CN108764634A - 一种考虑充电需求增长的电动汽车充电站动态规划方法 - Google Patents
一种考虑充电需求增长的电动汽车充电站动态规划方法 Download PDFInfo
- Publication number
- CN108764634A CN108764634A CN201810374537.2A CN201810374537A CN108764634A CN 108764634 A CN108764634 A CN 108764634A CN 201810374537 A CN201810374537 A CN 201810374537A CN 108764634 A CN108764634 A CN 108764634A
- Authority
- CN
- China
- Prior art keywords
- charging station
- electric vehicle
- charger
- charge requirement
- newly
- 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
- 238000007600 charging Methods 0.000 title claims abstract description 310
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000003068 static effect Effects 0.000 claims abstract description 24
- 239000002245 particle Substances 0.000 claims description 27
- 230000005611 electricity Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 7
- 230000035699 permeability Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011160 research 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
- 206010057855 Hypotelorism of orbit Diseases 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000011218 segmentation Effects 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种考虑充电需求增长的电动汽车充电站动态规划方法,首先引入不考虑电动汽车保有量改变的充电站静态规划方法,采用自适应粒子群算法,得到电动汽车高保有量情景下N max座充电站的规划方案;然后在动态规划初期,以N max座充电站作为候选站址,选择性的新建充电站以满足用户充电需求并使充电站投资成本最小,随着电动汽车保有量以及充电需求的增长,按一定周期,对已有充电站扩容或在已有充电站基础上在剩下的候选站中选择性新建充电站。研究结果表明,本发明方法能够随着电动汽车保有量的改变满足不同时刻的充电需求。本发明提出的方法不仅考虑了电动汽车保有量的增加,而且优于在传统静态规划模型基础上不断更新规划。
Description
技术领域
本发明涉及一种考虑充电需求增长的电动汽车充电站动态规划方法,属于电动汽车充电站规划技术领域。
背景技术
随着能源短缺和环境污染问题的日益凸显,电动汽车凭借其零尾气排放、低噪声污染等良好的环保效益和社会效益得到了广泛关注。法国、荷兰、德国等国家已提出停止销售燃油车计划,我国也已启动传统燃油车的退出时间表研究。充电基础设施的合理规划与建设是大规模推广电动汽车的重要保障,是当前加快电动汽车推广的紧迫任务。
目前,国内外众多学者从多种角度对电动汽车充电基础设施的规划问题进行了研究,其规划思路主要分为三大类:仅计及交通网因素、仅计及配电网因素与综合考虑交通网与配电网的规划。
电动汽车充电站规划相关文献多数是从多种角度、均衡各方利益给出一个最优规划方案,忽视了电动汽车保有量的增加对充电站规划的影响。充电基础设施的可到达性与便利性是电动汽车大规模推广的基础,然而,为了推广电动汽车而过于超前建设充电站将导致一系列问题:建设充电站需投入大量资金,然而现有电动汽车保有水平较低的现实背景下,在短期内难以收回成本,回报率低,对投资方吸引力不足;另一方面,当前电动汽车电池技术、充电技术等还不成熟,充电基础设施标准规范体系尚不完善,成熟商业模式尚未形成,在此阶段,充电站的过度规划将导致充电站闲置、折旧费用与运维费用高昂,更重要的是不利于未来新型充电设施的投入使用以及已有充电设施的升级更新。因此,不宜过度建设充电站,而应保持与当前电动汽车保有量相适应的适度超前建设。
随着电动汽车产业的成熟,电动汽车保有量将急剧增加,后期充电站大规模扩充与新建成本将远大于初期充电站建设投资成本。同时,考虑到充电技术尚不成熟、更新换代较快的特点,延缓充电站建设将有利于未来充电站的升级与新建。因此,随着电动汽车保有量增加,不断扩建或新建充电站的考虑充电需求增长的电动汽车充电站动态规划方法,才能够随着电动汽车保有量的改变满足不同时刻的充电需求。
发明内容
本发明所要解决的技术问题是:提供一种考虑充电需求增长的电动汽车充电站动态规划方法,充分考虑了电动汽车保有量的增加对充电站的影响,能够随着电动汽车保有量的改变满足不同时刻的充电需求。
本发明为解决上述技术问题采用以下技术方案:
一种考虑充电需求增长的电动汽车充电站动态规划方法,包括如下步骤:
步骤1,获取规划区域内电动汽车及用户的相关信息,包括:电动汽车平均容量、电动汽车平均百公里电耗、电动汽车平均日行驶里程、各充电需求点电动汽车数量、电动汽车初始渗透率、充电站平均日工作时间、快速充电机功率、电动汽车年增长率、规划区域居民平均收入、电动汽车平均速度、电价、电动汽车单位电量可行驶里程、充电站最大服务范围、充电站最大排队长;
步骤2,令总规划年限为nmax,构建未考虑电动汽车动态保有情况的充电站静态规划模型,采用自适应粒子群优化算法求解得到第nmax年充电站规划数量Nmax及各充电站的选址信息,同时计算得到各充电站的定容信息,并记录为其中,表示充电站i的选址与定容信息,i=1,…,Nmax;
步骤3,根据电动汽车增长率预测第1至nmax年规划区域内各充电需求点电动汽车保有量,基于第nmax年的静态规划结果{R}及电动汽车保有量情况,进行动态规划;对于第1年规划,将Nmax座充电站作为候选充电站,计算得到当前最少要建设Nmin座充电站;首先取N=Nmin,在Nmax座充电站中选择N座充电站共有种组合方案,再对所有方案进行定容,对种方案,从总成本最小的方案开始,判断其是否满足约束条件,若满足则确定为第1年规划方案;若都不满足约束条件,则令N=N+1,重复上述操作,直至得到最优可行解;
步骤4,令第K-1年动态规划后得到的充电站规划数量为Nold,充电站i配置充电机数量为i=1,…,Nold,K≥2;对于第K年规划,首先判断是否需要新建充电站,若当前充电站能够满足需求,则仅需对当前充电站进行扩容,否则需在候选充电站中选择新建充电站,其中,在候选充电站中选择新建充电站的具体方法如下:在Nav座候选充电站中选择Nnew座充电站作为新建充电站,Nav=Nmax-Nold,共有种组合方案,对每个方案进行定容,根据定容结果和已知的选址信息,计算种方案的目标函数,从目标函数值最小的方案开始,判断其是否满足约束条件,若满足则确定为第K年规划方案;若都不满足约束条件,则令Nnew=Nnew+1,重复上述操作,直至得到最优可行解;在第K年规划完成后,更新Nold值、已有充电站相关成本C′old值以及规划区域电动汽车保有量情况,等待进行下一次规划。
作为本发明的一种优选方案,步骤2所述充电站静态规划模型以充电站固定投资成本C1、充电站建设成本C2、充电站年租金成本C3、充电途中损耗成本C4之和最小为目标函数,具体如下:
minC=C1+C2+C3+C4
C1=NCfix
s.t.Dij≥D,i≠j
Xi>0
Ncmin≤Nci≤Ncmax
其中,N为充电站规划数量,Cfix为建设单座充电站所需固定投资成本,Nci为充电站i配置充电机数量,Pc为单个充电机容量,w为充电机单位容量建设成本,tm表示12个月,ri为充电站i所在站址月租金,Sc为单个充电机占地面积,ty表示365天,Xi为充电站i所服务的充电需求点数,dik为充电需求点k到充电站i的距离,qk为充电需求点k代表的电动汽车数量,p为电价,g为电动汽车单位电量可行驶里程,f为居民平均收入,v为电动汽车平均速度,Dij为充电站i与充电站j的距离,D为充电站最大服务范围,i=1,…,N,j=1,…,N,Ncmax、Ncmin分别为充电站配置充电机数量上、下限。
作为本发明的一种优选方案,步骤3所述Nmin的计算公式如下:
其中,Nmin表示第1年规划最少要建设Nmin座充电站,S为规划区域总负荷需求,Ncmax为充电站配置充电机数量上限,Pc为单个充电机容量,t为充电站平均日工作时间,NEV为规划区域电动汽车数量,c为平均充电率,PEV为电动汽车平均容量,α为电动汽车平均充电功率占电池容量的百分比,η1为同时率,η2为充电效率。
作为本发明的一种优选方案,步骤4所述判断是否需要新建充电站的具体方法为:采用排队论确定在当前充电需求下,已有充电站所需的充电机数量,从而得到已有充电站需要新增的充电机数量,若已有充电站新增充电机后,得到的充电机总数超过充电站配置充电机数量上限,说明当前已有充电站的数量与选址无法满足当前充电需求,需要在候选充电站中选择新建充电站。
作为本发明的一种优选方案,步骤4所述目标函数具体如下:
C′=C′old+C′1+C′2+C′3+C′4+C′5+C′6
C′1=NnewCfix
其中,C′表示目标函数,C′old表示已有充电站相关成本,C′1为新建充电站固定投资成本,Nnew为新建充电站数,Cfix为建设单座充电站所需固定投资成本,C′2为已有充电站新增充电机与新建充电站充电机建设成本,Nold为已有充电站数,为已有充电站i新增的充电机数,Nci为充电站i配置充电机数,Pc为单个充电机容量,w为充电机单位容量建设成本,C′3为充电站年租金成本,tm表示12个月,ri为充电站i所在站址月租金,Sc为单个充电机占地面积,C′4为用户充电途中损耗成本,NK=Nold+Nnew,ty表示365天,Xi为充电站i所服务的充电需求点数,dik为充电需求点k到充电站i的距离,qk为充电需求点k代表的电动汽车数量,p为电价,g为电动汽车单位电量可行驶里程,f为居民平均收入,v为电动汽车平均速度,C′5和C′6为惩罚函数,β1和β2为惩罚系数,Dij为充电站i与充电站j的距离,D为充电站最大服务范围,Ncmax为充电站配置充电机数量上限。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明针对现有电动汽车充电站规划研究大多忽视了电动汽车保有量的增加对充电站的影响,提供了一种考虑电动汽车高保有量时规划经济性的充电站动态规划方法,能够随着电动汽车保有量的改变满足不同时刻的充电需求。
2、目前,电动汽车充电站规划的相关研究多数是从多种角度、均衡各方利益给出一个最优规划方案,忽视了电动汽车保有量的增加对充电站规划的影响,本发明提出的方法不仅考虑了电动汽车保有量的增加,而且优于在传统静态规划模型基础上不断更新规划。
附图说明
图1是本发明选址与定容的关系图。
图2是本发明选择新建充电站流程图。
图3是本发明实施例规划区域充电需求点分布图。
图4是本发明实施例充电站静态规划选址结果。
图5是本发明实施例充电站第1至nmax年动态规划选址结果。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
1、静态规划模型
充电站静态规划是动态规划的基础。相对于动态规划,充电站静态规划是指仅根据固定的充电需求及分布等情况,没有考虑电动汽车动态保有情况的一种规划方法。
1.1静态规划模型目标函数
用户往往选择前往距离最近的充电站进行充电,基于此,本模型在选址时采用Voronoi图划分充电站服务区域,根据服务区域内汽车数量、电动汽车渗透率、平均充电率等确定负荷需求,基于排队理论确定充电站容量从而进一步明确投资成本,最后得到一个选址定容相结合的目标函数,将多目标问题转换为单目标问题。
该模型以充电站固定投资成本C1、充电机建设成本C2、充电站租金成本C3、充电途中损耗成本C4之和为目标函数评估该规划方案,约束条件有相邻充电站距离约束、充电站逻辑约束、充电站容量约束等。具体静态规划模型描述如下:
minC=C1+C2+C3+C4 (1)
C1=NCfix (2)
s.t.Dij≥D,i≠j (6)
Xi>0 (7)
Ncmin≤Nci≤Ncmax (8)
式中:式(1)表示最小化目标函数;式(2)表示充电站固定投资成本,N为充电站规划数量,Cfix为建设单个充电站所需固定投资成本;式(3)表示充电机建设成本,Nci为充电站i配置充电机数量,Pc为单个充电机容量,w为充电机单位容量建设成本;式(4)表示充电站年租金成本,tm指一年12个月,ri为充电站i所在站址月租金,Sc为单个充电机占地面积;式(5)表示用户充电途中损耗成本,ty指一年365天,Xi为充电站i所服务充电需求点数,dik为充电需求点k到相应充电站i的距离,qk为充电需求点k代表的电动汽车数量,与电动汽车增长率有关,第n年电动汽车数为可由公式(9)表示,p为电价,g为电动汽车单位电量可行驶里程,f为居民平均收入,v为电动汽车平均速度;式(6)为相邻充电站距离约束,Dij为充电站i与充电站j的距离,D为充电站最大服务范围;式(7)为充电站逻辑约束;式(8)为充电站容量约束,Ncmax与Ncmin为充电站配置充电机数量上下限。
式中:为第1年充电需求点k电动汽车数,γ为电动汽车年增长率。
相邻充电站距离约束避免了相邻充电站距离过近的问题;服务强度约束和排队长约束为充电站定容时的约束条件,充电站定容原则为在保证充电站满足用户需求且有良好的用户体验的同时最小化投资成本,即最小化充电机数量,其中用户体验由Lq体现;充电站逻辑约束确保每座充电站都有服务的需求点;充电站容量约束限制了充电站规模,即充电站配置充电机数量应在合理范围之内。
1.2静态规划模型求解算法
本方法采用自适应粒子群优化算法对该模型进行求解:首先根据距离约束生成若干个可行解,基于选址结果,采用Voronoi图划分充电站服务区域,从而确定了各个充电站服务区域内电动汽车数量,再采用排队论对充电站定容,基于选址与定容结果,判断其是否满足约束条件并计算适应度值,基于适应度值大小更新粒子位置与速度,从而进行迭代寻优。本发明按公式(10)将目标函数转换为适应度函数以使适应度值最大为目标。
静态规划模型在求解中,充电站的选址与定容相互影响,其耦合关系如图1所示。充电站的选址决定其容量,充电站容量又是适应度函数的重要组成部分,反过来影响了算法的迭代寻优求解。
算法求解该模型基本流程如下:
(1)输入算例相关数据。
(2)输入算法相关参数:粒子规模popmax,最大迭代次数itermax,粒子速度上下限vmax与vmin等。
(3)随机生成popmax个粒子的初始位置。
(4)初始化迭代次数iter=0,粒子数pop=0。
(5)iter=iter+1,开始迭代:
(6)pop=pop+1,评价所有粒子:
判断该粒子是否满足约束条件并计算适应度值:
a)检查当前解是否满足距离约束。不满足距离约束时,若iter=1,则重新生成该粒子初始位置,转入步骤a);若iter>1,则引入惩罚函数从而实现在迭代中舍去该粒子:
式中:β1为惩罚系数,取值很大。
b)采用Voronoi图划分服务范围,确定各充电站所服务区域内电动汽车数量,并计算充电需求。
c)采用排队论确定各充电站容量,定容原则为充电站排队长小于最大排队长且使充电机数量最小。
d)检查当前解是否满足充电站容量约束。不满足充电站容量约束时,若iter=1,则重新生成该粒子初始位置,转入步骤a);若iter>1,则引入惩罚函数从而实现在迭代中舍去该粒子:
式中:β2为惩罚系数,取值很大。
e)评价每一个粒子,计算适应度值。
f)若l<popmax,则转入步骤(6),继续评价下一个粒子,l表示第l个粒子。
(7)若iter=1,则初始化粒子群个体极值点与全局极值点,个体极值点即为当前粒子群全体,全局极值点为当前粒子群中最优粒子;若iter>1,则更新个体极值点与全局极值点,若当前粒子优于个体极值点则将当前粒子置为个体极值点,若当前全体最优粒子优于全局极值点则将该粒子置为全局极值点。
(8)更新粒子速度与位置:
式中:为第iter+1次迭代时粒子的速度;d为维数;ω为惯性权重;c1和c2为学习因子;r1和r2是分布于[0,1]区间的随机数。
(9)更新各粒子惯性权重ω:
式中:ωmax、ωmin为惯性因子ω的最大值和最小值;fa为粒子的适应度值;favg为这一代粒子全体的平均适应度值;fmax为全局极值。
(10)检查是否达到最大迭代次数限制,若iter<itermax,则转入步骤(5),开始下一次迭代;否则迭代结束,全局极值点即为所求最优解。
记总规划年限为nmax,由电动汽车增长率可得第nmax年时电动汽车高保有量情景,采用静态规划模型可得此时Nmax座充电站的选址结果,记为其中记录了充电站i的选址信息,动态规划时,每规划一次,中的充电站容量都有可能增加。
2、充电站具体定容过程如下:充电站属于标准的M/M/c排队***模型,到达充电站充电的电动汽车数量随时间变化的规律一般服从参数为λi的泊松分布,λi为电动汽车的平均到达率,具体可由公式(16)计算得到;电动汽车接受服务的时间服从参数为μ的负指数分布,μ为***服务率即单台充电机服务率,可由公式(17)计算得到;记充电站配置充电机数量为Nci,则充电站i的服务强度为ρi=λi/Nciμ,***中平均排队长如公式(18)所示,其中P0i为充电站i内无电动汽车接受服务的概率,可由式(19)计算得到。本发明充电站配置充电机数量由服务强度与充电站最大排队长Lqlim确定,选取满足约束条件(20)-(21)的最小充电机数量为定容结果。式(20)为充电站服务强度约束,式(21)为充电站最大排队长约束。
ρi<1 (20)
Lqi≤Lqlim (21)
式中:k1为电动汽车平均百公里电耗;k2为电动汽车平均日行驶里程;ηEV为选择快速充电模式的电动汽车所占比例;NEV i为第i个充电站服务范围内所有充电需求点的电动汽车保有量,NEV i=∑qk;t为充电站平均日工作时间;Tf为电动汽车进行快速充电的平均时间,Tin/out为电动汽车进站与出站的固定时间;Lqi为充电站i的平均排队长,Lqlim为充电站最大排队长。
3、考虑充电需求增长的电动汽车充电站动态规划方法
该模型首先由静态规划模型确定第nmax年时Nmax座充电站的规划方案,以保证动态规划在高保有量情景下规划的可行性。在第1年第1次规划时,将Nmax座充电站作为候选充电站,根据公式(22)-(23)可得此时最少建设Nmin座充电站。首先取N=Nmin,在Nmax座候选充电站中选择N座充电站则共有种组合方案,再对所有方案进行定容,取m种方案中总成本最小的方案,判断其是否满足约束条件,若满足则确定为此次规划方案,并将规划结果记为{Q};若不满足则判断其他方案是否满足约束,否则令N=N+1,重复上述操作直到得到最优可行解。
式中:S为规划区域总负荷需求,可由公式(23)得到;t为充电站平均日工作时间;NEV为规划区域电动汽车数量;c为平均充电率;PEV为电动汽车平均容量;α为电动汽车平均充电功率占电池容量的百分比;η1为同时率;η2为充电效率。
记第K-1(K≥2)次规划时充电站数量为Nold,充电站i配置充电机数为i=1,2,…,Nold。第K次规划时首先判断是否需要新建充电站,若当前充电站能够满足需求,则仅需对充电站进行扩容,采用排队论确定在当前充电需求下,充电站所需充电机数量,从而得到新增充电机数量(即扩容)。若存在充电站所配置充电机数量超过充电机数量上限,说明当前充电站的数量与选址无法满足充电需求,需在候选充电站中选择新建充电站,新建充电站规划流程如图2所示。在Nav(Nav=Nmax-Nold)座候选充电站中选择Nnew座充电站共有种组合方案。对每一个方案定容时,需分为两部分:一是对已有充电站的扩容,即确定充电站i(i=1,2,…,Nold)新增的充电机数量二是对新建充电站的定容。在选址与定容全部完成后,计算各方案的目标函数,具体数学表达式可见公式(24)-(30)。取m种方案中目标函数值C′最小的方案,判断其是否满足约束条件,若满足则输出第K次规划结果,规划结果记为{Q}。
C′=C′old+C′1+C′2+C′3+C′4+C′5+C′6 (24)
C′1=NnewCfix (25)
式中:C′old为一个已知常数,包含了已有充电站相关成本;C′1为新增充电站固定投资成本,Nnew为新增充电站数;C′2为已有充电站新增充电机与新建充电站充电机建设成本,为已有充电站i新增的充电机数,Nci为充电站i配置充电机数;C′3为充电站年租金成本;C′4为用户充电途中损耗成本,Nk为第K次规划时总充电站数,Nk=Nold+Nnew,Xi为充电站i所服务充电需求点数;C′5和C′6为惩罚函数,β1和β2为惩罚系数,取值很大,不满足充电站距离约束与充电站容量约束的组合方案的目标函数值将很大。因此,判断C′最小的方案是否满足约束条件即可确定此时是否有解。
若m种候选站址组合方案均不满足约束条件,则说明此时新建Nnew座充电站不能满足充电需求,需增加充电站新建数:Nnew=Nnew+1,重复上述操作评价种候选站址组合方案,直到存在最优可行解。第K次规划完毕后,更新Nold、C′old等相关参数以及规划区域电动汽车状态,等待进行下一次规划。
4、实施例:
本发明实施例以文献《考虑车流信息与配电网络容量约束的充电站规划》算例中规划区域为基础,将交通节点视为充电需求点,规划区域及需求点分布见图3。出于本发明研究需要,将各充电需求点汽车保有量按比例减小以生成一个汽车保有量较低的初始情景,各充电需求点初始汽车数见表1。各充电需求点初始充电需求数可由公式(31)得到,根据电动汽车增长率λ每年更新电动汽车保有量情况,第n年各充电需求点电动汽车充电需求数可由公式(32)得到。
式中:为充电需求点k的初始汽车数,为第k个充电需求点的初始电动汽车数量,c为平均充电率,p为电动汽车初始渗透率;为第n年充电需求点k电动汽车数,γ为电动汽车年增长率。
表1充电需求点初始汽车数
取电动汽车年增长率γ为35%,平均充电率c为0.2,电动汽车初始渗透率p为0.05,充电站配置充电机数上下限Ncmax和Ncmin分别为30台和2台,充电机功率Pc为96kW,电动汽车平均充电功率占电池容量的百分比α为0.7,同时率η1为0.8~0.9,充电效率η2为0.9。绝大多数用户都会选择在5:30-23:30充电,充电站平均日工作时间t取18h。充电站固定投资成本Cfix为240万元/座,单个充电机占地面积Sc为25m2,充电站租金r根据区域分为三个等级,电价p为0.54元/kWh,电动汽车单位电量可行驶里程g为2.4km/kWh,居民平均收入f为20元/h,电动汽车平均速度v为50km/h,充电站最大服务范围D为1.5km,最大排队长Lqlim为10辆。
由公式(32)可得第8年时电动汽车保有情况,对第8年情景下充电站进行静态规划,限于规划区域面积以及相邻充电站距离约束,此时电动汽车保有量过高,规划无解。而第7年时电动汽车保有量也已处于较高水平,能够代表性的反映电动汽车高保有量情景下充电站规划是否合理,因此,本发明取总规划年限nmax=7,求解静态规划模型可得Nmax=9。
第7年时静态规划结果如图4及表2所示,图4已根据Voronoi图划分充电站服务区域。表2中服务强度ρ与平均排队长Lq体现了充电站的繁忙程度。从表2可以看出,充电站容量与服务电动汽车数呈正相关。
表2充电站静态规划结果
i | 选址/km | Nci | ρi | Lqi | NEVi |
1 | (3.4543,5.4141) | 29 | 0.9291 | 7.9377 | 970 |
2 | (7.4911,0.3573) | 24 | 0.9294 | 8.3985 | 803 |
3 | (2.1818,1.3312) | 29 | 0.9310 | 8.2974 | 972 |
4 | (5.0206,6.8596) | 16 | 0.9306 | 9.4212 | 536 |
5 | (5.3070,1.2782) | 28 | 0.9206 | 6.6442 | 928 |
6 | (3.8341,2.3503) | 18 | 0.9182 | 7.1618 | 595 |
7 | (5.7655,4.2919) | 26 | 0.9327 | 8.8709 | 873 |
8 | (0.8723,4.8865) | 24 | 0.9329 | 9.0815 | 806 |
9 | (7.3855,4.8773) | 30 | 0.9389 | 9.9472 | 1014 |
基于第7年时Nmax=9时的静态规划结果,可进一步得到充电站动态规划结果,规划结果如表3及图5所示。以表3中为例,2号充电站在第2年选址确定时配置了12台充电机,随着充电需求的增加,每次更新规划都需不断对已有充电站进行扩容:12→15→20→21→23→24。可以看出,电动汽车保有量对充电站所需容量的影响较大。若采用静态规划,在充电站建设初期就配置24台充电机,在前期将出现充电机利用率低下,投资成本、折旧与运维成本相对较高等问题,不利于充电站运营及充电设施的升级更新。可见,充电站动态规划能够实现充电站的高利用率,经济性高,且能够良好满足用户充电需求。
表3本发明规划结果
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (5)
1.一种考虑充电需求增长的电动汽车充电站动态规划方法,其特征在于,包括如下步骤:
步骤1,获取规划区域内电动汽车及用户的相关信息,包括:电动汽车平均容量、电动汽车平均百公里电耗、电动汽车平均日行驶里程、各充电需求点电动汽车数量、电动汽车初始渗透率、充电站平均日工作时间、快速充电机功率、电动汽车年增长率、规划区域居民平均收入、电动汽车平均速度、电价、电动汽车单位电量可行驶里程、充电站最大服务范围、充电站最大排队长;
步骤2,令总规划年限为nmax,构建未考虑电动汽车动态保有情况的充电站静态规划模型,采用自适应粒子群优化算法求解得到第nmax年充电站规划数量Nmax及各充电站的选址信息,同时计算得到各充电站的定容信息,并记录为其中,表示充电站i的选址与定容信息,i=1,…,Nmax;
步骤3,根据电动汽车增长率预测第1至nmax年规划区域内各充电需求点电动汽车保有量,基于第nmax年的静态规划结果{R}及电动汽车保有量情况,进行动态规划;对于第1年规划,将Nmax座充电站作为候选充电站,计算得到当前最少要建设Nmin座充电站;首先取N=Nmin,在Nmax座充电站中选择N座充电站共有种组合方案,再对所有方案进行定容,对种方案,从总成本最小的方案开始,判断其是否满足约束条件,若满足则确定为第1年规划方案;若都不满足约束条件,则令N=N+1,重复上述操作,直至得到最优可行解;
步骤4,令第K-1年动态规划后得到的充电站规划数量为Nold,充电站i配置充电机数量为i=1,…,Nold,K≥2;对于第K年规划,首先判断是否需要新建充电站,若当前充电站能够满足需求,则仅需对当前充电站进行扩容,否则需在候选充电站中选择新建充电站,其中,在候选充电站中选择新建充电站的具体方法如下:在Nav座候选充电站中选择Nnew座充电站作为新建充电站,Nav=Nmax-Nold,共有种组合方案,对每个方案进行定容,根据定容结果和已知的选址信息,计算种方案的目标函数,从目标函数值最小的方案开始,判断其是否满足约束条件,若满足则确定为第K年规划方案;若都不满足约束条件,则令Nnew=Nnew+1,重复上述操作,直至得到最优可行解;在第K年规划完成后,更新Nold值、已有充电站相关成本C′old值以及规划区域电动汽车保有量情况,等待进行下一次规划。
2.根据权利要求1所述考虑充电需求增长的电动汽车充电站动态规划方法,其特征在于,步骤2所述充电站静态规划模型以充电站固定投资成本C1、充电站建设成本C2、充电站年租金成本C3、充电途中损耗成本C4之和最小为目标函数,具体如下:
min C=C1+C2+C3+C4
C1=NCfix
s.t.Dij≥D,i≠j
Xi>0
Ncmin≤Nci≤Ncmax
其中,N为充电站规划数量,Cfix为建设单座充电站所需固定投资成本,Nci为充电站i配置充电机数量,Pc为单个充电机容量,w为充电机单位容量建设成本,tm表示12个月,ri为充电站i所在站址月租金,Sc为单个充电机占地面积,ty表示365天,Xi为充电站i所服务的充电需求点数,dik为充电需求点k到充电站i的距离,qk为充电需求点k代表的电动汽车数量,p为电价,g为电动汽车单位电量可行驶里程,f为居民平均收入,v为电动汽车平均速度,Dij为充电站i与充电站j的距离,D为充电站最大服务范围,i=1,…,N,j=1,…,N,Ncmax、Ncmin分别为充电站配置充电机数量上、下限。
3.根据权利要求1所述考虑充电需求增长的电动汽车充电站动态规划方法,其特征在于,步骤3所述Nmin的计算公式如下:
其中,Nmin表示第1年规划最少要建设Nmin座充电站,S为规划区域总负荷需求,Ncmax为充电站配置充电机数量上限,Pc为单个充电机容量,t为充电站平均日工作时间,NEV为规划区域电动汽车数量,c为平均充电率,PEV为电动汽车平均容量,α为电动汽车平均充电功率占电池容量的百分比,η1为同时率,η2为充电效率。
4.根据权利要求1所述考虑充电需求增长的电动汽车充电站动态规划方法,其特征在于,步骤4所述判断是否需要新建充电站的具体方法为:采用排队论确定在当前充电需求下,已有充电站所需的充电机数量,从而得到已有充电站需要新增的充电机数量,若已有充电站新增充电机后,得到的充电机总数超过充电站配置充电机数量上限,说明当前已有充电站的数量与选址无法满足当前充电需求,需要在候选充电站中选择新建充电站。
5.根据权利要求1所述考虑充电需求增长的电动汽车充电站动态规划方法,其特征在于,步骤4所述目标函数具体如下:
C′=C′old+C′1+C′2+C′3+C′4+C′5+C′6
C′1=NnewCfix
其中,C′表示目标函数,C′old表示已有充电站相关成本,C′1为新建充电站固定投资成本,Nnew为新建充电站数,Cfix为建设单座充电站所需固定投资成本,C′2为已有充电站新增充电机与新建充电站充电机建设成本,Nold为已有充电站数,为已有充电站i新增的充电机数,Nci为充电站i配置充电机数,Pc为单个充电机容量,w为充电机单位容量建设成本,C′3为充电站年租金成本,tm表示12个月,ri为充电站i所在站址月租金,Sc为单个充电机占地面积,C′4为用户充电途中损耗成本,NK=Nold+Nnew,ty表示365天,Xi为充电站i所服务的充电需求点数,dik为充电需求点k到充电站i的距离,qk为充电需求点k代表的电动汽车数量,p为电价,g为电动汽车单位电量可行驶里程,f为居民平均收入,v为电动汽车平均速度,C′5和C′6为惩罚函数,β1和β2为惩罚系数,Dij为充电站i与充电站j的距离,D为充电站最大服务范围,Ncmax为充电站配置充电机数量上限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374537.2A CN108764634A (zh) | 2018-04-24 | 2018-04-24 | 一种考虑充电需求增长的电动汽车充电站动态规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374537.2A CN108764634A (zh) | 2018-04-24 | 2018-04-24 | 一种考虑充电需求增长的电动汽车充电站动态规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108764634A true CN108764634A (zh) | 2018-11-06 |
Family
ID=64011425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810374537.2A Pending CN108764634A (zh) | 2018-04-24 | 2018-04-24 | 一种考虑充电需求增长的电动汽车充电站动态规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764634A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583654A (zh) * | 2018-12-03 | 2019-04-05 | 北京科东电力控制***有限责任公司 | 一种城市电动汽车公共充电网络分析方法及装置 |
CN109840640A (zh) * | 2019-03-06 | 2019-06-04 | 清华大学 | 一种电动汽车充电桩的选址方法和*** |
CN109886468A (zh) * | 2019-01-22 | 2019-06-14 | 河海大学 | 基于改进的自适应遗传算法的充电站规划方法 |
CN109949098A (zh) * | 2019-03-22 | 2019-06-28 | 山西省交通规划勘察设计院有限公司 | 一种高速公路收费站车道数的计算方法 |
CN110084522A (zh) * | 2019-04-30 | 2019-08-02 | 国网上海市电力公司 | 基于随机粒子群算法的ev充电站位置生成方法及装置 |
CN110119856A (zh) * | 2019-06-19 | 2019-08-13 | 广东工业大学 | 基于传感网络的充电站选址***及方法 |
CN110288132A (zh) * | 2019-06-06 | 2019-09-27 | 浙江工业大学 | 一种基于改进的tlbo算法的电动车充电桩的布局方法 |
CN110705864A (zh) * | 2019-09-27 | 2020-01-17 | 广东电网有限责任公司 | 一种充电站选址定容方法 |
CN110705746A (zh) * | 2019-08-27 | 2020-01-17 | 北京交通大学 | 电动出租车快速充电站优化配置方法 |
CN111291948A (zh) * | 2018-12-06 | 2020-06-16 | 北京嘀嘀无限科技发展有限公司 | 一种服务设备部署方法、装置、电子设备及存储介质 |
CN111460627A (zh) * | 2020-03-11 | 2020-07-28 | 四川大学 | 面向可靠性的电力交通耦合网络电动汽车充电站规划方法 |
CN111709663A (zh) * | 2020-06-23 | 2020-09-25 | 四川中电启明星信息技术有限公司 | 一种基于大数据的电动汽车充电场站选址方法 |
CN111860922A (zh) * | 2019-04-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种服务站部署控制方法、装置、电子设备及存储介质 |
CN112651603A (zh) * | 2020-12-04 | 2021-04-13 | 苏州电力设计研究院有限公司 | 考虑电动汽车充电站耦合作用的容量评估方法 |
CN113077113A (zh) * | 2021-05-10 | 2021-07-06 | 成都特来电新能源有限公司 | 一种充电基础设施智能规划设计方法 |
CN115438840A (zh) * | 2022-08-15 | 2022-12-06 | 北京化工大学 | 一种平均等待时间可控的电动汽车换电站选址优化方法 |
CN116029329A (zh) * | 2023-02-15 | 2023-04-28 | 武汉工程大学 | 一种焦虑里程值预测方法、装置、***以及存储介质 |
US11775872B1 (en) | 2022-12-01 | 2023-10-03 | Recentive Analytics, Inc. | Techniques for identifying optimal EV charging station locations |
CN117557069A (zh) * | 2024-01-10 | 2024-02-13 | 长峡数字能源科技(湖北)有限公司 | 一种充电桩选址方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880921A (zh) * | 2012-10-16 | 2013-01-16 | 山东电力集团公司电力科学研究院 | 一种电动汽车充电站选址优化方法 |
CN107180274A (zh) * | 2017-05-09 | 2017-09-19 | 东南大学 | 一种电动汽车充电设施规划典型场景选取和优化方法 |
CN107506844A (zh) * | 2017-07-06 | 2017-12-22 | 南京理工大学 | 一种电动汽车充电站新型优化布局方法 |
-
2018
- 2018-04-24 CN CN201810374537.2A patent/CN108764634A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880921A (zh) * | 2012-10-16 | 2013-01-16 | 山东电力集团公司电力科学研究院 | 一种电动汽车充电站选址优化方法 |
CN107180274A (zh) * | 2017-05-09 | 2017-09-19 | 东南大学 | 一种电动汽车充电设施规划典型场景选取和优化方法 |
CN107506844A (zh) * | 2017-07-06 | 2017-12-22 | 南京理工大学 | 一种电动汽车充电站新型优化布局方法 |
Non-Patent Citations (1)
Title |
---|
葛少云、贾鸥莎: "配电变电站多阶段优化规划模型", 《电网技术》 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583654A (zh) * | 2018-12-03 | 2019-04-05 | 北京科东电力控制***有限责任公司 | 一种城市电动汽车公共充电网络分析方法及装置 |
CN111291948B (zh) * | 2018-12-06 | 2024-03-01 | 北京嘀嘀无限科技发展有限公司 | 一种服务设备部署方法、装置、电子设备及存储介质 |
CN111291948A (zh) * | 2018-12-06 | 2020-06-16 | 北京嘀嘀无限科技发展有限公司 | 一种服务设备部署方法、装置、电子设备及存储介质 |
CN109886468A (zh) * | 2019-01-22 | 2019-06-14 | 河海大学 | 基于改进的自适应遗传算法的充电站规划方法 |
CN109840640A (zh) * | 2019-03-06 | 2019-06-04 | 清华大学 | 一种电动汽车充电桩的选址方法和*** |
CN109949098A (zh) * | 2019-03-22 | 2019-06-28 | 山西省交通规划勘察设计院有限公司 | 一种高速公路收费站车道数的计算方法 |
CN111860922A (zh) * | 2019-04-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种服务站部署控制方法、装置、电子设备及存储介质 |
CN110084522A (zh) * | 2019-04-30 | 2019-08-02 | 国网上海市电力公司 | 基于随机粒子群算法的ev充电站位置生成方法及装置 |
CN111860922B (zh) * | 2019-04-30 | 2024-05-03 | 北京嘀嘀无限科技发展有限公司 | 一种服务站部署控制方法、装置、电子设备及存储介质 |
CN110288132A (zh) * | 2019-06-06 | 2019-09-27 | 浙江工业大学 | 一种基于改进的tlbo算法的电动车充电桩的布局方法 |
CN110288132B (zh) * | 2019-06-06 | 2021-03-23 | 浙江工业大学 | 一种基于改进的tlbo算法的电动车充电桩的布局方法 |
CN110119856A (zh) * | 2019-06-19 | 2019-08-13 | 广东工业大学 | 基于传感网络的充电站选址***及方法 |
CN110119856B (zh) * | 2019-06-19 | 2022-03-25 | 广东工业大学 | 基于传感网络的充电站选址***及方法 |
CN110705746A (zh) * | 2019-08-27 | 2020-01-17 | 北京交通大学 | 电动出租车快速充电站优化配置方法 |
CN110705746B (zh) * | 2019-08-27 | 2022-08-05 | 北京交通大学 | 电动出租车快速充电站优化配置方法 |
CN110705864A (zh) * | 2019-09-27 | 2020-01-17 | 广东电网有限责任公司 | 一种充电站选址定容方法 |
CN110705864B (zh) * | 2019-09-27 | 2022-05-17 | 广东电网有限责任公司 | 一种充电站选址定容方法 |
CN111460627A (zh) * | 2020-03-11 | 2020-07-28 | 四川大学 | 面向可靠性的电力交通耦合网络电动汽车充电站规划方法 |
CN111460627B (zh) * | 2020-03-11 | 2022-06-28 | 四川大学 | 面向可靠性的电力交通耦合网络电动汽车充电站规划方法 |
CN111709663A (zh) * | 2020-06-23 | 2020-09-25 | 四川中电启明星信息技术有限公司 | 一种基于大数据的电动汽车充电场站选址方法 |
CN112651603A (zh) * | 2020-12-04 | 2021-04-13 | 苏州电力设计研究院有限公司 | 考虑电动汽车充电站耦合作用的容量评估方法 |
CN112651603B (zh) * | 2020-12-04 | 2023-10-17 | 苏州电力设计研究院有限公司 | 考虑电动汽车充电站耦合作用的容量评估方法 |
CN113077113B (zh) * | 2021-05-10 | 2023-12-12 | 成都特来电新能源有限公司 | 一种充电基础设施智能规划设计方法 |
CN113077113A (zh) * | 2021-05-10 | 2021-07-06 | 成都特来电新能源有限公司 | 一种充电基础设施智能规划设计方法 |
CN115438840B (zh) * | 2022-08-15 | 2023-05-12 | 北京化工大学 | 一种平均等待时间可控的电动汽车换电站选址优化方法 |
CN115438840A (zh) * | 2022-08-15 | 2022-12-06 | 北京化工大学 | 一种平均等待时间可控的电动汽车换电站选址优化方法 |
US11775872B1 (en) | 2022-12-01 | 2023-10-03 | Recentive Analytics, Inc. | Techniques for identifying optimal EV charging station locations |
CN116029329A (zh) * | 2023-02-15 | 2023-04-28 | 武汉工程大学 | 一种焦虑里程值预测方法、装置、***以及存储介质 |
CN117557069A (zh) * | 2024-01-10 | 2024-02-13 | 长峡数字能源科技(湖北)有限公司 | 一种充电桩选址方法及*** |
CN117557069B (zh) * | 2024-01-10 | 2024-03-26 | 长峡数字能源科技(湖北)有限公司 | 一种充电桩选址方法及***、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764634A (zh) | 一种考虑充电需求增长的电动汽车充电站动态规划方法 | |
CN109034465B (zh) | 考虑充电站选址与出行路径耦合的充电站两层规划方法 | |
CN107017619B (zh) | 非合作博弈视角的光伏充电站网络分布式能量管理方法 | |
CN109523051A (zh) | 一种电动汽车充电实时优化调度方法 | |
CN108460487A (zh) | 基于apso算法的电动汽车快速充电站优化选址定容方法 | |
CN109117486A (zh) | 一种电动汽车充电站最优规划方法 | |
CN109840635B (zh) | 基于电压稳定性和充电服务质量的电动汽车充电站规划方法 | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
CN108229733A (zh) | 一种考虑用户满意度评价的电动汽车充电调度方法 | |
CN106651059A (zh) | 一种电动汽车充电站优化配置的方法 | |
CN108944500B (zh) | 一种分布式站点联合控制的电动汽车充电调度方法 | |
CN107104454A (zh) | 计及电动汽车功率可调控域的最优潮流节点电价计算方法 | |
CN109936128A (zh) | 一种规模化电动汽车接入条件下的动态需求响应方法 | |
CN109492791A (zh) | 基于充电引导的城际高速路网光储充电站定容规划方法 | |
CN110189025B (zh) | 考虑不同负荷增长的电动汽车充电站规划方案获取方法 | |
CN109657993A (zh) | 一种基于非合作博弈的能源局域网储能***自动需求响应方法 | |
CN110549896A (zh) | 一种基于强化学习的充电站选择方法 | |
CN111619391B (zh) | 基于合作博弈与动态分时电价的电动汽车有序充放电方法 | |
Zhang et al. | Integrating transit route network design and fast charging station planning for battery electric buses | |
CN113822463A (zh) | 一种基于Voronoi图与改进粒子群算法的电动汽车充电站选址定容方法 | |
CN115438879B (zh) | 基于改进混合算法的电动汽车充电站选址定容方法及装置 | |
CN107730049A (zh) | 电动汽车快速充电最优位置选择方法 | |
CN110232219A (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
CN113222241B (zh) | 考虑充电服务引导与客户需求的出租车快充电站规划方法 | |
CN115545337A (zh) | 一种考虑线-网互动的电动汽车充电决策优化方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
RJ01 | Rejection of invention patent application after publication |