CN115330280A - 聚合负荷中空调负荷需求响应可调潜力评估方法及系统 - Google Patents

聚合负荷中空调负荷需求响应可调潜力评估方法及系统 Download PDF

Info

Publication number
CN115330280A
CN115330280A CN202211256575.0A CN202211256575A CN115330280A CN 115330280 A CN115330280 A CN 115330280A CN 202211256575 A CN202211256575 A CN 202211256575A CN 115330280 A CN115330280 A CN 115330280A
Authority
CN
China
Prior art keywords
air conditioner
load
air
conditioning
establishing
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
Application number
CN202211256575.0A
Other languages
English (en)
Other versions
CN115330280B (zh
Inventor
梁波
李函奇
解磊
张海静
王旭东
王所钺
刘霄慧
孙小斌
杨洋
陆媛
应辰浩
王予希
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.)
Marketing Service Center of State Grid Shandong Electric Power Co Ltd
Original Assignee
Marketing Service Center of State Grid Shandong 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 Marketing Service Center of State Grid Shandong Electric Power Co Ltd filed Critical Marketing Service Center of State Grid Shandong Electric Power Co Ltd
Priority to CN202211256575.0A priority Critical patent/CN115330280B/zh
Publication of CN115330280A publication Critical patent/CN115330280A/zh
Application granted granted Critical
Publication of CN115330280B publication Critical patent/CN115330280B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0631—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
    • 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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提出聚合负荷中空调负荷需求响应可调潜力评估方法及系统，属于空调负荷技术领域。包括以下步骤：建立空调负荷总量评估模型，对空调负荷总量进行评估，获取空调负荷总量曲线；建立一阶等效热参数模型，获得单个空调房间的机理模型；基于单个空调房间的机理模型，建立双层分组轮控的空调集群结构和空调集群控制策略；基于双层分组轮控的空调集群控制策略，对空调集群进行仿真实验，获取仿真结果；在仿真结果的基础上，得到空调负荷可控比例系数；计算空调负荷总量和空调负荷可控比例系数的乘积，得到聚合负荷中实际可控的空调负荷需求响应量。本发明将统计分析与机理建模相结合，使得方法在分析精度与模型的泛化性两方面达到平衡。

Description

聚合负荷中空调负荷需求响应可调潜力评估方法及系统
技术领域
本发明属于空调负荷领域，尤其涉及聚合负荷中空调负荷需求响应可调潜力评估方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
面对日益严峻的电力供需不平衡问题，仅仅依靠电源侧的调节对于电网的稳定安全运行不利，因此，负荷侧以需求响应（DR, Demand Response）形式积极参与电网运行调度中，其资源管理受到越来越多的重视，主动性与角色地位不断提升。现有研究不断证明，柔性负荷具有较大的需求响应潜力，在地区用电负荷和新能源渗透率不断攀升的情况下，柔性负荷将发展为满足电网调控需求和支撑电网安全稳定运行的中坚力量。为了确保电网安全有效运行，开发负荷侧的柔性负荷调节能力势在必行。
随着电力市场建设的发展，众多中小负荷通过负荷聚合商代理参与需求响应。由于其中的空调负荷体量巨大，尤其夏季降温负荷在高峰负荷中占比30%-50%，因此值得重点关注。
空调作为室内热负荷，其所属建筑具有热储存能力，空调负荷（ACLs, AirConditioning Loads）所属建筑环境的热惯性特点能够在保证用户舒适度处于一定范围的前提下实现功率调整，已成为电力系统重要的需求响应资源。对空调负荷需求响应的可调潜力进行评估，能够获得在需求响应事件中对配网区域空调集群进行温度控制所能达到的最大降负荷能力，对于电力系统开展调度控制具有重要意义。
发明人发现，现有的对空调负荷的研究中，主要分为两类研究，一类是对于空调负荷总量的分析，目前主要采用时间序列法、相关性分析和回归分析等方法，在不考虑空调模型具体参数的情况下进行统计分析。其中时间序列法应用广泛，主要有关注日最大降温负荷对日负荷峰值影响的最大负荷比较法，以及关注日降温负荷随时间变化的整体规律特性的基准负荷分析法（Base Load Analysis, BSA）。但是该类研究只能分析空调负荷的总量，没有关注其中可调节潜力的大小，也没有关注到空调所在建筑物的热惯性特点，因此精确度不足。
另一类研究主要是通过结合热物理与电气知识分析建筑对空调负荷的影响，这类研究中多使用较为详细的模型，从而较为准确地分析空调负荷的可调节潜力。然而，该类研究的模型通常比较复杂，所需参数较多，模型的泛化能力较差。
由此可见，现有技术中，针对空调负荷的研究在泛化能力和精确度之间缺乏平衡。
发明内容
为克服上述现有技术的不足，本发明提供了聚合负荷中空调负荷需求响应可调潜力评估方法及系统，针对聚合负荷中空调负荷需求响应的可调节潜力进行分析，在基准负荷分析法中综合考虑气象和经济等多种因素以整体把握空调负荷总量，并基于空调负荷的机理模型结合参与需求响应时的控制策略得到可控容量占比，在保证较高的分析精度的前提下，使得模型具有较好的泛化能力。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
本发明第一方面提供了聚合负荷中空调负荷需求响应可调潜力评估方法。
聚合负荷中空调负荷需求响应可调潜力评估方法，包括以下步骤：
建立空调负荷总量评估模型，对空调负荷总量进行评估，获取空调负荷总量曲线；
建立一阶等效热参数模型，获得单个空调房间的机理模型；
基于单个空调房间的机理模型，建立双层分组轮控的空调集群结构，基于双层分组轮控的空调集群结构建立双层分组轮控的空调集群控制策略；
基于双层分组轮控的空调集群控制策略，对空调集群进行仿真实验，获取仿真结果；
在仿真结果的基础上，考虑设定误差区间，得到空调负荷可控比例系数；
计算空调负荷总量和空调负荷可控比例系数的乘积，得到聚合负荷中实际可控的空调负荷需求响应量；
双层分组轮控的空调集群结构，具体为：
设定聚合商共管理
Figure 100002_DEST_PATH_IMAGE001
台空调，分为双层，第一层中分为
Figure 168483DEST_PATH_IMAGE002
个小组，
Figure 213800DEST_PATH_IMAGE002
个小组的空 调分别编号为
Figure 100002_DEST_PATH_IMAGE003
；第二层中，对应于
Figure 795960DEST_PATH_IMAGE004
分组中的空调编号为
Figure 100002_DEST_PATH_IMAGE005
, 对应于
Figure 282436DEST_PATH_IMAGE006
分组中的空调编号为
Figure 100002_DEST_PATH_IMAGE007
,…对应于
Figure 557428DEST_PATH_IMAGE008
分组中的空调编号为
Figure 100002_DEST_PATH_IMAGE009
。
本发明第二方面提供了聚合负荷中空调负荷需求响应可调潜力评估系统。
聚合负荷中空调负荷需求响应可调潜力评估系统，包括：
空调负荷总量曲线获取模块，被配置为：建立空调负荷总量评估模型，对空调负荷总量进行评估，获取空调负荷总量曲线；
单个空调房间的机理模型建立模块，被配置为：建立一阶等效热参数模型，获得单个空调房间的机理模型；
空调集群控制策略建立模块，被配置为：基于单个空调房间的机理模型，建立双层分组轮控的空调集群结构，基于双层分组轮控的空调集群结构建立双层分组轮控的空调集群控制策略；
仿真结果获取模块，被配置为：基于双层分组轮控的空调集群控制策略，对空调集群进行仿真实验，获取仿真结果；
空调负荷可控比例系数获取模块，被配置为：在仿真结果的基础上，考虑设定误差区间，得到空调负荷可控比例系数；
空调负荷需求响应量获取模块，被配置为：计算空调负荷总量和空调负荷可控比例系数的乘积，得到聚合负荷中实际可控的空调负荷需求响应量；
双层分组轮控的空调集群结构，具体为：
设定聚合商共管理
Figure 762145DEST_PATH_IMAGE010
台空调，分为双层，第一层中分为
Figure 147995DEST_PATH_IMAGE002
个小组，
Figure 551295DEST_PATH_IMAGE002
个小组的空 调分别编号为
Figure 747921DEST_PATH_IMAGE003
；第二层中，对应于
Figure 100002_DEST_PATH_IMAGE011
分组中的空调编号为
Figure 502250DEST_PATH_IMAGE005
, 对应于
Figure 426213DEST_PATH_IMAGE006
分组中的空调编号为
Figure 949598DEST_PATH_IMAGE007
,…对应于
Figure 317126DEST_PATH_IMAGE008
分组中的空调编号为
Figure 293172DEST_PATH_IMAGE012
。
以上一个或多个技术方案存在以下有益效果：
本发明提出了聚合负荷中空调负荷需求响应可调潜力评估方法及系统，所提方法将统计分析与机理建模相结合：在对空调负荷总量进行分析评估时，使用统计分析的方法，使得模型具有较好的泛化能力；在确定空调负荷可控比例方面，使用一节等效热参数模型得到单个空调房间的机理模型，使得方法具有较高的分析精度。本发明将统计分析与机理建模相结合，使得方法在分析精度与模型的泛化性两方面达到平衡。
本发明附加方面的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，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为第一个实施例的方法流程图。
图2为第一个实施例一阶ETP模型结构示意图。
图3为第一个实施例空调集群双层分组轮控结构示意图。
图4为第二个实施例的系统结构图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了聚合负荷中空调负荷需求响应可调潜力评估方法。
如图1所示，聚合负荷中空调负荷需求响应可调潜力评估方法，包括以下步骤：
建立空调负荷总量评估模型，对空调负荷总量进行评估，获取空调负荷总量曲线；
建立一阶等效热参数模型，获得单个空调房间的机理模型；
基于单个空调房间的机理模型，建立双层分组轮控的空调集群结构，基于双层分组轮控的空调集群结构建立双层分组轮控的空调集群控制策略；
基于双层分组轮控的空调集群控制策略，对空调集群进行仿真实验，获取仿真结果；
在仿真结果的基础上，考虑设定误差区间，得到空调负荷可控比例系数；
计算空调负荷总量和空调负荷可控比例系数的乘积，得到聚合负荷中实际可控的空调负荷需求响应量；
双层分组轮控的空调集群结构，具体为：
设定聚合商共管理
Figure 20825DEST_PATH_IMAGE010
台空调，分为双层，第一层中分为
Figure 664296DEST_PATH_IMAGE002
个小组，
Figure 999463DEST_PATH_IMAGE002
个小组的空 调分别编号为
Figure 666067DEST_PATH_IMAGE003
；第二层中，对应于
Figure 744882DEST_PATH_IMAGE011
分组中的空调编号为
Figure 429810DEST_PATH_IMAGE005
, 对应于
Figure 935878DEST_PATH_IMAGE006
分组中的空调编号为
Figure 89778DEST_PATH_IMAGE007
,…对应于
Figure 972284DEST_PATH_IMAGE008
分组中的空调编号为
Figure 511718DEST_PATH_IMAGE012
。
进一步的，所述建立空调负荷总量评估模型，具体为：选取基准负荷样本日，基于基准负荷法建立空调负荷用电特性模型，引入经济发展水平所决定的空调数量与空调负荷常量的相关因子、居民用电消费观念与气温敏感系数的相关因子，建立空调负荷总量评估模型。
进一步的，所述一阶等效热参数模型是一种模拟电路源阻形式的热物理模型。
进一步的，所述单个空调房间的机理模型，具体为单个空调房间内空调电功率与室内温度的关系。
进一步的，将单个空调房间的设定温度从
Figure 100002_DEST_PATH_IMAGE013
提高到
Figure 454267DEST_PATH_IMAGE014
，压缩机瞬间制冷量降 为最低值
Figure 100002_DEST_PATH_IMAGE015
，得到单个空调房间的机理模型变化情况，并得到单个空调房间在提高设定 温度后所对应的被控时长和被控后空调功率。
进一步的，基于双层分组轮控的空调集群结构建立双层分组轮控的空调集群控制策略，具体为：
设定空调集群内所有空调温度由
Figure 829884DEST_PATH_IMAGE016
控制到
Figure 100002_DEST_PATH_IMAGE017
，其中
Figure 585523DEST_PATH_IMAGE018
，以
Figure 995776DEST_PATH_IMAGE019
为一个控制时段，第
Figure 843646DEST_PATH_IMAGE020
个控制时段内控制第
Figure 955828DEST_PATH_IMAGE020
组空调的设定温度，忽略单个空调的 功率与能耗比差异，近似认为调整前后各组内空调平均功率相等，同时设定空调在调整设 定温度后，压缩机不做功或以最低功率运行，得到控制后各组内单台空调对应温度上限的 平均功率和
Figure 180136DEST_PATH_IMAGE021
个小组总的控制时长。
进一步的，基于双层分组轮控的空调集群控制策略，对空调集群进行仿真实验，获取仿真结果，具体为：
以设定台数的空调为算例进行仿真模拟，获取不同被控时长下所对应的空调负荷削减占比。
进一步的，在仿真结果的基础上，考虑设定误差区间，得到空调负荷可控比例系数，具体为：
将仿真获得的空调负荷削减占比与设定误差进行乘积运算，获得空调负荷可控比例系数的取值范围。
具体的，本发明的实施例一包括以下步骤：
（一）空调负荷总量评估
建立空调负荷总量评估模型，对负荷聚合商的空调负荷总量进行分析。聚合商总负荷可分为气象敏感负荷与气象非敏感型负荷，如式（1）所示，
Figure DEST_PATH_IMAGE022
（1）
其中
Figure 444895DEST_PATH_IMAGE023
即为对气象敏感的降温负荷，由空调负荷占据绝对主导地位，近似认为就 是空调负荷，随着夏季炎热程度的升高而增长；
Figure DEST_PATH_IMAGE024
即为聚合商基准负荷，可用于分离出气 象敏感的空调负荷；
Figure 916196DEST_PATH_IMAGE025
为空调负荷总量。
选择基准负荷样本日，求取日负荷曲线的算数平均值作为基准负荷曲线，如式（2）所示：
Figure DEST_PATH_IMAGE026
（2）
其中，
Figure 266406DEST_PATH_IMAGE027
为第t个小时的基准负荷，即气象非敏感型负荷；
Figure DEST_PATH_IMAGE028
为电网第d个样本 日中第t小时的负荷；
Figure 215777DEST_PATH_IMAGE029
为样本天数。则空调负荷如式（3）所示：
Figure DEST_PATH_IMAGE030
（3）
式（3）中，
Figure 335042DEST_PATH_IMAGE031
和
Figure DEST_PATH_IMAGE032
分别为夏季某日第t个小时的空调负荷和聚合商总负荷。
选取一定数量的样本日，可得到夏季典型空调负荷曲线，如式（4）：
Figure 977245DEST_PATH_IMAGE033
（4）
式（4）中，
Figure DEST_PATH_IMAGE034
表示夏季典型空调负荷，
Figure 126336DEST_PATH_IMAGE035
为夏季负荷样本日的天数，
Figure DEST_PATH_IMAGE036
为夏 季负荷样本日区间内，第d个样本日中第t小时空调负荷。
空调负荷对气温因素具有明显的强相关性，与日最高气温、日平均气温等之间可建立如式（5）的回归关系：
Figure 630129DEST_PATH_IMAGE037
（5）
式中，
Figure 853169DEST_PATH_IMAGE038
表示空调负荷常量，
Figure DEST_PATH_IMAGE039
为实际气温，
Figure 417006DEST_PATH_IMAGE040
为空调负荷开启的高温临界值，
Figure DEST_PATH_IMAGE041
为气温敏感系数。
为了更准确的描述气象因素对用户体感舒适度的影响，本文采用了综合指标温湿 指数
Figure 991075DEST_PATH_IMAGE042
替换传统单一的气温指标
Figure DEST_PATH_IMAGE043
，其计算公式为
Figure 95298DEST_PATH_IMAGE044
（6）
其中，
Figure DEST_PATH_IMAGE045
表示干球华氏温度，RH为相对湿度。
一般来说，空调负荷常量与经济发展水平所决定的空调数量有关，气温敏感系数 与居民用电消费观念有关，引入因子
Figure 189156DEST_PATH_IMAGE046
和
Figure DEST_PATH_IMAGE047
对此进行反映。
综上，聚合商空调负荷总量，如式（7）所示。
Figure 173161DEST_PATH_IMAGE048
（7）
（二）空调负荷可控比例分析
实际的空调控制策略与空调所在建筑的特性密切相关。为探究实际可控的空调负荷潜力，本实施例采用热参数等效模型建立控制策略，而后以空调集群为分析对象进行仿真实验，获取了不同被控时长下所对应的空调负荷削减占比，从而归纳总结出空调负荷可控比例系数。
（1）一阶等效热参数模型
一阶等效热参数模型（即一阶ETP模型）是一种模拟电路源阻形式的热物理模型，相比于其他建筑热物理模型，具有直观高效、模拟精度高、泛化能力极强等特点。一阶ETP模型结构示意图如图2所示。
基于一阶ETP模型，结合空调制冷量与电功率公式，可建立单个空调房间内空调电功率与室内温度的关系，即单个空调房间的机理模型，如式（8）所示：
Figure DEST_PATH_IMAGE049
（8）
式中，
Figure 719680DEST_PATH_IMAGE050
为
Figure DEST_PATH_IMAGE051
时段的室内温度；
Figure 80123DEST_PATH_IMAGE052
为
Figure 90804DEST_PATH_IMAGE051
时段的室外气温；
Figure DEST_PATH_IMAGE053
为
Figure 996443DEST_PATH_IMAGE051
时段的空调制冷量；
Figure 92575DEST_PATH_IMAGE054
为房间等效热阻；
Figure DEST_PATH_IMAGE055
为房间等效热容；
Figure 725551DEST_PATH_IMAGE056
为一个时段的持续时 长；
Figure DEST_PATH_IMAGE057
为空调压缩机的启停状态；
Figure 794001DEST_PATH_IMAGE058
为空调
Figure 932858DEST_PATH_IMAGE051
时段内的电功率；
Figure DEST_PATH_IMAGE059
为空调制冷 能效比。
根据空调特性可知，若将设定温度从
Figure 703237DEST_PATH_IMAGE060
提高到
Figure DEST_PATH_IMAGE061
后，压缩机瞬间制冷量降 为最低值
Figure 890636DEST_PATH_IMAGE062
，则基于ETP物理模型可得该场景下单个空调房间的机理模型变化情况，如 式（9）所示：
Figure DEST_PATH_IMAGE063
（9）
由式（9）可解得单个空调房间在提高设定温度后所对应的被控时长
Figure 62860DEST_PATH_IMAGE064
和被 控后空调功率
Figure DEST_PATH_IMAGE065
如式（10）所示：
Figure 310302DEST_PATH_IMAGE066
（10）
（2）空调集群控制策略
由式（9）可知，在空调参数和建筑内部参数一定的情况下，单个空调房间的被控情况由室外气温和设定温度所决定。在同一地区的同时刻内可以近似认为室外气温一定，则单台空调设备的被控时长与功率削减量完全由温度设定所决定，而整个空调集群则由控制策略所决定。
基于上述单个空调房间的机理模型，可建立起双层分组轮控的空调集群的控制策略，如图3所示。
设定所有空调温度由
Figure DEST_PATH_IMAGE067
控制到
Figure 381026DEST_PATH_IMAGE068
，以
Figure DEST_PATH_IMAGE069
为一个控制时段，第
Figure 621383DEST_PATH_IMAGE070
个控制 时段内控制第
Figure 398847DEST_PATH_IMAGE070
大组空调的设定温度，控制前后各组的平均功率分别为
Figure DEST_PATH_IMAGE071
和
Figure 879506DEST_PATH_IMAGE072
。当集 群分组中的空调台数
Figure DEST_PATH_IMAGE073
足够多时，单个空调由于参数型号等不同而可能存在的功率与能 耗比差异则可忽略不计，近似认为调整前后各组内空调平均功率相等。空调在调整设定温 度后，由于压缩机不做功或以最低功率运行，则该空调集群控制后的空调总功率为：
Figure 358898DEST_PATH_IMAGE074
（11）
其中，N为空调总量，n为空调分组数，P1为控制前各组的平均功率，P2为控制后各 组的平均功率，
Figure DEST_PATH_IMAGE075
为控制后各组的总功率，
Figure 153679DEST_PATH_IMAGE076
为第
Figure DEST_PATH_IMAGE077
组空调控制前的平均功 率，
Figure 34916DEST_PATH_IMAGE078
为第i组空调控制后的平均功率，
Figure DEST_PATH_IMAGE079
为第i-1组空调控制后的平均功率。
空调分组的层数越多，理论上模拟控制的精度就越高，但相对应的控制成本就会 成几何倍数增加。对于负荷聚合商来说，也可根据所需的需求响应持续时长
Figure 624160DEST_PATH_IMAGE080
确定分组 数
Figure DEST_PATH_IMAGE081
，而后将各个大组功率削减目标分解到其中的每台空调上去；同时需要考 虑到调整设定温度要在用户舒适度合理的范围内，即
Figure 669477DEST_PATH_IMAGE082
，则根据ETP 模型，控制后各组内单台空调对应温度上限的平均功率为
Figure DEST_PATH_IMAGE083
（12）
则功率削减量为：
Figure 251637DEST_PATH_IMAGE084
（13）
其中，
Figure DEST_PATH_IMAGE085
为空调设备的额定功率，
Figure 738113DEST_PATH_IMAGE086
为控制后各组的平均功率，
Figure DEST_PATH_IMAGE087
为功率削 减量。
显然，在双层分组轮控策略下，
Figure 13105DEST_PATH_IMAGE088
个小组总的控制时长为
Figure DEST_PATH_IMAGE089
（14）
（3）空调负荷可控比例系数
根据前述的控制策略，以15000台参数成正态分布的变频空调为算例进行仿真模 拟，空调集群的额定总功率约合5881kW，根据人体舒适度合理要求，设定温度的上限为28 ℃，根据式（12）可计算得到设定温度上限对应的单台空调功率
Figure 217822DEST_PATH_IMAGE090
约为3581kW，单组控制时 长
Figure DEST_PATH_IMAGE091
约为10min，而最大控制时长可由式（14）计算。
根据上述方法和参数设定，仿真计算结果在表1中列出。
表1 空调集群不同控制时长下功率削减结果
Figure 151143DEST_PATH_IMAGE092
定义空调负荷可控比例系数
Figure DEST_PATH_IMAGE093
，为实际可控的空调负荷需求响应容量
Figure 6972DEST_PATH_IMAGE094
占空 调负荷总容量
Figure DEST_PATH_IMAGE095
的比例。由表1可知，功率削减量即为空调负荷可响应容量，于是有：
Figure 203598DEST_PATH_IMAGE096
（15）
在空调集群仿真结果的基础上，以±2.5%为误差区间，可归纳得出
Figure DEST_PATH_IMAGE097
取值范围。
最终，根据聚合商所需的需求响应时长
Figure 879299DEST_PATH_IMAGE098
，确定相应的空调负荷可控比例系 数
Figure DEST_PATH_IMAGE099
后，就可以得出聚合负荷中实际可控的空调负荷需求响应量：
Figure 819573DEST_PATH_IMAGE100
（16）
其中，
Figure DEST_PATH_IMAGE101
为空调总负荷；
Figure 342958DEST_PATH_IMAGE102
为聚合负荷中实际可控的空调负荷需求响应量。
实施例二
本实施例公开了聚合负荷中空调负荷需求响应可调潜力评估系统。
如图4所示，聚合负荷中空调负荷需求响应可调潜力评估系统，包括：
空调负荷总量曲线获取模块，被配置为：建立空调负荷总量评估模型，对空调负荷总量进行评估，获取空调负荷总量曲线；
单个空调房间的机理模型建立模块，被配置为：建立一阶等效热参数模型，获得单个空调房间的机理模型；
空调集群控制策略建立模块，被配置为：基于单个空调房间的机理模型，建立双层分组轮控的空调集群结构，基于双层分组轮控的空调集群结构建立双层分组轮控的空调集群控制策略；
仿真结果获取模块，被配置为：基于双层分组轮控的空调集群控制策略，对空调集群进行仿真实验，获取仿真结果；
空调负荷可控比例系数获取模块，被配置为：在仿真结果的基础上，考虑设定误差区间，得到空调负荷可控比例系数；
空调负荷需求响应量获取模块，被配置为：计算空调负荷总量和空调负荷可控比例系数的乘积，得到聚合负荷中实际可控的空调负荷需求响应量；
双层分组轮控的空调集群结构，具体为：
设定聚合商共管理
Figure 694174DEST_PATH_IMAGE001
台空调，分为双层，第一层中分为
Figure 935800DEST_PATH_IMAGE002
个小组，
Figure 414186DEST_PATH_IMAGE002
个小组的空 调分别编号为
Figure DEST_PATH_IMAGE103
；第二层中，对应于
Figure 979028DEST_PATH_IMAGE004
分组中的空调编号为
Figure 579774DEST_PATH_IMAGE005
, 对应于
Figure 43116DEST_PATH_IMAGE006
分组中的空调编号为
Figure 325193DEST_PATH_IMAGE007
,…对应于
Figure 823170DEST_PATH_IMAGE008
分组中的空调编号为
Figure 329238DEST_PATH_IMAGE104
。
以上实施例二的装置与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.聚合负荷中空调负荷需求响应可调潜力评估方法，其特征在于，包括以下步骤：
建立空调负荷总量评估模型，对空调负荷总量进行评估，获取空调负荷总量曲线；
建立一阶等效热参数模型，获得单个空调房间的机理模型；
基于单个空调房间的机理模型，建立双层分组轮控的空调集群结构，基于双层分组轮控的空调集群结构建立双层分组轮控的空调集群控制策略；
基于双层分组轮控的空调集群控制策略，对空调集群进行仿真实验，获取仿真结果；
在仿真结果的基础上，考虑设定误差区间，得到空调负荷可控比例系数；
计算空调负荷总量和空调负荷可控比例系数的乘积，得到聚合负荷中实际可控的空调负荷需求响应量；
双层分组轮控的空调集群结构，具体为：
设定聚合商共管理
Figure DEST_PATH_IMAGE001
台空调，分为双层，第一层中分为
Figure 889973DEST_PATH_IMAGE002
个小组，
Figure 687027DEST_PATH_IMAGE002
个小组的空调分 别编号为
Figure DEST_PATH_IMAGE003
；第二层中，对应于
Figure 482814DEST_PATH_IMAGE004
分组中的空调编号为
Figure DEST_PATH_IMAGE005
, 对应于
Figure 593989DEST_PATH_IMAGE006
分组 中的空调编号为
Figure DEST_PATH_IMAGE007
,…对应于
Figure 791621DEST_PATH_IMAGE008
分组中的空调编号为
Figure DEST_PATH_IMAGE009
。
2.如权利要求1所述的聚合负荷中空调负荷需求响应可调潜力评估方法，其特征在于，所述建立空调负荷总量评估模型，具体为：选取基准负荷样本日，基于基准负荷法建立空调负荷用电特性模型，引入经济发展水平所决定的空调数量与空调负荷常量的相关因子、居民用电消费观念与气温敏感系数的相关因子，建立空调负荷总量评估模型。
3.如权利要求1所述的聚合负荷中空调负荷需求响应可调潜力评估方法，其特征在于，所述一阶等效热参数模型是一种模拟电路源阻形式的热物理模型。
4.如权利要求1所述的聚合负荷中空调负荷需求响应可调潜力评估方法，其特征在于，所述单个空调房间的机理模型，具体为单个空调房间内空调电功率与室内温度的关系。
5.如权利要求4所述的聚合负荷中空调负荷需求响应可调潜力评估方法，其特征在于， 将单个空调房间的设定温度从
Figure 697260DEST_PATH_IMAGE010
提高到
Figure DEST_PATH_IMAGE011
，压缩机制冷量瞬间降为最低值
Figure 793392DEST_PATH_IMAGE012
，得 到单个空调房间的机理模型变化情况，并得到单个空调房间在提高设定温度后所对应的被 控时长和被控后空调功率。
6.如权利要求1所述的聚合负荷中空调负荷需求响应可调潜力评估方法，其特征在于，基于双层分组轮控的空调集群结构建立双层分组轮控的空调集群控制策略，具体为：
设定空调集群内所有空调温度由
Figure DEST_PATH_IMAGE013
控制到
Figure 691947DEST_PATH_IMAGE014
，其中
Figure DEST_PATH_IMAGE015
，以
Figure 494818DEST_PATH_IMAGE016
为一个控制时段，第
Figure DEST_PATH_IMAGE017
个控制时段内控制第
Figure 820626DEST_PATH_IMAGE017
组空调的设定温度，忽略单个空调 的功率与能耗比差异，近似认为调整前后各组内空调平均功率相等，同时设定空调在调整 设定温度后，压缩机不做功或以最低功率运行，得到控制后各组内单台空调对应温度上限 的平均功率和
Figure 404054DEST_PATH_IMAGE002
个小组总的控制时长。
7.如权利要求1所述的聚合负荷中空调负荷需求响应可调潜力评估方法，其特征在于，基于双层分组轮控的空调集群控制策略，对空调集群进行仿真实验，获取仿真结果，具体为：
以设定台数的空调为算例进行仿真模拟，获取不同被控时长下所对应的空调负荷削减占比。
8.如权利要求7所述的聚合负荷中空调负荷需求响应可调潜力评估方法，其特征在于，在仿真结果的基础上，考虑设定误差区间，得到空调负荷可控比例系数，具体为：
将仿真获得的空调负荷削减占比与设定误差进行乘积运算，获得空调负荷可控比例系数的取值范围。
9.聚合负荷中空调负荷需求响应可调潜力评估系统，其特征在于：包括：
空调负荷总量曲线获取模块，被配置为：建立空调负荷总量评估模型，对空调负荷总量进行评估，获取空调负荷总量曲线；
单个空调房间的机理模型建立模块，被配置为：建立一阶等效热参数模型，获得单个空调房间的机理模型；
空调集群控制策略建立模块，被配置为：基于单个空调房间的机理模型，建立双层分组轮控的空调集群结构，基于双层分组轮控的空调集群结构建立双层分组轮控的空调集群控制策略；
仿真结果获取模块，被配置为：基于双层分组轮控的空调集群控制策略，对空调集群进行仿真实验，获取仿真结果；
空调负荷可控比例系数获取模块，被配置为：在仿真结果的基础上，考虑设定误差区间，得到空调负荷可控比例系数；
空调负荷需求响应量获取模块，被配置为：计算空调负荷总量和空调负荷可控比例系数的乘积，得到聚合负荷中实际可控的空调负荷需求响应量；
双层分组轮控的空调集群结构，具体为：
设定聚合商共管理
Figure 653770DEST_PATH_IMAGE001
台空调，分为双层，第一层中分为
Figure 576727DEST_PATH_IMAGE002
个小组，
Figure 886485DEST_PATH_IMAGE002
个小组的空调分 别编号为
Figure 144160DEST_PATH_IMAGE003
；第二层中，对应于
Figure 197567DEST_PATH_IMAGE004
分组中的空调编号为
Figure 37347DEST_PATH_IMAGE005
, 对应于
Figure 455690DEST_PATH_IMAGE006
分组 中的空调编号为
Figure 748131DEST_PATH_IMAGE007
,…对应于
Figure 815617DEST_PATH_IMAGE008
分组中的空调编号为
Figure 509903DEST_PATH_IMAGE009
。
CN202211256575.0A 2022-10-14 2022-10-14 聚合负荷中空调负荷需求响应可调潜力评估方法及系统 Active CN115330280B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211256575.0A CN115330280B (zh) 2022-10-14 2022-10-14 聚合负荷中空调负荷需求响应可调潜力评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211256575.0A CN115330280B (zh) 2022-10-14 2022-10-14 聚合负荷中空调负荷需求响应可调潜力评估方法及系统

Publications (2)

Publication Number Publication Date
CN115330280A true CN115330280A (zh) 2022-11-11
CN115330280B CN115330280B (zh) 2023-02-21

Family

ID=83914732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211256575.0A Active CN115330280B (zh) 2022-10-14 2022-10-14 聚合负荷中空调负荷需求响应可调潜力评估方法及系统

Country Status (1)

Country Link
CN (1) CN115330280B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117613915A (zh) * 2023-11-09 2024-02-27 武汉华源电力设计院有限公司 一种电力系统实时调度方法、装置、设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489045A (zh) * 2013-09-26 2014-01-01 国家电网公司 一种基于多场景设计的需求响应负荷优化潜力评估方法
CN109243547A (zh) * 2018-07-09 2019-01-18 河海大学 一种空调负荷群需求响应潜力定量评估方法
CN109872059A (zh) * 2019-01-31 2019-06-11 河海大学 一种居民空调负荷群需求响应动态潜力定量评估方法
CN111209672A (zh) * 2020-01-07 2020-05-29 河海大学 考虑用户调节行为随机性的空调负荷聚合功率建模方法
CN111555274A (zh) * 2020-05-08 2020-08-18 燕山大学 一种空调负荷需求响应能力动态评估方法
CN112465385A (zh) * 2020-12-09 2021-03-09 武汉理工大学 一种应用智能电表数据的需求响应潜力分析方法
CN113297799A (zh) * 2021-06-10 2021-08-24 国网综合能源服务集团有限公司 一种基于数据驱动的空调集群负荷需求响应潜力评估方法
CN113991655A (zh) * 2021-10-28 2022-01-28 国网上海市电力公司 定频空调负荷聚合需求响应潜力评估方法、装置及介质
CN114336594A (zh) * 2021-12-02 2022-04-12 国网山东省电力公司营销服务中心(计量中心) 一种能源聚合客户监测及需求响应调度系统及方法
WO2022077588A1 (zh) * 2020-10-12 2022-04-21 中国电力科学研究院有限公司 可调节负荷参与需求响应的调用方法、系统及装置
CN114819591A (zh) * 2022-04-20 2022-07-29 国网浙江省电力有限公司 一种电力需求响应潜力评估方法、系统及相关设备
CN114943140A (zh) * 2022-04-29 2022-08-26 三峡大学 考虑用户体验的分组调控下评估空调集群响应潜力的方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489045A (zh) * 2013-09-26 2014-01-01 国家电网公司 一种基于多场景设计的需求响应负荷优化潜力评估方法
CN109243547A (zh) * 2018-07-09 2019-01-18 河海大学 一种空调负荷群需求响应潜力定量评估方法
CN109872059A (zh) * 2019-01-31 2019-06-11 河海大学 一种居民空调负荷群需求响应动态潜力定量评估方法
CN111209672A (zh) * 2020-01-07 2020-05-29 河海大学 考虑用户调节行为随机性的空调负荷聚合功率建模方法
CN111555274A (zh) * 2020-05-08 2020-08-18 燕山大学 一种空调负荷需求响应能力动态评估方法
WO2022077588A1 (zh) * 2020-10-12 2022-04-21 中国电力科学研究院有限公司 可调节负荷参与需求响应的调用方法、系统及装置
CN112465385A (zh) * 2020-12-09 2021-03-09 武汉理工大学 一种应用智能电表数据的需求响应潜力分析方法
CN113297799A (zh) * 2021-06-10 2021-08-24 国网综合能源服务集团有限公司 一种基于数据驱动的空调集群负荷需求响应潜力评估方法
CN113991655A (zh) * 2021-10-28 2022-01-28 国网上海市电力公司 定频空调负荷聚合需求响应潜力评估方法、装置及介质
CN114336594A (zh) * 2021-12-02 2022-04-12 国网山东省电力公司营销服务中心(计量中心) 一种能源聚合客户监测及需求响应调度系统及方法
CN114819591A (zh) * 2022-04-20 2022-07-29 国网浙江省电力有限公司 一种电力需求响应潜力评估方法、系统及相关设备
CN114943140A (zh) * 2022-04-29 2022-08-26 三峡大学 考虑用户体验的分组调控下评估空调集群响应潜力的方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
S. NEELIMA: "Optimal capacitor placement in distribution networks for loss reduction using differential evolutionincorporating dimension reducing load flow for different load levels", 《IEEE XPLORE》 *
朱宇超等: "中央空调负荷直接控制策略及其可调度潜力评估", 《电力自动化设备》 *
李亚平等: "居民温控负荷聚合功率及响应潜力评估方法研究", 《中国电机工程学报》 *
杨秀等: "考虑多重因素的空调负荷聚合响应潜力评估及控制策略研究", 《电网技术》 *
王蓓蓓等: "中央空调降负荷潜力建模及影响因素分析", 《电力系统自动化》 *
范亚洲: "变频空调需求响应潜力评估及聚合控制研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117613915A (zh) * 2023-11-09 2024-02-27 武汉华源电力设计院有限公司 一种电力系统实时调度方法、装置、设备及存储介质
CN117613915B (zh) * 2023-11-09 2024-06-11 武汉华源电力设计院有限公司 一种电力系统实时调度方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN115330280B (zh) 2023-02-21

Similar Documents

Publication Publication Date Title
CN109243547B (zh) 一种空调负荷群需求响应潜力定量评估方法
CN106655221B (zh) 一种平抑微网联络线功率波动的空调负荷协调控制方法
CN110425706B (zh) 面向电网削峰的聚合空调负荷调控方法
Sun et al. In-situ implementation and validation of a CO2-based adaptive demand-controlled ventilation strategy in a multi-zone office building
CN109872059B (zh) 一种居民空调负荷群需求响应动态潜力定量评估方法
CN107906675B (zh) 一种基于用户需求的中央空调集群优化控制方法
CN108036468B (zh) 一种空调系统聚合控制方法
CN109799851A (zh) 一种基于负荷簇温度调控的用户侧负荷响应方法
CN115330280B (zh) 聚合负荷中空调负荷需求响应可调潜力评估方法及系统
CN109827310B (zh) 一种居民空调负荷群聚合模型建立方法
CN113991655A (zh) 定频空调负荷聚合需求响应潜力评估方法、装置及介质
CN114186393A (zh) 一种变频空调集群响应能力评估方法及系统
CN108302732A (zh) 空调控制方法及空调器
CN108122067B (zh) 一种建筑需求响应动态过程的建模方法和系统
CN111737857A (zh) 一种基于互动能力曲线的暖通空调集群协调控制方法
CN113610330B (zh) 一种基于用户体验的用户侧灵活资源用能行为优化方法
CN114738958A (zh) 变频空调负荷优化调控方法和系统
CN114936529B (zh) 一种温控负荷群聚合模型及建模方法、温控负荷群可调节潜力评估方法
CN117091242A (zh) 空调温控负荷集群的评估方法、温度设定方法及系统
Wang et al. A Data-driven Control Method for Operating the Commercial HVAC Load as a Virtual Battery
CN115271168A (zh) 用电负荷响应潜力的预测方法、装置及存储介质
Teo et al. Energy management controls for chiller system: A review
Liang et al. Analysis on Adjustable Potential of Air-Conditioning in Aggregated Load
CN118014453B (zh) 考虑物理与控制约束的虚拟电厂调节能力评估方法及系统
CN115828543A (zh) 空调负荷预测模型建立方法、系统及空调负荷预测方法

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
GR01 Patent grant
GR01 Patent grant