CN109615120A - 一种分布式光伏发电出力预测方法 - Google Patents
一种分布式光伏发电出力预测方法 Download PDFInfo
- Publication number
- CN109615120A CN109615120A CN201811417314.6A CN201811417314A CN109615120A CN 109615120 A CN109615120 A CN 109615120A CN 201811417314 A CN201811417314 A CN 201811417314A CN 109615120 A CN109615120 A CN 109615120A
- Authority
- CN
- China
- Prior art keywords
- solar irradiance
- day
- photovoltaic
- period
- moment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000010248 power generation Methods 0.000 title claims abstract description 18
- 239000012141 concentrate Substances 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 6
- 241001269238 Data Species 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 238000013277 forecasting method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—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
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明涉及一种基于历史数据和集中光伏太阳辐照度的分布式光伏发电出力预测方法,该方法包括如下步骤:1)依据集中式光伏电站历史数据得到一年中各时间段的无遮天太阳辐照度基准曲线;2)依据某历史时期集中光伏的太阳辐照度数据得到该时间区间的太阳辐照度平均无遮挡系数序列;3)依据对应时期的分布式光伏每天的发电量数据计算出分布式光伏一天中不同时刻t的出力系数gt;4)对集中式预测的太阳辐照度做处理并计算预测天各时刻的无遮系数,计算分布式预测天的出力曲线。本发明可实现利用集中式光伏发电的历史数据作为分析基础,成本低廉,适用范围广。
Description
技术领域
本发明涉及光伏发电出力预测技术,特别是一种基于历史数据和集中光伏太阳辐照度的分布式光伏发电出力预测方法。
背景技术
光伏发电可分为集中式光伏和分布式光伏两种形式,目前中国的光伏发电***尚以集中式光伏为主。由于分布式光伏具有因地制宜、安置灵活、就地消纳、分布广泛等优点,近几年内得到了国家政策的支持和快速的发展。但对于整个配电网来说,分布式光伏是一个不可控电源,其出力的随机性对电网安全稳定运行产生影响。所以为了电网工作人员科学的制定电力***运行模式和调度计划,保证的安全稳定运行,有必要对分布式光伏发电***进行功率预测。然而,相对于集中式光伏电站,分布式光伏电站存在历史数据收集困难、实时监测数据缺乏等问题,给单个分布式光伏电站的功率预测造成了困难。
光伏发电功率预测按照预测的时间跨度可分为长期预测、中期预测、短期预测和超短期预测。与电网调度运行关系较大的是短期预测和超短期预测。传统的光伏功率预测方主要包括基于数值天气预报的物理建模方法、基于统计观点的预测方法以及组合预测方法。其中人工智能预测方法、时序相关预测方法、空间相关预测方法均属于基于统计观点的预测方法的范畴。但这些方法普遍需要长期的历史数据作为研究的基础,所以无法直接应用于分布式光伏发电***的功率预测上。
集中光伏一般配置基于数值天气预报的功率预测***,光伏电站配置有发电功率的遥测点。而分布式光伏由于接入电压等级低,装机容量小,接入电网位置分散且数量较多,一般只采集电量信息。目前尚未有分布式光伏的输出功率预测方法,这对电网的运行调度监控产生了极其不良的结果。已知分布式和集中光伏的历史数据,历史数据包括分布式光伏的每天发电量,集中光伏的日发电功率和太阳辐照度曲线、日发电量曲线。
鉴于此,本发明基于集中式光伏电站的功率预测数据,分析集中式和分布式两地的太阳辐照度关系,对区域内分布式光伏电站的数据进行推测。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于历史数据和集中光伏太阳辐照度的分布式光伏发电出力预测方法,且可实现利用集中式光伏发电的历史数据作为分析基础,成本低廉,适用范围广。
本发明解决其技术问题是通过以下技术方案实现的:
一种基于历史数据和集中光伏太阳辐照度的分布式光伏发电出力预测方法,其特征在于:所述方法包括如下步骤:
1)依据集中式光伏电站历史数据得到一年中各时间段的无遮天太阳辐照度基准曲线,具体为:
按照太阳高度划分一年的时间段,选取一年中一时间段内历史数据中,时刻i的太阳辐照度样本点取均值获取,其中i时刻的太阳辐照度样本点集合Fi为为无遮天时刻i的太阳辐照度基准值:
式(1)中Δ为太阳辐照度的门槛偏差,筛选得到该时间段内每天各个时刻完全无遮挡的太阳辐照度,统计凑成一天即为无遮天的太阳辐照度基准曲线;
2)依据某历史时期集中光伏的太阳辐照度数据得到该时间区间的太阳辐照度平均无遮挡系数序列,该系数序列具体得法为:
将一天划分为若干时间区间,计算该时间区间的平均太阳辐照度 与的比值为时刻i的太阳辐照度平均无遮挡系数,某历史时期的平均无遮挡系数序列K为:
(n为i时刻辐照度的采样点数)
(3)
3)依据对应时期的分布式光伏每天的发电量数据计算出分布式光伏一天中不同时刻t的出力系数gt;
出力系数gt的求法为将一天划分为若干时间区间,gt为在时间区间内分布式光伏在无遮天太阳辐照度条件下的出力系数,将一天分为M个时间区间,则一天当中分布式光伏在无遮天太阳辐照度条件下的出力系数序列G为[g1,g2,…,gM],出力系数G可采用最小二乘法等方法计算,对应于N天的历史数据,其求解方程为:
式(4)中,为第N天M时刻的太阳辐照度平均无遮挡系数,EN为第N天分布式光伏的发电量;
4)、对集中式预测的太阳辐照度做处理并计算预测天各时刻的无遮系数:首先依据历史数据确定当前处于一年内的那个时间段,选择该时间段的无遮天太阳辐照度基准曲线,得到当前时刻的无遮天太阳辐照度基准值xt,计算当前时刻的太阳辐照度无遮挡系数kt,出力系数G可采用最小二乘法等方法计算,选取当前时刻对应的出力系数gt,则kt和gt的乘积即为当前分布式光伏的功率预测值。
本发明的优点和有益效果为:
本发明的基于历史数据和集中光伏太阳辐照度的分布式光伏发电出力预测方法,由于传统的功率预测方法在不受统一管理的分布式光伏发电上并不适用,使得分布式光伏发电功率预测方面始终是空白和缺失的。提出一种基于集中光伏太阳辐照度的分布式光伏发电功率预测方法,该方法可以较好的给出一个分布式输出功率预测曲线作为参考。该方法应用于电网调度运行中心,在运行中通过集中光伏的发电功率预测分布式光伏的发电功率,成本低廉,适用广泛,也具有很高的可信度。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面通过具体实施例对本发明作进一步详述,以下实施例只是描述性的,不是限定性的,不能以此限定本发明的保护范围。
一种基于历史数据和集中光伏太阳辐照度的分布式光伏发电出力预测方法,其特征在于:所述方法包括如下步骤:
1)依据集中式光伏电站历史数据得到一年中各时间段的无遮天太阳辐照度基准曲线,具体为:
按照太阳高度划分一年的时间段,选取一年中一时间段内历史数据中,如1个月、一个季度等,对应太阳高度变化不大的一个时间阶段,时刻i的太阳辐照度样本点取均值获取,其中i时刻的太阳辐照度样本点集合Fi为为无遮天时刻i的太阳辐照度基准值:
式(1)中Δ为太阳辐照度的门槛偏差,在应用中可按照的一定百分比来设置,如5%、10%等,筛选得到该时间段内每天各个时刻完全无遮挡的太阳辐照度,统计凑成一天即为无遮天的太阳辐照度基准曲线;
2)依据某历史时期集中光伏的太阳辐照度数据得到该时间区间的太阳辐照度平均无遮挡系数序列,该系数序列具体得法为:
将一天划分为若干时间区间,如1刻钟、一个小时等可为一个时间区间,计算该时间区间的平均太阳辐照度 与的比值为时刻i的太阳辐照度平均无遮挡系数,某历史时期的平均无遮挡系数序列K为:
(n为i时刻辐照度的采样点数)
(3)
3)依据对应时期的分布式光伏每天的发电量数据计算出分布式光伏一天中不同时刻t的出力系数gt;
出力系数gt的求法为将一天划分为若干时间区间,如半小时、一个小时等,gt为在时间区间[tBegin,tEnd]内(t≥tBegin,t≤tEnd)分布式光伏在无遮天太阳辐照度条件下的出力系数,将一天分为M个时间区间,如半小时、一个小时等,则一天当中分布式光伏在无遮天太阳辐照度条件下的出力系数序列G为[g1,g2,…,gM],出力系数G可采用最小二乘法等方法计算,对应于N天的历史数据,其求解方程为:
式(4)中,为第N天M时刻的太阳辐照度平均无遮挡系数,xM为该时区内每天M时刻的无遮天太阳辐照度基准值,EN为第N天分布式光伏的发电量;
4)对集中式预测的太阳辐照度做处理并计算预测天各时刻的无遮系数:首先依据历史数据确定当前处于一年内的那个时间段,选择该时间段的无遮天太阳辐照度基准曲线,得到当前时刻的无遮天太阳辐照度基准值xt,计算当前时刻的太阳辐照度无遮挡系数kt,出力系数G可采用最小二乘法等方法计算,选取当前时刻对应的出力系数gt,则kt和gt的乘积即为当前分布式光伏的功率预测值。
尽管为说明目的公开了本发明的实施例和附图,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换、变化和修改都是可能的,因此,本发明的范围不局限于实施例和附图所公开的内容。
Claims (1)
1.一种基于历史数据和集中光伏太阳辐照度的分布式光伏发电出力预测方法,其特征在于:所述方法包括如下步骤:
1)依据集中式光伏电站历史数据得到一年中各时间段的无遮天太阳辐照度基准曲线,具体为:
按照太阳高度划分一年的时间段,选取一年中一时间段内历史数据中,时刻i的太阳辐照度样本点取均值获取,其中i时刻的太阳辐照度样本点集合Fi为为无遮天时刻i的太阳辐照度基准值:
式(1)中Δ为太阳辐照度的门槛偏差,筛选得到该时间段内每天各个时刻完全无遮挡的太阳辐照度,统计凑成一天即为无遮天的太阳辐照度基准曲线;
2)依据某历史时期集中光伏的太阳辐照度数据得到该时间区间的太阳辐照度平均无遮挡系数序列,该系数序列具体得法为:
将一天划分为若干时间区间,计算该时间区间的平均太阳辐照度 与的比值为时刻i的太阳辐照度平均无遮挡系数,某历史时期的平均无遮挡系数序列K为:
3)依据对应时期的分布式光伏每天的发电量数据计算出分布式光伏一天中不同时刻t的出力系数gt;
出力系数gt的求法为将一天划分为若干时间区间,gt为在时间区间内分布式光伏在无遮天太阳辐照度条件下的出力系数,将一天分为M个时间区间,则一天当中分布式光伏在无遮天太阳辐照度条件下的出力系数序列G为[g1,g2,…,gM],出力系数G可采用最小二乘法等方法计算,对应于N天的历史数据,其求解方程为:
式(4)中,为第N天M时刻的太阳辐照度平均无遮挡系数,EN为第N天分布式光伏的发电量;
4)、对集中式预测的太阳辐照度做处理并计算预测天各时刻的无遮系数,计算分布式预测天的出力曲线:首先依据历史数据确定当前处于一年内的那个时间段,选择该时间段的无遮天太阳辐照度基准曲线,得到当前时刻的无遮天太阳辐照度基准值xt,计算当前时刻的太阳辐照度无遮挡系数kt,出力系数G可采用最小二乘法等方法计算,选取当前时刻对应的出力系数gt,则kt和gt的乘积即为当前分布式光伏的功率预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811417314.6A CN109615120B (zh) | 2018-11-26 | 2018-11-26 | 一种分布式光伏发电出力预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811417314.6A CN109615120B (zh) | 2018-11-26 | 2018-11-26 | 一种分布式光伏发电出力预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109615120A true CN109615120A (zh) | 2019-04-12 |
CN109615120B CN109615120B (zh) | 2022-04-19 |
Family
ID=66004721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811417314.6A Active CN109615120B (zh) | 2018-11-26 | 2018-11-26 | 一种分布式光伏发电出力预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615120B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188964A (zh) * | 2019-06-06 | 2019-08-30 | 河北工业大学 | 一种基于相关性的光伏出力预测方法 |
CN111754026A (zh) * | 2020-05-28 | 2020-10-09 | 国网冀北电力有限公司 | 光伏电站群功率预测方法、装置、计算机设备及存储介质 |
CN114169643A (zh) * | 2021-12-31 | 2022-03-11 | 重庆跃达电力设备有限公司 | 基于大数据预测的光伏集成方案生成方法及*** |
CN114552582A (zh) * | 2022-04-27 | 2022-05-27 | 广东电网有限责任公司佛山供电局 | 一种光伏发电用户实时发电负荷估算方法和*** |
WO2022231510A1 (en) * | 2021-04-28 | 2022-11-03 | Sembcorp Industries Ltd | A system, computing device and method for estimating solar irradiance falling on a photovoltaic string |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020487A (zh) * | 2013-01-20 | 2013-04-03 | 华北电力大学(保定) | 一种光伏电站辐照度预测值修正方法 |
CN104156777A (zh) * | 2014-05-08 | 2014-11-19 | 南方电网科学研究院有限责任公司 | 一种基于城市天气预报的低成本光伏发电功率预测方法 |
EP3012969A1 (en) * | 2013-06-21 | 2016-04-27 | Kabushiki Kaisha Toshiba | Prediction system, prediction device, and prediction method |
US20160246907A1 (en) * | 2012-11-15 | 2016-08-25 | Power Analytics Corporation | Systems And Methods For Model-Based Solar Power Management |
CN106447098A (zh) * | 2016-09-22 | 2017-02-22 | 许昌许继软件技术有限公司 | 一种光伏超短期功率预测方法及装置 |
-
2018
- 2018-11-26 CN CN201811417314.6A patent/CN109615120B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160246907A1 (en) * | 2012-11-15 | 2016-08-25 | Power Analytics Corporation | Systems And Methods For Model-Based Solar Power Management |
CN103020487A (zh) * | 2013-01-20 | 2013-04-03 | 华北电力大学(保定) | 一种光伏电站辐照度预测值修正方法 |
EP3012969A1 (en) * | 2013-06-21 | 2016-04-27 | Kabushiki Kaisha Toshiba | Prediction system, prediction device, and prediction method |
CN104156777A (zh) * | 2014-05-08 | 2014-11-19 | 南方电网科学研究院有限责任公司 | 一种基于城市天气预报的低成本光伏发电功率预测方法 |
CN106447098A (zh) * | 2016-09-22 | 2017-02-22 | 许昌许继软件技术有限公司 | 一种光伏超短期功率预测方法及装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188964A (zh) * | 2019-06-06 | 2019-08-30 | 河北工业大学 | 一种基于相关性的光伏出力预测方法 |
CN110188964B (zh) * | 2019-06-06 | 2021-03-16 | 河北工业大学 | 一种基于相关性的光伏出力预测方法 |
CN111754026A (zh) * | 2020-05-28 | 2020-10-09 | 国网冀北电力有限公司 | 光伏电站群功率预测方法、装置、计算机设备及存储介质 |
CN111754026B (zh) * | 2020-05-28 | 2024-03-15 | 国网冀北电力有限公司 | 光伏电站群功率预测方法、装置、计算机设备及存储介质 |
WO2022231510A1 (en) * | 2021-04-28 | 2022-11-03 | Sembcorp Industries Ltd | A system, computing device and method for estimating solar irradiance falling on a photovoltaic string |
CN117396733A (zh) * | 2021-04-28 | 2024-01-12 | 胜科工业有限公司 | 一种用于估计落在光伏串上的太阳辐照度的***、计算设备和方法 |
CN117396733B (zh) * | 2021-04-28 | 2024-07-09 | 胜科工业有限公司 | 一种用于估计落在光伏串上的太阳辐照度的***、计算设备和方法 |
CN114169643A (zh) * | 2021-12-31 | 2022-03-11 | 重庆跃达电力设备有限公司 | 基于大数据预测的光伏集成方案生成方法及*** |
CN114552582A (zh) * | 2022-04-27 | 2022-05-27 | 广东电网有限责任公司佛山供电局 | 一种光伏发电用户实时发电负荷估算方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN109615120B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615120A (zh) | 一种分布式光伏发电出力预测方法 | |
CN102663513B (zh) | 利用灰色关联度分析的风电场功率组合预测建模方法 | |
CN107609697B (zh) | 一种风力发电功率预测方法 | |
Yin et al. | A novel non-iterative correction method for short-term photovoltaic power forecasting | |
CN103942613B (zh) | 广义联络线模式下网省两级实时发电计划协调优化方法 | |
CN102567809B (zh) | 光伏电站发电输出功率预测*** | |
CN102521670A (zh) | 基于气象要素的光伏电站发电输出功率预测方法 | |
Monteiro et al. | Short-term forecasting model for electric power production of small-hydro power plants | |
CN109002915A (zh) | 基于Kmeans-GRA-Elman模型的光伏电站短期功率预测方法 | |
CN102184453A (zh) | 基于模糊神经网络和支持向量机的风电功率组合预测方法 | |
CN107769268B (zh) | 一种含小水电的地调范围日前预测省供负荷方法 | |
CN104135036B (zh) | 一种基于时域和集群效应分析间歇性能源出力的方法 | |
Tande et al. | Operational implications of wind power in a hydro based power system | |
CN109376951A (zh) | 一种光伏概率预测方法 | |
CN102810860A (zh) | 间歇式能源与常规能源协调调度模式下备用容量分析方法 | |
CN104868505A (zh) | 大型太阳能光伏发电基地集群出力特性分析方法 | |
CN105427017A (zh) | 一种水电富集电网特大规模电站群短期计划编制方法 | |
Mohan et al. | Solar energy disaggregation using whole-house consumption signals | |
CN104866978A (zh) | 一种基于时域量化分析间歇性能源协同效应的方法 | |
CN108615087A (zh) | 一种光伏组件温度短期预测方法及其预测*** | |
Zhang et al. | Short-term wind power prediction based on EMD-LSTM combined model | |
CN109961190A (zh) | 一种基于学习日拟合度聚类的光伏电站日前功率预测方法 | |
CN110852492A (zh) | 一种基于马氏距离找相似的光伏功率超短期预测方法 | |
CN110490421A (zh) | 一种基于模糊c-均值聚类的微电网中小水电站容量配置方法 | |
CN202523101U (zh) | 光伏电站发电输出功率预测*** |
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 |