CN114336778A - 风光火储系统中火电机组的开机序列确定方法和装置 - Google Patents
风光火储系统中火电机组的开机序列确定方法和装置 Download PDFInfo
- Publication number
- CN114336778A CN114336778A CN202111473493.7A CN202111473493A CN114336778A CN 114336778 A CN114336778 A CN 114336778A CN 202111473493 A CN202111473493 A CN 202111473493A CN 114336778 A CN114336778 A CN 114336778A
- Authority
- CN
- China
- Prior art keywords
- binary tree
- group
- node
- thermal power
- leaf nodes
- 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
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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开公开了一种风光火储系统中火电机组的开机序列确定方法和装置。该方法包括:获取历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件;将N个预设时长划分为M组;根据每一个预设时长的火电机组可能的运行状态,构建每一组的至少一个完全二叉树模型;对完全二叉树模型进行处理,生成实际二叉树模型;获取第M组的Y个目标叶子节点中累计运行成本最小的一个目标叶子节点,及对应的火电机组运行状态序列作为目标运行状态序列;将目标运行状态序列作为风光火储系统中的火电机组的开机序列。由此,能够降低风光火储系统的运行成本,节约能源,避免浪费。
Description
技术领域
本公开涉及风光火储一体化资源配置技术领域,特别涉及一种风光火储系统中火电机组的开机序列确定方法和装置。
背景技术
随着国家节能减排的需求和清洁能源的兴起,各种利用清洁能源的发电设备也越来越普及,风光互补发电系统受气候和环境的影响较大,采用大规模储能技术,可确保负载用电的持续性和可靠性,减少能源资源的浪费。风光火储一体化系统的设计,需考虑火电机组运行状态,降低运行成本。
发明内容
本公开旨在至少在一定程度上解决上述技术中的技术问题之一。
为此,本公开的第一个目的在于提出一种风光火储系统中火电机组的开机序列确定方法,使得风光火储系统中,占运行成本比重较大的火电机组,按照目标运行状态序列进行开机运行,能够降低风光火储系统的运行成本,节约能源,避免浪费。
本公开的第二个目的在于提出一种风光火储系统中火电机组的开机序列确定装置。
本公开的第三个目的在于提出一种电子设备。
本公开的第四个目的在于提出一种计算机可读存储介质。
本公开第一方面实施例提出了一种风光火储系统中火电机组的开机序列确定方法,包括:获取历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件;其中,N为将全年时长以预设时长为单位划分的个数,为大于11的整数;将N个预设时长划分为M组;其中,M为大于2的整数,每组包括多个预设时长;根据每一组的多个预设时长中,每一个预设时长的火电机组可能的运行状态,构建每一组的至少一个完全二叉树模型;对所述完全二叉树模型进行处理,生成实际二叉树模型;根据历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及每一组的至少一个所述实际二叉树模型,获取第M组的Y个目标叶子节点,及对应的火电机组运行状态序列和累计运行成本;其中,Y为大于等于2的整数,目标叶子节点对应的累计运行成本是指从目标叶子节点累计到根节点的运行成本;将第M组的Y个目标叶子节点中累计运行成本最小的一个目标叶子节点,对应的火电机组运行状态序列作为目标运行状态序列;将所述目标运行状态序列作为风光火储系统中的火电机组的开机序列。
本公开第二方面实施例提出了一种风光火储系统中火电机组的开机序列确定装置,包括:数据获取单元,用于获取历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件;其中,N为将全年时长以预设时长为单位划分的个数,为大于11的整数;第一处理单元,用于将N个预设时长划分为M组;其中,M为大于2的整数,每组包括多个预设时长;模型构建单元,用于根据每一组的多个预设时长中,每一个预设时长的火电机组可能的运行状态,构建每一组的至少一个完全二叉树模型;第二处理单元,用于对所述完全二叉树模型进行处理,生成实际二叉树模型;第一计算单元,用于根据历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及每一组的至少一个所述实际二叉树模型,获取第M组的Y个目标叶子节点,及对应的火电机组运行状态序列和累计运行成本;其中,Y为大于等于2的整数,目标叶子节点对应的累计运行成本是指从目标叶子节点累计到根节点的运行成本;第二计算单元,用于将第M组的Y个目标叶子节点中累计运行成本最小的一个目标叶子节点,对应的火电机组运行状态序列作为目标运行状态序列;开机序列确定单元,用于将所述目标运行状态序列作为风光火储系统中的火电机组的开机序列。
本公开第三方面实施例提出了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如本公开第一方面实施例所述的风光火储系统中火电机组的开机序列确定方法。
