CN117055449A - 一种面向大容量储能电站的协调控制装置实现方法 - Google Patents
一种面向大容量储能电站的协调控制装置实现方法 Download PDFInfo
- Publication number
- CN117055449A CN117055449A CN202311308029.1A CN202311308029A CN117055449A CN 117055449 A CN117055449 A CN 117055449A CN 202311308029 A CN202311308029 A CN 202311308029A CN 117055449 A CN117055449 A CN 117055449A
- Authority
- CN
- China
- Prior art keywords
- data
- setting
- main board
- board
- pcs
- 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 39
- 238000004146 energy storage Methods 0.000 title claims abstract description 37
- 230000006870 function Effects 0.000 claims abstract description 25
- 230000007246 mechanism Effects 0.000 claims abstract description 17
- 230000033228 biological regulation Effects 0.000 claims abstract description 12
- 241000272814 Anser sp. Species 0.000 claims description 80
- 230000006854 communication Effects 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 40
- 238000012360 testing method Methods 0.000 claims description 23
- 238000007405 data analysis Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 5
- 230000001629 suppression Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 239000004973 liquid crystal related substance Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000007175 bidirectional communication Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000011990 functional testing Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 8
- 230000001360 synchronised effect Effects 0.000 abstract description 5
- 230000003993 interaction Effects 0.000 abstract description 3
- 229920003258 poly(methylsilmethylene) Polymers 0.000 description 60
- 238000007726 management method Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 21
- 238000013461 design Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000002296 dynamic light scattering Methods 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 6
- 238000013061 process characterization study Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 208000025174 PANDAS Diseases 0.000 description 2
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 2
- 240000004718 Panda Species 0.000 description 2
- 235000016496 Panda oleosa Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24215—Scada supervisory control and data acquisition
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出一种面向大容量储能电站的协调控制装置实现方法，包括：设定设备由一块主板和两块从板组成，在主板和从板上划分管理CPU和DSP的功能；在主板和从板上设定网络端口的功能；设定主板直接控制128台PCS设备，从板接收64台PCS设备的双网数据；设计基于背板的百兆网络端口的内部数据交换机制，用于完成从板到主板的数据接收和发送；设定主板的DSP部分执行调频和调压逻辑；设定板卡的管理CPU部分都提供设备管理功能。本发明能够有效解决现有技术中存在的问题，即完成对大规模储能电站所有PCS的快速同步调节，提高储能电站在一次调频、源网荷互动、动态无功电压响应等方面的性能。
Description
技术领域
本发明涉及电力自动化领域，具体涉及一种面向大容量储能电站的协调控制装置实现方法。
背景技术
