CN115808589A - 配电网分时分段线损异常诊断方法和装置 - Google Patents
配电网分时分段线损异常诊断方法和装置 Download PDFInfo
- Publication number
- CN115808589A CN115808589A CN202310064993.8A CN202310064993A CN115808589A CN 115808589 A CN115808589 A CN 115808589A CN 202310064993 A CN202310064993 A CN 202310064993A CN 115808589 A CN115808589 A CN 115808589A
- Authority
- CN
- China
- Prior art keywords
- power
- minimum
- switch
- line
- topological
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 219
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003745 diagnosis Methods 0.000 title claims abstract description 17
- 230000011218 segmentation Effects 0.000 title claims description 35
- 230000002159 abnormal effect Effects 0.000 claims abstract description 79
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000010586 diagram Methods 0.000 claims abstract description 17
- 230000005611 electricity Effects 0.000 claims abstract description 14
- 238000013138 pruning Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 241000282344 Mellivora capensis Species 0.000 claims description 9
- 239000004576 sand Substances 0.000 claims description 8
- 230000009191 jumping Effects 0.000 claims description 7
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000004040 coloring Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013082 photovoltaic technology Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了配电网分时分段线损异常诊断方法和装置，应用于中压配电网线损诊断领域，方法包括根据配电线路馈线图及自动化开关台账信息，基于剪枝法辨识各线路最小拓扑分段，其中最小拓扑分段是线路中分段所对应的树结构的非根、非叶子节点不存在其他自动化开关；根据配电设备的台账信息、配电变压器的功率数据及配电网功率数据，确定各线路最小拓扑分段在统计时间段内的线损率；将确定的线损率与线损率阈值比较，确定配电网异常用电区域。本发明通过结合最小拓扑分段划分和分时段线损率计算方法，指导电力人员定位线路异常用电用户。
Description
技术领域
本发明属于涉及中压配电网线损诊断领域，具体涉及一种基于海量数据分析的配电网线损异常诊断方法，尤其涉及一种基于多源数据融合的配电网分时分段线损诊断方法研究与应用。
背景技术
线损直接影响着电网公司的收入和效益，是公司经营管理的核心指标。由于数字化水平相对较低，且受制于点多面广等客观因素，当前线损问题主要集中在配用电环节，其损耗约占电网整体线损的70%以上。通过数字化手段有效识别与诊断配电网线损异常，推动问题的高效闭环治理，无疑是提升电网公司管理质效的重要途径。
线损计算主要包括理论线损和统计线损两种计算方式。理论线损基于拓扑、设备参数及末端量测数据，通过潮流迭代、等值电阻等方式推算出各导线和元器件的电能损耗，可以用于指导技术降损。理论线损对于设备参数数据质量要求高，且对异常量测数据敏感度低，在数字化程度低、数据质量较差的中低压配电网领域存在一定局限性，需要与统计线损相结合进行综合分析。统计线损通过线路首端的购电量与末端的售电量相减得到，计算过程直观简单，是当前国网公司用于线损管理的主要指标。然而，当前基于全线路日电量的计算方式颗粒度粗，难以定位线损异常的时间和区段。
线损主要成因包括技术线损和管理线损。技术线损是指由电能在传输过程中经过导线、变压器等各类电力元件所产生的物理损耗，管理线损是由于异常用电、量测误差、线变关系异常等管理因素所导致的统计意义的电能损失。其中异常用电检测是管理线损另一大成因，当前已有系统物理状态检测、大数据与人工智能和博弈论等分析方法，这些方法依托大量历史数据的迭代分析和校验能够有效识别多类异常用电行为，但对于小电量、间歇性的异常场景分析上存在不足。且线损诊断方法主要基于中压馈线首末端量测数据，存在一定的局限性。
发明内容
本发明针对当前基于全线路日电量的线损计算方式颗粒度粗，难以定位线损异常的时间和区段的技术问题，提供配电网分时分段线损异常诊断方法。
为实现上述技术目的，本发明采用改以下技术方案。
一方面，本发明提供了配电网分时分段线损异常诊断方法，包括：
获取配电网中配电线路馈线图以及线路上自动化开关和配电设备的台账信息；获取配电线路及配电变压器的功率数据及配电网功率数据；
根据配电线路馈线图及自动化开关台账信息，基于剪枝法辨识各线路最小拓扑分段，其中最小拓扑分段是线路中分段所对应的树结构的非根、非叶子节点不存在其他自动化开关；
根据配电设备的台账信息、配电变压器的功率数据及配电网功率数据，确定各线路最小拓扑分段在统计时间段内的线损率；
将确定的线损率与线损率阈值比较，确定配电网异常用电区域。
进一步地，为了确定异常用电配变的位置，所述方法还包括：基于确定的异常用电区域，确定异常用电区域内各线路最小拓扑分段的配变功率，确定配变功率和其所在的最小拓扑分段内分段开关功率的相关性，并与相关性阈值比较，从而确定配电网异常用电区域内异常用电配变。
进一步地，基于剪枝法辨识各线路最小拓扑分段，包括：
步骤1：将配电线路的所有自动化开关加入集合CBSet；
步骤2：检查集合CBSet：
如果集合CBSet非空，则遍历集合CBSet，当某开关其下游无其他自动化开关，则将该自动化开关加入最小分段开关队列CBQueue；
如果集合CBSet为空，则结束全过程；
步骤3：遍历最小分段开关队列CBQueue，对于开关s及以此开关为根节点的拓扑子树SEGk，如果拓扑子树SEGk中的配变数量大于1，则将拓扑子树SEGk插入最小分段列表SEGList；随后将开关s移出最小分段开关队列CBQueue和集合CBSet，并将该子树从馈线拓扑中剪除，仅保留开关s，并将其视为负荷叶节点；最小分段开关队列当CBQueue为空，则跳转回步骤2。
进一步地，确定各线路最小拓扑分段在统计时间段内的线损率，包括：
将流入最小拓扑分段所在拓扑区域的功率值设置为正，流出的功率值设置为负，则开关对于拓扑区域在时间段T的输入积分电量Q CB+ 及输出积分电量Q CB- 分别为：
其中P CB （t k ）表示某自动化开关在采样时间点t k 的功率；
相应的，对于某配变在采样时间点t k 的功率为P DT （t k ），其在时间段T的输入积分电量Q DT+及输出积分电量Q DT- 分别为：
则最小拓扑分段在统计时间段T内线路线损率L T 的计算方法如下：
其中，m是最小拓扑分段所在拓扑区域内自动化开关的数量，n是最小拓扑分段所在拓扑区域内配变的数量；Q CB+ (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输入积分电量；Q CB- (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT+(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT-(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量。
再进一步地，所述分段开关功率为配变所属最小拓扑分段内各时刻点的开始开关功率值与结束开关功率值之差。
进一步地，最小拓扑分段的分段模式包括：单开关下游分段、两开关间分段和多开关间分段。
进一步地，所述方法还包括：运用量测终端进行精细化分段，辅助精准定位异常用电用户，具体包括：
步骤一：检查配电网给定区域中配变数量，当配变数量低于某阈值，跳转至步骤四；
步骤二：对所述给定区段拓扑中的所有导线边进行负荷均分系数计算，包括：对于拓扑中的某边，在该边上设置一量测代理节点Nd，从拓扑根节点到代理节点Nd的子树为上半区段SegA，以代理节点Nd为根节点的子树称为下半区段SegB，计算这两个区段所有配变在给定时间段内的积分电量Q SegA 和Q SegB ，并计算节点Nd的负荷均分系数：
其中Q SegA 表示上半区段SegA在时间段T的积分电量，Q SegB 表示下半区段SegB在时间段T的积分电量；
选择负荷均分系数Idx最小的代理节点作为量测终端的安装位置；
步骤三：在步骤二中给定位置安装量测终端，得到该位置的有功功率，并将该量测终端等效为一个自动化开关终端，运用最小拓扑分段在统计时间段T内线路线损率L T 的计算方法计算上下游两个分段的线损率；对于线损率超过给定阈值的分段，回到步骤一进行迭代计算；对于线损率正常的区段可结束计算流程；
步骤四：在给定区段的各配变上游安装量测终端，根据量测终端获得测量值，通过与台区用采功率曲线及电量对比分析，最终确定异常用电配变位置。
第二方面，本发明还提供了配电网分时分段线损异常诊断装置，包括数据获取模块、分段划分模块、线损率确定模块和异常用电区域确定模块：
数据获取模块，用于获取配电网中配电线路馈线图以及线路上自动化开关和配电设备的台账信息；获取配电线路及配电变压器的功率数据及配电网功率数据；
分段划分模块，用于根据配电线路馈线图及自动化开关台账信息，基于剪枝法辨识各线路最小拓扑分段，其中最小拓扑分段是线路中分段所对应的树结构的非根、非叶子节点不存在其他自动化开关；
线损率确定模块，用于根据配电设备的台账信息、配电变压器的功率数据及配电网功率数据，确定各线路最小拓扑分段在统计时间段内的线损率；
异常用电区域确定模块，用于将确定的线损率与线损率阈值比较，确定配电网异常用电区域。
进一步地，分段划分模块基于剪枝法辨识各线路最小拓扑分段，包括：
步骤1：将配电线路的所有自动化开关加入集合CBSet；
步骤2：检查集合CBSet：
如果集合CBSet非空，则遍历集合CBSet，当某开关其下游无其他自动化开关，则将该自动化开关加入最小分段开关队列CBQueue；
如果集合CBSet为空，则结束全过程；
步骤3：遍历最小分段开关队列CBQueue，对于开关s及以此开关为根节点的拓扑子树SEGk，如果拓扑子树SEGk中的配变数量大于1，则将拓扑子树SEGk插入最小分段列表SEGList；随后将开关s移出最小分段开关队列CBQueue和集合CBSet，并将该子树从馈线拓扑中剪除，仅保留开关s，并将其视为负荷叶节点；最小分段开关队列当CBQueue为空，则跳转回步骤2。
进一步地，线损率确定模块确定各线路最小拓扑分段在统计时间段内的线损率，包括：
将流入最小拓扑分段所在拓扑区域的功率值设置为正，流出的功率值设置为负，则开关对于拓扑区域在时间段T的输入积分电量Q CB+ 及输出积分电量Q CB- 分别为：
其中P CB （t k ）表示某自动化开关，在采样时间点t k 的功率，m是最小拓扑分段所在拓扑区域内自动化开关的数量，n是最小拓扑分段所在拓扑区域内配变的数量；
相应的，对于某配变在采样时间点t k 的功率为P DT （t k ），其在时间段T的输入积分电量Q DT+及输出积分电量Q DT- 分别为：
则最小拓扑分段在统计时间段T内线路线损率L T 的计算方法如下：
其中Q CB+ (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输入积分电量；Q CB- (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT+(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT-(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量。
本发明所取得的有益技术效果：
（1）本发明的基于多源数据融合的配电网分时分段线损诊断方法研究与应用，能够考虑分布式光伏、储能等技术，精确计算各区段、各时段线损情况；
（2）本发明的基于多源数据融合的配电网分时分段线损诊断方法研究与应用，能够运用便携式量测终端进行精细分段与异常定位，解决自动化开关覆盖情况不佳，或自动化终端量测数据完整性或可用性低等状况，实现“最后一公里”确诊问题，辅助精准定位异常用电区段；
（3）本发明划分最小拓扑分段，并基于各时刻的功率数据计算各分段的线损率，能够确定异常用电的分段，实现了配电网分时分段线损诊断方法研究与应用，该方法由于确定了异常用电分段，进而能够运用拓扑可视化着色功能，明晰展示各分段线损情况，便于直观显示异常区段，辅助定位异常用电用户；
（4）本发明以数据驱动方式学习了历史海量数据变化趋势，计算了判断配变用电是否异常的阈值，避免了人为指定；
（5）本发明计算简单，原理明确，可帮助配网运行人员及时发现线损异常问题，具有良好的应用前景。
附图说明
图1为本发明实施例提供的配电网分时分段线损异常诊断方法流程图；
图2为本发明实施例提供的中压配电网拓扑单开关下游分段模式示意图；
图3为本发明实施例提供的中压配电网拓扑两开关间分段模式示意图；
图4为本发明实施例提供的中压配电网拓扑多开关间分段模式示意图；
图5为本发明实施例中CB1-CB2间分段局部放大示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本实施例提供了配电网分时分段线损异常诊断方法，如图1所示，具体包括以下步骤：
步骤（A），采集各线路基础信息、线路下自动化开关及配变的台账、遥测数据。
在本发明实施例的一种具体实施方式中，所述步骤（A）具体实现过程为：
在能量管理系统（该系统为现有技术中存在的系统）中选择待处理的中压配电网，读取现有系统存储的“线路-配变”的线变台账信息，导出每15min采样一次的配变与线路的功率数据，在配电自动化系统中，导出各开关台账信息、每15min采样一次的功率及电流量测数据，前述的每15min采样一次的采样频率可以根据实际情况进行修改；在PMS系统中导出配网馈线图模数据和配网设备台账，包括馈线的CIM文件、SVG文件，配电变压器、柱上变压器、配网站所、配网站内一次设备、导线、电缆、电缆段、杆塔等数据。
步骤（B），根据线路及自动化开关台账信息，基于剪枝法辨识各线路最小拓扑分段，可选地，定义分段对应的拓扑分段模式。
在本发明实施例的一种具体实施方式中，所述步骤（B）具体实现过程为：
如果线路中分段所对应的树结构的非根、非叶子节点不存在其他自动化开关，则称该分段为最小分段。
构建馈线的最小分段列表方法包括以下子步骤：
步骤1：将线路的所有自动化开关加入集合CBSet；
步骤2：检查集合CBSet：
Case1：如果集合CBSet非空，则遍历集合CBSet，当某开关其下游无其他自动化开关，则将该自动化开关加入最小分段开关队列CBQueue；
Case2：如果集合CBSet为空，则结束全过程；
步骤3：遍历最小分段开关队列CBQueue，对于开关s及以此开关为根节点的拓扑子树SEGk，如果拓扑子树SEGk中的配变数量大于1，则将拓扑子树SEGk插入最小分段列表SEGList。随后将开关s移出最小分段开关队列CBQueue和集合CBSet，并将该子树从馈线拓扑中剪除（仅保留开关s，并将其视为负荷叶节点）。当最小分段开关队列CBQueue为空，则跳转回步骤2。
最终形成最小分段列表SEGList，其中包括的拓扑分段模式共分为三种：单开关下游分段、两开关间分段、多开关间分段，具体图例如附图2-图4中加粗部分所示。
步骤（C），综合考虑分布式电源，计算各线路分段在某时段内的线损情况。
在本发明实施例的一种具体实施方式中，所述步骤（C）具体包括以下步骤：
随着分布式光伏、储能等技术的逐步推广应用，配电网的潮流特性在某些时刻将发生变化，配电网演进为双向互动的主动配电网，假定给定的某拓扑区域由m个自动化开关围合而成，区域内共有n个配变。对于某自动化开关，在采样时间点t k 的功率为P CB （t k ）。将流入分段所在拓扑区域的功率值设置为正，流出的功率值设置为负，则开关对于拓扑区域在时间段T的输入积分电量Q CB+ 及输出积分电量Q CB- 分别为：
相应的，对于某配变在采样时间点t k 的功率为P DT （t k ），其在时间段T的输入积分电量Q DT+及输出积分电量Q DT- 分别为：
则该分段在统计时间段T内线路线损率L T ：
其中m是最小拓扑分段所在拓扑区域内自动化开关的数量，n是最小拓扑分段所在拓扑区域内配变的数量；Q CB+ (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输入积分电量；Q CB- (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT+(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT-(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量。
通过运用上述考虑分布式电源对线损计算公式，遍历最小分段列表SEGList，根据给定的一个或多个统计时间段T，根据公式计算所有最小分段的分时线损率。
在具体实施例中，比对分段线损率值，将计算的各分段线损率数值与10%进行比对，筛选出同期线损系统认为线损率>10%为线损异常的分段。
实施例2
在实施例1的基础上，为了确定异常用电配变，本实施例提供的配电网分时分段线损异常诊断方法，还包括：步骤（D），通过历史用电配变样本，确定出异常用电配变功率与分段开关功率相关性阈值；基于确定的异常用电区域，确定异常用电区域内各线路最小拓扑分段的配变功率，确定配变功率和其所在的最小拓扑分段内分段开关功率的相关性，并与相关性阈值R i 比较，从而确定配电网异常用电区域内异常用电配变；批量诊断出异常用电配变，输出异常用电配变基础信息及所在区段设计开关信息。
计算相关性方法为目前已成熟的皮尔逊相关系数计算法，本步骤想确定的是区分用电异常配变与用电正常配变的功率相关性阈值，以便后续筛选出异常用电配变。
在本发明实施例的一种具体实施方式中，计算相关性阈值具体包括以下步骤：
获取历史正常、异常用电配变，通过计算正常、异常用电配变功率与对应分段功率的相关性值，确定出异常用电配变功率与分段开关功率相关性阈值R i ，其中分段功率为该配变所属划分最小分段内各时刻点的开始开关与结束开关功率值之差，如当拓扑分段模式为单开关下游分段时，则分段内共存在1个分段开关A，假设其功率遥测值为L A =[PA1，PA2，……，PAn]，其中n为一天内采集次数，最终分段功率L T 即为开关A的功率遥测值L A ；当拓扑分段模式为两开关间分段时，则分段内共存在2个分段开关A、B，假设分段开始开关A的功率遥测值为L A =[PA1，PA2，……，PAn]，分段结束开关B的功率遥测值为L B =[PB1，PB2，……，PBn]，其中n为一天内采集次数，最终分段功率即为L T =[PA1-PB1，PA2-PB2，……，PAn-PBn]；当拓扑分段模式为多开关间分段时，则分段内共存在1个开始开关A及1个以上结束开关Bx1-Bxm，其中m为结束开关个数，假设分段开始开关A的功率遥测值为L A =[PA1，PA2，……，PAn]，分段结束开关Bx1的功率遥测值为L Bx1 =[PBx11，PBx12，……，PBx1n]，分段结束开关Bxm的功率遥测值为L Bm =[PBm1，PBm2，……，PBmn]，其中n为一天内采集次数，最终分段功率即为L T =[PA1-PBx11-PBm1，PA2-PBx12-PBm2，……，PAn-PBn-PBmn]，当发生局部采集时间点开关量测数据存在缺失时，则剔除该时间点的数据，同时注意分段内配变功率遥测也需剔除该时间点数据。
本实施例，基于储存现有的异常用电配变，取其功率遥测数据，其中现有异常用电配变包括其他方法诊断的历史异常用电配变数据、历史地反馈的异常用电配变数据等经核查确认为异常用电用户的配变。
本发明通过对比异常用电区段开关的分时分段线损与对应时段配变线损波动情况，批量诊断出异常用电配变。
实施例3
在以上实施例的基础上，为了直观显示异常区段，本实施例还包括：步骤（E），对比各分时分段开关线损率数值情况，定位异常用电分段区域，并在拓扑图中对各分段的线损进行着色可视化展示。
在本发明实施例的一种具体实施方式中，所述步骤（E）具体包括以下步骤：
参照国网同期线损系统，当分段线损率L T 超过10%，则认定为异常，需要进行进一步的分析研判，根据各分段，在拓扑图中进行着色处理，若线路内的分段线损在-2%-2%，则分段渲染为绿色，若分段线损高于30%，则根据渲染为红色，分段线损在2%-30%之间，则依据分段线损值，选取绿-橙-红色渐变区段内颜色进行渲染，若分段线损低于-30%，则根据渲染为蓝色，分段线损在-30%--2%之间，则依据分段线损值，选取蓝-青-绿色渐变区段内颜色进行渲染，由此便可直观展示各分段的损耗情况。
实施例4
在以上实施例的基础上，为了更加精准地实现异常用电用户定位，本实施例还包括：步骤（F），若异常用电分段内配变较多，可运用便携式量测终端进行精细化分段，辅助精准定位异常用电用户。
在本发明实施例的一种具体实施方式中，所述步骤（F）具体包括以下步骤：
若异常用电分段内配变较多，需运用便携式量测终端进行精细化分段，便携式配网量测终端是近年来涌现出来的一种即插即用的微型可移动量测装置，可以快速在馈线上进行带电安装和拆卸。终端通过线路感应取电并对安装点量测值，利用无线方式将数据对外传输。便携式配网量测终端所具备的带电安装和易拆易卸等特点，能够在DTU/FTU分段的基础上进一步补充量测，达到细粒度分段的效果。
可通过在需诊断拓扑中（整线路或分段）采用二分法进行逐步扩散布点，具体包括以下步骤：
步骤一：检查需诊断拓扑中配变数量，当配变数量低于某阈值（如3个），跳转至步骤四。
步骤二：对拓扑中的所有导线边进行负荷均分系数计算。对于拓扑中的某边，在该边上设置一量测代理节点Nd，从拓扑根节点到代理节点Nd的子树称为上半区段SegA，以代理节点Nd为根节点的子树称为下半区段SegB。参照公式Q DT+ 及Q DT- 分别计算上半区段SegA和下半区段SegB这两个区段所有配变在给定时间段内的输入积分变量和输出积分变量，分别根据输入积分变量和输出积分变量确定总的积分变量，表达式如下：
QSegA= QSegA++ QSegA-；
QSegB= QSegB++ QSegB-；
其中QSegA+为上半区段SegA内所有配变在时间段T的输入积分电量之和，QSegB+为下半区段SegB内所有配变在时间段T的输入积分电量之和；QSegA-为上半区段SegA内所有配变在时间段T的输出积分电量之和，QSegB-为下半区段SegB内所有配变在时间段T的输出积分电量之和。
根据积分电量Q SegA 和Q SegB ，计算代理节点Nd的负荷均分系数，表达式如下:
选择负荷均分系数Idx最小的代理节点作为便携式量测终端的安装位置。
步骤三：在步骤二中给定位置安装便携式量测终端，得到该位置的有功功率，并将该量测终端等效为一个自动化开关终端，运用最小拓扑分段在统计时间段T内线路线损率L T 的计算方法计算上下游两个分段的线损率；对于线损率超过给定阈值的分段，回到步骤一进行迭代计算；对于线损率正常的区段可结束计算流程。
具体实施例中，对于给定区段Seg，假定其根节点为Head，对于度≥3的节点称为分岔节点，并将该分岔节点通向Head路径上选取一最临近虚拟节点称为该分岔节点的上游代理节点。
CB1-CB2间分段局部放大图如图5所示，其中A、B、C、D为度≥3的分岔节点，A’、B’、C’、D’为这些分岔节点所对应的上游代理节点。从Head到代理节点Nd的子树称为上半区段SegA，以代理节点Nd为根节点的子树称为下半区段SegB。
步骤四：在给定区段的各配变上游安装量测终端，根据量测终端获得测量值，通过与台区用采功率曲线及电量对比分析，最终确定异常用电配变位置。
本发明取得了以下有益技术效果：
（1）本发明的基于多源数据融合的配电网分时分段线损诊断方法研究与应用，能够考虑分布式光伏、储能等技术，精确计算各区段、各时段线损情况；
（2）本发明的基于多源数据融合的配电网分时分段线损诊断方法研究与应用，能够运用便携式量测终端进行精细分段与异常定位，解决自动化开关覆盖情况不佳，或自动化终端量测数据完整性或可用性低等状况，实现“最后一公里”确诊问题，辅助精准定位异常用电区段；
（3）本发明划分最小拓扑分段，并基于各时刻的功率数据计算各分段的线损率，能够确定异常用电的分段，实现了配电网分时分段线损诊断方法研究与应用，该方法由于确定了异常用电分段，进而能够运用拓扑可视化着色功能，明晰展示各分段线损情况，便于直观显示异常区段，辅助定位异常用电用户；
（4）本发明以数据驱动方式学习了历史海量数据变化趋势，计算了判断配变用电是否异常的阈值，避免了人为指定；
（5）本发明计算简单，原理明确，可帮助配网运行人员及时发现线损异常问题，具有良好的应用前景。
实施例5
与以上实施例相对应地，本发明还提供了配电网分时分段线损异常诊断装置，包括：
数据获取模块，用于获取配电网中配电线路馈线图以及线路上自动化开关和配电设备的台账信息；获取配电线路及配电变压器的功率数据及配电网功率数据；
分段划分模块，用于根据配电线路馈线图及自动化开关台账信息，基于剪枝法辨识各线路最小拓扑分段，其中最小拓扑分段是线路中分段所对应的树结构的非根、非叶子节点不存在其他自动化开关；
线损率确定模块，用于根据配电设备的台账信息、配电变压器的功率数据及配电网功率数据，确定各线路最小拓扑分段在统计时间段内的线损率；
异常用电区域确定模块，用于将确定的线损率与线损率阈值比较，确定配电网异常用电区域。
分段划分模块基于剪枝法辨识各线路最小拓扑分段，包括：
步骤1：将配电线路的所有自动化开关加入集合CBSet；
步骤2：检查集合CBSet：
Case1：如果集合CBSet非空，则遍历集合CBSet，当某开关其下游无其他自动化开关，则将该自动化开关加入最小分段开关队列CBQueue；
Case2：如果集合CBSet为空，则结束全过程；
步骤3：遍历最小分段开关队列CBQueue，对于开关k及以此开关为根节点的拓扑子树SEGk，如果拓扑子树SEGk中的配变数量大于1，则将拓扑子树SEGk插入最小分段列表SEGList；随后将开关k移出最小分段开关队列CBQueue和集合CBSet，并将该子树从馈线拓扑中剪除，仅保留开关k，并将其视为负荷叶节点；最小分段开关队列当CBQueue为空，则跳转回步骤2。
线损率确定模块确定各线路最小拓扑分段在统计时间段内的线损率，包括：
将流入最小拓扑分段所在拓扑区域的功率值设置为正，流出的功率值设置为负，则开关对于拓扑区域在时间段T的输入积分电量Q CB+ 及输出积分电量Q CB- 分别为：
其中P CB （t k ）表示某自动化开关，在采样时间点t k 的功率，m是最小拓扑分段所在拓扑区域内自动化开关的数量，n是最小拓扑分段所在拓扑区域内配变的数量；
相应的，对于某配变在采样时间点t k 的功率为P DT （t k ），其在时间段T的输入积分电量Q DT+及输出积分电量Q DT- 分别为：
则最小拓扑分段在统计时间段T内线路线损率L T 的计算方法如下：
其中Q CB+ (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输入积分电量；Q CB- (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT+(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT-(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量。
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，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.配电网分时分段线损异常诊断方法，其特征在于，包括：
获取配电网中配电线路馈线图以及线路上自动化开关和配电设备的台账信息；
获取配电线路及配电变压器的功率数据及配电网功率数据；
根据配电线路馈线图及自动化开关台账信息，基于剪枝法辨识各线路最小拓扑分段；其中最小拓扑分段是线路中分段所对应的树结构的非根节点、非叶子节点不存在其他自动化开关；
根据配电设备的台账信息、配电变压器的功率数据及配电网功率数据，确定各线路最小拓扑分段在统计时间段内的线损率；
将确定的线损率与线损率阈值比较，确定配电网异常用电区域。
2.根据权利要求1所述的配电网分时分段线损异常诊断方法，其特征在于，所述方法还包括：基于确定的异常用电区域，确定异常用电区域内各线路最小拓扑分段的配变功率，确定配变功率和其所在的最小拓扑分段内分段开关功率的相关性，并与相关性阈值比较，从而确定配电网异常用电区域内异常用电配变。
3.根据权利要求1所述的配电网分时分段线损异常诊断方法，其特征在于，基于剪枝法辨识各线路最小拓扑分段，包括：
步骤1：将配电线路的所有自动化开关加入集合CBSet；
步骤2：检查集合CBSet：
如果集合CBSet非空，则遍历集合CBSet，当某开关其下游无其他自动化开关，则将该自动化开关加入最小分段开关队列CBQueue；
如果集合CBSet为空，则结束全过程；
步骤3：遍历最小分段开关队列CBQueue，对于开关s及以此开关为根节点的拓扑子树SEGk，如果拓扑子树SEGk中的配变数量大于1，则将拓扑子树SEGk插入最小分段列表SEGList；随后将开关s移出最小分段开关队列CBQueue和集合CBSet，并将该子树从馈线拓扑中剪除，仅保留开关s，并将其视为负荷叶节点；最小分段开关队列当CBQueue为空，则跳转回步骤2。
4.根据权利要求1所述的配电网分时分段线损异常诊断方法，其特征在于，所述确定各线路最小拓扑分段在统计时间段内的线损率，包括：
将流入最小拓扑分段所在拓扑区域的功率值设置为正，流出的功率值设置为负，则开关对于拓扑区域在时间段T的输入积分电量Q CB+ 及输出积分电量Q CB- 分别为：
其中P CB （t k ）表示某自动化开关在采样时间点t k 的功率，k为采样点序号，K为采样点数；P DT （t k ）为某配变在采样时间点t k 的功率，其在时间段T的输入积分电量Q DT+及输出积分电量Q DT- 分别为：
则最小拓扑分段在统计时间段T内线路线损率L T 的计算方法如下：
其中m是最小拓扑分段所在拓扑区域内自动化开关的数量，n是最小拓扑分段所在拓扑区域内配变的数量；Q CB+ (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输入积分电量；Q CB- (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT+(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT-(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量。
5.根据权利要求2所述的配电网分时分段线损异常诊断方法，其特征在于，所述分段开关功率为配变所属最小拓扑分段内各时刻点的开始开关功率值与结束开关功率值之差。
6.根据权利要求1所述的配电网分时分段线损异常诊断方法，其特征在于，最小拓扑分段的分段模式包括：单开关下游分段、两开关间分段和多开关间分段。
7.根据权利要求4所述的配电网分时分段线损异常诊断方法，其特征在于，所述方法还包括：运用量测终端进行精细化分段，辅助精准定位异常用电配变，具体包括：
步骤一：检查配电网给定区段中配变数量，当配变数量低于某阈值，跳转至步骤四；
步骤二：对所述给定区段拓扑中的所有导线边进行负荷均分系数计算，包括：对于拓扑中的某边，在该边上设置一量测代理节点Nd，从拓扑根节点到代理节点Nd的子树为上半区段SegA，以代理节点Nd为根节点的子树称为下半区段SegB，计算这两个区段所有配变在给定时间段内的积分电量Q SegA 和Q SegB ，并计算节点Nd的负荷均分系数：
其中Q SegA 表示上半区段SegA在时间段T的积分电量，Q SegB 表示下半区段SegB在时间段T的积分电量；
选择负荷均分系数Idx最小的代理节点作为量测终端的安装位置；
步骤三：在步骤二中给定位置安装量测终端，得到该位置的有功功率，并将该量测终端等效为一个自动化开关终端，运用最小拓扑分段在统计时间段T内线路线损率L T 的计算方法计算上半区段SegA和下半区段SegB的线损率；对于线损率超过给定阈值的分段，回到步骤一进行迭代计算；对于线损率正常的区段结束计算流程；
步骤四：在给定区段的各配变上游安装量测终端，根据量测终端获得测量值，通过与台区用采功率曲线及电量对比分析，最终确定异常用电配变位置。
8.配电网分时分段线损异常诊断装置，其特征在于，包括：
数据获取模块，用于获取配电网中配电线路馈线图以及线路上自动化开关和配电设备的台账信息；获取配电线路及配电变压器的功率数据及配电网功率数据；
分段划分模块，用于根据配电线路馈线图及自动化开关台账信息，基于剪枝法辨识各线路最小拓扑分段，其中最小拓扑分段是线路中分段所对应的树结构的非根、非叶子节点不存在其他自动化开关；
线损率确定模块，用于根据配电设备的台账信息、配电变压器的功率数据及配电网功率数据，确定各线路最小拓扑分段在统计时间段内的线损率；
异常用电区域确定模块，用于将确定的线损率与线损率阈值比较，确定配电网异常用电区域。
9.根据权利要求8所述的配电网分时分段线损异常诊断装置，其特征在于，分段划分模块基于剪枝法辨识各线路最小拓扑分段，包括：
步骤1：将配电线路的所有自动化开关加入集合CBSet；
步骤2：检查集合CBSet：
如果集合CBSet非空，则遍历集合CBSet，当某开关其下游无其他自动化开关，则将该自动化开关加入最小分段开关队列CBQueue；
如果集合CBSet为空，则结束全过程；
步骤3：遍历最小分段开关队列CBQueue，对于开关s及以此开关为根节点的拓扑子树SEGk，如果拓扑子树SEGk中的配变数量大于1，则将拓扑子树SEGk插入最小分段列表SEGList；随后将开关s移出最小分段开关队列CBQueue和集合CBSet，并将该子树从馈线拓扑中剪除，仅保留开关s，并将其视为负荷叶节点；最小分段开关队列当CBQueue为空，则跳转回步骤2。
10.根据权利要求8所述的配电网分时分段线损异常诊断装置，其特征在于，线损率确定模块确定各线路最小拓扑分段在统计时间段内的线损率，包括：
将流入最小拓扑分段所在拓扑区域的功率值设置为正，流出的功率值设置为负，则开关对于拓扑区域在时间段T的输入积分电量Q CB+ 及输出积分电量Q CB- 分别为：
其中P CB （t k ）表示某自动化开关在采样时间点t k 的功率，k为采样点序号，K为采样点数；P DT （t k ）为某配变在采样时间点t k 的功率，其在时间段T的输入积分电量Q DT+及输出积分电量Q DT- 分别为：
则最小拓扑分段在统计时间段T内线路线损率L T 的计算方法如下：
其中m是最小拓扑分段所在拓扑区域内自动化开关的数量，n是最小拓扑分段所在拓扑区域内配变的数量；Q CB+ (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输入积分电量；Q CB- (i)是开关i对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT+(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量；Q DT-(j)是配变j对于最小拓扑分段所在拓扑区域在时间段T的输出积分电量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310064993.8A CN115808589A (zh) | 2023-02-06 | 2023-02-06 | 配电网分时分段线损异常诊断方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310064993.8A CN115808589A (zh) | 2023-02-06 | 2023-02-06 | 配电网分时分段线损异常诊断方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115808589A true CN115808589A (zh) | 2023-03-17 |
Family
ID=85487530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310064993.8A Pending CN115808589A (zh) | 2023-02-06 | 2023-02-06 | 配电网分时分段线损异常诊断方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115808589A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708749A (zh) * | 2024-02-05 | 2024-03-15 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555556A (zh) * | 2019-08-30 | 2019-12-10 | 国网四川省电力公司成都供电公司 | 一种基于线性整数规划的配网线变关系识别方法 |
| CN112737106A (zh) * | 2020-12-10 | 2021-04-30 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 一种线损异常分段管控方法 |
| CN113406405A (zh) * | 2021-04-13 | 2021-09-17 | 国网河南省电力公司济源供电公司 | 一种线路线损计算方法 |
| CN113554286A (zh) * | 2021-07-06 | 2021-10-26 | 安徽明生恒卓科技有限公司 | 一种10千伏线路线损精细化计算分析方法 |
| CN114840591A (zh) * | 2022-04-24 | 2022-08-02 | 国网江苏省电力有限公司电力科学研究院 | 一种分段开关功率数据的确定方法及装置 |
| CN115000937A (zh) * | 2022-05-31 | 2022-09-02 | 广东电网有限责任公司广州供电局 | 馈线供电区段拆分与负荷计算方法、系统、介质及处理器 |
-
2023
- 2023-02-06 CN CN202310064993.8A patent/CN115808589A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555556A (zh) * | 2019-08-30 | 2019-12-10 | 国网四川省电力公司成都供电公司 | 一种基于线性整数规划的配网线变关系识别方法 |
| CN112737106A (zh) * | 2020-12-10 | 2021-04-30 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 一种线损异常分段管控方法 |
| CN113406405A (zh) * | 2021-04-13 | 2021-09-17 | 国网河南省电力公司济源供电公司 | 一种线路线损计算方法 |
| CN113554286A (zh) * | 2021-07-06 | 2021-10-26 | 安徽明生恒卓科技有限公司 | 一种10千伏线路线损精细化计算分析方法 |
| CN114840591A (zh) * | 2022-04-24 | 2022-08-02 | 国网江苏省电力有限公司电力科学研究院 | 一种分段开关功率数据的确定方法及装置 |
| CN115000937A (zh) * | 2022-05-31 | 2022-09-02 | 广东电网有限责任公司广州供电局 | 馈线供电区段拆分与负荷计算方法、系统、介质及处理器 |
Non-Patent Citations (1)
| Title |
|---|
| 陈锦铭等: "基于多源数据融合的配电网分时分段线损诊断方法研究与应用" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708749A (zh) * | 2024-02-05 | 2024-03-15 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
| CN117708749B (zh) * | 2024-02-05 | 2024-04-19 | 江苏省电力试验研究院有限公司 | 多模型融合的配电网分时分段线损精细诊断方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103150600B (zh) | 一种电网安全分析系统 | |
| CN109977535A (zh) | 一种线损异常诊断方法、装置、设备及可读存储介质 | |
| CN109102146B (zh) | 基于多参数线性规划的电力系统风险评估加速方法 | |
| CN113283096B (zh) | 配网线路台账数据获取及异常数据分析的方法和相关装置 | |
| CN109949178B (zh) | 一种基于支持向量机中压配网停电事件判断及补全方法 | |
| CN114565779B (zh) | 一种低压台区户变拓扑辨识方法及系统 | |
| CN115808589A (zh) | 配电网分时分段线损异常诊断方法和装置 | |
| CN106022664A (zh) | 基于大数据分析的网络智慧节电监控方法 | |
| CN111950800A (zh) | 电力现货日前市场出清方法、系统、设备及可读存储介质 | |
| CN106327081B (zh) | 基于全寿命周期的配网项目可靠性效益评估方法 | |
| CN114090646A (zh) | 异常用电辨识方法及系统 | |
| CN109755937A (zh) | 一种基于量测的区域电网惯量计算方法和装置 | |
| CN112884228B (zh) | 一种基于大数据的台区线损管控系统 | |
| CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
| CN108510164B (zh) | 一种电力系统内指定地区的外网等值模型在线生成方法 | |
| Fan et al. | Design and application of integrated distribution network line loss analysis system | |
| CN113868821B (zh) | 一种基于营配大数据融合的配网降损方法及终端机 | |
| CN115712811A (zh) | 基于低压拓扑配电网下的阻抗计算模型 | |
| CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
| CN113919694A (zh) | 一种电力通信光缆关键业务承载状态分析方法及系统 | |
| CN109871998B (zh) | 一种基于专家样本库的配电网线损率预测方法及装置 | |
| CN112016631A (zh) | 一种低电压治理相关的改进方案 | |
| CN113393340B (zh) | 一种基于用电终端负载数据分析的电力传输调度管理方法及调度管理平台 | |
| CN113568988B (zh) | 电力现货市场出清的边界数据管理方法、装置和系统 | |
| CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230317 |
|
| RJ01 | Rejection of invention patent application after publication |