CN113379327B - 一种电力***多区域并行状态估计方法及*** - Google Patents
一种电力***多区域并行状态估计方法及*** Download PDFInfo
- Publication number
- CN113379327B CN113379327B CN202110779647.9A CN202110779647A CN113379327B CN 113379327 B CN113379327 B CN 113379327B CN 202110779647 A CN202110779647 A CN 202110779647A CN 113379327 B CN113379327 B CN 113379327B
- Authority
- CN
- China
- Prior art keywords
- node
- subsystem
- data
- nodes
- boundary
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 34
- 230000008030 elimination Effects 0.000 claims abstract description 16
- 238000003379 elimination reaction Methods 0.000 claims abstract description 16
- 238000003860 storage Methods 0.000 claims abstract description 16
- 230000001360 synchronised effect Effects 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims description 64
- 238000012545 processing Methods 0.000 claims description 31
- 238000012937 correction Methods 0.000 claims description 28
- 239000013598 vector Substances 0.000 claims description 26
- 238000006467 substitution reaction Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 10
- 230000010365 information processing Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 17
- 238000013500 data storage Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000002347 injection Methods 0.000 description 8
- 239000007924 injection Substances 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000003416 augmentation Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 101150036841 minJ gene Proteins 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种电力***多区域并行状态估计方法及***,解决了现有多区域状态估计方法由于区域之间需要协调,导致与集中估计结果不一致的问题。本公开利用并行计算的原理能够与集中估计结果一致,无现有方法需要进行协调的问题,且计算效率上具有优势。具体是将电力***分成若干个区域,并将信息矩阵表示为分块矩阵的形式;以稀疏矩阵的求解计算过程为基础,根据计算因子有向图确定了节点消去计算的顺序和子***间需要共享的数据;采用Zookeeper***存储共享数据的同步迭代并行状态估计方法。给出了电力***分区后相应的Zookeeper存储节点配置和多区域并行计算的步骤,为电力***并行状态估计提供了理论依据,使得电力***状态估计结果更为准确,且大幅提高了效率和可靠性,有利于大范围推广应用。
Description
技术领域
本公开属于电力***运行和控制技术领域,具体涉及一种电力***多区域并行状态估计方法及***。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成现有技术。
状态估计作为近代计算机处理实时数据的手段,利用实时量测***提供的冗余信息,以最佳的方法估计电力***的状态变量,并建立可靠和精确的实时数据库。其在电力***的在线潮流、安全监视、负荷预计、经济调度、联络线功率控制等领域得到了广泛应用。
随着电力***规模的逐渐扩大和状态估计模型维数的升高,集中式状态估计存在着数据存储量和计算量大、效率低且可靠性差的问题。而采用多区域状态估计能够减少设备的计算负载,提高整体的效率,具有重要的意义。
现有的多区域状态估计可分为分层结构和分散结构。其中分层状态估计又可分为估计协调和迭代协调两大类:估计协调法仅协调了边界节点的状态,对整体精度的提高不大;迭代协调法则更接近集中估计的结果,但其过程也更加复杂且不易实现。分层状态估计还存在协调中心失效时无法运行的风险。分散结构状态估计则不存在协调中心,效率相对于集中估计也有很大提高,但目前存在的方法需要子区域之间的多次协调导致收敛较慢且实用性不强。
综上所述,目前对于多区域状态估计问题,未有相对合适的并行计算技术。
发明内容
为解决上述问题,本公开提出了一种电力***多区域并行状态估计方法及***,具体为采用Zookeeper***交换数据的同步迭代并行状态估计方法,将电力***分成若干个不重叠的子***,以稀疏矩阵的求解计算过程为基础,将信息矩阵表示为分块矩阵的形式。根据计算因子有向图确定节点消去计算的顺序和子***间需要交换的数据,给出了电力***分区后相应的Zookeeper存储节点的配置和多子***并行计算的步骤,为并行电力***状态估计提供了理论依据。可实现以最佳方法估计电力***的状态变量,可用于电力***在线潮流、安全监视、负荷预计、经济调度、联络线功率控制和电力***调度等领域,并建立可靠和精确的实时数据库***。
第一方面,本公开提供了一种电力***多区域并行状态估计方法,包括:
将指定电力***网络划分为不同的子***,并确定各子***的内部节点、边界节点和各子***中与相邻子***之间的连线;
分别获取各子***其内部节点的内部量测数据,边界节点的边界量测数据,及边界节点上连接线的量测数据;其中边界节点量测数据和连接线量测数据作为与该子***存在连接的各相邻子***的共享内容;
获取各子***内部节点的初步状态;然后根据其内部量测并行处理状态估计数据并保持共享数据的同步,且并行处理过程中每次迭代在前代和回代时通过修改共享数据实现区域间数据的交换;最后各子***并行修正节点状态值;每次迭代结束时各子***进行收敛判断,若所有子***均收敛则全部子***结束计算并分别输出节点的最终状态值;并将所有子***内部节点的最终状态值作为该指定电力***的状态估计结果。
各子***均为集中式估计,各子***的集中估计器通过Zookeeper***互相连接组成集群,在处理本地数据的同时监听并读写Zookeeper集群上存储的共享信息;子***间的共享数据存储在Zookeeper***的存储节点上,同时控制中心通过Zookeeper使各子***保持同步。
第二方面,本公开提供了一种电力***多区域并行状态估计***,包括:
预处理模块,被配置为:将指定电力***划分为不同的子***,并确定各子***的内部节点和各子***中与相邻子***存在连线的边界节点;
数据获取模块,被配置为:获取各子***中内部节点的量测数据,边界节点的量测数据,及边界节点上连接线的量测数据;边界节点量测数据和连接线量测数据作为与相邻子***之间的共享数据;
状态估计模块,被配置为:获取各子***内部节点的初步状态;根据其内部量测并行处理状态估计数据并保持共享数据的同步,且并行处理过程中每次迭代在前代和回代时通过修改共享数据实现区域间数据的交换;各子***并行修正节点状态值;迭代结束时进行收敛判断,若所有子***均收敛则结束计算并输出各子***节点的最终状态值,并将其作为该指定电力***的状态估计结果。
第三方面,本公开提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成如第一方面所述的电力***多区域并行状态估计方法。
第四方面,本公开提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如第一方面所述的电力***多区域并行状态估计方法。
与现有技术对比,本公开具备以下有益效果:
本公开解决了现有多区域状态估计方法由于区域之间需要协调,导致与集中估计结果不一致的问题。本公开利用并行计算的原理能够与集中估计结果一致,无现有方法需要进行协调的问题,且计算效率上具有优势。具体是将电力***分成若干个区域,并将信息矩阵表示为分块矩阵的形式;以稀疏矩阵的求解计算过程为基础,根据计算因子有向图确定了节点消去计算的顺序和子***间需要共享的数据;采用Zookeeper***存储共享数据的同步迭代并行状态估计方法。给出了电力***分区后相应的Zookeeper存储节点配置和多区域并行计算的步骤,为电力***并行状态估计提供了理论依据,使得电力***状态估计结果更为准确,且大幅提高了效率和可靠性,有利于大范围推广应用。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为电力***拓扑及量测结构示意图;
图2为电力***信息矩阵网络示意图;
图3为计算有向因子图;
图4为相邻区域示意图;
图5为Zookeeper分布式协调服务模型图;
图6为Zookeeper集群与子***的通信架构图;
图7为区域划分和前代方向示意图;
图8为算例的网络拓扑结构图;
图9为算例的计算因子有向图;
图10为算例的分区示意图;
图11为本公开的流程图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1
一种电力***多区域并行状态估计方法,包括:
将指定电力***网络划分为不同的子***,并确定各子***的内部节点、边界节点和各子***中与相邻子***之间的连线;
各子***分别获取其内部节点的内部量测数据,边界节点的边界量测数据,及边界节点上连接线的量测数据;其中边界节点量测有关数据和连接线量测有关数据作为与该子***存在连接的各相邻子***的共享内容;
各子***首先获取内部节点的初步状态;然后根据其内部量测并行处理状态估计数据并保持共享数据的同步,且并行处理过程中每次迭代在前代和回代时通过修改共享数据实现区域间数据的交换;最后各子***并行修正节点状态值。每次迭代结束时各子***进行收敛判断,若所有子***均收敛则全部子***结束计算并分别输出节点的最终状态值;并将所有子***内部节点的最终状态值作为该指定电力***的状态估计结果。
各子***均为集中式估计,各子***的集中估计器通过Zookeeper***互相连接组成集群,在处理本地数据的同时监听并读写Zookeeper集群上存储的共享信息;子***间的共享数据存储在Zookeeper***存储节点上,同时控制中心通过Zookeeper使各子***保持同步。
首先,电力***的量测方程的表达式为:
z=h(x)+v (1)
式中,z为状态估计的量测量,主要来自于:1.SCADA中的实时数据;2.预报计划型伪量测。其内容有支路功率量测,节点注入功率量测和节点电压幅值量测。x是***的状态变量,h(x)是根据基尔霍夫定律建立的各量测量计算函数;v是量测误差随机向量。
加权最小二乘法(WLS)是状态估计应用最广泛的方法之一。其目标函数为:
minJ(x)=[z-h(x)]TR-1[z-h(x)] (2)
其中,z表示量测向量,R-1表示量测权重。设***的量测量个数为m,节点电压待求向量个数为n,定义为
z=[z1 z2 .. zm]T (3)
x=[x1 x2 .. xn]T (4)
则R-1可写成对角阵的形式
求解目标函数式(2)的迭代方程如下:
式中k为迭代次数,H为量测雅可比矩阵,定义如下:
其形式可写为:
根据式(6),定义信息矩阵G和自由向量Δy:
G=HTR-1H (9)
Δy=HTR-1[z-h(x(k))] (10)
则迭代方程可写为:
可看出自由变量Δy和信息矩阵G是迭代计算的关键。
若某电力***共有N+1个节点,选择其中一个节点作为平衡节点。则式(9)中的信息矩阵G可分为N×N块子矩阵,则Δx的求取可写为如下的形式
节点i在信息矩阵中的对角子矩阵Gi,i为:
节点i和节点j之间在信息矩阵中对应的子阵Gi,j为:
若定义节点i的状态变量记为xi:
式中,vi表示节点i的电压幅值,θi表示电压相角。
将式(15)代入式(13)(14),得到2×2维的子阵Gi,i,Gi,j的元素具体表示如下:
通过式(13)可以推得,当节点i可观时,对称子阵Gi,i非零。
若定义与节点i的电压幅值量测zv,i,注入功率量测zp,i(包括节点注入有功和注入无功功率),节点i,j之间的功率量测zp,i-j,zp,j-i,其中zp,i-j表示从节点i流向节点j的功率,zp,j-i表示从节点j流向节点i的功率,定义
zi-j=zp,i∪zp,j∪zp,i-j∪zp,j-i (18)
则式(14)可写为
式(19)表明子阵Gi,j仅在以下情况为0阵:
节点i和节点j之间无连接支路;
节点i和节点j和支路i-j两端均没有支路功率量测并且无注入功率量测;
同理,可得节点i对应的自由向量Δyi:
以上分析表明,信息矩阵G为对称的高度稀疏矩阵,其结构由网络拓扑与量测配置决定,某个节点i有关的信息矩阵子阵Gi,i、Gi,j和自由向量Δyi的计算只涉及到节点i本身及其相邻节点;且电力***网络图与信息矩阵对应的网络图存在一定的映射关系:若定义电力***连通片的接线图S=(V(S),E(S)),其中V(S)顶点的集合为电力***拓扑分析后母线节点,E(S)由不含接地支路的等值电气支路构成(接地支路只影响G阵对角元素)。信息矩阵G对应的无向网络图为SG=(V(SG),E(SG)),其每一顶点对应矩阵G的一个对角元子阵,易知V(S)=V(SG),若边且满足如下条件,则
1.支路i-j配置有有功功率或无功功率量测;
2.节点i有注入有功功率或无功功率量测;
3.节点j有注入有功功率或无功功率量测。
假设一14节点电力***的拓扑结构及量测配置如图1所示。
其中节点14为平衡节点,根据网络拓扑与量测配置,得到的信息矩阵对应的网络图如图2所示;
由于此***中节点12和节点13均无注入功率量测且联络线12-13没有功率量测,根据式(11)可推出非对角子阵G12,13和G13,12为0阵,从而导致网络图不存在边12-13。
求解修正向量Δx需要对信息矩阵求逆,这一过程也可用增广矩阵的前代回代方式实现:需要规格化、前代和回代。
将迭代方程式(11)的信息矩阵与自由向量放入以下增广矩阵B中:
对增广矩阵B进行含规格化的高斯消元。其中,节点i为***中一非平衡节点,其规格化计算分为两步,每一步执行完毕后对相应矩阵重新赋值。执行完规格化后对角子矩阵Gi,i可认为变为单位阵。
节点i完成规格化之后,将进行节点i对相关联的节点k的前代消去操作,其计算式为(23),式中,i→k表示节点k与节点i存在i向k的前代消去关系:
所有节点按照计算有向因子图的顺序执行完规格化和前代消去操作后,信息矩阵变为上三角矩阵。增广矩阵B变为如下形式:
回代计算与前代运算的顺序相反,回代操作中各节点的状态修正变量计算顺序为ΔxN,ΔxN-1,..,Δx1,其中节点i的求解式为:
Δxi=Δy'i-∑G'i,jΔxj i→j,j>i (25)
对于图1的电力***,其前代消去顺序如图3所示,图中实线表示非零子矩阵的消去,虚线表示注入元的消去。
如图3所示,可以看出由于信息矩阵的稀疏性,前代及回代只在少数邻近的节点之间产生包括注入边在内的数据交换;而没有连接边和注入边的点是可以并发执行节点的消元计算的。以图3为例,节点1,2,3,4,5相互无关联,规格化操作可并发进行。节点1与节点8;节点2与节点6;节点4与节点7等消去操作也可以并发进行。
经过前文分析,式(11)可以按节点并行求解。电力***的所有节点都可以共同参与并行求解。若所有节点均设有计算和存储设备,一方面会增加设备的成本,另一方面会增加运行过程中节点间交换的数据量,从而增加通讯成本。若将电力***按照节点聚合的形式划分成若干个区域,每个区域对应着信息矩阵的一个子块,则可以有效减少各***之间的数据交换。
作为一种实施方式,所述将指定区域电力***划分为不同的子***,每个子***的节点分为内部节点以及边界节点;进而根据划分确定各子***的内部节点和各子***中相邻两个子***的连线的边界节点。
具体的实施方式为,如图4所示,设***共划分为r个子***,其中子***SA和子***SB为相邻子***,如图4所示。SA和SB之间有Ln条联络边,SA和SB的边界节点为两个子***的共享部分,这些节点以及联络边相关的信息存储在服务器上,可以由两个子***共同读取和操作。子***SA的节点集合为{AI,AB},子***SB节点集合为{BI,BB}。其中,AI为子***SA的内部节点集合;AB为子***SA中与子***SB相邻的边界节点集合;BI为子***SB的内部节点集合;BB为与SA相邻的边界节点集合。
所有子***的迭代计算是同步的,以子***SA和SB为例进行计算过程分析,子***中在进行各节点的计算过程中,依据式(10)(11)(13)可知,子***内部节点的各操作仅与本子***中的节点有关,无需与其它子***交换数据。
而各子***中边界节点的计算过程,不仅与其内部节点相关,还与相邻子***的关联节点有关。若存在消去关系的节点i、k分别归属于子***SA、SB,通过联络边i-k相连。其前代计算方向由i指向k,则子***SA在进行节点i对k的跨子***前代计算公式为:
可以看出,子***SA在执行式(27)的操作前需要获取相邻子***SB中的Gk,i、Gi,k、Gk,k和Δyk的数值,执行完前代操作后,其计算结果应传递给子***SB。
同理,在回代过程中,子***SB在进行完与节点i相连的节点的回代后需要将计算结果传递给子***SA,SA按照式(28)完成节点i的回代计算。
Δxi=Δy'i-∑G'i,kΔxk i→k,i∈AB,k∈BB (28)
式中,节点i属于子***SA的边界节点集合AB,节点k属于子***SB的边界节点集合BB,节点i和节点k在回代过程中存在k向i的消去关系;节点i和k以及联络边i-k的信息作为子***SA和子***SB共享的信息,在前代及回代过程中,两个子***计算的子块中都应保存有其值。
作为一种实施方式,所述各子***首先获取内部节点的初步状态;然后根据其内部量测并行处理状态估计数据并保持共享数据的同步。获取内部节点的初步状态值的步骤包括:
初始化子***间共享信息子矩阵、自由向量和状态修正量值、共享节点的前代标志位和回代标志位初值;
各子***生成信息矩阵子块和自由向量,按照顺序进行子***的前代、回代,计算节点状态修正量。
所述前代步骤包括:
若取内部节点则进行节点规格化和消去操作;
若取边界节点则进行节点规格化、消去操作和共享信息处理,所述信息处理包括判断边界节点是否需要等待相邻区域边界节点完成处理,若是则等待;否则处理该节点并更新此边界节点的共享数据,并修正该节点前代标志位。
所述回代步骤包括:
若取内部节点则计算该节点状态修正量并判断该节点修正量是否大于节点状态修正量初值,若大于则替换该初值;
若取边界节点则判断边界节点是否需要等待相邻区域边界节点完成处理,若是则等待;否则计算该节点状态修正量,修正该节点回代标志位,并判断该节点修正量是否大于节点状态修正量初值,若大于则替换该初值;
后进行收敛判断,若所有子***全部收敛则输出结果;若不收敛则进行下一次迭代;若迭代次数超过最大值仍未收敛则停止运行。
具体的,***若分为r个子***,其中子***SI有NI个节点。首先在***运行之前需要初始化,设收敛阈值,迭代次数初值t=1。每个子***设节点状态初值。初始化完,***的运行步骤如下:
(1)所有的共享信息子矩阵、自由向量和状态修正量值清零,共享节点的前代标志位和回代标志位设初值,设Δεmax初值。
(2)各子***生成信息矩阵子块和自由向量。
(3)子***SI(I=1,2,,r)的前代:
1:取节点i,若i为内部节点,执行步骤2、3;若i为边界节点,判断Fi是否为0,为0则执行步骤2、3、4,不为0则等待;
3:消去操作G'j,j=Gj,j-Gj,iGi,j,Δy'j=Δyj-Gj,iΔyi,(i→j,j=1,,NI);
4.判断Gi,j、Gj,i、Δyj(i→j)是否为共享变量,如果是,则令g_Gi,j=Gi,j,g_Gj,i=Gj,i,g_Δyj=Δyj,执行步骤5。
5.修改标志位:Fj=Fj-1。
6.取下一个计算节点,转步骤1,直到本区域最后一个计算节点。
(4)子***SI(I=1,2,,r)的回代:
1:取节点i,若i为内部节点,执行步骤2、5;若i为边界节点,判断Bi是否为0,为0则执行步骤3、4、5,不为0则等待;
2:依据式(25),求节点i状态修正量;
3:令g_Δxi=Δxi,执行步骤4;
4:修改标志位:Bj=Bj-1(i→j);
5:判断节点修正量最大绝对值是否大于Δεmax,若大于则替换Δεmax;
6.取下一个计算节点,转步骤1,直到本区域最后一个计算节点;
7.计算节点状态变量x'i=xi+Δxi,(i=1,,,NI)。
(5)判断收敛:若Δεmax<ε则认为收敛并结束运行;否则t=t+1,转步骤(1)。当t超过设定的最大次数,则认为不收敛并结束运行。
相邻子***之间需要交换的信息需要存于共享存储空间,这部分信息有:
1.g_Gk,i、g_Gi,k、g_Gk,k:子矩阵Gk,i、Gi,k、Gk,k的共享值;
2.g_Δyk:自由向量Δyk的共享值;
3.g_Δxi、g_Δxk:节点状态修正量Δxi、Δxk的共享值;
4.Fk:节点k的前代标志位,其值为前代过程在处理节点k之前必须先处理的相邻子***边界节点的数量;
5.Bi:节点i的回代标志位,其值为回代过程在处理节点i之前必须先处理的相邻子***边界节点的数量。
同时,还需定义全局共享变量如下:
1.全***所有节点修正量绝对值的最大值,初值可设为10-6;
2.收敛的阈值,初值可设为10-4。
作为一种实施方式,各子***的集中估计器组成Zookeeper集群,在处理本地数据的同时监听并读写Zookeeper集群上存储的共享信息;子***间的共享数据存储在Zookeeper***存储节点上,同时控制中心通过Zookeeper使各子***保持同步。
具体的,由于并行迭代计算采用同步方式,相邻区域的信息共享量较少且具有实时性,Zookeeper***适合解决此类问题。因此选择Zookeeper***实现本方法区域间数据的共享和交换。
ZooKeeper是由Apache Hadoop的子项目发展而来,其***架构部署如图5所示。通过将多台数据交换服务器组成集群,每台服务器并发采集不同客户端的数据,提高了数据交换效率,也减轻了单台服务器的运行负载。客户端若修改其中任何一个服务器中存储的数据,操作成功后结果都能同步到其他服务器。集群保证了连接不同服务器上的所有客户端能够查询到一致的数据。Zookeeper还具有整体可靠的特点:只要集群中超过一半的服务器状态正常,Zookeeper就可以正常运行。
为客户端与Zookeeper集群间的通信架构如图6所示,各客户端为***各子***的状态估计器和控制中心,控制中心的作用是使各子***的迭代保持同步。
Zookeeper使用一系列被称为ZNode的数据存储节点,在服务器集群上建立了一个共享的、树型结构的空间,解决了分布式程序相互协调的问题。其数据模型类似于Unix文件存储***。每个ZNode都可以设置名称并保存数据,同时可以向下继续建立子节点。
根据前文分析,在Zookeeper中建立存储空间,将共享信息存储在ZNode及其子节点。并定义如下:数据存储节点共设为四层,分别为根节点、共享区编号、区域间共享变量名,区域间共享变量值。每层节点存储的数据内容和其命名规则为:
1.第一层为根节点,直接命名为“Se”;
2.根节点下为第二层节点,其名称表示交换数据的区域对应的子块编号,格式为“块号i_块号j”,如“1_3”表示区域S1和区域S3的共享数据区;
3.“区域间共享变量名”位于“共享区编号”的下一级,含节点子矩阵、自由向量、状态修正向量以及边界节点的前代回代标志位:子矩阵命名为“G_i_j”i和j表示节点号,例如G_1_2表示边1-2对应的非对称子矩阵;自由向量命名“Y_i”,例如Y_3表示节点3对应的自由向量;状态修正向量(边界节点)命名“X_i”,例如X_2表示节点2对应的状态修正向量;“F_i”表示节点i的前代标志位,“B_i”表示其回代标志位;
4.“变量值”位于“区域间共享变量名”的下一级,其名称表示对应矩阵变量的元素,比如“G11”表示信息子矩阵第一行一列的元素;“Y2”表示自由向量第二行的元素。第四层节点的值为相应元素的值。
全局共享变量存于根节点下的另一部分存储节点中,这部分节点的名称如“E_max”存有Δεmax的值,“E”存有ε的值。
假设有一电力***分为两个区域,区域划分和节点前代顺序如图7所示。图中括号里的数字为节点在该子***中的编号。
该***需要在Zookeeper中设置的存储节点名称及节点层次结构如表1和表2所示。
表1区域间共享数据存储节点
表2全***共享数据存储节点
本方法在某17节点电力***上进行了测试。该***的网络拓扑结构如图8所示。设节点2为平衡节点,不参与迭代运算。经过信息矩阵LDU分解得到的计算因子有向图如图9所示。
将***分为区域S1和S2,节点1-8和17属于S1;9-17和8属于S2,区域划分如图10所示,括号里的数字为节点在子***中的编号。其中节点8和节点17为两区域共享的节点。
根据计算因子有向图,可确定区域计算的步骤和相邻区域之间需要交换的数据,进而在Zookeeper服务器中设置数据存储节点。所设节点的名称和层数如表3所示。
表3区域间共享数据存储节点
表3全***共享数据存储节点
为分析结果精度和运行效率,使用相同算例对比了本方法和整体状态估计的计算结果和每个计算过程所用的时间。
Zookeeper***配置如下:集群设有三个Zookeeper节点,安装在两台win10***的计算机上,其中1号和3号节点安装在1号机,2号节点安装在2号机,三个Zookeeper节点的端口号分别为2181、2182和2183,1号和2号为follower,3号为leader。两台计算机处于同一无线局域网,频率为5GHz,网速为1000Mbps。
1号机和2号机分别通过Java编写的程序进行区域S1和S2的计算;并使用Java API连接到Zookeeper集群的“2181”和“2182”端口,对Zookeeper中的数据进行读写操作。控制中心的程序在一号机上运行,连接到“2183”端口,使两台计算机的迭代计算保持同步。迭代收敛判断的阈值设为10-4。分区并行计算迭代3次达到收敛,与整体状态估计的计算结果相同,收敛次数也相同;这是因为并行计算中各区域可看作是对同一个信息矩阵进行求解的。而现有的分布式状态估计,由于区域之间需要协调,其计算结果难以与集中估计的计算结果一致。
表4计算用时比较
表4给出了分区后并行计算各步骤的用时和等待时间,并与集中式计算时长进行了比较。可以看出分区并行状态估计在结果不变的条件下速度得到了很大程度提升。各区域的迭代过程是同步的,由于各区域在每一次迭代中可以独立并行计算信息矩阵和内部节点的前代回代,这很大程度缩短了计算时间。对于边界节点的计算,节点有先后顺序,因此存在一定的等待时间,读取和写入Zookeeper的数据也需要时间。但是计算效率仍然大幅高于整体式状态估计。
实施例2
一种电力***多区域并行状态估计***,包括:
预处理模块,被配置为:将指定电力***划分为不同的子***,并确定各子***的内部节点和各子***中与相邻子***存在连线的边界节点;
数据获取模块,被配置为:获取各子***中内部节点的量测数据,边界节点的量测数据,及边界节点上连接线的量测数据;边界节点量测数据和连接线量测数据作为与相邻子***之间的共享数据;
状态估计模块,被配置为:获取各子***内部节点的初步状态;根据其内部量测并行处理状态估计数据并保持共享数据的同步,且并行处理过程中每次迭代在前代和回代时通过修改共享数据实现区域间数据的交换;各子***并行修正节点状态值;迭代结束时进行收敛判断,若所有子***均收敛则结束计算并输出各子***节点的最终状态值,并将其作为该指定电力***的状态估计结果。
进一步的,所述预处理模块、数据获取模块和状态估计模块课所被配置的具体方式分别对应上述实施例中所述的电力***多区域并行状态估计方法的具体步骤。
实施例3
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成如上述实施例中所述的电力***多区域并行状态估计方法。
实施例4
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如上述实施例中所述的电力***多子***并行状态估计方法。
本领域内的技术人员应明白,本公开的实施例可提供为方法、***、或计算机程序产品。因此,本公开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,本公开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。
本公开是参照根据本公开实施例的方法、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。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (9)
1.一种电力***多区域并行状态估计方法,其特征在于,包括:
将指定电力***网络划分为不同的子***,并确定各子***的内部节点、边界节点和各子***中与相邻子***之间的连线;
各子***分别获取其内部节点的内部量测数据,边界节点的边界量测数据,及边界节点上连接线的量测数据;其中边界节点边界量测数据和连接线量测数据作为与该子***存在连接的各相邻子***的共享内容;
各子***首先获取内部节点的初步状态;然后根据其内部量测并行处理状态估计数据并保持共享数据的同步,且并行处理过程中每次迭代在前代和回代时通过修改共享数据实现区域间数据的交换;最后各子***并行修正节点状态值;每次迭代结束时各子***进行收敛判断,若所有子***均收敛则全部子***结束计算并分别输出节点的最终状态值;并将所有子***内部节点的最终状态值作为该指定电力***的状态估计结果;
所述根据其内部量测并行处理状态估计数据并保持共享数据的同步,且并行处理过程中每次迭代在前代和回代时通过修改共享数据实现区域间数据的交换,具体为:
将***共划分为r个子***,其中子***SA和子***SB为相邻子***,SA和SB之间有Ln条联络边;SA和SB的边界节点为两个子***的共享部分,这些节点以及联络边相关的信息存储在服务器上,由两个子***共同读取和操作;子***SA的节点集合为{AI,AB},子***SB节点集合为{BI,BB};其中,AI为子***SA的内部节点集合;AB为子***SA中与子***SB相邻的边界节点集合;BI为子***SB的内部节点集合;BB为与SA相邻的边界节点集合;
所有子***的迭代计算是同步的,子***中在进行各节点的计算过程中,子***内部节点的各操作仅与本子***中的节点有关,无需与其它子***交换数据;
各子***中边界节点的计算过程,不仅与其内部节点相关,还与相邻子***的关联节点有关;存在消去关系的节点i、k分别归属于子***SA、SB,通过联络边i-k相连;其前代计算方向由i指向k,则子***SA在进行节点i对k的跨子***前代计算公式为:
其中,G为信息矩阵,Δy为自由向量;
子***SA获取相邻子***SB中的Gk,i、Gi,k、Gk,k和Δyk的数值,执行完前代操作后,其计算结果传递给子***SB;在回代过程中,子***SB在进行完与节点i相连的节点的回代后将计算结果传递给子***SA,SA完成节点i的回代计算的公式为:
Δxi=Δy'i-∑G'i,kΔxk i→k,i∈AB,k∈BB
式中,Δxi为状态修正变量,节点i属于子***SA的边界节点集合AB,节点k属于子***SB的边界节点集合BB,节点i和节点k在回代过程中存在k向i的消去关系;节点i和k以及联络边i-k的信息作为子***SA和子***SB共享的信息,在前代及回代过程中,两个子***计算的子块中都保存有其值。
2.如权利要求1所述的电力***多区域并行状态估计方法,其特征在于,所述根据各子***的内部量测数据进行共享数据保持同步的并行数据处理,获取内部节点的状态估计数据步骤包括:
初始化子***间共享信息子矩阵、自由向量和状态修正量值、共享节点的前代标志位和回代标志位初值;
将共享数据存储于共享存储空间;
各子***生成信息矩阵子块和自由向量,进行子***的前代处理、子***的回代处理和节点状态修正。
3.如权利要求1所述的电力***多区域并行状态估计方法,其特征在于,所述共享数据包括子矩阵的共享值、自由向量的共享值、节点状态修正的共享值、节点的前代标志位、节点的回代标志位和全局共享变量。
4.如权利要求2所述的电力***多区域并行状态估计方法,其特征在于,所述前代及回代步骤包括:
前代步骤:
若取内部节点则进行节点规格化和消去操作;
若取边界节点则进行节点规格化、消去操作和共享信息处理,所述信息处理包括判断边界节点是否需要等待相邻区域边界节点完成处理,若是则等待;否则处理该节点并更新此边界节点的共享数据,并修正该节点前代标志位;
回代步骤:
若取内部节点则计算该节点状态修正量并判断该节点修正量是否大于节点状态修正量初值,若大于则替换该初值;
若取边界节点则判断边界节点是否需要等待相邻区域边界节点完成处理,若是则等待;否则计算该节点状态修正量,修正该节点回代标志位,并判断该节点修正量是否大于节点状态修正量初值,若大于则替换该初值。
5.如权利要求1所述的电力***多区域并行状态估计方法,其特征在于,所有子***均计算收敛后根据最终确定的共享信息子矩阵、自由向量和状态修正量值、共享节点的前代标志位和回代标志位值得到最终节点状态估计数据,将所有子***的节点状态估计数据作为此电力***的最终状态估计数据。
6.如权利要求1所述的电力***多区域并行状态估计方法,其特征在于,选择Zookeeper***实现共享数据保持同步的并行数据处理。
7.一种电力***多区域并行状态估计***,包括:
预处理模块,被配置为:将指定电力***划分为不同的子***,并确定各子***的内部节点和各子***中与相邻子***存在连线的边界节点;
数据获取模块,被配置为:获取各子***中内部节点的量测数据,边界节点的量测数据,及边界节点上连接线的量测数据;边界节点边界量测数据和连接线量测数据作为与相邻子***之间的共享数据;
状态估计模块,被配置为:获取各子***内部节点的初步状态;根据其内部量测并行处理状态估计数据并保持共享数据的同步,且并行处理过程中每次迭代在前代和回代时通过修改共享数据实现区域间数据的交换;各子***并行修正节点状态值;迭代结束时进行收敛判断,若所有子***均收敛则结束计算并输出各子***节点的最终状态值,并将其作为该指定电力***的状态估计结果;
所述根据其内部量测并行处理状态估计数据并保持共享数据的同步,且并行处理过程中每次迭代在前代和回代时通过修改共享数据实现区域间数据的交换,具体为:
将***共划分为r个子***,其中子***SA和子***SB为相邻子***,SA和SB之间有Ln条联络边;SA和SB的边界节点为两个子***的共享部分,这些节点以及联络边相关的信息存储在服务器上,由两个子***共同读取和操作;子***SA的节点集合为{AI,AB},子***SB节点集合为{BI,BB};其中,AI为子***SA的内部节点集合;AB为子***SA中与子***SB相邻的边界节点集合;BI为子***SB的内部节点集合;BB为与SA相邻的边界节点集合;
所有子***的迭代计算是同步的,子***中在进行各节点的计算过程中,子***内部节点的各操作仅与本子***中的节点有关,无需与其它子***交换数据;
各子***中边界节点的计算过程,不仅与其内部节点相关,还与相邻子***的关联节点有关;存在消去关系的节点i、k分别归属于子***SA、SB,通过联络边i-k相连;其前代计算方向由i指向k,则子***SA在进行节点i对k的跨子***前代计算公式为:
其中,G为信息矩阵,Δy为自由向量;
子***SA获取相邻子***SB中的Gk,i、Gi,k、Gk,k和Δyk的数值,执行完前代操作后,其计算结果传递给子***SB;在回代过程中,子***SB在进行完与节点i相连的节点的回代后将计算结果传递给子***SA,SA完成节点i的回代计算的公式为:
Δxi=Δy'i-∑G'i,kΔxk i→k,i∈AB,k∈BB
式中,Δxi为状态修正变量,节点i属于子***SA的边界节点集合AB,节点k属于子***SB的边界节点集合BB,节点i和节点k在回代过程中存在k向i的消去关系;节点i和k以及联络边i-k的信息作为子***SA和子***SB共享的信息,在前代及回代过程中,两个子***计算的子块中都保存有其值。
8.一种计算机可读存储介质,用于存储计算机指令,其特征在于,所述计算机指令被处理器执行时,完成如权利要求1-6任一所述的电力***多区域并行状态估计方法。
9.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如权利要求1-6任一所述的电力***多区域并行状态估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110779647.9A CN113379327B (zh) | 2021-07-09 | 2021-07-09 | 一种电力***多区域并行状态估计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110779647.9A CN113379327B (zh) | 2021-07-09 | 2021-07-09 | 一种电力***多区域并行状态估计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113379327A CN113379327A (zh) | 2021-09-10 |
CN113379327B true CN113379327B (zh) | 2023-04-25 |
Family
ID=77581553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110779647.9A Active CN113379327B (zh) | 2021-07-09 | 2021-07-09 | 一种电力***多区域并行状态估计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379327B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114580345B (zh) * | 2022-04-29 | 2022-07-05 | 深圳鸿芯微纳技术有限公司 | 电路仿真方法、装置、计算机设备及计算机可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454917B (zh) * | 2013-06-26 | 2015-08-12 | 华北电力大学 | 基于异步迭代模式的电力***分布式状态估计计算方法 |
CN104158182B (zh) * | 2014-08-18 | 2016-09-28 | 国家电网公司 | 一种大规模电网潮流修正方程并行求解方法 |
CN109494711B (zh) * | 2018-10-24 | 2022-09-20 | 华北电力大学 | 一种多区域并行的全分布式状态估计方法 |
CN109888773B (zh) * | 2019-02-25 | 2022-08-05 | 武汉大学 | 一种电力***多区域分布式状态评估方法 |
-
2021
- 2021-07-09 CN CN202110779647.9A patent/CN113379327B/zh active Active
Non-Patent Citations (3)
Title |
---|
洪潮,沈俊明.求解大型稀疏线性方程组的一种并行算法及其在并行潮流计算中的应用.武汉水利电力大学学报.2000,(04),全文. * |
薛巍,舒继武,王心丰,郑纬民.电力***潮流并行算法的研究进展.清华大学学报(自然科学版).2002,(09),全文. * |
赵文恺 ; 房鑫炎 ; 严正 ; .电力***并行计算的嵌套分块对角加边形式划分算法.中国电机工程学报.2010,(25),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113379327A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108199375B (zh) | 基于同步相量量测的智能配电网拓扑辨识方法 | |
CN110069800B (zh) | 具有光滑边界表达的三维结构拓扑优化设计方法及设备 | |
CN106897942B (zh) | 一种配电网分布式并行状态估计方法及装置 | |
CN113379327B (zh) | 一种电力***多区域并行状态估计方法及*** | |
CN111859530A (zh) | 一种飞行器动态气动特性模拟的迭代推进扰动域更新方法 | |
CN109888773B (zh) | 一种电力***多区域分布式状态评估方法 | |
CN111489447B (zh) | 一种适用于格子Boltzmann方法的直角网格自适应建模方法 | |
CN112445132A (zh) | 一种多智能体***最优状态一致性控制方法 | |
CN113190719B (zh) | 节点分组方法、装置及电子设备 | |
CN111767688B (zh) | 集成电路版图多边形非结构网格自适应细分方法和*** | |
CN103353921A (zh) | 一种基于启发式自动网络分区电力***并行潮流确定方法 | |
CN114818257A (zh) | 一种具有隐私保护作用的智能微网分布式动态跟踪方法 | |
CN110880757B (zh) | 基于最优分区的主动配电网分布式区间状态估计方法 | |
CN109494711B (zh) | 一种多区域并行的全分布式状态估计方法 | |
Zhang et al. | Fog computing for distributed family learning in cyber-manufacturing modeling | |
CN111507591A (zh) | 电力***状态确定方法、装置、计算机介质及存储介质 | |
CN115222870A (zh) | 非结构网格隐式lusgs均衡着色方法、设备及介质 | |
CN113139718A (zh) | 一种电力***状态并行估计方法及*** | |
CN113408741B (zh) | 一种自适应网络拓扑的分布式admm机器学习方法 | |
CN108268982B (zh) | 一种大规模有源配电网分解策略评价方法和装置 | |
CN114969857A (zh) | 一种结构设计优化方法、***、计算机设备和存储介质 | |
Zhong et al. | Multi-area Parallel State Estimation of Power System Based on Zookeeper | |
CN112688809B (zh) | 一种扩散自适应网络学习方法、***、终端及存储介质 | |
CN112561984B (zh) | 一种点云主曲率方向计算方法与流程 | |
Wang et al. | Asynchronous training schemes in distributed learning with time delay |
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 |