近年来，全球能源变革和电力***运行模式的转变促使储能技术得到了广泛应用。尤其是电力***对电力稳定性和可靠性要求的提高，使得大规模储能电站逐渐成为电力***的重要组成部分。这些电站通常由大量的储能变流器（PCS）构成，以实现对电能的有效存储和调度。然而，当一个电站内配置了大量的PCS时，如何有效地进行协调控制成为了一个重要且复杂的问题。
传统的自动发电控制（AGC）和自动电压控制（AVC）已经无法满足大规模储能电站的运行需求。因为这些方法在处理大规模储能电站的协调控制任务时，尤其是对于一次调频、源网荷互动、动态无功电压响应等方面的调控，存在明显的局限性。这些局限性主要表现在***在复杂电网环境中出现波动时，它们不能满足快速响应需求。此外，对于储能电站的无功电压响应等方面的控制也面临着挑战。
与此同时，随着储能电站规模的不断扩大，所需处理的PCS数量也在逐步增多。对于大规模储能电站，其PCS的控制数量可能会非常多，达到上百台。这种情况下，对于控制***来说，需要处理的数据量巨大，任务复杂。如果采用传统的处理方式，可能会导致中断任务超时，影响装置的稳定运行。
发明内容
为克服现有技术的不足，本发明提出一种面向大容量储能电站的协调控制装置实现方法，能够有效解决现有技术中存在的问题，即完成对大规模储能电站所有PCS的快速同步调节，提高储能电站在一次调频、源网荷互动、动态无功电压响应等方面的性能，并且能够妥善处理高并发大容量的数据处理需求，保证电网的安全稳定运行。
为实现上述目的，本发明提供一种面向大容量储能电站的协调控制装置实现方法，包括：
步骤S1： 基于Zynq系列芯片设定设备由一块主板和两块从板组成，根据需求，在主板和从板上划分管理CPU和DSP的功能，FPGA用于实现网络端口管理、时钟同步、采样以及GOOSE风暴的抑制；
步骤S2：在主板和从板上设定网络端口的功能，主板用于与EMS、一次调频、从板以及PCS的通信，从板主要负责程序和配置文件的下载、与主板的通信、以及与PCS的双向通信；
步骤S3：设定主板能直接控制最多128台PCS设备，从板能接收64台PCS设备的双网数据；设计基于背板的百兆网络端口的内部数据交换机制，用于完成从板到主板的数据接收和发送；
步骤S4：设定主板的DSP部分执行调频和调压逻辑；
步骤S5：设定板卡的管理CPU部分都提供设备管理功能。
进一步地，步骤S2具体为：
步骤S21：设定主板网络接口，包括 EMS通信端口的配置、一次调频通信端口的配置、从板通信端口的配置和PCS双网通信端口的配置；
步骤S22：设定从板网络接口，包括程序和配置文件下载端口的配置、主板通信端口的配置和PCS双网通信端口的配置；
步骤S23：网络接口验证。
进一步地，步骤S3具体为：
步骤S31：设定主板PCS控制，包括在主板配置中，设定能关联并直接控制最多128台PCS设备；在主板的GOOSE协议配置中，设定与每一台PCS设备的通信参数；
步骤S32：设定从板PCS数据接收，包括在从板配置中，设定能关联并接收最多64台PCS设备的双网数据；在从板的GOOSE协议配置中，设定接收每一台PCS设备的数据参数；
步骤S33：设定内部数据交换机制包括在背板配置中，设定百兆网络端口；设计并实施内部数据交换机制，用于接收和发送从板的数据；
步骤S34：进行***通信测试和数据交换测试。
进一步地，步骤S4具体为：
步骤S41：在主板的DSP配置中，设定主板为执行频率和电压调整的主要处理器；在DSP中加载逻辑算法；
步骤S42：设定调频和调压参数；
步骤S43：设定频率和电压调整信号的输入和输出通道；
步骤S44：进行调频和调压***的功能测试，确保***按照预期进行频率和电压的调整。
进一步地，步骤S5具体为：
步骤S51：在每块板卡上，将一个ARM核配置为管理CPU；
步骤S52：加载操作***和设备管理软件；
步骤S53：在设备管理软件中，配置液晶显示的参数和接口；
步骤S54：在设备管理软件中，配置波形记录的参数和接口；
步骤S55：在设备管理软件中，配置设定值管理的参数和接口；
步骤S56：在设备管理软件中，配置报告的参数和接口；
步骤S57：配置和设定完成后，进行设备管理功能的***测试。
进一步地，还包括云端管理与数据分析，具体如下：
步骤S61：云服务选择和设置： 选择云服务提供商，比如AWS、Azure或者GoogleCloud。考虑到你的设计是基于Linux操作***的，这些主流的云服务商都可以满足需求；
在云服务上创建一个云服务器，并进行必要的设置，包括网络设置、安全设置、存储设置等。
步骤S62：设备与云端的连接：
在设备上，配置与云服务器的连接，一般通过安全的网络协议如SSL/TLS。这一步需要在设备上安装一些必要的软件和库，比如OpenSSL。
建立设备和云服务器之间的连接，通过云服务商提供的SDK或API来实现。
步骤S63：数据上传与存储：
设计一个数据上传的机制，比如定期上传数据或者当数据发生变化时上传数据。数据上传时需要考虑数据的安全性和完整性，可能需要数据加密和完整性检查。
在云端，设计一个数据存储方案，可以是云服务商提供的数据库服务，也可以是文件存储服务，取决于你的数据特性和需要。
步骤S64：数据分析：
利用云服务商提供的数据分析工具进行数据分析，比如AWS的Athena或者GoogleCloud的BigQuery。也可以在云服务器上安装自己的数据分析软件，比如Python的pandas库。
数据分析的结果可以用于优化设备的性能，比如优化调频和调压的参数，也可以用于设备的故障预测和维护。
步骤S65：数据展示：
利用云服务商提供的数据可视化工具进行数据展示，比如AWS的QuickSight或者Google Cloud的Data Studio。这样用户就可以随时随地通过移动设备查看设备状态和数据。
进一步地，还包括AI优化，具体为：
步骤S71：数据收集：利用设备上的数据采集***，收集与设备性能相关的数据，例如电压、电流、频率等，并记录相关环境因素，如温度、湿度等。这些数据将被用来训练AI模型。
步骤S72：数据清理和预处理：对收集的数据进行清理和预处理，包括去除异常值，填充缺失值，以及对数据进行归一化或者标准化等。
步骤S73：模型选择和训练：在本地或云端选择一个合适的AI模型，例如决策树、随机森林、神经网络等，并使用收集的数据对模型进行训练。
