CN114320768A - 风电机组管理方法和装置 - Google Patents
风电机组管理方法和装置 Download PDFInfo
- Publication number
- CN114320768A CN114320768A CN202011060058.7A CN202011060058A CN114320768A CN 114320768 A CN114320768 A CN 114320768A CN 202011060058 A CN202011060058 A CN 202011060058A CN 114320768 A CN114320768 A CN 114320768A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind turbine
- wind speed
- control strategy
- time period
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 31
- 238000011217 control strategy Methods 0.000 claims abstract description 50
- 230000007704 transition Effects 0.000 claims description 56
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 11
- 238000000034 method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
- Wind Motors (AREA)
Abstract
提供了一种风电机组管理方法和装置,包括:对风电机组进行风速和风向预测;基于风速和风向预测结果来确定在下一时间段执行的风电机组的控制策略。
Description
技术领域
本发明涉及风电领域,更具体地,涉及一种风电机组管理方法和装置。
背景技术
在风电行业内,风电机组扇区管理或者风电机组扇区控制技术通常用于地形较为复杂或者风电场内风电机组排布较为密集的项目中,这种项目中的风电机组的各个扇区的风资源表现地差异性较大。通过对于不同风电机组扇区应用不同的控制策略,可以有效提高风电机组的发电能力和/或增强风电机组的安全性。
现有的基于扇区的控制技术的主要方法是根据项目前期测量和计算的风资源参数和地形参数划分若干个扇区,并在各个扇区配置不同的控制策略参数。
然而,现有的扇区管理或扇区控制技术属于“静态”扇区技术,即,其扇区划分及各个扇区的控制技术是项目开发或风电机组设计时确定的,一经确认,风电机组扇区控制策略在实际运行过程中便不会再做动态调整和优化。然而,在风电机组的实际运行中,由于风电机组运行状态和外部环境的不确定性,按照这样确定的“静态”的扇区控制往往会导致控制策略变化过于频繁,反而使得发电能力或安全性并非最优。
发明内容
根据本发明的示例性实施例,提供了一种风电机组管理方法,包括:对风电机组进行风速和风向预测;基于风速和风向预测结果来确定在下一时间段执行的风电机组的控制策略。
对风电机组进行风速和风向预测的步骤可包括:获得风速工作区间转移概率和风向扇区转移概率;基于风速工作区间转移概率和风向扇区转移概率获得状态转移概率。
获得风速工作区间转移概率和风向扇区转移概率的步骤可包括:基于风速获得风电机组的第一数量个风速工作区间;获得第一数量个风速工作区间之间的风速工作区间转移概率;基于风向获得风电机组的第二数量个风向扇区;获得第二数量个风向扇区之间的风向扇区转移概率。
获得第一数量个风速工作区间之间的风速工作区间转移概率的步骤可包括:基于风速的概率密度获得第一数量个风速工作区间之间的风速工作区间转移概率。
获得第二数量个风向扇区之间的风向扇区转移概率的步骤可包括:基于风速测量转置所得的时间序列获得第二数量个风向扇区之间的风向扇区转移概率。
可通过风电机组当前运行状态反推实际风速以获得相应的风速工作区间。
风电机组当前运行状态可包括风电机组的转速、扭矩、桨矩角和功率中的至少一个。
确定在下一时间段执行的风电机组的控制策略的步骤可包括:基于风电机组的运行约束参数将风电机组的风速工作区间和风向扇区的控制策略划分为多个等级;如果下一时间段的状态转移概率中的最大概率大于预定阈值,并且当前时间段的控制策略的等级不在前一时间段的控制策略的等级与最大概率所对应的控制策略的等级之间,则在下一时间段执行前一时间段的控制策略。
风电机组的运行约束参数可包括风电机组的功率和关键载荷中的至少一个。
如果下一时间段的状态转移概率中的最大概率不大于所述预定阈值,或者当前时间段的控制策略的等级在前一时间段的控制策略的等级与最大概率所对应的控制策略的等级之间,则可在下一时间段执行当前时间段的控制策略。
根据本发明的示例性实施例,提供了一种风电机组管理装置,包括:预测单元,对风电机组进行风速和风向预测;控制单元,基于风速和风向预测结果来确定在下一时间段执行的风电机组的控制策略。
根据本发明的示例性实施例,提供了一种计算装置,其特征在于,包括:处理器;存储器,存储有当被处理器执行时使得处理器执行上述风电机组管理方法的程序指令。
根据本发明的示例性实施例,提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有当被处理器执行时使得处理器执行上述风电机组管理方法的程序指令。
将在接下来的描述中部分阐述本发明总体构思另外的方面和/或优点,还有一部分通过描述将是清楚的,或者可以经过本发明总体构思的实施而得知。
附图说明
通过下面结合附图进行的详细描述,本发明的上述和其它目的和特点将会变得更加清楚,其中:
图1是示出根据本发明示例性实施例的风电机组管理方法的流程图;
图2是示出根据本发明示例性实施例的确定在下一时间段执行的风电机组的控制策略的流程图;
图3是示出根据本发明示例性实施例的风电机组管理装置的框图;
图4是示出根据本发明示例性实施例的计算装置的框图。
具体实施方式
现将详细参照本发明的实施例,所述实施例的示例在附图中示出,其中,相同的标号始终指的是相同的部件。以下将通过参照附图来说明所述实施例,以便解释本发明。
图1是示出根据本发明示例性实施例的风电机组扇区管理方法的流程图。
参照图1,在步骤S110,可对风电机组进行风速和风向扇区预测。这里,在该步骤之前,可根据本领域现有技术基于风资源数据和地形数据,结合风电机组特性,将风电机组划分为若干个扇区,每个扇区配置相应的控制策略,在此不做赘述。
在步骤S120,可基于风速和风向预测结果来确定在下一时间段执行的风电机组的控制策略。这里,在如上述步骤S110所述获得了状态转移概率作为风速和风向预测结果的情况下,可基于状态转移概率来确定在下一时间段执行的风电机组的控制策略。
下面将对步骤S110和步骤S120进行更详细地描述。
仅作为示例而非限制,在步骤S110,对风电机组进行风速和风向预测的步骤可包括:获得风速工作区间转移概率和风向扇区转移概率,并基于风速工作区间转移概率和风向扇区转移概率获得状态转移概率。
这里,仅作为示例而非限制,风速工作区间转移概率可以为矩阵形式,即,风速工作区间转移概率矩阵M。更具体地,对风电机组进行风速工作区间预测的步骤可包括基于风速获得风电机组的第一数量个风速工作区间,并获得第一数量(其中,第一数量为正整数)个风速工作区间之间的风速工作区间转移概率矩阵。这里,可在参数设计阶段基于风速对风速工作区间进行划分并获得风速工作区间转移概率矩阵,并在风电机组实际运行过程中,可基于风电机组当前运行状态反推实际风速以获得相应的风速工作区间,并进而获得实际风速的风速工作区间转移概率。这里,仅作为示例而非限制,风电机组当前运行状态可包括风电机组的转速、扭矩、桨矩角和功率中的至少一个。更具体地,假设划分为n个风速工作区间,mij表示由风速工作区间i转移到风速工作区间j的概率,在参数设计阶段可基于风速的概率密度获得n个风速工作区间之间的风速工作区间转移概率矩阵M,如下等式1所示。
[等式1]
随后,在风电机组实际运行过程中,滑动平均风速或者反推出的实际风速在时刻t+1所处的风速工作区间为i的概率(其中,t表示任意时刻,Mt+1表示t+1时刻的风速工作区间转移概率矩阵),风电机组由风速工作区间j转移到风速工作区间i的转移概率mji如下等式2所示。
[等式2]
mji=P(Mt+1=i|Mt=j)
由于在风电机组实际运行过程采用实际数据反推实际风速并进而进行风速工作区间预测,故可实现扇区管理的动态优化。
此外,仅作为示例而非限制,风向扇区转移概率可以为矩阵形式,即,风向扇区转移概率矩阵S。更具体地,对风电机组进行风向扇区预测的步骤可包括基于风向获得风电机组的第二数量(其中,第二数量为正整数)个风向扇区,并获得第二数量个风向扇区之间的风向扇区转移概率矩阵。仅作为示例而非限制,可按照地理空间,以正北为0°划分风向扇区。这里,假设划分k个风向扇区,sij表示由扇区p转移为扇区q的概率,可获得如下等式3所示的风向扇区转移概率矩阵S。这里,仅作为示例而非限制,风向扇区转移概率矩阵中的概率可在设计阶段测风塔或者其他设备的风速测量转置所得的时间序列所获得。
[等式3]
此外,可通过将风速工作区间转移概率和风向扇区转移概率相乘以获得状态转移概率。更具体地,对于由风速工作区间由i转移到工作区间j,风向扇区由p转移到q的概率如下等式4所示。
[等式4]
Pij,pq=Mij*Spq
这里,应注意根据本发明实施例的上述步骤S110的马尔可夫链仅为示例而非限制,本领域技术人员还可采用其他的马尔可夫链进行步骤S110。例如,本领域技术人员还可采用卡尔曼滤波、模糊逻辑等方法来进行风速和风向预测。
下面将参照图2对步骤S120进行更详细地描述。
图2是示出根据本发明示例性实施例的确定在下一时间段执行的风电机组的控制策略的流程图。
