CN114662757A - 新能源机组合约覆盖率优化方法、装置、设备及介质 - Google Patents

新能源机组合约覆盖率优化方法、装置、设备及介质 Download PDF

Info

Publication number
CN114662757A
CN114662757A CN202210293105.5A CN202210293105A CN114662757A CN 114662757 A CN114662757 A CN 114662757A CN 202210293105 A CN202210293105 A CN 202210293105A CN 114662757 A CN114662757 A CN 114662757A
Authority
CN
China
Prior art keywords
new energy
unit
market
coverage rate
layer model
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
Application number
CN202210293105.5A
Other languages
English (en)
Inventor
邓晖
陆承宇
徐程炜
房乐
章枫
周子青
王坤
张艺迪
文福拴
华文
马骏超
彭琰
周升彧
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.)
Zhejiang University ZJU
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
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 Zhejiang University ZJU, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202210293105.5A priority Critical patent/CN114662757A/zh
Publication of CN114662757A publication Critical patent/CN114662757A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Technology Law (AREA)
  • Educational Administration (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种新能源机组合约覆盖率优化方法，用于解决现有新能源机组参与电力现货市场亟需有效的衔接和过渡机制的问题，该方法包括以下步骤：根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型；根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型；根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型；通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果。本发明还公开了一种新能源机组合约覆盖率优化装置、电子设备和计算机存储介质。本发明通过KKT条件将三层模型转化成单层模型，进而获取新能源机组合覆盖率的最优解。

Description

新能源机组合约覆盖率优化方法、装置、设备及介质
技术领域
本发明涉及电力现货市场技术领域，尤其涉及一种新能源机组合约覆盖率优化方法、装置、设备及介质。
背景技术
随着"碳达峰，碳中和"目标的提出，中国新能源产业迅速发展。随之带来的新能源机组补贴缺口增大的问题也日益凸显。为此，能源主管部门连续下调光伏、风电补贴标杆电价，力图减轻政府对新能源机组的财政补贴压力。这样虽然有利于减缓财政压力，却带来了新能源装机增速的大幅下滑的新问题。
为缓解这一矛盾，国外一些成熟的电力市场会采用“金融合约+现货市场”和配额制相结合的方法来应对。新能源机组与其他类型机组同等参与电力现货市场，并通过电网公司与新能源机组签订一定比例的差价合约来规避现货价格风险的做法，是推动新能源快速发展的有效激励政策。此外，在签订差价合约的同时，开展绿证市场交易也是鼓励新能源机组发展的重要手段，通过绿证交易补偿逐渐替代政府高价收购补偿，有助于缓解政府财政压力和促进新能源机组的市场转型，符合可持续发展的理念。
虽然目前中国试点省份的电力现货市场已逐步建立，但中国电力市场改革起步较晚，新能源机组进入电力现货市场尚且缺乏有效的电力市场运行机制，没有“金融合约+现货市场”和配额制相结合的相关政策和方法。一方面，这可能导致新能源机组收益失去保障，打击新能源投资者的信心，不利于新能源机组的长期发展；另一方面，新能源机组进入电力现货市场可能会增加电力现货市场的不确定性，引发现货市场价格的剧烈波动，从而对整个市场造成严重冲击。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种新能源机组合约覆盖率优化方法，根据市场和新能源发展水平建立三层优化决策模型，利用KKT条件对三层模型进行转化，通过求解混合整数线性规划快速得到新能源机组合约覆盖率的最优解。
本发明的目的之一采用以下技术方案实现：
一种新能源机组合约覆盖率优化方法，包括以下步骤：
根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型；
根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型；
根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型；
通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果。
根据目前的新能源机组政策对新能源机组进行分类，所述新能源机组包括两类，第一类为2021年之前建成投产的新能源机组，第二类为2021年以后立项投产的新能源机组。
进一步地，根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型，包括：
建立政府财政补贴金额目标函数，满足：
Figure BDA0003561021550000031
其中，fp1为光伏发电得到的政府财政补贴金额；
Figure BDA0003561021550000032
为交易时段t的现货市场价格，是电力现货市场出清数据的一部分；
Figure BDA0003561021550000033
和
