CN113240154A - 考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及*** - Google Patents
考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及*** Download PDFInfo
- Publication number
- CN113240154A CN113240154A CN202110399162.7A CN202110399162A CN113240154A CN 113240154 A CN113240154 A CN 113240154A CN 202110399162 A CN202110399162 A CN 202110399162A CN 113240154 A CN113240154 A CN 113240154A
- Authority
- CN
- China
- Prior art keywords
- energy
- gas
- heat
- optimization scheduling
- cold
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 33
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 239000007789 gas Substances 0.000 claims description 157
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 70
- 238000006243 chemical reaction Methods 0.000 claims description 59
- 238000009826 distribution Methods 0.000 claims description 56
- 230000005611 electricity Effects 0.000 claims description 53
- 238000003860 storage Methods 0.000 claims description 43
- 239000003345 natural gas Substances 0.000 claims description 35
- 238000004146 energy storage Methods 0.000 claims description 34
- 238000005057 refrigeration Methods 0.000 claims description 33
- 239000002918 waste heat Substances 0.000 claims description 27
- FMXUSNAWMLGDCZ-UHFFFAOYSA-N 4-[2-(1h-indol-3-yl)ethylamino]-4-oxobutanoic acid Chemical compound C1=CC=C2C(CCNC(=O)CCC(=O)O)=CNC2=C1 FMXUSNAWMLGDCZ-UHFFFAOYSA-N 0.000 claims description 24
- 238000007599 discharging Methods 0.000 claims description 21
- 230000008901 benefit Effects 0.000 claims description 18
- 150000001875 compounds Chemical class 0.000 claims description 18
- 238000010521 absorption reaction Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 15
- 238000005485 electric heating Methods 0.000 claims description 15
- 238000005338 heat storage Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 12
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 8
- 239000003546 flue gas Substances 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 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
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
Images
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及***,方法包括获取预设的弹性能量云模型;获取不确定性优化调度模型,所述不确定性优化调度模型包括目标函数和约束条件,所述约束条件包含所述弹性能量云模型;对基于历史数据计算出的各自弹性系数进行随机抽样组合,获得若干组自弹性系数随机组合,结合所述不确定性优化调度模型,得到最终不确定优化调度后的若干组综合需求响应实施后的弹性负荷变化量。本发明可以有效减少不确定性优化调度过程中***运行时间,减少MEUs参与IDR潜力的不确定性优化调度结果误差率。
Description
技术领域
本发明属于电力***运行管理技术领域,具体涉及一种考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及***。
背景技术
随着中国能源市场改革与需求侧综合能源服务的快速发展,综合能源服务商(integrated energy service agency,IESA)承担着从外部市场购能并面向多能用户(multi-energy users,MEUs)售能的角色。而随着含MEUs主体的多类型能源品种的增加,多能源***在满足MEUs参与综合需求响应(integrated demand response,IDR)时,需求侧综合能源***(integrated energy system,IES)的优化节能效果并不显著,尤其是多能源***内多类型能源品种具有多重不确定性特征。
当前,多能源***终端MEUs的能源使用形式分为刚性能量和弹性能量,其中,刚性能量不受某些激励的变化而变化,而弹性能量是可以随着某些因素激励而调整用能量或时间的部分。而随着多能源***内多类型能源形式的逐渐增加,MEUs参与IDR将会产生很大的不确定性,这也为多能源***的优化节能提供契机。
以往的研究是主要集中在风电出力和电负荷需求响应(demand response,DR)的不确定性分析,较少全面涉及IESA在面向电、热、冷、气MEUs的IDR不确定性优化调度方法。
发明内容
针对上述问题,本发明提出一种考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及***,能够全面涉及IESA在面向电、热、冷、气MEUs的IDR不确定性优化调度,且在很大程度上可以减少***不确定性优化调度的运行时间,减少MEUs参与IDR潜力的不确定性优化调度结果误差率。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种考虑弹性能量云模型的多能源***不确定性优化调度方法,包括:
获取预设的弹性能量云模型;
获取不确定性优化调度模型,所述不确定性优化调度模型包括目标函数和约束条件,所述约束条件包含所述弹性能量云模型;
对基于历史数据计算出的各自弹性系数进行随机抽样组合,获得若干组自弹性系数随机组合;
将各组自弹性系数随机组合带入所述弹性能量云模型,结合所述不确定性优化调度模型,得到最终不确定优化调度后的若干组综合需求响应实施后的弹性负荷变化量。
可选地,所述弹性能量云模型的表达式为:
式中,分别表示采用云模型来表征t时刻电、热、冷、气能源用户的自弹性系数;λdl、λhl、λcl、λgl分别表示综合需求响应实施前预测电、热、冷、气负荷中初始弹性能量的占比;分别表示t时刻IDR实施前的预测电、热、冷、气负荷量;分别表示t时刻IDR实施前的零售电、热、冷、气价格参考值;分别表示采用云模型来表征t时刻综合需求响应实施后实际的弹性电、热、冷、气负荷变化量;分别表示采用云模型来表征t时刻综合需求响应实施后综合能源服务商的电、热、冷、气零售价格变化量。
可选地,所述不确定性优化调度模型的目标函数为:
f=max[RNet-(COm+CBuy)]
RNet=RRev,sal,total+RRev,cot,total
RRev,sal,total=RE_DL+RE_HL+RE_CL+RE_GL
RRev,cot,total=RE_P2G+RE_GSHP
COm=CWT_Om+CPV_Om+CMT_Om+CGB_Om+CES_Om
式中,RNet表示综合能源服务商的总收益;COm表示多能源***内各供能设备及储能设备的运行总成本;CBuy表示多能源***从外部配电网、配热网、配冷管、配气网购买的功率总成本;RRev,sal,total表示综合能源服务商的售能总收益;RRev,cot,total表示多能源***内电转气装置和地源热泵装置的生产成本总收益;RE_DL表示综合能源服务商实施电能需求响应后的售电收益;RE_HL、RE_CL分别表示实施热能、冷能需求响应后的售热、冷收益;RE_GL表示实施气能需求响应后的售气收益;RE_P2G表示电转气装置使电能转换成天然气能的生产成本收益;RE_GSHP表示地源热泵装置通过制冷和热能产生的生产成本收益;T是优化运行调度的时间周期;分别表示综合能源服务商在t时刻实施IDR后的实时零售电、热、冷、天然气***格;分别表示综合能源服务商在t时刻实施IDR后实时的电、热、冷、天然气负荷量;表示电转气装置在t时刻通过电能转换成天然气能的收益成本系数;表示电转气装置在t时刻电转天然气的输出功率;表示地源热泵装置在t时刻通过制冷和热能产生的收益成本系数;表示地源热泵装置在t时刻制冷、热能输出功率;CWT_Om、CPV_Om、CMT_Om、CGB_Om、CES_Om分别表示风机、光伏、微型燃气轮机、燃气锅炉、储能装置的运行成本;cwt、cpv、cmt、cgb分别表示风机、光伏、微型燃气轮机、燃气锅炉设备的运行成本系数;cbt、chc、ccd、cng的分别表示蓄电池、蓄冷槽、蓄热槽、储气罐的运行成本系数;分别是风机、光伏、微型燃气轮机、燃气锅炉设备的额定输出功率;分别表示多能源***内部蓄电池、蓄冷槽、蓄热槽、储气罐的充/放能功率;分别表示多能源***从配电网、配热网、配冷管、配气网购买的功率成本系数; 分别表示多能源***从配电网、配热网、配冷管、配气网购买的功率。
可选地,所述不确定性优化调度模型的约束条件包括电、热、冷、天然气、辅助烟气母线有功功率平衡约束,具体为:
式中,第一、二行表示电力母线功率平衡等式约束;第三、四行表示热母线功率平衡等式约束;第五、六行表示冷母线功率平衡等式约束;第七、八行表示天然气母线功率平衡等式约束;第九行表示辅助烟气母线功率平衡等式约束;ω为余热分配系数; 分别表示为余热锅炉、燃气锅炉、电制热、热转换、电制冷、电转气装置的输出功率,分别表示采用云模型来表征t时刻综合需求响应实施后实际的弹性电、热、冷、气负荷变化量;分别表示t时刻IDR实施前的预测电、热、冷、气负荷量;分别表示电制冷、电制热、地源热泵、热转换器装置在t时刻的输入端功率。
可选地,所述不确定性优化调度模型的约束条件还包括综合储能装置的等式约束,具体为:
式中,第一至四行分别表示t+1与t时刻综合储能装置的能量储存变化、储能充/放能效率/功率及自放能效率之间的函数关系;和分别表示电/热/冷/气储能装置在t+1与t时刻的能量存储变化;σbt、σhc、σcd、σng分别表示电、热、冷、气储能装置的自放能效率;λbt,c/λhc,c/λcd,c/λng,c和λbt,d/λhc,d/λcd,d/λng,c分别表示电/热/冷/气储能装置的充、放能效率。
可选地,所述不确定性优化调度模型的约束条件还包括综合供能设备之间的能量平衡等式约束,具体为:
式中,第一行表示多能源***内微型燃气轮机的热电能量平衡约束,VMT为微型燃气轮机的热电比值;第二行表示微型燃气轮机的天然气转电能的平衡约束,第三行表示电转气装置的电转天然气平衡约束,第四行表示燃气锅炉的气转热能量平衡约束,第五行表示余热锅炉的余热转热能量平衡约束;COPMT、COPP2G、COPGB、COPREC分别表示微型燃气轮机、电转气装置、燃气锅炉、余热锅炉的能量转换效率;分别表示微型燃气轮机、电转气装置、燃气锅炉、余热锅炉的输入端功率。
可选地,所述不确定性优化调度模型的约束条件还包括各能源转换装置输入与输出能量平衡等式约束,具体为:
式中,第一行第一、二列分别表示电制冷和电制热装置的输入与输出能量转换平衡约束,第二行第一、二列分别表示吸收式制冷装置的输入与输出、余热锅炉产生的烟气余热分配给吸收式制冷装置的能量转换平衡等式约束;第三行表示热能转换装置的能量转换平衡等式约束,第四行第一、二列分别表示地源热泵装置的制冷和制热的输入与输出能量转换平衡约束,表示地源热泵装置在t时刻的输入端功率,COPEC、COPEH、COPAC、COPHX、COPHP分别表示电制冷、电制热、吸收式制冷机、热转换器、地源热泵装置的能量转换效率。
可选地,所述不确定性优化调度模型的约束条件还包括可转移型电、热、冷、气负荷变化量等式约束,具体为:
式中,第一行第一、二列至第四行第一、二列分别表示可转移型电、热、冷、气负荷在T周期内,实施IDR前后实际的虚拟弹性负荷出力增/减总功率值相等; 分别表示IDR实施后t时刻实际的电、热、冷、天然气虚拟弹性负荷出力增/减总功率。
可选地,所述不确定性优化调度模型的约束条件还包括各供能设备出力不等式约束,具体为:
式中,分别表示微型燃气轮机、风机、光伏、余热锅炉、燃气锅炉的设备t时刻输出功率的上、下限值;表示t时刻与t-1时刻MT设备的爬坡出力上、下限值; 分别表示微型燃气轮机、风机、光伏、余热锅炉、燃气锅炉的设备t时刻输出功率。
可选地,所述不确定性优化调度模型的约束条件还包括各能量转换装置不等式约束,具体为:
式中, 分别表示地源热泵装置、电转气装置、电制冷、电制热、吸收式制冷、热转换装置t时刻的设备输出功率上、下限; 分别表示地源热泵装置、电转气装置、电制冷、电制热、吸收式制冷、热转换装置t时刻的设备输出功率。
可选地,所述不确定性优化调度模型的约束条件还包括多能源***与配电网、热、冷、气管网之间传输功率不等式约束,具体为:
可选地,所述不确定性优化调度模型的约束条件还包括综合储能装置容量的不等式约束,具体为:
式中,第一、二行分别表示储电池装置的充/放电功率,分别表示储电池装置在t时刻的最大/最小容量,分别表示蓄热槽装置在t时刻的最大/最小容量,分别表示蓄冷槽装置在t时刻的最大/最小容量,分别表示蓄冷槽装置在t时刻的最大/最小容量,第四、五行分别表示蓄热槽装置的充/放能功率,第七、八行分别表示蓄冷槽装置的充/放能功率,第十、十一行分别表示储气罐装置的充/放能功率,分别表示各储电池/蓄热槽/蓄冷槽/储气罐装置的最小和最大储能量;为二进制0-1变量。
可选地,所述不确定性优化调度模型的约束条件还包括可转移型电、热、冷、气负荷变化量不等式约束,具体为:
式中,第一、二行分别表示可转移型电负荷的出力增、减总功率值上限约束;第三、四行分别表示可转移型热/冷/气负荷的出力增、减功率值上限约束;第五、六行分别表示为引入的二进制0-1变量,表示二进制变量不能同时取值为0或者1;分别表示IDR实施后t时刻实际的电/热/冷/天然气虚拟弹性负荷出力增/减总功率; 表示电/热虚拟弹性负荷出力增/减总功率的上下限。
可选地,所述不确定性优化调度模型的约束条件还包括综合能源零售价格变化量与弹性负荷变化量的不等式约束,具体为:
式中, 分别表示t时刻电、热、冷、气零售价格变化量的上、下限;分别表示t时刻电、热、冷、气负荷在参与IDR后总的弹性负荷的上、下限; 分别表示t时刻电、热、冷、气零售价格变化量; 分别表示t时刻电、热、冷、气负荷在参与IDR后总的弹性负荷。
可选地,所述不确定性优化调度模型的约束条件还包括综合能源服务商的零售能源价格变化率约束,具体为:
可选地,所述不确定性优化调度模型的约束条件还包括售能净/总收益约束,具体为:
式中,RE_DL,max/RE_DL,min、RE_HL,max/RE_HL,min、RE_CL,max/RE_CL,min、RE_GL,max/RE_GL,min分别表示不确定性优化调度时IESA的售电、热、冷、气净收益的上、下限;RRev,sal,total,max/RRev,sal,total,min表示不确定性优化调度时IESA售能总收益的上、下限。
第二方面,本发明提供了一种考虑弹性能量云模型的多能源***不确定性优化调度装置,包括:
第一获取单元,用于获取预设的弹性能量云模型;
第二获取单元,用于获取不确定性优化调度模型,所述不确定性优化调度模型包括目标函数和约束条件,所述约束条件包含所述弹性能量云模型;
筛选单元,用于对基于历史数据计算出的各自弹性系数进行随机抽样组合,获得若干组自弹性系数随机组合;
计算单元,用于将各组自弹性系数随机组合带入所述弹性能量云模型,结合所述不确定性优化调度模型,得到最终不确定优化调度后的若干组综合需求响应实施后的弹性负荷变化量。
第三方面,本发明提供了一种考虑弹性能量云模型的多能源***不确定性优化调度***,其特征在于,包括:存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行第一方面中任一项所述方法的方法。
与现有技术相比,本发明的有益效果:
本发明提出一种考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及***,能够全面涉及IESA在面向电、热、冷、气MEUs的IDR不确定性优化调度,且在很大程度上可以减少***不确定性优化调度的运行时间,减少MEUs参与IDR潜力的不确定性优化调度结果误差率。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明一种实施例的考虑弹性能量云模型的多能源***不确定性优化调度方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例中提供了一种考虑弹性能量云模型的多能源***不确定性优化调度方法,包括以下步骤:
步骤(1)获取预设的弹性能量云模型,所述弹性能量云模型的输入变量为自弹性系数,输出变量包括综合需求响应实施后的弹性负荷变化量;
步骤(2)获取不确定性优化调度模型,所述不确定性优化调度模型包括目标函数和约束条件,所述约束条件包含弹性能量云模型;
步骤(3)对基于历史数据计算出的各自弹性系数进行随机抽样组合,获得若干组自弹性系数随机组合;
步骤(4)将各组自弹性系数随机组合带入所述弹性能量云模型,结合所述不确定性优化调度模型,得到最终不确定优化调度后的若干组综合需求响应实施后的弹性负荷变化量。
在本发明实施例的一种具体实施方式中,所述弹性能量云模型的表达式为:
式中,分别表示采用云模型来表征t时刻电/热/冷/气能源用户的自弹性系数;λdl、λhl、λcl、λgl分别表示综合需求响应实施前预测电、热、冷、气负荷中初始弹性能量的占比;分别表示t时刻IDR实施前的预测电/热/冷/气负荷量;分别表示t时刻IDR实施前的零售电/热/冷/气价格参考值;分别表示采用云模型来表征t时刻综合需求响应实施后实际的弹性电/热/冷/气负荷变化量; 分别表示采用云模型来表征t时刻综合需求响应实施后综合能源服务商的电/热/冷/气零售价格变化量。可见,所述弹性能量云模型采用了自弹性系数来表征MEUs参与IDR的弹性能量和IESA面向MEUs的零售价格变化量之间的随机性和模糊性。所述均与历史数字特征值(期望(Ex)、熵(En)、超熵(He))相关。
以IESA的净收益最大化为总目标,即IESA的总收益与***总的运行成本之差最大化为目标,其中,IESA的售能总收益主要来源于多能源***内刚性和弹性能量用户的IDR效益,即IESA的售电力、热/冷能和天然气的总收益。此外,生产成本收益主要来源于产业园区内P2G和GSHP的能源生产装置,即P2G装置使电能转换成天然气能、GSHP装置通过制冷和制热产生的成本总收益。而***总运行成本主要包含了综合供能设备的运行成本、多能源***分别从配电/热/冷/气管网购买的功率传输成本。
具体地,所述不确定性优化调度模型的目标函数为:
f=max[RNet-(COm+CBuy)]
RNet=RRev,sal,total+RRev,cot,total
RRev,sal,total=RE_DL+RE_HL+RE_CL+RE_GL
RRev,cot,total=RE_P2G+RE_GSHP
COm=CWT_Om+CPV_Om+CMT_Om+CGB_Om+CES_Om
式中,RNet表示综合能源服务商的总收益;COm表示多能源***内各供能设备及储能设备的运行总成本;CBuy表示多能源***从外部配电网、配热网、配冷管、配气网购买的功率总成本;RRev,sal,total表示综合能源服务商的售能总收益;RRev,cot,total表示多能源***内电转气装置和地源热泵装置的生产成本总收益;RE_DL表示综合能源服务商实施电能需求响应后的售电收益;RE_HL、RE_CL分别表示实施热能、冷能需求响应后的售热、冷收益;RE_GL表示实施气能需求响应后的售气收益;RE_P2G表示电转气装置使电能转换成天然气能的生产成本收益;RE_GSHP表示地源热泵装置通过制冷和热能产生的生产成本收益;T是优化运行调度的时间周期;分别表示综合能源服务商在t时刻实施IDR后的实时零售电、热、冷、天然气***格;分别表示综合能源服务商在t时刻实施IDR后实时的电、热、冷、天然气负荷量;ctp2g,cost表示电转气装置在t时刻通过电能转换成天然气能的收益成本系数;表示电转气装置在t时刻电转天然气的输出功率;表示地源热泵装置在t时刻通过制冷和热能产生的收益成本系数;表示地源热泵装置在t时刻制冷、热能输出功率;CWT_Om、CPV_Om、CMT_Om、CGB_Om、CES_Om分别表示风机、光伏、微型燃气轮机、燃气锅炉、储能装置的运行成本;cwt、cpv、cmt、cgb分别表示风机、光伏、微型燃气轮机、燃气锅炉设备的运行成本系数;cbt、chc、ccd、cng的分别表示蓄电池、蓄冷槽、蓄热槽、储气罐的运行成本系数;分别是风机、光伏、微型燃气轮机、燃气锅炉设备的额定输出功率;分别表示多能源***内部蓄电池、蓄冷槽、蓄热槽、储气罐的充/放能功率;分别表示多能源***从配电网、配热网、配冷管、配气网购买的功率成本系数; 分别表示多能源***从配电网、配热网、配冷管、配气网购买的功率。
本发明实施例不确定性优化调度模型的约束条件包含了综合能源零售价格与IDR模型的相关等式约束、多能源***内电,热,冷,气能量流动平衡等式约束、以及综合储能装置、综合供能设备、能量耦合装置、可移动的电、热、冷、气负荷变化的等式和不等式约束,具体地,所述不确定性优化调度模型的约束条件包括电/热/冷/天然气/辅助烟气母线有功功率平衡约束,具体为:
式中,第一、二行表示电力母线功率平衡等式约束;第三、四行表示热母线功率平衡等式约束;第五、六行表示冷母线功率平衡等式约束;第七、八行表示天然气母线功率平衡等式约束;第九行表示辅助烟气母线功率平衡等式约束;ω为余热分配系数; 分别表示为余热锅炉、燃气锅炉、电制热、热转换、电制冷、电转气装置的输出功率,分别表示采用云模型来表征t时刻综合需求响应实施后实际的弹性电、热、冷、气负荷变化量;分别表示t时刻IDR实施前的预测电、热、冷、气负荷量,分别表示电制冷、电制热、地源热泵、热转换器装置在t时刻的输入端功率。
所述不确定性优化调度模型的约束条件还包括综合储能装置的等式约束:
式中,第一至四行分别表示t+1与t时刻综合储能装置的能量储存变化、储能充/放能效率/功率及自放能效率之间的函数关系;和分别表示电/热/冷/气储能装置在t+1与t时刻的能量存储变化;σbt、σhc、σcd、σng分别表示电、热、冷、气储能装置的自放能效率;λbt,c/λhc,c/λcd,c/λng,c和λbt,d/λhc,d/λcd,d/λng,c分别表示电/热/冷/气储能装置的充、放能效率。
所述不确定性优化调度模型的约束条件还包括综合供能设备之间的能量平衡等式约束:
式中,第一行表示多能源***内微型燃气轮机的热电能量平衡约束,VMT为微型燃气轮机的热电比值;第二行表示微型燃气轮机的天然气转电能的平衡约束,第三行表示电转气装置的电转天然气平衡约束,第四行表示燃气锅炉的气转热能量平衡约束,第五行表示余热锅炉的余热转热能量平衡约束;COPMT、COPP2G、COPGB、COPREC分别表示微型燃气轮机、电转气装置、燃气锅炉、余热锅炉的能量转换效率;分别表示微型燃气轮机、电转气装置、燃气锅炉、余热锅炉的输入端功率。
所述不确定性优化调度模型的约束条件还包括各能源转换装置输入与输出能量平衡等式约束:
式中,第一行第一、二列分别表示电制冷和电制热装置的输入与输出能量转换平衡约束,第二行第一、二列分别表示吸收式制冷装置的输入与输出、余热锅炉产生的烟气余热分配给吸收式制冷装置的能量转换平衡等式约束;第三行表示热能转换装置的能量转换平衡等式约束,第四行第一、二列分别表示地源热泵装置的制冷和制热的输入与输出能量转换平衡约束,表示地源热泵装置在t时刻的输入端功率,COPEC、COPEH、COPAC、COPHX、COPHP分别表示电制冷、电制热、吸收式制冷机、热转换器、地源热泵装置的能量转换效率。
所述不确定性优化调度模型的约束条件还包括可转移型电、热、冷、气负荷变化量等式约束:
考虑到弹性负荷在实施IDR后负荷曲线应遵循其用能连续、时序和整体属性,具体等式约束如下:
式中,第一行第一、二列至第四行第一、二列分别表示可转移型电、热、冷、气负荷在T周期内,实施IDR前后实际的虚拟弹性负荷出力增/减总功率值相等; 分别表示IDR实施后t时刻实际的电、热、冷、天然气虚拟弹性负荷出力增/减总功率。
所述不确定性优化调度模型的约束条件还包括各供能设备出力不等式约束:
式中,分别表示微型燃气轮机、风机、光伏、余热锅炉、燃气锅炉的设备t时刻输出功率的上、下限值;表示t时刻与t-1时刻MT设备的爬坡出力上、下限值; 分别表示微型燃气轮机、风机、光伏、余热锅炉、燃气锅炉的设备t时刻输出功率。
所述不确定性优化调度模型的约束条件还包括各能量转换装置不等式约束:
式中, 分别表示地源热泵装置、电转气装置、电制冷、电制热、吸收式制冷、热转换装置t时刻的设备输出功率上、下限; 分别表示地源热泵装置、电转气装置、电制冷、电制热、吸收式制冷、热转换装置t时刻的设备输出功率。
所述不确定性优化调度模型的约束条件还包括多能源***与配电网、热、冷、气管网之间传输功率不等式约束:
所述不确定性优化调度模型的约束条件还包括综合储能装置容量的不等式约束:
式中,第一、二行分别表示储电池装置的充/放电功率,分别表示储电池装置在t时刻的最大/最小容量,分别表示蓄热槽装置在t时刻的最大/最小容量,分别表示蓄冷槽装置在t时刻的最大/最小容量,分别表示蓄冷槽装置在t时刻的最大/最小容量,第四、五行分别表示蓄热槽装置的充/放能功率,第七、八行分别表示蓄冷槽装置的充/放能功率,第十、十一行分别表示储气罐装置的充/放能功率,分别表示各储电池/蓄热槽/蓄冷槽/储气罐装置的最小和最大储能量;为二进制0-1变量。
所述不确定性优化调度模型的约束条件还包括可转移型电、热、冷、气负荷变化量不等式约束:
式中,第一、二行分别表示可转移型电负荷的出力增、减总功率值上限约束;第三、四行分别表示可转移型热/冷/气负荷的出力增、减功率值上限约束;第五、六行分别表示为引入的二进制0-1变量,表示二进制变量不能同时取值为0或者1;分别表示IDR实施后t时刻实际的电/热/冷/天然气虚拟弹性负荷出力增/减总功率; 表示电/热虚拟弹性负荷出力增/减总功率的上下限。
所述不确定性优化调度模型的约束条件还包括综合能源零售价格变化量与弹性负荷变化量的不等式约束:
式中,分别表示t时刻电、热、冷、气零售价格变化量的上、下限; 分别表示t时刻电、热、冷、气负荷在参与IDR后总的弹性负荷的上、下限;分别表示t时刻电、热、冷、气零售价格变化量;分别表示t时刻电、热、冷、气负荷在参与IDR后总的弹性负荷。
为保证IESA的零售能源价格合理性,应结合实际的IDR收益模型,综合考虑零售能源价格变化率与IDR变化率之间的约束关系。因此,IESA的零售能源价格变化率应遵循如下约束:
考虑到多能源***内采用云模型来表征弹性能量的多重不确定性特征,易于出现云模型中的云滴分布离散化程度较高或较低的情况。导致不确定性优化调度情景下IESA制定的售能收益不合理。因此,在不确定性优化情景下,IESA需要基于确定性优化结果给定合理的售能净/总收益约束范围,具体如下:
式中,RE_DL,max/RE_DL,min、RE_HL,max/RE_HL,min、RE_CL,max/RE_CL,min、RE_GL,max/RE_GL,min分别表示不确定性优化调度时IESA的售电、热、冷、气净收益的上、下限;RRev,sal,total,max/RRev,sal,total,min表示不确定性优化调度时IESA售能总收益的上、下限。
在本发明实施例的一种具体实施方式中,所述若干组自弹性系数随机组合的获取方法包括以下步骤:
考虑弹性能量云模型中自弹性系数的不同区间元素(即某一具体的自弹性系数)的选取对多能源***整体经济效益和IDR潜力的贡献,采用一种基于区间贡献度的蒙特卡洛场景随机抽样筛选策略,对基于历史数据计算出的各自弹性系数进行筛选,获得若干组自弹性系数随机组合,以实现不确定性优化调度过程中***运行时间的减少和MEUs参与IDR潜力的不确定性优化调度结果误差的降低。
实施例2
基于与实施例1相同的发明构思,本发明实施例中提供了一种考虑弹性能量云模型的多能源***不确定性优化调度装置,包括:
第一获取单元,用于获取预设的弹性能量云模型,所述弹性能量云模型的输入变量为自弹性系数,输出变量包括综合需求响应实施后的弹性负荷变化量;
第二获取单元,用于获取不确定性优化调度模型,所述不确定性优化调度模型包括目标函数和约束条件,所述约束条件包含弹性能量云模型;
筛选单元,用于对基于历史数据计算出的各自弹性系数进行随机抽样组合,获得若干组自弹性系数随机组合;
计算单元,用于将各组自弹性系数随机组合带入所述弹性能量云模型,结合所述不确定性优化调度模型,得到最终不确定优化调度后的若干组综合需求响应实施后的弹性负荷变化量。
其余部分均与实施例1相同。
实施例3
基于与实施例1相同的发明构思,本发明实施例中提供了一种考虑弹性能量云模型的多能源***不确定性优化调度***,包括:存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、设备(***)、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。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (19)
1.一种考虑弹性能量云模型的多能源***不确定性优化调度方法,其特征在于,包括:
获取预设的弹性能量云模型;获取不确定性优化调度模型,所述不确定性优化调度模型包括目标函数和约束条件,所述约束条件包含所述弹性能量云模型;
对基于历史数据计算出的各自弹性系数进行随机抽样组合,获得若干组自弹性系数随机组合;
将各组自弹性系数随机组合带入所述弹性能量云模型,结合所述不确定性优化调度模型,得到最终不确定优化调度后的若干组综合需求响应实施后的弹性负荷变化量。
3.根据权利要求1所述的一种考虑弹性能量云模型的多能源***不确定性优化调度方法,其特征在于,所述不确定性优化调度模型的目标函数为:
f=max[RNet-(COm+CBuy)]
RNet=RRev,sal,total+RRev,cot,total
RRev,sal,total=RE_DL+RE_HL+RE_CL+RE_GL
RRev,cot,total=RE_P2G+RE_GSHP
COm=CWT_Om+CPV_Om+CMT_Om+CGB_Om+CES_Om
式中,RNet表示综合能源服务商的总收益;COm表示多能源***内各供能设备及储能设备的运行总成本;CBuy表示多能源***从外部配电网、配热网、配冷管、配气网购买的功率总成本;RRev,sal,total表示综合能源服务商的售能总收益;RRev,cot,total表示多能源***内电转气装置和地源热泵装置的生产成本总收益;RE_DL表示综合能源服务商实施电能需求响应后的售电收益;RE_HL、RE_CL分别表示实施热能、冷能需求响应后的售热、冷收益;RE_GL表示实施气能需求响应后的售气收益;RE_P2G表示电转气装置使电能转换成天然气能的生产成本收益;RE_GSHP表示地源热泵装置通过制冷和热能产生的生产成本收益;T是优化运行调度的时间周期;分别表示综合能源服务商在t时刻实施IDR后的实时零售电、热、冷、天然气***格; 分别表示综合能源服务商在t时刻实施IDR后实时的电、热、冷、天然气负荷量;表示电转气装置在t时刻通过电能转换成天然气能的收益成本系数;表示电转气装置在t时刻电转天然气的输出功率;表示地源热泵装置在t时刻通过制冷和热能产生的收益成本系数;表示地源热泵装置在t时刻制冷、热能输出功率;CWT_Om、CPV_Om、CMT_Om、CGB_Om、CES_Om分别表示风机、光伏、微型燃气轮机、燃气锅炉、储能装置的运行成本;cwt、cpv、cmt、cgb分别表示风机、光伏、微型燃气轮机、燃气锅炉设备的运行成本系数;cbt、chc、ccd、cng的分别表示蓄电池、蓄冷槽、蓄热槽、储气罐的运行成本系数;分别是风机、光伏、微型燃气轮机、燃气锅炉设备的额定输出功率; 分别表示多能源***内部蓄电池、蓄冷槽、蓄热槽、储气罐的充/放能功率;分别表示多能源***从配电网、配热网、配冷管、配气网购买的功率成本系数;分别表示多能源***从配电网、配热网、配冷管、配气网购买的功率。
4.根据权利要求3所述的一种考虑弹性能量云模型的多能源***不确定性优化调度方法,其特征在于:所述不确定性优化调度模型的约束条件包括电、热、冷、天然气、辅助烟气母线有功功率平衡约束,具体为:
6.根据权利要求4所述的一种考虑弹性能量云模型的多能源***不确定性优化调度方法,其特征在于:所述不确定性优化调度模型的约束条件还包括综合供能设备之间的能量平衡等式约束,具体为:
7.根据权利要求4所述的一种考虑弹性能量云模型的多能源***不确定性优化调度方法,其特征在于:所述不确定性优化调度模型的约束条件还包括各能源转换装置输入与输出能量平衡等式约束,具体为:
式中,第一行第一、二列分别表示电制冷和电制热装置的输入与输出能量转换平衡约束,第二行第一、二列分别表示吸收式制冷装置的输入与输出、余热锅炉产生的烟气余热分配给吸收式制冷装置的能量转换平衡等式约束;第三行表示热能转换装置的能量转换平衡等式约束,第四行第一、二列分别表示地源热泵装置的制冷和制热的输入与输出能量转换平衡约束,COPEC、COPEH、COPAC、COPHX、COPHP分别表示电制冷、电制热、吸收式制冷机、热转换器、地源热泵装置的能量转换效率。
12.根据权利要求4所述的一种考虑弹性能量云模型的多能源***不确定性优化调度方法,其特征在于:所述不确定性优化调度模型的约束条件还包括综合储能装置容量的不等式约束,具体为:
17.根据权利要求1所述的一种考虑弹性能量云模型的多能源***不确定性优化调度方法,所述若干组自弹性系数随机组合的获取方法步骤:
采用一种基于区间贡献度的蒙特卡洛场景随机抽样筛选策略,对基于历史数据计算出的各自弹性系数进行筛选,获得若干组自弹性系数随机组合。
18.一种考虑弹性能量云模型的多能源***不确定性优化调度装置,其特征在于,包括:
第一获取单元,用于获取预设的弹性能量云模型;
第二获取单元,用于获取不确定性优化调度模型,所述不确定性优化调度模型包括目标函数和约束条件,所述约束条件包含所述弹性能量云模型;
筛选单元,用于对基于历史数据计算出的各自弹性系数进行随机抽样组合,获得若干组自弹性系数随机组合;
计算单元,用于将各组自弹性系数随机组合带入所述弹性能量云模型,结合所述不确定性优化调度模型,得到最终不确定优化调度后的若干组综合需求响应实施后的弹性负荷变化量。
19.一种考虑弹性能量云模型的多能源***不确定性优化调度***,其特征在于,包括:
存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1~17中任一项所述方法的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110399162.7A CN113240154A (zh) | 2021-04-14 | 2021-04-14 | 考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110399162.7A CN113240154A (zh) | 2021-04-14 | 2021-04-14 | 考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113240154A true CN113240154A (zh) | 2021-08-10 |
Family
ID=77128622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110399162.7A Pending CN113240154A (zh) | 2021-04-14 | 2021-04-14 | 考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240154A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116106091A (zh) * | 2022-01-20 | 2023-05-12 | 山东科技大学 | 深部含瓦斯煤体失稳灾变时的顶板弹性能贡献率估算方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018185300A1 (de) * | 2017-04-07 | 2018-10-11 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum koordinieren eines leistungsaustauschs zwischen einer vielzahl von technischen kleineinheiten und einem elektrischen übertragungsnetz |
CN110417006A (zh) * | 2019-07-24 | 2019-11-05 | 三峡大学 | 考虑多能协同优化的综合能源***多时间尺度能量调度方法 |
-
2021
- 2021-04-14 CN CN202110399162.7A patent/CN113240154A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018185300A1 (de) * | 2017-04-07 | 2018-10-11 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum koordinieren eines leistungsaustauschs zwischen einer vielzahl von technischen kleineinheiten und einem elektrischen übertragungsnetz |
CN110417006A (zh) * | 2019-07-24 | 2019-11-05 | 三峡大学 | 考虑多能协同优化的综合能源***多时间尺度能量调度方法 |
Non-Patent Citations (1)
Title |
---|
HAIFEI GU ET AL.: "Optimal Economic Dispatch for an Industrial Park With Consideration of an Elastic Energy Cloud Model With Integrated Demand Response Uncertainty", 《IEEE ACCESS 》, vol. 9, 12 April 2021 (2021-04-12), pages 52485 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116106091A (zh) * | 2022-01-20 | 2023-05-12 | 山东科技大学 | 深部含瓦斯煤体失稳灾变时的顶板弹性能贡献率估算方法 |
CN116106091B (zh) * | 2022-01-20 | 2023-07-07 | 山东科技大学 | 深部含瓦斯煤体失稳灾变时的顶板弹性能贡献率估算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165788B (zh) | 一种冷热电联供***的优化方法 | |
CN112180741B (zh) | 一种负荷聚合商参与的综合需求响应方法及*** | |
CN109615141B (zh) | 一种多能源***并网优化调度方法及装置 | |
CN111882105A (zh) | 含共享储能***的微电网群及其日前经济优化调度方法 | |
CN111950807A (zh) | 计及不确定性与需求响应的综合能源***优化运行方法 | |
CN112398164A (zh) | 含共享储能***的微能源网群优化运行及成本分配方法 | |
CN111860965A (zh) | 考虑储能多类型服务的用户综合能源***优化调度方法 | |
CN114462724B (zh) | 一种考虑多能源价格激励综合需求响应模型的园区聚合商双层优化调度方法 | |
CN111639819B (zh) | 一种综合能源园区多阶段优化控制方法 | |
CN110417061B (zh) | 一种基于改进蛙跳算法的电热联合***调度方法 | |
CN113988714B (zh) | 计及多重不确定性的园区综合能源***动态规划方法、设备及介质 | |
CN115186902A (zh) | 温室综合能源***的调控方法、装置、终端及存储介质 | |
CN112131712B (zh) | 客户侧多能源***多目标优化方法和*** | |
CN114662752A (zh) | 基于价格型需求响应模型的综合能源***运行优化方法 | |
CN112600253A (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
CN113435095A (zh) | 一种用于综合能源***的优化调度的方法及*** | |
CN115146868A (zh) | 电热气耦合的农村微能源***协同规划方法及终端设备 | |
CN116822831A (zh) | 含共享储能***的微能源网群优化规划方法 | |
CN111126675A (zh) | 多能互补微网***优化方法 | |
CN113240154A (zh) | 考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及*** | |
Vcremiichuk et al. | Energy hub functioning model considering perspectives for development of bioenergy in Ukraine | |
CN110796287A (zh) | 基于多种群遗传算法的分段式综合能源***运行优化方法 | |
CN115659585A (zh) | 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 | |
CN115034551A (zh) | 一种多园区综合能源***能量交互优化方法及装置 | |
CN114240010A (zh) | 应对需求侧不确定性的热电联产燃气轮机组调度方法 |
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 |