本申请第四方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现如本公开第一方面实施例所述的风光火储系统中火电机组的开机序列确定方法。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本公开实施例提供的一种风光火储系统中火电机组的开机序列确定方法的流程图;
图2为根据本公开实施例提供的一种风光火储系统中火电机组的开机序列确定方法中S5的子步骤的流程图;
图3为根据根据本公开实施例提供的一种风光火储系统中火电机组的开机序列确定方法中第一实际二叉树模型的结构图;
图4为根据本公开实施例提供的一种风光火储系统中火电机组的开机序列确定装置的结构图;
图5为根据本公开实施例提供的一种电子设备的结构图。
具体实施方式
下面详细描述本公开的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
下面结合附图来描述本公开实施例的风光火储系统中火电机组的开机序列确定方法和装置。
图1为根据本公开一个实施例的风光火储系统中火电机组的开机序列确定方法的流程示意图。
如图1所示,本公开实施例的风光火储系统中火电机组的开机序列确定方法,包括但不限于如下步骤:
S1:获取历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件;其中,N为将全年时长以预设时长为单位划分的个数,为大于11的整数。
可以理解的是,风光火储系统中,风光互补发电系统受气候和环境的影响较大,采用大规模储能技术,才能确保负载用电的持续性和可靠性,减少能源资源的浪费。风光火储一体化系统的设计,需考虑火电机组的开机序列,降低投资运行成本。
基于此,本公开实施例中,提出一种风光火储系统中火电机组的开机序列确定方法,以最小成本为目标,获取风光火储一体化系统中火电机组的开机序列。
其中,风电、光伏、储热和电池的运行成本很低,可以忽略不计,所以只需要计算火电机组的运行成本。
本公开实施例中,N为将全年时长以预设时长为单位划分的个数,为大于11的整数。示例性的,N为12,也即,将全年时长以月为单位划分为12个。
当然,本公开实施例中,根据预设时长的不同,将全年以预设时长为单位划分的个数,也即N不同,本公开实施例中,预设时长除上述示例的月以外,还可以为天,或者小时,或者其他时长。基于此,预设时长选择不同,N的值也不相同。
在一种实施方式中,预设时长为小时,将全年以小时为单位划分为8760个,N为8760,获取历史全年8760个小时的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件。
S2:将N个预设时长划分为M组;其中,M为大于2的整数,每组包括多个预设时长。
本公开实施例中,在预设时长为小时,N为8760时,将8760个小时划分为M组,其中,M为大于2的整数,M可以为3,或50,或120等。
可以理解的是,将N个预设时长划分为M组,每组包括多个预设时长,本公开实施例中,M可以为整除N的值,将N个预设时长平均分成M组,每组中包括多个预设时长且个数相等;或者,还可以将N个预设时长随机分为M组,每组包括多个预设时长,不同组的预设时长个数可以不同或部分不同。
示例性实施例中,为避免栈溢出,采取分组计算的方法,将8760个小时分为若干组,分别对各组进行计算,然后汇总出最终结果。每组的长度首先应保证在程序运行时不发生栈溢出,因此完全二叉树节点及其他局部函数使用的栈内存应小于4M~8M;然后该长度应是8760的因数,以确保分组结果是整数;最后分组长度应在满足以上两项要求的前提下尽量大,从而减少子程序重复运行的次数。根据以上要求,可设置每组的预设时长为73小时,全年8760个预设时长划分为120组。
S3:根据每一组的多个预设时长中,每一个预设时长的火电机组可能的运行状态,构建每一组的至少一个完全二叉树模型。
本公开实施例中,将N个预设时长分为M组,每组包括多个预设时长,根据每一组的多个预设时长中,每一个预设时长的火电机组可能的运行状态,构建每一组的至少一个完全二叉树模型。
示例性实施例中,在第一组包括i个预设时长的情况下,根据第一组的i个预设时长的火电机组可能的运行状态,构建一个深度为i+1的完全二叉树模型;其中,完全二叉树中每个节点表示当前预设时长内火电机组的运行状态,其中,运行状态包括关机状态和开机状态,可以分别用0和1进行表示,根节点表示第0个预设时长,默认为火电机组的运行状态为关机状态,也即,第0个预设时长表示为0,每个节点包括左子节点和右子节点,分别表示节点之后的下一个预设时长内火电机组处于关机状态和开机状态,叶子节点为第i个预设时长,叶子节点的左子节点和右子节点均为空节点。
另一示例性实施例中,在第一组包括i个预设时长的情况下,根据第一组的i个预设时长的火电机组可能的运行状态,分别以根节点表示第0个预设时长,火电机组的运行状态为关机状态和开机状态,也即,第0个预设时长表示为0和1,分别构建两个深度为i+1的完全二叉树模型;其中,完全二叉树中每个节点表示当前预设时长内火电机组的运行状态,其中,运行状态包括关机状态和开机状态,可以分别用0和1进行表示,每个节点包括左子节点和右子节点,分别表示节点之后的下一个预设时长内火电机组处于关机状态和开机状态,叶子节点为第i个预设时长,叶子节点的左子节点和右子节点均为空节点。
需要说明的是,除上述示例外,本公开实施例中,还可以将第一组的多个预设时长构建两个以上的完全二叉树模型。