参照图2,在步骤S210,可将风速工作区间和风向扇区的控制策略划分为多个等级。这里,仅作为示例而非限制,可基于风电机组的运行约束参数将风速工作区间和风向扇区的控制策略划分为多个等级。这里,仅作为示例而非限制,风电机组的运行约束参数可包括功率和关键载荷中的至少一个。
在步骤S220,可确定下一时间段的状态转移概率中的最大概率是否大于预定阈值。这里,所述预定阈值可由本领域技术人员根据实际情况进行设置。
如果下一时间段的状态转移概率中的最大概率大于预定阈值,则在步骤S230,确定当前时间段的控制策略的等级是否在前一时间段的控制策略的等级与最大概率所对应的控制策略的等级之间。这里,所述预定阈值可由本领域技术人员根据实际情况进行设置,仅作为示例而非限制,这里可设置为P75。
如果当前时间段的控制策略的等级不在前一时间段的控制策略的等级与最大概率所对应的控制策略的等级之间,则在步骤S240,在下一时间段执行前一时间段的控制策略。
此外,如果下一时间段的状态转移概率中的最大概率不大于预定阈值,或者当前时间段的控制策略的等级在前一时间段的控制策略的等级与最大概率所对应的控制策略的等级之间,则在步骤S250,在下一时间段执行当前时间段的控制策略。
通过上述对控制策略的选择控制处理,可减少控制策略的切换频次,从而减少偏航和变桨等执行机构的工作负载,并提升风电机组安全性和发电能力。
图3是示出根据本发明示例性实施例的风电机组扇区管理装置的框图。
参照图3,根据本发明示例性实施例的风电机组扇区管理装置可包括预测单元310和控制单元320。
预测单元310可对风电机组进行风速和风向预测。
控制单元320可基于风速和风向预测结果来确定在下一时间段执行的风电机组的控制策略。
图4是示出根据本发明示例性实施例的计算装置的框图。
参照图4,根据本发明示例性实施例的计算装置可包括处理器410和存储器420。
存储器420可存储有当被处理器执行时使得处理器执行参照图1所述的风电机组扇区管理方法的程序指令,在此不再赘述。
根据本发明的示例性实施例,可实现扇区管理的动态优化,从而减少控制策略的切换频次,减少偏航和变桨等执行机构的工作负载,并提升风电机组安全性和发电能力。
根据本发明的示例实施例,以上描述的方法的各个步骤可被编写为程序或软件。可基于附图中示出的框图和流程图以及说明书中的对应描述,使用任何编程语言来编写程序或软件。在一个示例中,程序或软件可包括被一个或多个处理器或计算机直接执行的机器代码,诸如,由编译器产生的机器代码。在另一个示例中,程序或软件包括被一个或多个处理器或计算机使用解释器执行的更高级代码。程序或软件可被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中。在一个示例中,程序或软件或一个或多个非暂时性计算机可读存储介质可被分布在计算机系统上。
根据本发明构思的示例实施例,以上描述的方法的各个步骤可被实现在包括处理器和存储器的计算装置上。存储器存储有用于控制处理器实现如上所述的各个单元的操作的程序指令。
虽然上面参照附图已经详细描述了本发明的特定示例实施例,但是在不脱离本发明构思的精神和范围的情况下,可以以各种形式对本发明进行修改。如果描述的技术以不同的顺序被执行,和/或如果描述的系统、架构、或装置中的组件以不同的方式组合,和/或被其他组件或它们的等同物代替或补充,则可实现合适的结果。因此,本公开的范围不是通过具体实施方式所限定,而是由权利要求和它们的等同物限定,并且在权利要求和它们的等同物的范围内的所有变化将被解释为被包括在本公开中。
虽然已经参照特定示例性实施例示出和描述了本发明,但是本领域的技术人员将理解,在不脱离范围由权利要求及其等同物限定的本发明的精神和范围的情况下可作出形式和细节上的各种改变。
Claims (13)
1.一种风电机组管理方法,包括:
对风电机组进行风速和风向预测;
基于风速和风向预测结果来确定在下一时间段执行的风电机组的控制策略。
2.如权利要求1所述的风电机组管理方法,其中,对风电机组进行风速和风向预测的步骤包括:
获得风速工作区间转移概率和风向扇区转移概率;
基于风速工作区间转移概率和风向扇区转移概率获得状态转移概率。
3.如权利要求2所述的风电机组管理方法,其中,获得风速工作区间转移概率和风向扇区转移概率的步骤包括:
基于风速获得风电机组的第一数量个风速工作区间;
获得第一数量个风速工作区间之间的风速工作区间转移概率;
基于风向获得风电机组的第二数量个风向扇区;
获得第二数量个风向扇区之间的风向扇区转移概率。
4.如权利要求3所述的风电机组管理方法,其中,获得第一数量个风速工作区间之间的风速工作区间转移概率的步骤包括:
基于风速的概率密度获得第一数量个风速工作区间之间的风速工作区间转移概率。
5.如权利要求3所述的风电机组管理方法,其中,获得第二数量个风向扇区之间的风向扇区转移概率的步骤包括:
基于风速测量转置所得的时间序列获得第二数量个风向扇区之间的风向扇区转移概率。
6.如权利要求3所述的风电机组管理方法,其中,通过风电机组当前运行状态反推实际风速以获得相应的风速工作区间。
