja) * | 2006-10-05 | 2008-04-17 | Hitachi Ltd | ガスタービンの性能診断システムと診断方法及び表示画面 |
| WO2014158240A2 (en) * | 2013-03-14 | 2014-10-02 | Rolls-Royce Corporation | Hybrid turbo electric aero-propulsion system control |
| US20160281607A1 (en) * | 2015-03-27 | 2016-09-29 | General Electric Company | Methods and systems for enhancing operation of power plant generating units and systems |
| CN107102545A (zh) * | 2017-05-03 | 2017-08-29 | 浙江大学 | 一种联合循环机组停机过程的负荷优化分配和剩余气量修正计算方法及系统 |
| CN111275320A (zh) * | 2020-01-19 | 2020-06-12 | 广州珠江天然气发电有限公司 | 一种发电机组的性能调整数据处理方法、系统和存储介质 |
| CN113297706A (zh) * | 2021-04-22 | 2021-08-24 | 西北工业大学 | 一种根据设计指标预测压气机各转速峰值效率点的方法 |
| CN114991959A (zh) * | 2022-06-23 | 2022-09-02 | 西安热工研究院有限公司 | 一种新型燃气轮机耦合压缩空气储能灵活高效调峰系统及方法 |
-
2021
- 2021-11-05 CN CN202111306313.6A patent/CN114135397B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2007926A (en) * | 1977-10-27 | 1979-05-23 | Westinghouse Electric Corp | Control systems for multiple gas turbine-generator units |
| JPH10309099A (ja) * | 1997-04-28 | 1998-11-17 | Toshiba Corp | コンバインドサイクル発電プラント制御装置 |
| US20020107614A1 (en) * | 2000-06-21 | 2002-08-08 | Satoshi Tanaka | Integrated operation instructing system for operating power generation plants |
| JP2002073156A (ja) * | 2000-09-04 | 2002-03-12 | Kawasaki Heavy Ind Ltd | ガスタービン運転状態診断方法および診断装置 |
| WO2002103177A1 (fr) * | 2001-06-18 | 2002-12-27 | Hitachi, Ltd. | Procede et systeme permettant de diagnostiquer un etat de turbine a gaz |
| JP2003148170A (ja) * | 2002-09-02 | 2003-05-21 | Hitachi Ltd | 発電プラントの負荷制御方法 |
| JP2005248848A (ja) * | 2004-03-04 | 2005-09-15 | Hitachi Ltd | ガスタービン診断方法及び装置 |
| JP2007107446A (ja) * | 2005-10-13 | 2007-04-26 | Hitachi Ltd | ガスタービンの性能診断方法及び診断システム |
| JP2008088961A (ja) * | 2006-10-05 | 2008-04-17 | Hitachi Ltd | ガスタービンの性能診断システムと診断方法及び表示画面 |
| WO2014158240A2 (en) * | 2013-03-14 | 2014-10-02 | Rolls-Royce Corporation | Hybrid turbo electric aero-propulsion system control |
| US20160281607A1 (en) * | 2015-03-27 | 2016-09-29 | General Electric Company | Methods and systems for enhancing operation of power plant generating units and systems |
| CN107102545A (zh) * | 2017-05-03 | 2017-08-29 | 浙江大学 | 一种联合循环机组停机过程的负荷优化分配和剩余气量修正计算方法及系统 |
| CN111275320A (zh) * | 2020-01-19 | 2020-06-12 | 广州珠江天然气发电有限公司 | 一种发电机组的性能调整数据处理方法、系统和存储介质 |
| CN113297706A (zh) * | 2021-04-22 | 2021-08-24 | 西北工业大学 | 一种根据设计指标预测压气机各转速峰值效率点的方法 |
| CN114991959A (zh) * | 2022-06-23 | 2022-09-02 | 西安热工研究院有限公司 | 一种新型燃气轮机耦合压缩空气储能灵活高效调峰系统及方法 |
Non-Patent Citations (4)
| Title |
|---|
| 孙鹏;关琦;范元亮;: "燃气轮机联合循环机组一次调频能力分析与优化方法研究" * |
| 李斌;张小平;高玉闪;: "我国可重复使用液体火箭发动机发展的思考" * |
| 林志文等: "PG 9351FA燃气-蒸汽联合循环机组性能劣化研究", 《热力发电》 * |
| 黄伙基: "余热锅炉蒸汽系统的优化配置及其变工况运行特点", 《燃气轮机技术》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114135397B (zh) | 2023-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tsoutsanis et al. | A component map tuning method for performance prediction and diagnostics of gas turbine compressors | |
| CN111275288B (zh) | 基于XGBoost的多维数据异常检测方法与装置 | |
| JP3614751B2 (ja) | コンバインド発電プラントの熱効率診断方法および装置 | |
| JP4361582B2 (ja) | ガスタービンの性能診断方法及び性能診断システム | |
| CN106404403B (zh) | 用于涡轮机的分析的方法和系统 | |
| US20190242319A1 (en) | Control device, control method, and control program | |
| CN102054218A (zh) | 涡轮机运行退化确定系统和方法 | |
| Tsoutsanis et al. | An efficient component map generation method for prediction of gas turbine performance | |
| CN110672332A (zh) | 一种基于sarima模型的燃气轮机故障预警系统 | |
| EP1882215A2 (en) | Analysis method | |
| CN114757380A (zh) | 一种火电厂故障预警系统、方法、电子设备及存储介质 | |
| CN112052871A (zh) | 一种基于支持向量机的火箭发动机健康诊断方法及系统 | |
| CN112131780B (zh) | 一种基于数据挖掘的火电厂循环水系统控制方法 | |
| CN114135397A (zh) | 一种燃气蒸汽联合循环性能的诊断优化方法、装置及系统 | |
| CN113759708A (zh) | 系统的优化控制方法、装置和电子设备 | |
| CN113095540A (zh) | 数据整合方法及数据整合系统 | |
| JP5845705B2 (ja) | ガスタービン性能推定装置 | |
| CN116502072A (zh) | 复杂变工况下风力发电机组关键部件鲁棒故障诊断方法 | |
| JP2005248848A (ja) | ガスタービン診断方法及び装置 | |
| CN113868836B (zh) | 基于大数据的智慧热力系统在线专家分析平台 | |
| CN115575579A (zh) | 一种基于监测源分析的碳监测方法及系统 | |
| CN111079070B (zh) | 一种热力参数分析方法及装置 | |
| WO2021237459A1 (zh) | 基于工业对象模型的数据处理方法、装置及设备 | |
| Chen et al. | Gas-path component fault diagnosis for gas turbine engine: a review | |
| CN113806680A (zh) | 一种计算汽轮机进汽压损对汽轮机内效率修正量的方法 |
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 |