Figure BDA0003561021550000034
分别为第一类光伏的差价合约价格以及在交易时段t的预测出力；γp为光伏在决策周期T内的合约覆盖率；
建立机组单位发电利润函数，满足：
Figure BDA0003561021550000035
其中，
Figure BDA0003561021550000036
为第i台光伏在第td时段的单位发电利润，td为单位发电利润的计算周期，
Figure BDA0003561021550000037
为第i台光伏的差价合约价格；
Figure BDA0003561021550000038
和
Figure BDA0003561021550000039
分别为第i台光伏在交易时段t的预测出力和在绿证市场出清电量；Cp表示光伏机组出力成本，
Figure BDA00035610215500000310
表示在t时段绿证市场的出清价格；
建立新能源机组收益公平性衡量目标函数，满足：
Figure BDA00035610215500000311
其中，fp2为光伏的公平性系数，所述公平系数为各交易时段各机组的单位发电收益的平方差；Np为光伏总数；
建立风电机组的目标函数，满足：
Figure BDA00035610215500000312
其中，fw1、fw2分别表示风电机组得到的政府财政补贴金额和公平性系数；
Figure BDA0003561021550000041
分别为风电机组的差价合约价格和交易时段t的预测出力；γw为风电机组在决策周期T内的合约覆盖率；Nw为风电机组总数；
Figure BDA0003561021550000042
为第i台风电机组在第td时段的单位发电利润；
所述上层模型的发电机组出力约束满足：γpmin≤γp≤γpmax，γwmin≤γw≤γwmax；其中，γpmax和γpmin为光伏发电合约覆盖率上、下限；γwmin和γwmax为风电机组合约覆盖率上、下限。
进一步地，根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型，包括：
交易时段t内，电力现货市场出清模型满足：
Figure BDA0003561021550000043
其中，pDk,t为该市场出清时段中第k个负荷的电力需求；
Figure BDA0003561021550000044
和
Figure BDA0003561021550000045
分别为第i台新能源机组和第j台常规能源机组的市场报价；
Figure BDA0003561021550000046
和
Figure BDA0003561021550000047
分别为第i台新能源机组和第j台常规能源机组的中标电量；ρl,i、ρl,j、ρl,k分别表示新能源机组、常规能源机组和负荷的功率传输分布系数；Pl max表示系统线路的传输功率限额向量；
Figure BDA0003561021550000048
和
Figure BDA0003561021550000049
为常规机组中标电量上、下限；NF、NG分别表示新能源机组和常规能源机组总台数；Nl表示线路支路数；
Figure BDA00035610215500000410
和
Figure BDA0003561021550000051
为新能源机组中标电量上、下限；ND表示负荷数量；
中标电量上限满足：
Figure BDA0003561021550000052
其中，
Figure BDA0003561021550000053
为新能源机组在交易时段t的预测出力电量，γ为新能源机组对应的合约覆盖率，γ≡[γp,γw]；
交易时段t内，绿证交易市场出清模型满足：
Figure BDA0003561021550000054
Figure BDA0003561021550000055
Figure BDA0003561021550000056
Figure BDA0003561021550000057
其中，
Figure BDA0003561021550000058
和
Figure BDA0003561021550000059
分别为第i台新能源机组和第j台常规能源机组的市场报价；
Figure BDA00035610215500000510
和
Figure BDA00035610215500000511
分别为新能源机组的中标绿证数量和中标数量上限，
Figure BDA00035610215500000512
和
Figure BDA00035610215500000513
分别为常规能源机组的中标绿证数量和中标数量上限，其中
Figure BDA00035610215500000514
和
Figure BDA00035610215500000515
对应的新能源机组发电量为
Figure BDA00035610215500000516
和
Figure BDA00035610215500000517
中标绿证数量对应的电量上限满足：
Figure BDA00035610215500000525
其中，
Figure BDA00035610215500000520
和
Figure BDA00035610215500000521
分别表示所述第一类新能源机组和所述第二类新能源机组的绿证中标数量对应的电量上限；
Figure BDA00035610215500000522
和
Figure BDA00035610215500000523
分别表示所述第一类新能源机组和所述第二类新能源机组的预测出力。
进一步地，根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型，包括：
建立新能源机组竞价模型，满足：
Figure BDA00035610215500000524
其中，EFi,t为第i台新能源机组在交易时段t的总收益；
Figure BDA0003561021550000061
分别表示第i台新能源机组在交易时段t的现货市场收益和绿证市场收益；
建立常规能源机组竞价模型，满足：
Figure BDA0003561021550000062
其中，EGj,t为第j台常规能源机组在交易时段t的总收益；
Figure BDA0003561021550000063
分别表示第j台常规能源机组在交易时段t的现货市场收益和绿证市场收益。
进一步地，通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果，包括以下步骤：
将所述下层模型替换为KKT条件，并入所述中层模型；
将合并后的所述中层模型替换为KKT条件，并入上层模型，得到单层优化模型；
通过求解器对所述单层优化模型求解，得到新能源机组合约覆盖率的预测结果。
进一步地，所述新能源机组合约覆盖率的计算，满足：
Figure BDA0003561021550000064
其中，γF为新能源机组合约覆盖率；
Figure BDA0003561021550000065
为新能源机组的合约覆盖电量；
Figure BDA0003561021550000066
为新能源机组被允许参与电力现货市场的电量。
本发明的目的之二在于提供一种新能源机组合约覆盖率优化装置，其通过对KKT条件对三层模型进行转化，进而通过线性规划的方法得到合约覆盖率最优解。
本发明的目的之二采用以下技术方案实现：
一种新能源机组合约覆盖率优化装置，其包括：
模型构建模块，用于根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型；根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型；根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型；
结果输出模块，用于通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果。
本发明的目的之三在于提供执行发明目的之一的电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，所述计算机程序被处理器执行时实现上述的新能源机组合约覆盖率优化方法。
本发明的目的之四在于提供存储发明目的之一的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的新能源机组合约覆盖率优化方法。
相比现有技术，本发明的有益效果在于：
本申请结合当前政策和新能源发展水平，建立考虑多市场主体的三层优化决策模型，从而实现了对市场过渡机制的科学设计，为政策制定者提供了合理和有效的参考依据；利用KKT条件对三层模型进行转化，最终求解三层模型转化得到的混合整数线性规划问题，能够快速得到新能源机组合约覆盖率的最优解具体数据，而不用考虑模型的收敛问题，为新能源机组参与电力现货市场的过渡提供支持，可以帮助新能源机组合约相关激励政策的制定及实施。
附图说明
图1是实施例一新能源机组合约覆盖率优化的流程图；
图2是实施例一通过KKT条件对三层模型进行转化的流程图；
图3是实施例二的新能源机组合约覆盖率优化装置的结构框图；
图4是实施例三的电子设备的结构框图。
具体实施方式
以下将结合附图，对本发明进行更为详细的描述，需要说明的是，以下参照附图对本发明进行的描述仅是示意性的，而非限制性的。各个不同实施例之间可以进行相互组合，以构成未在以下描述中示出的其他实施例。
实施例一
实施例一提供了一种新能源机组合约覆盖率优化方法，旨在通过相互关联的三层模型，通过KKT条件转化成单层模型，从而计算出新能源机组合约覆盖率的最优解。
本实施例结合当前政策和新能源发展水平，提出过渡机制中所涉及的多市场多主体的交易框架，建立考虑多市场主体的三层优化决策模型，从而实现了对市场过渡机制的科学设计，增强了政策制定的合理性和有效性。上述根据交易框架建立考虑多市场主体的三层优化决策模型，其原理解释为：结合“双碳”目标和新能源机组发展水平，优化当前政策，提出过渡机制中所涉及的多市场多主体的交易框架，逐渐引导新能源机组参与电力现货市场；在改革时期逐渐下调新能源机组的差价合约覆盖率，引导新能源机组参与电力现货市场；同时配合绿证市场，将新能源机组补贴形式由政府财政补贴逐渐转变为绿证交易补贴，在保证绿色电能消纳的情况下激励新能源企业进行技术创新。
综上，模型原理解释为：以政策制定者为研究对象的政策决策模型作为三层模型的上层模型，方便后续求解新能源机组合约覆盖率的具体数值，为中层模型和所述下层模型提供数据支撑；为提供市场出清结果，将电力现货市场出清模型和绿证市场出清模型作为三层模型的中层模型，能够全面地评估各交易时段的市场出清水平，进而为上层模式提供所需信息；以新能源机组和常规能源机组最大化自身收益为目标，建立机组决策模型作为三层模型的下层模型，给出了一种考虑新能源机组和常规能源机组市场行为的数学模型表述方法；利用KKT条件对三层模型进行转化，最终求解所述三层模型转化得到的混合整数线性规划问题。
根据现行的相关政策，本实施例中，将新能源机组分为两类，第一类为2021年之前建成投产的新能源机组，其差价合约电价仍然高于当地燃煤发电基准价格，即对差价合约对应的发电量进行政府补贴。此外，仅对机组参与现货市场的电量签发对应数量的绿证，即对现货市场电量进行绿证交易补偿；第二类为2021年以后立项投产的新能源机组，规定其合约收购价格为当地燃煤发电基准价格，即此类新能源机组的差价合约不含有政府溢价补贴，但机组的合约电量和市场电量都可以签发绿证，从而通过绿证交易获得补偿。
上述过渡机制中，新能源机组的合约覆盖率定义为:新能源机组差价合约覆盖电量占总上网电网的百分比，具体如下式所示：
Figure BDA0003561021550000091
其中，γF为新能源机组合约覆盖率(％)；
Figure BDA0003561021550000092
为新能源机组的合约覆盖电量(MWh)；
Figure BDA0003561021550000093
为新能源机组被允许参与电力现货市场的电量(MWh)。
本实施例所描述的新能源机组合约覆盖率规定了新能源机组进入电力现货市场的份额，也间接决定了政府财政补贴的具体金额，因此是非常重要的参数，由政策制定机构根据政府补贴财政压力，电力系统可靠性需求，电力市场改革进程等因素合理制定。考虑多市场主体，建立三层决策优化模型，给出以新能源机组和常规能源机组最大化自身收益为目标，同时考虑电力现货市场出清和绿证市场出清的新能源机组合约最优覆盖率确定方法。
根据上述原理，请参照图1所示，一种新能源机组合约覆盖率优化方法，包括以下步骤：
S101、根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型；
上述的上层模型用于直接求解新能源机组合约覆盖率。缓解政府财政补贴压力为上层模型所要达成的目标之一。政府财政补贴主要体现在对新能源机组溢价的差价合约上。在此认为，新能源机组的差价合约价格与当前现货市场价格之差为政府补贴的溢价值。
基于此，建立政府财政补贴金额目标函数，
满足：
Figure BDA0003561021550000101
其中fp1为光伏发电得到的政府财政补贴金额；
Figure BDA0003561021550000102
为交易时段t的现货市场价格；
Figure BDA0003561021550000103
和
Figure BDA0003561021550000104
分别为第一类光伏的差价合约价格以及在交易时段t的预测出力；γp为光伏在决策周期T内的合约覆盖率。需要说明的是，由于现有政策仅对第一类新能源机组进行补贴，因此，当新能源机组属于第二类机组时，其政府财政补贴为0。
上层模型还引入了机组单位发电利润的概念，以保证每一个新能源机组都能获得收益，该机组单位发电利润函数，满足：
Figure BDA0003561021550000105
其中
Figure BDA0003561021550000106
为第i台光伏在第td时段的单位发电利润，td为单位发电利润的计算周期，为了避免光伏在夜间交易时段无出力，所造成的上述公式中分母为0的问题，通常td取24小时，
Figure BDA0003561021550000107
为第i台光伏的差价合约价格；
Figure BDA0003561021550000108
和
Figure BDA0003561021550000111
分别为第i台光伏在交易时段t的预测出力和在绿证市场出清电量；Cp表示光伏机组出力成本，
Figure BDA0003561021550000112
表示在t时段绿证市场的出清价格。
建立新能源机组收益公平性衡量目标函数，满足：
Figure BDA0003561021550000113
其中，fp2为光伏的公平性系数，所述公平系数为各交易时段各机组的单位发电收益的平方差；Np为光伏总数。此处以同类型新能源机组在某交易时段通过合约市场、电力现货市场和绿证市场获得的单位发电利润作为衡量公平性的指标，体现了对同类型机组的平等对待。
根据上述原理建立风电机组的目标函数，满足：
Figure BDA0003561021550000114
其中，fw1、fw2分别表示风电机组得到的政府财政补贴金额和公平性系数；
Figure BDA0003561021550000115
分别为风电机组的差价合约价格和交易时段t的预测出力；γw为风电机组在决策周期T内的合约覆盖率；Nw为风电机组总数；
Figure BDA0003561021550000116
为第i台风电机组在第td时段的单位发电利润；
所述上层模型的发电机组出力约束满足：γpmin≤γp≤γpmax，γwmin≤γw≤γwmax；其中，γpmax和γpmin为光伏发电合约覆盖率上下限；γwmin和γwmax为风电机组合约覆盖率上下限。
综合上述目标函数和约束条件，得到了用于求解包括光伏发电合约覆盖率和风电机组合约覆盖率的多目标函数模型。为求解方便，首先对原目标函数进行归一化，使目标函数的取值均在区间[0,1]内，消除量纲和数量级对解的影响。随后加入预设的权重因子，利用商业求解器可实现对上层模型的求解。
S102、根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型；
中层模型的输入数据主要包括典型负荷曲线、发电技术约束，线路拓扑约束、市场报价数据等。
上述中层模型包括电力现货市场出清模型及绿证市场出清模型。通过对决策周期内各交易时段的电力现货市场出清情况进行仿真模拟，以满足决策模型对现货市场出清数据的需求。参与现货市场出清的机组可以分为常规能源机组和新能源机组。对于一个交易时段t，电力现货市场出清模型满足：
Figure BDA0003561021550000121
其中，pDk,t为该市场出清时段中第k个负荷的电力需求；
Figure BDA0003561021550000122
和
Figure BDA0003561021550000123
分别为第i台新能源机组和第j台常规能源机组的市场报价；
Figure BDA0003561021550000124
和
Figure BDA0003561021550000125
分别为第i台新能源机组和第j台常规能源机组的中标电量；ρl,i、ρl,j、ρl,k分别表示新能源机组、常规能源机组和负荷的功率传输分布系数；Pl max表示系统线路的传输功率限额向量；
Figure BDA0003561021550000126
和
Figure BDA0003561021550000127
为常规机组中标电量上、下限；NF、NG分别表示新能源机组和常规能源机组总台数；Nl表示线路支路数；
Figure BDA0003561021550000128
和
Figure BDA0003561021550000129
为新能源机组中标电量上、下限；ND表示负荷数量。
新能源机组中标电量上限为新能源机组的出力扣除掉差价合约后的电量，对于第一类新能源机组和第二类新能源机组，中标电量上限均可表示为：
Figure BDA0003561021550000131
其中，
Figure BDA0003561021550000132
为新能源机组在交易时段t的预测出力电量，γ为新能源机组对应的合约覆盖率，γ≡[γp,γw]。
建立电力现货市场出清模型的同时，建立绿证交易市场出清模型。在一个决策周期内，绿证市场的出清过程重复进行；在一次市场出清后，中标的买方与卖方可进行交易，未达成交易的买卖双方则重新报价进入下一次市场出清过程；由于现货市场出清结果与绿证交易市场出清结果相互影响，因此本实施例中，认为绿证交易市场的出清周期与现货市场一致。对于一个交易时段t内，绿证交易市场出清模型满足：
Figure BDA0003561021550000133
Figure BDA0003561021550000134
Figure BDA0003561021550000135
Figure BDA0003561021550000136
其中，
Figure BDA0003561021550000137
和
Figure BDA0003561021550000138
分别为第i台新能源机组和第j台常规能源机组的市场报价；
Figure BDA0003561021550000139
和
Figure BDA00035610215500001310
分别为新能源机组的中标绿证数量和中标数量上限，
Figure BDA00035610215500001311
和
Figure BDA00035610215500001312
分别为常规能源机组的中标绿证数量和中标数量上限，其中
Figure BDA00035610215500001313
和
Figure BDA00035610215500001314
对应的新能源机组发电量为
Figure BDA00035610215500001315
和
Figure BDA00035610215500001316
中标绿证数量对应的电量上限满足：
Figure BDA00035610215500001323
其中，
Figure BDA00035610215500001319
和
Figure BDA00035610215500001320
分别表示所述第一类新能源机组和所述第二类新能源机组的绿证中标数量对应的电量上限；
Figure BDA00035610215500001321
和
Figure BDA00035610215500001322
分别表示所述第一类新能源机组和所述第二类新能源机组的预测出力。
S103、根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型；
上述的下层模型以新能源机组和常规能源机组最大化自身收益为目标，根据中层模型的市场出清结果，建立机组决策模型，包括：
建立新能源机组竞价模型，满足：
Figure BDA0003561021550000141
其中，EFi,t为第i台新能源机组在交易时段t的总收益；
Figure BDA0003561021550000142
分别表示第i台新能源机组在交易时段t的现货市场收益和绿证市场收益；
其中，可再生能源机组竞价模型的约束条件如下式所示：
Figure BDA0003561021550000143
Figure BDA0003561021550000144
pFi,tmin≤pFi,t≤pFi,tmax；
上式中：
Figure BDA0003561021550000145
和
Figure BDA0003561021550000146
分别表示第i台可再生能源机组在t时刻电力现货市场和绿证市场竞价的最大值和最小值；pFi,tmax和pFi,tmin分别表示第i台可再生能源机组在t时刻出力的最大值和最小值。
建立常规能源机组竞价模型，满足：
Figure BDA0003561021550000147
其中，EGj,t为第j台常规能源机组在交易时段t的总收益；
Figure BDA0003561021550000148
分别表示第j台常规能源机组在交易时段t的现货市场收益和绿证市场收益，通常
Figure BDA0003561021550000149
为负值。
其中，常规能源机组竞价模型的约束条件如下式所示：
Figure BDA00035610215500001410
Figure BDA00035610215500001411
pGj,tmin≤pGj,t≤pGj,tmax
式中：
Figure BDA00035610215500001412
和
Figure BDA00035610215500001413
分别表示第i台可再生能源机组在交易时段t电力现货市场和绿证市场竞价的最大值和最小值；pGj,tmax和pGj,tmin分别表示第i台可再生能源机组在交易时段t出力的最大值和最小值。
需要说明的是，上述中层模型的输出数据作为上层模型的起始数据；下层模型的输出数据作为中层模型的输入数据。
S104、通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果。
上述的KKT条件是对于具有等式和不等式约束的一般优化问题，属于成熟的技术手段，因此本实施例不对KKT条件的原理及优化、转化过程做过多赘述。
请参照图2所示，上述通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果，包括以下步骤：
S1041、将所述下层模型替换为KKT条件，并入所述中层模型；
由于上述的下层模型是一个线性规划问题，他们的Karush-Kuhn-Tucker(KKT)条件是满足模型最优性的充分必要条件，因此，下层模型的两个机组竞价模型可以被替换为他们的KKT条件并入中层模型，从而将原有的三层模型转化为两层优化模型。
S1042、将合并后的所述中层模型替换为KKT条件，并入上层模型，得到单层优化模型；
考虑到上述中层模型中的两个市场出清模型均为线性规划问题，中层模型也可以被替换为其KKT条件，从而将原问题转化为单层优化模型。
S1043、通过求解器对所述单层优化模型求解，得到新能源机组合约覆盖率的预测结果。
综上，用于确定新能源机组合约覆盖率的三层优化模型被转化为一个混合整数线性规划(Mixed-Integer Linear Programming,MILP)问题，本实施例中采用MATLAB环境下的GUROBI商业求解器求解，最终得到新能源机组的合约覆盖率。
实施例二
实施例二公开了一种对应上述实施例的新能源机组合约覆盖率优化方法对应的装置，为上述实施例的虚拟装置结构，请参照图3所示，包括：
210模型构建模块，用于根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型；根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型；根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型；
220结果输出模块，用于通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果。
优选地，所述新能源机组包括两类，第一类为2021年之前建成投产的新能源机组，第二类为2021年以后立项投产的新能源机组。
优选地，所述新能源机组合约覆盖率的计算，满足：
Figure BDA0003561021550000161
其中，γF为新能源机组合约覆盖率；
Figure BDA0003561021550000162
为新能源机组的合约覆盖电量；
Figure BDA0003561021550000163
为新能源机组被允许参与电力现货市场的电量。
实施例三
图4为本发明实施例三提供的一种电子设备的结构示意图，如图4所示，该电子设备包括处理器310、存储器320、输入装置330和输出装置340；计算机设备中处理器310的数量可以是一个或多个，图4中以一个处理器310为例；电子设备中的处理器310、存储器320、输入装置330和输出装置340可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器320作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的新能源机组合约覆盖率优化方法对应的程序指令/模块(例如，新能源机组合约覆盖率优化装置中的模型构建模块210和结果输出模块220)。处理器310通过运行存储在存储器320中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述实施例一的新能源机组合约覆盖率优化方法。
存储器320可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器320可进一步包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的用户身份信息、根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据等。输出装置340可包括显示屏等显示设备。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，该存储介质可用于计算机执行新能源机组合约覆盖率优化方法，该方法包括：
根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型；
根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型；
根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型；
通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是手机，个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述基于新能源机组合约覆盖率优化装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (10)

1.一种新能源机组合约覆盖率优化方法，其特征在于，包括以下步骤：
根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型；
根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型；
根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型；
通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果。
2.如权利要求1所述的新能源机组合约覆盖率优化方法，其特征在于，所述新能源机组包括两类，第一类为2021年之前建成投产的新能源机组，第二类为2021年以后立项投产的新能源机组。
3.如权利要求1所述的新能源机组合约覆盖率优化方法，其特征在于，
根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型，包括：
建立政府财政补贴金额目标函数，满足：
Figure FDA0003561021540000011
其中，fp1为光伏发电得到的政府财政补贴金额；
Figure FDA0003561021540000012
为交易时段t的现货市场价格，是电力现货市场出清数据的一部分；
Figure FDA0003561021540000013
和
Figure FDA0003561021540000014
分别为第一类光伏的差价合约价格以及在交易时段t的预测出力；γp为光伏在决策周期T内的合约覆盖率；
建立机组单位发电利润函数，满足：
Figure FDA0003561021540000021
其中，
Figure FDA0003561021540000022
为第i台光伏在第td时段的单位发电利润，td为单位发电利润的计算周期，
Figure FDA0003561021540000023
为第i台光伏的差价合约价格；
Figure FDA0003561021540000024
和
Figure FDA0003561021540000025
分别为第i台光伏在交易时段t的预测出力和在绿证市场出清电量；Cp表示光伏机组出力成本，
Figure FDA0003561021540000026
表示在t时段绿证市场的出清价格；
建立新能源机组收益公平性衡量目标函数，满足：
Figure FDA0003561021540000027
其中，fp2为光伏的公平性系数，所述公平系数为各交易时段各机组的单位发电收益的平方差；Np为光伏总数；
建立风电机组的目标函数，满足：
Figure FDA0003561021540000028
其中，fw1、fw2分别表示风电机组得到的政府财政补贴金额和公平性系数；
Figure FDA0003561021540000029
分别为风电机组的差价合约价格和交易时段t的预测出力；γw为风电机组在决策周期T内的合约覆盖率；Nw为风电机组总数；
Figure FDA00035610215400000210
为第i台风电机组在第td时段的单位发电利润；
所述上层模型的发电机组出力约束满足：γpmin≤γp≤γpmax，γwmin≤γw≤γwmax；其中，γpmax和γpmin为光伏发电合约覆盖率上、下限；γwmin和γwmax为风电机组合约覆盖率上、下限。
4.如权利要求2和3所述的新能源机组合约覆盖率优化方法，其特征在于，根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型，包括：
交易时段t内，电力现货市场出清模型满足：
Figure FDA0003561021540000031
其中，pDk,t为该市场出清时段中第k个负荷的电力需求；
Figure FDA0003561021540000032
和
Figure FDA0003561021540000033
分别为第i台新能源机组和第j台常规能源机组的市场报价；
Figure FDA0003561021540000034
和
Figure FDA0003561021540000035
分别为第i台新能源机组和第j台常规能源机组的中标电量；ρl,i、ρl,j、ρl,k分别表示新能源机组、常规能源机组和负荷的功率传输分布系数；Pl max表示系统线路的传输功率限额向量；
Figure FDA0003561021540000036
和
Figure FDA0003561021540000037
为常规机组中标电量上、下限；NF、NG分别表示新能源机组和常规能源机组总台数；Nl表示线路支路数；
Figure FDA0003561021540000038
和
Figure FDA0003561021540000039
为新能源机组中标电量上、下限；ND表示负荷数量；
中标电量上限满足：
Figure FDA00035610215400000310
其中，
Figure FDA00035610215400000311
为新能源机组在交易时段t的预测出力电量，γ为新能源机组对应的合约覆盖率，γ≡[γp,γw]；
交易时段t内，绿证交易市场出清模型满足：
Figure FDA0003561021540000041
Figure FDA0003561021540000042
Figure FDA0003561021540000043
Figure FDA0003561021540000044
其中，
Figure FDA0003561021540000045
和
Figure FDA0003561021540000046
分别为第i台新能源机组和第j台常规能源机组的市场报价；
Figure FDA0003561021540000047
和
Figure FDA0003561021540000048
分别为新能源机组的中标绿证数量和中标数量上限，
Figure FDA0003561021540000049
和
Figure FDA00035610215400000410
分别为常规能源机组的中标绿证数量和中标数量上限，其中
Figure FDA00035610215400000411
和
Figure FDA00035610215400000412
对应的新能源机组发电量为
Figure FDA00035610215400000413
和
Figure FDA00035610215400000414
中标绿证数量对应的电量上限满足：
Figure FDA00035610215400000415
其中，
Figure FDA00035610215400000416
和
Figure FDA00035610215400000417
分别表示所述第一类新能源机组和所述第二类新能源机组的绿证中标数量对应的电量上限；
Figure FDA00035610215400000418
和
Figure FDA00035610215400000419
分别表示所述第一类新能源机组和所述第二类新能源机组的预测出力。
5.如权利要求4所述的新能源机组合约覆盖率优化方法，其特征在于，根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型，包括：
建立新能源机组竞价模型，满足：
Figure FDA00035610215400000420
其中，EFi,t为第i台新能源机组在交易时段t的总收益；
Figure FDA00035610215400000421
分别表示第i台新能源机组在交易时段t的现货市场收益和绿证市场收益；
建立常规能源机组竞价模型，满足：
Figure FDA00035610215400000422
其中，EGj,t为第j台常规能源机组在交易时段t的总收益；
Figure FDA00035610215400000423
分别表示第j台常规能源机组在交易时段t的现货市场收益和绿证市场收益。
6.如权利要求1所述的新能源机组合约覆盖率优化方法，其特征在于，通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果，包括以下步骤：
将所述下层模型替换为KKT条件，并入所述中层模型；
将合并后的所述中层模型替换为KKT条件，并入上层模型，得到单层优化模型；
通过求解器对所述单层优化模型求解，得到新能源机组合约覆盖率的预测结果。
7.如权利要求1所述的新能源机组合约覆盖率优化方法，其特征在于，所述新能源机组合约覆盖率的计算，满足：
Figure FDA0003561021540000051
其中，γF为新能源机组合约覆盖率；
Figure FDA0003561021540000052
为新能源机组的合约覆盖电量；
Figure FDA0003561021540000053
为新能源机组被允许参与电力现货市场的电量。
8.一种新能源机组合约覆盖率优化装置，其特征在于，其包括：
模型构建模块，用于根据可再生能源机组预测出力数据、电力现货市场出清数据与绿证市场出清数据，建立上层模型；根据电力现货市场参与机组的报价数据及绿证市场参与机组的报价数据，建立中层模型；根据新能源机组在所述电力现货市场及所述绿证市场的收益数据，建立下层模型；
结果输出模块，用于通过KKT条件对三层模型进行转化，得到新能源机组合约覆盖率的最优结果。
9.一种电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的新能源机组合约覆盖率优化方法。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的新能源机组合约覆盖率优化方法。
CN202210293105.5A 2022-03-23 2022-03-23 新能源机组合约覆盖率优化方法、装置、设备及介质 Pending CN114662757A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210293105.5A CN114662757A (zh) 2022-03-23 2022-03-23 新能源机组合约覆盖率优化方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210293105.5A CN114662757A (zh) 2022-03-23 2022-03-23 新能源机组合约覆盖率优化方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN114662757A true CN114662757A (zh) 2022-06-24

Family

ID=82032196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210293105.5A Pending CN114662757A (zh) 2022-03-23 2022-03-23 新能源机组合约覆盖率优化方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN114662757A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116127758A (zh) * 2023-01-31 2023-05-16 国家电网有限公司华东分部 区域电能量市场交易组织方法、装置及设备
CN116667356A (zh) * 2023-05-29 2023-08-29 南方电网能源发展研究院有限责任公司 发电主体行为控制方法、装置、设备、介质和产品
CN116667356B (zh) * 2023-05-29 2024-06-04 南方电网能源发展研究院有限责任公司 发电主体行为控制方法、装置、设备、介质和产品

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116127758A (zh) * 2023-01-31 2023-05-16 国家电网有限公司华东分部 区域电能量市场交易组织方法、装置及设备
CN116667356A (zh) * 2023-05-29 2023-08-29 南方电网能源发展研究院有限责任公司 发电主体行为控制方法、装置、设备、介质和产品
CN116667356B (zh) * 2023-05-29 2024-06-04 南方电网能源发展研究院有限责任公司 发电主体行为控制方法、装置、设备、介质和产品

Similar Documents

Publication Publication Date Title
Zheng et al. A peer-to-peer energy trading market embedded with residential shared energy storage units
Agnetis et al. Optimization models for consumer flexibility aggregation in smart grids: The ADDRESS approach
Yi et al. Impact of the uncertainty of distributed renewable generation on deregulated electricity supply chain
CN112990568B (zh) 一种综合能源智能交易场景下的区块链共识机制构建方法
Nazari et al. An economy-oriented DG-based scheme for reliability improvement and loss reduction of active distribution network based on game-theoretic sharing strategy
CN113610311A (zh) 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法
Li et al. Medium and long-term electricity market trading strategy considering renewable portfolio standard in the transitional period of electricity market reform in Jiangsu, China
Cui et al. Optimal electricity allocation model under China's planning-market double-track mechanism considering bidding game of generation companies
Heilmann et al. Trading algorithms to represent the wholesale market of energy communities in Norway and England
Syu et al. Call auction-based energy management system with adaptive subsidy and dynamic operating reserve
CN114662757A (zh) 新能源机组合约覆盖率优化方法、装置、设备及介质
An et al. Distributed Online Incentive Scheme for Energy Trading in Multi-Microgrid Systems
Liu et al. Modeling of operating reserve demand curves and system-level price adders in real-time energy-only market
Wang et al. Bidding strategy of the virtual power plant considering green certificates and carbon trading
Wang et al. A risk-averse day-ahead bidding strategy of transactive energy sharing microgrids with data-driven chance constraints
Zhang et al. Shared energy storage-assisted and tolerance-based alliance strategy for wind power generators based on cooperative game and resource dependence theories
Dai et al. An equilibrium model of the electricity market considering the participation of virtual power plants
CN110929978A (zh) 一种电力市场风险评估方法及评估系统
CN110556821A (zh) 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法
Lan et al. Optimal portfolio design of energy storage devices with financial and physical right market
He et al. Optimized shared energy storage in a peer-to-peer energy trading market: Two-stage strategic model regards bargaining and evolutionary game theory
Jin et al. PJM capacity market and Enlightenment to China's capacity market design
Wang et al. Data association load uncertainty and risk aversion in electricity markets with data center participation in the demand response
Liu et al. Optimal bidding strategy of load aggregators for the auxiliary service market of peak shaving and valley filling
Lin et al. Bilevel optimal dispatch model for a peak regulation ancillary service in an industrial park of energy-intensive loads

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