CN112803404B - 配电网自愈重构规划方法、装置及终端 - Google Patents
配电网自愈重构规划方法、装置及终端 Download PDFInfo
- Publication number
- CN112803404B CN112803404B CN202110211013.3A CN202110211013A CN112803404B CN 112803404 B CN112803404 B CN 112803404B CN 202110211013 A CN202110211013 A CN 202110211013A CN 112803404 B CN112803404 B CN 112803404B
- Authority
- CN
- China
- Prior art keywords
- particle
- distribution network
- value
- power distribution
- fitness function
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000002245 particle Substances 0.000 claims abstract description 182
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 137
- 238000004590 computer program Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000012106 screening analysis Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000011084 recovery Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明适用于配电网重构技术领域，提供了一种配电网自愈重构规划方法、装置及终端。其中，该方法包括：获取配电网信息；根据配电网信息设置种群参数；计算每个粒子的适应度函数值；对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数；根据粒子当前的速度函数更新迭代粒子的可行解和速度；若更新迭代次数未达到设定值，则重新计算每个粒子的适应度函数值，进入下一次迭代；若更新迭代次数达到设定值，则确定当前种群中的最优个体，最优个体对应的配电网拓扑结构为确定的配电网重构方案。本发明在粒子群算法的基础上，对粒子的适应度函数值的历史值进行筛选分析生成速度函数，可以在不影响计算效果的前提下提高计算效率。
Description
技术领域
本发明属于配电网重构技术领域，尤其涉及一种配电网自愈重构规划方法、装置及终端。
背景技术
配电网智能化是现代配电网发展的必然趋势，自愈能力是智能配电网的关键特征，包括智能配电网的自我预防能力与自我恢复能力。其中，自我预防是指正常状态下,通过运行状态评估及时发现潜在风险，并采取措施及时预防和消除故障隐患；自我恢复是指系统受到扰动或故障破坏时，快速完成故障定位和隔离，并通过转供电完成供电恢复。智能配电网自愈能力的提高，有利于提升供电质量和用户体验，保障系统运行的安全性、可靠性和经济性。
目前，配电网的自愈重构规划方法主要依靠智能算法来实现，如粒子群算法、神经网络算法、蚁群算法等。
然而，这些算法中，普遍存在的问题是计算效率和计算精度之间存在矛盾。当计算精度要求较高时，往往计算量很大，计算速度很慢；反之，当计算速度提升时，精度往往不能够让人满意(经典粒子群算法就是这个问题的代表)。
发明内容
有鉴于此，本发明提供了一种配电网自愈重构规划方法、装置及终端，以解决现有的配电网的自愈重构规划方法难以同时保证计算效率和计算精度的问题。
本发明实施例的第一方面提供了一种配电网自愈重构规划方法，包括：
获取配电网信息；
根据配电网信息设置种群参数，种群参数包括粒子数量、适应度函数和粒子初始可行解，其中每个粒子对应一个配电网的拓扑结构；
计算每个粒子的适应度函数值；
对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数，速度函数表示对应支路联入配电网的概率；
根据粒子当前的速度函数更新迭代粒子的可行解和速度，速度用于更新粒子的可行解，可行解用于计算粒子的适应度函数值；
若更新迭代次数未达到设定值，则重新计算每个粒子的适应度函数值，进入下一次迭代；
若更新迭代次数达到设定值，则确定当前种群中的最优个体，最优个体对应的配电网拓扑结构为确定的配电网重构方案。
可选的，配电网信息包括约束条件、配电网结构和重构目标；
相应的，根据配电网信息设置种群参数包括：
根据配电网结构设置种群粒子数量，粒子数量为配电网中的节点数；
为每个粒子设置初始速度和初始可行解；
根据重构目标设置种群适应度函数。
可选的，在计算每个粒子的适应度函数值之前，还包括：
对粒子进行约束条件检测并修正不能满足约束条件的粒子，直至全部粒子满足约束条件。
可选的，速度函数的表达式为：
Vi(t+1)＝Vi(t)+c1r1(pBesti-Xi())+c2r2(gBest-Xi(t))
其中，Vi(t)表示i粒子在t时刻的速度，Xi(t)表示i粒子在t时刻的可行解,t表示更新迭代次数，c1、c2表示预设的加速系数，r1、r2表示随机参数，pBesti表示i粒子的最优历史值，gBest表示种群的最优历史值。
可选的，对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数包括：
根据粒子的适应度函数值的历史值确定每个粒子的最优历史值；
根据预设比例对每个粒子的最优历史值进行筛选，得到第一精英集；
分析第一精英集中各个节点的开闭频率，得到第一开闭频率；
根据第一开闭频率生成第一分布概率模型；
根据第一分布概率模型随机生成速度函数中的pBesti。
可选的，对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数包括：
根据粒子的适应度函数值的历史值确定种群的最优历史值；
根据预设比例对种群的最优历史值进行筛选，得到第二精英集；
分析第二精英集中各个节点的开闭频率，得到第二开闭频率；
根据第二开闭频率生成第二分布概率模型；
根据第二分布概率模型随机生成速度函数中的gBest。
本发明实施例的第二方面提供了一种配电网自愈重构规划装置，包括：
获取模块，用于获取配电网信息；
初始化模块，用于根据配电网信息设置种群参数，种群参数包括粒子数量、适应度函数和粒子初始可行解，其中每个粒子对应一个配电网的拓扑结构；
计算模块，用于计算每个粒子的适应度函数值；
函数更新模块，用于对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数，速度函数表示对应支路联入配电网的概率；
粒子更新模块，用于根据粒子当前的速度函数更新迭代粒子的可行解和速度，速度用于更新粒子的可行解，可行解用于计算粒子的适应度函数值；
终止模块，用于在更新迭代次数未达到设定值时，重新计算每个粒子的适应度函数值，进行下一次迭代；
或，在更新迭代次数达到设定值时，确定当前种群中的最优个体，最优个体对应的配电网拓扑结构为配电网重构方案。
本发明实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如任一项配电网自愈重构规划方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如任一项配电网自愈重构规划方法的步骤。
本发明与现有技术相比存在的有益效果是：
本发明提供了一种配电网故障自愈重构规划方法，该方法包括：获取配电网信息；根据配电网信息设置种群参数，种群参数包括粒子数量、适应度函数和粒子初始可行解，其中每个粒子对应一个配电网的拓扑结构；计算每个粒子的适应度函数值；对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数，速度函数表示对应支路联入配电网的概率；根据粒子当前的速度函数更新迭代粒子的可行解和速度，速度用于更新粒子的可行解，可行解用于计算粒子的适应度函数值；若更新迭代次数未达到设定值，则重新计算每个粒子的适应度函数值，进入下一次迭代；若更新迭代次数达到设定值，则确定当前种群中的最优个体，最优个体对应的配电网拓扑结构为确定的配电网重构方案。本发明在粒子群算法的基础上，对粒子的适应度函数值的历史值进行筛选分析生成速度函数，可以加快算法的收敛速度，避免陷入局部最优的情况，可以在不影响计算效果的前提下提高计算效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的配电网自愈重构规划方法的实现流程图；
图2是本发明实施例提供的配电网自愈重构规划装置的结构示意图；
图3是本发明实施例提供的终端的示意图；
图4是本发明的一个实施例中使用的配电网的结构示意图；
图5是本发明的一个实施例对实施例中的配电网的优化结果示意图；
图6是使用现有技术对实施例中的配电网的优化结果示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
参见图1，其示出了本发明实施例提供的配电网自愈重构规划方法的实现流程图，详述如下：
步骤101，获取配电网信息；
步骤102，根据配电网信息设置种群参数，种群参数包括粒子数量、适应度函数和粒子初始可行解，其中每个粒子对应一个配电网的拓扑结构；
在本实施例中，配电网信息包括约束条件、配电网结构和重构目标；
其中，约束条件可以为：
(1)潮流约束
配电网系统进行重构后，整个系统必须满足潮流约束，确保系统运行稳定，约束条件公式为：
其中，k为节点，Nk为节点总数量，
为节点k的输入功率，
为节点k的输出功率，ETk为关于节点k的流入弧的起点集合，EFk为关于节点k的流出弧的起点集合，Dk为节点k的网络损耗。
(2)馈线容量约束，约束条件公式为：
Sj≤Sjmax
其中，Sj代表配电网结构中第j条支路上流动的功率，Sjmax代表第j条支路上允许的最大功率值。
(3)线路电流约束，约束条件公式为：
Iij≤Iijmax
其中，Iij表示端点为节点i、节点j的支路上的电流，Iijmax表示端点为节点i、节点j的支路上允许的最大传输电流。
(4)母线电压约束，约束条件公式为：
Vjmin≤Vj≤Vjmax
其中，Vj代表节点j的电压，Vjmin表示节点j允许的最小电压，Vjmax表示节点j允许的最大电压。
(5)变压器过载约束，约束条件公式为：
St≤Stmax
其中，St代表变压器实际承载功率，Stmax是该变压器最大允许功率。
(6)网络拓扑结构约束，约束条件公式为：
gk∈GR
其中，gk表示配电网故障系统在重构后呈现的网络拓扑结构，GR表示在可以保证供电的情况下，网络辐射结构拓扑的集合。
在对配电网系统进行重构规划时，其网络结构必须满足一般运行条件，即仍保持辐射状运行，杜绝出现环网的情况，并尽可能减少孤岛的存在。
重构目标可以为：
(1)负荷恢复程度最大化
此目标用于恢复应系统故障而造成的符合损失。与此目标对应的适应度函数为：
其中，L1，L2，L3分别为系统1级、2级、3级负荷的恢复功率；
m，n，k分别为配电网系统中1级、2级、3级负荷的个数；
a，b，c分别为各级负荷的权重系数；
xi,xj,xk为不同等级负荷供电状态，可供电时为1，不可供电时为0。
(2)线路有功损耗最小化
此目标侧重点在运行方面，优化重构的重点则在于使线路的总网损目标最小，更大程度利用电源输出的有功功率。与此目标对应的适应度函数为：
其中，Pi为第i条线路上流入末端的有功功率；
Qi为第i条线路上流入末端的无功功率；
Ui为第i条线路上流入末端节点的电压幅值；
Ri为第i条线路电路阻值；
Ki为第i条线路投切状态，与配电网断开时为0，与配电网相连为1；
n为配电网开关个数。
(3)负荷不平衡率最小化
此目标的侧重点为配电网系统的供电质量，则潮流分布均衡对供电质量有着巨大影响，合理的潮流分布，可以有效改善电压的均匀分布态势。与此目标对应的适应度函数为：
其中，NR为配电网的线路集合；
Si为流过第i条线路的复功率；
Simax为第i条线路的最大功率容量。
(4)开关操作次数最小化
此目标侧重考虑配电网的稳定性，则可以从开关次数尽可能小的角度考虑。与此目标对应的适应度函数为：
其中,λi，λj表示操作各个开关所需要付出代价的权重；
m，n分别为分段开关数量和联络开关数量；
ci为配电网中第i个分段开关状态。若重构前后位闭合状态则赋值1，若重构过程中由闭合成为打开，则赋值为0；
oi表示配电网中联络开关的状态，若保持打开，则为0，若有打开变为关闭，则为1。
相应的，根据配电网信息设置种群参数包括：
根据配电网结构设置种群粒子数量，粒子数量为配电网中的节点数；
为每个粒子设置初始速度和初始可行解；
根据重构目标设置种群适应度函数。
在本实施例中，需要在可行解集中随机产生n个粒子，每个粒子包含模型的所有变量，每个粒子都可以代表一个拓扑结构，即配电网的重构方案，通常n个节点对应着一个n×n的矩阵。初始可行解的生成可以通过{-1,0,1}随机分布生成。
步骤103，计算每个粒子的适应度函数值；
在本实施例中，对不同的网络拓扑结构、不同的开关组合方式，计算模型中四个目标函数和人为规定的权重系数，计算粒子适应度值。并以适应度值为依据，找到种群历史最优值和个体历史最优值，以此构造各个粒子的速度函数，为粒子的搜索方向提供依据。
在本实施例中，在计算每个粒子的适应度函数值之前，还包括：
对粒子进行约束条件检测并修正不能满足约束条件的粒子，直至全部粒子满足约束条件。
在随机生成粒子的初始可行解时，需要避开在实际中无法连接的节点。生成的结果一般无法满足配电网闭环设计和开环运行的原则，因此，辐射性检测常被用于对所有粒子的网络拓扑结构进行检测。
步骤104，对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数，速度函数表示对应支路联入配电网的概率；
在本实施例中，速度函数的表达式为：
Vi(t+1)＝Vi(t)+c1r1(pBesti-Xi(t))+c2r2(gBest-Xi(t))
其中，Vi(t)表示i粒子在t时刻的速度，Xi(t)表示i粒子在t时刻的可行解,t表示更新迭代次数，c1、c2表示预设的加速系数，r1、r2表示随机参数，pBesti表示i粒子的最优历史值，gBest表示种群的最优历史值；
相应的，粒子可行解的表达式为：
Xi(t+1)＝Xi(t)+Vi(t+1)
其中，加速系数用于控制算法收敛速度和寻优广度的关键系数，需要根据不同优化问题进行人为规定或根据计算结果反复测试，随机参数用于使每次更新迭代的粒子速度具有随机性。
在本实施例中，对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数包括：
根据粒子的适应度函数值的历史值确定每个粒子的最优历史值；
根据预设比例对每个粒子的最优历史值进行筛选，得到第一精英集；
分析第一精英集中各个节点的开闭频率，得到第一开闭频率；
根据第一开闭频率生成第一分布概率模型；
根据第一分布概率模型随机生成速度函数中的pBesti。
可选的，对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数包括：
根据粒子的适应度函数值的历史值确定种群的最优历史值；
根据预设比例对种群的最优历史值进行筛选，得到第二精英集；
分析第二精英集中各个节点的开闭频率，得到第二开闭频率；
根据第二开闭频率生成第二分布概率模型；
根据第二分布概率模型随机生成速度函数中的gBest。
在本实施例中，按比例m和n分别从粒子历史值和种群最优历史值中筛选出优秀值，组成精英集P和Q。分析精英集中节点开关的开启、关闭概率，按照概率随机生成速度函数中的pBesti和gBest，代入速度函数中。
步骤105，根据粒子当前的速度函数更新迭代粒子的可行解和速度，速度用于更新粒子的可行解，可行解用于计算粒子的适应度函数值；
在本实施例中，粒子根据更新后的速度函数，更新粒子值网络结构拓扑矩阵。粒子的速度函数表示的是各个支路联入配电网的概率，速度越大，支路联入配电网的概率越大。
步骤106，若更新迭代次数未达到设定值，则重新计算每个粒子的适应度函数值，进入下一次迭代；
步骤107，若更新迭代次数达到设定值，则确定当前种群中的最优个体，最优个体对应的配电网拓扑结构为确定的配电网重构方案。
在本发明的一个具体的实施例中，使用本实施例对图4所示的配电网进行重构规划，该配电网一共有36个节点，其中包括1个变压器节点(110kV/10kV)，剩余的为负荷节点和中间开关节点。其中，负荷4，负荷5为一级负荷，其余负荷均为3级负荷。线路的型号如图所示。该地区由于负荷的快速增长，导致变压器负债率逐年提高，且网架结构不够坚强，一旦出现故障，可能导致大面积停电。
观察该网架结构，当23-24、15-16、0-27任何一条线路发生故障时，都会导致系统解列，形成孤岛。以一种最严重的情形，即三条线路同时故障，来对比两类算法的优劣性。
规划结果如图5所示，现有的粒子群算法的规划结果如图6所示，计算数据对比如下表所示：
从故障重构的角度来看,本发明在各项系统指标均优于粒子群算法，能够有效的为故障后的系统提供控制策略，降低停电时间，使电网迅速恢复正常状态，实现真正的智能化操作。
| 故障恢复前 | 改进粒子群算法 | 粒子群算法 | |
| 系统平均电压/p.u. | 0.854 | 0.952 | 0.946 |
| 系统最低电压/p.u. | 0.801 | 0.903 | 0.917 |
| 负荷恢复程度 | 0.42 | 1 | 1 |
| 供电平均恢复时间 | - | 1min20s | 1min34s |
| 负荷不平衡率 | 0.284 | 0.177 | 0.197 |
| 线路有功损耗/kVA | 5432.54 | 4667.19 | 4821.41 |
| 开关操作次数/次 | - | 6 | 6 |
由上可知，本发明首先获取配电网信息；然后根据配电网信息设置种群参数，种群参数包括粒子数量、适应度函数和粒子初始可行解，其中每个粒子对应一个配电网的拓扑结构；计算每个粒子的适应度函数值；对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数，速度函数表示对应支路联入配电网的概率；根据粒子当前的速度函数更新迭代粒子的可行解和速度，速度用于更新粒子的可行解，可行解用于计算粒子的适应度函数值；若更新迭代次数未达到设定值，则重新计算每个粒子的适应度函数值，进入下一次迭代；若更新迭代次数达到设定值，则确定当前种群中的最优个体，最优个体对应的配电网拓扑结构为确定的配电网重构方案。本发明在粒子群算法的基础上，对粒子的适应度函数值的历史值进行筛选分析生成速度函数，可以加快算法的收敛速度，避免陷入局部最优的情况，可以在不影响计算效果的前提下提高计算效率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图2示出了本发明实施例提供的配电网自愈重构规划装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图2所示，配电网自愈重构规划装置包括：
获取模块21，用于获取配电网信息；
初始化模块22，用于根据配电网信息设置种群参数，种群参数包括粒子数量、适应度函数和粒子初始可行解，其中每个粒子对应一个配电网的拓扑结构；
计算模块23，用于计算每个粒子的适应度函数值；
函数更新模块24，用于对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数，速度函数表示对应支路联入配电网的概率；
粒子更新模块25，用于根据粒子当前的速度函数更新迭代粒子的可行解和速度，速度用于更新粒子的可行解，可行解用于计算粒子的适应度函数值；
终止模块26，用于在更新迭代次数未达到设定值时，重新计算每个粒子的适应度函数值，进行下一次迭代；
或，在更新迭代次数达到设定值时，确定当前种群中的最优个体，最优个体对应的配电网拓扑结构为配电网重构方案。
可选的，配电网信息包括约束条件、配电网结构和重构目标；
相应的，初始化模块包括：
数量设置单元，用于根据配电网结构设置种群粒子数量，粒子数量为配电网中的节点数；
初始值设置单元，用于为每个粒子设置初始速度和初始可行解；
函数设置单元，用于根据重构目标设置种群适应度函数。
可选的，在计算每个粒子的适应度函数值之前，还包括：
对粒子进行约束条件检测并修正不能满足约束条件的粒子，直至全部粒子满足约束条件。
可选的，速度函数的表达式为：
Vi(t+1)＝Vi(t)+c1r1(pBesti-Xi(t))+c2r2(gBest-Xi(t))
其中，Vi(t)表示i粒子在t时刻的速度，Xi(t)表示i粒子在t时刻的可行解,t表示更新迭代次数，c1、c2表示预设的加速系数，r1、r2表示随机参数，pBesti表示i粒子的最优历史值，gBest表示种群的最优历史值。
可选的，函数更新模块包括：
个体最优确定单元，用于根据粒子的适应度函数值的历史值确定每个粒子的最优历史值；
第一筛选单元，用于根据预设比例对每个粒子的最优历史值进行筛选，得到第一精英集；
第一分析单元，用于分析第一精英集中各个节点的开闭频率，得到第一开闭频率；
第一模型生成单元，用于根据第一开闭频率生成第一分布概率模型；
第一采样单元，用于根据第一分布概率模型随机生成速度函数中的pBesti。
可选的，函数更新模块包括：
全局最优确定单元，用于根据粒子的适应度函数值的历史值确定种群的最优历史值；
第二筛选单元，用于根据预设比例对种群的最优历史值进行筛选，得到第二精英集；
第二分析单元，用于分析第二精英集中各个节点的开闭频率，得到第二开闭频率；
第二模型生成单元，用于根据第二开闭频率生成第二分布概率模型；
第二采样单元，用于根据第二分布概率模型随机生成速度函数中的gBest。
图3是本发明一实施例提供的终端的示意图。如图3所示，该实施例的终端3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个配电网自愈重构规划方法实施例中的步骤，例如图1所示的步骤101至步骤103。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图3所示单元31至33的功能。
示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端3中的执行过程。
所述终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端3的示例，并不构成对终端3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端3的内部存储单元，例如终端3的硬盘或内存。所述存储器31也可以是所述终端3的外部存储设备，例如所述终端3上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述终端3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (9)
1.一种配电网自愈重构规划方法，其特征在于，包括：
获取配电网信息；
根据所述配电网信息设置种群参数，所述种群参数包括粒子数量、适应度函数和粒子初始可行解，其中每个粒子对应一个配电网的拓扑结构；
计算每个粒子的适应度函数值；
对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数，所述速度函数表示对应支路联入配电网的概率；
根据粒子当前的速度函数更新迭代粒子的可行解和速度，所述速度用于更新粒子的可行解，所述可行解用于计算粒子的适应度函数值；
若更新迭代次数未达到设定值，则重新计算每个粒子的适应度函数值，进入下一次迭代；
若更新迭代次数达到设定值，则确定当前种群中的最优个体，所述最优个体对应的配电网拓扑结构为确定的配电网重构方案；
对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数包括：
根据粒子的适应度函数值的历史值确定每个粒子的最优历史值；
根据预设比例对每个粒子的最优历史值进行筛选，得到第一精英集；
分析第一精英集中各个节点的开闭频率，得到第一开闭频率；
根据第一开闭频率生成第一分布概率模型；
根据第一分布概率模型随机生成速度函数中的pBesti。
2.根据权利要求1所述的配电网自愈重构规划方法，其特征在于，所述配电网信息包括约束条件、配电网结构和重构目标；
相应的，所述根据所述配电网信息设置种群参数包括：
根据所述配电网结构设置种群粒子数量，所述粒子数量为配电网中的节点数；
为每个粒子设置初始速度和初始可行解；
根据所述重构目标设置种群适应度函数。
3.根据权利要求2所述的配电网自愈重构规划方法，其特征在于，在计算每个粒子的适应度函数值之前，还包括：
对粒子进行约束条件检测并修正不能满足约束条件的粒子，直至全部粒子满足约束条件。
4.根据权利要求1至3任一项所述的配电网自愈重构规划方法，其特征在于，所述速度函数的表达式为：
Vi(t+1)＝Vi(t)+c1r1(pBesti-Xi(t))+c2r2(gBest-Xi(t))
其中，Vi(t)表示i粒子在t时刻的速度，Xi(t)表示i粒子在t时刻的可行解，t表示更新迭代次数，c1、c2表示预设的加速系数，r1、r2表示随机参数，pBesti表示i粒子的最优历史值，gBest表示种群的最优历史值。
5.根据权利要求4所述的配电网自愈重构规划方法，其特征在于，所述对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数包括：
根据所述粒子的适应度函数值的历史值确定种群的最优历史值；
根据预设比例对所述种群的最优历史值进行筛选，得到第二精英集；
分析所述第二精英集中各个节点的开闭频率，得到第二开闭频率；
根据所述第二开闭频率生成第二分布概率模型；
根据所述第二分布概率模型随机生成速度函数中的gBest。
6.一种配电网自愈重构规划装置，其特征在于，包括：
获取模块，用于获取配电网信息；
初始化模块，用于根据所述配电网信息设置种群参数，所述种群参数包括粒子数量、适应度函数和粒子初始可行解，其中每个粒子对应一个配电网的拓扑结构；
计算模块，用于计算每个粒子的适应度函数值；
函数更新模块，用于对粒子的适应度函数值的历史值进行筛选分析，以更新速度函数，所述速度函数表示对应支路联入配电网的概率；
粒子更新模块，用于根据粒子当前的速度函数更新迭代粒子的可行解和速度，所述速度用于更新粒子的可行解，所述可行解用于计算粒子的适应度函数值；
终止模块，用于在更新迭代次数未达到设定值时，重新计算每个粒子的适应度函数值，进行下一次迭代；
或，在更新迭代次数达到设定值时，确定当前种群中的最优个体，所述最优个体对应的配电网拓扑结构为配电网重构方案；
函数更新模块包括：
个体最优确定单元，用于根据粒子的适应度函数值的历史值确定每个粒子的最优历史值；
第一筛选单元，用于根据预设比例对每个粒子的最优历史值进行筛选，得到第一精英集；
第一分析单元，用于分析第一精英集中各个节点的开闭频率，得到第一开闭频率；
第一模型生成单元，用于根据第一开闭频率生成第一分布概率模型；
第一采样单元，用于根据第一分布概率模型随机生成速度函数中的pBesti。
7.根据权利要求6所述的配电网自愈重构规划装置，其特征在于，所述配电网信息包括约束条件、配电网结构和重构目标；
相应的，所述初始化模块包括：
数量设置单元，用于根据所述配电网结构设置种群粒子数量，所述粒子数量为配电网中的节点数；
初始值设置单元，用于为每个粒子设置初始速度和初始可行解；
函数设置单元，用于根据所述重构目标设置种群适应度函数。
8.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至5中任一项所述配电网自愈重构规划方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至5中任一项所述配电网自愈重构规划方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110211013.3A CN112803404B (zh) | 2021-02-25 | 2021-02-25 | 配电网自愈重构规划方法、装置及终端 |
| PCT/CN2021/143324 WO2022179302A1 (zh) | 2021-02-25 | 2021-12-30 | 配电网自愈重构规划方法、装置及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110211013.3A CN112803404B (zh) | 2021-02-25 | 2021-02-25 | 配电网自愈重构规划方法、装置及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112803404A CN112803404A (zh) | 2021-05-14 |
| CN112803404B true CN112803404B (zh) | 2023-03-14 |
Family
ID=75815841
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110211013.3A Active CN112803404B (zh) | 2021-02-25 | 2021-02-25 | 配电网自愈重构规划方法、装置及终端 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112803404B (zh) |
| WO (1) | WO2022179302A1 (zh) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112803404B (zh) * | 2021-02-25 | 2023-03-14 | 国网河北省电力有限公司经济技术研究院 | 配电网自愈重构规划方法、装置及终端 |
| CN113541136B (zh) * | 2021-07-27 | 2024-09-13 | 广东电网有限责任公司 | 配电网自愈系统的配置方法、装置及电子设备 |
| CN113689149A (zh) * | 2021-10-09 | 2021-11-23 | 广东电网有限责任公司 | 一种配电网的规划方法及装置 |
| CN114039331B (zh) * | 2021-10-27 | 2023-07-21 | 成都交大许继电气有限责任公司 | 一种牵引网智能重构自愈方法及系统 |
| CN115333101B (zh) * | 2022-10-12 | 2023-04-07 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 一种智能配电柜系统及配电方法 |
| CN115498773B (zh) * | 2022-10-21 | 2023-12-05 | 山东大学 | 一种配电网故障自愈重构方法及系统 |
| CN115808952B (zh) * | 2022-11-13 | 2024-10-01 | 西北工业大学 | 基于改进粒子群优化的能源系统最大功率跟踪控制方法 |
| CN116055336A (zh) * | 2022-12-29 | 2023-05-02 | 中煤科工西安研究院(集团)有限公司 | 基于迁移优化算法的矿井数字孪生系统网络路由规划方法 |
| CN116526477B (zh) * | 2023-06-30 | 2024-03-26 | 南方电网数字电网研究院有限公司 | 电网重构策略的确定方法、装置、计算机设备和存储介质 |
| CN116542006B (zh) * | 2023-07-07 | 2024-06-18 | 中国人民解放军陆军装甲兵学院 | 一种车载电源系统拓扑结构设计方法 |
| CN116796574B (zh) * | 2023-08-23 | 2023-12-29 | 江西五十铃汽车有限公司 | 一种驱动电机振动噪音优化方法及系统 |
| CN116973694B (zh) * | 2023-09-22 | 2023-12-12 | 国网浙江宁波市鄞州区供电有限公司 | 配电网故障诊断优化方法及系统 |
| CN117574786B (zh) * | 2024-01-17 | 2024-03-19 | 国网经济技术研究院有限公司 | 有源中压架空配电网络分段优化方法、系统及存储介质 |
| CN117613902B (zh) * | 2024-01-19 | 2024-05-28 | 北京智芯微电子科技有限公司 | 基于智慧开关的配网优化运行方法及装置 |
| CN117833241B (zh) * | 2024-03-04 | 2024-05-07 | 广东电网有限责任公司广州供电局 | 分布式智能配电网自愈控制方法及系统 |
| CN118101720B (zh) * | 2024-04-25 | 2024-07-09 | 国能信控互联技术有限公司 | 基于边缘云的新能源数据采集控制方法及系统 |
| CN118693859B (zh) * | 2024-06-14 | 2024-12-06 | 江苏沃之源电力技术有限公司 | 一种电容器的补偿选型竞争优化方法及系统 |
| CN118425689B (zh) * | 2024-07-04 | 2024-10-29 | 国网上海市电力公司 | 一种新型智慧配电网分布式电源故障定位方法 |
| CN118539434B (zh) * | 2024-07-24 | 2024-11-08 | 深圳市深水龙岗水务集团有限公司 | 一种水光储智慧能源管理方法及系统 |
| CN118798493A (zh) * | 2024-09-12 | 2024-10-18 | 北京智芯微电子科技有限公司 | 分布式智能配电优化方法、装置、存储介质及终端设备 |
| CN119010024A (zh) * | 2024-10-25 | 2024-11-22 | 中曜达数能生态科技(浙江)有限公司 | 一种配电网智能重构方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104332995A (zh) * | 2014-11-14 | 2015-02-04 | 南京工程学院 | 基于改进粒子群算法的配电网重构优化方法 |
| CN104734153A (zh) * | 2014-12-18 | 2015-06-24 | 国家电网公司 | 一种含分布式电源的配电网络重构方法 |
| CN105631518A (zh) * | 2015-12-23 | 2016-06-01 | 西安理工大学 | 多参数多目标混沌粒子群参数寻优方法 |
| CN108491922A (zh) * | 2018-03-21 | 2018-09-04 | 华南理工大学 | 基于教学和粒子群算法的主动配电网智能混合重构方法 |
| CN108832615A (zh) * | 2018-05-08 | 2018-11-16 | 中国电力科学研究院有限公司 | 一种基于改进二进制粒子群算法的配电网重构方法及系统 |
| CN109004643A (zh) * | 2018-07-24 | 2018-12-14 | 南京师范大学 | 基于改进粒子群算法的配电网重构优化方法 |
| CN111640043A (zh) * | 2020-05-19 | 2020-09-08 | 福州大学 | 配电网重构方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3020950A1 (fr) * | 2018-10-16 | 2020-04-16 | Hydro-Quebec | Reconstruction d'une topologie d'un reseau de distribution electrique |
| CN112803404B (zh) * | 2021-02-25 | 2023-03-14 | 国网河北省电力有限公司经济技术研究院 | 配电网自愈重构规划方法、装置及终端 |
-
2021
- 2021-02-25 CN CN202110211013.3A patent/CN112803404B/zh active Active
- 2021-12-30 WO PCT/CN2021/143324 patent/WO2022179302A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104332995A (zh) * | 2014-11-14 | 2015-02-04 | 南京工程学院 | 基于改进粒子群算法的配电网重构优化方法 |
| CN104734153A (zh) * | 2014-12-18 | 2015-06-24 | 国家电网公司 | 一种含分布式电源的配电网络重构方法 |
| CN105631518A (zh) * | 2015-12-23 | 2016-06-01 | 西安理工大学 | 多参数多目标混沌粒子群参数寻优方法 |
| CN108491922A (zh) * | 2018-03-21 | 2018-09-04 | 华南理工大学 | 基于教学和粒子群算法的主动配电网智能混合重构方法 |
| CN108832615A (zh) * | 2018-05-08 | 2018-11-16 | 中国电力科学研究院有限公司 | 一种基于改进二进制粒子群算法的配电网重构方法及系统 |
| CN109004643A (zh) * | 2018-07-24 | 2018-12-14 | 南京师范大学 | 基于改进粒子群算法的配电网重构优化方法 |
| CN111640043A (zh) * | 2020-05-19 | 2020-09-08 | 福州大学 | 配电网重构方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 基于改进二进制粒子群优化算法的网络重构研究;任怀溥等;《电网与清洁能源》;20110825(第08期);全文 * |
| 基于模糊c-means与自适应粒子群优化的模糊聚类算法;耿宗科等;《计算机科学》;20160815(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112803404A (zh) | 2021-05-14 |
| WO2022179302A1 (zh) | 2022-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112803404B (zh) | 配电网自愈重构规划方法、装置及终端 | |
| CN116973694B (zh) | 配电网故障诊断优化方法及系统 | |
| CN111585277B (zh) | 一种基于混合集成模型的电力系统动态安全评估方法 | |
| CN114186858A (zh) | 一种配电网储能规划节点重要度评估方法及系统 | |
| CN106228459A (zh) | 基于蒙特卡洛的等值可靠性评估方法 | |
| CN112014687A (zh) | 一种含分布式电源的主动配电网故障区段分层定位方法 | |
| CN105680442B (zh) | 考虑潮流和灵敏度一致性等值的期望缺供电量评估方法 | |
| CN115587459A (zh) | 一种基于图最大密度的配电网辐射状约束建模方法及系统 | |
| CN116073381A (zh) | 一种考虑配电网可靠性的自动化设备布点决策方法 | |
| CN109004639B (zh) | 基于完全分布式算法的配电网分区供电恢复策略优化方法 | |
| CN111834996B (zh) | 电网线损计算方法和装置 | |
| CN110581554B (zh) | 基于影响增量的电网N-k故障分析与筛选方法及装置 | |
| CN111651889A (zh) | 输电系统高风险事件筛选方法、装置、设备及存储介质 | |
| CN116341950A (zh) | 一种基于综合介数的电力系统脆弱线路评估方法及装置 | |
| CN116976117A (zh) | 配电网拓扑的可靠性优化方法、装置、设备及存储介质 | |
| CN116384122A (zh) | 一种电力系统恢复决策支持的目标骨干网架优化方法 | |
| CN117371152A (zh) | 基于神经网络的配电网拓扑识别方法及系统 | |
| CN115912493A (zh) | 分布式电源接入方法、电子设备、配电网及存储介质 | |
| CN109033603A (zh) | 基于源流路径链的智能变电站二次系统仿真方法 | |
| CN108183481A (zh) | 一种基于深度学习电网快速判稳方法和系统 | |
| CN113589079A (zh) | 配电网自愈系统的测试方法、电子设备及存储介质 | |
| CN113922369A (zh) | 用于输配电网可靠性评估的方法、终端及存储介质 | |
| CN117517862B (zh) | 配电网故障定位方法及装置 | |
| CN114928035B (zh) | 一种基于多限制器抑制短路电流策略的生成方法及系统 | |
| CN113541136B (zh) | 配电网自愈系统的配置方法、装置及电子设备 |
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 |