7.如权利要求6所述的风电机组管理方法,其中,风电机组当前运行状态包括风电机组的转速、扭矩、桨矩角和功率中的至少一个。
8.如权利要求2所述的风电机组管理方法,其中,确定在下一时间段执行的风电机组的控制策略的步骤包括:
基于风电机组的运行约束参数将风电机组的风速工作区间和风向扇区的控制策略划分为多个等级;
如果下一时间段的状态转移概率中的最大概率大于预定阈值,并且当前时间段的控制策略的等级不在前一时间段的控制策略的等级与最大概率所对应的控制策略的等级之间,则在下一时间段执行前一时间段的控制策略。
9.如权利要求8所述的风电机组管理方法,其中,风电机组的运行约束参数包括风电机组的功率和关键载荷中的至少一个。
10.如权利要求8所述的风电机组管理方法,其中,如果下一时间段的状态转移概率中的最大概率不大于所述预定阈值,或者当前时间段的控制策略的等级在前一时间段的控制策略的等级与最大概率所对应的控制策略的等级之间,则在下一时间段执行当前时间段的控制策略。
11.一种风电机组管理装置,包括:
预测单元,对风电机组进行风速和风向预测;
控制单元,基于风速和风向预测结果来确定在下一时间段执行的风电机组的控制策略。
12.一种计算装置,其特征在于,包括:
处理器;
存储器,存储有当被处理器执行时使得处理器执行权利要求1至10中的任一项所述的风电机组管理方法的程序指令。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有当被处理器执行时使得处理器执行权利要求1至10中的任一项所述的风电机组管理方法的程序指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060058.7A CN114320768A (zh) | 2020-09-30 | 2020-09-30 | 风电机组管理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060058.7A CN114320768A (zh) | 2020-09-30 | 2020-09-30 | 风电机组管理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114320768A true CN114320768A (zh) | 2022-04-12 |
Family
ID=81011148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011060058.7A Pending CN114320768A (zh) | 2020-09-30 | 2020-09-30 | 风电机组管理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114320768A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014161626A1 (de) * | 2013-04-03 | 2014-10-09 | Senvion Se | Effizienzüberwachungsverfahren eines windenergieanlagenparks |
CN106121913A (zh) * | 2016-06-20 | 2016-11-16 | 广东科诺勘测工程有限公司 | 一种海上风电场的风机排布方法 |
CN106677984A (zh) * | 2016-12-29 | 2017-05-17 | 北京金风科创风电设备有限公司 | 风力发电机组偏航控制的方法、设备和系统 |
CN108488038A (zh) * | 2018-03-27 | 2018-09-04 | 中南大学 | 一种风力发电机组的偏航控制方法 |
CN108869173A (zh) * | 2018-01-31 | 2018-11-23 | 北京金风科创风电设备有限公司 | 风电机组的功率控制方法和设备 |
CN108894919A (zh) * | 2018-06-27 | 2018-11-27 | 北京金风科创风电设备有限公司 | 风力发电机组的启动控制方法和装置、存储介质 |
CN110322038A (zh) * | 2018-03-29 | 2019-10-11 | 北京金风科创风电设备有限公司 | 基于中尺度数据的风机自动排布的方法和设备 |
CN110543649A (zh) * | 2018-05-29 | 2019-12-06 | 北京金风科创风电设备有限公司 | 基于快速评估流体模型和尾流模型的风机排布方法和装置 |
-
2020
- 2020-09-30 CN CN202011060058.7A patent/CN114320768A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014161626A1 (de) * | 2013-04-03 | 2014-10-09 | Senvion Se | Effizienzüberwachungsverfahren eines windenergieanlagenparks |
