CN117439177A - 一种分布式光伏协调控制方法、装置、介质及设备 - Google Patents
一种分布式光伏协调控制方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN117439177A CN117439177A CN202311358202.9A CN202311358202A CN117439177A CN 117439177 A CN117439177 A CN 117439177A CN 202311358202 A CN202311358202 A CN 202311358202A CN 117439177 A CN117439177 A CN 117439177A
- Authority
- CN
- China
- Prior art keywords
- power
- energy storage
- photovoltaic
- load
- area
- 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 33
- 238000004146 energy storage Methods 0.000 claims abstract description 134
- 238000009826 distribution Methods 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000007599 discharging Methods 0.000 claims abstract description 34
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000010248 power generation Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000011217 control strategy Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000029087 digestion Effects 0.000 description 3
- XDXDZDZNSLXDNA-TZNDIEGXSA-N Idarubicin Chemical compound C1[C@H](N)[C@H](O)[C@H](C)O[C@H]1O[C@@H]1C2=C(O)C(C(=O)C3=CC=CC=C3C3=O)=C3C(O)=C2C[C@@](O)(C(C)=O)C1 XDXDZDZNSLXDNA-TZNDIEGXSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- GKNWJYPYFJMILD-UHFFFAOYSA-N 1-[4-(2h-triazolo[4,5-c]pyridin-4-ylperoxy)-2h-triazolo[4,5-c]pyridin-6-yl]decan-1-one Chemical compound N=1C(C(=O)CCCCCCCCC)=CC=2NN=NC=2C=1OOC1=NC=CC2=C1N=NN2 GKNWJYPYFJMILD-UHFFFAOYSA-N 0.000 description 1
- 101100170604 Mus musculus Dmap1 gene Proteins 0.000 description 1
- 101000885693 Taxus cuspidata 10-deacetylbaccatin III 10-O-acetyltransferase Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- MPBRYMWMMKKRGC-UHFFFAOYSA-M carbocyanin DBTC Chemical compound [Br-].C1=CC=CC2=C([N+](=C(C=C(C)C=C3N(C4=C5C=CC=CC5=CC=C4S3)CC)S3)CC)C3=CC=C21 MPBRYMWMMKKRGC-UHFFFAOYSA-M 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Classifications
-
- 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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式光伏协调控制方法、装置、介质及设备，将预先基于相同通信标准建立的逻辑节点信息模型在智能融合终端上开发形成模型库；基于模型库汇集配电台区数据，根据配电台区数据进行台区分布式光伏出力预测和台区负荷预测；根据台区分布式光伏出力预测和台区负荷预测的结果计算台区分布式光伏与台区负荷的功率偏差，根据功率偏差以及预先设置的储能调控的约束条件生成储能充放电优化路径；根据储能充放电优化路径控制储能充放电启停时间、充放容量，以使台区光伏、负荷、储能的功率得到最优分配，每一次功率分配结束后，形成调控报告，开始下一个时间间隔调控。实现了配电台区的灵活协调控制，提升配电台区的稳定安全经济运行能力。
Description
技术领域
本发明涉及一种分布式光伏协调控制方法、装置、介质及设备，属于配电控制技术领域。
背景技术
新型电力系统提出新的目标，智能设备之间能够没有任何无误解的进行通信，传输数据无差错，即数据定义(模型)统一，智能设备仅需配置通信地址，便能自动识别数据来源、含义及其相关的服务，无需人工干预即可互联互通、互操作，实现配电网的灵活协调控制。目前对于配电台区的分布式光伏、分布式储能、智能融合终端、低压智能断路器等设备之间的信息交互是基于数据域通信协议严重耦合的方式，同类设备之间互换性差，不同层级设备数据交互的可扩展性差，导致配电台区无法通过灵活协调控制各层级设备提升分布式光伏的消纳能力。
低压配电台区是分布式光伏接入与应用的主要电网系统，随着配电台区的分布式光伏渗透率不断提高，配电台区运行模式更加复杂多变，分布式光伏消纳与配电网稳定运行的矛盾日益突出如何灵活的协调控制配电台区的分布式资源提升分布式光伏消纳能力是亟需解决的问题。分布式储能具有快速响应、较强的短时功率吞吐能力、调节方向易改变等优点，可以减小电网调峰压力、调节负荷需求功率、抑制谐波和补偿无功，提升配电台区的可需性及功率平衡性。通过分布式储能来平抑分布式光伏出力与负荷需求不平衡的功率偏差，可以提升分布式光伏消纳能力，提升配电台区的稳定安全经济运行能力。
在分布式光伏高渗透率的配电台区，其电压波动与电能质量已成为亟待解决的重要问题，然而仅通过调节光伏的无功功率是无法满足高渗透率台区的稳定安全经济运行需求，如何统筹配电台区光伏出力与负荷需求，配备与分布式光伏协调的储能设备及其实时控制方法实现配电台区功率分配和协调控制优化策略对配电网稳定安全经济运行有着非常重要的意义。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种分布式光伏协调控制方法、装置、介质及设备，利用台区智能融合终端的边缘计算能力，根据光伏出力预测值、台区负荷预测值，制定控制台区储能充放电策略，进而解决分布式光伏出力与负荷需求的功率分配不合理问题，实现配电台区功率优化分配。
为解决上述技术问题，本发明提供一种分布式光伏协调控制方法，包括：
获取目标区域预先基于相同通信标准建立的关于分布式光伏、分布式储能、公共节点的逻辑节点信息模型；
将逻辑节点信息模型在智能融合终端上开发形成模型库；
基于模型库里的逻辑节点信息模型汇集配电台区数据，根据配电台区数据进行台区分布式光伏出力预测和台区负荷预测；
根据台区分布式光伏出力预测和台区负荷预测的结果计算台区分布式光伏与台区负荷的功率偏差，根据功率偏差以及预先设置的储能调控的约束条件生成储能充放电优化路径；
根据储能充放电优化路径控制储能充放电启停时间、充放容量，以使台区光伏、负荷、储能的功率得到最优分配，每一次功率分配结束后，形成调控报告，并开始下一个时间间隔调控。
进一步的，所述通信标准采用IEC61850标准。
进一步的，所述台区分布式光伏出力预测的计算公式为：
Ppv,f(t+kΔt)＝KTf(t)×Ppv,max(t+jΔt)
式中，Ppv,f(t+kΔt)为预测时刻t+kΔt的台区分布式光伏出力预测值，t为当前时刻，Δt为预测的时间步长；k为预测向未来时间增加的时间间隔的个数，且1≤k≤64，/>为自然数；KTf(t)为晴朗指数，所述晴朗指数采用预测时刻前n个小时的实测光伏功率与临近j天内相同时刻光伏功率最大值的比值；Ppv,max(t+kΔt)为临近j天内同一时刻的光伏功率历史数据的最大值。
进一步的，所述台区负荷预测的计算公式为：
式中，PL,f(t+kΔt)为预测时刻t+kΔt的台区负荷预测值，t为当前时刻，Δt为预测的时间步长；h为单位小时；d为单位天；k为预测向未来时间增加的时间间隔的个数，且1≤k≤64，/>为自然数；PL(t)为实际历史负荷功率；kexp(k)为t时刻实际负荷功率对于预测值的权重，(1-kexp(k))代表前一天t时刻实际负荷功率和m天前t时刻实际负荷功率对于预测值的影响。
进一步的，所述储能调控的约束条件为：
式中，Pch是储能允许的充电功率，Pdisch是储能允许的放电功率，Sr是分布式储能的额定容量，SoCt储能的实时荷电状态，SoCmin储能的最小荷电状态，SoCmax储能的最大荷电状态，PBESS是储能放电或充电的功率，Pgrid是电网吸收或放出的功率功率限制阈值，Pd为台区分布式光伏与台区负荷的功率偏差，Ppv,f为台区分布式光伏出力预测值，PL,f为台区负荷预测值。当Pd大于Pgrid,1，即通过预测表明光伏出力功率大于台区负荷功率导致光伏向电网倒送功率超过阈值Pgrid,1时，形成分布式储能充放电优化路径以调控储能充电消纳光伏出力功率；当Pd小于Pgrid,2，即通过预测表明台区负荷功率大于光伏出力功率导致电网向台区输送功率超过阈值Pgrid,2时，形成分布式储能充放电优化路径以调控储能放电支持台区负荷功率。
第二方面，本发明提供一种分布式光伏协调控制装置，包括：
获取模块，用于获取目标区域预先基于相同通信标准建立的关于分布式光伏、分布式储能、公共节点的逻辑节点信息模型；
开发模块，用于将逻辑节点信息模型在智能融合终端上开发形成模型库；
预测模块，用于基于模型库里的逻辑节点信息模型汇集配电台区数据，根据配电台区数据进行台区分布式光伏出力预测和台区负荷预测；
生成模块，用于根据台区分布式光伏出力预测和台区负荷预测的结果计算台区分布式光伏与台区负荷的功率偏差，根据功率偏差以及预先设置的储能调控的约束条件生成储能充放电优化路径；
评估模块，用于根据储能充放电优化路径控制储能充放电启停时间、充放容量，以使台区光伏、负荷、储能的功率得到最优分配，每一次功率分配结束后，形成调控报告，并开始下一个时间间隔调控。
进一步的，所述通信标准采用IEC61850标准。
进一步的，所述台区分布式光伏出力预测的计算公式为：
Ppv,f(t+kΔt)＝KTf(t)×Ppv,max(t+kΔt)
式中，Ppv,f(t+kΔt)为预测时刻t+kΔt的台区分布式光伏出力预测值，t为当前时刻，Δt为预测的时间步长；k为预测向未来时间增加的时间间隔的个数，且1≤k≤64，/>为自然数；KTf(t)为晴朗指数，所述晴朗指数采用预测时刻前n个小时的实测光伏功率与临近j天内相同时刻光伏功率最大值的比值；Ppv,max(t+kΔt)为临近j天内同一时刻的光伏功率历史数据的最大值。
进一步的，所述台区负荷预测的计算公式为：
式中，PL,f(t+kΔt)为预测时刻t+kΔt的台区负荷预测值，t为当前时刻，Δt为预测的时间步长；h为单位小时；d为单位天；k为预测向未来时间增加的时间间隔的个数，且1≤k≤64，/>为自然数；PL(t)为实际历史负荷功率；kexp(k)为t时刻实际负荷功率对于预测值的权重，(1-kexp(k))代表前一天t时刻实际负荷功率和m天前t时刻实际负荷功率对于预测值的影响。
进一步的，所述储能调控的约束条件为：
式中，Pch是储能允许的充电功率，Pdisch是储能允许的放电功率，Sr是分布式储能的额定容量，SoCt储能的实时荷电状态，SoCmin储能的最小荷电状态，SoCmax储能的最大荷电状态，PBESS是储能放电或充电的功率，Pgrid是电网吸收或放出的功率功率限制阈值，Pd为台区分布式光伏与台区负荷的功率偏差，Ppv,f为台区分布式光伏出力预测值，PL,f为台区负荷预测值。当Pd大于Pgrid,1，即通过预测表明光伏出力功率大于台区负荷功率导致光伏向电网倒送功率超过阈值Pgrid,1时，形成分布式储能充放电优化路径以调控储能充电消纳光伏出力功率；当Pd小于Pgrid,2，即通过预测表明台区负荷功率大于光伏出力功率导致电网向台区输送功率超过阈值Pgrid,2时，形成分布式储能充放电优化路径以调控储能放电支持台区负荷功率。
第三方面，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述方法。
第四方面，本发明提供一种计算机设备，包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述方法的指令。
本发明所达到的有益效果：
(1)通过相同通信标准建立的关于分布式光伏、分布式储能、公共节点的逻辑节点信息模型，统一光伏、储能、智能融合终端的数据定义，使它们之间没有任何无误解的进行通信，传输数据无差错，实现配电网的灵活协调控制；(2)通过分布式储能平抑分布式光伏出力与负荷需求不平衡的功率偏差，优化储能充放电策略平抑功率波动，以提升分布式光伏消纳能力，提升配电台区的稳定安全经济运行能力。
附图说明
图1是本发明的控制方法的流程示意图；
图2是配电台区各设备参与分布式光伏协调控制的逻辑节点以及信息流示意图；
图3是智能融合终端的配电台区分布式光伏协调控制的示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1，如图1所示，本实施例介绍本发明提出了一种分布式光伏协调控制方法，包括以下步骤：
获取目标区域预先基于相同通信标准建立的关于分布式光伏、分布式储能、公共节点的逻辑节点信息模型；
将逻辑节点信息模型在智能融合终端上开发形成模型库；
基于模型库里的逻辑节点信息模型汇集配电台区数据，根据配电台区数据进行台区分布式光伏出力预测和台区负荷预测；
根据台区分布式光伏出力预测和台区负荷预测的结果计算台区分布式光伏与台区负荷的功率偏差，根据功率偏差以及预先设置的储能调控的约束条件生成储能充放电优化路径；
根据储能充放电优化路径控制储能充放电启停时间、充放容量，以使台区光伏、负荷、储能的功率得到最优分配，每一次功率分配结束后，形成调控报告，并开始下一个时间间隔调控。
所述方法的具体过程为：
1.首先基于IEC61850标准对分布式光伏协调控制建立信息模型。如图2所示，为了实现通过控制储能充放电调节分布式光伏与台区负荷平衡的目的，同时满足新型电力系统对于互操作性的要求与电力信息物联网对于数字化的强烈需要，基于IEC 61850标准对分布式光伏、分布式储能、公共节点等建立逻辑节点的信息模型，各个不同种类的逻辑节点总体涵盖分布式资源逻辑节点、电气参考逻辑节点、调节功能逻辑节点与电能管理逻辑节点。具体包括DGEN(分布式能源运行)、DECP(电气连接特性)、DPMC(电能管理控制)、MMXU(测量节点)、ZINV(逆变器功能)、MMET(气象监测)、DSTO(储能电气运行属性)、DBAT(电池系统)、DBTC(充电管理)、DMDR(多分布式能源组合或微网混合)、MMTR(计量)、DVVR(电压无功调节)、DLOD(负载)等。
2.将1所述信息模型在智能融合终端上开发形成模型库。该模型库将分布式光伏协调控制功能抽象描述，是对协调过程中的信息进行组织形式化，实现对分布式光伏协调控制数据的管理与维护，实现查询、阅读、交换、共享和有效的数据管理维护，便于帮助用户与使用人员更好的管理和便捷的理解与操作分布式能源设备的详细数据。基于IEC 61850标准的信息模型，将物理电力设备映射到信息电力设备，将电力流动映射到二进制信息流动，使数字化技术支撑电力设备优化运行与控制。
定义基于IEC 61850形式的模型库，包含CDC(common data class)公共数据类，DataSetlmitate数据集，DAType数据属性类型。
CDC(Common Data Class)公共数据类为LN定义了一些公共数据结构，这些结构用于LN的数据定义。
DataSetlmitate数据集(DATA-SET)是有序的DATADataAttributesObjectReference组(被称为数据集成员)，为了客户的方便，将上述内容组织成单个集合。客户和服务器双边均知道DATA-SETObjectReference成员和顺序，因此仅需要传输DATA-SET名和引用的DATA DataAttribute的当前值。这种能力能有效利用通信带宽。分布式光伏协调控制定义了DGEN(分布式能源运行)逻辑节点的状态输出数据集、DMDR(多个分布式能源组合或微网)逻辑节点状态输出数据集、DPMC(DER管理控制)逻辑节点无功控制输出数据集、DSTO(电池储能单元属性)逻辑节点的状态输出数据集、DVVR(电压无功调节)逻辑节点的请求数据集、DECP(电气连接特性)的基础数据输出数据集等。
DAType数据属性类型，如果属性是强制的它有名，指示(出现Presence)或任选的指示(不出现not-Presence)以及BasicTypes(基本类型)。
3.如图3所示，完成模型库即完成了模型定义，以信息模型生成源代码，利用模型对于控制模式的外围信息定义与信息交互方式，从而实现互操作性与设备交互便捷，在应用层用信息模型支撑设备逻辑节点交互控制和数据共享。开发智能融合终端的配电台区分布式光伏协调控制APP，利用智能融合终端的边缘计算能力，实现台区分布式光伏出力预测、台区负荷预测、控制策略生成，分发调控指令等功能。
3.1台区数据汇集。智能融合终端汇集分布式光伏数据、台区负荷数据、储能数据。包括分布式光伏、台区负荷的电压、电流、有功功率、无功功率、频率等实时数据与历史数据，以及储能的电压、电流、有功功率、无功功率、频率等实时数据。
3.2分布式光伏出力预测。先由智能融合终端请求分布式光伏的电气量数据，结合天气数据、临近日数据、相似日数据、历史发电数据计算目标分布式光伏出力的短期预测值。
分布式光伏出力预测的步骤为：
①建立历史数据库：
根据分布式光伏的出力数据的来源、数据结构、数据量等分析关联字段，全面系统的收集台区光伏出力数据作为历史数据库，供数据处理和建立预测模型使用。历史数据包括历史处理数据域历史气象数据。
②确定影响因素：
分析影响光伏出力的关键影响因素，包括太阳辐射强度、天气类型、温度、湿度。
③数据预处理：
数据预处理包括去除属性数据、不良数据辨识与修正、数据标准化、添加影响因素和数据重组，以提升数据质量。
④建立短期光伏出力预测模型：
光伏出力预测模型的建模过程包括设计模型结构、设置模型参数、迭代训练。将经过数据预处理的数据输入设计好的网络中，通过提取特征、迭代训练，纠正误差等训练过程，最终得到最优短期光伏出力预测模型
基于光伏辐照的晴朗指数对光伏出力功率进行预测，根据光伏出力十天历史数据，统计光伏出力数据并计及各个时刻内的平均晴朗指数，得出当前时间内光伏出力预测结果。
光伏出力功率预测采用计算公式(1)[20]：
Ppv,f(t+kΔt)＝KTf(t)×Ppv,max(t+kΔt)(1)
式中t为当前时间，Δt为预测的时间步长；为预测向未来时间增加的k个时间间隔；KTf为晴朗指数；Ppv,f为预测的光伏功率；Ppv,max为临近j天内统一时间的光伏功率历史数据的最大值。KTf和Ppv,max计算公式如下：
Ppv,max(t+kΔt)＝maxPpv(t-j·24h+kΔt) (3)
式中本文取Δt＝0.25h＝15min，另取1≤j≤10。关于KTf晴朗指数的计算，本文采用预测时刻前3个小时的实测光伏功率与临近10天相同时刻光伏功率最大值的比值。
⑤光伏出力预测：
获取光伏出力、气象实时数据、负荷历史数据作为负荷预测模型的参数输入，通过预测算法计算超短期的光伏实时出力预测值以及短期的光伏日出力预测值。
3.3台区负荷预测。先由智能融合终端请求台区低压智能开关的电气量数据，以台区负荷历史数据为基础，结合台区诸多影响因素计算台区负荷短期预测值。
负荷预测的步骤为：
⑥建立历史数据库：
根据所需数据的来源、数据结构、数据量等分析关联字段，全面系统的收集台区负荷数据作为历史数据库，供数据处理和建立预测模型使用。
⑦确定影响因素：
根据不同台区的运行特征，分析台区的关键影响因素。
⑧负荷数据预处理：
数据预处理包括去除属性数据、不良数据辨识与修正、数据标准化、调价影响因素和数据重组，以提升数据质量。
⑨建立短期负荷预测模型：
负荷预测模型的建模过程包括设计模型结构、设置模型参数、迭代训练。将经过数据预处理的数据输入设计好的网络中，通过提取特征、迭代训练，纠正误差等训练过程，最终得到最优短期负荷预测模型
将历史负荷数据分为长期时间尺度影响与短期时间尺度影响的综合计算结果，根据与预测数据的时间间隔，动态调整长期时间尺度与短期时间尺度在预测结果中占据权重，以得出较为可信的负荷预测数据并根据负荷峰谷的出现以及时调整预测情况，能够快速响应负荷变化。
负荷预测采用计算公式(4)[20]：
式中，式中
指数平滑因子采用计算公式(5)：
式中，t为当前时间，Δt为预测的时间步长；h为单位小时；d为单位天；为预测向未来时间增加的k个时间间隔；PL,f为预测的负荷功率，PL为实际历史负荷功率；kexp(k)代表t时刻实际负荷功率对于预测值的权重，(1-kexp(k))代表前一天t时刻实际负荷功率和7天前t时刻实际负荷功率对于预测值的影响。
⑩负荷预测：
获取负荷实时数据、负荷历史数据作为负荷预测模型的参数输入，通过预测算法计算超短期的实时负荷预测值以及短期的日负荷预测值。
3.4储能充放电优化控制。结合主站调控需求，计算台区光伏出力与负荷的功率偏差值，以及电压、谐波偏差值，与分布式储能的充放电优化路径结合生成储能充放电优化控制策略，将调控指令下发给分布式储能控制其充电与放电。
其中，分布式储能的充放电优化路径：首先通过光伏和负荷的历史数据和实时数据计算其预测功率；其次通过预测结果计算光伏与负荷的功率偏差；再结合台区返送功率限制和储能运行条件生成储能充放电优化路径。
储能调控的约束条件为：
其中Pd是光伏发电功率与台区负荷的功率偏差Pgrid电网功率限制阈值，需要与光伏发电功率、负荷功率、储能功率平衡，以保证设备和电网安全稳定运行。
储能充放电优化控制策略：
控制策略由智能统合终端生成，调控目标是在超出反送电限制时利用储能尽可能多的消纳分布式光伏发电功率，在未超出反送电限制时尽可能少的分配储能的充电功率，使配电台区光伏负荷功率形成平衡，还需要保证储能SoC在有利范围内。基于分布式储能的充放电优化路径控制储能充放电启停时间、充放容量，以使台区光伏、负荷、储能的功率得到最优分配，每一次功率分配结束后，形成调控报告，并开始下一个时间间隔调控。控制策略从功率预测-偏差计算-生成储能充放电优化路径-控制充放电-优化配电台区功率分配的流程以15分钟为执行时间步长。
储能充放电优化控制步骤：
①分布式光伏出力预测。
②台区负荷预测。
③生成光伏出力与负荷的功率偏差值。
④分布式储能模拟，生成储能充放电优化路径。
开展台区功率偏差控制。生成储能充放电优化控制策略，即根据光伏出力与负荷的功率偏差值以最优方案调节储能充放电来平衡光伏出力与负荷的功率偏差。
实施例2，与实施例1基于相同的发明构思，本实施例介绍一种分布式光伏协调控制装置，包括：
获取模块，用于获取目标区域预先基于相同通信标准建立的关于分布式光伏、分布式储能、公共节点的逻辑节点信息模型；
开发模块，用于将逻辑节点信息模型在智能融合终端上开发形成模型库；
预测模块，用于基于模型库里的逻辑节点信息模型汇集配电台区数据，根据配电台区数据进行台区分布式光伏出力预测和台区负荷预测；
生成模块，用于根据台区分布式光伏出力预测和台区负荷预测的结果计算台区分布式光伏与台区负荷的功率偏差，根据功率偏差以及预先设置的储能调控的约束条件生成储能充放电优化路径；
评估模块，用于根据储能充放电优化路径控制储能充放电启停时间、充放容量，以调节分布式光伏与台区负荷的功率偏差，根据调节后的功率偏差评估台区功率是否平衡，若平衡则输出调控结果报告，若不平衡则结合储能剩余容量调整储能充放电优化路径。
所述通信标准采用IEC61850标准。
所述台区分布式光伏出力预测的计算公式为：
Ppv,f(t+kΔt)＝KTf(t)×Ppv,max(t+kΔt)
式中，Ppv,f(t+kΔt)为预测时刻t+kΔt的台区分布式光伏出力预测值，t为当前时刻，Δt为预测的时间步长；k为预测向未来时间增加的时间间隔的个数，且1≤k≤64，/>为自然数；KTf(t)为晴朗指数，所述晴朗指数采用预测时刻前n个小时的实测光伏功率与临近j天内相同时刻光伏功率最大值的比值；Ppv,max(t+kΔt)为临近j天内同一时刻的光伏功率历史数据的最大值。
进一步的，所述台区负荷预测的计算公式为：
式中，PL,f(t+kΔt)为预测时刻t+kΔt的台区负荷预测值，t为当前时刻，Δt为预测的时间步长；h为单位小时；d为单位天；k为预测向未来时间增加的时间间隔的个数，且1≤k≤64，/>为自然数；PL(t)为实际历史负荷功率；kexp(k)为t时刻实际负荷功率对于预测值的权重，(1-kexp(k))代表前一天t时刻实际负荷功率和m天前t时刻实际负荷功率对于预测值的影响。
所述储能调控的约束条件为：
式中，Pch是储能允许的充电功率，Pdisch是储能允许的放电功率，Sr是分布式储能的额定容量，SoCt储能的实时荷电状态，SoCmin储能的最小荷电状态，SoCmax储能的最大荷电状态，PBESS是储能放电或充电的功率，Pgrid是电网吸收或放出的功率功率限制阈值，Pd为台区分布式光伏与台区负荷的功率偏差，Ppv,f为台区分布式光伏出力预测值，PL,f为台区负荷预测值。当Pd大于Pgrid,1，即通过预测表明光伏出力功率大于台区负荷功率导致光伏向电网倒送功率超过阈值Pgrid,1时，形成分布式储能充放电优化路径以调控储能充电消纳光伏出力功率；当Pd小于Pgrid,2，即通过预测表明台区负荷功率大于光伏出力功率导致电网向台区输送功率超过阈值Pgrid,2时，形成分布式储能充放电优化路径以调控储能放电支持台区负荷功率。
实施例3，与其它实施例基于相同的发明构思，本实施例介绍一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述方法。
实施例4，与其它实施例基于相同的发明构思，本实施例介绍一种计算机设备，包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述方法的指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (12)
1.一种分布式光伏协调控制方法，其特征在于，包括：
获取目标区域预先基于相同通信标准建立的关于分布式光伏、分布式储能、公共节点的逻辑节点信息模型；
将逻辑节点信息模型在智能融合终端上开发形成模型库；
基于模型库里的逻辑节点信息模型汇集配电台区数据，根据配电台区数据进行台区分布式光伏出力预测和台区负荷预测；
根据台区分布式光伏出力预测和台区负荷预测的结果计算台区分布式光伏与台区负荷的功率偏差，根据功率偏差以及预先设置的储能调控的约束条件生成储能充放电优化路径；
根据储能充放电优化路径控制储能充放电启停时间、充放容量，以使台区光伏、负荷、储能的功率得到最优分配，每一次功率分配结束后，形成调控报告，并开始下一个时间间隔调控。
2.根据权利要求1所述的分布式光伏协调控制方法，其特征在于，所述通信标准采用IEC61850标准。
3.根据权利要求1所述的分布式光伏协调控制方法，其特征在于，所述台区分布式光伏出力预测的计算公式为：
Ppv,f(t+kΔt)＝KTf(t)×Ppv,max(t+kΔt)
式中，Ppv,f(t+kΔt)为预测时刻t+kΔt的台区分布式光伏出力预测值，t为当前时刻，Δt为预测的时间步长；k为预测向未来时间增加的时间间隔的个数，且1≤k≤64，/>为自然数；KTf(t)为晴朗指数，所述晴朗指数采用预测时刻前n个小时的实测光伏功率与临近j天内相同时刻光伏功率最大值的比值；Ppv,max(t+kΔt)为临近j天内同一时刻的光伏功率历史数据的最大值。
4.根据权利要求1所述的分布式光伏协调控制方法，其特征在于，所述台区负荷预测的计算公式为：
式中，PL,f(t+kΔt)为预测时刻t+kΔt的台区负荷预测值，t为当前时刻，Δt为预测的时间步长；h为单位小时；d为单位天；k为预测向未来时间增加的时间间隔个数，且1≤k≤64，/>为自然数；PL(t)为实际历史负荷功率；kexp(k)为t时刻实际负荷功率对于预测值的权重，(1-kexp(k))代表前一天t时刻实际负荷功率和m天前t时刻实际负荷功率对于预测值的影响。
5.根据权利要求1所述的分布式光伏协调控制方法，其特征在于，所述储能调控的约束条件为：
式中，Pch是储能允许的充电功率，Pdisch是储能允许的放电功率，Sr是分布式储能的额定容量，SoCt储能的实时荷电状态，SoCmin储能的最小荷电状态，SoCmax储能的最大荷电状态，PBESS是储能放电或充电的功率，Pgrid是电网吸收或放出的功率功率限制阈值，Pd为台区分布式光伏与台区负荷的功率偏差，Ppv,f为台区分布式光伏出力预测值，PL,f为台区负荷预测值；当Pd大于Pgrid,1，表示通过预测表明光伏出力功率大于台区负荷功率导致光伏向电网倒送功率超过阈值Pgrid,1时，形成分布式储能充放电优化路径以调控储能充电消纳光伏出力功率；当Pd小于Pgrid,2，表示通过预测表明台区负荷功率大于光伏出力功率导致电网向台区输送功率超过阈值Pgrid,2时，形成分布式储能充放电优化路径以调控储能放电支持台区负荷功率。
6.一种分布式光伏协调控制装置，其特征在于，包括：
获取模块，用于获取目标区域预先基于相同通信标准建立的关于分布式光伏、分布式储能、公共节点的逻辑节点信息模型；
开发模块，用于将逻辑节点信息模型在智能融合终端上开发形成模型库；
预测模块，用于基于模型库里的逻辑节点信息模型汇集配电台区数据，根据配电台区数据进行台区分布式光伏出力预测和台区负荷预测；
生成模块，用于根据台区分布式光伏出力预测和台区负荷预测的结果计算台区分布式光伏与台区负荷的功率偏差，根据功率偏差以及预先设置的储能调控的约束条件生成储能充放电优化路径；
评估模块，用于根据储能充放电优化路径控制储能充放电启停时间、充放容量，以使台区光伏、负荷、储能的功率得到最优分配，每一次功率分配结束后，形成调控报告，并开始下一个时间间隔调控。
7.根据权利要求6所述的分布式光伏协调控制装置，其特征在于，所述通信标准采用IEC61850标准。
8.根据权利要求6所述的分布式光伏协调控制装置，其特征在于，所述台区分布式光伏出力预测的计算公式为：
Ppv,f(t+kΔt)＝KTf(t)×Ppv,max(t+kΔt)
式中，Ppv,f(t+kΔt)为预测时刻t+kΔt的台区分布式光伏出力预测值，t为当前时刻，Δt为预测的时间步长；k为预测向未来时间增加的时间间隔的个数，且1≤k≤64，/>为自然数；KTf(t)为晴朗指数，所述晴朗指数采用预测时刻前n个小时的实测光伏功率与临近j天内相同时刻光伏功率最大值的比值；Ppv,max(t+kΔt)为临近j天内同一时刻的光伏功率历史数据的最大值。
9.根据权利要求6所述的分布式光伏协调控制装置，其特征在于，所述台区负荷预测的计算公式为：
式中，PL,f(t+kΔt)为预测时刻t+kΔt的台区负荷预测值，t为当前时刻，Δt为预测的时间步长；h为单位小时；d为单位天；k为预测向未来时间增加的时间间隔的个数，且1≤k≤64，/>为自然数；PL(t)为实际历史负荷功率；kexp(k)为t时刻实际负荷功率对于预测值的权重，(1-kexp(k))代表前一天t时刻实际负荷功率和m天前t时刻实际负荷功率对于预测值的影响。
10.根据权利要求6所述的分布式光伏协调控制装置，其特征在于，所述储能调控的约束条件为：
式中，Pch是储能允许的充电功率，Pdisch是储能允许的放电功率，Sr是分布式储能的额定容量，SoCt储能的实时荷电状态，SoCmin储能的最小荷电状态，SoCmax储能的最大荷电状态，PBESS是储能放电或充电的功率，Pgrid是电网吸收或放出的功率功率限制阈值，Pd为台区分布式光伏与台区负荷的功率偏差，Ppv,f为台区分布式光伏出力预测值，PL,f为台区负荷预测值；当Pd大于Pgrid,1，即通过预测表明光伏出力功率大于台区负荷功率导致光伏向电网倒送功率超过阈值Pgrid,1时，形成分布式储能充放电优化路径以调控储能充电消纳光伏出力功率；当Pd小于Pgrid,2，即通过预测表明台区负荷功率大于光伏出力功率导致电网向台区输送功率超过阈值Pgrid,2时，形成分布式储能充放电优化路径以调控储能放电支持台区负荷功率。
11.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行权利要求1至5中的任一所述方法。
12.一种计算机设备，其特征在于，包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至5中的任一所述方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311358202.9A CN117439177A (zh) | 2023-10-19 | 2023-10-19 | 一种分布式光伏协调控制方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311358202.9A CN117439177A (zh) | 2023-10-19 | 2023-10-19 | 一种分布式光伏协调控制方法、装置、介质及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117439177A true CN117439177A (zh) | 2024-01-23 |
Family
ID=89549095
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311358202.9A Pending CN117439177A (zh) | 2023-10-19 | 2023-10-19 | 一种分布式光伏协调控制方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117439177A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117748569A (zh) * | 2024-02-21 | 2024-03-22 | 中国电力科学研究院有限公司 | 一种低压分布式光伏控制方法、装置及介质 |
| CN117879018A (zh) * | 2024-03-12 | 2024-04-12 | 国网安徽省电力有限公司经济技术研究院 | 面向新能源消纳的储能系统的配置运行方法 |
-
2023
- 2023-10-19 CN CN202311358202.9A patent/CN117439177A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117748569A (zh) * | 2024-02-21 | 2024-03-22 | 中国电力科学研究院有限公司 | 一种低压分布式光伏控制方法、装置及介质 |
| CN117748569B (zh) * | 2024-02-21 | 2024-04-30 | 中国电力科学研究院有限公司 | 一种低压分布式光伏控制方法、装置及介质 |
| CN117879018A (zh) * | 2024-03-12 | 2024-04-12 | 国网安徽省电力有限公司经济技术研究院 | 面向新能源消纳的储能系统的配置运行方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117439177A (zh) | 一种分布式光伏协调控制方法、装置、介质及设备 | |
| Sharma et al. | A critical and comparative review of energy management strategies for microgrids | |
| Angioni et al. | Design and implementation of a substation automation unit | |
| CN111564898A (zh) | 一种基于智能电表的多功能智能控制系统 | |
| Jiao et al. | An optimization model and modified harmony search algorithm for microgrid planning with ESS | |
| Zhang et al. | A review and outlook on cloud energy storage: An aggregated and shared utilizing method of energy storage system | |
| Kumar et al. | An optimized framework of the integrated renewable energy and power quality model for the smart grid | |
| Zhu et al. | Energy optimal dispatch of the data center microgrid based on stochastic model predictive control | |
| MansourLakouraj et al. | Multi-timescale risk-constrained volt/var control of distribution grids with electric vehicles and solar inverters | |
| Jain et al. | Overview of Energy Management Systems for Microgrids and Smart Grid | |
| Dehghan et al. | Virtual power plants planning in the distribution network constrained to system resiliency under extreme weather events | |
| CN117057547A (zh) | 智慧能源服务平台多形态负荷资源调度模型构建方法、装置、存储介质 | |
| Gangwar et al. | Management of energy storage dispatch in unbalanced distribution networks using opendss | |
| CN115021406B (zh) | 一种整合经济性模型预测控制的微电网控制器 | |
| CN116014749A (zh) | 考虑三相不平衡的配电网调峰随机优化方法 | |
| CN113595090B (zh) | 一种跨安全区的多元负荷数据处理方法及系统 | |
| Wagle et al. | Co-simulation-based optimal reactive power control in smart distribution network | |
| CN113962537A (zh) | 面向电网调控应用的可调度负荷资源分类建模方法及系统 | |
| Liu et al. | Distributed Energy Management for Networked Microgrids Embedded Modern Distribution System Using ADMM Algorithm | |
| Li et al. | Discussion on the System of Electricity Price Charge System Based on Power Quality | |
| Can et al. | Research on Multi-factorial Investment Decision of Distribution Network Based on Input-output Assessment and Genetic Algorithm | |
| CN117175639B (zh) | 与储能单元协调配套的配电自动化方法及系统 | |
| Shao et al. | Key Technologies of Multi-Source Data Integration System for Large Power Grid Operation | |
| CN114723236B (zh) | 一种电网边缘计算分界方法 | |
| CN116599160B (zh) | 新能源场站集群主动感知方法、系统和新能源场站 |
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 |