CN115714425A - 一种分布式可再生能源集群调度方法和装置 - Google Patents
一种分布式可再生能源集群调度方法和装置 Download PDFInfo
- Publication number
- CN115714425A CN115714425A CN202211482506.1A CN202211482506A CN115714425A CN 115714425 A CN115714425 A CN 115714425A CN 202211482506 A CN202211482506 A CN 202211482506A CN 115714425 A CN115714425 A CN 115714425A
- Authority
- CN
- China
- Prior art keywords
- cluster
- day
- scheduling
- curve
- peak
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 87
- 230000008901 benefit Effects 0.000 claims abstract description 17
- 238000010248 power generation Methods 0.000 claims abstract description 12
- 230000007246 mechanism Effects 0.000 claims description 29
- 230000005611 electricity Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims 1
- 238000004146 energy storage Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
-
- 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
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式可再生能源集群调度方法和装置,通过响应集群调度请求,以集群总效益最大化为目标构建集群对应优化策略函数,获取各个集群的预测数据,根据预测数据构建次日目标调度模型,得到次日集群调度指令曲线,根据预测数据和各次日集群调度指令曲线,确定优化策略函数的调峰时段和非调峰时段,结合预测数据和次日集群指令曲线求解优化策略函数,输出最优调度曲线。解决了现在技术中通过电池储能技术来跟踪发电,在大规模高比例、分散化的可再生能源机组接入时,会导致集中控制难以满足配网电压调控的精确性和快速性要求,降低了电网分布式可再生能源的接入能力的技术问题。
Description
技术领域
本发明涉及电力系统技术领域,尤其涉及一种分布式可再生能源集群调度方法和装置。
背景技术
未来高比例分布式能源接入,对电网的影响日趋显著,多种储能有机整合实现多能互补的储能体系将是未来储能系统在电网中应用的主要形式。分布式能源是一种建在用户端的能源供应方式,可独立运行,也可并网运行,分布式可再生能源是指充分利用闲散空间资源,发展小型化、分布化的可再生能源,主要是分布式光伏和分布式风电。
现有技术中主要是通过利用电池储能技术来跟踪计划发电、平滑风电功率输出、提升风力发电接入电网能力。
但在上述现有技术中,通过利用电池储能技术来跟踪技术发电,仅限于局部、小规模范围,当大规模高比例、分散化的可再生能源机组的接入时,会导致集中控制难以满足配网电压调控的精确性和快速性要求,降低了电网分布式可再生能源的接入能力。
发明内容
本发明提供了一种分布式可再生能源集群调度方法和装置,解决了现在技术中通过电池储能技术来跟踪发电,在大规模高比例、分散化的可再生能源机组接入时,会导致集中控制难以满足配网电压调控的精确性和快速性要求,降低了电网分布式可再生能源的接入能力的技术问题。
本发明第一方面提供的一种分布式可再生能源集群调度方法,包括:
响应集群调度请求,以集群总效益最大化为目标构建集群对应的优化策略函数;
获取各个所述集群的预测数据;
根据所述预测数据构建次日目标调度模型,得到次日集群调度指令曲线;
根据所述预测数据和各所述次日集群调度指令曲线,确定所述优化策略函数的调峰时段和非调峰时段;
基于所述预测数据和所述次日集群指令曲线,在所述调峰时段和非调峰时段下求解所述优化策略函数,输出最优调度曲线。
可选地,所述优化策略函数包括优化函数、调峰函数和非调峰函数:
所述调峰函数具体为:
其中,Oj1为经济性目标,peak为调峰时段,valley为填谷时段,pup为峰值电价,pdn谷时电价,ck为地调k的发电成本,Oj2为就地平衡目标,Plk,t为t时段地调k的当地预测负荷,为t时段地调k出力调整量的上限值,为t时段地调k出力调整量的下限值,N为地调数量,T为时间维度,为t时段省调对地调k的出力调整量;
所述非调峰函数具体为:
所述优化函数具体为:
H为时间维度,取24小时,Pclu,t为集群clu在t时段的对外输出功率,为省调对地调k在t时段的对外功率交互调度指令,为t时刻集群clu调度成本,cn,t为第二日t时段集群与聚合商n的电量交易价格,表示t时刻集群clu对外输出功率,表示t-1时刻集群clu对外输出功率,为集群clu在t时刻的灵活性裕度使用量,为集群clu在t时刻的灵活性裕度上限值,为集群clu在t时刻的灵活性裕度上限值,Lclu,t为集群clu在t时段的预测负荷。
可选地,所述预测数据包括集群分布式可再生能源出力预测曲线,所述根据所述预测数据构建次日目标调度模型,得到次日集群调度指令曲线的步骤,包括:
选取各个所述集群分布式可再生能源出力预测曲线中多个相同时刻对应的预测数值、可调上限值和可调下限值;
将各个所述预测数值进行叠加,得到次日预测数值;
将各个所述可调上限值进行叠加,得到次日可调上限值;
将各个所述可调下限值进行叠加,得到次日可调下限值;
采用所述次日预测数值、所述次日可调上限值和所述次日可调下限值生成次日集群调度指令曲线。
可选地,所述预测数据包括总负荷曲线,所述根据所述预测数据和各所述次日集群调度指令曲线,确定所述优化策略函数的调峰时段和非调峰时段的步骤,包括
将各所述次日集群调度指令曲线输入至所述次日目标调度模型中,叠加得到次日省调度指令曲线;
选取所述次日省调度指令曲线中多个相同时刻对应的所述次日预测数值和所述次日可调上限值;
选取所述总负荷曲线中多个相同时刻对应的总负荷值;
计算所述总负荷值与所述次日预测数值之间的第一差值;
计算所述第一差值与所述次日可调上限值的第二差值;
判断所述第一差值是否大于所述第二差值;
若所述第一差值大于第二差值,则将所述第一差值对应的时刻确定为调峰时段;
若所述第一差值小于或等于第二差值,则将所述第一差值对应的时刻确定为非调峰时刻。
可选地,所述基于所述预测数据和所述次日集群指令曲线,在所述调峰时段和非调峰时段下求解所述优化策略函数,输出最优调度曲线的步骤,包括:
选取所述次日集群调度指令曲线中多个目标时段和所述目标时段对应的目标数据;
判断所述目标时段是否为调峰时段;
若所述目标时段是调峰时段,则将所述目标数据和所述预测数据输入到所述调峰函数和所述优化函数中,输出调度数据;
若所述目标时段不是调峰时段,则将所述目标数据和所述预测数据输入到所述非调峰函数和所述优化函数中,输出调度数据;
采用各个所述目标时段对应的所述调度数据生成最优调度曲线。
本发明第二方面提供的种分布式可再生能源集群调度装置,包括:
优化策略函数构建模块,用于响应集群调度请求,以集群总效益最大化为目标构建集群对应的优化策略函数;
数据采集模块,用于获取各个所述集群的预测数据;
指令曲线构建模块,用于根据所述预测数据构建次日目标调度模型,得到次日集群调度指令曲线;
数据分析模块,用于根据所述预测数据和各所述次日集群调度指令曲线,确定所述优化策略函数的调峰时段和非调峰时段;
调度曲线计算模块,用于基于所述预测数据和所述次日集群指令曲线,在所述调峰时段和非调峰时段下求解所述优化策略函数,输出最优调度曲线。
可选地,所述优化策略函数包括优化函数、调峰函数和非调峰函数:
所述调峰函数具体为:
其中,Oj1为经济性目标,peak为调峰时段,valley为填谷时段,pup为峰值电价,pdn谷时电价,ck为地调k的发电成本,Oj2为就地平衡目标,Plk,t为t时段地调k的当地预测负荷,为t时段地调k出力调整量的上限值,为t时段地调k出力调整量的下限值,N为地调数量,T为时间维度,为t时段省调对地调k的出力调整量;
所述非调峰函数具体为:
所述优化函数具体为:
H为时间维度,取24小时,Pclu,t为集群clu在t时段的对外输出功率,为省调对地调k在t时段的对外功率交互调度指令,为t时刻集群clu调度成本,cn,t为第二日t时段集群与聚合商n的电量交易价格,表示t时刻集群clu对外输出功率,表示t-1时刻集群clu对外输出功率,为集群clu在t时刻的灵活性裕度使用量,为集群clu在t时刻的灵活性裕度上限值,为集群clu在t时刻的灵活性裕度上限值,Lclu,t为集群clu在t时段的预测负荷。
可选地,所述指令曲线构建模块包括:
第一数值选取子模块,用于选取各个所述集群分布式可再生能源出力预测曲线中多个相同时刻对应的预测数值、可调上限值和可调下限值;
第一叠加子模块,用于将各个所述预测数值进行叠加,得到次日预测数值;
第二叠加子模块,用于将各个所述可调上限值进行叠加,得到次日可调上限值;
第三叠加子模块,用于将各个所述可调下限值进行叠加,得到次日可调下限值;
指令曲线生成子模块,用于采用所述次日预测数值、所述次日可调上限值和所述次日可调下限值生成次日集群调度指令曲线。
可选地,所述预测数据包括总负荷曲线,所述数据分析模块包括:
第四叠加子模块,用于将各所述次日集群调度指令曲线输入至所述次日目标调度模型中,叠加得到次日省调度指令曲线;
第二数值选取子模块,用于取所述次日省调度指令曲线中多个相同时刻对应的所述次日预测数值和所述次日可调上限值;
第三数值选取子模块,用于选取所述总负荷曲线中多个相同时刻对应的总负荷值;
第一差值计算子模块,用于计算所述总负荷值与所述次日预测数值之间的第一差值;
第二差值计算子模块,用于计算所述第一差值与所述次日可调上限值的第二差值;
第一判断子模块,用于判断所述第一差值是否大于所述第二差值;
若所述第一差值大于第二差值,则将所述第一差值对应的时刻确定为调峰时段;
若所述第一差值小于或等于第二差值,则将所述第一差值对应的时刻确定为非调峰时刻。
可选地,所述调度曲线计算模块包括:
第四数值选取子模块,用于选取所述次日集群调度指令曲线中多个目标时段和所述目标时段对应的目标数据;
第二判断子模块,用于判断所述目标时段是否为调峰时段;
若所述目标时段是调峰时段,则将所述目标数据和所述预测数据输入到所述调峰函数和所述优化函数中,输出调度数据;
若所述目标时段不是调峰时段,则将所述目标数据和所述预测数据输入到所述非调峰函数和所述优化函数中,输出调度数据;
最优调度曲线生成子模块,用于采用各个所述目标时段对应的所述调度数据生成最优调度曲线。
从以上技术方案可以看出,本发明具有以下优点:
当接收到集群调度请求时,以集群总效益最高为目标构建集群对应的优化策略函数,获取各个集群的预测数据,根据预测数据构建次日目标调度模型,得到次日集群调度指令曲线,根据预测数据和各次日集群调度指令曲线,确定优化策略函数的调峰时段和非调峰时段,根据分配好的调峰时段和非调峰时段,将预测数据和次日集群指令曲线输入到优化策略函数中,求解最优调度曲线。现在技术中通过电池储能技术来跟踪发电,在大规模高比例、分散化的可再生能源机组接入时,会导致集中控制难以满足配网电压调控的精确性和快速性要求,降低了电网分布式可再生能源的接入能力的技术问题,提高了电网分布式可再生能源的接入能力,保证了电网的稳定运行。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的一种分布式可再生能源集群调度方法的步骤流程图;
图2为本发明实施例二提供的一种分布式可再生能源集群调度方法的步骤流程图;
图3为本发明实施例三提供的一种分布式可再生能源集群调度装置的结构框图。
具体实施方式
本发明实施例提供了一种分布式可再生能源集群调度方法和装置,用于解决现有现在技术中通过电池储能技术来跟踪发电,在大规模高比例、分散化的可再生能源机组接入时,会导致集中控制难以满足配网电压调控的精确性和快速性要求,降低了电网分布式可再生能源的接入能力的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例一提供的一种分布式可再生能源集群调度方法的步骤流程图。
本发明提供的一种分布式可再生能源集群调度方法,包括:
步骤101、响应集群调度请求,以集群总效益最大化为目标构建集群对应的优化策略函数。
集群调度请求指的是,通过分布式可再生能源集群将次日集群调度的预测曲线发送至省级电网机构的请求指令。
优化策略函数指的是,省级电网机构在保留调频裕度的前提下,以各地级电网机构调度最优曲线为基础,优先进行经济性调度,地级电网机构再结合省级电网机构的调度曲线,以各集群调度最优曲线为基础,进行调度。
在本发明实施例中,当接收到技术人员发出的分布式再生能源集群调度请求时,以各个集群整体的总效益最高为目标构建各个集群对应的优化策略函数。
步骤102、获取各个集群的预测数据。
预测数据指的是各个集群对次日出力情况预测分析得到的数据。例如,峰值电价、谷时电价、地调k的发电成本、就地平衡目标、t时段集群k的当地预测负荷、为t时段集群k出力调整量的上限值、地调数量、集群数量、k集群t时刻集群调度最优功率、地级调度机构k在t时段所保留的可调裕度、调频服务常数、t时刻集群clu调度成本、第二日t时段集群与聚合商n的电量交易价格、t时刻集群clu对外输出功率、t-1时刻集群clu对外输出功率、t时刻的灵活性裕度使用量、集群clu在t时刻的灵活性裕度上限值、集群clu在t时刻的灵活性裕度上限值、集群clu在t时段的预测负荷、集群预测曲线和可调范围等。
在本发明实施例中,在构建完成优化策略函数后,获取每一个集群的预测数据。
需要说明的是,t时段地调k的当地预测负荷、t时段地调k出力调整量的上限值、k市t时刻地调调度最优功率等,均可通过地调所包含的各个集群的预测数据叠加得到。
步骤103、根据预测数据构建次日目标调度模型,得到次日集群调度指令曲线。
次日目标调度模型指的是,将多集群预测曲线和可调范围整合在一起的函数模型。
在本发明实施例中,当获取到集群的预测数据后,选取预测数据中的集群预测曲线和可调范围,根据各个集群所属的地级电网机构和省级电网机构,选取地级电网机构所属集群的预测曲线和可调范围进行叠加,或选取省级电网机构所属集群的预测曲线和可调范围进行叠加。
步骤104、根据预测数据和各次日集群调度指令曲线,确定优化策略函数的调峰时段和非调峰时段。
调峰时段指的是,电网在该时间内需要投入在正常运行以外的发电机组才能满足需求。
非调峰时间值的是,电网在该时间内不需要投入在正常运行以外的发电机组也能满足需求。
在本发明实施例中,在获取到各次日集群调度指令曲线后,选取预测数据中的全省总负荷曲线和集群的可调上限值,根据全省总负荷曲线和次日集群调度指令曲线,计算出净负荷曲线,再选取地级电网机构对应集群的可调上限值,将可调上限值进行叠加,得到地级电网机构的可调上限值,计算地级电网机构与净负荷曲线在该时刻的最大净负荷值的差值,当t时刻净负荷值大于差值,则判定t时刻为调峰时刻,当t时刻净负荷值小于或等于差值,则判定t时刻为非调峰时刻。
需要说明的是,可获取t手段地级电网机构对应集群的可调下限值作为初始填谷功率,计算最小净负荷值与初始填谷功率的和值,
步骤105、基于预测数据和次日集群指令曲线,在调峰时段和非调峰时段下求解优化策略函数,输出最优调度曲线。
在本发明实施例中,在得到次日的调峰时段和非调峰时段后,结合预测数据和次日集群指令曲线,共同输入到优化策略函数中,优化策略函数以集群总效益最大化为目标,在满足与省级电网机构的调度偏差最小的条件下进行求解,得到集群在次日的最优调度曲线。
在本发明实施例中,通过响应集群调度请求,以集群总效益最大化为目标构建优化策略函数,再获取各个集群的预测数据,而为了实现集群调度准确性,根据预测数据构建次日目标调度模型,生成次日集群调度曲线,根据预测数据和次日集群调度指令曲线,将次日时段划分为调峰时段和非调峰时段,并结合预测数据和次日集群指令曲线,共同输入到优化策略函数中,求解最优调度曲线。可以适应对大规模高比例、分散化的集群进行调控,减少储能资源的浪费,提高了电网分布式可再生能源的接入能力。
请参阅图2,图2为本发明实施例二提供的一种分布式可再生能源集群调度方法的步骤流程图。
本发明提供的一种分布式可再生能源集群调度方法,包括:
步骤201、响应集群调度请求,以集群总效益最大化为目标构建集群对应的优化策略函数。
优化策略函数包括优化函数、调峰函数和非调峰函数:
调峰函数具体为:
其中,Oj1为经济性目标,peak为调峰时段,valley为填谷时段,pup为峰值电价,pdn谷时电价,ck为地调k的发电成本,Oj2为就地平衡目标,Plk,t为t时段地调k的当地预测负荷,为t时段地调k出力调整量的上限值,为t时段地调k出力调整量的下限值,N为地调数量,T为时间维度,为t时段省调对地调k的出力调整量;
非调峰函数具体为:
优化函数具体为:
H为时间维度,取24小时,Pclu,t为集群clu在t时段的对外输出功率,为省调对地调k在t时段的对外功率交互调度指令,为t时刻集群clu调度成本,cn,t为第二日t时段集群与聚合商n的电量交易价格,表示t时刻集群clu对外输出功率,表示t-1时刻集群clu对外输出功率,为集群clu在t时刻的灵活性裕度使用量,为集群clu在t时刻的灵活性裕度上限值,为集群clu在t时刻的灵活性裕度上限值,Lclu,t为集群clu在t时段的预测负荷。
在本发明实施例中,当接收到工作人员发出的集群调度请求时,对集群调度请求进行解析,获取到优化策略函数的目标为集群运行总效益最大,根据目标构建优化策略函数。
步骤202、获取各个集群的预测数据。
在本发明实施例中,在优化策略函数构建完成后,获取在电网中各个集群对次日的预测数据。
步骤203、选取各个集群分布式可再生能源出力预测曲线中多个相同时刻对应的预测数值、可调上限值和可调下限值。
在本发明实施例中,在获取到集群的预测数据后,选取每一个集群的分布式可再生能源出力预测曲线中相同时刻的预测数值、可调上限值和可调下限值。
需要说明的是,预测数据中包括了集群分布式可再生能源出力预测曲线。
步骤204、将各个预测数值进行叠加,得到次日预测数值。
在本发明实施例中,通过将选取到预测数值进行叠加,得到次日预测数值。
步骤205、将各个可调上限值进行叠加,得到次日可调上限值。
在本发明实施例中,通过将选取到可调上限值进行叠加,得到次日可调上限值。
步骤206、将各个可调下限值进行叠加,得到次日可调下限值。
在本发明实施例中,通过将选取到可调下限值进行叠加,得到次日可调下限值。
步骤207、采用次日预测数值、次日可调上限值和次日可调下限值生成次日集群调度指令曲线。
在本发明实施例中,将叠加得到的次日预测数值、次日可调上限值和次日可调下限值,以次日可调上限值和次日可调下限值作为次日集群调度指令曲线的可调上下限值,以次日每一时刻t作为x轴,次日预测数值作为y轴生成次日集群调度指令曲线。
步骤208、根据预测数据和各次日集群调度指令曲线,确定优化策略函数的调峰时段和非调峰时段。
进一步地,预测数据包括总负荷曲线,步骤208可以包括以下子步骤:
S11、将各次日集群调度指令曲线输入至次日目标调度模型中,叠加得到次日省调度指令曲线。
在本发明实施例中,将各个次日集群调度指令曲线输入到次日目标调度模型中,进行叠加生成次日省调度指令曲线。
S12、选取次日省调度指令曲线中多个相同时刻对应的次日预测数值和次日可调上限值。
在本发明实施例中,选取次日省调指令曲线在t时刻对应的次日预测数值和次日可调上限值。
S13、选取总负荷曲线中多个相同时刻对应的总负荷值。
在本发明实施例中,选取总负荷曲线中在t时刻对应的总负荷值。
S14、计算总负荷值与次日预测数值之间的第一差值。
在本发明实施例中,在选取出t时刻的总负荷值和次日预测数值后,计算总负荷值与次日预测数值的第一差值。
S15、计算第一差值与次日可调上限值的第二差值。
在本发明实施例中,在计算出第一差值后,计算第一差值与t时刻对应的次日可调上限值的第二差值。
需要说明的是,将次日可调上限值作为初始削峰功率,将第一差值与初始削峰功率的第二差值作为调峰触发功率。
S16、判断第一差值是否大于第二差值。
在本发明实施例中,判断第一差值是否大于调峰触发功率。
S17、若第一差值大于第二差值,则将第一差值对应的时刻确定为调峰时段。
在本发明实施例中,若第一差值大于调峰触发功率,则将第一差值对应的时刻确定为调峰时段。
S18、若第一差值小于或等于第二差值,则将第一差值对应的时刻确定为非调峰时刻。
在本发明实施例中,若第一差值小于或等于调峰触发功率,则将第一差值对应的时刻确定为非调峰时段。
需要说明的是,还可选取次日可调下限值作为初始填谷功率,通过计算第一差值与初始填谷功率的和值作为填谷触发功率,判断第一差值是否小于填谷触发功率,若第一差值小于填谷触发功率,则将第一差值对应的时间确定为填谷时段,若第一差值大于或等于填谷触发功率,则将第一差值对应的时间确定为退谷时段。
步骤209、基于预测数据和次日集群指令曲线,在调峰时段和非调峰时段下求解优化策略函数,输出最优调度曲线。
进一步地,步骤209可以包括以下子步骤:
S21、选取次日集群调度指令曲线中多个目标时段和目标时段对应的目标数据。
在本发明实施例中,在获取到次日集群调度指令曲线后,选取目标集群曲线中的多个目标时段和目标时段对应的目标数据。
S22、判断目标时段是否为调峰时段。
在本发明实施例中,在选取出目标时段后,判断目标时段是否为调峰时段。
S23、若目标时段是调峰时段,则将目标数据和预测数据输入到调峰函数和优化函数中,输出调度数据。
在本发明实施例中,当目标时段为调峰时段时,调用优化策略函数的调峰函数和优化函数对目标数据和预测数据进行运算。
S24、若目标时段不是调峰时段,则将目标数据和预测数据输入到非调峰函数和优化函数中,输出调度数据。
在本发明实施例中,当目标时段为非调峰时段时,调用优化策略函数的非调峰函数和优化函数对目标数据和预测数据进行运算。
S25、采用各个目标时段对应的调度数据生成最优调度曲线。
在本发明实施例中,根据各个目标时段计算得到调度数据,生成最优调度曲线。
在本发明实施例中,通过响应集群调度请求,以集群总效益最大化为目标构建集群对应的优化策略函数,再获取各个集群的预测数据,选取预测数据中各个集群分布式可再生能源出力预测曲线中多个相同时刻对应的预测数值、可调上限值和可调下限值,分别对各个预测数值、可调上限值和可调下限值进行叠加,生成次日集群调度指令曲线,根据预测数据和次日集群调度指令曲线,将次日时段划分为调峰时段和非调峰时段,根据调峰时段和非调峰时段调用的运算函数不同,结合预测数据和次日集群调度指令曲线,生成最优化调度曲线。可以快速的对大规模高比例、分散化的集群进行精准调控,减少了储能资源的浪费,提高了电网分布式可再生能源的接入能力。
请参阅图3,图3为本发明实施例三提供的一种分布式可再生能源集群调度装置的结构框图。
本发明实施例提供了一种分布式可再生能源集群调度装置,包括:
优化策略函数构建模块301,用于响应集群调度请求,以集群总效益最大化为目标构建集群对应的优化策略函数;
数据采集模块302,用于获取各个集群的预测数据;
指令曲线构建模块303,用于根据预测数据构建次日目标调度模型,得到次日集群调度指令曲线;
数据分析模块304,用于根据预测数据和各次日集群调度指令曲线,确定优化策略函数的调峰时段和非调峰时段;
调度曲线计算模块305,用于基于预测数据和次日集群指令曲线,在调峰时段和非调峰时段下求解优化策略函数,输出最优调度曲线。
进一步地,优化策略函数包括优化函数、调峰函数和非调峰函数:
调峰函数具体为:
其中,Oj1为经济性目标,peak为调峰时段,valley为填谷时段,pup为峰值电价,pdn谷时电价,ck为地调k的发电成本,Oj2为就地平衡目标,Plk,t为t时段地调k的当地预测负荷,为t时段地调k出力调整量的上限值,为t时段地调k出力调整量的下限值,N为地调数量,T为时间维度,为t时段省调对地调k的出力调整量;
非调峰函数具体为:
优化函数具体为:
H为时间维度,取24小时,Pclu,t为集群clu在t时段的对外输出功率,为省调对地调k在t时段的对外功率交互调度指令,为t时刻集群clu调度成本,cn,t为第二日t时段集群与聚合商n的电量交易价格,表示t时刻集群clu对外输出功率,表示t-1时刻集群clu对外输出功率,为集群clu在t时刻的灵活性裕度使用量,为集群clu在t时刻的灵活性裕度上限值,为集群clu在t时刻的灵活性裕度上限值,Lclu,t为集群clu在t时段的预测负荷。
进一步地,指令曲线构建模块303包括:
第一数值选取子模块,用于选取各个集群分布式可再生能源出力预测曲线中多个相同时刻对应的预测数值、可调上限值和可调下限值;
第一叠加子模块,用于将各个预测数值进行叠加,得到次日预测数值;
第二叠加子模块,用于将各个可调上限值进行叠加,得到次日可调上限值;
第三叠加子模块,用于将各个可调下限值进行叠加,得到次日可调下限值;
指令曲线生成子模块,用于采用次日预测数值、次日可调上限值和次日可调下限值生成次日集群调度指令曲线。
进一步地,预测数据包括总负荷曲线,数据分析模块304包括:
第四叠加子模块,用于将各次日集群调度指令曲线输入至次日目标调度模型中,叠加得到次日省调度指令曲线;
第二数值选取子模块,用于取次日省调度指令曲线中多个相同时刻对应的次日预测数值和次日可调上限值;
第三数值选取子模块,用于选取总负荷曲线中多个相同时刻对应的总负荷值;
第一差值计算子模块,用于计算总负荷值与次日预测数值之间的第一差值;
第二差值计算子模块,用于计算第一差值与次日可调上限值的第二差值;
第一判断子模块,用于判断第一差值是否大于第二差值;
若第一差值大于第二差值,则将第一差值对应的时刻确定为调峰时段;
若第一差值小于或等于第二差值,则将第一差值对应的时刻确定为非调峰时刻。
进一步地,调度曲线计算模块305包括:
第四数值选取子模块,用于选取次日集群调度指令曲线中多个目标时段和目标时段对应的目标数据;
第二判断子模块,用于判断目标时段是否为调峰时段;
若目标时段是调峰时段,则将目标数据和预测数据输入到调峰函数和优化函数中,输出调度数据;
若目标时段不是调峰时段,则将目标数据和预测数据输入到非调峰函数和优化函数中,输出调度数据;
最优调度曲线生成子模块,用于采用各个目标时段对应的调度数据生成最优调度曲线。
在本发明实施例中,当优化策略函数构建模块接收到技术人员发出的集群调度请求,以集群总效益最大化为目标构建集群对应的优化策略函数,再通过数据采集模块获取各个集群的预测数据,指令曲线构建模块根据获取到的预测数据构建次日目标调度模型,生产次日集群调度指令曲线,数据分析模块根据得到的预测数据和次日集群调度指令曲线进行分析,将次日时段划分为调峰时段和非调峰时段,最后由调度曲线计算模块,通过预测数据和次日集群指令,在调峰时段和非调峰时段求解优化策略函数,输出最优调度曲线。解决了现有技术方案中在大规模、分散化的集群调度时无法精准快速的对配电网电压进行调控的技术问题,提高了电网分布式可再生能源的接入能力。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种分布式可再生能源集群调度方法,其特征在于,包括:
响应集群调度请求,以集群总效益最大化为目标构建集群对应的优化策略函数;
获取各个所述集群的预测数据;
根据所述预测数据构建次日目标调度模型,得到次日集群调度指令曲线;
根据所述预测数据和各所述次日集群调度指令曲线,确定所述优化策略函数的调峰时段和非调峰时段;
基于所述预测数据和所述次日集群指令曲线,在所述调峰时段和非调峰时段下求解所述优化策略函数,输出最优调度曲线。
2.根据权利要求1所述的分布式可再生能源集群调度方法,其特征在于,所述优化策略函数包括优化函数、调峰函数和非调峰函数:
所述调峰函数具体为:
其中,Oj1为经济性目标,peak为调峰时段,valley为填谷时段,pup为峰值电价,pdn谷时电价,ck为地调k的发电成本,Oj2为就地平衡目标,Plk,t为t时段地调k的当地预测负荷,为t时段地调k出力调整量的上限值,为t时段地调k出力调整量的下限值,N为地调数量,T为时间维度,为t时段省调对地调k的出力调整量;
所述非调峰函数具体为:
所述优化函数具体为:
3.根据权利要求1所述的分布式可再生能源集群调度方法,其特征在于,所述预测数据包括集群分布式可再生能源出力预测曲线,所述根据所述预测数据构建次日目标调度模型,得到次日集群调度指令曲线的步骤,包括:
选取各个所述集群分布式可再生能源出力预测曲线中多个相同时刻对应的预测数值、可调上限值和可调下限值;
将各个所述预测数值进行叠加,得到次日预测数值;
将各个所述可调上限值进行叠加,得到次日可调上限值;
将各个所述可调下限值进行叠加,得到次日可调下限值;
采用所述次日预测数值、所述次日可调上限值和所述次日可调下限值生成次日集群调度指令曲线。
4.根据权利要求3所述的分布式可再生能源集群调度方法,其特征在于,所述预测数据包括总负荷曲线,所述根据所述预测数据和各所述次日集群调度指令曲线,确定所述优化策略函数的调峰时段和非调峰时段的步骤,包括将各所述次日集群调度指令曲线输入至所述次日目标调度模型中,叠加得到次日省调度指令曲线;
选取所述次日省调度指令曲线中多个相同时刻对应的所述次日预测数值和所述次日可调上限值;
选取所述总负荷曲线中多个相同时刻对应的总负荷值;
计算所述总负荷值与所述次日预测数值之间的第一差值;
计算所述第一差值与所述次日可调上限值的第二差值;
判断所述第一差值是否大于所述第二差值;
若所述第一差值大于第二差值,则将所述第一差值对应的时刻确定为调峰时段;
若所述第一差值小于或等于第二差值,则将所述第一差值对应的时刻确定为非调峰时刻。
5.根据权利要求2所述的分布式可再生能源集群调度方法,其特征在于,所述基于所述预测数据和所述次日集群指令曲线,在所述调峰时段和非调峰时段下求解所述优化策略函数,输出最优调度曲线的步骤,包括:
选取所述次日集群调度指令曲线中多个目标时段和所述目标时段对应的目标数据;
判断所述目标时段是否为调峰时段;
若所述目标时段是调峰时段,则将所述目标数据和所述预测数据输入到所述调峰函数和所述优化函数中,输出调度数据;
若所述目标时段不是调峰时段,则将所述目标数据和所述预测数据输入到所述非调峰函数和所述优化函数中,输出调度数据;
采用各个所述目标时段对应的所述调度数据生成最优调度曲线。
6.一种分布式可再生能源集群调度装置,其特征在于,包括:
优化策略函数构建模块,用于响应集群调度请求,以集群总效益最大化为目标构建集群对应的优化策略函数;
数据采集模块,用于获取各个所述集群的预测数据;
指令曲线构建模块,用于根据所述预测数据构建次日目标调度模型,得到次日集群调度指令曲线;
数据分析模块,用于根据所述预测数据和各所述次日集群调度指令曲线,确定所述优化策略函数的调峰时段和非调峰时段;
调度曲线计算模块,用于基于所述预测数据和所述次日集群指令曲线,在所述调峰时段和非调峰时段下求解所述优化策略函数,输出最优调度曲线。
7.根据权利要求6所述的分布式可再生能源集群调度装置,其特征在于,所述优化策略函数包括优化函数、调峰函数和非调峰函数:
所述调峰函数具体为:
其中,Oj1为经济性目标,peak为调峰时段,valley为填谷时段,pup为峰值电价,pdn谷时电价,ck为地调k的发电成本,Oj2为就地平衡目标,Plk,t为t时段地调k的当地预测负荷,为t时段地调k出力调整量的上限值,为t时段地调k出力调整量的下限值,N为地调数量,T为时间维度,为t时段省调对地调k的出力调整量;
所述非调峰函数具体为:
所述优化函数具体为:
8.根据权利要求6所述的分布式可再生能源集群调度装置,其特征在于,所述指令曲线构建模块包括:
第一数值选取子模块,用于选取各个所述集群分布式可再生能源出力预测曲线中多个相同时刻对应的预测数值、可调上限值和可调下限值;
第一叠加子模块,用于将各个所述预测数值进行叠加,得到次日预测数值;
第二叠加子模块,用于将各个所述可调上限值进行叠加,得到次日可调上限值;
第三叠加子模块,用于将各个所述可调下限值进行叠加,得到次日可调下限值;
指令曲线生成子模块,用于采用所述次日预测数值、所述次日可调上限值和所述次日可调下限值生成次日集群调度指令曲线。
9.根据权利要求8所述的分布式可再生能源集群调度装置,其特征在于,所述预测数据包括总负荷曲线,所述数据分析模块包括:
第四叠加子模块,用于将各所述次日集群调度指令曲线输入至所述次日目标调度模型中,叠加得到次日省调度指令曲线;
第二数值选取子模块,用于取所述次日省调度指令曲线中多个相同时刻对应的所述次日预测数值和所述次日可调上限值;
第三数值选取子模块,用于选取所述总负荷曲线中多个相同时刻对应的总负荷值;
第一差值计算子模块,用于计算所述总负荷值与所述次日预测数值之间的第一差值;
第二差值计算子模块,用于计算所述第一差值与所述次日可调上限值的第二差值;
第一判断子模块,用于判断所述第一差值是否大于所述第二差值;
若所述第一差值大于第二差值,则将所述第一差值对应的时刻确定为调峰时段;
若所述第一差值小于或等于第二差值,则将所述第一差值对应的时刻确定为非调峰时刻。
10.根据权利要求7所述的分布式可再生能源集群调度装置,其特征在于,所述调度曲线计算模块包括:
第四数值选取子模块,用于选取所述次日集群调度指令曲线中多个目标时段和所述目标时段对应的目标数据;
第二判断子模块,用于判断所述目标时段是否为调峰时段;
若所述目标时段是调峰时段,则将所述目标数据和所述预测数据输入到所述调峰函数和所述优化函数中,输出调度数据;
若所述目标时段不是调峰时段,则将所述目标数据和所述预测数据输入到所述非调峰函数和所述优化函数中,输出调度数据;
最优调度曲线生成子模块,用于采用各个所述目标时段对应的所述调度数据生成最优调度曲线。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211482506.1A CN115714425A (zh) | 2022-11-24 | 2022-11-24 | 一种分布式可再生能源集群调度方法和装置 |
PCT/CN2023/106706 WO2024109105A1 (zh) | 2022-11-24 | 2023-07-11 | 一种分布式可再生能源集群调度方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211482506.1A CN115714425A (zh) | 2022-11-24 | 2022-11-24 | 一种分布式可再生能源集群调度方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115714425A true CN115714425A (zh) | 2023-02-24 |
Family
ID=85234889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211482506.1A Pending CN115714425A (zh) | 2022-11-24 | 2022-11-24 | 一种分布式可再生能源集群调度方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115714425A (zh) |
WO (1) | WO2024109105A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024109105A1 (zh) * | 2022-11-24 | 2024-05-30 | 广东电网有限责任公司佛山供电局 | 一种分布式可再生能源集群调度方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114583708A (zh) * | 2022-03-18 | 2022-06-03 | 南方电网科学研究院有限责任公司 | 一种虚拟电厂日前精确削峰方法、系统、设备及存储介质 |
CN114928052A (zh) * | 2022-07-01 | 2022-08-19 | 全球能源互联网集团有限公司 | 考虑深度调峰的高渗透率新能源电网调度方法及系统 |
CN115345389B (zh) * | 2022-10-19 | 2023-01-24 | 广东电网有限责任公司佛山供电局 | 一种集群对虚拟电厂多时间尺度优化调度方法 |
CN115714425A (zh) * | 2022-11-24 | 2023-02-24 | 广东电网有限责任公司 | 一种分布式可再生能源集群调度方法和装置 |
-
2022
- 2022-11-24 CN CN202211482506.1A patent/CN115714425A/zh active Pending
-
2023
- 2023-07-11 WO PCT/CN2023/106706 patent/WO2024109105A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024109105A1 (zh) * | 2022-11-24 | 2024-05-30 | 广东电网有限责任公司佛山供电局 | 一种分布式可再生能源集群调度方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2024109105A1 (zh) | 2024-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tu et al. | Optimization of a stand-alone photovoltaic–wind–diesel–battery system with multi-layered demand scheduling | |
Luo et al. | A two-stage optimization and control for CCHP microgrid energy management | |
WO2019094750A1 (en) | Micro-grid energy management system | |
CN110137955A (zh) | 一种计及CVaR的鲁棒机组组合调度的决策方法 | |
WO2015031581A1 (en) | System and method for energy asset sizing and optimal dispatch | |
US12015275B2 (en) | Hybrid power plant | |
CN113783193B (zh) | 一种基于边端协同的乡村供用能系统优化调控方法及系统 | |
CN109462258A (zh) | 一种基于机会约束规划的家庭能量优化调度方法 | |
CN104239966B (zh) | 一种主动配电网基于用电成本差异化的运营方法 | |
CN115765015A (zh) | 面向电网实际应用场景的源网荷储协同互动方案制定方法 | |
CN115714425A (zh) | 一种分布式可再生能源集群调度方法和装置 | |
Awasthi et al. | Operation of datacenter as virtual power plant | |
Ju et al. | Hierarchical control of air-conditioning loads for flexible demand response in the short term | |
CN115733189A (zh) | 基于能量调频和负荷需求的共享储能调度方法及系统 | |
Li et al. | A dynamics-constrained method for distributed frequency regulation in low-inertia power systems | |
WO2019158575A1 (en) | System and method for operating a combination of heterogeneous energy resources for fast grid services | |
CN115935619A (zh) | 基于需求响应的主动配电网日前低碳调度方法及装置 | |
CN113327065B (zh) | 针对发电侧的用户复杂用电情况的能源管理方法及系统 | |
CN115660204A (zh) | 一种考虑服务型虚拟电厂的电网拥塞缓解调控方法 | |
CN109038631A (zh) | 一种分布式发电和储能的容量配置方法 | |
Sørensen et al. | Simulations of wind power integration with complementary power system planning tools | |
Maheswari et al. | Mitigating measures to address challenges of renewable integration—forecasting, scheduling, dispatch, balancing, monitoring, and control | |
De Jonghe et al. | Value of demand response for wind integration in daily power generation scheduling: Unit commitment modeling with price responsive load | |
Yao et al. | Economic optimal control of source-storage collaboration based on wind power forecasting for transient frequency regulation | |
Zhang et al. | A novel strategy for wind-solar-hydro complimentary real-time scheduling and control |
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 |