CN103162731B - 一种高炉热风炉燃烧效果在线分析及量化方法 - Google Patents
一种高炉热风炉燃烧效果在线分析及量化方法 Download PDFInfo
- Publication number
- CN103162731B CN103162731B CN201110418921.6A CN201110418921A CN103162731B CN 103162731 B CN103162731 B CN 103162731B CN 201110418921 A CN201110418921 A CN 201110418921A CN 103162731 B CN103162731 B CN 103162731B
- Authority
- CN
- China
- Prior art keywords
- value
- dome temperature
- effect
- burning
- combustion
- 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
Abstract
本发明公开一种高炉热风炉燃烧效果在线分析及量化方法,用于在煤气热值及流量相同或近似的燃烧阶段对同一热风炉不同时刻的燃烧效果进行对比。在高炉热风炉燃烧过程中分快速燃烧阶段及稳定蓄热阶段,在快速燃烧阶段确定热风炉燃烧效果的步骤如下:(1)燃烧效果分析参数统计保存;(2)燃烧效果分析数据提取;(3)确定当前时刻可达到的最佳及标准燃烧效果;(4)确定当前时刻可达到的动态燃烧效果分布区间;(5)确定当前时刻的动态燃烧效果及量化值;在稳定蓄热阶段确定热风炉燃烧效果的步骤如下:(6)重复步骤(1)到(5)确定当前时刻的动态燃烧效果;(7)确定当前时刻稳定燃烧效果分布区间;(8)确定当前时刻的稳定燃烧效果及量化值;(9)确定当前时刻的综合燃烧效果及量化值。
Description
技术领域
本发明属于高炉热风炉燃烧效果分析检测技术领域,特别涉及一种高炉热风炉燃烧效果在线分析及量化方法。
背景技术
热风炉是高炉生产的重要设施,其风温的高低趋势影响高炉的生产,提高热风炉的送风温度可以使高炉降低焦比,提高产量,从而节约焦炭,达到降低成本的目的。为了能够提高送风温度,必须提高热风炉的拱顶温度和蓄热量,而提高拱顶温度和蓄热量,又必须找到合适的空燃比,以利于高炉煤气充分利用,加快传热,缩短烧炉时间,节约煤气消耗。因此,热风炉燃烧系统的优化控制对于提高送风温度、节约能源至关重要。
目前高炉热风炉燃烧自动控制主要分为基于数学模型和基于人工智能两种研究方向。而数学模型控制方法在应用中面临的最主要的问题是需要完善的检测和分析仪表相配合,而这些仪表的价格较贵,且后期维护的工作量较大。只有少数容积较大,工艺参数的检测分析手段完善,而且均以高炉煤气混合焦炉煤气作为燃料的高炉才采用这种方法。另一类基于人工智能的自动控制方法主要包括最佳空燃比模糊控制、煤气流量和空燃比设定专家系统控制、通过检测废气残氧量实现的自组织模糊控制、废气温度自适应模糊控制等等。姜立秋等提出的依据废气残氧量的自组织模糊控制方法,(参见钢铁研究学报1999年第六期64-68页),它是根据废气残氧量的检测,通过模糊控制方法,使空气的过剩系数保持在合理的区间,从而实现智能燃烧控制。孙进生等提出的一种基于实例推理的高炉热风炉燃烧自动控制方法(参见发明专利申请公开书申请号200510127964.3),它是根据历史烧炉数据组建实例库,通过查找方式得出在当前烧炉状况的最优空然比方案。专利公开号为CN101408314A的专利是由王自亭等提出的一套基于自学习和模糊控制相结合的热风炉燃烧全自动控制方法,它同样是通过对历史烧炉数据的统计,确定相同条件下拱顶温度上升最快时的煤气流量和空气流量,作为当前条件下最优的参数设定。
