CN116663870B - 基于云计算的供热系统调度方法及系统 - Google Patents
基于云计算的供热系统调度方法及系统 Download PDFInfo
- Publication number
- CN116663870B CN116663870B CN202310960847.3A CN202310960847A CN116663870B CN 116663870 B CN116663870 B CN 116663870B CN 202310960847 A CN202310960847 A CN 202310960847A CN 116663870 B CN116663870 B CN 116663870B
- Authority
- CN
- China
- Prior art keywords
- heat
- information
- determining
- heat energy
- supply
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000005611 electricity Effects 0.000 claims abstract description 147
- 238000010438 heat treatment Methods 0.000 claims abstract description 109
- 238000005457 optimization Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000012546 transfer Methods 0.000 claims abstract description 20
- 238000005265 energy consumption Methods 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 34
- 230000035772 mutation Effects 0.000 claims description 14
- 239000012774 insulation material Substances 0.000 claims description 12
- 230000002068 genetic effect Effects 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000012530 fluid Substances 0.000 claims description 4
- 239000000243 solution Substances 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005338 heat storage Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
Abstract
本公开提供一种基于云计算的供热系统调度方法及系统,包括将在供热管道处预设的热能传感器所获取的热能信息通过前端代理服务器上传至云计算服务中心,并同步获取目标区域的电价信息和热能需求信息;基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息,并上传至所述云计算服务中心,若所述热能供应信息无法满足所述热能需求信息,则获取所述目标区域对应的能量消耗成本、负荷转移成本以及负荷惩罚成本,确定供热综合成本;设置与所述供热综合成本对应的供热约束条件,通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略。
Description
技术领域
本公开涉及供热技术,尤其涉及一种基于云计算的供热系统调度方法及系统。
背景技术
随着社会经济的快速发展,能源的大量消耗也导致了环境的恶化,提高能源利用率有利于减少污染物的排放及碳排放。综合能源系统是多种异质能源组成的复杂网络,可以实现不同形式能源的经济利用与互补运行,有利于提高能源利用率与降低碳排放。
目前,多时间尺度调度是降低系统新能源出力预测偏差与负荷预测偏差影响,实现系统稳定运行的有效手段。综合能源系统中,由于供热系统具有较长时间的延时,供热管网则具备一定的储热能力,此储热特性可作为一种灵活性资源在系统多时间尺度调度上产生一定的积极作用。然而,目前鲜有研究关注热网动态特性在综合能源系统多时间尺度调度上的作用。因此,综合能源系统亟需一种充分利用供热管网储热的综合能源系统多时间尺度调度方法,以提高系统的运行经济性及能源利用率。
发明内容
本公开实施例提供一种基于云计算的供热系统调度方法及系统,至少能够解决现有技术中部分问题。
本公开实施例的第一方面,
提供一种基于云计算的供热系统调度方法,包括:
将在供热管道处预设的热能传感器所获取的热能信息通过前端代理服务器上传至云计算服务中心,并同步获取目标区域的电价信息和热能需求信息,其中,所述热能信息包括所述供热管道的温度数据、流量数据以及能耗数据中至少一种;
基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息,并上传至所述云计算服务中心,若所述热能供应信息无法满足所述热能需求信息,则获取所述目标区域对应的能量消耗成本、负荷转移成本以及负荷惩罚成本,确定供热综合成本;
设置与所述供热综合成本对应的供热约束条件,通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略,其中,所述供热调度优化算法基于改进的遗传算法构建。
在一种可选的实施方式中,
所述基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息包括:
基于所述电价信息确定所述电价信息调整前后的电负荷功率,根据所述电价信息以及所述电负荷功率,确定价格弹性系数;
根据所述价格弹性系数,结合所述电价信息与用电量信息确定用电成本,并根据热能供应与电能平衡的目标要求,确定热能供应信息。
在一种可选的实施方式中,
所述根据所述价格弹性系数,结合所述电价信息与用电量信息确定用电成本,并根据热能供应与电能平衡的目标要求,确定热能供应信息包括:
将白天用电量和夜晚用电量作为状态变量,将热能供应信息作为决策变量,根据所述状态变量和所述决策变量,结合与所述热能供应信息对应的供能约束条件,构建状态转移方程和供能目标函数;
初始化所述状态变量和所述决策变量,并通过递推方式计算每个时间段的状态变量和决策变量,根据所述状态转移方程和所述供能目标函数,确定每个时间段的局部热能供应信息;
将当前时刻计算得到的局部热能供应信息作为下一个时间段的初始状态,继续进行递推计算,直到达到最后一个时间段,确定全局热能供应信息。
在一种可选的实施方式中,
所述确定价格弹性系数的方法如下公式所示:
;
其中,表示价格弹性系数,/>、/>分别表示进行分时电价调整后的电负荷功率、进行分时电价调整前的电负荷功率,/>、/>分别表示进行分时电价调整后的电价、进行分时电价调整前的电价,m、n分别表示时段序号。
在一种可选的实施方式中,
所述设置与所述供热综合成本对应的供热约束条件包括确定热损失和确定换热站热量交换值:
确定热损失如下公式所示:
;
其中,表示热损失,/>表示热管道的长度,/>、/>分别表示热管道的内部温度与热管道的表面温度,N表示热管道的保温材料的层数,/>表示第i层保温材料的导热系数,/>表示第i层保温材料的直径;
确定换热站热量交换如下公式所示:
;
其中,表示热量交换值,G表示换热站的流质流量,/>表示流质比热容,/>、分别表示换热站的输出温度和输入温度。
在一种可选的实施方式中,
所述通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略包括:
将所述供热综合成本进行初始化,构建故障初始种群;
基于所述目标区域对应的期望供热成本,以及所述目标区域的实际供热成本,确定供热偏差值,并根据所述供热偏差值,设置供热控制量;
结合所述供热控制量以及预设的优化目标函数,建立适应度函数,根据所述适应度函数对应的适应度值,动态设置所述适应度值对应的交叉率和变异率;
根据所述交叉率和所述变异率,迭代杂交所述初始种群中的个体,直至得到群体最优解,确定所述目标区域对应的供热调度策略。
在一种可选的实施方式中,
所述动态设置所述适应度值对应的交叉率和变异率包括:
按照如下公式设置所述交叉率和所述变异率:
;
;
其中,表示第j个交叉率,L表示适应度值的数量,/>表示第j个种群多样性指标,/>、/>分别表示适应度值的标准差和方差,/>、/>、/>分别表示适应度值的最大值、最小值和平均值;
其中,表示第v个变异率,/>表示变异调整系数,用于控制调整的速度和幅度。
本公开实施例的第二方面,
提供一种基于云计算的供热系统调度系统,包括:
第一单元,用于将在供热管道处预设的热能传感器所获取的热能信息通过前端代理服务器上传至云计算服务中心,并同步获取目标区域的电价信息和热能需求信息,其中,所述热能信息包括所述供热管道的温度数据、流量数据以及能耗数据中至少一种;
第二单元,用于基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息,并上传至所述云计算服务中心,若所述热能供应信息无法满足所述热能需求信息,则获取所述目标区域对应的能量消耗成本、负荷转移成本以及负荷惩罚成本,确定供热综合成本;
第三单元,用于设置与所述供热综合成本对应的供热约束条件,通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略,其中,所述供热调度优化算法基于改进的遗传算法构建。
本公开实施例的第三方面,
提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行前述所述的方法。
本公开实施例的第四方面,
提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现前述所述的方法。
本公开实施例的有益效果可以参考具体实施方式中技术特征对应的效果,在此不再赘述。
附图说明
图1为本公开实施例基于云计算的供热系统调度方法的流程示意图;
图2为本公开实施例基于云计算的供热系统调度系统的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本公开实施例基于云计算的供热系统调度方法的流程示意图,如图1所示,所述方法包括:
S101.将在供热管道处预设的热能传感器所获取的热能信息通过前端代理服务器上传至云计算服务中心,并同步获取目标区域的电价信息和热能需求信息,其中,所述热能信息包括所述供热管道的温度数据、流量数据以及能耗数据中至少一种;
广义上说,“云”就是与信息技术、软件、互联网相关的一种服务,狭义上讲,云计算就是一种提供资源的网络。这种资源共享池就是“云”。云计算是一种基于“云”共享的计算方式,各地数据中心通过互联网连接,可以共享软硬件资源和信息,并且实现信息共享和数据共享等,可以将工作负载通过多部服务器来进行处理和分析,并将最终结果返回给用户。其核心概念是以互联网为中心,在网站上提供快速且安全的云计算服务和数据存储服务,让每一个互联网用户都可以使用网络上的计算资源与各类数据中心的软硬件资源。
在供热管道处预设热能传感器,该传感器可以测量供热管道的温度、流量和能耗等信息,实际应用中可以选择适合的传感器类型,例如温度传感器、流量计和能耗计量仪等。
搭建一个前端代理服务器,作为传感器数据的收集、处理和上传中转站。可以选择使用常见的Web服务器,如Nginx或Apache,以及脚本语言如Python或Node.js来处理数据。
前端代理服务器将采集到的传感器数据通过网络上传至云计算服务中心,数据传输可以使用HTTPS等安全协议来保护数据的隐私和完整性,云计算服务中心可以部署在公有云或私有云环境中。
在云计算服务中心,可以通过接入相应的API或访问数据库来获取目标区域的电价信息和热能需求信息,这些数据可以从能源公司、当地政府或第三方数据提供商获得。在云计算服务中心,将供热管道的热能信息、电价信息和热能需求信息进行同步和整合。
电价信息指的是目标区域(通常是特定地区或国家)的电能价格信息,它通常包括不同时间段(例如小时、日、月)内的电能价格变化,可以是固定的或根据电力市场需求和供应情况而浮动的;电价信息可以帮助用户在高峰期避开高价用电,以降低能源成本。
热能需求信息指的是目标区域内的热能消耗需求数据,这些数据通常包括特定时间段内的热能需求量,可以是整个区域的总需求,也可以是特定建筑、工厂或个人用户的需求;热能需求信息可以帮助能源公司和供热管理者合理安排供热能力,避免资源浪费,提高供热效率,满足用户需求。
S102.基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息,并上传至所述云计算服务中心,若所述热能供应信息无法满足所述热能需求信息,则获取所述目标区域对应的能量消耗成本、负荷转移成本以及负荷惩罚成本,确定供热综合成本;
示例性地,本申请的热能供应信息指的是供热系统或能源供应方为满足特定区域或建筑的热能需求所提供的热能量信息,这包括供热系统提供的能源类型、能量产出或传输能力,以及供热系统的运行效率等。热能需求信息指的是目标区域或建筑在特定时间段内所需的热能量。
能量消耗成本是指为满足热能需求而额外购买的能源所产生的费用;当供热系统无法满足目标区域的热能需求时,就需要从其他能源供应方购买额外的能源,这些额外购买的能源会产生额外的费用,这些费用即为能量消耗成本;负荷转移成本指的是将热能从一个供热系统转移到另一个供热系统的费用,当某个供热系统过载或无法满足需求时,可以考虑将部分热能需求转移到其他供热系统,以平衡供需;这涉及到能源传输和系统连接等方面的成本,这些成本即为负荷转移成本。负荷惩罚成本是在无法满足目标区域热能需求的情况下,由能源供应方或相关监管机构对未能满足需求的供热系统征收的费用或罚款。这是为了鼓励供热系统提供足够的热能,以满足用户需求,并惩罚未能达到要求的供热系统。
在一种可选的实施方式中,
所述基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息包括:
基于所述电价信息确定所述电价信息调整前后的电负荷功率,根据所述电价信息以及所述电负荷功率,确定价格弹性系数;
根据所述价格弹性系数,结合所述电价信息与用电量信息确定用电成本,并根据热能供应与电能平衡的目标要求,确定热能供应信息。
示例性地,电负荷功率是指在不同时间段内消耗的电能功率,根据电价信息和用电量信息,可以计算不同时间段的电负荷功率;价格弹性系数(Price Elasticity ofDemand)用于衡量用电量对电价变化的敏感性。
在实际应用中,电价信息调整前后,用户用电量也会对应调整,相应地,电负荷功率也会对应变化,一般地,电价信息调高后,用电量会降低,电负荷功率也会同步降低,相反,电价信息下调后,用电量会提高,电负荷功率会同步提高。而本申请的价格弹性系数则随着电价信息、电负荷功率变化。
在一种可选的实施方式中,
所述确定价格弹性系数的方法如下公式所示:
;
其中,表示价格弹性系数,/>、/>分别表示进行分时电价调整后的电负荷功率、进行分时电价调整前的电负荷功率,/>、/>分别表示进行分时电价调整后的电价、进行分时电价调整前的电价,m、n分别表示时段序号。
价格弹性系数描述了在实施分时电价后电负荷与电价之间的关系,表示当前用户对电价的响应情况,在考虑电价因素的调度中被广泛应用。价格弹性系数用于表示用户用电量与当前时段电价的之间的关系,在该时段中用户只会改变电量消费不调整电负荷;或者用户用电量与其他时段电价之间的关系,用户会根据电价的大小改变用电习惯,调整电负荷大小。
当电价上涨时,用户可以根据价格弹性系数的大小合理降低用电量,以避免高昂的能源成本。反之,当电价下降时,用户可以增加用电量以充分利用低电价时段的优势。当电价波动较大时,供能方可以根据价格弹性系数的大小来调整能源供应策略,以满足用户的需求并确保供需平衡。如果价格弹性系数较高,意味着市场对电价变化敏感,需求可能会对价格波动产生较大反应。这对于能源供应商和市场参与者来说是重要的市场信号,可以影响其定价策略和投资决策。
在一种可选的实施方式中,
根据所述价格弹性系数,结合所述电价信息与用电量信息确定用电成本,并根据热能供应与电能平衡的目标要求,确定热能供应信息包括:
将白天用电量和夜晚用电量作为状态变量,将热能供应信息作为决策变量,根据所述状态变量和所述决策变量,结合与所述热能供应信息对应的供能约束条件,构建状态转移方程和供能目标函数;
初始化所述状态变量和所述决策变量,并通过递推方式计算每个时间段的状态变量和决策变量,根据所述状态转移方程和所述供能目标函数,确定每个时间段的局部热能供应信息;
将当前时刻计算得到的局部热能供应信息作为下一个时间段的初始状态,继续进行递推计算,直到达到最后一个时间段,确定全局热能供应信息。
其中,局部热能供应信息是热能供应信息的中间值,全局热能供应信息是通过动态规划算法所求解的目标值/最终值。
示例性地,定义状态变量为白天用电量(D_day)和夜间用电量(D_night),决策变量为供热能源的供应量(S_heat),状态转移函数描述状态在不同时间段之间的演变规律,它是一个递推关系,将当前状态和决策变量作为输入,得到下一个状态,其中,状态转移方程可以如下:
D_day(t+1)=D_day(t)+S_heat(t)-D_heat(t);
D_night(t+1)=D_night(t)-D_heat(t);
其中,D_day(t+1)表示在时间段t+1的白天用电量,它是一个状态变量,用来描述能源供应与用电平衡问题中,第t+1个时间段的白天用电负荷;
D_day(t)表示在时间段t的白天用电量,同样,它也是一个状态变量,用来描述第t个时间段的白天用电负荷;
S_heat(t)表示在时间段t的热能供应量,它是一个决策变量,用来表示第t个时间段的热能供应信息;
D_heat(t)表示在时间段t的热能需求量,它是一个参数或外部给定的值,用来表示第t个时间段的热能需求信息;
D_night(t+1)表示在时间段t+1的夜间用电量,同样,它也是一个状态变量,用来描述第t+1个时间段的夜间用电负荷。
上述公式描述了能源供应与用电平衡的状态转移关系。在每个时间段t,根据白天用电量、夜间用电量和热能供应量,可以计算出在时间段t+1的白天用电量和夜间用电量。
示例性地,与所述热能供应信息对应的供能约束条件可以包括:
热能供应与用电平衡:D_day(t)+D_night(t)=D_heat(t);
供热能源供应量的非负约束:S_heat(t)≥0。
供能目标函数可以如下所示:
;
其中,P_day和P_night为白天和夜间的电价,C_heat为供热能源的单位成本。优化问题就是在满足热能供应与用电平衡的条件下,寻找最小化总成本的供热能源供应量S_heat。这样的问题可以通过动态规划算法来求解。在实际问题中,状态转移方程和约束条件的形式会根据实际情况而有所不同。
本申请可以通过动态规划算法,采用自底向上的方式进行求解,也称为递推法。具体地,可以设置边界条件,即初始状态的值,从t=1开始,根据状态转移方程的递推关系和目标函数,计算每个时间段的状态和决策变量。根据目标函数,选择最优的决策变量值,即在每个时间段选择最优的热能供应量。将计算得到的状态值作为下一个时间段的初始状态,继续进行递推计算。重复递推计算,直到达到最后一个时间段T,确定全局热能供应信息。
通过动态规划算法来求解热能供应信息和用电量,动态规划算法将根据状态转移方程的递推关系和目标函数,从初始状态开始逐步计算出最优的决策变量值,即最优的热能供应量。通过动态规划算法,可以在满足能源供应与用电平衡的条件下,优化热能供应方案,使得总成本最小化或其他目标最优化。
S103.设置与所述供热综合成本对应的供热约束条件,通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略,其中,所述供热调度优化算法基于改进的遗传算法构建。
示例性地,本申请实施例的供热约束条件可以包括热损失和换热站热量交换值,
其中,热损失是指在供热系统中热能在传输过程中由于管道、设备等原因而损失的能量,热能传输过程中存在传热损失,导致供热系统的供热能量损失。设置热损失为约束条件可以强制供热系统在优化过程中考虑传热损失的影响,从而提高供热系统的能源利用效率,通过优化供热调度策略,使得供热系统在满足热能需求的情况下,尽量减少热损失,从而减少能源浪费,降低能源成本。
在一种可选的实施方式中,
所述设置与所述供热综合成本对应的供热约束条件包括:
确定热损失如下公式所示:
;
其中,表示热损失,/>表示热管道的长度,/>、/>分别表示热管道的内部温度与热管道的表面温度,N表示热管道的保温材料的层数,/>表示第i层保温材料的导热系数,/>表示第i层保温材料的直径。
示例性地,在供热系统中,换热站起着热量传递和转换的作用。换热站热量交换值指的是换热站中通过热交换器交换的热量,换热站将输入的热能分配到不同用户,通过热交换器与用户之间进行热量交换。
将换热站热量交换值作为约束条件,可以优化供热系统中不同用户之间的热量分配,使得热量交换更加合理高效。通过合理调整换热站的运行状态和热量分配,可以降低换热站热量交换损失,从而提高供热系统的热能利用效率,减少能源消耗。
确定换热站热量交换如下公式所示:
;
其中,表示热量交换值,G表示换热站的流质流量,/>表示流质比热容,/>、分别表示换热站的输出温度和输入温度。
综合应用热损失和换热站热量交换值作为供热约束条件,优化供热调度策略,可以使得供热系统在满足用户热能需求的前提下,最大限度地减少能源浪费,提高供能效率,降低供热成本,实现可持续供热。
在一种可选的实施方式中,
所述通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略包括:
将所述供热综合成本进行初始化,构建故障初始种群;
基于所述目标区域对应的期望供热成本,以及所述目标区域的实际供热成本,确定供热偏差值,并根据所述供热偏差值,设置供热控制量;
结合所述供热控制量以及预设的优化目标函数,建立适应度函数,根据所述适应度函数对应的适应度值,动态设置所述适应度值对应的交叉率和变异率;
根据所述交叉率和所述变异率,迭代杂交所述初始种群中的个体,直至得到群体最优解,确定所述目标区域对应的供热调度策略。
示例性地,初始化供热综合成本可以根据供热系统的实际情况和成本构成,将供热综合成本进行初始化。构建故障初始种群可以生成一定数量的初始供热调度方案,作为初始种群,每个供热调度方案表示一个可能的供热调度策略,其中包括热能供应量和用电量的决策变量。
基于目标区域对应的期望供热成本和实际供热成本,计算供热偏差值,即期望供热成本与实际供热成本之间的差异;根据供热偏差值,设置供热控制量,即调整供热系统的热能供应量和用电量,以减小供热偏差值。
结合供热控制量和预设的优化目标函数,建立适应度函数。适应度函数根据供热调度方案的热能供应量和用电量计算供热综合成本,并考虑供热偏差值的影响。根据适应度函数对应的适应度值,动态设置交叉率和变异率。适应度值高的供热调度方案将具有更高的交叉率和较低的变异率,从而更有可能参与交叉产生新的解;适应度值低的供热调度方案将具有较低的交叉率和较高的变异率,以增加其搜索空间。
根据动态设置的交叉率和变异率,迭代杂交初始种群中的个体,通过交叉和变异操作,生成新的供热调度方案,并计算其适应度值;根据优化目标,选择新的供热调度方案替换原有种群中适应度较低的个体,更新种群;根据设定的终止条件,例如达到最大迭代次数或适应度值满足要求,判断是否结束优化过程;在迭代过程中,记录适应度值最小的供热调度方案,即供热综合成本最小的解,作为目标区域对应的供热调度策略。
通过预设的供热调度优化算法,以供热综合成本最小为优化目标,可以确定目标区域对应的最优供热调度策略,从而实现优化供热系统的运行,降低供热成本,提高能源利用效率,并满足用户的热能需求。
可选地,将所述供热综合成本进行初始化,构建故障初始种群可以包括:
将期望供热成本作为初始值,作为供热综合成本的初始值,用于后续优化过程中的比较;在供热系统中,热能供应量和用电量是供热调度的决策变量;生成一定数量的初始供热调度方案,作为初始种群;每个供热调度方案表示一个可能的供热调度策略,其中包括热能供应量和用电量的决策变量。根据供热系统的实际情况和约束条件,对生成的初始种群进行边界设置,以确保供热能力和用电量在合理的范围内。
示例性地,期望供热成本是根据目标区域的热能需求和预设的电价信息计算得出的,而实际供热成本是供热系统当前运行状态下的实际成本;供热控制量是用来调整供热系统的热能供应量和用电量的参数。根据供热偏差值的正负情况,可以分别增加或减少供热控制量,以实现供热成本的调整。
其中,热能供应量的调整量为ΔQ_heat,用电量的调整量为ΔQ_electric,则设置供热控制量的公式如下:
新的热能供应量=原热能供应量+ΔQ_heat;
新的用电量=原用电量+ΔQ_electric;
ΔQ_heat和ΔQ_electric是待定的调整量,根据供热偏差值和优化目标来确定。当供热偏差值为正时,表示实际供热成本高于期望供热成本,需要减少供热成本,此时可以通过减少热能供应量(ΔQ_heat为负值)和/或减少用电量(ΔQ_electric为负值)来实现调整。当供热偏差值为负时,表示实际供热成本低于期望供热成本,需要增加供热成本,此时可以通过增加热能供应量(ΔQ_heat为正值)和/或增加用电量(ΔQ_electric为正值)来实现调整。
示例性地,适应度函数是将优化目标函数映射到适应度值的函数,适应度值用于评估每个供热调度方案的优劣程度。适应度函数应使得优化目标值越小的供热调度方案具有越高的适应度值。
其中,建立适应度函数可以如下公式所示:
其中,Fit表示适应度值,表示所述供热控制量/>对应的综合系数,/>、/>分别表示热能供应量的调整量/>和用电量的调整量/>对应的权重系数,/>表示优化目标函数,/>表示稳定调整因子。
在一种可选的实施方式中,
动态设置所述适应度值对应的交叉率和变异率如下公式所示:
;
;
其中,表示第j个交叉率,L表示适应度值的数量,/>表示第j个种群多样性指标,/>、/>分别表示适应度值的标准差和方差,/>、/>、/>分别表示适应度值的最大值、最小值和平均值;
其中,表示第v个变异率,/>表示变异调整系数,用于控制调整的速度和幅度。
本申请的供热调度优化算法基于改进的遗传算法构建,本申请通过对传统遗传算法中交叉率和变异率进行动态设置,动态设置交叉率和变异率可以使算法根据具体问题的特性进行自适应调整。当目标区域对应的期望供热成本与实际供热成本之间的偏差较大时,可以增加交叉率和变异率,增加搜索的多样性;当偏差较小时,可以减小交叉率和变异率,进行更精细的搜索;通过根据适应度函数对应的适应度值动态调整交叉率和变异率,可以使得算法在初期更加偏向广泛的搜索,而在优化接近最优解时进行更精细的搜索,这样,算法能够更快地找到潜在的优秀解,加快收敛速度。
本公开实施例的第二方面,
提供一种基于云计算的供热系统调度系统,图2为本公开实施例基于云计算的供热系统调度系统的结构示意图,包括:
第一单元,用于将在供热管道处预设的热能传感器所获取的热能信息通过前端代理服务器上传至云计算服务中心,并同步获取目标区域的电价信息和热能需求信息,其中,所述热能信息包括所述供热管道的温度数据、流量数据以及能耗数据中至少一种;
第二单元,用于基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息,并上传至所述云计算服务中心,若所述热能供应信息无法满足所述热能需求信息,则获取所述目标区域对应的能量消耗成本、负荷转移成本以及负荷惩罚成本,确定供热综合成本;
第三单元,用于设置与所述供热综合成本对应的供热约束条件,通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略,其中,所述供热调度优化算法基于改进的遗传算法构建。
在一种可选的实施方式中,
所述第一单元还用于:
基于所述电价信息确定所述电价信息调整前后的电负荷功率,根据所述电价信息以及所述电负荷功率,确定价格弹性系数;
根据所述价格弹性系数,结合所述电价信息与用电量信息确定用电成本,并根据热能供应与电能平衡的目标要求,确定热能供应信息。
在一种可选的实施方式中,
所述确定价格弹性系数的方法如下公式所示:
其中,表示价格弹性系数,/>、/>分别表示进行分时电价调整后的电负荷功率、进行分时电价调整前的电负荷功率,/>、/>分别表示进行分时电价调整后的电价、进行分时电价调整前的电价,m、n分别表示时段序号。
在一种可选的实施方式中,
所述第三单元还用于:
确定热损失如下公式所示:
其中,表示热损失,/>表示热管道的长度,/>、/>分别表示热管道的内部温度与热管道的表面温度,N表示热管道的保温材料的层数,/>表示第i层保温材料的导热系数,/>表示第i层保温材料的直径。
确定换热站热量交换如下公式所示:
其中,表示热量交换值,G表示换热站的流质流量,/>表示流质比热容,/>、分别表示换热站的输出温度和输入温度。
在一种可选的实施方式中,
所述第三单元还用于:
将所述供热综合成本进行初始化,构建故障初始种群;
基于所述目标区域对应的期望供热成本,以及所述目标区域的实际供热成本,确定供热偏差值,并根据所述供热偏差值,设置供热控制量;
结合所述供热控制量以及预设的优化目标函数,建立适应度函数,根据所述适应度函数对应的适应度值,动态设置所述适应度值对应的交叉率和变异率;
根据所述交叉率和所述变异率,迭代杂交所述初始种群中的个体,直至得到群体最优解,确定所述目标区域对应的供热调度策略。
本公开实施例的第三方面,
提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行前述所述的方法。
本公开实施例的第四方面,
提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现前述所述的方法。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本发明的各个方面的计算机可读程序指令。
最后应说明的是:以上各实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述各实施例对本公开进行了详细的说明,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,或者对其中部分或者全部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公开各实施例技术方案的范围。
Claims (9)
1.一种基于云计算的供热系统调度方法,其特征在于,包括:
将在供热管道处预设的热能传感器所获取的热能信息通过前端代理服务器上传至云计算服务中心,并同步获取目标区域的电价信息和热能需求信息,其中,所述热能信息包括所述供热管道的温度数据、流量数据以及能耗数据中至少一种;
基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息,并上传至所述云计算服务中心,若所述热能供应信息无法满足所述热能需求信息,则获取所述目标区域对应的能量消耗成本、负荷转移成本以及负荷惩罚成本,确定供热综合成本;
设置与所述供热综合成本对应的供热约束条件,通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略,其中,所述供热调度优化算法基于改进的遗传算法构建;
所述基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息包括:
基于所述电价信息确定所述电价信息调整前后的电负荷功率,根据所述电价信息以及所述电负荷功率,确定价格弹性系数;
根据所述价格弹性系数,结合所述电价信息与用电量信息确定用电成本,并根据热能供应与电能平衡的目标要求,确定热能供应信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述价格弹性系数,结合所述电价信息与用电量信息确定用电成本,并根据热能供应与电能平衡的目标要求,确定热能供应信息包括:
将白天用电量和夜晚用电量作为状态变量,将热能供应信息作为决策变量,根据所述状态变量和所述决策变量,结合与所述热能供应信息对应的供能约束条件,构建状态转移方程和供能目标函数;
初始化所述状态变量和所述决策变量,并通过递推方式计算每个时间段的状态变量和决策变量,根据所述状态转移方程和所述供能目标函数,确定每个时间段的局部热能供应信息;
将当前时刻计算得到的局部热能供应信息作为下一个时间段的初始状态,继续进行递推计算,直到达到最后一个时间段,确定全局热能供应信息。
3.根据权利要求2所述的方法,其特征在于,所述确定价格弹性系数的方法如下公式所示:
;
其中,表示价格弹性系数,/>、/>分别表示进行分时电价调整后的电负荷功率、进行分时电价调整前的电负荷功率,/>、/>分别表示进行分时电价调整后的电价、进行分时电价调整前的电价,m、n分别表示时段序号。
4.根据权利要求1所述的方法,其特征在于,所述设置与所述供热综合成本对应的供热约束条件包括确定热损失和确定换热站热量交换值:
确定热损失如下公式所示:
;
其中,表示热损失,/>表示热管道的长度,/>、/>分别表示热管道的内部温度与热管道的表面温度,N表示热管道的保温材料的层数,/>表示第i层保温材料的导热系数,/>表示第i层保温材料的直径;
确定换热站热量交换如下公式所示:
;
其中,表示热量交换值,G表示换热站的流质流量,/>表示流质比热容,/>、/>分别表示换热站的输出温度和输入温度。
5.根据权利要求1所述的方法,其特征在于,所述通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略包括:
将所述供热综合成本进行初始化,构建故障初始种群;
基于所述目标区域对应的期望供热成本,以及所述目标区域的实际供热成本,确定供热偏差值,并根据所述供热偏差值,设置供热控制量;
结合所述供热控制量以及预设的优化目标函数,建立适应度函数,根据所述适应度函数对应的适应度值,动态设置所述适应度值对应的交叉率和变异率;
根据所述交叉率和所述变异率,迭代杂交所述初始种群中的个体,直至得到群体最优解,确定所述目标区域对应的供热调度策略。
6.根据权利要求5所述的方法,其特征在于,所述动态设置所述适应度值对应的交叉率和变异率包括:
按照如下公式设置所述交叉率和所述变异率:
;
;
其中,表示第j个交叉率,L表示适应度值的数量,/>表示第j个种群多样性指标,、/>分别表示适应度值的标准差和方差,/>、/>、/>分别表示适应度值的最大值、最小值和平均值;
其中,表示第v个变异率,/>表示变异调整系数,用于控制调整的速度和幅度。
7.一种基于云计算的供热系统调度系统,其特征在于,包括:
第一单元,用于将在供热管道处预设的热能传感器所获取的热能信息通过前端代理服务器上传至云计算服务中心,并同步获取目标区域的电价信息和热能需求信息,其中,所述热能信息包括所述供热管道的温度数据、流量数据以及能耗数据中至少一种;
第二单元,用于基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息,并上传至所述云计算服务中心,若所述热能供应信息无法满足所述热能需求信息,则获取所述目标区域对应的能量消耗成本、负荷转移成本以及负荷惩罚成本,确定供热综合成本;
第三单元,用于设置与所述供热综合成本对应的供热约束条件,通过预设的供热调度优化算法,以所述供热综合成本最小为优化目标,确定所述目标区域对应的供热调度策略,其中,所述供热调度优化算法基于改进的遗传算法构建;
所述基于所述电价信息以及与所述电价信息对应的用电量信息确定热能供应信息包括:
基于所述电价信息确定所述电价信息调整前后的电负荷功率,根据所述电价信息以及所述电负荷功率,确定价格弹性系数;
根据所述价格弹性系数,结合所述电价信息与用电量信息确定用电成本,并根据热能供应与电能平衡的目标要求,确定热能供应信息。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至6中任意一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310960847.3A CN116663870B (zh) | 2023-08-02 | 2023-08-02 | 基于云计算的供热系统调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310960847.3A CN116663870B (zh) | 2023-08-02 | 2023-08-02 | 基于云计算的供热系统调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116663870A CN116663870A (zh) | 2023-08-29 |
CN116663870B true CN116663870B (zh) | 2023-10-03 |
Family
ID=87726440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310960847.3A Active CN116663870B (zh) | 2023-08-02 | 2023-08-02 | 基于云计算的供热系统调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116663870B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902339A (zh) * | 2021-11-10 | 2022-01-07 | 五凌电力有限公司 | 一种综合能源系统优化调度方法与装置 |
CN114218865A (zh) * | 2021-12-17 | 2022-03-22 | 山东大学 | 分布式供热系统的多目标协同优化方法及装置 |
CN115081838A (zh) * | 2022-06-09 | 2022-09-20 | 三峡大学 | 基于动态电价的蓄热式电采暖消纳风光的源荷协调调度方法 |
WO2023000927A1 (zh) * | 2021-07-22 | 2023-01-26 | 西安热工研究院有限公司 | 多机组、多供热模式的热电厂供热负荷分配优化方法 |
CN116192906A (zh) * | 2023-03-13 | 2023-05-30 | 浙江英集动力科技有限公司 | 基于云边端协同的工业园区综合能源数字化监控方法 |
CN116308881A (zh) * | 2023-03-03 | 2023-06-23 | 南京工程学院 | 利用供热管网储热的综合能源系统多时间尺度调度方法 |
-
2023
- 2023-08-02 CN CN202310960847.3A patent/CN116663870B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023000927A1 (zh) * | 2021-07-22 | 2023-01-26 | 西安热工研究院有限公司 | 多机组、多供热模式的热电厂供热负荷分配优化方法 |
CN113902339A (zh) * | 2021-11-10 | 2022-01-07 | 五凌电力有限公司 | 一种综合能源系统优化调度方法与装置 |
CN114218865A (zh) * | 2021-12-17 | 2022-03-22 | 山东大学 | 分布式供热系统的多目标协同优化方法及装置 |
CN115081838A (zh) * | 2022-06-09 | 2022-09-20 | 三峡大学 | 基于动态电价的蓄热式电采暖消纳风光的源荷协调调度方法 |
CN116308881A (zh) * | 2023-03-03 | 2023-06-23 | 南京工程学院 | 利用供热管网储热的综合能源系统多时间尺度调度方法 |
CN116192906A (zh) * | 2023-03-13 | 2023-05-30 | 浙江英集动力科技有限公司 | 基于云边端协同的工业园区综合能源数字化监控方法 |
Non-Patent Citations (1)
Title |
---|
基于遗传算法的区域电力和供热系统优化;葛海麟 等;南方能源建设;第04卷(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116663870A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Parallel and reliable probabilistic load forecasting via quantile regression forest and quantile determination | |
CN104636822B (zh) | 一种基于elman神经网络的居民负荷预测方法 | |
Botterud et al. | Wind power forecasting in US electricity markets | |
Lu et al. | Bi-level optimization framework for buildings to heating grid integration in integrated community energy systems | |
Fridgen et al. | Not all doom and gloom: How energy-intensive and temporally flexible data center applications may actually promote renewable energy sources | |
Wang et al. | Robust multi-objective optimization for energy production scheduling in microgrids | |
CN112950098A (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
Evins | A bi-level design and operation optimization process applied to an energy centre | |
He et al. | Probabilistic solar irradiance forecasting via a deep learning‐based hybrid approach | |
Ziadeh et al. | Augmented grasshopper optimization algorithm by differential evolution: A power scheduling application in smart homes | |
Ehsanfar et al. | An incentive-compatible scheme for electricity cooperatives: An axiomatic approach | |
CN117578409A (zh) | 一种电力市场环境下的多能互补优化调度方法及系统 | |
Li et al. | Multi-objective distributed generation hierarchical optimal planning in distribution network: Improved beluga whale optimization algorithm | |
Ju et al. | Energy optimised IoT assisted multiple fuzzy aggravated energy scheduling approach for smart scheduling systems | |
Batra et al. | An improved tent map-adaptive chaotic particle swarm optimization (ITM-CPSO)-based novel approach toward security constraint optimal congestion management | |
CN116663870B (zh) | 基于云计算的供热系统调度方法及系统 | |
Chen et al. | Utility-driven renewable energy sharing systems for community microgrid | |
CN116843152A (zh) | 面向电力-数据服务的互联网数据中心双层规划方法 | |
CN117114776A (zh) | 一种面向省间日前现货交易的量价申报方法 | |
Qiu et al. | Local integrated energy system operational optimization considering multi‐type uncertainties: A reinforcement learning approach based on improved TD3 algorithm | |
US20220405844A1 (en) | Method and system for peer-to-peer electricity trading based on double-layer blockchain | |
Syu et al. | AI-Based Electricity Grid Management for Sustainability, Reliability, and Security | |
CN115758763A (zh) | 一种计及源荷不确定性的多能流系统优化配置方法及系统 | |
Jia et al. | An online learning approach to dynamic pricing for demand response | |
Qiu et al. | Power network planning considering trade‐off between cost, risk, and reliability |
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 |