CN106121913A (zh) * | 2016-06-20 | 2016-11-16 | 广东科诺勘测工程有限公司 | 一种海上风电场的风机排布方法 |
CN106677984A (zh) * | 2016-12-29 | 2017-05-17 | 北京金风科创风电设备有限公司 | 风力发电机组偏航控制的方法、设备和系统 |
CN108869173A (zh) * | 2018-01-31 | 2018-11-23 | 北京金风科创风电设备有限公司 | 风电机组的功率控制方法和设备 |
CN108488038A (zh) * | 2018-03-27 | 2018-09-04 | 中南大学 | 一种风力发电机组的偏航控制方法 |
CN110322038A (zh) * | 2018-03-29 | 2019-10-11 | 北京金风科创风电设备有限公司 | 基于中尺度数据的风机自动排布的方法和设备 |
CN110543649A (zh) * | 2018-05-29 | 2019-12-06 | 北京金风科创风电设备有限公司 | 基于快速评估流体模型和尾流模型的风机排布方法和装置 |
CN108894919A (zh) * | 2018-06-27 | 2018-11-27 | 北京金风科创风电设备有限公司 | 风力发电机组的启动控制方法和装置、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3696401B1 (en) | Power control method and apparatus for wind power generator | |
CN101593133A (zh) | 虚拟机资源负载均衡方法及装置 | |
US11422607B2 (en) | Terminal and method for managing the same | |
US20210340955A1 (en) | Method and system for controlling wind turbine based on sectors | |
CN105677000A (zh) | 动态电压频率调整的系统及方法 | |
CN116225696B (zh) | 用于流处理系统的算子并发度调优方法及装置 | |
CN110874665A (zh) | 用于风力发电机组的控制装置和方法 | |
CN114320768A (zh) | 风电机组管理方法和装置 | |
CN113027674B (zh) | 风力发电机组的控制方法及其装置 | |
CN109408230B (zh) | 基于能耗优化的Docker容器部署方法及系统 | |
CN115640911A (zh) | 一种电力系统可靠性优化系统及方法 | |
Glaubius et al. | Scheduling design and verification for open soft real-time systems | |
CN114281474A (zh) | 一种资源调节方法及装置 | |
CN112751334A (zh) | 一种基于内存计算架构的电网在线建模的方法及系统 | |
CN111952959A (zh) | 压缩电网过程模拟时间的方法、装置及存储介质 | |
CN113937822B (zh) | 一种海上风电调度运行方法、系统、电子装置及存储介质 | |
CN110875604B (zh) | 控制风力发电机组的方法及设备 | |
CN112598173B (zh) | 云平台下储能系统的时间序列数据的自组织学习建模方法 | |
Wu et al. | An estimation of distribution algorithm to optimize the utility of task scheduling under fog computing systems | |
CN111753437B (zh) | 风储发电系统的可信容量评估方法及装置 | |
CN118312929A (zh) | 一种面向有序用电的太阳辐射量预测方法及系统 | |
CN114412709A (zh) | 风电机组解缆控制方法、装置、设备及风电机组 | |
CN118300130A (zh) | 一种次同步振荡预防控制方法、系统及设备 | |
CN117851061A (zh) | 面向cpu-gpu异构片上系统的深度学习神经网络功耗优化调度方法 | |
CN115809720A (zh) | 一种基于集群划分的海上多相邻风电场输出功率短期预测方法 |
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 |