步骤S74：模型测试和优化：在独立的测试数据集上评估模型的性能，并根据性能结果优化模型，比如调整模型参数，或者使用不同的模型。
步骤S75：模型部署：将训练好的模型部署到设备上。在这个阶段，模型将接收实时数据，并输出预测结果，以帮助进行频率调整和电压调整。
步骤S76：模型监控和更新：持续收集设备的新数据，并定期使用这些新数据来更新模型，以确保模型能够适应设备和环境的变化。
进一步地，还包括增强设备安全具体为：
在设备和网络中安装防火墙，确保所有数据传输都经过加密，并定期进行网络安全评估；
对存储在设备上的数据进行加密，并定期备份重要数据。同时，限制对敏感数据的访问权限，只有经过授权的人员才能访问；
对设备的物理位置进行保护，包括安装安全摄像头，使用锁和键来控制对设备的物理访问，以及设置警报***来检测和响应安全事件。
与现有技术相比，本发明的有益效果是：
1.本发明提供了一种面向大容量储能电站的协调控制装置实现方法，针对不同容量的储能电站适配不同的CPU插件，可兼容主CPU，主CPU+1个从CPU，主CPU+2个从CPU三种配置方式，保证了产品配置的灵活性，也提高了产品配置的普遍适用性和经济性。
2.本发明提供了一种面向大容量储能电站的协调控制装置实现方法，主CPU不需要接收和处理大流量的GOOSE，而是通过从板将大流量的GOOSE转为低流量的内部同步帧，极大的降低了主CPU的负载，为储能协控更加复杂的应用计算节约了计算资源，也保证了产品运行的稳定性。
3.本发明提供了一种面向大容量储能电站的协调控制装置实现方法，GOOSE处理截止时间判断方法降低了装置任务负载，可以实现在装置定时器任务做根据GOOSE处理截止时间做有限的GOOSE帧数据处理，避免因为无限处理GOOSE帧导致任务超时，避免了板卡的运行崩溃。
4.本发明提供了一种面向大容量储能电站的协调控制装置实现方法，主CPU主要完成从板的数据接收和协控的应用算法和逻辑，计算完成后就立刻通过本中断的GOOSE任务进行发送，而不需要通过从板发送，因此从指令生成到GOOSE程序执行中间是无延时的，此方案可更好适用于现场对储能控制低延时的要求。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，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是本发明流程图
图2是本发明分布式3块CPU设计方案示意图
图3为本发明CPU1板卡构成图；
图4为本发明CPU2/CPU3板卡构成图；
图5为本发明 从板到主板GOOSE数据交换方法示意图；
图6为协调控制装置测试环境示意图。
具体实施方式
下面将结合附图、通过对本发明的优选实施方式的描述，更加清楚、完整地阐述本发明的技术方案。
如图1所示，本发明具体为：
步骤S1： 基于Zynq系列芯片设定设备由一块主板和两块从板组成，根据需求，在主板和从板上划分管理CPU和DSP的功能，FPGA用于实现网络端口管理、时钟同步、采样以及GOOSE风暴的抑制；
步骤S2：在主板和从板上设定网络端口的功能，主板用于与EMS、一次调频、从板以及PCS的通信，从板主要负责程序和配置文件的下载、与主板的通信、以及与PCS的双向通信；
步骤S3：设定主板能直接控制最多128台PCS设备，从板能接收64台PCS设备的双网数据；设计基于背板的百兆网络端口的内部数据交换机制，用于完成从板到主板的数据接收和发送；
步骤S4：设定主板的DSP部分执行调频和调压逻辑；
步骤S5：设定板卡的管理CPU部分都提供设备管理功能。
步骤S2具体为：
步骤S21：设定主板网络接口，包括 EMS通信端口的配置、一次调频通信端口的配置、从板通信端口的配置和PCS双网通信端口的配置；
步骤S22：设定从板网络接口，包括程序和配置文件下载端口的配置、主板通信端口的配置和PCS双网通信端口的配置；
步骤S23：网络接口验证。
步骤S3具体为：
步骤S31：设定主板PCS控制，包括在主板配置中，设定能关联并直接控制最多128台PCS设备；在主板的GOOSE协议配置中，设定与每一台PCS设备的通信参数；
步骤S32：设定从板PCS数据接收，包括在从板配置中，设定能关联并接收最多64台PCS设备的双网数据；在从板的GOOSE协议配置中，设定接收每一台PCS设备的数据参数；
步骤S33：设定内部数据交换机制包括在背板配置中，设定百兆网络端口；设计并实施内部数据交换机制，用于接收和发送从板的数据；
步骤S34：进行***通信测试和数据交换测试。
步骤S4具体为：
步骤S41：在主板的DSP配置中，设定主板为执行频率和电压调整的主要处理器；在DSP中加载逻辑算法；
步骤S42：设定调频和调压参数；
步骤S43：设定频率和电压调整信号的输入和输出通道；
步骤S44：进行调频和调压***的功能测试，确保***按照预期进行频率和电压的调整。
步骤S5具体为：
步骤S51：在每块板卡上，将一个ARM核配置为管理CPU；
步骤S52：加载操作***和设备管理软件；
步骤S53：在设备管理软件中，配置液晶显示的参数和接口；
步骤S54：在设备管理软件中，配置波形记录的参数和接口；
步骤S55：在设备管理软件中，配置设定值管理的参数和接口；
步骤S56：在设备管理软件中，配置报告的参数和接口；
步骤S57：配置和设定完成后，进行设备管理功能的***测试。
还包括云端管理与数据分析，具体如下：
步骤S61：云服务选择和设置： 选择云服务提供商，比如AWS、Azure或者GoogleCloud。考虑到你的设计是基于Linux操作***的，这些主流的云服务商都可以满足需求；
在云服务上创建一个云服务器，并进行必要的设置，包括网络设置、安全设置、存储设置等。
步骤S62：设备与云端的连接：
在设备上，配置与云服务器的连接，一般通过安全的网络协议如SSL/TLS。这一步需要在设备上安装一些必要的软件和库，比如OpenSSL。
建立设备和云服务器之间的连接，通过云服务商提供的SDK或API来实现。
步骤S63：数据上传与存储：
设计一个数据上传的机制，比如定期上传数据或者当数据发生变化时上传数据。数据上传时需要考虑数据的安全性和完整性，可能需要数据加密和完整性检查。
在云端，设计一个数据存储方案，可以是云服务商提供的数据库服务，也可以是文件存储服务，取决于你的数据特性和需要。
步骤S64：数据分析：
利用云服务商提供的数据分析工具进行数据分析，比如AWS的Athena或者GoogleCloud的BigQuery。也可以在云服务器上安装自己的数据分析软件，比如Python的pandas库。
数据分析的结果可以用于优化设备的性能，比如优化调频和调压的参数，也可以用于设备的故障预测和维护。
步骤S65：数据展示：
利用云服务商提供的数据可视化工具进行数据展示，比如AWS的QuickSight或者Google Cloud的Data Studio。这样用户就可以随时随地通过移动设备查看设备状态和数据。
作为一种具体的实施例， 选择AWS作为云服务提供商，创建一个EC2实例作为服务器。选择的操作***与硬件设备一致，如Linux；
在设备上安装OpenSSL库，然后用AWS SDK（例如，AWS SDK for Python (Boto3)）创建一个SSL连接到AWS EC2实例。
设备每10分钟收集一次数据，然后通过SSL连接将数据上传到AWS。上传的数据存储在AWS的S3服务中，数据按日期和时间进行组织，比如“/year/month/day/hour/minute/second”。
使用AWS的Athena服务进行数据分析。例如，可能会写一个SQL查询，找出过去一小时内频率变动最大的几个时间点。
使用AWS的QuickSight服务创建一个仪表板，显示设备的最新状态和数据分析结果。例如，创建一个折线图，显示过去24小时内设备的频率变化。
作为一种具体的实施例，还包括AI优化，具体为：
步骤S71：数据收集：利用设备上的数据采集***，收集与设备性能相关的数据，例如电压、电流、频率等，并记录相关环境因素，如温度、湿度等。这些数据将被用来训练AI模型。
步骤S72：数据清理和预处理：对收集的数据进行清理和预处理，包括去除异常值，填充缺失值，以及对数据进行归一化或者标准化等。
步骤S73：模型选择和训练：在本地或云端选择一个合适的AI模型，例如决策树、随机森林、神经网络等，并使用收集的数据对模型进行训练。
步骤S74：模型测试和优化：在独立的测试数据集上评估模型的性能，并根据性能结果优化模型，比如调整模型参数，或者使用不同的模型。
步骤S75：模型部署：将训练好的模型部署到设备上。在这个阶段，模型将接收实时数据，并输出预测结果，以帮助进行频率调整和电压调整。
步骤S76：模型监控和更新：持续收集设备的新数据，并定期使用这些新数据来更新模型，以确保模型能够适应设备和环境的变化。
作为一种具体的实施例，还包括增强设备安全具体为：
在设备和网络中安装防火墙，确保所有数据传输都经过加密，并定期进行网络安全评估；
对存储在设备上的数据进行加密，并定期备份重要数据。同时，限制对敏感数据的访问权限，只有经过授权的人员才能访问；
对设备的物理位置进行保护，包括安装安全摄像头，使用锁和键来控制对设备的物理访问，以及设置警报***来检测和响应安全事件
作为一种具体的实施方式，本发明采用2块从板卡的方案接收128台的双网PCS，每块从板卡负责完成64台的双网PCS，数据接收完成后，通过内部数据交换完成从板到主板的数据传递。
协控的发送给PCS则由于都是有功无功的调节值，为了保证PCS的快速响应调节，需要保证数据的实时性，不能有过大延时，其从准备数据发送到发送结束的延时要尽可能低，因此PCS的调节指令值直接从主板发出而不再经过从板。
作为一种具体的实施方式，协控装置采用标准4U机箱设计，其中CPU部分采用3个背插式CPU的分布式板卡设计，包括两种板卡类型，CPU1为主板卡，CPU2和CPU3作为从板卡为相同硬件。本发明中，CPU1为10槽位，CPU2为12槽位，CPU3为14槽位，如图2所示；
各个板卡的功能如下：
CPU1为主板卡，采用Zynq7020为主芯片，Zynq7020芯片包括两个ARM核及FPGA，FPGA连接一个8个网口的PHY芯片，如图3所示，各部分做如下功能划分：
（1）一个ARM核作为管理CPU，配置Linux操作***，实现装置管理功能，提供规约，液晶，录波，定值，报告等平台功能。
（2）另一个ARM核作为DSP，为裸核，通过定时器中断触发完成任务执行。
具体功能包括：
A.协控的应用功能模块，包括但不限于一次调频、无功调压等逻辑；
B.GOOSE通信功能模块，对下128台PCS的控制直接从本板卡发出，不通过从板CPU2,CPU3发出，这样的设计方式可以有效保证对PCS控制的实时性，如果经过CPU2和CPU3转发对下GOOSE，一方面对下PCS的控制延时增大，无法满足现场需求，另一方面装置内部的CPU1与CPU2及CPU3两个从板的内部信息传递量也会非常巨大，对板卡的数据处理带来巨大的压力和考验。
C.主从板的数据交换模块，结合协控在现场的应用特点，即“缓慢接收，快速发送”的特点，设计了依靠背板的百兆网口的内部交换机制，完成了从板至主板的数据接收，其具体实现细节在后面详细阐述。
（3）FPGA主要完成对时，采样，网口管理，GOOSE风暴抑制等功能。CPU1中，FPGA将网口1,2划分为CPU控制网口，将网口3,4,5,6,7,8划分为DSP控制网口。
（4）8个网口的PHY连接8个RJ45口，具体的，网口1,2主要完成对上的EMS通信，网口3,4可完成配建储能电站中与一次调频的通信，可接收一次调频装置的指令，也可将储能的信息汇总发送给一次调频，网口5通过背板连接到CPU3，完成CPU1和CPU3的通信，网口6通过背板连接到CPU2，完成CPU1和CPU2的通信，网口7，8完成与128台PCS的双网通信，主要完成对下PCS指令的下发，不接收PCS的上传信息。
CPU2、CPU3为从板卡，架构与CPU1类似，采用Zynq7010为主芯片，Zynq7010芯片包括两个ARM核及FPGA，FPGA连接一个8个网口的PHY芯片，如图4所示，做如下功能划分：
（1）一个ARM核作为管理CPU，配置Linux操作***，实现装置管理功能，主要是实现从板CPU的程序的上装下载功能。
（2）另一个ARM核作为DSP，为裸核，通过定时器中断触发完成任务执行。
具体功能包括：
A.GOOSE通信功能模块，每个板卡完成对下64台PCS的双网数据接收，两块板卡共计可至少完成128台的PCS双网数据接收，通过GOOSE解析后不断刷新内部数据。
B.主从板的数据交换模块，结合协控在现场的应用特点，即“缓慢接收，快速发送”的特点，设计了依靠背板的百兆网口的内部交换机制，完成了从板至主板的数据发送，其具体实现细节在后面详细阐述。
（3）FPGA主要完成网口管理，GOOSE风暴抑制等功能。CPU2、CPU3中，FPGA将网口1划分为CPU控制网口，将网口2,3,4,5,6划分为DSP控制网口。
（4）8个网口的PHY连接6个RJ45口，具体的，网口1主要完成程序及配置文件的下载，网口2通过背板连接到CPU1，完成CPU1和从板的通信，网口3，4,5,6完成与64台PCS的双网通信，主要接收PCS的上传信息，具备大容量GOOSE的处理能力。
作为一种具体的实施例，在工程现场中，从板CPU板卡要面对64台双网的PCS高频度GOOSE，需要及时完成数据处理。
以最恶劣情况分析，在一个定时器任务中（本发明中采用的833us的中断任务周期，也就是在833us内）最大会收到64台所有PCS发过的GOOSE数据帧，即64帧GOOSE，如果双网也同时到达话，则单个中断任务需要接收并处理128帧GOOSE数据，如果本中断无法处理完成，则会造成中断任务超时，影响装置的稳定运行。由于GOOSE都是突发数据帧的方式，有变化时才快速发送数据帧，平时维持心跳帧，因此大概率不会每个833us中断持续接收128帧报文，针对这个特点，我们设计了GOOSE处理截止时间判断方法来降低装置任务负载，通过该设计方法可以在装置定时器任务做根据GOOSE处理截止时间做有限的GOOSE帧数据处理，并不要求每个中断处理完当前所有的GOOSE帧，而是具有处理上限，未处理的任务留到下个中断进行处理，避免因为无限处理GOOSE帧导致任务超时。
GOOSE处理截止时间判断方法，具体的步骤如下：
（1）设计1024数据帧的缓存BUF，用来循环存储GOOSE数据帧，当有新的GOOSE帧进来后，PTR_WR写入指针+1；
（2）每个中断进来后，从上一次的读取指针开始解析，GOOSE解析完一帧后PTR_RD读取指针+1，GOOSE解析过程中，检测本中断的任务执行时间，当任务执行时间>GOOSE处理截止时间定值（默认700us）时，则处理完本帧不再进行解析，未处理GOOSE帧下个中断继续处理；
（3）当下一个中断进来后，继续从PTR_RD读取指针继续处理，继续按照（2）继续执行。
如图5所示，储能协控在处理GOOSE时候，从板接收PCS的大流量GOOSE数据，通过具有GOOSE截止时间功能的GOOSE解析程序处理后，存储在数据区，并通过低流量主从同步数据帧不断交换到主板的CPU。
这种方案将大流量数据均分至两块子板卡，并经过GOOSE处理后将数据低速率转至主板，极大的缓解了装置的GOOSE处理压力，提高了装置的稳定运行。
具体实现步骤如下：
（1）定义GOOSE配置文件，以接收某个PCS为例，为方便阐述对文本进行了适当简化。
[GOOSE Rx1]
Appid = 0100
FiberNo = 12-3,12-4
[INPUT1] #PCS运行状态
Index = 3
Type = Long
Name = B01.RAPID_CTRL.gci1_run_status
[INPUT2] #输出总有功功率
Index = 4
Type = Float
Name = B01.RAPID_CTRL.gci1_p_value
...
GOOSE配置文件内容解释如下：
[GOOSE Rx1]表示第1路GOOSE接收
Appid = 0100， 表示GOOSE接收的Appid，用于匹配GOOSE
FiberNo = 12-3,12-4 ，表示通过12槽位从板的3和4口进行接收
[INPUT1] #PCS运行状态 ，表示当前GOOSE控制块下的第1路GOOSE连线
Index = 3 ，表示当前连线使用GOOSE控制块的第3路
Type = Long，表示数据类型为长整型
Name = B01.RAPID_CTRL.gci1_run_status，表示主CPU板定义的接收变量
[INPUT2] #PCS运行状态 ，表示当前GOOSE控制块下的第2路GOOSE连线
Index = 4 ，表示当前连线使用GOOSE控制块的第4路
Type = Float，表示数据类型为浮点
Name = B01.RAPID_CTRL.gci1_p_value，表示主CPU板定义的接收变量
为简化工程配置，所有CPU共用同一GOOSE配置文件，通过修改将上述配置文件的FiberNo完成GOOSE在各个板卡的灵活调整。配置文件下载到所有CPU板中，各自CPU板通过FiberNo 判断GOOSE是否通过本板进行接收，如CPU2判断FiberNo为12-3，则表示从本板的3口进行接收。
（2）下载GOOSE配置文件到3个CPU板卡，从板完成各自的GOOSE接收部分解析，并定时发送到主机的数据同步帧，由于协控不要求GOOSE接收数据较高的实时性，因此本发明采用每个833us中断交换一个GOOSE控制块，每个板卡最多接收64个PCS，因此最多经过833us*64=53.312ms便可以完成本板卡所有数据的交换。如需提高数据交换速率，只需要在每个中断中增加GOOSE控制块交换数目即可。
（3）同步数据帧类似于GOOSE通信，包括
目的MAC，本发明采用01-0C-CD-02-AA-AA
源MAC，本发明采用01-0C-CD-02-BB-BB
帧类型，本发明采用0XCCDD
长度，数据帧的字节长度
控制块个数，默认为1，可根据交换频率进行自行调整
APPID，GOOSE的识别标识
数据，所需传输的GOOSE接收数据及响应品质，依次排列。
（4）主板接收到2个从板的同步数据帧后，根据接收的APPID与GOOSE配置文件内容进行匹配，并将相应的数据与内部变量进行关联，完成数据更新。
分布式协控应用场景的配置方法
虽然本方案主要解决最大128台PCS数据的接入问题，但是对于小容量的储能电站同样具有较高的灵活适配性，提高了产品的普遍适用性和经济性。
(1)当PCS数目小于等于32台，可采用单块主CPU完成，可直接主CPU的光口接收GOOSE，经济成本最低，处理能力最小；
(2)当PCS数目小于等于64台，可采用一块CPU和一块从CPU完成，可直接为从CPU的光口接收GOOSE，经济成本适中，处理能力适中；
(3)当PCS数目小于等于128台，可采用一块CPU和两块从CPU完成，对两块从CPU的光口分别接收一半的GOOSE，经济成本最大，处理能力最大；
CPU 任务耗时测试
通过UDMview工具部署测试环境，对协控进行GOOSE压力测试，压力测试包括两部分：
GOOSE的大容量数据接收对装置产生的外部压力；
装置内部的动作逻辑不断触发对录波生成，报告记录的平台内部压力；
具体测试环境如图6所示；
（1）CPU2需分别连接网口3,4到交换机的GOOSE A、GOOSE B网，两台PC机分别装UDMview也连接到GOOSE A、GOOSE B网，并模拟64台PCS，发送频率可调整成4ms，此时CPU2收到了64台PCS的双网数据；
（2）同理CPU3同CPU2一样也需要接入另外64台的PCS双网数据；
（3）通过继电保护测试模拟周期性的一次调频动作，本发明采用每5s动作一次，每次动作10s的方式进行反复测试。
（4）以上环境拷机24小时，观察CPU1,CPU2,CPU3的最大任务负载。
结果分析：
3块CPU的任务中断周期均为833us，经观察其24小时最大任务负载分别为CPU1为454us，CPU2为 323us ，CPU3为 367us，3者均小于833us。
CPU1在实际现场中不会因为外部GOOSE流量导致其产生更大的负载上升，因此可满足现场应用需求；
CPU2和CPU3在实际现场中可能会面对更大的GOOSE流量压力，考虑当前的任务耗时相对较低即使面对更大的流量也有400多us的处理裕度，因此也可满足现场应用需求；
总之，整体性能设计可满足大容量储能电站128台PCS的双网处理要求。
上述具体实施方式仅仅对本发明的优选实施方式进行描述，而并非对本发明的保护范围进行限定。在不脱离本发明设计构思和精神范畴的前提下，本领域的普通技术人员根据本发明所提供的文字描述、附图对本发明的技术方案所作出的各种变形、替代和改进，均应属于本发明的保护范畴。本发明的保护范围由权利要求确定。
Claims (8)
1.一种面向大容量储能电站的协调控制装置实现方法，其特征在于，包括：
步骤S1：设定设备由一块主板和两块从板组成，在主板和从板上划分管理CPU和DSP的功能，FPGA用于实现网络端口管理、时钟同步、采样以及GOOSE风暴的抑制；
步骤S2：在主板和从板上设定网络端口的功能，主板用于与EMS、一次调频、从板以及PCS的通信，从板负责程序和配置文件的下载、与主板的通信、以及与PCS的双向通信；
步骤S3：设定主板直接控制128台PCS设备，从板接收64台PCS设备的双网数据；设计基于背板的百兆网络端口的内部数据交换机制，用于完成从板到主板的数据接收和发送；
步骤S4：设定主板的DSP部分执行调频和调压逻辑；
步骤S5：设定板卡的管理CPU部分都提供设备管理功能。
2.根据权利要求1所述的一种面向大容量储能电站的协调控制装置实现方法，其特征在于，步骤S2具体为：
步骤S21：设定主板网络接口，包括 EMS通信端口的配置、一次调频通信端口的配置、从板通信端口的配置和PCS双网通信端口的配置；
步骤S22：设定从板网络接口，包括程序和配置文件下载端口的配置、主板通信端口的配置和PCS双网通信端口的配置；
步骤S23：进行网络接口验证。
3.根据权利要求1所述的一种面向大容量储能电站的协调控制装置实现方法，其特征在于，步骤S3具体为：
步骤S31：设定主板PCS控制，包括在主板配置中，设定能关联并直接控制128台PCS设备；在主板的GOOSE协议配置中，设定与每一台PCS设备的通信参数；
步骤S32：设定从板PCS数据接收，包括在从板配置中，设定能关联并接收64台PCS设备的双网数据；在从板的GOOSE协议配置中，设定接收每一台PCS设备的数据参数；
步骤S33：设定内部数据交换机制包括在背板配置中，设定百兆网络端口；设计并实施内部数据交换机制，用于接收和发送从板的数据；
步骤S34：进行***通信测试和数据交换测试。
4.根据权利要求1所述的一种面向大容量储能电站的协调控制装置实现方法，其特征在于，步骤S4具体为：
步骤S41：在主板的DSP配置中，设定主板为执行频率和电压调整的主要处理器；在DSP中加载逻辑算法；
步骤S42：设定调频和调压参数；
步骤S43：设定频率和电压调整信号的输入和输出通道；
步骤S44：进行调频和调压***的功能测试，确保***按照预期进行频率和电压的调整。
5.根据权利要求3所述的一种面向大容量储能电站的协调控制装置实现方法，其特征在于，步骤S5具体为：
步骤S51：在板卡上，将ARM核配置为管理CPU；
步骤S52：加载操作***和设备管理软件；
步骤S53：在设备管理软件中，配置液晶显示的参数和接口；
步骤S54：在设备管理软件中，配置波形记录的参数和接口；
步骤S55：在设备管理软件中，配置设定值管理的参数和接口；
步骤S56：在设备管理软件中，配置报告的参数和接口；
步骤S57：配置和设定完成后，进行设备管理功能的***测试。
6.根据权利要求1所述的一种面向大容量储能电站的协调控制装置实现方法，其特征在于，还包括云端管理与数据分析，具体如下：
步骤S61：云服务选择和设置；
步骤S62：设备与云端的连接；
步骤S63：数据上传与存储；
步骤S64：进行数据分析；
步骤S65：利用数据可视化工具进行数据展示。
7.根据权利要求1所述的一种面向大容量储能电站的协调控制装置实现方法，其特征在于，还包括AI优化，具体为：
步骤S71：利用设备上的数据采集***，收集与设备性能相关的数据；
步骤S72：对收集的数据进行清理和预处理；
步骤S73：选择AI模型，并使用收集的数据对模型进行训练；
步骤S74：在独立的测试数据集上评估模型的性能，并根据性能结果优化模型；
步骤S75：将训练好的模型部署到设备上，模型将接收实时数据，并输出预测结果，以帮助进行频率调整和电压调整；
步骤S76：持续收集设备的新数据，并定期使用这些新数据来更新模型，以确保模型能够适应设备和环境的变化。
8.根据权利要求1所述的一种面向大容量储能电站的协调控制装置实现方法，其特征在于，还包括增强设备安全具体为：
在设备和网络中安装防火墙，确保所有数据传输都经过加密，并定期进行网络安全评估；
对存储在设备上的数据进行加密，并定期备份重要数据，同时，限制对敏感数据的访问权限，只有经过授权的人员才能访问。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311308029.1A CN117055449B (zh) | 2023-10-11 | 2023-10-11 | 一种面向大容量储能电站的协调控制装置实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311308029.1A CN117055449B (zh) | 2023-10-11 | 2023-10-11 | 一种面向大容量储能电站的协调控制装置实现方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117055449A true CN117055449A (zh) | 2023-11-14 |
| CN117055449B CN117055449B (zh) | 2023-12-26 |
Family
ID=88655709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311308029.1A Active CN117055449B (zh) | 2023-10-11 | 2023-10-11 | 一种面向大容量储能电站的协调控制装置实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117055449B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030018610A (ko) * | 2001-08-30 | 2003-03-06 | 주식회사 포스코 | 포스파 피엘시용 프로피버스 마스터 보드 및 슬레이브 보드 |
| KR20050049828A (ko) * | 2003-11-24 | 2005-05-27 | 엘지전자 주식회사 | 피씨아이 버스 상의 슬레이브 보드간 통신 장치 및 그 방법 |
| CN102279574A (zh) * | 2011-05-25 | 2011-12-14 | 广州卓易电子科技有限公司 | 一种主控制板与从控制板的兼容设备及方法 |
| CN105281367A (zh) * | 2015-11-09 | 2016-01-27 | 国网上海市电力公司 | 一种多机并联的并离网无缝切换***及其方法 |
| KR20180131311A (ko) * | 2017-05-30 | 2018-12-10 | 주식회사 티에스이에스 | 분산전원용 pcs를 보호하기 위한 전원 감시 시스템 및 그 방법 |
| CN109713701A (zh) * | 2019-02-01 | 2019-05-03 | 国网江苏省电力有限公司 | 叠加控制的电池储能网荷互动方法、终端、***及介质 |
| CN110970935A (zh) * | 2018-09-28 | 2020-04-07 | 南京南瑞继保电气有限公司 | 一种大容量电池储能***快速功率协调控制方法和装置 |
| WO2020239057A1 (zh) * | 2019-05-31 | 2020-12-03 | 国网天津市电力公司电力科学研究院 | 一种分布式移动储能配电网控制方法与*** |
| CN112583030A (zh) * | 2020-12-07 | 2021-03-30 | 北京奥德威特电力科技股份有限公司 | 基于边缘计算风光储一次调频协调控制***和方法 |
| CN114285056A (zh) * | 2021-10-18 | 2022-04-05 | 国网浙江省电力有限公司丽水供电公司 | 一种储能变流器多机并联改进主从控制方法 |
| CN115037182A (zh) * | 2022-05-16 | 2022-09-09 | 新源智储能源发展(北京)有限公司 | 一种储能变流器并联环流抑制方法及*** |
| CN218482665U (zh) * | 2022-01-21 | 2023-02-14 | 国网辽宁省电力有限公司电力科学研究院 | 一种用于大容量储能***的冗余协调控制装置 |
| CN115882602A (zh) * | 2022-11-30 | 2023-03-31 | 海南电网有限责任公司电力科学研究院 | 储能协调控制*** |
| CN115994112A (zh) * | 2022-12-06 | 2023-04-21 | 上海电气分布式能源科技有限公司 | 一种储能协调控制方法、控制器、设备和介质 |
| CN116093931A (zh) * | 2023-01-09 | 2023-05-09 | 北京奥德威特电力科技股份有限公司 | 基于边缘计算源网荷储协调控制*** |
| CN116404680A (zh) * | 2023-04-27 | 2023-07-07 | 湖南省湘电试验研究院有限公司 | 一种用于大规模储能变电站的快速协调控制方法及*** |
| CN116706954A (zh) * | 2023-06-19 | 2023-09-05 | 广东新型储能国家研究院有限公司 | 一种基于iec61850的储能分层分级的控制***及控制方法 |
-
2023
- 2023-10-11 CN CN202311308029.1A patent/CN117055449B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030018610A (ko) * | 2001-08-30 | 2003-03-06 | 주식회사 포스코 | 포스파 피엘시용 프로피버스 마스터 보드 및 슬레이브 보드 |
| KR20050049828A (ko) * | 2003-11-24 | 2005-05-27 | 엘지전자 주식회사 | 피씨아이 버스 상의 슬레이브 보드간 통신 장치 및 그 방법 |
| CN102279574A (zh) * | 2011-05-25 | 2011-12-14 | 广州卓易电子科技有限公司 | 一种主控制板与从控制板的兼容设备及方法 |
| CN105281367A (zh) * | 2015-11-09 | 2016-01-27 | 国网上海市电力公司 | 一种多机并联的并离网无缝切换***及其方法 |
| KR20180131311A (ko) * | 2017-05-30 | 2018-12-10 | 주식회사 티에스이에스 | 분산전원용 pcs를 보호하기 위한 전원 감시 시스템 및 그 방법 |
| CN110970935A (zh) * | 2018-09-28 | 2020-04-07 | 南京南瑞继保电气有限公司 | 一种大容量电池储能***快速功率协调控制方法和装置 |
| CN109713701A (zh) * | 2019-02-01 | 2019-05-03 | 国网江苏省电力有限公司 | 叠加控制的电池储能网荷互动方法、终端、***及介质 |
| WO2020239057A1 (zh) * | 2019-05-31 | 2020-12-03 | 国网天津市电力公司电力科学研究院 | 一种分布式移动储能配电网控制方法与*** |
| CN112583030A (zh) * | 2020-12-07 | 2021-03-30 | 北京奥德威特电力科技股份有限公司 | 基于边缘计算风光储一次调频协调控制***和方法 |
| CN114285056A (zh) * | 2021-10-18 | 2022-04-05 | 国网浙江省电力有限公司丽水供电公司 | 一种储能变流器多机并联改进主从控制方法 |
| CN218482665U (zh) * | 2022-01-21 | 2023-02-14 | 国网辽宁省电力有限公司电力科学研究院 | 一种用于大容量储能***的冗余协调控制装置 |
| CN115037182A (zh) * | 2022-05-16 | 2022-09-09 | 新源智储能源发展(北京)有限公司 | 一种储能变流器并联环流抑制方法及*** |
| CN115882602A (zh) * | 2022-11-30 | 2023-03-31 | 海南电网有限责任公司电力科学研究院 | 储能协调控制*** |
| CN115994112A (zh) * | 2022-12-06 | 2023-04-21 | 上海电气分布式能源科技有限公司 | 一种储能协调控制方法、控制器、设备和介质 |
| CN116093931A (zh) * | 2023-01-09 | 2023-05-09 | 北京奥德威特电力科技股份有限公司 | 基于边缘计算源网荷储协调控制*** |
| CN116404680A (zh) * | 2023-04-27 | 2023-07-07 | 湖南省湘电试验研究院有限公司 | 一种用于大规模储能变电站的快速协调控制方法及*** |
| CN116706954A (zh) * | 2023-06-19 | 2023-09-05 | 广东新型储能国家研究院有限公司 | 一种基于iec61850的储能分层分级的控制***及控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 汪新浩: "分布式电池储能***设计及其管控技术", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 2019, pages 042 - 901 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117055449B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103176084B (zh) | 全景取代模式的智能变电站模拟***及其集成测试方法 | |
| CN107066370A (zh) | 一种自动监控并收集故障硬盘日志的工具及方法 | |
| EP3576159A1 (en) | Method and device for controlling solar energy system, central controller and solar energy system | |
| CN102929224B (zh) | 变电设备状态接入控制器及***控制方法 | |
| CN111508551B (zh) | 固态硬盘多功能自动测试***及其方法 | |
| CN109508295B (zh) | 区块链共识算法测试方法、装置、计算装置和存储介质 | |
| CN103281208B (zh) | 一种数据灾备服务及综合监控*** | |
| CN109254922A (zh) | 一种服务器BMC Redfish功能的自动化测试方法及装置 | |
| CN115658420A (zh) | 数据库监控方法及*** | |
| CN108288997A (zh) | 一种传输网络光功率自动采集*** | |
| CN103778024A (zh) | 服务器***及其讯息处理方法 | |
| CN117055449B (zh) | 一种面向大容量储能电站的协调控制装置实现方法 | |
| KR100775982B1 (ko) | 보장형 분산 제어 시스템 | |
| CN103744901A (zh) | 智能变电站双机同步存储历史数据的***和装置 | |
| CN112817827A (zh) | 运维方法、装置、服务器、设备、***及介质 | |
| CN111212093A (zh) | 数据处理***及控制设备 | |
| CN111665771A (zh) | 一种基础设施监控***和监控方法 | |
| CN113348778B (zh) | 基于dds体系的通用化卫星综合测试*** | |
| KR20210111081A (ko) | 원자력 시설의 사이버 보안 분석 시스템 및 그 방법 | |
| CN116108740A (zh) | 一种电力设备的建模方法及装置 | |
| CN112261010B (zh) | 一种特种设备多协议转换***、终端及可读存储介质 | |
| CN212009353U (zh) | 一种基础设施监控*** | |
| CN210724868U (zh) | 数据处理***及控制设备 | |
| CN113806195A (zh) | 数据处理方法、装置、设备、***及存储介质 | |
| CN113691390A (zh) | 一种云端协同的边缘节点报警***及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |