CN116739187B - 水库优化调度决策方法、装置、计算机设备及存储介质 - Google Patents
水库优化调度决策方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116739187B CN116739187B CN202311002123.4A CN202311002123A CN116739187B CN 116739187 B CN116739187 B CN 116739187B CN 202311002123 A CN202311002123 A CN 202311002123A CN 116739187 B CN116739187 B CN 116739187B
- Authority
- CN
- China
- Prior art keywords
- scenes
- solution
- environment
- different
- objective function
- 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 84
- 230000006870 function Effects 0.000 claims abstract description 117
- 230000008859 change Effects 0.000 claims abstract description 38
- 230000007613 environmental effect Effects 0.000 claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 188
- 238000011161 development Methods 0.000 claims description 124
- 230000008569 process Effects 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 27
- 239000008235 industrial water Substances 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 20
- 238000010248 power generation Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000000746 purification Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000007812 deficiency Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 235000006506 Brasenia schreberi Nutrition 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000005316 response function Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q10/04—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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及水库调度技术领域,公开了水库优化调度决策方法、装置、计算机设备及存储介质,该方法包括:获取预先建立的目标水库的优化调度模型,优化调度模型中包含多个目标函数;对优化调度模型进行求解得到多个解;确定多种变化环境情景,以及各变化环境情景的环境参数;将各解对应的决策变量的值和各变化环境情景的环境参数输入到各目标函数中分别得到各解在不同变化环境情景中的目标函数值;根据各解在不同变化环境情景中的目标函数值以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度;根据整体适应度确定目标水库的优化调度策略。本发明得到的优化调度策略对环境的变化有较强的适应性。
Description
技术领域
本发明涉及水库调度技术领域,具体涉及水库优化调度决策方法、装置、计算机设备及存储介质。
背景技术
水库优化调度是促进水资源高效利用和合理进行水资源时空分配的重要手段。水库优化调度通常涉及防洪、发电、供水、生态等多个目标之间的相互协调,因而水库优化调度通常是一个多目标优化求解问题。多目标优化求解问题并不能直接得到唯一的最优解,其结果是一组非劣解集,即Pareto前沿解集。因而水库多目标优化调度无法直接得到明确的最优调度方案,仍需要依赖人工经验和/或以一定的判别指标为依据,综合权衡各个目标的损益情况以从Pareto前沿解集中筛选确定适宜的水库优化调度方案。值得注意的是,在显著气候变化和人类活动的影响下,我国诸多流域的水文气象条件、工农业用水及城镇居民用水等需求情况以及河道湖泊生态环境等均发生了显著变化,并且这种变化还将以一定的强度持续。因此,水库多目标优化调度中不仅需要以历史长期的水库运行及各目标需求数据资料为基础,利用优化方法制定适用于现状情况的水库调度规则,还期望选定的水库优化调度方案能够对未来可能发生的水库来水、各行业用水等多个调度目标需求变化具备较强的适应性,以促进地区长期尺度下的可持续发展。然而,当前对于水库多目标优化调度决策方法研究方面尚未充分考虑Pareto解集中的各个优化调度方案对未来变化环境的适应性,特别是缺乏对人类活动引起的水资源供需要求变化的深入关注,不利于水库在气候变化和人类活动耦合影响下的科学管理和运行。
发明内容
有鉴于此,本发明提供了一种水库优化调度决策方法、装置、计算机设备及存储介质,以解决现有技术中得到的水库调度策略未充分考虑Pareto解集中的各个优化调度方案对未来变化环境的适应性的问题。
第一方面,本发明提供了一种水库优化调度决策方法,该方法包括:获取预先建立的目标水库的优化调度模型,优化调度模型中包含多个目标函数,目标函数是根据多个决策变量和多个环境参数建立的;对优化调度模型进行求解,得到Pareto解集,Pareto解集中包含多个解,每个解对应一组决策变量的值;确定多种变化环境情景,以及各变化环境情景的环境参数;将各解对应的决策变量的值和各变化环境情景的环境参数输入到各目标函数中,分别得到各解在不同变化环境情景中的目标函数值;根据各解在不同变化环境情景中的目标函数值,以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度;根据各解的整体适应度确定目标水库的优化调度策略。
本发明实施例提供的水库优化调度决策方法,在对预先建立的目标水库的优化调度模型进行求解得到Pareto解集后,设置多种不同的变化环境情景,计算Pareto解集中的各个解在不同变化环境情景中的整体适应度,从而得到最终的优化调度策略,通过执行本发明实施例,得到的优化调度策略不仅仅能满足当前的环境,即使环境不断发展,优化调度策略对环境的变化有较强的适应性,通过优化策略控制目标水库,能够促进地区长期尺度下的可持续发展,为长期尺度下流域供水、发电、生态等多目标的可持续发展提供决策支持。
在一可选实施例中,目标函数包括第一目标函数,第一目标函数是根据农业需水量、工业需水量、居民生活需水量、农业供水量、工业供水量、居民生活供水量建立的,以使农业、工业、居民生活的缺水指数最小,其中,农业需水量、工业需水量、居民生活需水量为环境参数,农业供水量、工业供水量、居民生活供水量为决策变量。
在一可选实施例中,目标函数包括第二目标函数,第二目标函数是根据生态需水量和水库下泄的生态供水量建立的,以使生态缺水指数最小,其中,生态需水量为环境参数,生态供水量为决策变量。
在一可选实施例中,目标函数包括第三目标函数,第三目标函数是根据目标水库的综合出力系数,以及目标水库在不同时段的发电流量和净水头建立的,以使目标水库的发电量最大,其中,发电流量和净水头为决策变量。
在一可选实施例中,环境参数包含水库来水过程、农业需水量、工业需水量、居民生活需水量、生态需水量,变化环境情景包含气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景,确定多种变化环境情景,以及各变化环境情景的环境参数,包括:确定多种气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景;其中,不同气候变化情景对应的水库来水过程不同;不同农业发展情景对应的农业需水量不同;不同工业发展情景对应的工业需水量;不同人口发展情景对应的居民生活需水量不同;不同生态保护情景对应的生态需水量不同;将多种气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景组合,形成多种变化环境情景。
在一可选实施例中,获取农业需水量的方法包括:确定农业发展情景的预设发展速度,不同农业发展情景对应的预设发展速度不同;根据当前环境情景中不同作物的种植面积、不同作物的单位面积需水量、当前环境情景中的农业需水量以及预设发展速度,确定按照预设发展速度发展得到的农业发展情景对应的农业需水量。
在一可选实施例中,获取居民生活需水量的方法包括:确定人口发展情景的预设发展速度,不同人口发展情景对应的预设发展速度不同;根据当前环境情景中的人口数量、当前环境情景中的居民生活需水量以及人口发展情景中的人口数量,确定按照预设发展速度发展得到的人口发展情景对应的居民生活需水量,其中,人口发展情景中的人口数量是根据预设发展速度和当前环境情景中的人口数量确定的,不同人口发展情景对应的预设发展速度不同。
在一可选实施例中,根据各解在不同变化环境情景中的目标函数值,以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度,包括:分别确定各解在不同变化环境情景中的适应度,一个适应度是根据一个解在其中一个变化环境情景中的目标函数值确定的;分别根据各解在全部变化环境情景中的适应度,计算各解的整体适应度。
在一可选实施例中,通过如下公式计算整体适应度:
,
其中,表示一个解的整体适应度,/>表示解在第k个变化环境情景中的适应度,/>表示变化环境情景的数量,/>,其中,m为目标函数的数量,/>为第i个目标函数值的权重,FIi为变化环境情景下的第i个目标函数值与当前环境情景的第i个目标函数值的比值。
第二方面,本发明提供了一种水库优化调度决策装置,该装置包括:优化模型获取模块,用于获取预先建立的目标水库的优化调度模型,优化调度模型中包含多个目标函数,目标函数是根据多个决策变量和多个环境参数建立的;模型求解模块,用于对优化调度模型进行求解,得到Pareto解集,Pareto解集中包含多个解,每个解对应一组决策变量的值;环境情景获取模块,用于确定多种变化环境情景,以及各变化环境情景的环境参数;目标函数值计算模块,用于将各解对应的决策变量的值和各变化环境情景的环境参数输入到各目标函数中,分别得到各解在不同变化环境情景中的目标函数值;适应度计算模块,用于根据各解在不同变化环境情景中的目标函数值,以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度;优化策略确定模块,用于根据各解的整体适应度确定目标水库的优化调度策略。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的水库优化调度决策方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的水库优化调度决策方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的附图。
图1是根据本发明实施例的水库优化调度决策方法的流程示意图;
图2是根据本发明实施例的水库优化调度决策装置的结构框图;
图3是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
根据本发明实施例,提供了一种水库优化调度决策方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种水库优化调度决策方法,图1是根据本发明实施例的水库优化调度决策方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101:获取预先建立的目标水库的优化调度模型,优化调度模型中包含多个目标函数,目标函数是根据多个决策变量和多个环境参数建立的。
在本发明实施例中,预先建立的目标水库的优化调度模型为多目标优化模型,包含有多个目标函数,通过对多个目标函数进行计算,得到多个决策变量的计算结果。在本发明实施例中,决策变量可以为水库调度图中各调度线的控制点,控制点将影响目标水库的水位过程、库容过程、出库流量过程,出库流量中就包括了用于供水、发电、生态的水量。
步骤S102:对优化调度模型进行求解,得到Pareto解集,Pareto解集中包含多个解,每个解对应一组决策变量的值。
由于本发明实施例中需要对多个不同的目标水库中的多个不同参数进行计算,因此,每个解中对应有多个决策变量的值。示例性地,一个解中包含和行业的年供水量、水库下泄的生态流量、发电流量、净水头等。
在一可选实施例中,可以采用ε支配的带精英策略的非支配排序遗传算法(ε-NSGAII)对优化调度模型进行求解。
步骤S103:确定多种变化环境情景,以及各变化环境情景的环境参数。
为了判断各个解对环境的适应能力,本发明实施例中预先设置了多种变化环境情景。为了确定各个解对人类活动的适应能力,在一可选实施例中,变化环境情景可以根据农业发展情景、工业发展情景、人口发展情景确定。
步骤S104:将各解对应的决策变量的值和各变化环境情景的环境参数输入到各目标函数中,分别得到各解在不同变化环境情景中的目标函数值。
步骤S105:根据各解在不同变化环境情景中的目标函数值,以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度。
在本发明实施中,一个解中包含了多个决策变量,决策变量用于对目标水库进行优化调度,解在不同变化环境情景中的整体适应度,是指优化调度策略在不同变化环境情景中的整体适应度。
在本发明实施例中,优化调度模型中的目标函数表征了对目标水库进行调度过程中的优化目标,因此,解在不同变化环境情景中的整体适应度可以表征调度策略在不同的变化环境情景中是否能够满足优化需求。
步骤S106:根据各解的整体适应度确定目标水库的优化调度策略。
本发明实施例提供的水库优化调度决策方法,在对预先建立的目标水库的优化调度模型进行求解得到Pareto解集后,设置多种不同的变化环境情景,计算Pareto解集中的各个解在不同变化环境情景中的整体适应度,从而得到最终的优化调度策略,通过执行本发明实施例,得到的优化调度策略不仅仅能满足当前的环境,即使环境不断发展,优化调度策略对环境的变化有较强的适应性,通过优化策略控制目标水库,能够促进地区长期尺度下的可持续发展。为长期尺度下流域供水、发电、生态等多目标的可持续发展提供决策支持。
在一可选实施例中,目标水库的优化调度模型中的目标函数中包含第一目标函数,第一目标函数是根据目标水库承担的供水、发电、生态任务情况设计的。具体地,第一目标函数是根据农业需水量、工业需水量、居民生活需水量、农业供水量、工业供水量、居民生活供水量建立的,以使农业、工业、居民生活的缺水指数最小,其中,农业需水量、工业需水量、居民生活需水量为环境参数,农业供水量、工业供水量、居民生活供水量为决策变量。
在一可选实施例中,第一目标函数为:
,
其中,TSI 表示总缺水指数,i表示年份,N为调度时期的总年数,、/>和分别为第i年内的农业需水量、工业需水量、居民生活需水量,/>、/>和分别为第i年内的农业供水量、工业供水量、居民生活供水量,单位均为亿m3,/>、和/>分别为农业用水目标、工业用水目标和居民生活用水目标的权重系数,三者之和需等于1。
在一可选实施例中,目标函数包括第二目标函数,第二目标函数是根据生态需水量和水库下泄的生态供水量建立的,以使生态缺水指数最小,其中,生态需水量为环境参数,生态供水量为决策变量。
在一可选实施例中,第二目标函数为:
,
其中,ESI为生态缺水指数,和/>分别为生态需水量和水库下泄的生态供水量。
在一可选实施例中,目标函数包括第三目标函数,第三目标函数是根据目标水库的综合出力系数,以及目标水库在不同时段的发电流量和净水头建立的,以使目标水库的发电量最大,其中,发电流量和净水头为决策变量。
在一可选实施例中,第三目标函数为:
,
其中,E表示水库调度时期的发电总量,t表示时段,M表示调度时期的总时段数,表示综合出力系数,/>表示目标水库在第t个时段的发电流量(单位为m3/s),/>表示目标水库在第t个时段的净水头(单位为m),/>表示时段步长(单位为s)。在一可选实施例中,可以将一天作为一个时段。
在一可选实施例中,目标水库的优化调度模型约束条件包括:
①水量平衡约束
按照不同的水库调度图各调度线控制点,可以计算得到相应的水库运行过程。水库运行过程包括库容过程、出库流量过程(出库流量中包含了用于供水、生态、发电等调度目标的水量)、各行业供水量过程、生态流量过程、发电流量过程等。
水库水量平衡约束是对上述根据水库调度图各调度线控制点计算得到的库容过程的约束,以保证水库运行的各调度时段均满足水量平衡原理,如下式所示:
,
式中,和/>分别为t时段初、末的水库库容;/>、/>、/>、/>、/>、和/>分别为t时段的入库径流量、农业供水量、工业供水量、居民生活供水量、生态流量、库损量和弃水量(亿m3)。
②水库库容约束
水库库容约束是对上述根据水库调度图各调度线控制点计算得到的库容过程的约束,以保证各调度时段的库容均在水库运行需满足的范围内,如下式所示:
式中,、/>和/>分别为水库的死库容、非汛期最大库容和汛期最大库容。
当上游来水量超过各行业所需水量和最大发电流量的时候,可以选择继续下泄水量,这部分水不产生任何效益,称为弃水,也可以把一部分水储存在水库里,便于后续使用。如果把水储存在水库里,水库库容会增加,水库库容增加是有限制的,即库容上限不能超过上述水库库容约束中的最大库容。
反之,当上游来水量不足以用于各行业供水时,需要从水库存蓄的水中拿出一部分,这时水库库容会减小,水库库容减小也是有限制的,即库容下限不能低于上述水库库容约束中的最小库容。
③供水目标用水约束
供水目标用水约束是针对供水调度目标设置的约束,以保证根据水库调度图各调度线控制点计算得到的各时段供水缺水量不超过该时段允许的缺水量,如下式所示:
式中,为t时段用水户的缺水量,由该时段水库对供水目标供水量与供水目标需水量的差值进行计算;/>为供水目标在t时段的需水量,/>为限制供水系数(通常农业用水户可取70%、工业用水户可取90%、居民生活用水户可取95%)。
④供水保证率约束
供水保证率约束是用于控制根据水库调度图各调度线控制点计算得到的供水过程能够充分满足用水户用水需求的程度,如下式所示:
式中,和/>分别为供水目标的供水保证率和要求的最小保证率(通常可取农业75%、工业95%、居民生活95%)。
在一可选实施例中,若采用ε支配的带精英策略的非支配排序遗传算法(ε-NSGAII)对优化调度模型进行求解,则具体求解过程如下:
步骤a1:随机初始化一个种群大小为N的父代种群Pt。
步骤a2:采用选择、交叉、变异算子产生种群大小为N的子代种群Pt’,并将父代种群和子代种群进行合并,形成种群大小为2N的种群Rt。
步骤a3:根据非支配排序法把Rt分成不同的等级(F1, F2, F3…),等级越高的个体越优,优先将高等级的个体放入新的父代种群Pt+1,若F1等级的个体数量小于N,则继续从下一等级向Pt+1填充个体。直至填充至Fx等级时,Pt+1种群大小超出N,此时对Pt+1中的个体进行拥挤度排序,取拥挤度排序靠前的个体加入Pt+1,使Pt+1种群数量达到N。
步骤a4:对上述Pt+1应用ε支配方法,得到种群大小为Np(Np<N)的非支配解集存档个体At。由At和随机生成的大小为3Np的个体共同构成种群大小为4Np的新种群,替代步骤a3中的Pt+1,成为下一代父代种群Pt+1。
本实施例中提到的ε支配方法具体为:根据精度要求将搜索的解空间划分为网格,网格精度由ε控制。ε值越大,网格越粗,可行解越少;反之,ε值越小,网格越精细,可行解越多。然后按网格精度要求,剔除一部分非支配解,保证每个网格中只留有1个非支配解。
步骤a5:循环步骤a2到步骤a4直到达到设定的最大遗传代数。
步骤a6:输出存档种群A,即为优化调度模型求解得到的Pareto解集。
在一可选实施例中,环境参数包含水库来水过程、农业需水量、工业需水量、居民生活需水量、生态需水量,变化环境情景包含气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景,
确定多种变化环境情景,以及各变化环境情景的环境参数,包括:
首先,确定多种气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景;其中,不同气候变化情景对应的水库来水过程不同;不同农业发展情景对应的农业需水量不同;不同工业发展情景对应的工业需水量;不同人口发展情景对应的居民生活需水量不同;不同生态保护情景对应的生态需水量不同。
然后,将多种气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景组合,形成多种变化环境情景。
在一可选实施例中,气候变化情景设置方面,首先获取水库上游气象站历史时期降水数据,同时利用预先获取的目标水库在历史时期的入库流量数据,建立水库来水量和降水量的拟合函数,如下式:
其中,q为水库入库流量,P为降水量;为拟合参数,可由最小二乘法确定。
在本发明实施例中,根据入库流量、决策变量中的调度图调度线控制点、目标函数中各行业需水量,可以计算出水库运行的流量过程、水位过程、库容过程以及目标函数中的各行业供水量和发电量。
然后,获取世界气候研究计划(WCRP)提出的耦合模式比较计划(CMIP)中的北京气候模式数据,以此作为气候背景数据。根据其不同排放方案,共设置不同气候情景,如RCP2.6(低排放情景)、RCP4.5(中排放情景)、RCP8.5(高排放情景)。
最后,利用上述不同气候情景中的降水数据,根据前述建立的水库来水量和降水量拟合函数,推求不同未来气候情景降水量下的水库来水过程。
在本发明实施例中,若设置有三种不同的气候情景:低排放情景、中排放情景、高排放情景,则可以得到三种不同的水库来水过程。
在一可选实施例中,农业发展情景设置方面,获取农业需水量的方法包括:
首先,确定农业发展情景的预设发展速度,不同农业发展情景对应的预设发展速度不同。
示例性地,预设发展速度包括平稳发展和快速发展。
然后,根据当前环境情景中不同作物的种植面积、不同作物的单位面积需水量、当前环境情景中的农业需水量以及预设发展速度,确定按照预设发展速度发展得到的农业发展情景对应的农业需水量。
在一可选实施例中,通过如下公式获取农业需水量:
,
其中,为农业发展情景对应的农业需水量,/>为当前环境情景中的农业需水量;/>和/>分别为农业发展情景和农业发展情景中第k种作物的种植面积,/>为第k种作物的单位面积需水量。
在一可选实施例中,工业发展情景设置方面,首先获取未来发展规划下的工厂数量、规模大小、用水效率数据。然后,参照现状水平设置平稳发展、快速发展、高效发展情景下的需水量折算系数,以预先获取的当前环境情景需水数据为基础,根据折算系数核算各情景下的工业需水量。
式中,和/>分别为工业发展情景和当前环境情景的工业需水量,k为折算系数,可根据不同发展规划下的工厂数量、规模大小、用水效率等数据进行确定。
在一可选实施例中,人口发展情景设置方面,获取居民生活需水量的方法包括:
首先,确定人口发展情景的预设发展速度,不同人口发展情景对应的预设发展速度不同。
在一可选实施例中,预设发展速度包括缓慢发展、平稳发展和快速发展。
然后,根据当前环境情景中的人口数量、当前环境情景中的居民生活需水量以及人口发展情景中的人口数量,确定按照预设发展速度发展得到的人口发展情景对应的居民生活需水量,其中,人口发展情景中的人口数量是根据预设发展速度和当前环境情景中的人口数量确定的,不同人口发展情景对应的预设发展速度不同。
在一可选实施例中,通过如下公式获取居民生活需水量:
,
其中,和/>分别表示人口发展情景和当前环境情景中的居民生活需水量,/>和/>分别表示人口发展情景和当前环境情景中的人口数量。
在一可选实施例中,生态保护情景设置方面:
首先,基于历史时期内水库生态保护对象的生态补水量、水位、水质指标的长序列数据,构建水库生态保护对象的关键生态保护指标(如水位、水质指标等)对水库下泄的生态补水量的响应函数。
然后,根据不同发展阶段下的生态保护需求,明确不同生态保护强度下关键生态保护指标应满足的适宜区间。
最后,采用试算法,利用响应函数,对不同的水库下泄生态流量过程下的关键生态保护指标情况进行模拟,由此确定为满足关键生态保护指标的适宜区间,水库应保证的下泄生态流量。在计算优化调度模型时,将水库应保证的下泄生态流量作为生态需水量。
在一可选实施例中,关键生态保护指标对水库下泄的生态补水量的响应函数为:
式中,为水库生态保护对象的关键生态保护指标,/>为水库下泄的生态流量,/>为拟合参数。
在一可选实施例中,当确定多种气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景后,可以确定多种变化环境情景,示例性地,若设置有3种气候变化情景、2种农业发展情景、3种工业发展情景、3种人口发展情景、1种生态保护情景,则最多可生成3×2×3×3×1=54种情景组合方式,作为变化环境情景集。
在一可选实施例中,上述步骤S106具体包括:
步骤b1,分别确定各解在不同变化环境情景中的适应度,一个适应度是根据一个解在其中一个变化环境情景中的目标函数值确定的。
在一可选实施例中,将一个解和一个变化环境情景中的环境参数输入到优化调度模型的多个目标函数中,得到该解在这一变化环境情景中的适应度:
,
其中,m为目标函数的数量,为第i个目标函数值的权重,FIi为变化环境情景下的第i个目标函数值与当前环境情景的第i个目标函数值的比值。可通过调整各目标函数值的权重系数,表征在适应性评价中对各目标适应性的重视程度。
具体地,对于各优化调度目标的FI计算可分为两种类型:
(1)越小越优目标。其FI定义为当前环境情景下运行得到的目标函数值与变化环境下运行得到的目标函数值的比值;
,
(2)越大越优目标。其FI定义为变化环境情景下运行得到的目标函数值与当前环境情景下运行得到的目标值的比值
,
T表示Pareto解集中各个解对应的优化调度方案在当前环境情景下运行得到的目标函数值,T’表示在变化环境情景下运行得到的目标函数值,sp表示越小越优的目标,lp表示越大越优的目标。
步骤b2,分别根据各解在全部变化环境情景中的适应度,计算各解的整体适应度:
,
其中,表示一个解的整体适应度,/>表示解在第k个变化环境情景中的适应度,/>表示变化环境情景的数量。
在本实施例中还提供了一种水库优化调度决策装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种水库优化调度决策装置,如图2所示,包括:
优化模型获取模块201,用于获取预先建立的目标水库的优化调度模型,优化调度模型中包含多个目标函数,目标函数是根据多个决策变量和多个环境参数建立的;
模型求解模块202,用于对优化调度模型进行求解,得到Pareto解集,Pareto解集中包含多个解,每个解对应一组决策变量的值。
环境情景获取模块203,用于确定多种变化环境情景,以及各变化环境情景的环境参数。
目标函数值计算模块204,用于将各解对应的决策变量的值和各变化环境情景的环境参数输入到各目标函数中,分别得到各解在不同变化环境情景中的目标函数值。
适应度计算模块205,用于根据各解在不同变化环境情景中的目标函数值,以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度。
优化策略确定模块206,用于根据各解的整体适应度确定目标水库的优化调度策略。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的水库优化调度决策装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图2所示的水库优化调度决策装置。
请参阅图3,图3是本发明可选实施例提供的一种计算机设备的结构示意图,如图3所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图3中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,存储器20存储有可由至少一个处理器10执行的指令,以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接,图3中以通过总线连接为例。
输入装置30可接收输入的数字或字符信息,以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。上述显示设备包括但不限于液晶显示器,发光二极管,显示器和等离子体显示器。在一些可选的实施方式中,显示设备可以是触摸屏。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种水库优化调度决策方法,其特征在于,所述方法包括:
获取预先建立的目标水库的优化调度模型,所述优化调度模型中包含多个目标函数,所述目标函数是根据多个决策变量和多个环境参数建立的;
对所述优化调度模型进行求解,得到Pareto解集,所述Pareto解集中包含多个解,每个解对应一组决策变量的值;
确定多种变化环境情景,以及各变化环境情景的环境参数;
将各解对应的决策变量的值和各所述变化环境情景的环境参数输入到各目标函数中,分别得到各解在不同变化环境情景中的目标函数值;
根据各解在不同变化环境情景中的目标函数值,以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度;
根据各解的整体适应度确定所述目标水库的优化调度策略;
根据各解在不同变化环境情景中的目标函数值,以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度,包括:
分别确定各解在不同变化环境情景中的适应度,一个适应度是根据一个解在其中一个变化环境情景中的目标函数值确定的;
分别根据所述各解在全部变化环境情景中的适应度,计算各解的整体适应度;
通过如下公式计算整体适应度:
,
其中,表示一个解的整体适应度,/>表示解在第k个变化环境情景中的适应度,/>表示变化环境情景的数量,/>,其中,m为目标函数的数量,/>为第i个目标函数值的权重,FIi为变化环境情景下的第i个目标函数值与当前环境情景的第i个目标函数值的比值。
2.根据权利要求1所述的方法,其特征在于,所述目标函数包括第一目标函数,
所述第一目标函数是根据农业需水量、工业需水量、居民生活需水量、农业供水量、工业供水量、居民生活供水量建立的,以使农业、工业、居民生活的缺水指数最小,其中,所述农业需水量、工业需水量、居民生活需水量为环境参数,农业供水量、工业供水量、居民生活供水量为决策变量。
3.根据权利要求1所述的方法,其特征在于,所述目标函数包括第二目标函数,
所述第二目标函数是根据生态需水量和水库下泄的生态供水量建立的,以使生态缺水指数最小,其中,所述生态需水量为环境参数,所述生态供水量为决策变量。
4.根据权利要求1所述的方法,其特征在于,所述目标函数包括第三目标函数,
所述第三目标函数是根据所述目标水库的综合出力系数,以及所述目标水库在不同时段的发电流量和净水头建立的,以使所述目标水库的发电量最大,其中,所述发电流量和净水头为决策变量。
5.根据权利要求1所述的方法,其特征在于,所述环境参数包含水库来水过程、农业需水量、工业需水量、居民生活需水量、生态需水量,所述变化环境情景包含气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景,
所述确定多种变化环境情景,以及各变化环境情景的环境参数,包括:
确定多种气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景;其中,不同气候变化情景对应的水库来水过程不同;不同农业发展情景对应的农业需水量不同;不同工业发展情景对应的工业需水量;不同人口发展情景对应的居民生活需水量不同;不同生态保护情景对应的生态需水量不同;
将多种气候变化情景、农业发展情景、工业发展情景、人口发展情景和生态保护情景组合,形成多种变化环境情景。
6.根据权利要求5所述的方法,其特征在于,获取农业需水量的方法包括:
确定农业发展情景的预设发展速度,不同农业发展情景对应的预设发展速度不同;
根据当前环境情景中不同作物的种植面积、不同作物的单位面积需水量、当前环境情景中的农业需水量以及所述预设发展速度,确定按照所述预设发展速度发展得到的农业发展情景对应的农业需水量。
7.根据权利要求5所述的方法,其特征在于,获取居民生活需水量的方法包括:
确定人口发展情景的预设发展速度,不同人口发展情景对应的预设发展速度不同;
根据当前环境情景中的人口数量、当前环境情景中的居民生活需水量以及所述人口发展情景中的人口数量,确定按照所述预设发展速度发展得到的人口发展情景对应的居民生活需水量,其中,所述人口发展情景中的人口数量是根据所述预设发展速度和所述当前环境情景中的人口数量确定的,不同人口发展情景对应的预设发展速度不同。
8.一种水库优化调度决策装置,其特征在于,所述装置包括:
优化模型获取模块,用于获取预先建立的目标水库的优化调度模型,所述优化调度模型中包含多个目标函数,所述目标函数是根据多个决策变量和多个环境参数建立的;
模型求解模块,用于对所述优化调度模型进行求解,得到Pareto解集,所述Pareto解集中包含多个解,每个解对应一组决策变量的值;
环境情景获取模块,用于确定多种变化环境情景,以及各变化环境情景的环境参数;
目标函数值计算模块,用于将各解对应的决策变量的值和各所述变化环境情景的环境参数输入到各目标函数中,分别得到各解在不同变化环境情景中的目标函数值;
适应度计算模块,用于根据各解在不同变化环境情景中的目标函数值,以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度;
优化策略确定模块,用于根据各解的整体适应度确定所述目标水库的优化调度策略;
根据各解在不同变化环境情景中的目标函数值,以及各解在当前环境情景中的目标函数值,得到各解在不同变化环境情景中的整体适应度,包括:
分别确定各解在不同变化环境情景中的适应度,一个适应度是根据一个解在其中一个变化环境情景中的目标函数值确定的;
分别根据所述各解在全部变化环境情景中的适应度,计算各解的整体适应度;
通过如下公式计算整体适应度:
,
其中,表示一个解的整体适应度,/>表示解在第k个变化环境情景中的适应度,/>表示变化环境情景的数量,/>,其中,m为目标函数的数量,/>为第i个目标函数值的权重,FIi为变化环境情景下的第i个目标函数值与当前环境情景的第i个目标函数值的比值。
9.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的水库优化调度决策方法。
10.一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上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的水库优化调度决策方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311002123.4A CN116739187B (zh) | 2023-08-10 | 2023-08-10 | 水库优化调度决策方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311002123.4A CN116739187B (zh) | 2023-08-10 | 2023-08-10 | 水库优化调度决策方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739187A CN116739187A (zh) | 2023-09-12 |
CN116739187B true CN116739187B (zh) | 2024-01-09 |
Family
ID=87917192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311002123.4A Active CN116739187B (zh) | 2023-08-10 | 2023-08-10 | 水库优化调度决策方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739187B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172492B (zh) * | 2023-09-13 | 2024-04-30 | 大连理工大学 | 一种水库生态调度方案确定方法、系统、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951980A (zh) * | 2017-02-21 | 2017-07-14 | 河海大学 | 一种基于rcp情景的水库群适应性调度方法 |
CN112184479A (zh) * | 2020-09-17 | 2021-01-05 | 长江水利委员会水文局 | 一种水库群调度规则型式和参数对气候变化的适应性研究方法 |
CN116341825A (zh) * | 2023-02-08 | 2023-06-27 | 西安理工大学 | 基于供需平衡和生态效益优化的水资源配置方法 |
CN116523257A (zh) * | 2023-05-22 | 2023-08-01 | 中国水利水电科学研究院 | 一种基于人口、地理、农业、城市需求的水资源利用方法 |
CN116562583A (zh) * | 2023-05-25 | 2023-08-08 | 国网四川省电力公司电力科学研究院 | 一种多维度水资源供需预测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170270454A1 (en) * | 2016-03-15 | 2017-09-21 | Waterfind USA, Inc. | Systems and Methods for Optimization of Groundwater Resource Usage in a Groundwater Basin |
-
2023
- 2023-08-10 CN CN202311002123.4A patent/CN116739187B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951980A (zh) * | 2017-02-21 | 2017-07-14 | 河海大学 | 一种基于rcp情景的水库群适应性调度方法 |
CN112184479A (zh) * | 2020-09-17 | 2021-01-05 | 长江水利委员会水文局 | 一种水库群调度规则型式和参数对气候变化的适应性研究方法 |
CN116341825A (zh) * | 2023-02-08 | 2023-06-27 | 西安理工大学 | 基于供需平衡和生态效益优化的水资源配置方法 |
CN116523257A (zh) * | 2023-05-22 | 2023-08-01 | 中国水利水电科学研究院 | 一种基于人口、地理、农业、城市需求的水资源利用方法 |
CN116562583A (zh) * | 2023-05-25 | 2023-08-08 | 国网四川省电力公司电力科学研究院 | 一种多维度水资源供需预测方法及系统 |
Non-Patent Citations (1)
Title |
---|
考虑生态需水量的汾河梯级水库联合调度研究;周涛 等;人民黄河(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116739187A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243458B (zh) | 一种基于多目标混合蛙跳差分算法的水库调度方法 | |
Rahimiyan et al. | Strategic bidding for a virtual power plant in the day-ahead and real-time markets: A price-taker robust optimization approach | |
CN102629106B (zh) | 供水控制方法及系统 | |
Jafari-Marandi et al. | A distributed decision framework for building clusters with different heterogeneity settings | |
CN107370188A (zh) | 一种计及风电出力的电力系统多目标调度方法 | |
CN116739187B (zh) | 水库优化调度决策方法、装置、计算机设备及存储介质 | |
CN102682349A (zh) | 一种用电量智能预测系统及方法 | |
JP7395605B2 (ja) | 機械学習および処理された訓練データを用いた非侵入型負荷監視 | |
CN110011358B (zh) | 一种配电网负荷状态调节控制器 | |
CN108134385A (zh) | 主动配电网规划方法以及装置 | |
CN112508306A (zh) | 一种电力生产配置的自适应方法及系统 | |
CN116207739B (zh) | 配电网优化调度方法、装置、计算机设备和存储介质 | |
CN102509027A (zh) | 一种基于交叉熵理论的风电功率组合预测方法 | |
Ebell et al. | Reinforcement learning control algorithm for a pv-battery-system providing frequency containment reserve power | |
KR102628551B1 (ko) | 하이브리드 타입 단기 전력수요 예측 장치 및 방법 | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
Ceccon et al. | Intelligent electric power management system for economic maximization in a residential prosumer unit | |
CN113988471A (zh) | 一种微电网运行多目标优化方法 | |
CN111968008B (zh) | 基于多能协作的综合能源监控系统及方法 | |
EP3523866A1 (en) | System and method for management of an electricity distribution grid | |
CN108110756A (zh) | 考虑不确定性因素的工业园区配电网规划方法 | |
Leitao et al. | Application of Bees Algorithm to Reduce Household's Energy Costs via Load Deferment | |
CN113609778B (zh) | 一种综合能源系统多目标优化方法及系统 | |
Shendryk et al. | Decision Support System for Efficient Energy Management of MicroGrid with Renewable Energy Sources | |
Yang | Development of intelligent energy management system using natural computing |
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 |