可以理解的是,在第一组的完全二叉树模型建立之后,将第一组的完全二叉树模型的至少一个叶子节点,作为第二组的完全二叉树模型的根节点,构建第二组的完全二叉树模型,进一步的,将第二组的完全二叉树模型的至少一个叶子节点,作为第三组的完全二叉树模型的根节点,构建第三组的完全二叉树模型,以此类推,依次构建后续每组的至少一个完全二叉树模型。
本公开实施例中,选择每组中的多个叶子节点,作为下一组的根节点,构建多个完全二叉树模型,能够避免计算结果陷入局部最优。
S4:对完全二叉树模型进行处理,生成实际二叉树模型。
在一些实施例中,对完全二叉树模型进行处理,生成实际二叉树模型,包括:
根据火电机组最短连续开机时间约束,删除完全二叉树模型中不满足条件的节点及其子树,之后将具有相同结构的子树通过指针进行引用,生成实际二叉树模型。
本公开实施例中,二叉树的每个节点代表火电机组在该预设时长的运行状态,根据预设约束条件中,火电机组最短连续开机时间的约束,删除不满足条件的节点及其子树,之后,由于每个节点的子树仅与该节点及其父节点有关,因此具有相同结构和计算结果的子树可通过指针引用,共用一个子树,基于此,生成实际二叉树模型。
本公开实施例中,对每一组的每一个完全二叉树模型进行上述处理,生成每一组的每一个实际二叉树模型。
S5:根据历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及每一组的至少一个实际二叉树模型,获取第M组的Y个目标叶子节点,及对应的火电机组运行状态序列和累计运行成本;其中,Y为大于等于2的整数,目标叶子节点对应的累计运行成本是指从目标叶子节点累计到根节点的运行成本。
可以理解的是,在计算每一组的叶子节点的累计运行成本时,需要分别计算每一组的中间节点的运行成本,依次计算得到叶子节点的累计运行成本,而在构建每一组的至少一个完全二叉树模型时,将前一组的叶子节点作为后一组的根节点,基于此,依次计算每一组的叶子节点的累计运行成本,直至获取第M组的叶子节点的累计运行成本,进而,从第M组的叶子节点中,确定Y个目标节点,并获取Y个目标节点对应的火电机组运行状态序列和累计运行成本。
其中,本公开实施例中,Y为大于等于2的整数,确定Y个目标节点,可以为根据累计运行成本最小获取的Y个目标节点。
示例性的,可以逐次获取累计运行成本最小的一个叶子节点作为目标叶子节点,之后改变目标叶子节点的累计运行成本数值,重新获取累计运行成本最小的一个叶子节点作为目标叶子节点,直至获取Y个目标节点。
本公开实施例中,第M组的目标节点对应的火电机组运行状态序列,为从第一组的根节点开始,到第M组的目标节点的路径序列,其对应的是火电机组在全年各预设时长内处于开机状态或关机状态的情况。
S6:将第M组的Y个目标叶子节点中累计运行成本最小的一个目标叶子节点,对应的火电机组运行状态序列作为目标运行状态序列。
S7:将目标运行状态序列作为风光火储系统中的火电机组的开机序列。
本公开实施例中,在获取到第M组的Y个目标叶子节点之后,从中选择累计运行成本最小的一个目标叶子节点,将其对应的火电机组运行状态序列作为目标运行状态序列,进一步的,将目标运行状态序列作为风光火储系统中的火电机组的开机序列,以使风光火储系统在运行过程中,火电机组按照目标运行状态序列进行开机运行,从而能够使风光火储系统的运行成本最小。
通过实施本公开实施例,风光火储系统中,占运行成本比重较大的火电机组,按照目标运行状态序列进行开机运行,能够降低风光火储系统的运行成本,节约能源,避免浪费。
在一些实施例中,如图2所示,本公开上述实施例中的S5包括但不限于如下步骤:
S50:根据第一组的X1个预设时长中,每一个预设时长的火电机组可能的运行状态,构建深度为X1+1的第一完全二叉树模型;其中,火电机组可能的运行状态包括开机状态和关机状态,根节点为第0个预设时长的火电机组运行状态为关机状态;叶子节点为第X1个预设时长的火电机组运行状态,每个节点均包括左子节点和右子节点,非叶子节点的左右子节点分别表示节点之后的下一个预设时长内火电机组处于关机状态和开机状态,叶子节点的左右子节点均为空节点。
可以理解的是,本公开实施例中,将N个预设时长划分为M组,每组包括多个预设时长,第一组的X1个预设时长,X1为大于1的整数。
S51:对第一完全二叉树模型进行处理,生成第一实际二叉树模型。
本公开实施例中,对第一完全二叉树模型进行处理,生成第一实际二叉树模型的方法,与上述实施例中的S4的方法相同,可参见上述实施例中的S4的描述,此处不再赘述。
S52:根据第一组的X1个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及第一实际二叉树模型,计算每个节点的运行成本。
可以理解的是,第一组的第一实际二叉树模型中,每个节点表示一个预设时长,计算每个节点的运行成本,可以为计算每个预设时长的火电机组的运行成本。
S53:遍历Y次第一实际二叉树模型,基于二叉树的最短路径算法,获取第一组的Y个累计运行成本最小的叶子节点,并获取对应的火电机组运行状态序列和累计运行成本。
本公开实施例中,遍历一次整颗第一实际二叉树模型,找到一条从叶子节点到根节点的路径,该路径下的节点的运行成本之和,是所有叶子节点到根节点的路径下节点运行成本之和中最小的的一条路径,从而,确定此路径就是使累计运行成本最小的火电机组的运行状态序列,该路径下的节点的运行成本之和就是火电机组的最小累计运行成本。
可以理解的是,遍历一次第一实际二叉树模型,能够获取一条累计运行成本最小的叶子节点到根节点的路径,在第二次遍历第一实际二叉树模型之前,将之前确定的累计运行成本最小的叶子节点到根节点的路径中,叶子节点的累计运行成本的数值修改为大于其相邻节点的数值,之后再进行第二次遍历第一实际二叉树模型,从而可以获取多条路径,避免每次遍历获取的都是同一条路径。
在一些实施例中,本公开实施例中的S53包括但不限于如下步骤:
第一次遍历第一实际二叉树模型,基于二叉树的最短路径算法,确定一个累计运行成本最小的叶子节点,获取确定的一个叶子节点,及对应的火电机组运行状态序列;判断获取的叶子节点是否存在相邻的叶子节点;其中,获取的叶子节点与相邻的叶子节点共用一个父节点。
若存在相邻的叶子节点,则修改获取的叶子节点的累计运行成本,使获取的叶子节点的累计运行成本大于相邻的叶子节点的累计运行成本,得到修改后的第一实际二叉树模型;之后,第二次遍历修改后的第一实际二叉树模型,获取一个累计运行成本最小的叶子节点;以此类推,获取Y个累计运行成本最小的叶子节点,及对应的火电机组运行状态序列。
在一些实施例中,若不存在相邻的叶子节点,则根据获取的累计运行成本最小的叶子节点对应的火电机组运行状态序列,从叶子节点向根节点追溯,找到第一个具有相邻节点的目标中间节点;其中,目标中间节点和相邻节点共用一个父节点;修改目标中间节点的累计运行成本,使目标中间节点的累计运行成本大于相邻节点的累计运行成本,得到修改后的第一实际二叉树模型。
为方便理解,如图3所示,本公开提供一个示例性实施例,Y为3,第一组的X1个预设时长,X1为7,在对第一完全二叉树模型进行处理时,删除第一完全二叉树模型的部分子树和节点的情况下,得到的如图3所示的第一实际二叉树模型,包括8个叶子节点,在第一次遍历第一实际二叉树模型,获取一个累计运行成本最小的叶子节点,假设获取的为叶子节点B,叶子节点B存在共用一个父节点的相邻的叶子节点A,则修改获取的叶子节点B的累计运行成本,使获取的叶子节点B的累计运行成本大于相邻的叶子节点A的累计运行成本,得到修改后的第一实际二叉树模型,之后对修改后的第一实际二叉树模型再次进行遍历。
假设获取的是叶子节点C,叶子节点C不存在相邻的叶子节点,则根据获取的累计运行成本最小的叶子节点C对应的火电机组运行状态序列,向根节点追溯,找到第一个具有相邻节点的目标中间节点,如图3中所示的目标中间节点D;其中,目标中间节点D和相邻节点E共用一个父节点;修改目标中间节点D的累计运行成本,使目标中间节点D的累计运行成本大于相邻节点E的累计运行成本,得到修改后的第一实际二叉树模型。
S54:根据第二组的X2个预设时长中,每一个预设时长的火电机组可能的运行状态,以第一组的Y个累计运行成本最小的叶子节点分别作为根节点,构建深度为X2+1的Y个第二完全二叉树模型。
S55:分别对Y个第二完全二叉树模型进行处理,生成Y个第二实际二叉树模型。
本公开实施例中,对第二完全二叉树模型进行处理,生成第二实际二叉树模型的方法,与上述实施例中的S4的方法相同,可参见上述实施例中的S4的描述,此处不再赘述。
S56:根据第二组的X2个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及第二实际二叉树模型,计算每个节点的运行成本。
S57:分别对每个第二实际二叉树模型遍历Y次,基于二叉树的最短路径算法,获取第二组的Y*Y个累计运行成本最小的叶子节点,从中选择累计运行成本由小到大排列的前Y个作为第二组的目标叶子节点,并获取对应的火电机组运行状态序列和累计运行成本。
可以理解的是,本公开实施例中,对Y个第二实际二叉树模型中每个第二实际二叉树模型分别进行Y次遍历,得到第二组的Y*Y个累计运行成本最小的叶子节点的方法,可以采用第一组的遍历Y次第一实际二叉树模型得到第一组的Y个累计运行成本最小的叶子节点的计算方法,此处不再赘述。
S58:根据第三组的X3个预设时长中,每一个预设时长的火电机组可能的运行状态,以第二组的Y个目标叶子节点分别作为根节点,构建深度为X3+1的Y个第三完全二叉树模型。
S59:以此类推,直至获取第M组的Y个目标叶子节点,及对应的火电机组运行状态序列和累计运行成本。
需要说明的是,在第三组及之后的每组计算中,均采用第二组相同的计算方法,本公开实施例对此不再赘述。
在一些实施例中,在获取第一组的Y个累计运行成本最小的叶子节点,并获取对应的火电机组运行状态序列和累计运行成本之后,
将第一组的Y个累计运行成本最小的叶子节点,对应的火电机组运行状态序列和累计运行成本,保存到全局运行状态数组和当前总费用数组中;其中,全局运行状态数组为N行Y列,用于保存历史全年N个预设时长的Y个累计运行成本最小的叶子节点对应的火电机组运行状态序列;当前总费用数组为1行Y列,用于保存Y个累计运行成本最小的叶子节点对应的累计运行成本;
在获取第二组的Y*Y个累计运行成本最小的叶子节点,从中选择累计运行成本由小到大排列的前Y个作为第二组的目标叶子节点,并获取对应的火电机组运行状态序列和累计运行成本之后,对全局运行状态数组和当前总费用数组分别进行更新。
本公开实施例中,在获取第一组的Y个累计运行成本最小的叶子节点,选出Y个火电机组运行状态序列和累计运行成本的同时,程序还应记录这Y个叶子节点对应的从第0小时到当前小时的火电机组运行状态,并保存到初始值为空的数组中。
示例性的,Y为3的情况下,第一组预设时长计算完选出的最小的三个序列是A,B,C;之后,第二组建立的3个二叉树模型在预设时长计算完得到AD,AE,AF,BG,BH,BI,CJ,CK,CL共9个结果,比较之后,确定AE,AF,BG是最小的三个,那么原来的第二个序列B的内容要变成序列A的内容,第三个序列C的内容要变成序列B的内容,并分别在后面对应的位置记录序列E,F,G的内容。即每组获取3个累计成本最小的叶子节点,需要根据叶子节点对应的火电机组运行状态序列更新该数组,使数组保存的是当前最优的3条开机序列,从而避免每次都从头更新开机序列,在计算后期进行很多重复的复制操作。
在一些实施例中,对全局运行状态数组进行更新,包括:
通过指示参数矩阵指示第二组的Y个目标叶子节点对应的火电机组运行状态序列,在保存有第一组的Y个累计运行成本最小的叶子节点对应的火电机组运行状态序列的全局运行状态数组中,需要进行参数更新的起始位置;根据所述指示参数,以及第二组的Y个目标叶子节点对应的火电机组运行状态序列,更新全局运行状态数组。
本公开实施例中,可使用指示参数矩阵,指示前一组确定的火电机组运行状态序列和后一组确定的火电机组运行状态序列之间开始不同的坐标位置,更新时只需从该位置向后复制所有非空的值,再将后一组的火电机组运行状态序列保存在全局运行状态数组中。
在一些实施例中,指示参数矩阵为Y行Y列的主对角线元素为0的对称矩阵。
本公开实施例中,使用Y行Y列的主对角线元素为0的对称矩阵作为指示参数矩阵,指示第二组的Y个目标叶子节点对应的火电机组运行状态序列在保存有第一组的Y个累计运行成本最小的叶子节点对应的火电机组运行状态序列的全局运行状态数组中,需要进行参数更新的起始位置;并进一步的,根据指示参数,以及第二组的Y个目标叶子节点对应的火电机组运行状态序列,更新全局运行状态数组。
需要说明的是,上述示例中仅给出在得到第二组的Y个目标叶子节点对应的火电机组运行状态序列之后,如何对全局运行状态数组进行更新的方法,本公开实施例中,在第二组之后的任一组的Y个目标叶子节点对应的火电机组运行状态序列计算出来之后,均依次采用上述示例的方法,对全局运行状态数组进行更新,本公开实施例在此不再赘述。
为了实现上述实施例,本公开还提出一种风光火储系统中火电机组的开机序列确定装置。
图4为根据本公开实施例的一种风光火储系统中火电机组的开机序列确定装置的结构图。
如图4所示,本公开实施例的风光火储系统中火电机组的开机序列确定装置1,包括:数据获取单元11、第一处理单元12、模型构建单元13、第二处理单元14、第一计算单元15、第二计算单元16和开机序列确定单元17。
数据获取单元11,用于获取历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件;其中,N为将全年时长以预设时长为单位划分的个数,为大于11的整数。
第一处理单元12,用于将N个预设时长划分为M组;其中,M为大于2的整数,每组包括多个预设时长。
模型构建单元13,用于根据每一组的多个预设时长中,每一个预设时长的火电机组可能的运行状态,构建每一组的至少一个完全二叉树模型。
第二处理单元14,用于对所述完全二叉树模型进行处理,生成实际二叉树模型。
第一计算单元15,用于根据历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及每一组的至少一个所述实际二叉树模型,获取第M组的Y个目标叶子节点,及对应的火电机组运行状态序列和累计运行成本;其中,Y为大于等于2的整数,目标叶子节点对应的累计运行成本是指从目标叶子节点累计到根节点的运行成本。
第二计算单元16,用于将第M组的Y个目标叶子节点中累计运行成本最小的一个目标叶子节点,对应的火电机组运行状态序列作为目标运行状态序列。
开机序列确定单元17,用于将所述目标运行状态序列作为风光火储系统中的火电机组的开机序列。
需要说明的是,本公开实施例的风光火储系统中火电机组的开机序列确定装置中未披露的细节,请参照本公开实施例的风光火储系统中火电机组的开机序列确定方法中所披露的细节,这里不再赘述。
综上,本公开实施例的风光火储系统中火电机组的开机序列确定装置,采用二叉树最短路径算法,使用动态规划思想,以全年累计运行成本最小为目标确定火电机组的运行状态序列,使得风光火储系统中,占运行成本比重较大的火电机组,按照目标运行状态序列进行开机运行,能够降低风光火储系统的运行成本,节约能源,避免浪费。
为了实现上述实施例,如图5所示,本公开实施例提出了一种电子设备1200,包括:存储器1201、处理器1202及存储在存储器1201上并可在处理器1202上运行的计算机程序,处理器1202执行程序时,实现上述的基于风光火储系统中火电机组的开机序列确定方法。
本公开实施例的电子设备所能取得的有益效果与上述风光火储系统中火电机组的开机序列确定方法所取得的有益效果相同,这里不再赘述。
为了实现上述实施例,本公开实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现上述的风光火储系统中火电机组的开机序列确定方法。
本公开实施例的计算机可读存储介质所能取得的有益效果与上述风光火储系统中火电机组的开机序列确定方法所取得的有益效果相同,这里不再赘述。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本公开中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本公开中的具体含义。
在本公开中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (11)
1.一种风光火储系统中火电机组的开机序列确定方法,其特征在于,包括:
获取历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件;其中,N为将全年时长以预设时长为单位划分的个数,为大于11的整数;
将N个预设时长划分为M组;其中,M为大于2的整数,每组包括多个预设时长;
根据每一组的多个预设时长中,每一个预设时长的火电机组可能的运行状态,构建每一组的至少一个完全二叉树模型;
对所述完全二叉树模型进行处理,生成实际二叉树模型;
根据历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及每一组的至少一个所述实际二叉树模型,获取第M组的Y个目标叶子节点,及对应的火电机组运行状态序列和累计运行成本;其中,Y为大于等于2的整数,目标叶子节点对应的累计运行成本是指从目标叶子节点累计到根节点的运行成本;
将第M组的Y个目标叶子节点中累计运行成本最小的一个目标叶子节点,对应的火电机组运行状态序列作为目标运行状态序列;
将所述目标运行状态序列作为风光火储系统中的火电机组的开机序列。
2.根据权利要求1所述的方法,其特征在于,所述对所述完全二叉树模型进行处理,生成实际二叉树模型,包括:
根据火电机组最短连续开机时间约束,删除所述完全二叉树模型中不满足条件的节点及其子树,之后将具有相同结构的子树通过指针进行引用,生成所述实际二叉树模型。
3.根据权利要求1所述的方法,其特征在于,所述根据历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及每一组的至少一个所述实际二叉树模型,获取第M组的Y个目标叶子节点,及对应的火电机组运行状态序列和累计运行成本,包括:
根据第一组的X1个预设时长中,每一个预设时长的火电机组可能的运行状态,构建深度为X1+1的第一完全二叉树模型;其中,火电机组可能的运行状态包括开机状态和关机状态,根节点为第0个预设时长的火电机组运行状态为关机状态,叶子节点为第X1个预设时长的火电机组运行状态;每个节点均包括左子节点和右子节点,非叶子节点的左右子节点分别表示节点之后的下一个预设时长内火电机组处于关机状态和开机状态,叶子节点的左右子节点均为空节点;
对所述第一完全二叉树模型进行处理,生成第一实际二叉树模型;
根据第一组的X1个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及所述第一实际二叉树模型,计算每个节点的运行成本;
遍历Y次所述第一实际二叉树模型,基于二叉树的最短路径算法,获取第一组的Y个累计运行成本最小的叶子节点,并获取对应的火电机组运行状态序列和累计运行成本;
根据第二组的X2个预设时长中,每一个预设时长的火电机组可能的运行状态,以第一组的Y个累计运行成本最小的叶子节点分别作为根节点,构建深度为X2+1的Y个第二完全二叉树模型;
分别对Y个所述第二完全二叉树模型进行处理,生成Y个第二实际二叉树模型;
根据第二组的X2个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及所述第二实际二叉树模型,计算每个节点的运行成本;
分别对每个所述第二实际二叉树模型遍历Y次,基于二叉树的最短路径算法,获取第二组的Y*Y个累计运行成本最小的叶子节点,从中选择累计运行成本由小到大排列的前Y个作为第二组的目标叶子节点,并获取对应的火电机组运行状态序列和累计运行成本;
根据第三组的X3个预设时长中,每一个预设时长的火电机组可能的运行状态,以第二组的Y个目标叶子节点分别作为根节点,构建深度为X3+1的Y个第三完全二叉树模型;
以此类推,直至获取第M组的Y个目标叶子节点,及对应的火电机组运行状态序列和累计运行成本。
4.根据权利要求3所述的方法,其特征在于,所述遍历Y次所述第一实际二叉树模型,基于二叉树的最短路径算法,获取Y个具有叶子节点且累计运行成本最小的火电机组运行状态序列,包括:
第一次遍历所述第一实际二叉树模型,基于二叉树的最短路径算法,确定一个累计运行成本最小的叶子节点,获取确定的一个叶子节点,及对应的火电机组运行状态序列;判断获取的叶子节点是否存在相邻的叶子节点;其中,获取的叶子节点与相邻的叶子节点共用一个父节点;
若存在相邻的叶子节点,则修改获取的叶子节点的累计运行成本,使获取的叶子节点的累计运行成本大于相邻的叶子节点的累计运行成本,得到修改后的第一实际二叉树模型;
之后,第二次遍历修改后的第一实际二叉树模型,获取一个累计运行成本最小的叶子节点;
以此类推,获取Y个累计运行成本最小的叶子节点,及对应的火电机组运行状态序列。
5.根据权利要求4所述的方法,其特征在于,所述方法,还包括:
若不存在相邻的叶子节点,则根据获取的累计运行成本最小的叶子节点对应的火电机组运行状态序列,从叶子节点向根节点追溯,找到第一个具有相邻节点的目标中间节点;其中,目标中间节点和相邻节点共用一个父节点;
修改目标中间节点的累计运行成本,使目标中间节点的累计运行成本大于相邻节点的累计运行成本,得到修改后的第一实际二叉树模型。
6.根据权利要求3所述的方法,其特征在于,所述方法,还包括:
在获取第一组的Y个累计运行成本最小的叶子节点,并获取对应的火电机组运行状态序列和累计运行成本之后,
将第一组的Y个累计运行成本最小的叶子节点,对应的火电机组运行状态序列和累计运行成本,保存到全局运行状态数组和当前总费用数组中;其中,所述全局运行状态数组为N行Y列,用于保存历史全年N个预设时长的Y个累计运行成本最小的叶子节点对应的火电机组运行状态序列;当前总费用数组为1行Y列,用于保存Y个累计运行成本最小的叶子节点对应的累计运行成本;
在获取第二组的Y*Y个累计运行成本最小的叶子节点,从中选择累计运行成本由小到大排列的前Y个作为第二组的目标叶子节点,并获取Y个目标叶子节点对应的火电机组运行状态序列和累计运行成本之后,对所述全局运行状态数组和所述当前总费用数组分别进行更新。
7.根据权利要求6所述的方法,其特征在于,所述对所述全局运行状态数组进行更新,包括:
通过指示参数矩阵指示第二组的Y个目标叶子节点对应的火电机组运行状态序列,在保存有第一组的Y个累计运行成本最小的叶子节点对应的火电机组运行状态序列的全局运行状态数组中,需要进行参数更新的起始位置;
根据所述指示参数,以及第二组的Y个目标叶子节点对应的火电机组运行状态序列,更新所述全局运行状态数组。
8.根据权利要求7所述的方法,其特征在于,所述指示参数矩阵为Y行Y列的主对角线元素为0的对称矩阵。
9.一种风光火储系统中火电机组的开机序列确定装置,其特征在于,包括:
数据获取单元,用于获取历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件;其中,N为将全年时长以预设时长为单位划分的个数,为大于11的整数;
第一处理单元,用于将N个预设时长划分为M组;其中,M为大于2的整数,每组包括多个预设时长;
模型构建单元,用于根据每一组的多个预设时长中,每一个预设时长的火电机组可能的运行状态,构建每一组的至少一个完全二叉树模型;
第二处理单元,用于对所述完全二叉树模型进行处理,生成实际二叉树模型;
第一计算单元,用于根据历史全年N个预设时长的风电历史发电量、光伏历史发电量、电网历史需求量和预设约束条件,以及每一组的至少一个所述实际二叉树模型,获取第M组的Y个目标叶子节点,及对应的火电机组运行状态序列和累计运行成本;其中,Y为大于等于2的整数,目标叶子节点对应的累计运行成本是指从目标叶子节点累计到根节点的运行成本;
第二计算单元,用于将第M组的Y个目标叶子节点中累计运行成本最小的一个目标叶子节点,对应的火电机组运行状态序列作为目标运行状态序列;
开机序列确定单元,用于将所述目标运行状态序列作为风光火储系统中的火电机组的开机序列。
10.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1至8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111473493.7A CN114336778B (zh) | 2021-11-29 | 2021-11-29 | 风光火储系统中火电机组的开机序列确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111473493.7A CN114336778B (zh) | 2021-11-29 | 2021-11-29 | 风光火储系统中火电机组的开机序列确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114336778A true CN114336778A (zh) | 2022-04-12 |
CN114336778B CN114336778B (zh) | 2023-09-22 |
Family
ID=81047966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111473493.7A Active CN114336778B (zh) | 2021-11-29 | 2021-11-29 | 风光火储系统中火电机组的开机序列确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114336778B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116454890A (zh) * | 2023-04-20 | 2023-07-18 | 中国南方电网有限责任公司 | 基于scuc模型的机组组合控制方法、装置和设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345555A (zh) * | 2013-07-05 | 2013-10-09 | 国家电网公司 | 基于遗传编程的火电机组煤耗特性曲线建模方法 |
US20150073753A1 (en) * | 2013-09-11 | 2015-03-12 | Dassault Systemes | Computer-Implemented Method For Designing An Industrial Product Modeled With A Binary Tree |
CN109245180A (zh) * | 2018-11-19 | 2019-01-18 | 西安交通大学 | 一种风光火储协调优化运行方法 |
CN109685329A (zh) * | 2018-12-04 | 2019-04-26 | 国网湖南省电力有限公司 | 一种雾霾条件下火电厂调度的决策方法及系统 |
US20200175074A1 (en) * | 2018-12-04 | 2020-06-04 | Vmware, Inc. | Tree structure aware cache eviction policy |
-
2021
- 2021-11-29 CN CN202111473493.7A patent/CN114336778B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345555A (zh) * | 2013-07-05 | 2013-10-09 | 国家电网公司 | 基于遗传编程的火电机组煤耗特性曲线建模方法 |
US20150073753A1 (en) * | 2013-09-11 | 2015-03-12 | Dassault Systemes | Computer-Implemented Method For Designing An Industrial Product Modeled With A Binary Tree |
CN109245180A (zh) * | 2018-11-19 | 2019-01-18 | 西安交通大学 | 一种风光火储协调优化运行方法 |
CN109685329A (zh) * | 2018-12-04 | 2019-04-26 | 国网湖南省电力有限公司 | 一种雾霾条件下火电厂调度的决策方法及系统 |
US20200175074A1 (en) * | 2018-12-04 | 2020-06-04 | Vmware, Inc. | Tree structure aware cache eviction policy |
Non-Patent Citations (2)
Title |
---|
王明松;: "风-光-蓄-火联合发电系统的两阶段优化调度策略", 电网与清洁能源, no. 05 * |
胡斌;娄素华;李海英;吴耀武;卢斯煜;黄旭锐;: "考虑大规模光伏电站接入的电力系统旋转备用需求评估", 电力系统自动化, no. 18 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116454890A (zh) * | 2023-04-20 | 2023-07-18 | 中国南方电网有限责任公司 | 基于scuc模型的机组组合控制方法、装置和设备 |
CN116454890B (zh) * | 2023-04-20 | 2024-02-06 | 中国南方电网有限责任公司 | 基于scuc模型的机组组合控制方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114336778B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maleki et al. | Comparative study of artificial intelligence techniques for sizing of a hydrogen-based stand-alone photovoltaic/wind hybrid system | |
Maleki et al. | Optimal sizing of autonomous hybrid photovoltaic/wind/battery power system with LPSP technology by using evolutionary algorithms | |
CN113285490B (zh) | 电力系统调度方法、装置、计算机设备和存储介质 | |
KR102509670B1 (ko) | 태양광 모듈들의 스트링 연결 방법 및 장치, 디바이스, 및 저장 매체 | |
CN107862160B (zh) | 压缩空气储能系统的未来电网演化模型的生成方法及装置 | |
CN111523698A (zh) | 一种用于清洁能源基地宏观选址的蚁群选址方法及装置 | |
CN114336778A (zh) | 风光火储系统中火电机组的开机序列确定方法和装置 | |
CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
CN114202229B (zh) | 基于深度强化学习的微电网的能量管理策略的确定方法 | |
CN105262146A (zh) | 含风电的电力系统备用容量计算方法和系统 | |
Bhuvanesh et al. | Application of differential evolution algorithm and its variants for solving energy storage technologies integrated generation expansion planning | |
CN107368930B (zh) | 一种适用于电力系统分区恢复模式的黑启动电源选址方法 | |
CN113435659A (zh) | 基于场景分析的综合能源系统两阶段优化运行方法及系统 | |
CN114336693B (zh) | 风光火储一体化系统的优化配置方法和系统 | |
CN113364051A (zh) | 考虑海上风电接入的多电源系统容量配置调度方法及装置 | |
CN117674290A (zh) | 一种基于多场景的水电平抑分布鲁棒优化方法 | |
CN111193288B (zh) | 一种基于综合恢复策略的含分布式电源配网恢复重构方法 | |
CN115473230B (zh) | 考虑用户侧碳排放约束的最优潮流计算方法、设备及介质 | |
CN111682539A (zh) | 基于简化综合场景的含分布式电源电网的分区方法及系统 | |
CN114285088B (zh) | 一种考虑火电机组约束的能源系统优化配置方法和系统 | |
CN114188973A (zh) | 一种计及线路强迫停运的两阶段检修-运行鲁棒优化方法 | |
Cao et al. | Multiple resource expansion planning in smart grids with high penetration of renewable generation | |
CN114336776B (zh) | 一种基于优化二叉树的火电机组开机序列确定方法和系统 | |
CN114285087B (zh) | 基于最小成本的风光火储一体化系统配置方法和装置 | |
CN113496298A (zh) | 一种综合能源系统的优化方法、装置和电子设备 |
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 |