CN116187209A - 高比例新能源系统容量优化配置方法、设备、介质及装置 - Google Patents

高比例新能源系统容量优化配置方法、设备、介质及装置 Download PDF

Info

Publication number
CN116187209A
CN116187209A CN202310483085.2A CN202310483085A CN116187209A CN 116187209 A CN116187209 A CN 116187209A CN 202310483085 A CN202310483085 A CN 202310483085A CN 116187209 A CN116187209 A CN 116187209A
Authority
CN
China
Prior art keywords
new energy
csp
chp
energy system
unit
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
CN202310483085.2A
Other languages
English (en)
Other versions
CN116187209B (zh
Inventor
吕天光
李竞
李蕊
盛万兴
闫涛
惠慧
赵阳
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.)
State Grid Corp of China SGCC
Shandong University
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Shandong University
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Anhui 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 State Grid Corp of China SGCC, Shandong University, China Electric Power Research Institute Co Ltd CEPRI, Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202310483085.2A priority Critical patent/CN116187209B/zh
Publication of CN116187209A publication Critical patent/CN116187209A/zh
Application granted granted Critical
Publication of CN116187209B publication Critical patent/CN116187209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
    • F24S60/00—Arrangements for storing heat collected by solar heat collectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Thermal Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Sustainable Energy (AREA)
  • Combustion & Propulsion (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了高比例新能源系统容量优化配置方法、设备、介质及装置，属于新能源系统优化处理领域，用于解决高比例新能源系统供暖期灵活性不足、可再生能源消纳难的问题，所述方法包括：构建高比例新能源系统架构；基于构建的上述高比例新能源系统架构，建立CSP机组模型及建立CHP机组模型；基于所建机组模型，建立高比例新能源系统协同优化模型；获取各类机组的相关数据，以及规划地区的风光资源数据，根据所获取的数据及建立的高比例新能源系统协同优化模型，得到高比例新能源系统中各类机组的容量配置与运行优化方案，提升系统的可再生能源消纳能力。

Description

高比例新能源系统容量优化配置方法、设备、介质及装置
技术领域
本发明属于新能源系统优化处理领域，尤其涉及高比例新能源系统容量优化配置方法、设备、介质及装置。
背景技术
推进高比例新能源系统建设，已成为实现清洁低碳能源供应的重要途径。然而，风能、太阳能等可再生能源的随机性和波动性将对高比例新能源系统的安全性和运行灵活性产生很大影响。能源供应系统包括新能源和热电联产，而随着新能源在能源供应系统的比例越来越大，在我国西北地区存在大量的热电联产（Combined Heat and Power，CHP）机组进行供电供暖，CHP机组“以热定电”（即根据热能输出确定其电能输出）的运行特性，将导致高比例新能源系统的灵活性不足，由此将造成大量的可再生能源削减，尤其冬季供暖期的弃风弃光现象将更为严重。
近年来，我国西北地区冬季供暖期可利用风能和太阳能的削减率高达20%以上。因此，高比例新能源系统供暖期灵活性不足、可再生能源消纳难的问题亟待解决。
发明内容
为克服上述现有技术的不足，本发明提供了高比例新能源系统容量优化配置方法，其中，CSP表示太阳能光热发电技术，CHP表示热电联产技术。该方法可以有效提升高比例新能源系统供暖期的运行灵活性，进而提升系统的可再生能源消纳能力，减少弃风弃光，促进系统脱碳，实现高比例新能源系统的灵活低碳运行。
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：
第一方面，公开了高比例新能源系统容量优化配置方法，包括：
基于太阳能光热发电机组、热电联产机组，构建基于CSP-CHP联合供能的高比例新能源系统架构；
基于构建的所述高比例新能源系统架构，建立CSP机组模型及CHP机组模型；
基于CSP机组模型及CHP机组模型，建立基于CSP-CHP联合供能的高比例新能源系统协同优化模型；
获取各类机组的运行参数、各类机组的成本数据及规划地区的风光资源数据；并将获取的各类机组的运行参数、各类机组的成本数据及规划地区的风光资源数据输入至基于CSP-CHP联合供能的高比例新能源系统协同优化模型中，对所述基于CSP-CHP联合供能的高比例新能源系统协同优化模型求解获得高比例新能源系统中各类机组的容量配置。
作为进一步的技术方案，基于CSP-CHP联合供能的高比例新能源系统架构中，太阳能光热发电（Concentrating Solar Power，CSP）机组包括：
聚光集热装置，分别连接至储热装置及发电装置，所述聚光集热装置用于吸收太阳能，并通过传热流体将太阳能转化为热能，分别发送至储热装置及发电装置；
储热装置，通过存储热能平滑发电机输出的不稳定功率并响应热需求；
发电装置，分别与聚光集热装置及热电联产机组中的余热锅炉相连，将热能转化为电能。
作为进一步的技术方案，所述CSP机组模型包括：热能平衡约束、聚光集热环节约束、储热环节约束、发电环节约束及太阳能光热发电机组的灵活性约束。
作为进一步的技术方案，所述CHP机组模型包括：热功率出力约束、电功率出力约束及热电联产机组的灵活性约束。
作为进一步的技术方案，所述基于CSP-CHP联合供能的高比例新能源系统协同优化模型包括目标函数以及约束条件；
所述目标函数以考虑高比例可再生能源消纳的系统总成本最小为目标；
所述约束条件包括：投资与运行决策约束、系统电功率平衡约束、系统热功率平衡约束、系统备用约束及低碳政策约束。
作为进一步的技术方案，针对所述基于CSP-CHP联合供能的高比例新能源系统协同优化模型进行求解时，需要获取燃煤发电机组、风力发电机组、光伏发电机组、太阳能光热发电机组、热电联产机组的额定容量数据，各类机组的额定运行参数，包括功率限额、爬坡速率限额，各类机组的单位投资成本、单位固定运维成本、单位燃料成本、单位启停成本，以及规划地区的风光资源数据；
获取的数据输入基于CSP-CHP联合供能的高比例新能源系统协同优化模型中，输出为：燃煤发电机组、风力发电机组、光伏发电机组、太阳能光热发电机组、热电联产机组的新建容量和小时电功率出力，太阳能光热发电机组、热电联产机组的小时热功率出力，以及系统的可再生能源削减率。
作为进一步的技术方案，上述模型求解时，利用GUROBI求解器进行求解。
第二方面，公开了基于CSP-CHP联供的高比例新能源系统容量优化配置装置，包括：
系统架构构建模块，被配置为：构建基于CSP-CHP联合供能的高比例新能源系统架构，其中，CSP表示太阳能光热发电技术，CHP表示热电联产技术；
机组模型建立模块，被配置为：基于构建的上述高比例新能源系统架构，建立CSP机组模型及建立CHP机组模型；
协同优化模型建立模块，被配置为：基于所建模型，建立基于CSP-CHP联合供能的高比例新能源系统协同优化模型；
求解模块，被配置为：获取各类机组的额定容量和额定运行参数，各类机组的单位投资成本、单位固定运维成本、单位燃料成本、单位启停成本，以及规划地区的风光资源数据，根据所获取的数据及建立的基于CSP-CHP联合供能的高比例新能源系统协同优化模型，得到高比例新能源系统中各类机组的容量配置与运行优化方案。
以上一个或多个技术方案存在以下有益效果：
本发明技术方案建立基于CSP-CHP联合供能的高比例新能源系统协同优化模型时，基于构建的基于CSP-CHP联合供能的高比例新能源系统架构分别建立了CSP机组模型及CHP机组模型；上述太阳能光热发电（Concentrating Solar Power，CSP）机组通常包括储热装置，在提供清洁的、可再生的电能和热能供应的同时，可以有效减少风能和光伏发电的不确定性。除了灵活的电能输出外，太阳能光热发电机组还可以通过储热装置扩大热电联产（Combined Heat and Power，CHP）机组的运行范围，从而缓解CHP机组“以热定电”的运行约束。因此，通过建立基于CSP-CHP联合供能的高比例新能源系统协同优化模型，得到高比例新能源系统中各类机组的容量配置与运行优化方案，可以有效提升高比例新能源系统供暖期的运行灵活性，进而提升系统的可再生能源消纳能力，减少弃风弃光，促进系统脱碳，降低系统的投资与运行成本，实现高比例新能源系统的灵活低碳经济运行。
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为本发明实施例基于CSP-CHP联合供能的高比例新能源系统架构图；
图2为本发明实施例考虑CSP-CHP联合供能的CSP运行能量流动示意图；
图3为本发明实施例考虑CSP-CHP联合供能的CHP运行范围示意图。
图3中，
Figure SMS_7
所包含的部分表示在传统不考虑CSP机组联合供能的情况下CHP机组的运行范围，
Figure SMS_1
所包含的部分表示引入CSP机组参与联合供能后CHP机组的运行范围，
Figure SMS_15
表示当热能输出为0时CHP机组电能输出的最大值，
Figure SMS_6
表示当热能输出为0时CHP机组电能输出的最小值，
Figure SMS_16
表示在传统不考虑CSP机组联合供能的情况下当热能输出为
Figure SMS_14
时CHP机组电能输出的最大值，
Figure SMS_18
表示在传统不考虑CSP机组联合供能的情况下当热能输出为
Figure SMS_8
时CHP机组电能输出的最小值，
Figure SMS_11
表示引入CSP机组参与联合供能后当热能输出为
Figure SMS_2
时CHP机组电能输出的最大值，
Figure SMS_10
表示引入CSP机组参与联合供能后当热能输出为
Figure SMS_3
时CHP机组电能输出的最小值，
Figure SMS_13
表示CSP机组的储热装置输出的热能，
Figure SMS_17
表示在传统不考虑CSP机组联合供能的情况下CHP机组热能输出的最小值，
Figure SMS_19
表示在传统不考虑CSP机组联合供能的情况下CHP机组热能输出的最大值，
Figure SMS_5
表示引入CSP机组参与联合供能后CHP机组热能输出的最小值，
Figure SMS_9
表示引入CSP机组参与联合供能后CHP机组热能输出的最大值，
Figure SMS_4
和
Figure SMS_12
表示CHP机组运行可行域的参数。
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
本实施例公开了高比例新能源系统容量优化配置方法，能够提升高比例新能源系统的可再生能源消纳能力，包括：
步骤一：考虑到太阳能光热发电（Concentrating Solar Power，CSP）机组和热电联产（Combined Heat and Power，CHP）机组联合供能的互补优势，构建了基于CSP-CHP联合供能的高比例新能源系统架构；
步骤二：在步骤一的基础上，以高比例可再生能源消纳与系统综合经济性为目标，考虑到CSP机组和CHP机组的运行特性、以及改进的灵活性约束，基于CSP-CHP联合供能的高比例新能源系统架构，建立改进的CSP机组模型及建立改进的CHP机组模型，基于所建机组模型，建立了兼顾机组容量投资和系统小时能量平衡的高比例新能源系统协同优化模型；
步骤三：根据各机组的额定容量及构建的高比例新能源系统规划与运行协同优化模型，获取能够提升系统灵活性与可再生能源消纳能力的各类机组的容量规划与运行优化方案。
通过本实施例公开的基于CSP-CHP联合供能的高比例新能源系统协同优化方法，可以有效提升高比例新能源系统供暖期的运行灵活性，进而提升系统的可再生能源消纳能力，减少弃风弃光，促进系统脱碳，降低系统的投资与运行成本，实现高比例新能源系统的灵活低碳经济运行。
步骤一中：关于构建基于CSP-CHP联合供能的高比例新能源系统架构：
对于风力发电机组和光伏发电机组，其发电过程分别对风能和太阳能光照强度的影响较为敏感，因此具有较强的波动性。对于热电联产（Combined Heat and Power，CHP）机组，它可以从燃气轮机中提取一部分能量通过余热锅炉供热，而剩下的部分能量可以继续发电；但它具有“以热定电”的运行约束，同时它以天然气作为燃料，因此与可再生能源机组相比仍具有较高的碳排放量。而对于太阳能光热发电（Concentrating Solar Power，CSP）机组来说，一方面，它可以通过储热装置充分补偿风力和光伏发电的波动，并通过具有良好输出功率调节能力的汽轮机达到连续稳定发电的目的；另一方面，它可以通过储热装置响应热需求，扩大CHP机组的运行范围，从而缓解CHP机组“以热定电”的运行约束，同时CSP是一种碳排放量非常少的可再生能源发电技术，可以达到清洁低碳能源供应的目的。
综上所述，本发明考虑到太阳能光热发电（Concentrating Solar Power，CSP）机组和热电联产（Combined Heat and Power，CHP）机组的互补优势，构建了基于CSP-CHP联合供能的高比例新能源系统架构如图1所示。
除传统的燃煤发电机组外，主要包括风力发电机组、光伏发电机组、太阳能光热发电机组和热电联产机组。其中，一个典型的太阳能光热发电机组一般由三部分组成：
（1）聚光集热装置，可以吸收太阳能，并通过传热流体将太阳能转化为热能。
（2）储热装置，可以平滑发电机输出的不稳定功率，并可以通过存储热能来响应热需求。在储热装置的基础上，可以将CHP机组与CSP机组相结合，提高CHP机组的输出灵活性。
（3）发电装置，可以通过具有良好输出功率调节能力的汽轮机将热能转化为电能，并可以为能源系统提供惯量支撑。此外，其功率调节速度高于传统燃煤发电机组，因此CSP机组能够快速响应风力发电机组和光伏发电机组的输出功率波动，提升高比例新能源系统的运行灵活性。
对于8760小时的大型能源系统协同优化，传统的混合整数机组组合方法，决策变量的数量巨大，由此导致优化计算困难。此外，要评估可再生能源消纳能力和系统成本，某类机组的总输出更为重要。因此，本实施例考虑CSP-CHP联合供能，并基于一种快速的聚类优化方法和改进的线性灵活性约束，建立了改进的CSP机组模型，可以大大提高优化计算效率，考虑CSP-CHP联合供能的CSP运行能量流动示意图如图2所示。
步骤二中：改进的CSP机组模型包括：
（1）热能平衡约束
Figure SMS_20
（1）
其中，
Figure SMS_21
表示t时从CSP机组群j的聚光集热装置传递给传热流体的热功率，
Figure SMS_22
表示t时从CSP机组群j的储热装置传递给传热流体的热功率，
Figure SMS_23
表示t时从CSP机组群j的传热流体传递给储热装置的热功率，
Figure SMS_24
表示t时从CSP机组群j的传热流体传递给发电装置的热功率。
（2）聚光集热环节约束
Figure SMS_25
（2）
其中，
Figure SMS_26
表示聚光集热装置的光热转换效率因数，
Figure SMS_27
表示聚光集热装置中镜场的面积，
Figure SMS_28
表示太阳直接法向辐射值，
Figure SMS_29
表示t时CSP机组群j的聚光集热环节损失的能量。
（3）储热环节约束
Figure SMS_30
（3）
Figure SMS_31
（4）
Figure SMS_32
（5）
Figure SMS_33
（6）
Figure SMS_34
（7）
其中，
Figure SMS_35
表示CSP机组群j的储热装置在t时的荷电状态，
Figure SMS_36
和
Figure SMS_37
分别表示储热装置在t时的充放能，
Figure SMS_38
表示热耗散率，
Figure SMS_39
表示时间间隔，
Figure SMS_40
表示CSP机组群j的储热装置在t-1时的荷电状态；
Figure SMS_41
表示t时从CSP机组群j的传热流体传递给储热装置的热功率，
Figure SMS_42
表示t时从CSP机组群j的电加热装置传递给储热装置的热功率，
Figure SMS_43
表示t时从CHP机组群n传递给储热装置的热功率；
Figure SMS_44
表示t时从CSP机组群j的储热装置传递给传热流体的热功率，
Figure SMS_45
表示t时从CSP机组群j的储热装置提供给热负荷的热功率，
Figure SMS_46
和
Figure SMS_47
分别表示储热装置的充放能效率因数；
Figure SMS_48
表示电加热装置的效率因数，
Figure SMS_49
和
Figure SMS_50
分别表示从风力发电机组、光伏发电机组输入电加热装置的电功率；
Figure SMS_51
和
Figure SMS_52
分别表示CSP机组群j的储热装置荷电状态的最小值和最大值。
（4）发电环节约束
Figure SMS_53
（8）
其中，
Figure SMS_54
表示发电装置的效率因数，
Figure SMS_55
表示t时从CSP机组群j的传热流体传递给发电装置的热功率，
Figure SMS_56
表示CSP机组群j在t时的电功率输出。
（5）灵活性约束
Figure SMS_57
（9）
Figure SMS_58
（10）
Figure SMS_59
（11）
Figure SMS_60
（12）
Figure SMS_61
（13）
Figure SMS_62
（14）
Figure SMS_63
（15）
Figure SMS_64
（16）
Figure SMS_65
（17）
其中，
Figure SMS_66
表示CSP机组群j在t时的电功率输出，
Figure SMS_67
表示CSP机组群j输出电功率的最小值，
Figure SMS_68
表示CSP机组群j输出电功率的最大值；
Figure SMS_69
和
Figure SMS_70
分别表示CSP机组群j的最小输出电功率、最大输出电功率与CSP机组群j的在线总容量的比值，
Figure SMS_71
表示CSP机组群j在t时的在线总容量；
Figure SMS_72
表示CSP机组群j在t-1时的电功率输出，
Figure SMS_73
表示CSP机组群j在t时的启动总容量，
Figure SMS_74
表示CSP机组群j在t时的关停总容量，
Figure SMS_75
和
Figure SMS_76
分别表示CSP机组群j的向上爬坡率和向下爬坡率，
Figure SMS_77
表示CSP机组群j在t-1时的启动总容量，
Figure SMS_78
表示CSP机组群j在t+1时的关停总容量；
Figure SMS_79
表示CSP机组群j在t-1时的在线总容量，
Figure SMS_80
表示CSP机组群j的总容量，
Figure SMS_81
表示CSP机组群j中CSP机组i的输出电功率的最大值，I表示CSP机组群j中CSP机组的数量。
在传统不考虑CSP机组联合供能的情况下，CHP机组的运行范围较小，由此导致高比例新能源系统供暖期灵活性不足，造成大量的可再生能源削减和较高的碳排放。
本实施例考虑引入CSP进行联合供能，建立改进的CHP机组模型，通过引入CSP机组进行联合供能，扩大了CHP机组的运行范围，有效增加了其电能输出调节范围，从而为可再生能源消纳提供了更多的空间，有效减少碳排放。
考虑CSP-CHP联合供能的CHP运行范围示意图如图3所示。
在传统不考虑CSP机组联合供能的情况下，CHP机组的运行范围可以用
Figure SMS_82
所包含的部分来表示。当CSP机组的储热装置输出热能
Figure SMS_83
时，总热能输出增加
Figure SMS_84
，因此引入CSP机组参与联合供能后，CHP机组的运行范围变为
Figure SMS_85
。结果表明：当热能输出量为
Figure SMS_86
时，CHP机组的电能输出调节范围为
Figure SMS_87
；然而，引入CSP机组进行联合供能后，电能输出调节范围增加到
Figure SMS_88
。因此，通过引入CSP机组进行联合供能，扩大了CHP机组的运行范围，有效增加了其电能输出调节范围，从而为可再生能源消纳提供了更多的空间，有效减少碳排放。
考虑引入CSP机组进行联合供能，建立改进的CHP机组模型：
（1）热功率出力约束
Figure SMS_89
（18）
其中，
Figure SMS_90
表示CHP机组群n在t时的热功率输出，
Figure SMS_91
表示CHP机组群n输出热功率的最小值，
Figure SMS_92
表示CHP机组群n输出热功率的最大值。
（2）电功率出力约束
Figure SMS_93
（19）
Figure SMS_94
（20）
其中，
Figure SMS_95
表示CHP机组群n在t时的电功率输出，
Figure SMS_96
表示CHP机组群n输出电功率的最小值，
Figure SMS_97
表示CHP机组群n输出电功率的最大值，
Figure SMS_98
和
Figure SMS_99
表示CHP机组运行可行域的参数。
（3）灵活性约束
Figure SMS_100
（21）
Figure SMS_101
（22）
Figure SMS_102
（23）
Figure SMS_103
（24）
Figure SMS_104
（25）
Figure SMS_105
（26）
其中，
Figure SMS_113
表示CHP机组群n在t时的电功率输出，
Figure SMS_107
表示CHP机组群n在t时的热功率输出，
Figure SMS_114
表示CHP机组运行可行域的参数，
Figure SMS_110
表示CHP机组群n在t-1时的电功率输出，
Figure SMS_120
表示CHP机组群n在t-1时的热功率输出，
Figure SMS_111
和
Figure SMS_116
分别表示CHP机组群n在t时的最小输出功率、最大输出功率与CHP机组群n的在线总容量的比值，
Figure SMS_119
表示CHP机组群n的在线总容量，
Figure SMS_122
和
Figure SMS_106
分别表示CHP机组群n的向上爬坡率和向下爬坡率，
Figure SMS_118
表示CHP机组群n的启动总容量，
Figure SMS_112
表示CHP机组群n的关停总容量，
Figure SMS_117
表示CHP机组群n在t-1时的启动总容量，
Figure SMS_121
表示CHP机组群n在t+1时的关停总容量，
Figure SMS_123
表示CHP机组群n在t-1时的在线总容量，
Figure SMS_108
表示CHP机组群n的总容量，
Figure SMS_115
表示CHP机组群n中CHP机组i的输出电功率的最大值，
Figure SMS_109
表示CHP机组群n中CHP机组i的输出热功率的最大值，I’表示CHP机组群n中CHP机组的数量。
建立基于CSP-CHP联合供能的高比例新能源系统协同优化模型：
（1）目标函数
本实施例所建立的基于CSP-CHP联合供能的高比例新能源系统协同优化模型以考虑高比例可再生能源消纳的系统总成本最小为目标，目标函数包括传统燃煤发电机组的成本
Figure SMS_124
、风力发电机组的成本
Figure SMS_125
、光伏发电机组的成本
Figure SMS_126
、CSP机组的成本
Figure SMS_127
、CHP机组的成本
Figure SMS_128
以及因弃风弃光而引起的惩罚成本
Figure SMS_129
。
Figure SMS_130
（27）
Figure SMS_131
（28）
Figure SMS_132
（29）
Figure SMS_133
（30）
Figure SMS_134
（31）
Figure SMS_135
（32）
Figure SMS_136
（33）
其中，
Figure SMS_160
、
Figure SMS_163
、
Figure SMS_168
和
Figure SMS_144
分别表示传统燃煤发电机组的新建投资成本、固定运维成本、燃料成本和启停成本，
Figure SMS_152
和
Figure SMS_161
分别表示风力发电机组的新建投资成本和固定运维成本，
Figure SMS_169
和
Figure SMS_166
分别表示光伏发电机组的新建投资成本和固定运维成本，
Figure SMS_170
和
Figure SMS_156
分别表示CSP机组的新建投资成本和固定运维成本，
Figure SMS_164
、
Figure SMS_157
、
Figure SMS_165
和
Figure SMS_158
分别表示CHP机组的新建投资成本、固定运维成本、燃料成本和启停成本，
Figure SMS_167
表示因弃风弃光引起的惩罚成本系数，
Figure SMS_143
、
Figure SMS_151
、
Figure SMS_142
和
Figure SMS_147
分别表示传统燃煤发电机组的新建容量、总容量、电功率输出和启停容量,
Figure SMS_137
、
Figure SMS_149
、
Figure SMS_154
和
Figure SMS_162
分别表示风力发电机组的新建容量、总容量、电功率输出和电功率输出的最大值，
Figure SMS_140
、
Figure SMS_146
、
Figure SMS_139
和
Figure SMS_150
分别表示光伏发电机组的新建容量、总容量、电功率输出和电功率输出的最大值，
Figure SMS_138
和
Figure SMS_145
分别表示CSP机组的新建容量和总容量，
Figure SMS_153
和
Figure SMS_159
分别表示CHP机组的新建容量和总容量，
Figure SMS_148
、
Figure SMS_155
和
Figure SMS_141
分别表示传统燃煤发电机组、CSP机组和CHP机组的组群数。
（2）约束条件
（2-1）投资与运行决策约束
Figure SMS_171
（34）
Figure SMS_172
（35）
Figure SMS_173
（36）
Figure SMS_174
（37）
Figure SMS_175
（38）
其中，
Figure SMS_182
、
Figure SMS_187
和
Figure SMS_192
分别表示风力发电机组、光伏发电机组和CSP机组的小时容量因子，
Figure SMS_178
、
Figure SMS_183
、
Figure SMS_185
、
Figure SMS_190
和
Figure SMS_180
分别表示传统燃煤发电机组群m在t时的电功率输出、在线容量、总容量、现有容量和新建容量，
Figure SMS_188
、
Figure SMS_194
、
Figure SMS_198
和
Figure SMS_181
分别表示风力发电机组在t时的电功率输出、总容量、现有容量和新建容量，
Figure SMS_186
、
Figure SMS_191
、
Figure SMS_193
和
Figure SMS_179
分别表示光伏发电机组在t时的电功率输出、总容量、现有容量和新建容量，
Figure SMS_195
、
Figure SMS_197
、
Figure SMS_200
和
Figure SMS_177
分别表示CSP机组群j在t时的电功率输出、总容量、现有容量和新建容量，
Figure SMS_184
、
Figure SMS_196
、
Figure SMS_199
、
Figure SMS_176
和
Figure SMS_189
分别表示CHP机组群n在t时的电功率输出、在线容量、总容量、现有容量和新建容量。
（2-2）系统电功率平衡约束
Figure SMS_201
（39）
其中，
Figure SMS_202
表示能源系统在t时的电负荷需求。
（2-3）系统热功率平衡约束
Figure SMS_203
（40）
其中，
Figure SMS_204
表示能源系统在t时的热负荷需求。
（2-4）系统备用约束
Figure SMS_205
（41）
其中，
Figure SMS_209
、
Figure SMS_210
和
Figure SMS_221
分别表示传统燃煤发电机组、CSP机组和CHP机组的组群数，
Figure SMS_206
和
Figure SMS_217
分别表示传统燃煤发电机组群m和CHP机组群n在t时的最大输出比，
Figure SMS_208
表示传统燃煤发电机组群m在t时的在线容量，
Figure SMS_218
、
Figure SMS_212
和
Figure SMS_216
分别表示风力发电机组、光伏发电机组和CSP机组的小时容量因子，
Figure SMS_211
表示风力发电机组在t时的总容量，
Figure SMS_220
表示光伏发电机组在t时的总容量，
Figure SMS_213
表示CSP机组群j在t时的总容量，
Figure SMS_215
表示CHP机组群n在t时的在线容量，
Figure SMS_219
表示能源系统在t时的电负荷需求，
Figure SMS_222
表示风力发电机组在t时的电功率输出，
Figure SMS_207
表示光伏发电机组在t时的电功率输出，
Figure SMS_214
表示CSP机组群j在t时的电功率输出。
Figure SMS_223
表示在t时与电负荷需求相关的备用要求，
Figure SMS_224
、
Figure SMS_225
和
Figure SMS_226
分别表示风力发电机组、光伏发电机组和CSP机组输出功率的预测误差。
（2-5）低碳政策约束
Figure SMS_227
（42）
其中，
Figure SMS_228
表示可再生能源发电量在总发电量中所占的比例，
Figure SMS_229
表示风力发电机组在t时的电功率输出，
Figure SMS_230
光伏发电机组在t时的电功率输出，
Figure SMS_231
表示CSP机组群j在t时的电功率输出，
Figure SMS_232
表示能源系统在t时的电负荷需求。
步骤三中：获取各类机组的额定容量，根据各类机组的额定容量及建立的基于CSP-CHP联合供能的高比例新能源系统协同优化模型，得到高比例新能源系统中各类机组的容量配置与运行优化方案，具体为：
获取相关数据，包括：传统燃煤发电机组、风力发电机组、光伏发电机组、CHP机组、CSP机组各类机组的额定容量数据，各类机组的额定运行参数，包括功率限额、爬坡速率限额，各类机组的单位投资成本、单位固定运维成本、单位燃料成本、单位启停成本，以及规划地区的风光资源数据；
获取的数据输入构建的高比例新能源系统规划与运行协同优化模型，公式：（1）-（42）；
利用GUROBI求解器进行求解；
输出：传统燃煤发电机组、风力发电机组、光伏发电机组、CHP机组、CSP机组各类机组的新建容量和小时电功率出力，CHP机组和CSP机组的小时热功率出力，以及系统的可再生能源削减率。
实施例二
本实施例的目的是提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
实施例三
本实施例的目的是提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述方法的步骤。
实施例四
本实施例的目的是提供高比例新能源系统容量优化配置装置，包括：
基于太阳能光热发电机组、热电联产机组，构建基于CSP-CHP联合供能的高比例新能源系统架构；
基于构建的所述高比例新能源系统架构，建立CSP机组模型及CHP机组模型；
基于CSP机组模型及CHP机组模型，建立基于CSP-CHP联合供能的高比例新能源系统协同优化模型；
获取各类机组的运行参数、各类机组的成本数据及规划地区的风光资源数据；并将获取的各类机组的运行参数、各类机组的成本数据及规划地区的风光资源数据输入至基于CSP-CHP联合供能的高比例新能源系统协同优化模型中，对所述基于CSP-CHP联合供能的高比例新能源系统协同优化模型求解获得高比例新能源系统中各类机组的容量配置。
以上实施例二、三和四的装置中涉及的各步骤与方法与实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
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 (10)

1.高比例新能源系统容量优化配置方法，其特征是，包括：
基于太阳能光热发电机组、热电联产机组，构建基于CSP-CHP联合供能的高比例新能源系统架构；
基于构建的所述高比例新能源系统架构，建立CSP机组模型及CHP机组模型；
基于CSP机组模型及CHP机组模型，建立基于CSP-CHP联合供能的高比例新能源系统协同优化模型；
获取各类机组的运行参数、各类机组的成本数据及规划地区的风光资源数据；并将获取的各类机组的运行参数、各类机组的成本数据及规划地区的风光资源数据输入至基于CSP-CHP联合供能的高比例新能源系统协同优化模型中，对所述基于CSP-CHP联合供能的高比例新能源系统协同优化模型求解获得高比例新能源系统中各类机组的容量配置。
2.如权利要求1所述的高比例新能源系统容量优化配置方法，其特征是，所述太阳能光热发电机组包括：聚光集热装置、储热装置及发电装置。
3.如权利要求1所述的高比例新能源系统容量优化配置方法，其特征是，所述CSP机组模型包括：热能平衡约束、聚光集热环节约束、储热环节约束、发电环节约束及CSP机组的灵活性约束。
4.如权利要求1所述的高比例新能源系统容量优化配置方法，其特征是，所述CHP机组模型包括：热功率出力约束、电功率出力约束及CHP机组的灵活性约束。
5.如权利要求1所述的高比例新能源系统容量优化配置方法，其特征是，所述基于CSP-CHP联合供能的高比例新能源系统协同优化模型包括目标函数以及约束条件；
所述目标函数以考虑高比例可再生能源消纳的系统总成本最小为目标所构建的函数；
所述约束条件包括：投资与运行决策约束、系统电功率平衡约束、系统热功率平衡约束、系统备用约束及低碳政策约束。
6.如权利要求1所述的高比例新能源系统容量优化配置方法，其特征是，各类机组的容量优化配置包括：燃煤发电机组、风力发电机组、光伏发电机组、太阳能光热发电机组、热电联产机组的新建容量和小时电功率出力；太阳能光热发电机组、热电联产机组的小时热功率出力，以及系统的可再生能源削减率。
7.如权利要求1所述的高比例新能源系统容量优化配置方法，其特征是，所述基于CSP-CHP联合供能的高比例新能源系统协同优化模型求解时，利用GUROBI求解器进行求解。
8.高比例新能源系统容量优化配置装置，其特征是，包括：
系统架构构建模块，被配置为：基于太阳能光热发电机组、热电联产机组，构建基于CSP-CHP联合供能的高比例新能源系统架构；
机组模型建立模块，被配置为：基于构建的所述高比例新能源系统架构，建立CSP机组模型及CHP机组模型；
协同优化模型建立模块，被配置为：基于CSP机组模型及CHP机组模型，建立基于CSP-CHP联合供能的高比例新能源系统协同优化模型；
求解模块，被配置为：获取各类机组的运行参数、各类机组的成本数据及规划地区的风光资源数据；并将获取的各类机组的运行参数、各类机组的成本数据及规划地区的风光资源数据输入至基于CSP-CHP联合供能的高比例新能源系统协同优化模型中，对所述基于CSP-CHP联合供能的高比例新能源系统协同优化模型求解获得高比例新能源系统中各类机组的容量配置。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行上述权利要求1-7任一所述方法的步骤。
CN202310483085.2A 2023-05-04 2023-05-04 高比例新能源系统容量优化配置方法、设备、介质及装置 Active CN116187209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310483085.2A CN116187209B (zh) 2023-05-04 2023-05-04 高比例新能源系统容量优化配置方法、设备、介质及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310483085.2A CN116187209B (zh) 2023-05-04 2023-05-04 高比例新能源系统容量优化配置方法、设备、介质及装置

Publications (2)

Publication Number Publication Date
CN116187209A true CN116187209A (zh) 2023-05-30
CN116187209B CN116187209B (zh) 2023-08-08

Family

ID=86442635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310483085.2A Active CN116187209B (zh) 2023-05-04 2023-05-04 高比例新能源系统容量优化配置方法、设备、介质及装置

Country Status (1)

Country Link
CN (1) CN116187209B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190072338A1 (en) * 2016-02-29 2019-03-07 The Regents Of The University Of California Modular thermal energy storage system
EP3499166A1 (de) * 2017-12-12 2019-06-19 Verbund Solutions GmbH Anlage und verfahren zum beheizen von wärmespeichern
CN111342451A (zh) * 2020-03-12 2020-06-26 四川大学 促进可再生能源消纳的园区综合能源系统经济配置方法
CN111668878A (zh) * 2020-04-30 2020-09-15 中国电力科学研究院有限公司 一种可再生微能源网的优化配置方法和系统
CN112381335A (zh) * 2020-12-08 2021-02-19 国网综合能源服务集团有限公司 区域综合能源系统运行优化方法及装置
CN113541205A (zh) * 2021-09-14 2021-10-22 山东大学 基于集群学习的低碳csp系统协同优化方法及装置
US20220074620A1 (en) * 2020-09-04 2022-03-10 North China Electric Power University Optimized regulating and controlling method and system for integrated electricity and heat system with heat pumps

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190072338A1 (en) * 2016-02-29 2019-03-07 The Regents Of The University Of California Modular thermal energy storage system
EP3499166A1 (de) * 2017-12-12 2019-06-19 Verbund Solutions GmbH Anlage und verfahren zum beheizen von wärmespeichern
CN111342451A (zh) * 2020-03-12 2020-06-26 四川大学 促进可再生能源消纳的园区综合能源系统经济配置方法
CN111668878A (zh) * 2020-04-30 2020-09-15 中国电力科学研究院有限公司 一种可再生微能源网的优化配置方法和系统
US20220074620A1 (en) * 2020-09-04 2022-03-10 North China Electric Power University Optimized regulating and controlling method and system for integrated electricity and heat system with heat pumps
CN112381335A (zh) * 2020-12-08 2021-02-19 国网综合能源服务集团有限公司 区域综合能源系统运行优化方法及装置
CN113541205A (zh) * 2021-09-14 2021-10-22 山东大学 基于集群学习的低碳csp系统协同优化方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
?韫韵;张珍珍;陈钊;黄蓉;丁坤;董海鹰;: "考虑光热电站参与的新能源热电联供型微网运行优化", 可再生能源, no. 07 *
JIAYI ZENG: "Reliability Evaluation of Coupled Heat and Electricity Systems with CSP Considering Thermal Dynamic Characteristics", 2021 4TH INTERNATIONAL CONFERENCE ON ENERGY, ELECTRICAL AND POWER ENGINEERING (CEEPE) *

Also Published As

Publication number Publication date
CN116187209B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN109634119B (zh) 一种基于日内滚动优化的能源互联网优化控制方法
CN109242350A (zh) 计及可平移负荷的冷热电联供系统容量优化配置方法
CN113193602B (zh) 含低热值发电和分布式电源的配电网优化运行系统及方法
CN113541205B (zh) 基于集群学习的低碳csp系统协同优化方法及装置
CN113256045A (zh) 考虑风光不确定性的园区综合能源系统日前经济调度方法
CN109543889A (zh) 一种区域综合能源系统日前协同优化运行方法
CN112232603A (zh) 一种计及电转气协同的虚拟电厂优化调度方法
CN105958537A (zh) 面向能源互联网的能源转换系统及其优化控制方法
CN117314031A (zh) 电热联合系统源荷两侧灵活性提升策略
CN114362152B (zh) 综合能源系统多时间尺度调度方法
CN114282828A (zh) 一种碳循环系统及其应用
CN113078684B (zh) 一种基于双层优化的区域能源社区规划方法
CN118017467A (zh) 一种综合能源系统的多目标日前优化调度方法及系统
CN110472364B (zh) 一种考虑可再生能源的离网式热电气联产系统的优化方法
CN116187209B (zh) 高比例新能源系统容量优化配置方法、设备、介质及装置
CN107871052A (zh) 一种计及可再生能源和储能的能源集线器优化调度模型
CN110165699B (zh) 基于个体优化及系统多能互补的光热电站优化配置方法
CN115864533A (zh) 一种混合型共享储能与热电联产能源梯次利用装置及方法
CN214007248U (zh) 一种火电机组热电解耦系统
CN114565245A (zh) 一种计及电冷热的综合能源系统优化调度方法及装置
CN114091762A (zh) 一种基于阶梯碳交易的能源系统双层运行优化方法及系统
CN113949081A (zh) 光伏和风电消纳的储热容量优化配置方法、设备及介质
CN113239529A (zh) 一种综合能源系统的多目标优化方法
Sha et al. Robust economic dispatching of high renewable energy penetrated system with concentrating solar power providing reserve capacity
CN113067353B (zh) 一种考虑csp电站耦合aa-caes电站的系统优化调度方法

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