以上这些智能控制方法都是按照一定的策略,以拱顶温度作为直接分析参数寻找最优的空燃比,或者依赖于废气残氧量的检测调整空燃比,根据废气温度的变化调整燃烧速度。无论那种方式对于最优空燃比的设定都是至关重要的,但以上方法以拱顶温度为直接分析参数,缺乏对拱顶温度非稳定变化规律的考虑,而采用残氧仪的方法,系统的维护也比较困难。因此我们开发了一种能够确定热风炉燃烧时的燃烧效果及其量化关系的方法,可以用来监测高炉热风炉的燃烧状况及参与空燃比的寻优设定。
发明内容
本发明针对上述问题,所要解决的技术问题是提供了一种简便、可实时、连续的在线确定热风炉燃烧时的燃烧效果的方法,用于在煤气热值及流量相同或近似的燃烧阶段对同一热风炉不同时刻的燃烧效果进行对比,进而可参与热风炉的自动燃烧控制。
该方法在高炉热风炉燃烧过程中分两个阶段确定热风炉的燃烧效果,分别是快速燃烧阶段及稳定蓄热阶段。
在快速燃烧阶段确定热风炉燃烧效果的步骤如下:
(1)燃烧效果分析参数统计保存。
(2)燃烧效果分析数据提取。
(3)确定当前时刻可达到的最佳及标准燃烧效果。
(4)确定当前时刻可达到的动态燃烧效果分布区间。
(5)确定当前时刻的动态燃烧效果及量化值。
在稳定蓄热阶段确定热风炉燃烧效果的步骤如下:
(6)重复步骤(1)到(5)确定当前时刻的动态燃烧效果。
(7)确定当前时刻稳定燃烧效果分布区间。
(8)确定当前时刻的稳定燃烧效果及量化值。
(9)确定当前时刻的综合燃烧效果及量化值。
其中,步骤(1)中分析参数包括拱顶温度值,拱顶温度变化值及当前炉次当前煤气条件下拱顶温度最大值,保存规则是以固定时间间隔进行保存;步骤(2)中分析数据提取是将前一时刻拱顶温度值及当前时刻与前一时刻拱顶温度的差值进行提取;步骤(5)中当前时刻的动态燃烧效果量化值为当前时刻拱顶温度变化值在步骤(4)中所确定的动态燃烧效果分布区间中的位置所对应的量化值;在煤气热值及流量相同或近似的燃烧阶段对同一热风炉不同时刻的量化值进行对比,量化值越大,燃烧效果越好,反之则越差。步骤(6)中重复步骤(2)时多提取了当前炉次当前煤气条件下拱顶温度最大值;步骤(8)中当前时刻的稳定燃烧效果量化值为当前时刻拱顶温度变化值在步骤(7)中所确定的稳定燃烧效果分布区间中的位置所对应的量化值;
所述步骤(3)中当前时刻可达到的最佳燃烧效果是通过最高燃烧能力模型计算的当前时刻拱顶温度最大升温值,当前时刻可达到的标准燃烧效果是通过标准燃烧能力模型计算的当前时刻的拱顶温度标准升温值;
所述步骤(4)中动态燃烧效果分布区间是将拱顶温度变化从拱顶温度最大升温值到拱顶温度标准升温值之间等分为X个区间,从拱顶温度标准升温值到拱顶温度变化最小值之间等分为Y个区间。越接近最大升温值的区域量化值越大,越接近拱顶温度变化最小值的区域量化值越小,最小区间量化值为1,最大区间量化值为X+Y;其中拱顶温度变化最小值为预设值;
所述步骤(7)中稳定燃烧效果分布区间是将拱顶温度从当前煤气条件下的最大值到预设拱顶温度下边界之间等分为Z个区间,最小区间量化值为1,最大区间量化值为Z;其中当前煤气条件下是指与当前煤气热值及流量相同或近似的燃烧阶段。
所述步骤(9)中综合燃烧效果的计算公式为:
其中,a1+a2=1;X,Y,Z分别为步骤(4)和步骤(7)中的等分区间数;同样在煤气热值及流量相同或近似的燃烧阶段对同一热风炉不同时刻的量化值进行对比,该值越大,燃烧效果越好,反之则越差。
进一步的,上述方法还具有以下特点,所述步骤(3)中最高燃烧能力模型为一多项式函数,它是通过对一台热风炉在每一拱顶温度前提下,拱顶温度变化最大值进行多项式拟合获得,拟合函数自变量为某一时刻拱顶温度值,拟合函数因变量为此时刻拱顶温度值对应的下一时刻最大温变。标准燃烧能力模型同样为一多项式函数,它是通过对一台热风炉在每一拱顶温度前提下,所有拱顶温度的变化值进行多项式拟合获得,拟合函数自变量为某一时刻拱顶温度值,拟合函数因变量为此时刻拱顶温度值对应的下一时刻温变。每一台热风炉都有独立的最高燃烧能力模型和标准燃烧能力模型。
综上所述,本发明的特点是:1、可实时、连续、长期对热风炉燃烧效果进行监测。2、可综合各种控制手段进行热风炉燃烧控制。3、适应现场环境,工作可靠,无需设备维护;4、结构简单,易于实现。
附图说明
图1为本发明的系统构成图;
图2为快速燃烧阶段燃烧效果分析流程图;
图3为稳定蓄热阶段燃烧效果分析流程图。
具体实施方式
下面结合附图对本发明具体实施方式作进一步说明:
本方法的系统构成如图1所示,方法的实现主要由4部分组成,分别是数据准备单元、数据提取单元、动态燃烧效果分析单元、稳定燃烧效果分析单元。数据准备单元主要负责对现场数据进行在线计算、统计、保存。数据提取单元主要是进行对待分析数据的计算及提取。快速燃烧阶段燃烧效果分析只进行动态燃烧效果分析。稳定蓄热阶段燃烧效果是要通过动态燃烧效果分析单元和稳定燃烧效果分析单元进行综合分析。分析结果一方面可以在线燃烧效果分析监控,另一方面可以进行在线燃烧控制。
本方法在高炉热风炉燃烧过程中分两个阶段确定热风炉的燃烧效果,分别是快速燃烧阶段及稳定蓄热阶段。快速燃烧阶段一般为热风炉点火燃烧后10到15分钟内的拱顶温度快速上升阶段。稳定蓄热阶段为快速燃烧阶段之后到停止燃烧之前拱顶温度相对保持恒定的这段区间。
如图2所示,快速燃烧阶段燃烧效果分析流程如下:
(1)燃烧效果分析参数统计保存
本方法首先按一定的时间间隔从现场数据采集系统提取系统所需的现场在线采集数据,时间间隔可以是一秒或多秒(一般取5秒),提取的现场数据为热风炉的当前拱顶温度GDTV(Ti),同时通过计算获得拱顶温度变化GDTC(Ti)及当前炉次当前煤气条件下拱顶温度最大值MaxGDV,并将三项数据作为一组进行保存。GDTC(Ti)及MaxGDV的计算公式如下:
GDTC(Ti)=GDTV(Ti)-GDTV(Ti-1)
本方法连续保存多组现场数据(一般保存300秒的连续数据)供进一步分析所用。
(2)燃烧效果分析数据提取
本方法在快速燃烧阶段需要提取的分析数据包括当前时刻拱顶温度基值GDTBV(Ti)及拱顶温度变化GDTC(Ti),其中
GDTBV(Ti)=GDTV(Ti-1)
(3)确定当前时刻可达到的最佳及标准燃烧效果
当前时刻可达到的最佳燃烧效果是通过最高燃烧能力模型计算的当前时刻拱顶温度最大升温值MaxGDTA(Ti),当前时刻可达到的标准燃烧效果是通过标准燃烧能力模型计算的当前时刻的拱顶温度标准升温值StaGDTA(Ti)。
最高燃烧能力模型为一多项式模型,一般取3次多项式模型。
MaxGDTA(Ti)=A3×(GDTBV(Ti))3+A2×(GDTBV(Ti))2+A2×GDTBV(Ti)+A0
标准燃烧能力模型也为一多项式模型,一般取7次多项式模型。
StaGDTA(Ti)=A7×(GDTBV(Ti))7+A6×(GDTBV(Ti))6+A5×(GDTBV(Ti))5+A4×(GDTBV(Ti))4+A3×(GDTBV(Ti))3+A2×(GDTBV(Ti))2+A1×GDTBV(Ti)+A0
最高燃烧能力模型是通过对一台热风炉在每一拱顶温度前提下,拱顶温度变化最大值进行多项式拟合获得,拟合函数自变量为某一时刻拱顶温度值,拟合函数因变量为此时刻拱顶温度值对应的下一时刻最大温变。标准燃烧能力模型是通过对一台热风炉在每一拱顶温度前提下,所有拱顶温度的变化值进行多项式拟合获得,拟合函数自变量为某一时刻拱顶温度值,拟合函数因变量为此时刻拱顶温度值对应的下一时刻温变。每一台热风炉都有独立的最高燃烧能力模型和标准燃烧能力模型。
(4)确定当前时刻可达到的动态燃烧效果分布区间。
动态燃烧效果分布区间是将拱顶温度变化从MaxGDTA(Ti)到StaGDTA(Ti)之间等分为X个区间,将拱顶温度变化从StaGDTA(Ti)到拱顶温度变化最小值MinGDC之间分为Y个区间。越接近最大升温值MaxGDTA(Ti)的区域燃烧效果越好并且量化值越大,越接近升温零值的区域燃烧效果越差且量化值越小,最小区间量化值为1,最大区间量化值为H=X+Y。X值一般取18,Y值一般取12,MinGDC值一般取0。
(5)确定当前时刻的动态燃烧效果及量化值
当前时刻的动态燃烧效果量化值DRSV即为当前拱顶温度变化GDTC(Ti)落在动态燃烧效果分布区间中的位置所对应的量化值。计算公式如下:
如图3所示,稳定蓄热阶段燃烧效果分析流程如下:
(6)前几步同样是进行燃烧效果分析参数统计保存及燃烧效果分析数据提取,此时多提取了当前炉次当前煤气条件下拱顶温度最大值MaxGDV。接下来是按步骤(3)-(5)计算动态燃烧效果量化值DRSV。此阶段MinGDC值一般取-5。
(7)确定当前时刻稳定燃烧效果分布区间
稳定燃烧效果分布区间是将拱顶温度从MaxGDV到预设拱顶温度下边界MinGDV之间等分为Z个区间,最小区间量化值为1,最大区间量化值为Z。MinGDV值一般为MaxGDV-Z,Z值一般为30。
(8)确定当前时刻的稳定燃烧效果及量化值。
当前时刻的稳定燃烧效果量化值SRSV即为当前拱顶温度值GDTV(Ti)落在稳定燃烧效果分布区间中的位置所对应的量化值。计算公式如下:
(9)确定当前时刻的综合燃烧效果及量化值综合燃烧效果的计算公式为:
其中,a1+a2=1。综合燃烧效果值越大,燃烧效果越好,反之则越差。a1一般为0.4,a2一般为0.6。
Claims (1)
1.一种高炉热风炉燃烧效果在线分析及量化方法,其特征在于:
在快速燃烧阶段确定热风炉燃烧效果的步骤如下:
(1)燃烧效果分析参数统计保存;
(2)燃烧效果分析数据提取;
(3)确定当前时刻可达到的最佳及标准燃烧效果;
(4)确定当前时刻可达到的动态燃烧效果分布区间;
(5)确定当前时刻的动态燃烧效果及量化值;
在稳定蓄热阶段确定热风炉燃烧效果的步骤如下:
(6)重复步骤(1)到(5)确定当前时刻的动态燃烧效果;
(7)确定当前时刻稳定燃烧效果分布区间;
(8)确定当前时刻的稳定燃烧效果及量化值;
(9)确定当前时刻的综合燃烧效果及量化值;
其中,步骤(1)中分析参数包括拱顶温度值,拱顶温度变化值及当前炉次当前煤气条件下拱顶温度最大值,保存规则是以固定时间间隔进行保存;步骤(2)中分析数据提取是将前一时刻拱顶温度值及当前时刻与前一时刻拱顶温度的差值进行提取;步骤(5)中当前时刻的动态燃烧效果量化值为当前时刻拱顶温度变化值在步骤(4)中所确定的动态燃烧效果分布区间中的位置所对应的量化值;在煤气热值及流量相同或近似的燃烧阶段对同一热风炉不同时刻的量化值进行对比,量化值越大,燃烧效果越好,反之则越差;步骤(6)中重复步骤(2)时多提取了当前炉次当前煤气条件下拱顶温度最大值;步骤(8)中当前时刻的稳定燃烧效果量化值为当前时刻拱顶温度变化值在步骤(7)中所确定的稳定燃烧效果分布区间中的位置所对应的量化值;
所述步骤(3)中当前时刻可达到的最佳燃烧效果是通过最高燃烧能力模型计算的当前时刻拱顶温度最大升温值,当前时刻可达到的标准燃烧效果是通过标准燃烧能力模型计算的当前时刻的拱顶温度标准升温值;
所述步骤(4)中动态燃烧效果分布区间是将拱顶温度变化从拱顶温度最大升温值到拱顶温度标准升温值之间等分为X个区间,从拱顶温度标准升温值到拱顶温度变化最小值之间等分为Y个区间;越接近最大升温值的区域量化值越大,越接近拱顶温度变化最小值的区域量化值越小,最小区间量化值为1,最大区间量化值为X+Y;其中拱顶温度变化最小值为预设值;
所述步骤(7)中稳定燃烧效果分布区间是将拱顶温度从当前煤气条件下的最大值到预设拱顶温度下边界之间等分为Z个区间,最小区间量化值为1,最大区间量化值为Z;其中当前煤气条件下是指与当前煤气热值及流量相同或近似的燃烧阶段;
所述步骤(9)中综合燃烧效果的计算公式为:
其中,a1+a2=1;X,Y,Z分别为步骤(4)和步骤(7)中的等分区间数;同样在煤气热值及流量相同或近似的燃烧阶段对同一热风炉不同时刻的量化值进行对比,该值越大,燃烧效果越好,反之则越差;
所述步骤(3)中最高燃烧能力模型为一3次多项式函数,它是通过对一台热风炉在每一拱顶温度前提下,拱顶温度变化最大值进行3次多项式拟合获得,拟合函数自变量为某一时刻拱顶温度值,拟合函数因变量为此时刻拱顶温度值对应的下一时刻最大温变;标准燃烧能力模型为一7次多项式函数,它是通过对一台热风炉在每一拱顶温度前提下,所有拱顶温度的变化值进行7次多项式拟合获得,拟合函数自变量为某一时刻拱顶温度值,拟合函数因变量为此时刻拱顶温度值对应的下一时刻温变;每一台热风炉都有独立的最高燃烧能力模型和标准燃烧能力模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110418921.6A CN103162731B (zh) | 2011-12-14 | 2011-12-14 | 一种高炉热风炉燃烧效果在线分析及量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110418921.6A CN103162731B (zh) | 2011-12-14 | 2011-12-14 | 一种高炉热风炉燃烧效果在线分析及量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103162731A CN103162731A (zh) | 2013-06-19 |
CN103162731B true CN103162731B (zh) | 2015-07-08 |
Family
ID=48586006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110418921.6A Active CN103162731B (zh) | 2011-12-14 | 2011-12-14 | 一种高炉热风炉燃烧效果在线分析及量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103162731B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127351A (zh) * | 2016-07-04 | 2016-11-16 | 北京和隆软件有限公司 | 一种高炉热风炉初始烧炉煤气流量优化系统 |
CN112359159B (zh) * | 2020-11-10 | 2022-05-03 | 中冶东方工程技术有限公司 | 一种基于深度强化学习的热风炉自动烧炉方法及系统 |
CN114675543B (zh) * | 2022-04-08 | 2023-01-10 | 攀枝花学院 | 基于优化学习算法的热风炉智能燃烧控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1676619A (zh) * | 2005-05-26 | 2005-10-05 | 河北理工大学 | 一种基于实例推理的高炉热风炉燃烧自动控制方法 |
CN1766130A (zh) * | 2005-12-09 | 2006-05-03 | 河北理工大学 | 一种高炉热风炉系统协调控制方法 |
CN101038276A (zh) * | 2006-03-15 | 2007-09-19 | 鞍钢股份有限公司 | 一种煤粉燃烧性能检测方法及其装置 |
CN101408314A (zh) * | 2008-03-19 | 2009-04-15 | 首钢总公司 | 高炉热风炉燃烧过程的自动控制系统 |
CN101736111A (zh) * | 2009-12-28 | 2010-06-16 | 中冶南方工程技术有限公司 | 热风炉自动寻优燃烧智能控制方法 |
-
2011
- 2011-12-14 CN CN201110418921.6A patent/CN103162731B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1676619A (zh) * | 2005-05-26 | 2005-10-05 | 河北理工大学 | 一种基于实例推理的高炉热风炉燃烧自动控制方法 |
CN1766130A (zh) * | 2005-12-09 | 2006-05-03 | 河北理工大学 | 一种高炉热风炉系统协调控制方法 |
CN101038276A (zh) * | 2006-03-15 | 2007-09-19 | 鞍钢股份有限公司 | 一种煤粉燃烧性能检测方法及其装置 |
CN101408314A (zh) * | 2008-03-19 | 2009-04-15 | 首钢总公司 | 高炉热风炉燃烧过程的自动控制系统 |
CN101736111A (zh) * | 2009-12-28 | 2010-06-16 | 中冶南方工程技术有限公司 | 热风炉自动寻优燃烧智能控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103162731A (zh) | 2013-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102566551B (zh) | 一种基于数据挖掘的火电厂运行指标最优目标值的分析方法 | |
CN106909705B (zh) | 一种高炉铁水质量预报方法及其系统 | |
CN110263395A (zh) | 基于数值模拟和数据分析的电厂脱硝运行优化方法及系统 | |
CN103742901B (zh) | 一种循环流化床机组耗差分析优化目标值体系的确定方法 | |
CN101187804A (zh) | 基于数据挖掘的火电机组运行优化规则提取方法 | |
CN106842955B (zh) | 带烟气量扰动抑制的燃烧后co2捕集系统预测控制方法 | |
US9863283B2 (en) | Steam turbine power plant and method for activating steam turbine power plant | |
CN102520747B (zh) | 焦炉温度和压力自动监测的烘炉控制系统 | |
CN105423334A (zh) | 热风炉燃烧过程智能控制系统及方法 | |
CN103162731B (zh) | 一种高炉热风炉燃烧效果在线分析及量化方法 | |
CN102912055A (zh) | 一种高炉热风炉智能优化控制系统 | |
CN105320114A (zh) | 基于数据挖掘的火力发电站锅炉燃烧调整模型获取方法 | |
CN112359159B (zh) | 一种基于深度强化学习的热风炉自动烧炉方法及系统 | |
CN108958031B (zh) | 燃烧后co2捕集燃煤发电系统协调预测控制方法 | |
CN105573123A (zh) | 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法 | |
CN103699786A (zh) | 一种热电厂超超临界发电机组变负荷耗差分析方法 | |
CN109032117A (zh) | 基于arma模型的单回路控制系统性能评价方法 | |
CN110737198B (zh) | 基于bp神经网络的大型燃煤电站co2捕集系统预测控制方法 | |
CN110286593B (zh) | 一种基于多目标预测控制的化学吸附燃烧后二氧化碳捕集系统控制方法 | |
CN103761385A (zh) | 一种多热源环状管网的优化设计方法 | |
CN108508748A (zh) | 一种有效的光热辅助燃烧后co2捕集系统运行控制方法 | |
CN108998653B (zh) | 一种螺纹钢智能加热控制方法 | |
CN205619266U (zh) | 一种退火炉燃气控制装置 | |
CN107742000A (zh) | 锅炉燃烧含氧量建模方法 | |
CN103778324A (zh) | 基于负荷重采样的电厂燃烧过程机器学习建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |