CN115498629A - 一种场景增强型电力负荷运行控制方法及装置 - Google Patents

一种场景增强型电力负荷运行控制方法及装置 Download PDF

Info

Publication number
CN115498629A
CN115498629A CN202211085277.XA CN202211085277A CN115498629A CN 115498629 A CN115498629 A CN 115498629A CN 202211085277 A CN202211085277 A CN 202211085277A CN 115498629 A CN115498629 A CN 115498629A
Authority
CN
China
Prior art keywords
operation control
scene
data
future
historical
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
CN202211085277.XA
Other languages
English (en)
Other versions
CN115498629B (zh
Inventor
阮广春
钟海旺
何一鎏
夏清
康重庆
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202211085277.XA priority Critical patent/CN115498629B/zh
Priority claimed from CN202211085277.XA external-priority patent/CN115498629B/zh
Publication of CN115498629A publication Critical patent/CN115498629A/zh
Application granted granted Critical
Publication of CN115498629B publication Critical patent/CN115498629B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or 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
    • 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

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

Abstract

本发明公开了一种场景增强型电力负荷运行控制方法及装置，该方法包括：获取电力系统的运行控制参数和电价与电力负荷的历史数据，得到历史增强场景集，对第一拟合模型进行参数训练，将电价历史数据输入预设的时间序列模型得到未来电价场景数据，以及将电价历史数据输入第一拟合模型得到电价历史数据对应的未来用电量数据，构建未来增强场景集，基于运行控制曲线生成模型得到运行控制曲线集，计算运行控制曲线的性能指标达标判断结果，输出性能评价结果和运行控制曲线集，根据性能评价结果和运行控制曲线集调整所述运行控制参数。本发明的方案可以有效处理海量场景数据，改善运行控制的效率与效果，同时还可以利用并行计算技术来大幅提升计算速度。

Description

一种场景增强型电力负荷运行控制方法及装置
技术领域
本发明涉及电力系统优化运行技术领域，尤其涉及一种场景增强型电力负荷运行控制方法及装置。
背景技术
构建以新能源为主体的新型电力系统是实现我国能源绿色转型目标的重要保障。新型电力系统中，大量渗透的风电与光伏机组导致电源侧的可控性下降，传统“源随荷动”的电力电量平衡机制面临巨大挑战；与之不同，“源荷互动”的平衡模式通过广泛调动电力负荷侧灵活性资源，为新型电力系统电力电量平衡带来了全新机遇。
新型电力系统将涌现出大量新型负荷，包括智能楼宇、电动汽车、多能源微电网等等。这些负荷具有显著的灵活调节与互动潜力，但由于特性各异，负荷运行控制的难度更大。传统电力负荷采取粗放的管理模式，通常缺乏系统互动与优化；而少量需求侧管理资源直接采用调度指令进行控制，灵活性有限，也难以推广到各类现存负荷与大量涌现的新型负荷。因此亟需开发全新的负荷运行控制技术，在各类发展路线中，价格型需求响应技术因其灵活性与广泛适用性，受到学术界与产业界的广泛关注。
价格型需求响应是指将电价信号作为电力系统与电力负荷之间的协调信号，以电价的高低走势来引导电力负荷进行自适应调节，充分释放负荷侧灵活性潜力。价格型需求响应中的关键是多场景下的电力负荷运行控制曲线生成技术。所述运行控制曲线展示了电力负荷如何根据不同外界因素波动来制定概率性最优决策方案。根据国际主流电力系统的运行经验，这类曲线通常满足预定的标准化形式，比如分段线性的单调非增曲线。
现有的电力负荷运行控制方法面临精度与计算效率无法兼顾的突出矛盾。由于系统运行场景变化多样，而新型电力系统更具有复杂的随机性特征，一般需要构建海量场景集才能准确描述各类不确定性因素。海量运行场景给现有的运行控制方法带来了极高的计算复杂度，一个中小型负荷的运行策略甚至需要数小时至数天的时间才能完成。因此现有方法大多选择牺牲精度，利用场景削减方法，粗糙地提取若干典型场景加以考虑，以解决计算效率的难题。这种方式得到的运行控制曲线，精度大幅下降，难以有效焕发电力负荷的优化运行效益，造成不必要的经济效益损失。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的目的在于提出一种场景增强型电力负荷运行控制方法及装置，主要面向配电网调度机构、微电网控制中心、负荷聚集商、售电商等用户，以通过实施该方案有效处理海量场景数据，改善运行控制的效率与效果，同时可以利用并行计算技术来大幅提升计算速度。并且广泛适用于不同类型的电力负荷，工业应用前景广阔。
为达上述目的，本发明一方面提出了一种场景增强型电力负荷运行控制方法，包括：
获取电力系统的运行控制参数，并根据所述运行控制参数获取电价与电力负荷的历史数据；
根据所述电价与电力负荷的历史数据得到历史增强场景集，并基于所述历史增强场景集对第一拟合模型进行参数训练；
将所述电价历史数据输入预设的时间序列模型得到未来电价场景数据，以及将所述电价历史数据输入所述第一拟合模型得到所述电价历史数据对应的未来用电量数据，并基于所述未来电价场景数据和所述未来用电量数据构建未来增强场景集；
基于运行控制曲线生成模型得到运行控制曲线集，根据所述未来增强场景集和所述运行控制曲线集计算运行控制曲线的性能指标达标判断结果，基于所述达标判断结果输出性能评价结果和所述运行控制曲线集，并根据所述性能评价结果和所述运行控制曲线集调整所述运行控制参数。
根据本发明实施例的场景增强型电力负荷运行控制方法还可以具有以下附加技术特征：
进一步地，在本发明的一个实施例中，所述根据电价与电力负荷的历史数据得到历史增强场景集，包括：获取所述运行控制参数中场景集数据库的电价和电力负荷历史数据；将所述电价和电力负荷历史数据转化成矩阵并更新矩阵参数，并将所述电价和电力负荷历史数据与更新后的矩阵进行数据匹配；对所述数据匹配后的异常数据进行剔除，得到所述历史增强场景集。
进一步地，在本发明的一个实施例中，所述将电价历史数据输入预设的时间序列模型得到未来电价场景数据，包括：将所述电价历史数据输入预设的时间序列模型进行数据拟合得到拟合时间序列模型；以及，通过预设的处理方法对所述拟合时间序列模型进行预测处理，得到所述未来电价场景数据。
进一步地，在本发明的一个实施例中，所述将电价历史数据输入所述第一拟合模型得到所述电价历史数据对应的未来用电量数据，基于未来电价场景数据和所述未来用电量数据构建未来增强场景集，包括：利用预设的切分比例和切分方法对所述历史增强场景集进行切分处理，得到历史增强场景训练集和历史增强场景验证集；利用所述历史增强场景训练集对第二拟合模型进行参数训练，并利用所述历史增强场景验证集进行验证；获取验证后的第二拟合模型在所述历史增强场景验证数据上的精度值的比较结果，基于比较结果和第二拟合模型得到头部模型，利用加权平均的方式聚合所述头部模型的输出结果得到所述第一拟合模型；利用所述第一拟合模型和所述未来电价场景数据计算对应的电力负荷运行状态得到电力负荷运行状态估计值，并基于所述未来电价场景数据和所述电力负荷运行状态估计值得到所述未来增强场景集。
进一步地，在本发明的一个实施例中，在得到所述未来增强场景集之后，所述方法，还包括：按照列对相应的场景数据矩阵对所述未来增强场景集进行多时段切分，得到多个单时段未来增强场景集。
进一步地，在本发明的一个实施例中，所述基于运行控制曲线生成模型得到运行控制曲线集，包括：
构建运行控制曲线生成模型，对所述运行控制曲线生成模型中输入的所有单时段未来增强场景集进行并行计算得到并行计算结果；
获取所述运行控制曲线生成模型的求解状态信息，根据对所述求解状态信息的判定结果得到所述运行控制曲线生成模型的最优运行控制点；以及，
根据所述并行计算结果和所述最优运行控制点通过逐点相连的方式得到每个时段的运行控制曲线，基于所述每个时段的运行控制曲线得到全时段的运行控制曲线集。
进一步地，在本发明的一个实施例中，所述根据所述未来增强场景集和所述运行控制曲线集计算运行控制曲线的性能指标达标判断结果，基于所述达标判断结果输出性能评价结果和所述运行控制曲线集，包括：
基于所述未来增强场景集和所述运行控制曲线集，根据性能指标计算公式得到各类性能评价结果，并检查所述各类性能评价结果是否满足预设的性能标准，得到性能检查结果；
根据所述性能检查结果，输出对所述运行控制曲线集的性能指标优化结果和所述性能评价结果。
为达到上述目的，本发明另一方面提出了一种场景增强型电力负荷运行控制装置，包括：
电力参数获取模块，用于获取电力系统的运行控制参数，并根据所述运行控制参数获取电价与电力负荷的历史数据；
历史场景集和模型获取模块，用于根据所述电价与电力负荷的历史数据得到历史增强场景集，并基于所述历史增强场景集对第一拟合模型进行参数训练；
未来增强场景集构建模块，用于将所述电价历史数据输入预设的时间序列模型得到未来电价场景数据，以及将所述电价历史数据输入所述第一拟合模型得到所述电价历史数据对应的未来用电量数据，并基于所述未来电价场景数据和所述未来用电量数据构建未来增强场景集；
性能评价输出模块，用于基于运行控制曲线生成模型得到运行控制曲线集，根据所述未来增强场景集和所述运行控制曲线集计算运行控制曲线的性能指标达标判断结果，基于所述达标判断结果输出性能评价结果和所述运行控制曲线集，并根据所述性能评价结果和所述运行控制曲线集调整所述运行控制参数。
本发明实施例的场景增强型电力负荷运行控制方法和装置，可以有效处理海量场景数据，改善运行控制的效率与效果，同时可以利用并行计算技术来大幅提升计算速度。
本发明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，或通过本发明的实践了解到。
附图说明
本发明上述的和/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为根据本发明实施例的场景增强型电力负荷运行控制方法的流程图；
图2为根据本发明实施例的运行控制曲线计算过程示意图；
图3为根据本发明实施例的场景增强型电力负荷运行控制装置结构示意图；
图4为根据本发明实施例的历史场景集和模型获取模块结构示意图；
图5为根据本发明实施例的未来增强场景集构建模块结构示意图；
图6为根据本发明实施例的未来增强场景集构建模块的另一结构示意图；
图7为根据本发明实施例的性能评价输出模块结构示意图；
图8为根据本发明实施例的性能评价输出模块的另一结构示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
下面参照附图描述根据本发明实施例提出的场景增强型电力负荷运行控制方法和装置。
图1是本发明一个实施例的场景增强型电力负荷运行控制方法的流程图。
如图1所示，该方法包括但不限于以下步骤：
S1，获取电力系统的运行控制参数，并根据运行控制参数获取电价与电力负荷的历史数据。
作为一种示例，检查通信网络渠道：确保电力负荷与负荷控制中心之间的通信渠道畅通。对于无法通信联络上的电力负荷，需要挂起通信线路异常状态，并尽快安排运维检修。接着统计可通信与不可通信的电力负荷，将不可通信负荷设置为刚性负荷，不参与后续的运行控制。
作为一种示例，读取运行控制的各类参数与性能要求。其中，各类参数包括系统运行边界参数(如容量限制、局部地区的功率限制、负荷分级等)、场景集格式参数(如最大允许场景数量、场景集表头与单位、场景集精度位数等)、场景集数据库(电价历史数据库与电力负荷历史数据库)等等。性能要求包括运行控制曲线的上报周期与上报时刻、运行控制曲线形态参数(如分段数、曲线形态要求等)、运行控制性能要求(包括计算速度要求、计算精度要求等)等等。
S2，根据电价与电力负荷的历史数据得到历史增强场景集，并基于历史增强场景集对第一拟合模型进行参数训练。
作为一种示例，导入电价与电力负荷的历史数据：从步骤S1中的场景集数据库中将电价历史数据和电力负荷历史数据导入系统。接着将历史电价和历史负荷的数据形式统一转化成矩阵，其中时间精度调整为小时级，同时矩阵一行表示一天数据，一列代表一小时数据。调整完后将历史电价和历史负荷数据对应匹配上，对每行数据分配唯一的采集日期标识号或专用的ID标识号。
作为一种示例，剔除与处理异常数据：要剔除不可通信负荷与不可控负荷的相关数据，其中不可控负荷一般会加以标注。核查数据缺失情况，对于单点数据缺失，直接采用线性插值的方式予以补充；若出现连续数据缺失，且缺失时长超过8小时，当天所有数据都将剔除。另外以每日数据为一组向量，对所有数据开展聚类分析，并进一步分离出离群点。接着观察每小时数据，提取偏离均值的离群点。最后所有离群点需经过人工审查确认后再予以剔除。
进一步地，生成历史增强场景集：增强场景集中每个场景以元组形式表示，元组第一项为电价，第二项为对应的电力负荷。增强场景集本质上是电价数据集和电力负荷数据集的集成体，但突出了电价与用电量之间的映射关系。增强场景集内元组的具体形式可以依据电力负荷特征作进一步拓展，比如元组可以加入温度等其他影响因素。本申请仅以电价-电力负荷的形式为示例，但所述技术完全适用于其他拓展形式。
作为一种示例，切分数据集：将生成的历史增强场景集切分为训练数据和验证数据两部分。切分比例通常可以设置为7:3或8:2，切分方法包括随机切分、根据时间顺序切分等多种类型。按照选定的切分比例和切分方法处理后，可得到两个数据集：历史增强场景训练集、历史增强场景验证集。
S3，将电价历史数据输入预设的时间序列模型得到未来电价场景数据，以及将电价历史数据输入第一拟合模型得到电价历史数据对应的未来用电量数据。
具体地，拟合历史电价数据：根据导入的历史电价数据，采用时间序列模型进行数据拟合工作。典型模型包括季节性差分自回归滑动平均模型，此外需要对模型参数进行网格搜索以获得最佳的拟合效果。此步骤建立的时间序列模型将用于生成未来场景。
进一步地，生成海量未来电价场景：为了考虑电价场景的随机波动性，需要在拟合生成的时间序列模型基础上叠加随机性波动。具体有两种典型的处理方式：第一种是先用时间序列模型生成一段预测数据，再在该段数据基础上，进行小范围随机波动。例如，生成500组数据，并在±10％内随机波动。第二种是每生成一组数据，就立即进行随机波动处理，处理后的数据再输入时间序列模型生成下一组数据。第二种方法属于滚动式添加随机波动的类型。最后根据选定的处理方法，生成海量未来电价场景数据，具体场景数量一般会提前规定好。
S4，基于未来电价场景数据和未来用电量数据构建未来增强场景集。
图2示出了运行控制曲线的计算过程，展现了步骤当中相关数据与模型的计算逻辑关系：
作为一种示例，搭建数据驱动的增强场景拟合模型库：场景拟合模型用于近似拟合电力负荷的决策行为，其输入为电价，输出为该电价条件下对应的用电量。采用这类模型的主要原因是电力负荷灵活调节存在信息不对称、高度非线性、非理性、强随机性等特征，通常只能依靠大量历史数据加以估计。拟合模型通常采用数据驱动的模型形式，包括支持向量机、随机森林、神经网络、深度学习等等。在搭建拟合模型库时，需要考虑一系列可行的模型形式与超参数组合。
作为一种示例，拟合模型训练与超参数调试：分别对各种拟合模型进行训练，典型训练方法包括随机梯度下降与凸优化等，然后再检验模型精度。其中训练数据为步骤S2中切分出来的历史增强场景训练数据，而验证数据为切分出来的历史增强场景验证数据。对于同一类拟合模型，采用网格搜索方式逐一测试各类超参数条件，以确定模型精度性能的综合表现。
作为一种示例，模型比较与筛选：上述步骤可输出一系列高质量的增强场景拟合模型。接着，根据模型在历史增强场景验证数据上的精度表现，对所有模型进行横向比较，最终筛选出头部模型，并采用加权平均的方式聚合这些模型的输出结果，最终构成集成模型。所述集成模型本质上仍然是一类数据驱动的增强场景拟合方法，但兼具了多种模型优势，精度性能通常优于单一模型。
作为一种示例，生成海量未来电价场景下的电力负荷运行状态：结合集成模型与上述步骤中生成的海量未来电价场景，计算对应的电力负荷运行状况。需要注意，此处不同场景之间的计算过程完全独立，因而可以与并行计算结合以实现计算加速，通常计算量越庞大并行计算加速效果越显著。
进一步地，生成未来增强场景集：基于上述步骤中的海量未来电价场景与电力负荷运行状态估计值，即可得到未来增强场景集。该场景集具有两个显著特征：首先，场景数量庞大，需要开发高效的分析处理技术；其次，电价与电力负荷成对匹配，更有利于精细挖掘电价响应灵敏度特征。得到未来增强场景集后，还需要对数据集进行分时段切分(示例性的每个时段为1小时)，即按列对相应的场景数据矩阵进行切分，切分示意图如图2所示，切分后将得到单时段的未来增强场景集。
S5，基于运行控制曲线生成模型得到运行控制曲线集。
具体地，构建运行控制曲线生成模型：运行控制曲线生成模型是一类能够考虑海量场景的随机优化模型，属于混合整数线性规划类别。该模型输入为单时段的未来增强场景集，输出为对应时段的运行控制曲线。通过遍历所有时段，即可得到24条运行控制曲线，这些曲线后续将上传给电力负荷控制中心。该模型的优化目标是最小化场景点与运行控制曲线之间的距离，距离度量可以采用欧式距离或曼哈顿距离，而该模型的约束条件为限定运行控制曲线形态的相关约束，主要包括分段线性约束和单调非增约束。该模型的优化变量是若干决策点，而模型得到的分段线性结果实际就是将这些决策点顺次连接而形成的。
作为一种示例，配置并行计算与求解器引擎：由于运行控制曲线生成模型只针对单一时段开展计算，因此不同时段之间的计算过程完全独立，可以引入并行计算。配置并行计算引擎就是要根据计算资源条件，设定合适的并行度，以及并行计算结果的汇集与整合方式。求解运行控制曲线生成模型需要混合整数线性规划求解器，目前大多数开源或商用的优化求解器均可满足要求，但仍然需要根据求解器要求，对模型进行编码并导入求解器处理引擎，以便后续完成优化求解任务。
作为一种示例，求解最优运行控制点：求解上述建立的运行控制曲线生成模型，用日志记录求解时刻、求解时间长度、求解状态信息。如果求解状态为无解或无界，则需要进一步检查是否存在边界条件参数相互矛盾的问题，并及时排除故障。如果求解状态正常，为了确保求解结果的可靠性，还会验证最优运行控制点是否完全满足所有约束条件，同时在日志中记录相应的目标函数值与不同约束的达界与松弛情况。
作为一种示例，生成运行控制曲线集：根据上述步骤得到的最优运行控制点，可以通过逐点相连的方式得到对应的运行控制曲线。对每个时段执行相同的操作即可得到全时段的运行控制曲线集。可以理解的是，部分高精度模型会引入大量最优运行控制点，但分段数量约束会令许多最优运行控制点共线，因而此处只保留分段拐点，需要引入剔除共线点的额外处理步骤。
S6，根据未来增强场景集和运行控制曲线集计算运行控制曲线的性能指标达标判断结果。
进一步地，计算运行控制曲线的性能指标：运行控制曲线的性能指标包括拟合优度、平均误差距离、最大误差距离、平均百分比误差，最大百分比误差等等。根据未来增强场景集与运行控制曲线集，结合性能指标计算公式，即可计算得到各类性能评估结果。检查评估结果是否满足预设的性能标准。
作为一种示例，性能不达标时返回重新生成运行控制曲线：如果性能不达标，在日志记录后需要返回重新生成运行控制曲线，并且采用高精度的建模策略，即增加最优运行控制点数量。如果连续三次无法满足性能要求，则需要回查性能要求指标是否过于苛刻，必要时需根据电力负荷特性做适当调整。
作为一种示例，性能达标时输出优化结果与性能评估报告：如果性能达标，则在日志记录后直接进入下一步骤，进行优化结果与性能评估报告的输出。
S7，基于达标判断结果输出性能评价结果和运行控制曲线集，并根据性能评价结果和运行控制曲线集调整运行控制参数。
进一步地，输出上述步骤得到的运行控制曲线集，同时输出上述步骤得到的性能评估报告，同时还需要整理并输出整个运行过程中的日志报告。
综上，场景增强型电力负荷运行控制的全部过程结束。以根据性能评价结果和运行控制曲线集调整运行控制参数实现电力负荷运行控制。
根据本发明实施例的场景增强型电力负荷运行控制方法，可以有效处理海量场景数据，改善运行控制的效率与效果，同时可以利用并行计算技术来大幅提升计算速度。
为了实现上述实施例，如图3所示，本实施例中还提供了场景增强型电力负荷运行控制装置10，该装置10包括：电力参数获取模块100、历史场景集和模型获取模块200、未来增强场景集构建模块300和性能评价输出模块400。
电力参数获取模块100，用于获取电力系统的运行控制参数，并根据运行控制参数获取电价与电力负荷的历史数据；
历史场景集和模型获取模块200，用于根据电价与电力负荷的历史数据得到历史增强场景集，并基于历史增强场景集对第一拟合模型进行参数训练；
未来增强场景集构建模块300，用于将电价历史数据输入预设的时间序列模型得到未来电价场景数据，以及将电价历史数据输入所述第一拟合模型得到电价历史数据对应的未来用电量数据，并基于未来电价场景数据和未来用电量数据构建未来增强场景集；
性能评价输出模块400，用于基于运行控制曲线生成模型得到运行控制曲线集，根据未来增强场景集和运行控制曲线集计算运行控制曲线的性能指标达标判断结果，基于达标判断结果输出性能评价结果和运行控制曲线集，并根据性能评价结果和运行控制曲线集调整运行控制参数。
进一步地，如图4所示，历史场景集和模型获取模块200，包括：
数据获取子单元201，用于获取运行控制参数中场景集数据库的电价和电力负荷历史数据；
数据匹配子单元202，用于将电价和电力负荷历史数据转化成矩阵并更新矩阵参数，并将电价和电力负荷历史数据与更新后的矩阵进行数据匹配；
场景集获取子单元203，用于对数据匹配后的异常数据进行剔除，得到历史增强场景集。
进一步地，如图5所示，未来增强场景集构建模块300，包括：
数据拟合子单元301，用于将电价历史数据输入预设的时间序列模型进行数据拟合得到拟合时间序列模型；以及，
数据预测子单元302，用于通过预设的处理方法对拟合时间序列模型进行预测处理，得到未来电价场景数据。
进一步地，如图6所示，未来增强场景集构建模块300，还包括：
数据切分子单元303，用于利用预设的切分比例和切分方法对历史增强场景集进行切分处理，得到历史增强场景训练集和历史增强场景验证集；
模型训练子单元304，用于利用历史增强场景训练集对第二拟合模型进行参数训练，并利用历史增强场景验证集进行验证；
模型聚合子单元305，用于获取验证后的第二拟合模型在历史增强场景验证数据上的精度值的比较结果，基于比较结果和第二拟合模型得到头部模型，利用加权平均的方式聚合头部模型的输出结果得到第一拟合模型；
数据计算子单元306，用于利用所述第一拟合模型和未来电价场景数据计算对应的电力负荷运行状态得到电力负荷运行状态估计值，并基于未来电价场景数据和电力负荷运行状态估计值得到未来增强场景集。
进一步地，装置10，还包括：
未来增强场景集切分模块，用于按照列对相应的场景数据矩阵对未来增强场景集进行多时段切分，得到多个单时段未来增强场景集。
进一步地，如图7所示，性能评价输出模块400，包括：
配置求解子单元401，用于构建运行控制曲线生成模型，对运行控制曲线生成模型中输入的所有单时段未来增强场景集进行并行计算得到并行计算结果；
最优控制子单元402，用于获取运行控制曲线生成模型的求解状态信息，根据对求解状态信息的判定结果得到运行控制曲线生成模型的最优运行控制点；以及，
曲线生成子单元403，用于根据并行计算结果和最优运行控制点通过逐点相连的方式得到每个时段的运行控制曲线，基于每个时段的运行控制曲线得到全时段的运行控制曲线集。
进一步地，如图8所示，性能评价输出模块400，还包括：
指标计算子单元404，用于基于未来增强场景集和运行控制曲线集，根据性能指标计算公式得到各类性能评价结果，并检查各类性能评价结果是否满足预设的性能标准，得到性能检查结果；
结果输出子单元405，用于根据性能检查结果，输出对运行控制曲线集的性能指标优化结果和性能评价结果。
根据本发明实施例的场景增强型电力负荷运行控制装置，可以有效处理海量场景数据，改善运行控制的效率与效果，同时可以利用并行计算技术来大幅提升计算速度。
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至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
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发明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发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种场景增强型电力负荷运行控制方法，其特征在于，包括以下步骤：
获取电力系统的运行控制参数，并根据所述运行控制参数获取电价与电力负荷的历史数据；
根据所述电价与电力负荷的历史数据得到历史增强场景集，并基于所述历史增强场景集对第一拟合模型进行参数训练；
将所述电价历史数据输入预设的时间序列模型得到未来电价场景数据，以及将所述电价历史数据输入所述第一拟合模型得到所述电价历史数据对应的未来用电量数据，并基于所述未来电价场景数据和所述未来用电量数据构建未来增强场景集；
基于运行控制曲线生成模型得到运行控制曲线集，根据所述未来增强场景集和所述运行控制曲线集计算运行控制曲线的性能指标达标判断结果，基于所述达标判断结果输出性能评价结果和所述运行控制曲线集，并根据所述性能评价结果和所述运行控制曲线集调整所述运行控制参数。
2.根据权利要求1所述的方法，其特征在于，所述根据电价与电力负荷的历史数据得到历史增强场景集，包括：
获取所述运行控制参数中场景集数据库的电价和电力负荷历史数据；
将所述电价和电力负荷历史数据转化成矩阵并更新矩阵参数，并将所述电价和电力负荷历史数据与更新后的矩阵进行数据匹配；
对所述数据匹配后的异常数据进行剔除，得到所述历史增强场景集。
3.根据权利要求1所述的方法，其特征在于，所述将电价历史数据输入预设的时间序列模型得到未来电价场景数据，包括：
将所述电价历史数据输入预设的时间序列模型进行数据拟合得到拟合时间序列模型；以及，
通过预设的处理方法对所述拟合时间序列模型进行预测处理，得到所述未来电价场景数据。
4.根据权利要求1所述的方法，其特征在于，所述将电价历史数据输入所述第一拟合模型得到所述电价历史数据对应的未来用电量数据，基于未来电价场景数据和所述未来用电量数据构建未来增强场景集，包括：
利用预设的切分比例和切分方法对所述历史增强场景集进行切分处理，得到历史增强场景训练集和历史增强场景验证集；
利用所述历史增强场景训练集对第二拟合模型进行参数训练，并利用所述历史增强场景验证集进行验证；
获取验证后的第二拟合模型在所述历史增强场景验证数据上的精度值的比较结果，基于比较结果和第二拟合模型得到头部模型，利用加权平均的方式聚合所述头部模型的输出结果得到所述第一拟合模型；
利用所述第一拟合模型和所述未来电价场景数据计算对应的电力负荷运行状态得到电力负荷运行状态估计值，并基于所述未来电价场景数据和所述电力负荷运行状态估计值得到所述未来增强场景集。
5.根据权利要求4所述的方法，其特征在于，在得到所述未来增强场景集之后，所述方法，还包括：
按照列对相应的场景数据矩阵对所述未来增强场景集进行多时段切分，得到多个单时段未来增强场景集。
6.根据权利要求5所述的方法，其特征在于，所述基于运行控制曲线生成模型得到运行控制曲线集，包括：
构建运行控制曲线生成模型，对所述运行控制曲线生成模型中输入的所有单时段未来增强场景集进行并行计算得到并行计算结果；
获取所述运行控制曲线生成模型的求解状态信息，根据对所述求解状态信息的判定结果得到所述运行控制曲线生成模型的最优运行控制点；以及，
根据所述并行计算结果和所述最优运行控制点通过逐点相连的方式得到每个时段的运行控制曲线，基于所述每个时段的运行控制曲线得到全时段的运行控制曲线集。
7.根据权利要求1-6任一所述的方法，其特征在于，所述根据所述未来增强场景集和所述运行控制曲线集计算运行控制曲线的性能指标达标判断结果，基于所述达标判断结果输出性能评价结果和所述运行控制曲线集，包括：
基于所述未来增强场景集和所述运行控制曲线集，根据性能指标计算公式得到各类性能评价结果，并检查所述各类性能评价结果是否满足预设的性能标准，得到性能检查结果；
根据所述性能检查结果，输出对所述运行控制曲线集的性能指标优化结果和所述性能评价结果。
8.一种场景增强型电力负荷运行控制装置，其特征在于，包括：
电力参数获取模块，用于获取电力系统的运行控制参数，并根据所述运行控制参数获取电价与电力负荷的历史数据；
历史场景集和模型获取模块，用于根据所述电价与电力负荷的历史数据得到历史增强场景集，并基于所述历史增强场景集对第一拟合模型进行参数训练；
未来增强场景集构建模块，用于将所述电价历史数据输入预设的时间序列模型得到未来电价场景数据，以及将所述电价历史数据输入所述第一拟合模型得到所述电价历史数据对应的未来用电量数据，并基于所述未来电价场景数据和所述未来用电量数据构建未来增强场景集；
性能评价输出模块，用于基于运行控制曲线生成模型得到运行控制曲线集，根据所述未来增强场景集和所述运行控制曲线集计算运行控制曲线的性能指标达标判断结果，基于所述达标判断结果输出性能评价结果和所述运行控制曲线集，并根据所述性能评价结果和所述运行控制曲线集调整所述运行控制参数。
9.根据权利要求8所述的装置，其特征在于，所述历史场景集和模型获取模块，包括：
数据获取子单元，用于获取所述运行控制参数中场景集数据库的电价和电力负荷历史数据；
数据匹配子单元，用于将所述电价和电力负荷历史数据转化成矩阵并更新矩阵参数，并将所述电价和电力负荷历史数据与更新后的矩阵进行数据匹配；
场景集获取子单元，用于对所述数据匹配后的异常数据进行剔除，得到所述历史增强场景集。
10.根据权利要求8所述的装置，其特征在于，所述未来增强场景集构建模块，包括：
数据拟合子单元，用于将所述电价历史数据输入预设的时间序列模型进行数据拟合得到拟合时间序列模型；以及，
数据预测子单元，用于通过预设的处理方法对所述拟合时间序列模型进行预测处理，得到所述未来电价场景数据。
11.根据权利要求8所述的装置，其特征在于，所述未来增强场景集构建模块，还包括：
数据切分子单元，用于利用预设的切分比例和切分方法对所述历史增强场景集进行切分处理，得到历史增强场景训练集和历史增强场景验证集；
模型训练子单元，用于利用所述历史增强场景训练集对第二拟合模型进行参数训练，并利用所述历史增强场景验证集进行验证；
模型聚合子单元，用于获取验证后的第二拟合模型在所述历史增强场景验证数据上的精度值的比较结果，基于比较结果和第二拟合模型得到头部模型，利用加权平均的方式聚合所述头部模型的输出结果得到所述第一拟合模型；
数据计算子单元，用于利用所述第一拟合模型和所述未来电价场景数据计算对应的电力负荷运行状态得到电力负荷运行状态估计值，并基于所述未来电价场景数据和所述电力负荷运行状态估计值得到所述未来增强场景集。
12.根据权利要求11所述的装置，其特征在于，所述装置，还包括：
未来增强场景集切分模块，用于按照列对相应的场景数据矩阵对所述未来增强场景集进行多时段切分，得到多个单时段未来增强场景集。
13.根据权利要求12所述的装置，其特征在于，所述性能评价输出模块，包括：
配置求解子单元，用于构建运行控制曲线生成模型，对所述运行控制曲线生成模型中输入的所有单时段未来增强场景集进行并行计算得到并行计算结果；
最优控制子单元，用于获取所述运行控制曲线生成模型的求解状态信息，根据对所述求解状态信息的判定结果得到所述运行控制曲线生成模型的最优运行控制点；以及，
曲线生成子单元，用于根据所述并行计算结果和所述最优运行控制点通过逐点相连的方式得到每个时段的运行控制曲线，基于所述每个时段的运行控制曲线得到全时段的运行控制曲线集。
14.根据权利要求8-13任一所述的装置，其特征在于，所述性能评价输出模块，还包括：
指标计算子单元，用于基于所述未来增强场景集和所述运行控制曲线集，根据性能指标计算公式得到各类性能评价结果，并检查所述各类性能评价结果是否满足预设的性能标准，得到性能检查结果；
结果输出子单元，用于根据所述性能检查结果，输出对所述运行控制曲线集的性能指标优化结果和所述性能评价结果。
CN202211085277.XA 2022-09-06 一种场景增强型电力负荷运行控制方法及装置 Active CN115498629B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211085277.XA CN115498629B (zh) 2022-09-06 一种场景增强型电力负荷运行控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211085277.XA CN115498629B (zh) 2022-09-06 一种场景增强型电力负荷运行控制方法及装置

Publications (2)

Publication Number Publication Date
CN115498629A true CN115498629A (zh) 2022-12-20
CN115498629B CN115498629B (zh) 2024-07-02

Family

ID=

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6021402A (en) * 1997-06-05 2000-02-01 International Business Machines Corporaiton Risk management system for electric utilities
US20030182250A1 (en) * 2002-03-19 2003-09-25 Mohammad Shihidehpour Technique for forecasting market pricing of electricity
CN111082451A (zh) * 2019-09-18 2020-04-28 中国电建集团青海省电力设计院有限公司 基于场景法的增量配电网多目标优化调度模型
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid
CN111754256A (zh) * 2020-05-08 2020-10-09 清华大学 节点电价预测方法和装置
CN112686693A (zh) * 2020-12-24 2021-04-20 中国电力科学研究院有限公司 电力现货市场边际电价预测方法、系统、设备及存储介质
CN112801388A (zh) * 2021-02-04 2021-05-14 天津德尔塔科技有限公司 一种基于非线性时间序列算法的电力负荷预测方法及系统
WO2022077693A1 (zh) * 2020-10-15 2022-04-21 中国科学院深圳先进技术研究院 负荷预测模型的训练方法及训练装置、存储介质、设备
CN114648176A (zh) * 2022-04-22 2022-06-21 天津大学 一种基于数据驱动的风光电源消纳优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6021402A (en) * 1997-06-05 2000-02-01 International Business Machines Corporaiton Risk management system for electric utilities
US20030182250A1 (en) * 2002-03-19 2003-09-25 Mohammad Shihidehpour Technique for forecasting market pricing of electricity
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid
CN111082451A (zh) * 2019-09-18 2020-04-28 中国电建集团青海省电力设计院有限公司 基于场景法的增量配电网多目标优化调度模型
CN111754256A (zh) * 2020-05-08 2020-10-09 清华大学 节点电价预测方法和装置
WO2022077693A1 (zh) * 2020-10-15 2022-04-21 中国科学院深圳先进技术研究院 负荷预测模型的训练方法及训练装置、存储介质、设备
CN112686693A (zh) * 2020-12-24 2021-04-20 中国电力科学研究院有限公司 电力现货市场边际电价预测方法、系统、设备及存储介质
CN112801388A (zh) * 2021-02-04 2021-05-14 天津德尔塔科技有限公司 一种基于非线性时间序列算法的电力负荷预测方法及系统
CN114648176A (zh) * 2022-04-22 2022-06-21 天津大学 一种基于数据驱动的风光电源消纳优化方法

Similar Documents

Publication Publication Date Title
CN116681187B (zh) 一种基于企业经营数据的企业碳配额预测方法
CN114418177B (zh) 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法
CN116167527B (zh) 纯数据驱动的电力系统静态安全运行风险在线评估方法
CN111177128B (zh) 基于改进的离群点检测算法的计量大数据批量处理方法及系统
CN110991737A (zh) 一种基于深度置信网络的超短期风电功率预测方法
CN114021483A (zh) 基于时域特征与XGBoost的超短期风电功率预测方法
CN115238573A (zh) 考虑工况参数的水电机组性能劣化趋势预测方法和系统
CN117318033B (zh) 一种结合数据孪生的电网数据管理方法及系统
CN106056305A (zh) 一种基于状态聚类的发电系统可靠性快速评估方法
CN117696224A (zh) 一种基于大模型的磨矿优化处理系统
Neto et al. Big data analytics of smart grids using artificial intelligence for the outliers correction at demand measurements
CN117076878A (zh) 一种风电场历史出力缺失数据修补方法及系统
CN111367255A (zh) 一种多变量控制系统性能评价测试系统及方法
CN115498629A (zh) 一种场景增强型电力负荷运行控制方法及装置
CN115498629B (zh) 一种场景增强型电力负荷运行控制方法及装置
Friederich et al. A Framework for Validating Data-Driven Discrete-Event Simulation Models of Cyber-Physical Production Systems
CN114091325A (zh) 一种基于多模型分层学习的配电台区负荷预测方法及系统
CN114548739A (zh) 一种变电站防汛风险组合评估方法
Arakelyan et al. Analysis of the DCS historical data for estimation of input signal significance
Zafar et al. A deep neural network-based optimal power flow approach for identifying network congestion and renewable energy generation curtailment
CN105468871B (zh) 一种动量轮成功包络分析与应用方法
CN117172138B (zh) 一种基于深度学习的城市交通碳排放预测方法及装置
CN113872200B (zh) 一种中压配网停电事件诊断识别方法、系统及存储介质
CN112485676B (zh) 一种数字镜像下的电池储能系统状态估计预警方法
CN117273422B (zh) 用于数字化生产的供应链协同管控方法及系统

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
GR01 Patent grant