CN116402231A - 一种电力负荷预测方法、装置、设备及存储介质 - Google Patents
一种电力负荷预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116402231A CN116402231A CN202310430391.XA CN202310430391A CN116402231A CN 116402231 A CN116402231 A CN 116402231A CN 202310430391 A CN202310430391 A CN 202310430391A CN 116402231 A CN116402231 A CN 116402231A
- Authority
- CN
- China
- Prior art keywords
- user information
- cluster
- target
- time
- ratio
- 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 67
- 230000005611 electricity Effects 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 8
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 description 35
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 13
- 238000007621 cluster analysis Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000012417 linear regression Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
本发明公开了一种电力负荷预测方法、装置、设备及存储介质。该方法包括:获取用户信息;根据用户信息进行聚类,得到至少一簇用户信息;获取每簇用户信息对应的目标比值,其中,所述目标比值为用户的日电量与基准电量的比值;根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数;根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,所述第一时间处于第二时间之前,通过本发明的技术方案,能够精准预测电力负荷变化,进而合理分配运维资源,降低运维压力,提高负荷过载处理的及时性,提升电力设备运维人员的工作效率。
Description
技术领域
本发明实施例涉及电力预测技术领域,尤其涉及一种电力负荷预测方法、装置、设备及存储介质。
背景技术
电力的可持续性供应,对社会经济的建设以及人们生活的发展具有重要意义。节假日出游和外出务工人员返乡都会产生大量人口迁移,人口迁移会对用电负荷产生影响,尤其日常负荷较低的边远地区,人口短时间集中对电力设备的运维带来了很大压力,且运维任务繁重,运维力量减少;同时,当前的节假日电力运维手段主要采用事后统计的方式,在发现重过载告警后,再进行针对性维护,存在及时性差和效率低的问题。
发明内容
本发明实施例提供一种电力负荷预测方法、装置、设备及存储介质,解决了由于人口短时间集中对电力设备的运维带来了很大压力、运维任务繁重、运维力量减少以及在发现重过载告警后再进行针对性维护导致及时性差和效率低的问题。
根据本发明的一方面,提供了一种电力负荷预测方法,包括:
获取用户信息;
根据用户信息进行聚类,得到至少一簇用户信息;
获取每簇用户信息对应的目标比值,其中,所述目标比值为用户的日电量与基准电量的比值;
根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数;
根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,所述第一时间处于第二时间之前。
根据本发明的另一方面,提供了一种电力负荷预测装置,该电力负荷预测装置包括:
第一获取模块,用于获取用户信息;
得到模块,用于根据用户信息进行聚类,得到至少一簇用户信息;
第二获取模块,用于获取每簇用户信息对应的目标比值,其中,所述目标比值为用户的日电量与基准电量的比值;
确定模块,用于根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数;
预测模块,用于根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,所述第一时间处于第二时间之前。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的电力负荷预测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电力负荷预测方法。
本发明实施例通过获取用户信息;根据用户信息进行聚类,得到至少一簇用户信息;获取每簇用户信息对应的目标比值,其中,所述目标比值为用户的日电量与基准电量的比值;根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数;根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,所述第一时间处于第二时间之前,解决了由于人口短时间集中对电力设备的运维带来了很大压力、运维任务繁重、运维力量减少以及在发现重过载告警后再进行针对性维护导致及时性差和效率低的问题,能够精准预测电力负荷变化,进而合理分配运维资源,降低运维压力,提高负荷过载处理的及时性,提升电力设备运维人员的工作效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种电力负荷预测方法的流程图;
图2是本发明实施例二中的一种电力负荷预测装置的结构示意图;
图3是本发明实施例三中的一种电子设备的结构示意图。
具体实施方式
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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
实施例一
图1是本发明实施例一中的一种电力负荷预测方法的流程图,本实施例可适用于对电力系统的负荷变化进行预测的情况,该方法可以由本发明实施例中的电力负荷预测装置来执行,该装置可采用软件和/或硬件的方式实现,如图1所示,该方法具体包括如下步骤:
S110,获取用户信息。
其中,用户信息可以包括:用电类别、用户地址信息、天气情况、地区类型、基准电量以及日电量等信息。
具体的,获取用户信息的方式可以为:根据用户的日常统计数据获取用户信息,其中,用户信息中的基准电量以及日电量也可以通过用户信息计算得到。
S120,根据用户信息进行聚类,得到至少一簇用户信息。
其中,聚类是将用户信息划分为至少一个簇的过程。
具体的,根据用户信息进行聚类,得到至少一簇用户信息的方式可以为:采用目标算法,针对用户信息中的特征进行聚类分析,得到至少一簇用户信息。例如可以是,目标算法可为k-means算法,采用k-means算法,针对用户地址信息、天气情况、地区类型以及基准电量等特征进行聚类分析,得到至少一簇用户信息。需要说明的是,在将用户信息进行聚类分析时,既可以将所有的用户信息直接进行聚类分析,也可以将用户信息分为三个不同的维度进行聚类分析,例如可以是,先统计县区局、供电所和台区三个维度的用户信息,再根据不同维度的用户信息分别进行聚类分析,便于后期对不同维度的用户的用电负荷进行观测统计。需要说明的是,用户信息可以为所有的公变用户的用户信息,也可以为根据提前设定的条件筛选后的公变用户的用户信息,还可以为专变用户的用户信息。
S130,获取每簇用户信息对应的目标比值,其中,目标比值为用户的日电量与基准电量的比值。
其中,用户的日用量为用户每天的日用电量,基准电量为用户前一段时间的平均电量。例如可以是,基准电量为用户前一个月的平均电量,即基准电量为用户T日的日电量为T+1日的电表码数与T日的电表码数的差值,可记为日电量RT。
具体的,获取每簇用户信息对应的目标比值的方式可以为:对每一簇的用户信息中用户历史电量变化做线性回归分析,确定每簇用户的日电量与基准电量的比值。需要说明的是,若用户信息为所有的公变用户的用户信息,则目标比值可为第一比值,若用户信息为根据提前设定的条件筛选后的公变用户的用户信息,则目标比值可为第二比值,若用户信息为专变用户的用户信息,则目标比值可为第三比值,第三比值也可以根据每簇专变用户的用户信息中的开工数据中的最小日电量和最大日电量来确定。
S140,根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数。
其中,第一时间可为历史时间中的任一天。目标户数可为返惠户数和留惠户数,或者是,复工户数。
具体的,根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数的方式可以为:根据每簇用户信息确定预设条件,根据预设条件、每簇用户信息对应的目标比值和每簇用户信息确定每簇用户信息对应的目标户数,根据每簇用户信息对应的目标户数确定第一时间对应的总的目标户数。根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数的方式还可以为:根据用户信息中的用户所处区域,将用户分为县区局、供电所和台区三个维度进行聚类分析,获取不同维度中每簇用户信息对应的目标比值,并根据目标比值确定每个维度的目标户数,并根据每个维度的目标户数计算第一时间对应的总的目标户数。
S150,根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,第一时间处于第二时间之前。
其中,第一时间处于第二时间之前,例如可以是,第一时间为T日,第二时间为T+1日。其中,变压器的额定容量和第一时间对应的目标负荷率均为影响电力负荷预测的特征,可以通过分支界定法进行筛选获取。
其中,目标负荷率可以为第一时间对应的最大负荷率,也可以为将最大负荷率进行离散化处理后的最大负荷率。目标负荷为预测的第二时间对应的电力负荷。第二时间对应的目标负荷为第二时间的预测负荷。
具体的,根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷的方式可以为:获取变压器的额定容量、目标户数以及第一时间对应的目标负荷率,根据目标算法去除离散噪点,并进行数据归一化处理,采用线性回归算法根据变压器的额定容量、目标户数以及第一时间对应的目标负荷率建立第二时间对应的目标负荷预测模型,进而确定第二时间对应的目标负荷。
通过对用户信息的聚类分析,获取每簇用户信息对应的目标比值,并根据目标比值和每簇用户信息确定第一时间对应的目标户数,根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,能够建立第二时间对应的目标负荷的预测模型,精准预测电力负荷变化趋势,转变传统的电力运维方式,合理分配运维资源,进而对预测即将出现重过载的地区进行针对性运维,降低运维压力,提高负荷过载处理的及时性,提升电力设备运维人员的工作效率。
可选的,所述目标户数包括:返惠户数和留惠户数;
根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数,包括:
若用户为公变用户,则根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的返惠户数和留惠户数。
具体的,若用户为公变用户,则根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的返惠户数和留惠户数的方式可以为:若用户为用电类别为居民用户的公变用户,则根据公变用户的用户信息进行聚类,得到至少一簇用户信息,根据每簇用户信息对应的目标比值、每簇用户信息以及预设条件确定第一时间对应的返惠户数和留惠户数。根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的返惠户数和留惠户数的方式还可以为:根据所有公变用户的用户信息进行聚类,得到至少一簇用户信息,根据每簇用户信息对应的目标比值、每簇用户信息以及预设条件确定第一时间对应的返惠户数,同时,根据提前设定的条件对所有公变用户的用户信息进行筛选,根据筛选后的公变用户信息进行聚变,得到至少一簇用户信息,根据每簇用户信息对应的目标比值、每簇用户信息以及预设条件确定第一时间对应的留惠户数。
可选的,根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的返惠户数,包括:
若所述目标比值为第一比值,则将每簇用户信息中满足第一预设条件的用户信息的数量确定为每簇用户信息对应的返惠户数,其中,第一预设条件包括:用户的基准电量为第一数值且第一时间对应的日电量大于第二数值,或,第一时间对应的日电量大于基准电量与第一比值的乘积;
根据每簇用户信息对应的返惠户数确定第一时间对应的返惠户数。
其中,第一比值为根据所有的公变用户的用户信息聚类后得到的至少一簇用户信息对应的比值。第一数值可以为0,第二数值可以为2,第一数值和第二数值可根据实际需求进行设定。
具体的,若所述目标比值为第一比值,则将每簇用户信息中满足第一预设条件的用户信息的数量确定为每簇用户信息对应的返惠户数的方式可以为:若目标比值为第一比值,则将每簇用户信息中用户的基准电量为第一数值且第一时间对应的日电量大于第二数值的用户,或者是,将每簇用户信息中用户的第一时间对应的日电量大于基准电量与第一比值的乘积的用户确定为返惠用户,根据每簇用户信息中的返惠用户确定每簇用户信息的返惠户数。
具体的,根据每簇用户信息对应的返惠户数确定第一时间对应的返惠户数的方式可以为:将每簇用户信息对应的返惠户数之和确定为第一时间对应的返惠户数。
可选的,根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的留惠户数,包括:
若所述目标比值为第二比值,则将每簇用户信息中满足第二预设条件的用户信息的数量确定为每簇用户信息对应的留惠户数,其中,第二预设条件包括:第一时间对应的日电量大于基准电量与第二比值的乘积;
根据每簇用户信息对应的留惠户数确定第一时间对应的留惠户数。
其中,第二比值为根据提前设定的条件筛选后的公变用户的用户信息聚类后得到的至少一簇用户信息对应的比值。
具体的,若所述目标比值为第二比值,则将每簇用户信息中满足第二预设条件的用户信息的数量确定为每簇用户信息对应的留惠户数的方式可以为:若目标比值为第二比值,则将将每簇用户信息中第一时间对应的日电量大于基准电量与第二比值的乘积的用户确定为留惠用户,根据每簇用户信息中的留惠用户确定每簇用户信息的留惠户数。
具体的,根据每簇用户信息对应的留惠户数确定第一时间对应的留惠户数的方式可以为:将每簇用户信息对应的留惠户数之和确定为第一时间对应的留惠户数。
可选的,获取每簇用户信息对应的第二比值,包括:
若用户信息中的预设历史时间段内的总用电量大于预设阈值,则将用户信息确定为目标用户信息;
根据目标用户信息获取每簇用户信息对应的第二比值。
其中,预设历史时间段可以为第一时间的前一个月,预设阈值可根据实际需求进行设定,例如,用户的第一时间的前一个月的总用电量大于10度。其中,目标用户信息为根据用户信息中的预设历史时间段内的总用电量大于预设阈值的条件对公变用户的用户信息进行筛选得到的用户信息。
具体的,若用户信息中的预设历史时间段内的总用电量大于预设阈值,则将用户信息确定为目标用户信息的方式可以为:获取公变用户的用户信息,对公变用户的用户信息进行筛选,将满足用户信息中的预设历史时间段内的总用电量大于预设阈值的条件的用户信息确定为目标用户信息。
具体的,根据目标用户信息获取每簇用户信息对应的第二比值的方式可以为:将目标用户信息中的特征进行聚类分析,得到至少一簇目标用户信息,并获取每簇目标用户信息中的用户的日电量与基准电量的比值,即第二比值。
可选的,根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,包括:
根据返惠户数、留惠户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷。
其中,第一时间应早于第二时间,例如可以是,第一时间为T日,第二时间为T+1日。
具体的,根据返惠户数、留惠户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷的方式可以为:获取变压器的额定容量和第一时间对应的目标负荷率,其中,目标负荷率可以为第一时间对应的最大负荷率,也可以为将最大负荷率进行离散化处理后的最大负荷率,根据返惠户数、留惠户数、变压器的额定容量以及第一时间对应的目标负荷率建立第二时间对应的预测目标负荷的模型,进而预测第二时间对应的目标负荷,例如,若返惠户数为FT,留惠户数为LT,变压器的额定容量ET,第一时间对应的目标负荷率为LIT,则第二时间对应的目标负荷的预测模型可为:
上式中的w1和w2可通过穷举法获取最优解。
例如可以是,从电网的营销系统中获取全量用电类别为居民生活的公变用户的用户信息,按照县区局、供电所和台区三个维度分别统计用户信息,其中,可通过用户的用户关联计量系统,获取每位用户的前一月份的总用电量,进而计算用户的基准电量同时,计算用户T日的日电量RT,RT=用户T+1日的电表码数-T日的电表码数;采用k-means算法,根据用户地址信息、天气情况、地区类型以及基准电量等特征对三个维度的全量用电类别为居民生活的公变用户的用户信息进行聚类分析,获取至少一簇用户信息,并对每一簇的用户信息中的历史用电变化做线性回归分析,确定每一簇内返惠用户的日电量与基准电量的比值wfn;每一簇中的返惠用户需满足以下返惠预设条件:用户的基准电量/>且日电量RT大于2,或者是,用户的日电量/>根据返惠预设条件统计每一簇的返惠用户户数,进而得到三个维度的返惠户数,通过三个维度的返惠户数得到T日的返惠户数为FT;
根据营销系统中全量用电类别为居民生活的公变用户的用户信息结合计量系统的用户的前一个月的用电量数据,筛选得到前一个月总用电量大于10度的正常用电的用户信息,按照县区局、供电所和台区三个维度分别统计用户信息,获取用户基准电量和用户的日电量RT,采用k-means算法,根据用户地址信息、天气情况、地区类型以及基准电量等特征对三个维度的正常用电的用户信息进行聚类分析,获取至少一簇用户信息,并对每一簇的用户信息中的历史用电变化做线性回归分析,确定每一簇内留惠用户的日电量与基准电量的比值wln;每一簇中的留惠用户需满足以下留惠预设条件:用户的日电量/>根据留惠预设条件统计每一簇的留惠用户户数,进而得到三个维度的留惠户数,通过三个维度的留惠户数得到T日的留惠户数为LT;
采用分支界定法筛选出影响负荷预测的特征,包括变压器的额定容量ET、返惠户数FT、留惠户数LT、T日的最大负荷率IT;结合电力负荷预测以判断重过载为最终目的的特点,将最大负荷率以每20%为一个区间做离散化处理,得到离散化的最大负荷率LIT,将最大负荷率进行离散化处理,可提高预测结果的准确率;采用k-means算法去除数据中的离群噪点,再将数据进行归一化处理;采用线性回归算法建立以下负荷预测模型:
可选的,所述目标户数为复工户数;
根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数,包括:
若用户为专变用户,则根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的复工户数。
其中,若用户为专变用户,则获取每簇用户信息对应的目标比值的方式可以为:
具体的,若用户为专变用户,则根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的复工户数的方式可以为:若用户为用电类别为工业或者大工业的专变用户,则将用户信息进行筛选,得到专变用户的用户信息,根据专变用户的用户信息进行聚类,得到至少一簇用户信息,根据每簇用户信息对应的目标比值、每簇用户信息以及预设条件确定第一时间对应的复工户数。
可选的,根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的复工户数,包括:
若所述目标比值为第三比值,则将每簇用户信息中满足第三预设条件的用户信息的数量确定为每簇用户信息对应的复工户数,其中,第三预设条件包括:第一时间对应的日电量大于基准电量与第三比值的乘积;
根据每簇用户信息对应的复工户数确定第一时间对应的复工户数。
其中,第三比值为根据专变用户的用户信息聚类后得到的至少一簇用户信息对应的比值。
具体的,若所述目标比值为第三比值,则将每簇用户信息中满足第三预设条件的用户信息的数量确定为每簇用户信息对应的复工户数的方式可以为:若所述目标比值为第三比值,则将每簇用户信息中用户的第一时间对应的日电量大于基准电量与第三比值的乘积的用户确定为复工用户,根据每簇用户信息中的复工用户每簇用户信息对应的复工户数。
具体的,根据每簇用户信息对应的复工户数确定第一时间对应的复工户数的方式可以为:将每簇用户信息对应的复工户数之和确定为第一时间对应的复工户数。
可选的,根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,包括:
根据复工户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷。
具体的,根据复工户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷的方式可以为:获取变压器的额定容量和第一时间对应的目标负荷率,根据复工户数、变压器的额定容量以及第一时间对应的目标负荷率建立第二时间对应的预测目标负荷的模型,进而预测第二时间对应的目标负荷,例如,若复工户数为KT、变压器的额定容量ET,第一时间对应的目标负荷率为LIT,则第二时间对应的目标负荷的预测模型可为:
上式中的w3和w4可通过穷举法获取最优解。
例如可以是,从电网的营销系统中获取全量用电类别为工业或者大工业的专变用户的用户信息,按照县区局、供电所和台区三个维度分别统计用户信息,获取用户的基准电量和用户T日的日电量RT;采用k-means算法,根据用户地址信息、天气情况、地区类型以及基准电量等特征对三个维度的专变用户的用户信息进行聚类分析,获取至少一簇用户信息,并对每一簇的用户信息中的历史用电变化做线性回归分析,最终结果划分为开工和停工两类,将开工数据中的最小日电量/最大日电量确定为复工用户的日电量与基准电量的比值wkn;每一簇中的复工用户需满足以下复工预设条件:用户的日电量/>根据复工预设条件统计每一簇的复工户数,进而得到三个维度的复工户数,通过三个维度的复工户数得到T日的复工户数KT;
采用分支界定法筛选出影响负荷预测的特征,包括变压器的额定容量ET、复工户数KT、T日的最大负荷率IT;结合电力负荷预测以判断重过载为最终目的的特点,将最大负荷率以每20%为一个区间做离散化处理,得到离散化的最大负荷率LIT,将最大负荷率进行离散化处理,可提高预测结果的准确率;采用k-means算法去除数据中的离群噪点,再将数据进行归一化处理;采用线性回归算法建立以下负荷预测模型:
本实施例的技术方案,通过获取用户信息;根据用户信息进行聚类,得到至少一簇用户信息;获取每簇用户信息对应的目标比值,其中,所述目标比值为用户的日电量与基准电量的比值;根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数;根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,所述第一时间处于第二时间之前,解决了由于人口短时间集中对电力设备的运维带来了很大压力、运维任务繁重、运维力量减少以及在发现重过载告警后再进行针对性维护导致及时性差和效率低的问题,能够精准预测电力负荷变化,进而合理分配运维资源,降低运维压力,提高负荷过载处理的及时性,提升电力设备运维人员的工作效率。
实施例二
图2是本发明实施例二中的一种电力负荷预测装置的结构示意图。本实施例可适用于对电力系统的负荷变化进行预测的情况,该装置可采用软件和/或硬件的方式实现,该装置可集成在任何提供电力负荷预测的功能的设备中,如图2所示,所述电力负荷预测装置具体包括:第一获取模块210、得到模块220、第二获取模块230、确定模块240以及预测模块250。
其中,第一获取模块210,用于获取用户信息;
得到模块220,用于根据用户信息进行聚类,得到至少一簇用户信息;
第二获取模块230,用于获取每簇用户信息对应的目标比值,其中,所述目标比值为用户的日电量与基准电量的比值;
确定模块240,用于根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数;
预测模块250,用于根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,所述第一时间处于第二时间之前。
可选的,所述目标户数包括:返惠户数和留惠户数;
所述确定模块具体用于:
若用户为公变用户,则根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的返惠户数和留惠户数。
可选的,所述确定模块具体用于:
若所述目标比值为第一比值,则将每簇用户信息中满足第一预设条件的用户信息的数量确定为每簇用户信息对应的返惠户数,其中,第一预设条件包括:用户的基准电量为第一数值且第一时间对应的日电量大于第二数值,或,第一时间对应的日电量大于基准电量与第一比值的乘积;
根据每簇用户信息对应的返惠户数确定第一时间对应的返惠户数。
可选的,所述确定模块具体用于:
若所述目标比值为第二比值,则将每簇用户信息中满足第二预设条件的用户信息的数量确定为每簇用户信息对应的留惠户数,其中,第二预设条件包括:第一时间对应的日电量大于基准电量与第二比值的乘积;
根据每簇用户信息对应的留惠户数确定第一时间对应的留惠户数。
可选的,所述第二获取模块具体用于:
若用户信息中的预设历史时间段内的总用电量大于预设阈值,则将用户信息确定为目标用户信息;
根据目标用户信息获取每簇用户信息对应的第二比值。
可选的,所述预测模块具体用于:
根据返惠户数、留惠户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷。
可选的,所述目标户数为复工户数;
所述确定模块具体用于:
若用户为专变用户,则根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的复工户数。
可选的,所述确定模块具体用于:
若所述目标比值为第三比值,则将每簇用户信息中满足第三预设条件的用户信息的数量确定为每簇用户信息对应的复工户数,其中,第三预设条件包括:第一时间对应的日电量大于基准电量与第三比值的乘积;
根据每簇用户信息对应的复工户数确定第一时间对应的复工户数。
可选的,所述预测模块具体用于:
根据复工户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本实施例的技术方案,通过获取用户信息;根据用户信息进行聚类,得到至少一簇用户信息;获取每簇用户信息对应的目标比值,其中,所述目标比值为用户的日电量与基准电量的比值;根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数;根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,所述第一时间处于第二时间之前,解决了由于人口短时间集中对电力设备的运维带来了很大压力、运维任务繁重、运维力量减少以及在发现重过载告警后再进行针对性维护导致及时性差和效率低的问题,能够精准预测电力负荷变化,进而合理分配运维资源,降低运维压力,提高负荷过载处理的及时性,提升电力设备运维人员的工作效率。
实施例三
图3是本发明实施例三中的一种电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如电力负荷预测方法。
在一些实施例中,电力负荷预测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的电力负荷预测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电力负荷预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种电力负荷预测方法,其特征在于,包括:
获取用户信息;
根据用户信息进行聚类,得到至少一簇用户信息;
获取每簇用户信息对应的目标比值,其中,所述目标比值为用户的日电量与基准电量的比值;
根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数;
根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,所述第一时间处于第二时间之前。
2.根据权利要求1所述的方法,其特征在于,所述目标户数包括:返惠户数和留惠户数;
根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数,包括:
若用户为公变用户,则根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的返惠户数和留惠户数。
3.根据权利要求2所述的方法,其特征在于,根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的返惠户数,包括:
若所述目标比值为第一比值,则将每簇用户信息中满足第一预设条件的用户信息的数量确定为每簇用户信息对应的返惠户数,其中,第一预设条件包括:用户的基准电量为第一数值且第一时间对应的日电量大于第二数值,或,第一时间对应的日电量大于基准电量与第一比值的乘积;
根据每簇用户信息对应的返惠户数确定第一时间对应的返惠户数。
4.根据权利要求2所述的方法,其特征在于,根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的留惠户数,包括:
若所述目标比值为第二比值,则将每簇用户信息中满足第二预设条件的用户信息的数量确定为每簇用户信息对应的留惠户数,其中,第二预设条件包括:第一时间对应的日电量大于基准电量与第二比值的乘积;
根据每簇用户信息对应的留惠户数确定第一时间对应的留惠户数。
5.根据权利要求4所述的方法,其特征在于,获取每簇用户信息对应的第二比值,包括:
若用户信息中的预设历史时间段内的总用电量大于预设阈值,则将用户信息确定为目标用户信息;
根据目标用户信息获取每簇用户信息对应的第二比值。
6.根据权利要求2所述的方法,其特征在于,根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,包括:
根据返惠户数、留惠户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷。
7.根据权利要求1所述的方法,其特征在于,所述目标户数为复工户数;
根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数,包括:
若用户为专变用户,则根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的复工户数。
8.根据权利要求7所述的方法,其特征在于,根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的复工户数,包括:
若所述目标比值为第三比值,则将每簇用户信息中满足第三预设条件的用户信息的数量确定为每簇用户信息对应的复工户数,其中,第三预设条件包括:第一时间对应的日电量大于基准电量与第三比值的乘积;
根据每簇用户信息对应的复工户数确定第一时间对应的复工户数。
9.根据权利要求7所述的方法,其特征在于,根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,包括:
根据复工户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷。
10.一种电力负荷预测装置,其特征在于,包括:
第一获取模块,用于获取用户信息;
得到模块,用于根据用户信息进行聚类,得到至少一簇用户信息;
第二获取模块,用于获取每簇用户信息对应的目标比值,其中,所述目标比值为用户的日电量与基准电量的比值;
确定模块,用于根据每簇用户信息对应的目标比值和每簇用户信息确定第一时间对应的目标户数;
预测模块,用于根据目标户数、变压器的额定容量以及第一时间对应的目标负荷率预测第二时间对应的目标负荷,其中,所述第一时间处于第二时间之前。
11.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的电力负荷预测方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-9中任一项所述的电力负荷预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310430391.XA CN116402231A (zh) | 2023-04-20 | 2023-04-20 | 一种电力负荷预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310430391.XA CN116402231A (zh) | 2023-04-20 | 2023-04-20 | 一种电力负荷预测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116402231A true CN116402231A (zh) | 2023-07-07 |
Family
ID=87008871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310430391.XA Pending CN116402231A (zh) | 2023-04-20 | 2023-04-20 | 一种电力负荷预测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402231A (zh) |
-
2023
- 2023-04-20 CN CN202310430391.XA patent/CN116402231A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115860383A (zh) | 配电网调度方法、装置、电子设备及存储介质 | |
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN116937645A (zh) | 充电站集群调控潜力评估方法、装置、设备及介质 | |
CN116485022A (zh) | 园区未来年的碳排放估计方法、装置、设备及介质 | |
CN115034927A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115859808A (zh) | 一种泵组工作预测方法、装置、电子设备及存储介质 | |
CN116402231A (zh) | 一种电力负荷预测方法、装置、设备及存储介质 | |
CN114817985A (zh) | 一种用电数据的隐私保护方法、装置、设备及存储介质 | |
CN114764535A (zh) | 用于仿真的电力数据处理方法、装置、设备及存储介质 | |
CN115018293A (zh) | 一种供电线路负荷分析方法、装置、设备及存储介质 | |
CN117131353B (zh) | 一种超差电能表确定方法、装置、电子设备及存储介质 | |
CN115034672A (zh) | 一种停电损失确定方法、装置、设备及存储介质 | |
CN117131315B (zh) | 基于求解多元二次函数极值的超差电能表确定方法及介质 | |
CN115549213A (zh) | 分布式电源接入规模确定方法、装置、电子设备、存储介质以及程序产品 | |
CN117010712A (zh) | 虚拟电厂的响应策略确定方法、装置及虚拟电厂系统 | |
CN116777674A (zh) | 配电网数据处理方法、装置、电子设备及存储介质 | |
CN115864384A (zh) | 基于日发电量数据的扩容检测方法、装置、设备及介质 | |
CN117134336A (zh) | 一种智能电网能源管理方法及系统 | |
CN117252444A (zh) | 配电网规划方法、装置、电子设备及存储介质 | |
CN116914737A (zh) | 配电网光伏承载力评估方法、装置、设备及存储介质 | |
CN114186494A (zh) | 负荷确定方法、模型训练方法、装置以及电子设备 | |
CN116128204A (zh) | 配电网调度方法、装置、电子设备及存储介质 | |
CN116882812A (zh) | 建筑能耗评估方法、装置、设备以及存储介质 | |
CN115275985A (zh) | 供电网负荷均衡调度方法、装置、电子设备和介质 | |
CN115564329A (zh) | 一种典型产能场景确定方法、装置、设备及存储介质 |
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 |