CN117688475A - 基于灾害预测的能源网评估方法、系统、终端及存储介质 - Google Patents
基于灾害预测的能源网评估方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN117688475A CN117688475A CN202410155674.2A CN202410155674A CN117688475A CN 117688475 A CN117688475 A CN 117688475A CN 202410155674 A CN202410155674 A CN 202410155674A CN 117688475 A CN117688475 A CN 117688475A
- Authority
- CN
- China
- Prior art keywords
- disaster
- prediction
- earthquake
- energy network
- model
- 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 description 51
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 68
- 239000003345 natural gas Substances 0.000 claims description 34
- 238000010276 construction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009193 crawling Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 230000002787 reinforcement Effects 0.000 abstract description 4
- 230000010485 coping Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 9
- 230000008439 repair process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Abstract
本发明涉及数据处理技术领域，具体提供一种基于灾害预测的能源网评估方法、系统、终端及存储介质，包括：预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率；收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型；将所述灾害预测数据输入所述目标预测模型，得到能源网的故障概率；基于所述故障概率计算能源网的鲁棒性指标、快速性指标和冗余性指标。本发明综合了台风和地震对整个能源网的稳定性影响，并基于影响对整个能源网进行评估，进而得到能源网在面对不同灾害时的应对能力，为能源网的部署和加固提供了有力的数据支撑。
Description
技术领域
本发明属于数据处理技术领域，具体涉及一种基于灾害预测的能源网评估方法、系统、终端及存储介质。
背景技术
近年来，由自然灾害引起的电力中断和电网故障频繁发生。目前相关技术仅片面关注一种灾害对电网的影响，这种孤立的研究无法统筹评估包含电网、天然气管道、热力管道的能源网面对灾害冲击的应对能力，无法为能源网的加固方案提供有效数据支撑。
发明内容
针对现有技术的上述不足，本发明提供一种基于灾害预测的能源网评估方法、系统、终端及存储介质，以解决上述技术问题。
第一方面，本发明提供一种基于灾害预测的能源网评估方法，包括：
预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率；
收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型；
将所述灾害预测数据输入所述目标预测模型，得到能源网的故障概率；
基于所述故障概率计算能源网的鲁棒性指标、快速性指标和冗余性指标。
在一个可选的实施方式中，预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率，包括：
构建台风灾害对应的第一预测模型；
构建地震灾害对应的第二预测模型。
在一个可选的实施方式中，构建台风灾害对应的第一预测模型，包括：
台风的行进路径和影响范围可以用改进型Rankine模型描述，忽略由于热带气旋边界的环境风场和陆地地形导致的风速降低，则台风风速预测模型包括：
式中：为台风在目标地区的风速；/>为调整风速分布参数；/>为距离台风中心的长度；/>为台风最大风速；/>为台风最大风速半径；
实际风速调整到标准海拔10 m处的轴对称风速进行计算：
式中：为校正系数；
台风作用下，受端电网的网侧考虑配电线路故障，配电线路故障率与台风风速的关系由脆弱性曲线表示，线路故障率的具体表达式包括：
式中：为台风运行工况下线路故障率；/>为线路研究点风速；/>为线路设计风速，为脆弱性曲线系数。
在一个可选的实施方式中，构建地震灾害对应的第二预测模型，包括：
地震灾害下配电线路故障率为：
式中：为第/>个杆塔的失效概率；/>为该配电线路杆塔的数量；
地震灾害下，天然气子系统的管道故障率主要通过震害率进行分析基于地震
烈度，可得到地震条件下天然气管道的震害率为：
式中：为地震烈度，表示地震对地表及地表建筑物影响的强弱程度；/>为管径影响系数；Cg为场地土影响系数；
地震灾害下天然气管道故障概率为：
式中：为天然气管道震害率，次/km；/>为天然气管道的管线长度；
热网管道的故障率主要基于地震加速度VPG进行分析，地震灾害下热网管道故障概率为：
式中：为热网管道震害率，次/km；/>为热网管道的管线长度；
地震灾害下能源网可能发生大量元件同时故障的恶劣事故，因此，在该故障场景下能源网的故障率模型为：
式中：为所有元件的集合；/>为系统元件数；/>为能源网各元件故障率，可由/>、/>、、/>计算得到；/>为/>的/>阶子集，计算公式为：
其中：，表示状态/>包括的故障设备的数量，当/>时，/>。
在一个可选的实施方式中，收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型，包括：
从灾害预测网页爬取最新数据；
利用关键词提取技术从最新数据中筛选出灾害类型和灾害预测数据；
从模型库中调取与所述灾害类型匹配的预测模型作为目标预测模型。
在一个可选的实施方式中，所述方法还包括：
判断能源网的鲁棒性指标、快速性指标和冗余性指标是否在预设的标准阈值范围内：
若是，则将鲁棒性指标、快速性指标和冗余性指标写入记录日志；
若否，则生成宿舍能源网的报警提示信息。
第二方面，本发明提供一种基于灾害预测的能源网评估系统，包括：
模型构建模块，用于预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率；
模型调用模块，用于收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型；
故障预测模块，用于将所述灾害预测数据输入所述目标预测模型，得到能源网的故障概率；
指标评估模块，用于基于所述故障概率计算能源网的鲁棒性指标、快速性指标和冗余性指标。
在一个可选的实施方式中，所述模型构建模块包括：
第一构建单元，用于构建台风灾害对应的第一预测模型；
第二构建单元，用于构建地震灾害对应的第二预测模型。
在一个可选的实施方式中，构建台风灾害对应的第一预测模型，包括：
台风的行进路径和影响范围可以用改进型Rankine模型描述，忽略由于热带气旋边界的环境风场和陆地地形导致的风速降低，则台风风速预测模型包括：
式中：为台风在目标地区的风速；/>为调整风速分布参数；/>为距离台风中心的长度；/>为台风最大风速；/>为台风最大风速半径；
实际风速调整到标准海拔10 m处的轴对称风速进行计算：
式中：为校正系数；
台风作用下，受端电网的网侧考虑配电线路故障，配电线路故障率与台风风速的关系由脆弱性曲线表示，线路故障率的具体表达式包括：
式中：为台风运行工况下线路故障率；/>为线路研究点风速；/>为线路设计风速，为脆弱性曲线系数。
在一个可选的实施方式中，构建地震灾害对应的第二预测模型，包括：
地震灾害下配电线路故障率为：
式中：为第/>个杆塔的失效概率；/>为该配电线路杆塔的数量；
地震灾害下，天然气子系统的管道故障率主要通过震害率进行分析基于地震
烈度，可得到地震条件下天然气管道的震害率为：
式中：为地震烈度，表示地震对地表及地表建筑物影响的强弱程度；/>为管径影响系数；Cg为场地土影响系数；
地震灾害下天然气管道故障概率为：
式中：为天然气管道震害率，次/km；/>为天然气管道的管线长度；
热网管道的故障率主要基于地震加速度VPG进行分析，地震灾害下热网管道故障概率为：
式中：为热网管道震害率，次/km；/>为热网管道的管线长度；
地震灾害下能源网可能发生大量元件同时故障的恶劣事故，因此，在该故障场景下能源网的故障率模型为：
式中：为所有元件的集合；/>为系统元件数；/>为能源网各元件故障率，可由/>、/>、、/>计算得到；/>为/>的/>阶子集，计算公式为：
其中：，表示状态/>包括的故障设备的数量，当/>时，/>。
在一个可选的实施方式中，收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型，包括：
从灾害预测网页爬取最新数据；
利用关键词提取技术从最新数据中筛选出灾害类型和灾害预测数据；
从模型库中调取与所述灾害类型匹配的预测模型作为目标预测模型。
在一个可选的实施方式中，所述系统还包括：
判断能源网的鲁棒性指标、快速性指标和冗余性指标是否在预设的标准阈值范围内：
若是，则将鲁棒性指标、快速性指标和冗余性指标写入记录日志；
若否，则生成宿舍能源网的报警提示信息。
第三方面，提供一种终端，包括：
处理器、存储器，其中，
该存储器用于存储计算机程序，
该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。
第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
本发明的有益效果在于，本发明提供的基于灾害预测的能源网评估方法、系统、终端及存储介质，综合了台风和地震对整个能源网的稳定性影响，并基于影响对整个能源网进行评估，进而得到能源网在面对不同灾害时的应对能力，为能源网的部署和加固提供了有力的数据支撑。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，对于本领域普通技术人员而言，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是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的系统的示意性框图。
图3为本发明实施例提供的一种终端的结构示意图。
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中的技术方案，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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明实施例提供的基于灾害预测的能源网评估方法由计算机设备执行，相应地，基于灾害预测的能源网评估系统运行于计算机设备中。
图1是本发明一个实施例的方法的示意性流程图。其中，图1执行主体可以为一种基于灾害预测的能源网评估系统。根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
如图1所示，该方法包括：
步骤110，预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率；
步骤120，收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型；
步骤130，将所述灾害预测数据输入所述目标预测模型，得到能源网的故障概率；
步骤140，基于所述故障概率计算能源网的鲁棒性指标、快速性指标和冗余性指标。
为了便于对本发明的理解，下面以本发明基于灾害预测的能源网评估方法的原理，结合实施例中基于灾害预测对能源网进行评估的过程，对本发明提供的基于灾害预测的能源网评估方法做进一步的描述。
具体的，所述基于灾害预测的能源网评估方法包括：
S1、预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率。
（1）台风灾害下故障率预测模型
台风模型可以描述为一个风速在最大风速半径处达到最大，向中心和外圈逐渐减小的圆形模型。台风的行进路径和影响范围可以用改进型Rankine模型描述。假设由于热带气旋边界的环境风场和陆地地形导致的风速降低均不考虑在内。具体模型如式（1）所示：
（1）
式中：为台风在目标地区的风速；/>为调整风速分布参数；/>为距离台风中心的长度；/>为台风最大风速；/>为台风最大风速半径。
实际风速要按照式（2）所示，调整到标准海拔10 m处的轴对称风速进行计算。
（2）
式中：为校正系数。
台风作用下，受端电网的网侧考虑配电线路故障，配电线路故障率与台风风速的关系由脆弱性曲线表示。线路故障率的具体表达式如式（3）所示：
（3）
式中：为台风运行工况下线路故障率；/>为线路研究点风速；/>为线路设计风速，/>为脆弱性曲线系数。
其中，为根据历史数据设置的固定参数，历史数据指电网历史故障数据和对应的台风风速。
（2）地震灾害下故障率计算方法
台风这种极端自然灾害下，整个源网荷储综合能源系统的主要受损元件为电力子系统的配电线路，由于天然气管道和热力管道埋藏在地下，因此台风对其影响相对较小。而地震灾害下，受损元件不但包括配电线路，而且对整个天然气管道和热力管道的危害较大，进而导致源网荷储综合能源系统的电力子系统配电线路、天然气子系统和热力子系统管道的故障率急剧增加。因此，下面将在地震灾害的情况下，研究源网荷储综合能源系统的韧性。地震灾害下，源网荷储综合能源系统配电线路和天然气管道以及热力管道的故障率都将增加，其具体故障率模型如下：
1）电力子系统配电线路故障率模型。
地震灾害下配电线路故障率，如式(4)所示：
（4）
式中：为第/>个杆塔的失效概率；/>为该配电线路杆塔的数量。
2）天然气子系统管道故障率模型。
地震灾害下，天然气子系统的管道故障率主要通过震害率进行分析基于地震
烈度，可得到地震条件下天然气管道的震害率为：
（5）
式中：为地震烈度，表示地震对地表及地表建筑物影响的强弱程度；/>为管径影响系数；Cg为场地土影响系数。
进一步，得地震灾害下天然气管道故障概率为：
（6）
式中：为天然气管道震害率，次/km；/>为天然气管道的管线长度。
3）热力子系统管道故障率模型。
由于传输物质的不同，相比天然气子系统，热网管道的故障率主要基于地震加速度VPG进行分析。地震灾害下热网管道故障概率为：
（7）
式中：为热网管道震害率，次/km；/>为热网管道的管线长度。
4）地震灾害下源网荷储综合能源系统故障率模型。
地震灾害下源网荷储综合能源系统可能发生大量元件同时故障的恶劣事故，因此，在该故障场景下源网荷储综合能源系统故障率模型如下：
（8）
式中：为/>的/>阶子集，可由式(9)得到；/>为所有元件的集合；/>为系统元件数；/>为源网荷储综合能源系统各元件故障率，可由式(4)—(7)计算得到。
（9）
式中：，表示状态/>包括的故障设备的数量。当/>时，/>。
S2、收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型。
从灾害预测网页爬取最新数据；利用关键词提取技术从最新数据中筛选出灾害类型和灾害预测数据；从模型库中调取与所述灾害类型匹配的预测模型作为目标预测模型。
利用爬虫工具从灾害预测网页爬取最新数据，将地震、地震等级、震源、影响范围、台风、台风等级、台风轨迹、影响范围等做完关键词，从爬取的数据中提取相关数据。
S3、将所述灾害预测数据输入所述目标预测模型，得到能源网的故障概率。
将步骤S2中的灾害预测数据输入相应的预测模型，得到能源网相关线路的故障概率。
S4、基于所述故障概率计算能源网的鲁棒性指标、快速性指标和冗余性指标。
源网荷储综合能源系统韧性具有3大属性：鲁棒性、快速性和冗余性。因此，下面分别从鲁棒性、快速性和冗余性3个方面构建源网荷储综合能源系统的韧性评估指标，3个指标并列存在共同量化评估整个源网荷储综合能源系统的韧性。
1）鲁棒性指标
源网荷储综合能源系统的鲁棒性指标越小代表源网荷储综合能源系统的鲁棒性越好，系统抵御极端自然灾害的能力越强。此外，在一段时间内，由于极端自然灾害的影响，源网荷储综合能源系统可能同时发生多个不同类型的故障。因此不同故障发生的频率也是衡量源网荷储综合能源系统韧性的一个方面，通过减小各类故障发生的频率也可以提高源网荷储综合能源系统的整体韧性。所以在鲁棒性指标中增加故障频率指标，来衡量源网荷储综合能源系统的不同故障在单位时间内发生的次数。故障频率指标越小表明该故障发生的概率越小，即系统整体韧性越强。所以，源网荷储综合能源系统鲁棒性指标为：
（10）
式中：为灾害下故障情况/>发生的频率，可由式(11)计算得到；/>为系统的失负荷比例，可由式(12)计算得到。
（11）
（12）
式中：为故障发生的频率，根据马尔科夫方法，系统故障状态/>发生的频率可由系统之前可能状态/>的状态概率/>和元件的故障率/>计算得到；/>为配电线路或管道的故障率。/>、/>、/>为极端自然灾害/>下电力子系统、天然气子系统和热力子系统耦合运行时的失负荷量；/>、/>、/>电力子系统、天然气子系统和热力子系统的总负荷量。
鲁棒性指标计算具体步骤为：
步骤1：输入源网荷储综合能源系统各子系统、自然灾害以及系统故障阶数等预设参数；步骤2：初始化故障集阶数；步骤3：根据式(9)创建/>阶状态集/>。步骤4：从/>选择一个/>阶系统状态/>；步骤5：计算源网荷储电/气/热子系统在故障状态/>时的最优负荷削减量；步骤6：判断若/>中所有状态已被分析，则转到步骤7；否则，返回步骤4；步骤7：判断若/>，则转到步骤8；否则令/>，并返回步骤3；步骤8：根据式(4)—(8)计算源网荷储电/气/热系统各个元件的故障率/>；步骤9：根据式(11)计算系统故障频率指标/>；步骤10：根据式(12)计算系统失负荷比例/>；步骤11：根据式(10)计算系统鲁棒性指标，并输出鲁棒性指标/>。
2）快速性指标
源网荷储综合能源系统的快速性反映了源网荷储综合能源系统从极端自然灾害发生到恢复至初始供能水平的快慢程度。本文的源网荷储综合能源系统快速性指标描述整个源网荷储综合能源系统快速恢复关键供能功能，减小自然灾害带来的停电、停气和停热损失的能力。快速性指标以整个系统从故障发生开始到恢复到正常状态所需的时间来反映，如式(13)所示，快速性指标越小代表整个系统的恢复速度越快，即系统整体韧性越强。
（13）
式中：为极端自然灾害开始到系统恢复到正常状态的时间；/>为系统恢复到正常状态的时间；/>即为极端自然灾害发生的时间
快速性指标计算具体步骤为：
步骤1：输入自然灾害发生时间、系统开始修复时间/>以及系统故障元件总数/>。统计各子系统故障元件总数/>和各子系统元件修复时间/>，/>；步骤2：判断若系统故障元件均来自同一系统，则转到步骤 3；否则转到步骤6；步骤3：初始化故障元件修复顺序/>，系统总修复时间/>；步骤4：根据式/>计算系统总修复时间。步骤5：判断若/>，则转到步骤13；否则令/>，并返回步骤4；步骤6：初始化各子系统总修复时间/>；步骤7：根判断若故障元件来自2个系统，则转到步骤8；否则转到步骤11；步骤8：根据式下式计算故障系统1与2的总修复时间：/>；步骤9：根据下式计算系统1和2修复时间的最大值，并转到步骤13:/>；步骤11：根据下式计算故障系统1、2和3的总修复时间：/>；步骤12：根据下式计算系统1、2和3修复时间的最大值：/>；步骤13：根据下式计算系统总恢复时间/>，并输出系统总恢复时间：/>。
3）冗余性指标
源网荷储综合能源系统的冗余性反映通过增加系统备用元件来增强系统在极端自然灾害下的运行可靠性的一种特性。面对极端自然灾害，源网荷储综合能源系统整体抵御撕裂能力也是源网荷储综合能源系统韧性的重要体现，即源网荷储综合能源系统在极端自然灾害下不发生崩溃、解列，保持正常运行的能力。网络的抗撕裂能力是从网络连通度的角度来描述网络拓扑结构安全性的一个静态指标。因此以自然连通度作为冗余性指标来衡量整个源网荷储综合能源系统在极端自然灾害下的抗毁能力，进而评估整个系统的韧性，具体计算公式如下：
（14）
式中：为系统的节点总数；/>为精确计算的故障状态阶数；/>为系统邻接矩阵的特征根；邻接矩阵/>可由式(15)计算得到：
（15）
式中为系统图/>的支路集合。
对系统处于各阶故障状态下的自然连通度求取平均值，可得到源网荷储综合能源系统冗余性指标为：
（16）
式中：为各阶故障采样总数；/>为系统处于故障状态/>时的自然连通度，以网络中封闭途径的数量来度量网络中替代路径的冗余性。当网络中各节点的备用路径越多，网络的抗撕裂能力越强，整个系统面对极端自然灾害时维持系统可靠运行的能力就越强。
冗余性指标计算具体步骤为：
步骤1：输入系统数据和系统节点总数，设置精确计算的故障状态阶数/>和各阶故障采样总数/>；步骤2：初始化故障集阶数/>、故障编号/>、节点编号/>；步骤3：根据式(9)创建/>阶状态集/>；步骤4：根据式(15)建立系统发生故障/>后的邻接矩阵/>；步骤5：计算系统此时邻接矩阵的特征根/>；步骤6：判断若/>，则转到步骤7；否则令，并返回步骤4；步骤7：根据式(14)计算系统此时的自然连通度/>；步骤8：判断若/>，则转到步骤9；否则令/>，并返回步骤4；步骤9：判断若/>，则转到步骤10；否则令/>，并返回步骤3；步骤10：根据式(16)求取系统处于各阶故障状态下的自然连通度的均值；步骤11：输出系统各阶的自然连通度。
判断能源网的鲁棒性指标、快速性指标和冗余性指标是否在预设的标准阈值范围内：若是，则将鲁棒性指标、快速性指标和冗余性指标写入记录日志；若否，则生成宿舍能源网的报警提示信息。
该基于灾害预测的能源网评估方法的业务应用架构可大体划分为信息感知层、分析决策层、可视化展示层三个层面，对应的信息化技术可概括为智能感知技术、智能决策技术、可视化技术和信息架构技术四个方面：智能感知技术是电网自然灾害预警管理信息感知层的关键实现技术，涵盖各种传感器技术、卫星遥感技术及信息通信技术等；智能决策技术是电网自然灾害预警管理决策分析的主要手段，涵盖多智能体、大数据、数据挖掘与知识发现等技术手段；电网自然灾害耦合系统具有空间范围广、信息层次多、拓扑结构复杂等特征，其可视化呈现过程需要数据可视化技术和空间可视化技术作为支撑；信息架构技术是电网自然灾害预警决策支持系统实现的关键技术。
在一些实施例中，所述基于灾害预测的能源网评估系统可以包括多个由计算机程序段所组成的功能模块。所述基于灾害预测的能源网评估系统中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行（详见图1描述）基于灾害预测的能源网评估的功能。
本实施例中，所述基于灾害预测的能源网评估系统根据其所执行的功能，可以被划分为多个功能模块，如图2所示。系统200的功能模块可以包括：模型构建模块210、模型调用模块220、故障预测模块230和指标评估模块240。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
模型构建模块，用于预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率；
模型调用模块，用于收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型；
故障预测模块，用于将所述灾害预测数据输入所述目标预测模型，得到能源网的故障概率；
指标评估模块，用于基于所述故障概率计算能源网的鲁棒性指标、快速性指标和冗余性指标。
可选地，作为本发明一个实施例，所述模型构建模块包括：
第一构建单元，用于构建台风灾害对应的第一预测模型；
第二构建单元，用于构建地震灾害对应的第二预测模型。
可选地，作为本发明一个实施例，构建台风灾害对应的第一预测模型，包括：
台风的行进路径和影响范围可以用改进型Rankine模型描述，忽略由于热带气旋边界的环境风场和陆地地形导致的风速降低，则台风风速预测模型包括：
式中：为台风在目标地区的风速；/>为调整风速分布参数；/>为距离台风中心的长度；/>为台风最大风速；/>为台风最大风速半径；
实际风速调整到标准海拔10 m处的轴对称风速进行计算：
式中：为校正系数；
台风作用下，受端电网的网侧考虑配电线路故障，配电线路故障率与台风风速的关系由脆弱性曲线表示，线路故障率的具体表达式包括：
式中：为台风运行工况下线路故障率；/>为线路研究点风速；/>为线路设计风速，为脆弱性曲线系数。
可选地，作为本发明一个实施例，构建地震灾害对应的第二预测模型，包括：
地震灾害下配电线路故障率为：
式中：为第/>个杆塔的失效概率；/>为该配电线路杆塔的数量；
地震灾害下，天然气子系统的管道故障率主要通过震害率进行分析基于地震
烈度，可得到地震条件下天然气管道的震害率为：
式中：为地震烈度，表示地震对地表及地表建筑物影响的强弱程度；/>为管径影响系数；/>为场地土影响系数；
地震灾害下天然气管道故障概率为：
式中：为天然气管道震害率，次/km；/>为天然气管道的管线长度；
热网管道的故障率主要基于地震加速度VPG进行分析，地震灾害下热网管道故障概率为：
式中：为热网管道震害率，次/km；/>为热网管道的管线长度；
地震灾害下能源网可能发生大量元件同时故障的恶劣事故，因此，在该故障场景下能源网的故障率模型为：
/>
式中：为所有元件的集合；/>为系统元件数；/>为能源网各元件故障率，可由/>、/>、、/>计算得到；/>为/>的/>阶子集，计算公式为：
其中：，表示状态/>包括的故障设备的数量，当/>时，/>。
可选地，作为本发明一个实施例，收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型，包括：
从灾害预测网页爬取最新数据；
利用关键词提取技术从最新数据中筛选出灾害类型和灾害预测数据；
从模型库中调取与所述灾害类型匹配的预测模型作为目标预测模型。
可选地，作为本发明一个实施例，所述系统还包括：
判断能源网的鲁棒性指标、快速性指标和冗余性指标是否在预设的标准阈值范围内：
若是，则将鲁棒性指标、快速性指标和冗余性指标写入记录日志；
若否，则生成宿舍能源网的报警提示信息。
图3为本发明实施例提供的一种终端300的结构示意图，该终端300可以用于执行本发明实施例提供的基于灾害预测的能源网评估方法。
其中，该终端300可以包括：处理器310、存储器320及通信模块330。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的服务器的结构并不构成对本发明的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
其中，该存储器320可以用于存储处理器310的执行指令，存储器320可以由任何类型的易失性或非易失性存储终端或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。当存储器320中的执行指令由处理器310执行时，使得终端300能够执行以下上述方法实施例中的部分或全部步骤。
处理器310为存储终端的控制中心，利用各种接口和线路连接整个电子终端的各个部分，通过运行或执行存储在存储器320内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit，简称IC) 组成，例如可以由单颗封装的IC 所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器310可以仅包括中央处理器(Central Processing Unit，简称CPU)。在本发明实施方式中，CPU可以是单运算核心，也可以包括多运算核心。
通信模块330，用于建立通信信道，从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体（英文：read-only memory，简称：ROM）或随机存储记忆体（英文：random access memory，简称：RAM）等。
因此，本发明综合了台风和地震对整个能源网的稳定性影响，并基于影响对整个能源网进行评估，进而得到能源网在面对不同灾害时的应对能力，为能源网的部署和加固提供了有力的数据支撑，本实施例所能达到的技术效果可以参见上文中的描述，此处不再赘述。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中如U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质，包括若干指令用以使得一台计算机终端（可以是个人计算机，服务器，或者第二终端、网络终端等）执行本发明各个实施例所述方法的全部或部分步骤。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于终端实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于灾害预测的能源网评估方法，其特征在于，包括：
预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率；
收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型；
将所述灾害预测数据输入所述目标预测模型，得到能源网的故障概率；
基于所述故障概率计算能源网的鲁棒性指标、快速性指标和冗余性指标。
2.根据权利要求1所述的方法，其特征在于，预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率，包括：
构建台风灾害对应的第一预测模型；
构建地震灾害对应的第二预测模型。
3.根据权利要求2所述的方法，其特征在于，构建台风灾害对应的第一预测模型，包括：
台风的行进路径和影响范围可以用改进型Rankine模型描述，忽略由于热带气旋边界的环境风场和陆地地形导致的风速降低，则台风风速预测模型包括：
式中：为台风在目标地区的风速；/>为调整风速分布参数；/>为距离台风中心的长度；/>为台风最大风速；/>为台风最大风速半径；
实际风速调整到标准海拔10 m处的轴对称风速进行计算：
式中：为校正系数；
台风作用下，受端电网的网侧考虑配电线路故障，配电线路故障率与台风风速的关系由脆弱性曲线表示，线路故障率的具体表达式包括：
式中：为台风运行工况下线路故障率；/>为线路研究点风速；/>为线路设计风速，/>为脆弱性曲线系数。
4.根据权利要求2所述的方法，其特征在于，构建地震灾害对应的第二预测模型，包括：
地震灾害下配电线路故障率为：
式中：为第/>个杆塔的失效概率；/>为该配电线路杆塔的数量；
地震灾害下，天然气子系统的管道故障率主要通过震害率进行分析基于地震
烈度，可得到地震条件下天然气管道的震害率为：
式中：为地震烈度，表示地震对地表及地表建筑物影响的强弱程度；/>为管径影响系数；Cg为场地土影响系数；
地震灾害下天然气管道故障概率为：
式中：为天然气管道震害率，次/km；/>为天然气管道的管线长度；
热网管道的故障率主要基于地震加速度VPG进行分析，地震灾害下热网管道故障概率为：
式中：为热网管道震害率，次/km；/>为热网管道的管线长度；
地震灾害下能源网可能发生大量元件同时故障的恶劣事故，因此，在该故障场景下能源网的故障率模型为：
式中： 为所有元件的集合；/>为系统元件数；/>为能源网各元件故障率，可由/>、/>、/>、计算得到；/>为/>的/>阶子集，计算公式为：
其中：，表示状态/>包括的故障设备的数量，当/>时，/>。
5.根据权利要求1所述的方法，其特征在于，收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型，包括：
从灾害预测网页爬取最新数据；
利用关键词提取技术从最新数据中筛选出灾害类型和灾害预测数据；
从模型库中调取与所述灾害类型匹配的预测模型作为目标预测模型。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
判断能源网的鲁棒性指标、快速性指标和冗余性指标是否在预设的标准阈值范围内：
若是，则将鲁棒性指标、快速性指标和冗余性指标写入记录日志；
若否，则生成宿舍能源网的报警提示信息。
7.一种基于灾害预测的能源网评估系统，其特征在于，包括：
模型构建模块，用于预先构建多种灾害类型对应的预测模型并将预测模型保存至模型库，预测模型用于预测能源网在灾害场景中的故障概率；
模型调用模块，用于收集灾害预测数据，基于灾害预测数据所属的灾害类型从所述模型库调用匹配的目标预测模型；
故障预测模块，用于将所述灾害预测数据输入所述目标预测模型，得到能源网的故障概率；
指标评估模块，用于基于所述故障概率计算能源网的鲁棒性指标、快速性指标和冗余性指标。
8.根据权利要求7所述的系统，其特征在于，所述模型构建模块包括：
第一构建单元，用于构建台风灾害对应的第一预测模型；
第二构建单元，用于构建地震灾害对应的第二预测模型。
9.一种终端，其特征在于，包括：
存储器，用于存储基于灾害预测的能源网评估程序；
处理器，用于执行所述基于灾害预测的能源网评估程序时实现如权利要求1-6任一项所述基于灾害预测的能源网评估方法的步骤。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述可读存储介质上存储有基于灾害预测的能源网评估程序，所述基于灾害预测的能源网评估程序被处理器执行时实现如权利要求1-6任一项所述基于灾害预测的能源网评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410155674.2A CN117688475A (zh) | 2024-02-04 | 2024-02-04 | 基于灾害预测的能源网评估方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410155674.2A CN117688475A (zh) | 2024-02-04 | 2024-02-04 | 基于灾害预测的能源网评估方法、系统、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117688475A true CN117688475A (zh) | 2024-03-12 |
Family
ID=90128696
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410155674.2A Pending CN117688475A (zh) | 2024-02-04 | 2024-02-04 | 基于灾害预测的能源网评估方法、系统、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117688475A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101668077B1 (ko) * | 2015-04-24 | 2016-10-28 | 국방과학연구소 | 재난대응 시뮬레이션 시스템 및 그 방법 |
| CN112365100A (zh) * | 2020-12-08 | 2021-02-12 | 国网四川省电力公司内江供电公司 | 基于灾害风险综合评估的电网灾害预警及应对方法 |
| CN113313342A (zh) * | 2021-04-08 | 2021-08-27 | 云南电网有限责任公司西双版纳供电局 | 多种自然灾害引发电网设备故障概率分析方法和系统 |
| CN113609721A (zh) * | 2021-07-13 | 2021-11-05 | 天津大学 | 多类型极端灾害电气互联系统韧性计算方法及装置 |
| CN113962461A (zh) * | 2021-10-22 | 2022-01-21 | 国网辽宁省电力有限公司抚顺供电公司 | 一种基于环境数据预测的配电网韧性提升策略 |
| KR20220036608A (ko) * | 2020-09-16 | 2022-03-23 | 한국전력공사 | 지진 조기 경보 기반 전력 설비 기능 정지 예측 시스템 및 방법 |
| CN115130378A (zh) * | 2022-06-24 | 2022-09-30 | 国网江苏省电力有限公司南京供电分公司 | 一种台风灾害下基于蒙特卡洛算法的配电网韧性评估方法 |
| KR20220137202A (ko) * | 2021-04-01 | 2022-10-12 | 한국건설기술연구원 | 자산관리를 이용한 상수관망의 지진피해 평가 시스템 및 그 방법 |
| CN115276051A (zh) * | 2022-07-22 | 2022-11-01 | 国网天津市电力公司 | 考虑新能源和储能响应特性的受端城市电网弹性评估方法 |
| CN115423268A (zh) * | 2022-08-12 | 2022-12-02 | 中国电力科学研究院有限公司 | 一种针对输电线路的台风灾害风险评估方法及装置 |
-
2024
- 2024-02-04 CN CN202410155674.2A patent/CN117688475A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101668077B1 (ko) * | 2015-04-24 | 2016-10-28 | 국방과학연구소 | 재난대응 시뮬레이션 시스템 및 그 방법 |
| KR20220036608A (ko) * | 2020-09-16 | 2022-03-23 | 한국전력공사 | 지진 조기 경보 기반 전력 설비 기능 정지 예측 시스템 및 방법 |
| CN112365100A (zh) * | 2020-12-08 | 2021-02-12 | 国网四川省电力公司内江供电公司 | 基于灾害风险综合评估的电网灾害预警及应对方法 |
| KR20220137202A (ko) * | 2021-04-01 | 2022-10-12 | 한국건설기술연구원 | 자산관리를 이용한 상수관망의 지진피해 평가 시스템 및 그 방법 |
| CN113313342A (zh) * | 2021-04-08 | 2021-08-27 | 云南电网有限责任公司西双版纳供电局 | 多种自然灾害引发电网设备故障概率分析方法和系统 |
| CN113609721A (zh) * | 2021-07-13 | 2021-11-05 | 天津大学 | 多类型极端灾害电气互联系统韧性计算方法及装置 |
| CN113962461A (zh) * | 2021-10-22 | 2022-01-21 | 国网辽宁省电力有限公司抚顺供电公司 | 一种基于环境数据预测的配电网韧性提升策略 |
| CN115130378A (zh) * | 2022-06-24 | 2022-09-30 | 国网江苏省电力有限公司南京供电分公司 | 一种台风灾害下基于蒙特卡洛算法的配电网韧性评估方法 |
| CN115276051A (zh) * | 2022-07-22 | 2022-11-01 | 国网天津市电力公司 | 考虑新能源和储能响应特性的受端城市电网弹性评估方法 |
| CN115423268A (zh) * | 2022-08-12 | 2022-12-02 | 中国电力科学研究院有限公司 | 一种针对输电线路的台风灾害风险评估方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 李家钰: "极端灾害下考虑连锁故障的电力系统弹性评估研究", 万方学位论文, 23 December 2022 (2022-12-23), pages 1 - 77 * |
| 李雅晶: "极端天气事件下电力系统调度及其弹性提升的研究", 中国优秀硕士学位论文全文数据库, 15 February 2021 (2021-02-15), pages 042 - 1763 * |
| 李雪等: "地震灾害下海岛综合能源系统韧性评估方法研究", 中国电机工程学报, vol. 40, no. 17, 31 October 2010 (2010-10-31), pages 5476 - 5492 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | A comparative study of network robustness measures | |
| Cavalieri et al. | Models for seismic vulnerability analysis of power networks: comparative assessment | |
| CN108494810A (zh) | 面向攻击的网络安全态势预测方法、装置及系统 | |
| Kong et al. | Probabilistic multiple hazard resilience model of an interdependent infrastructure system | |
| Applegate et al. | Framework for probabilistic vulnerability analysis of interdependent infrastructure systems | |
| CN109564609A (zh) | 利用先进计算机决策平台的计算机攻击的检测缓和与矫正 | |
| CN106327033A (zh) | 一种基于马尔可夫过程的电力系统连锁故障解析方法 | |
| CN112347716B (zh) | 基于q学习的电网脆弱点检测方法、系统、设备及介质 | |
| CN113783874A (zh) | 基于安全知识图谱的网络安全态势评估方法及系统 | |
| Liu et al. | Research on a seismic connectivity reliability model of power systems based on the quasi-Monte Carlo method | |
| Samui et al. | Determination of liquefaction susceptibility of soil: a least square support vector machine approach | |
| Marino et al. | A framework for the resilience analysis of complex natural gas pipeline networks from a cyber-physical system perspective | |
| Hasanzad et al. | Application of optimal hardening for improving resilience of integrated power and natural gas system in case of earthquake | |
| Oostenbrink et al. | Computing the impact of disasters on networks | |
| CN104142628B (zh) | 空间辐射环境可靠性指标的设计方法 | |
| Johnson et al. | Feasibility study of PRA for critical infrastructure risk analysis | |
| Lewis et al. | Model-based risk analysis for critical infrastructures | |
| CN116346638B (zh) | 基于电网功率及告警信息交互验证的数据篡改推断方法 | |
| CN117688475A (zh) | 基于灾害预测的能源网评估方法、系统、终端及存储介质 | |
| CN115801549B (zh) | 基于关键节点识别的自适应网络恢复方法、装置及设备 | |
| Jin et al. | Maximum flow-based resilience analysis: From component to system | |
| Li et al. | Topology-based resilience metrics for seismic performance evaluation and recovery analysis of water distribution systems | |
| Evgeny et al. | Estimating the sustainability of cyber-physical systems based on spectral graph theory | |
| CN115980585A (zh) | 电池故障的检测方法、装置、计算机设备和存储介质 | |
| CN115601013A (zh) | 核反应堆故障判定方法、装置、设备、存储介质和产品 |
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 |