CN114757539A - 一种有序用电方案编制方法、装置、设备和介质 - Google Patents

一种有序用电方案编制方法、装置、设备和介质 Download PDF

Info

Publication number
CN114757539A
CN114757539A CN202210411272.5A CN202210411272A CN114757539A CN 114757539 A CN114757539 A CN 114757539A CN 202210411272 A CN202210411272 A CN 202210411272A CN 114757539 A CN114757539 A CN 114757539A
Authority
CN
China
Prior art keywords
constraint condition
user
cycle
users
load
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
CN202210411272.5A
Other languages
English (en)
Inventor
江学斌
王坤
王锋华
于晓彦
张景涛
殷永亮
应琪
吕诺亚
俞金云
周全
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.)
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Economic and Technological 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 Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210411272.5A priority Critical patent/CN114757539A/zh
Publication of CN114757539A publication Critical patent/CN114757539A/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)

Abstract

本申请提供了一种有序用电方案编制方法、装置、设备和介质，方法包括：获取若干用户的画像数据；以使若干用户的总用电量最大化为目标，建立目标函数；根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件；根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。本申请以尽可能少对若干用户限电为目标建立目标函数，并考虑了表征用户在当前限电周期内的生产用电特性的画像数据来建立约束条件，使得得到的用电量更加合理且公平，并且，考虑生产用电特性使得在有序用电执行期间的产品单耗得以降低。

Description

一种有序用电方案编制方法、装置、设备和介质
技术领域
本申请涉及电气技术领域，特别是涉及一种有序用电方案编制方法、装置、设备和介质。
背景技术
随着用户的用电需求快速增长，需要编制合理的有序用电方案，以在电力供应不足、突发事件等情况下，通过行政措施、经济手段、技术方法，依法控制部分用电需求，维护供用电秩序平稳的管理工作。采取错峰、避峰、轮休、让电、限电等一系列措施，避免无计划拉闸限电，规范用电秩序，将电力供需矛盾给社会和企业用户带来的不利影响降至最低程度。
目前电力部门展开有序用电工作的实际做法是，从便于操作、可靠避峰的角度出发，主要以容量大小作为避峰序位的重要评判依据，提前几个月根据当年的电源和负荷预测结果编制有序用电预案，等到负荷高峰来临时根据缺口大小按照预案中规定的有序用电错峰表，优先安排大客户参与避峰计划。
但是，当前电力部门编制的预案存在主观性较强，缺乏公平性考虑，且电力资源配置效率较低，没有充分考虑行业负荷生产特性、行业内部联动等多种因素，导致企业用户在有序用电执行期间，产品单耗偏高。
发明内容
有鉴于此，本申请提供了一种有序用电方案编制方法、装置、设备和介质，用于解决现有的有序用电方案未考虑公平性且产品单耗偏高的问题，其技术方案如下：
一种有序用电方案编制方法，包括：
获取若干用户的画像数据，其中，任一用户的画像数据用于表征该用户在当前限电周期内的生产用电特性；
以使若干用户的总用电量最大为目标，建立目标函数；
根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件；
根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。
可选的，任一用户的画像数据包括以下数据中的一个或多个：该用户在当前限电周期开始之前的若干时段内的负荷情况、该用户在当前限电周期包含的各时段分别对应的负荷功率上下限值、该用户的最小用电周期，以及该用户的爬坡上限值和滑坡上限值。
可选的，根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件，包括：
根据总用电量上限值，确定目标函数配套的总用电量约束条件；
根据当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的各时段总负荷约束条件；
针对若干用户中的每个用户：
根据该用户的最小用电周期，确定该用户对应的生产周期约束条件；
根据该用户在当前限电周期包含的各时段分别对应的负荷功率上下限值，确定该用户对应的负荷上下限约束条件；
根据该用户的爬坡上限值和滑坡上限值，确定该用户对应的爬坡约束条件；
以得到若干用户分别对应的生产周期约束条件、负荷上下限约束条件和爬坡约束条件，作为目标函数配套的生产周期约束条件、负荷上下限约束条件和爬坡约束条件。
可选的，根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，包括：
对目标函数、总用电量约束条件、各时段总负荷约束条件和爬坡约束条件分别进行线性化处理，得到线性化的目标函数、线性化的总用电量约束条件、线性化的各时段总负荷约束条件和线性化的爬坡约束条件；
结合若干用户在当前限电周期开始之前的若干时段内的负荷情况，对目标函数配套的生产周期约束条件进行线性化处理，得到线性化的生产周期约束条件；
根据线性化的总用电量约束条件、线性化的各时段总负荷约束条件、线性化的爬坡约束条件、线性化的生产周期约束条件和目标函数配套的负荷上下限约束条件，通过目标求解器和/或目标智能算法对线性化的目标函数进行求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。
可选的，目标求解器为Cplex商用求解器，目标智能算法为粒子群算法和/或遗传算法。
一种有序用电方案编制装置，包括：画像数据获取模块、目标函数建立模块、约束条件确定模块和线性求解模块；
画像数据获取模块，用于获取若干用户的画像数据，其中，任一用户的画像数据用于表征该用户在当前限电周期内的生产用电特性；
目标函数建立模块，用于以使若干用户的总用电量最大为目标，建立目标函数；
约束条件确定模块，用于根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件；
线性求解模块，用于根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。
可选的，任一用户的画像数据包括以下数据中的一个或多个：该用户在当前限电周期开始之前的若干时段内的负荷情况、该用户在当前限电周期包含的各时段分别对应的负荷功率上下限值、该用户的最小用电周期，以及该用户的爬坡上限值和滑坡上限值。
可选的，约束条件确定模块，包括：第一约束条件确定子模块、第二约束条件确定子模块、第三约束条件确定子模块、第四约束条件确定子模块和第五约束条件确定子模块；
第一约束条件确定子模块，用于根据总用电量上限值，确定目标函数配套的总用电量约束条件；
第二约束条件确定子模块，用于根据当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的各时段总负荷约束条件；
第三约束条件确定子模块，用于针对若干用户中的每个用户，根据该用户的最小用电周期，确定该用户对应的生产周期约束条件，以得到若干用户分别对应的生产周期约束条件，作为目标函数配套的生产周期约束条件；
第四约束条件确定子模块，用于针对若干用户中的每个用户，根据该用户在当前限电周期包含的各时段分别对应的负荷功率上下限值，确定该用户对应的负荷上下限约束条件，以得到若干用户分别对应的负荷上下限约束条件，作为目标函数配套的负荷上下限约束条件；
第五约束条件确定子模块，用于针对若干用户中的每个用户，根据该用户的爬坡上限值和滑坡上限值，确定该用户对应的爬坡约束条件，以得到若干用户分别对应的爬坡约束条件，作为目标函数配套的爬坡约束条件。
一种有序用电方案编制设备，包括存储器和处理器；
存储器，用于存储程序；
处理器，用于执行程序，实现如上述任一项的有序用电方案编制方法的各个步骤。
一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现如上述任一项的有序用电方案编制方法的各个步骤。
经由上述的技术方案可知，本申请提供的有序用电方案编制方法，首先获取若干用户的画像数据，然后以使若干用户的总用电量最大化为目标，建立目标函数，接着根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件，最后根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。本申请以尽可能少对若干用户限电为目标建立目标函数，并充分考虑了表征用户在当前限电周期内的生产用电特性的画像数据来建立约束条件，使得最终得到的用电量更加合理且公平，并且，考虑了生产用电特性使得在有序用电执行期间的产品单耗得以降低，同时采用线性求解的方式，降低了求解复杂度，提高了求解速度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的有序用电方案编制方法的流程示意图；
图2为本申请实施例提供的有序用电方案编制装置的结构示意图；
图3为本申请实施例提供的有序用电方案编制设备的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
采用现有技术编制有序用电方案，通过调研广泛收集了用户(本申请主要针对企业用户)对当前限电周期的前一限电周期的限电意见后发现，现有的有序用电方案存在用户最低生产用电额度与限电量不匹配，以及用户最小生产周期、用电量与限电周期、限电额度不匹配的情况。
其中，用户最低生产用电额度与限电量不匹配时，由于用户有制冷保供容量需求，在前一限电周期进行有序用电期间，限电额度太低导致企业无法运转，企业损失较大；用户最小生产周期、用电量与限电周期、限电额度不匹配时，企业在限电期间负荷变化太大，企业生产时经常被打断，严重影响企业排工排产，使得短期用能成本较高，导致企业生产工序产业废弃品较多，影响企业产品单耗，降低企业效益。
此外，当前电力部门编制的预案存在主观性较强，缺乏公平性考虑。
鉴于现有技术存在的问题，本案发明人进行了深入研究，最终提出了一种有序用电方案编制方法，接下来通过下述实施例对本申请提供的有序用电方案编制方法进行详细介绍。
请参阅图1，示出了本申请实施例提供的有序用电方案编制方法的流程示意图，该有序用电方案编制方法可以包括：
步骤S101、获取若干用户的画像数据。
其中，任一用户的画像数据用于表征该用户在当前限电周期内的生产用电特性，该生产用电特性能够体现出该用户的差异化用电需求。这里，每个限电周期(比如当前限电周期)包括若干个时段，以一个限电周期为1周，一个时段为1天为例，每个限电周期包括7个时段。
本实施例中的用户具体可以为企业用户。由于企业用户在生产用电时，具有行业负荷生产特性，例如，一些具备惯性、连续性设备的工业企业在产品的生产周期内不能频繁启停，否则会导致产品单耗高等问题，因此，在确定有序用电预案时应当考虑企业用户的行业负荷生产特性。
在本步骤中，可以通过调研对若干用户的生产用电特性进行精准画像，例如，通过调研用户当地供电公司现有各业务系统的数据，对若干用户进行精准画像。由于每个限电周期内的生产用电特性不同，当需要对当前限电周期编制精细用电方案时，可以针对若干用户中的每个用户，获取表征该用户在当前限电周期内的生产用电特性的画像数据。这里，“若干用户”可以为一个用户，也可以为多个用户。
可选的，任一用户的画像数据包括以下数据中的一个或多个：该用户在当前限电周期开始之前的若干时段内的负荷情况、该用户在当前限电周期包含的各时段分别对应的负荷功率上下限值、该用户的最小用电周期，以及该用户的爬坡上限值和滑坡上限值。
其中，“该用户的最小用电周期”是指用户最小的生产周期。由于部分用户在用电时不能频繁启停，只有在运行一段时间后才能停电，因此，可用该最小用电周期表征该用户的生产用电特性。
“该用户在当前限电周期开始之前的若干时段内的负荷情况”用于判断该用户在上一轮限电是哪种用电状态，从而可以结合该用户的最小用电周期确定出当前限电周期的前若干时段处于哪种用电状态。例如，用户A的最小用电周期为5天，且“该用户在当前限电周期开始之前的若干时段内的负荷情况”表征当前限电周期的前一限电周期的最后2天该用户处于用电状态，则当前限电周期的前3天该用户还需要处于用电状态才可以。
“该用户在当前限电周期包含的各时段分别对应的负荷功率上下限值”是指，该用户的各时段负荷都有一定的范围，其上限不能大于变压器和设备容量，下限需保证该用户的最低用电需求。
“该用户的爬坡上限值和滑坡上限值”是指该用户的用电量在相邻时段内的变化量必须满足一定的界限。
需要说明的是，上述画像数据仅为示例，除此之外，画像数据还可以为其他数据，本申请对此不进行具体限定。
综上，本步骤在进行考虑生产用电特性的多约束有序用电方案编制过程之前，充分整合利用当地供电公司现有各业务系统数据资源整理数据，充分考虑了用户的负荷特性，准确描述每个用户的功率上下限值、当前限电周期开始之前的若干时段内的负荷情况、用户最小用电周期、用户的爬坡上限值和滑坡上限值，从而实现了用户生产用电情况的精准画像，为编制精细用电方案过程提供参考依据。
步骤S102、以使若干用户的总用电量最大为目标，建立目标函数。
本案发明人借鉴了电力系统机组组合日前调度模型(Unit Commitment，UC)的建模和求解思路后，提供了一种有序用电多约束负荷最优组合模型。
本步骤用于为有序用电多约束负荷最优组合模型建立目标函数。从社会效益角度，所建立的有序用电负荷组合问题的目标函数为最大化所有用户的用电量，即尽可能少对用户限电，基于此，可选的，本步骤建立的目标函数可以描述为：
Figure BDA0003604182960000071
式中，F为若干用户的总用电量，S为若干用户的集合，T为当前限电周期包含的时段总数，Ii(t)表示用户i在时段t的用电状态，其中，0表示用户停电，1表示用户用电，Pi(t)表示用户i在时段t的负荷功率。
步骤S103、根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件。
本步骤用于为有序用电多约束负荷最优组合模型设置目标函数配套的约束条件。
可选的，本步骤“根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件”的过程包括：
步骤a1、根据总用电量上限值，确定目标函数配套的总用电量约束条件。
调度机构或上级部门为所有用户(即上述若干用户)的总用电量制定了总用电量上限值，在本步骤中，总用电量约束条件为所有用户的总用电量不能超过制定的总用电量上限值，这是短期权配置、限电的核心出发点。
可选的，本步骤确定出的总用电量约束条件可以描述为：
Figure BDA0003604182960000081
式中，Dall为总用电量上限值。
步骤a2、根据当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的各时段总负荷约束条件。
调度机构或上级部门制定了当前限电周期包含的每个时段的系统目标负荷曲线(即总负荷上限值)，在本步骤中，每个时段均对应有一个总负荷约束条件，一时段对应的总负荷约束条件为该时段的总负荷不能超过该时段的总负荷上限值的一定限度，否则即使完成总限电量目标，限电仍然是失败的。
可选的，本步骤确定出的各时段总负荷约束条件可以描述为：
Figure BDA0003604182960000082
式中，D(t)表示时段t的总负荷上限值，R为不能大于D(t)的最大比例。
需要说明的是，上述R值具体可以根据实际情况进行确定，本申请对此不进行限定，例如，R可以设置为110％。
步骤a3、针对若干用户中的每个用户，根据该用户的最小用电周期，确定该用户对应的生产周期约束条件；以得到若干用户分别对应的生产周期约束条件，作为目标函数配套的生产周期约束条件。
生产周期约束条件主要是针对具备惯性、连续性设备的工业企业用户来说的，通过设置生产周期约束条件使得这部分用户在用电时，不会在未达到最小生产周期时就断电，从而降低了产品单耗。
在本步骤中，每个用户均对应有一个生产周期约束条件，一用户对应的生产周期约束条件为该用户在用电时不能频繁启停，只有在连续运行最小用电周期后才能停电。
可选的，本步骤确定出的生产周期约束条件可以描述为：
Figure BDA0003604182960000091
式中，
Figure BDA0003604182960000092
表示用户i在时段t时已经连续运行的时间，Ti on表示用户i的最小用电周期。
步骤a4、针对若干用户中的每个用户，根据该用户在当前限电周期包含的各时段分别对应的负荷功率上下限值，确定该用户对应的负荷上下限约束条件；以得到若干用户分别对应的负荷上下限约束条件，作为目标函数配套的负荷上下限约束条件。
在本步骤中，每个用户的每个时段对应的负荷都有一定范围，其中，一时段对应的负荷功率上限值为变压器和设备容量，负荷功率下限值为用户最低用电需求。
需要说明的是，针对若干用户中的每个用户来说，当前限电周期包含的每个时段均对应有负荷上下限值和负荷上下限约束条件，也就是说，本步骤确定出的一用户对应的负荷上下限约束条件的数量与当前限电周期包含的时段总数相同。
可选的，本步骤确定出的负荷上下限约束条件可以描述为：
Ii(t)Pimin(t)≤Pi(t)≤Ii(t)Pimax(t),i∈S,t∈T
式中，Pimin(t)表示用户i在时段t对应的负荷功率下限值、Pimax(t)分别表示用户i在时段t对应的负荷功率上限值。
步骤a5、针对若干用户中的每个用户，根据该用户的爬坡上限值和滑坡上限值，确定该用户对应的爬坡约束条件；以得到若干用户分别对应的爬坡约束条件，作为目标函数配套的爬坡约束条件。
爬坡约束条件(也可以称为滑坡约束条件)的设置时由于部分用户在用电时倾向于负荷缓降，中断或骤降对其影响较大。在本步骤中，爬坡约束为动态约束，一用户对应的爬坡约束条件为该用户的负荷在相邻时段内的变化量必须满足一定的界限，这里，该界限由爬坡上限值和滑坡上限值确定。
可选的，本步骤确定出的爬坡约束条件可以描述为：
Figure BDA0003604182960000101
式中，URi表示用户i的爬坡上限值，DRi表示用户i的滑坡上限值。
经由上述步骤S102和步骤S103即完成建模过程，由于建立的有序用电多约束负荷最优组合模型包含了尽可能少对用户限电的目标函数以及多约束条件，从而多约束负荷最优组合模型可在满足企业个性化需求前提下，实现现有限电安排下最好的综合效益。
步骤S104、根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。
借鉴UC模型的求解方法，本步骤可以根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。
可选的，本步骤“根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解”的过程包括：
步骤b1、对目标函数、总用电量约束条件、各时段总负荷约束条件和爬坡约束条件分别进行线性化处理，得到线性化的目标函数、线性化的总用电量约束条件、线性化的各时段总负荷约束条件和线性化的爬坡约束条件。
由于Ii(t)和Pi(t)为一一对应的关系，即当Ii(t)为0时，Pi(t)也为0，当Ii(t)为1时，Pi(t)为大于0的数值，也即，无论Ii(t)为0或1，Ii(t)Pi(t)＝Pi(t)总是成立的，据此，可以对目标函数、总用电量约束条件、各时段总负荷约束条件和爬坡约束条件分别进行线性化处理。
其中，对目标函数
Figure BDA0003604182960000102
(非凸)进行线性化处理后，得到的线性化的目标函数为：
Figure BDA0003604182960000103
对总用电量约束条件进行线性化处理后，得到的线性化的总用电量约束条件为：
Figure BDA0003604182960000104
对各时段总负荷约束条件进行线性化处理后，得到的线性化的各时段总负荷约束条件为：
Figure BDA0003604182960000111
对爬坡约束条件进行线性化处理后，得到的线性化的爬坡约束条件为：URi≥Pi(t)-Pi(t-1)≥-DRi,i∈S,t＝1,...,T。由于步骤a4确定出的负荷上下限约束条件可以保证Pi(t)的非负性，因此，该线性化后的爬坡约束条件可以保证用户功率在相邻时段内的差值在爬坡上限值和滑坡上限值之间。
步骤b2、结合若干用户在当前限电周期开始之前的若干时段内的负荷情况，对目标函数配套的生产周期约束条件进行线性化处理，得到线性化的生产周期约束条件。
如前述步骤S101中的介绍，对于若干用户中的每个用户(以用户i为例)来说，根据该用户i在当前限电周期开始之前的若干时段内的负荷情况，以及该用户i的最小用电周期，可以确定出该用户i在当前限电周期的前若干时段的用电状态。
考虑到存在用户i在当前限电周期的前一限电周期的最后时段处于用电状态的情况，本步骤定义Ui为用户i在当前限电周期开始阶段必须用电的时段，基于Ui，将生产周期约束条件线性化为三个生产周期约束条件。
其中，第一个线性化的生产周期约束条件为：
Ii(t)＝1,i∈S,t＝1,...,Ui
该第一个线性化的生产周期约束条件表示用户i在当前限电周期的前Ui时段必须用电。
第二个线性化的生产周期约束条件为：
Figure BDA0003604182960000112
式中，
Figure BDA0003604182960000113
表示从时段t开始的Ti on个时段的用户用电状态的和。
该第二个线性化的生产周期约束条件保证用户i在当前限电周期包含的所有可能连续的时间段里必须满足最小用电周期约束。值得注意的是，[Ii(t)-Ii(t-1)]只有0(t时段和t-1时段均用电或均停电)、-1(t-1时段用电，t时段停电)和1(t-1时段停电，t时段用电)这三种取值，若取值为0或者-1，第二个线性化的生产周期约束条件肯定成立，因此，第二个线性化的生产周期约束条件主要约束t-1时段停电且t时段用电时的情况，在该情况下，只有t时段至
Figure BDA0003604182960000121
时段均用电，才可满足最小用电周期的要求。
第三个线性化的生产周期约束条件为：
Figure BDA0003604182960000122
该第三个线性化的生产周期约束条件保证用户i在T-Ti on+2至当前限电周期结束这个时段，若出现用电，则需要一直保持用电至当前限电周期结束。值得注意的是，若[Ii(t)-Ii(t-1)]取值为0(t时段和t-1时段均用电或均停电)或者-1(t-1时段用电，t时段停电)，第三个线性化的生产周期约束条件肯定成立，当[Ii(t)-Ii(t-1)]取值为1(t-1时段停电，t时段用电)时，第三个线性化的生产周期约束条件表示t时段之后的状态都必须为用电，才能使不等式成立。
步骤b3、根据线性化的总用电量约束条件、线性化的各时段总负荷约束条件、线性化的爬坡约束条件、线性化的生产周期约束条件和目标函数配套的负荷上下限约束条件，通过目标求解器和/或目标智能算法对线性化的目标函数进行求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。
这里，每个用户在当前限电周期包含的各时段分别对应的用电量也即上述Pi(t)。
值得注意的是，由于Ii(t)和Pi(t)一一对应，当本步骤确定出Pi(t)后，也就相当于确定出了Ii(t)。
可选的，目标求解器可以为Cplex商用求解器，目标智能算法可以为粒子群算法(PSO)和/或遗传算法(GA)。
本申请提供的有序用电方案编制方法，首先获取若干用户的画像数据，然后以使若干用户的总用电量最大化为目标，建立目标函数，接着根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件，最后根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。本申请以尽可能少对若干用户限电为目标建立目标函数，并充分考虑了表征用户在当前限电周期内的生产用电特性的画像数据来建立约束条件，使得最终得到的用电量更加合理且公平，并且，考虑了生产用电特性使得在有序用电执行期间的产品单耗得以降低，同时采用线性求解的方式，降低了求解复杂度，提高了求解速度。
本申请在进行方案编制时考虑以“总量实时受控、便于排工排产、产品单耗影响小”为原则，推进有序用电精细化、差异化管理，更加有针对性决策方案，获得最好的综合效益。构建科学精细、安全精益的编制策略，推动电力需求侧管理向精细化、柔性化、市场化发展，构建“精细用电”新模式。方案编制后通过对企业、政府进行调研回访，方案执行后预估在经济、环境、社会等三方面产生极大效益。
本申请实施例还提供了一种有序用电方案编制装置，下面对本申请实施例提供的有序用电方案编制装置进行描述，下文描述的有序用电方案编制装置与上文描述的有序用电方案编制方法可相互对应参照。
请参阅图2，示出了本申请实施例提供的有序用电方案编制装置的结构示意图，如图2所示，该有序用电方案编制装置可以包括：画像数据获取模块201、目标函数建立模块202、约束条件确定模块203和线性求解模块204。
画像数据获取模块201，用于获取若干用户的画像数据，其中，任一用户的画像数据用于表征该用户在当前限电周期内的生产用电特性。
目标函数建立模块202，用于以使若干用户的总用电量最大为目标，建立目标函数。
约束条件确定模块203，用于根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件。
线性求解模块204，用于根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。
本申请提供的有序用电方案编制装置，首先画像数据获取模块获取若干用户的画像数据，然后目标函数建立模块以使若干用户的总用电量最大化为目标，建立目标函数，接着约束条件确定模块根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件，最后线性求解模块根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。本申请以尽可能少对若干用户限电为目标建立目标函数，并充分考虑了表征用户在当前限电周期内的生产用电特性的画像数据来建立约束条件，使得最终得到的用电量更加合理且公平，并且，考虑了生产用电特性使得在有序用电执行期间的产品单耗得以降低，同时采用线性求解的方式，降低了求解复杂度，提高了求解速度。
在一种可能的实现方式中，任一用户的画像数据包括以下数据中的一个或多个：该用户在当前限电周期开始之前的若干时段内的负荷情况、该用户在当前限电周期包含的各时段分别对应的负荷功率上下限值、该用户的最小用电周期，以及该用户的爬坡上限值和滑坡上限值。
在一种可能的实现方式中，上述约束条件确定模块203可以包括：第一约束条件确定子模块、第二约束条件确定子模块、第三约束条件确定子模块、第四约束条件确定子模块和第五约束条件确定子模块。
其中，第一约束条件确定子模块，用于根据总用电量上限值，确定目标函数配套的总用电量约束条件。
第二约束条件确定子模块，用于根据当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的各时段总负荷约束条件。
第三约束条件确定子模块，用于针对若干用户中的每个用户，根据该用户的最小用电周期，确定该用户对应的生产周期约束条件，以得到若干用户分别对应的生产周期约束条件，作为目标函数配套的生产周期约束条件。
第四约束条件确定子模块，用于针对若干用户中的每个用户，根据该用户在当前限电周期包含的各时段分别对应的负荷功率上下限值，确定该用户对应的负荷上下限约束条件，以得到若干用户分别对应的负荷上下限约束条件，作为目标函数配套的负荷上下限约束条件。
第五约束条件确定子模块，用于针对若干用户中的每个用户，根据该用户的爬坡上限值和滑坡上限值，确定该用户对应的爬坡约束条件，以得到若干用户分别对应的爬坡约束条件，作为目标函数配套的爬坡约束条件。
在一种可能的实现方式中，上述线性求解模块204可以包括：第一线性化处理子模块、第二线性化处理子模块和线性求解子模块。
其中，第一线性化处理子模块，用于对目标函数、总用电量约束条件、各时段总负荷约束条件和爬坡约束条件分别进行线性化处理，得到线性化的目标函数、线性化的总用电量约束条件、线性化的各时段总负荷约束条件和线性化的爬坡约束条件。
第二线性化处理子模块，用于结合若干用户在当前限电周期开始之前的若干时段内的负荷情况，对目标函数配套的生产周期约束条件进行线性化处理，得到线性化的生产周期约束条件。
线性求解子模块，用于根据线性化的总用电量约束条件、线性化的各时段总负荷约束条件、线性化的爬坡约束条件、线性化的生产周期约束条件和目标函数配套的负荷上下限约束条件，通过目标求解器和/或目标智能算法对线性化的目标函数进行求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。
在一种可能的实现方式中，上述目标求解器为Cplex商用求解器，目标智能算法为粒子群算法和/或遗传算法。
本申请实施例还提供了一种有序用电方案编制设备。可选的，图3示出了有序用电方案编制设备的硬件结构框图，参照图3，该有序用电方案编制设备的硬件结构可以包括：至少一个处理器301，至少一个通信接口302，至少一个存储器303和至少一个通信总线304；
在本申请实施例中，处理器301、通信接口302、存储器303、通信总线304的数量为至少一个，且处理器301、通信接口302、存储器303通过通信总线304完成相互间的通信；
处理器301可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器303可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
其中，存储器303存储有程序，处理器301可调用存储器303存储的程序，所述程序用于：
获取若干用户的画像数据，其中，任一用户的画像数据用于表征该用户在当前限电周期内的生产用电特性；
以使若干用户的总用电量最大为目标，建立目标函数；
根据画像数据、总用电量上限值和当前限电周期包含的每个时段的总负荷上限值，确定目标函数配套的约束条件；
根据目标函数配套的约束条件和画像数据，对目标函数进行线性求解，得到若干用户在当前限电周期包含的各时段分别对应的用电量。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述有序用电方案编制方法。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
最后，还需要说明的是，在本文中，诸如和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种有序用电方案编制方法，其特征在于，包括：
获取若干用户的画像数据，其中，任一用户的画像数据用于表征该用户在当前限电周期内的生产用电特性；
以使所述若干用户的总用电量最大为目标，建立目标函数；
根据所述画像数据、总用电量上限值和所述当前限电周期包含的每个时段的总负荷上限值，确定所述目标函数配套的约束条件；
根据所述目标函数配套的约束条件和所述画像数据，对所述目标函数进行线性求解，得到所述若干用户在所述当前限电周期包含的各时段分别对应的用电量。
2.根据权利要求1所述的有序用电方案编制方法，其特征在于，任一用户的画像数据包括以下数据中的一个或多个：该用户在所述当前限电周期开始之前的若干时段内的负荷情况、该用户在所述当前限电周期包含的各时段分别对应的负荷功率上下限值、该用户的最小用电周期，以及该用户的爬坡上限值和滑坡上限值。
3.根据权利要求2所述的有序用电方案编制方法，其特征在于，所述根据所述画像数据、总用电量上限值和所述当前限电周期包含的每个时段的总负荷上限值，确定所述目标函数配套的约束条件，包括：
根据所述总用电量上限值，确定所述目标函数配套的总用电量约束条件；
根据当前限电周期包含的每个时段的总负荷上限值，确定所述目标函数配套的各时段总负荷约束条件；
针对所述若干用户中的每个用户：
根据该用户的最小用电周期，确定该用户对应的生产周期约束条件；
根据该用户在所述当前限电周期包含的各时段分别对应的负荷功率上下限值，确定该用户对应的负荷上下限约束条件；
根据该用户的爬坡上限值和滑坡上限值，确定该用户对应的爬坡约束条件；
以得到所述若干用户分别对应的生产周期约束条件、负荷上下限约束条件和爬坡约束条件，作为所述目标函数配套的生产周期约束条件、负荷上下限约束条件和爬坡约束条件。
4.根据权利要求3所述的有序用电方案编制方法，其特征在于，所述根据所述目标函数配套的约束条件和所述画像数据，对所述目标函数进行线性求解，包括：
对所述目标函数、所述总用电量约束条件、所述各时段总负荷约束条件和所述爬坡约束条件分别进行线性化处理，得到线性化的目标函数、线性化的总用电量约束条件、线性化的各时段总负荷约束条件和线性化的爬坡约束条件；
结合所述若干用户在所述当前限电周期开始之前的若干时段内的负荷情况，对所述目标函数配套的生产周期约束条件进行线性化处理，得到线性化的生产周期约束条件；
根据所述线性化的总用电量约束条件、所述线性化的各时段总负荷约束条件、所述线性化的爬坡约束条件、所述线性化的生产周期约束条件和所述目标函数配套的负荷上下限约束条件，通过目标求解器和/或目标智能算法对所述线性化的目标函数进行求解，得到所述若干用户在所述当前限电周期包含的各时段分别对应的用电量。
5.根据权利要求4所述的有序用电方案编制方法，其特征在于，所述目标求解器为Cplex商用求解器，所述目标智能算法为粒子群算法和/或遗传算法。
6.一种有序用电方案编制装置，其特征在于，包括：画像数据获取模块、目标函数建立模块、约束条件确定模块和线性求解模块；
所述画像数据获取模块，用于获取若干用户的画像数据，其中，任一用户的画像数据用于表征该用户在当前限电周期内的生产用电特性；
所述目标函数建立模块，用于以使所述若干用户的总用电量最大为目标，建立目标函数；
所述约束条件确定模块，用于根据所述画像数据、总用电量上限值和所述当前限电周期包含的每个时段的总负荷上限值，确定所述目标函数配套的约束条件；
所述线性求解模块，用于根据所述目标函数配套的约束条件和所述画像数据，对所述目标函数进行线性求解，得到所述若干用户在所述当前限电周期包含的各时段分别对应的用电量。
7.根据权利要求6所述的有序用电方案编制装置，其特征在于，任一用户的画像数据包括以下数据中的一个或多个：该用户在所述当前限电周期开始之前的若干时段内的负荷情况、该用户在所述当前限电周期包含的各时段分别对应的负荷功率上下限值、该用户的最小用电周期，以及该用户的爬坡上限值和滑坡上限值。
8.根据权利要求7所述的有序用电方案编制装置，其特征在于，所述约束条件确定模块，包括：第一约束条件确定子模块、第二约束条件确定子模块、第三约束条件确定子模块、第四约束条件确定子模块和第五约束条件确定子模块；
所述第一约束条件确定子模块，用于根据所述总用电量上限值，确定所述目标函数配套的总用电量约束条件；
所述第二约束条件确定子模块，用于根据当前限电周期包含的每个时段的总负荷上限值，确定所述目标函数配套的各时段总负荷约束条件；
所述第三约束条件确定子模块，用于针对所述若干用户中的每个用户，根据该用户的最小用电周期，确定该用户对应的生产周期约束条件，以得到所述若干用户分别对应的生产周期约束条件，作为所述目标函数配套的生产周期约束条件；
所述第四约束条件确定子模块，用于针对所述若干用户中的每个用户，根据该用户在所述当前限电周期包含的各时段分别对应的负荷功率上下限值，确定该用户对应的负荷上下限约束条件，以得到所述若干用户分别对应的负荷上下限约束条件，作为所述目标函数配套的负荷上下限约束条件；
所述第五约束条件确定子模块，用于针对所述若干用户中的每个用户，根据该用户的爬坡上限值和滑坡上限值，确定该用户对应的爬坡约束条件，以得到所述若干用户分别对应的爬坡约束条件，作为所述目标函数配套的爬坡约束条件。
9.一种有序用电方案编制设备，其特征在于，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1～5任一项所述的有序用电方案编制方法的各个步骤。
10.一种可读存储介质，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，实现如权利要求1～5任一项所述的有序用电方案编制方法的各个步骤。
CN202210411272.5A 2022-04-19 2022-04-19 一种有序用电方案编制方法、装置、设备和介质 Pending CN114757539A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210411272.5A CN114757539A (zh) 2022-04-19 2022-04-19 一种有序用电方案编制方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210411272.5A CN114757539A (zh) 2022-04-19 2022-04-19 一种有序用电方案编制方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN114757539A true CN114757539A (zh) 2022-07-15

Family

ID=82330258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210411272.5A Pending CN114757539A (zh) 2022-04-19 2022-04-19 一种有序用电方案编制方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN114757539A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115952918A (zh) * 2023-02-03 2023-04-11 国网江苏省电力有限公司营销服务中心 用于新型电力负荷管理的有序用电方案生成方法和系统
CN116402319A (zh) * 2023-06-08 2023-07-07 浙江浙达能源科技有限公司 一种面向多轮限电的有序用电自动编制方法、介质及设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115952918A (zh) * 2023-02-03 2023-04-11 国网江苏省电力有限公司营销服务中心 用于新型电力负荷管理的有序用电方案生成方法和系统
CN116402319A (zh) * 2023-06-08 2023-07-07 浙江浙达能源科技有限公司 一种面向多轮限电的有序用电自动编制方法、介质及设备
CN116402319B (zh) * 2023-06-08 2023-09-05 浙江浙达能源科技有限公司 一种面向多轮限电的有序用电自动编制方法、介质及设备

Similar Documents

Publication Publication Date Title
CN106712005B (zh) 一种计及需求响应的电网安全优化调度方法
CN114757539A (zh) 一种有序用电方案编制方法、装置、设备和介质
CN112234638B (zh) 基于负荷侧智能充电桩集群控制的电网调峰系统和方法
Zhong et al. Energy-saving generation dispatch toward a sustainable electric power industry in China
CN109617099B (zh) 一种虚拟储能协调控制系统及其方法
CN102655330A (zh) 一种新能源电力系统及方法
CN105978022B (zh) 实现电网用户自动需求响应的控制系统及控制方法
CN104319777A (zh) 一种需求侧负荷柔性控制方法
CN116111597A (zh) 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备
CN115459258A (zh) 一种基于配电自动化的负荷精准调控方法及系统
CN110492486B (zh) 可提升配电网电压合格率的10kV母线电压优化方法、系统及介质
CN202004468U (zh) 一种新能源电力系统
CN114580919A (zh) 多场景两阶段需求响应资源优化调度方法、装置及设备
CN102447273A (zh) 一种终端的供电方法及终端
CN116646987A (zh) 多资源协同调度方法、装置、设备及存储介质
CN106530138A (zh) 用电避峰调度方法和装置
CN113657760B (zh) 基于工业企业资源池的削峰填谷联动需求响应方法及装置
CN115425688A (zh) 分布式智能有序用电控制分析方法、系统、终端及介质
Lee et al. Fast scheduling policy for electric vehicle charging stations in smart transportation
CN115130885A (zh) 电力需求侧管理交替优化方法、装置、设备及介质
Wang et al. Flexible load regulation margin evaluation method considering virtual energy storage characteristics
CN111582664A (zh) 一种基于toc关键链的项目管理方法
CN117175587B (zh) 考虑柔性负荷的配电网调度优化方法、系统、终端及介质
Chang et al. Research on Nearby Consumption of Renewable Energy and Electric Power User Matching Method Based on Energy Blockchain Technology
CN118381075B (zh) 一种高效用电与储能电网的静态转换系统

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