CN104050518B - 一种基于多普勒天气雷达的电网对流致灾大风预警方法 - Google Patents

一种基于多普勒天气雷达的电网对流致灾大风预警方法 Download PDF

Info

Publication number
CN104050518B
CN104050518B CN201410320888.7A CN201410320888A CN104050518B CN 104050518 B CN104050518 B CN 104050518B CN 201410320888 A CN201410320888 A CN 201410320888A CN 104050518 B CN104050518 B CN 104050518B
Authority
CN
China
Prior art keywords
strong wind
convection current
calamity
electrical network
wind
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
Application number
CN201410320888.7A
Other languages
English (en)
Other versions
CN104050518A (zh
Inventor
陈哲
李群
刘建坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201410320888.7A priority Critical patent/CN104050518B/zh
Publication of CN104050518A publication Critical patent/CN104050518A/zh
Application granted granted Critical
Publication of CN104050518B publication Critical patent/CN104050518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于多普勒天气雷达的电网对流致灾大风预警方法,首先,利用电网历史大风故障数据和多普勒天气雷达回波强度资料,计算电网对流致灾大风临界回波强度,统计电网对流致灾大风分月逐时分布,根据电网对流致灾大风故障平均损失确定电网对流致灾大风区域风险,作为电网对流致灾大风预警背景场;然后,利用实时多普勒天气雷达回波资料,预测对流致灾大风发展趋势,确定电网对流致灾大风预测位置;结合数值预报风速数据,评价预测区域对流致灾大风预警等级;最后,根据电网对流致灾大风预测路径和预警等级,定向发布电网对流致灾大风预警信息。本发明的方法能够实现对电网对流致灾大风天气的精细化预警,指导专业人员开展电网运维工作。

Description

一种基于多普勒天气雷达的电网对流致灾大风预警方法
技术领域
本发明涉及一种基于多普勒天气雷达的电网对流致灾大风预警方法,属于电力系统的气象预警技术领域。
背景技术
电网对流致灾大风是指对电网安全稳定运行有严重威胁,对电网设施造成重大损害的强对流大风天气,主要包括飑线、龙卷、阵风锋等灾害性天气。近年来,因对流致灾大风天气导致的电网故障时有发生,电网公司高度重视对流致灾大风天气的防治工作。
目前,电网对流致灾大风预警方法大多采用确定性评价方法,该类方法存在诸多不足之处。一类方法是直接引用气象部门大风预警信息,气象部门大风预警按照红(6小时可能受12级以上大风影响)、橙(6小时可能受10级以上大风影响)、黄(12小时可能受8级以上大风影响)、蓝(24小时内可能受6级以上大风影响)四级预警体系进行分级,该分级标准未考虑与电网故障的关系,并不适用于电网大风灾害预警;另一类方法是利用风速预测信息,采用电力设备设计标准中最大可承受风速来作为预警临界值,但电网故障往往是受多因素影响,该方法忽略了设备运行情况等其它影响因素,考虑欠妥。
随着电网故障历史数据的积累,目前还存在利用某地区历史大风灾害发生情况概率统计数据,对该地区大风灾害进行预警,但该方法仅考虑了大风灾害发生的可能性,未考虑该灾害对电网造成的具体后果,采用此方法扩大了预警区域范围,增加了运维工作难度。
随着电网规模的不断扩大,电网受对流天气的影响也越来越大,仅靠传统的气象部门预警信息不能满足电网安全运行的要求。多普勒雷达是目前世界上最先进的雷达系统,相较于传统天气雷达,多普勒雷达能够监测到位于垂直地面8-12公里的高空中的对流云层的生成和变化,判断云的移动速度,天气预报的精确度比以前将会有较大提高。多普勒天气雷达的工作原理即以多普勒效应为基础,具体表现为:当降水粒子相对雷达发射波束相对运动时,可以测定接收信号与发射信号的高频频率之间存在的差异,从而得出所需的信息。运用这种原理,可以测定散射体相对于雷达的速度,在一定条件下反演出大气风场、气流垂直速度的分布以及湍流情况等。因此,开展基于多普勒气象雷达的电网致灾大风预警研究能够有效指导电网规划、运行、检修、建设等,保障电网的安全稳定运行。
发明内容
本发明所要解决的技术问题是克服现有电网对流致灾大风预警方法所存在的不足,提供一种创新的、实用性更强的基于多普勒天气雷达的电网对流致灾大风预警方法,能够实现对电网对流致灾大风天气的精细化预警。
为解决上述技术问题,本发明的具体技术方案如下:
一种基于多普勒天气雷达的电网对流致灾大风预警方法,包括以下步骤:
(1)利用电网历史对流大风故障发生时间和地点的多普勒天气雷达回波强度资料,计算电网对流致灾大风临界回波强度;
(2)统计电网对流致灾大风分月逐时分布,确定电网对流致灾大风发生区域,并根据该区域内同时刻电网历史故障,计算电网对流致灾大风区域风险;所述电网对流致灾大风发生区域是指该时间区域内回波强度超过临界回波强度的回波区域;
(3)结合地理经纬度信息,将电网对流致灾大风发生风险区域分布图叠加到电网地理信息系统灾害预警背景图上,作为电网对流致灾大风预警背景场;
(4)利用实时多普勒天气雷达回波资料,根据趋势外推法预测多普勒雷达回波趋势;
(5)根据对流致灾大风区域风险和风速的数值预报,确定区域内电网对流致灾大风预警等级;
(6)根据所述步骤(4)雷达回波预测路径确定电网对流致灾大风预警区域,并根据所述步骤(5)电网对流致灾大风预警等级定向发布电网对流致灾大风预警信息。
前述的步骤(1)中,电网对流致灾大风临界回波强度按照出现对流大风故障时,回波强度超过电网对流致灾大风临界回波强度的概率不小于95%的置信区间计算得出。
前述的步骤(2)中,对流致灾大风逐时分布按照分月24小时时间区间进行统计,统计资料分为12个月24个小时,共288个时间区间。
前述的步骤(2)中,电网对流致灾大风区域风险为统计期内对流致灾大风发生时所造成的平均电网损失Risk,计算公式如下:
其中,N为统计期内对流致灾大风发生次数,c(i)为统计期内第i次对流致灾大风发生时电网损失程度。
前述的步骤(5)中,电网对流致灾大风预警等级是根据电网对流致灾大风预警指标进行评价,所述电网对流致灾大风预警指标计算公式如下:
LPower=Kw·Risk
其中,Lpower是电网对流致灾大风预警指标,Kw是预测风速系数;
所述电网对流致灾大风预警等级根据Lpower的具体数值确定:若Lpower=0,则无对流致灾大风预警;若Lpower﹥0,则以Lpower值表征预警等级,Lpower值越大,预警等级越高。
前述的步骤(6)中,预警信息包含区域内主要设备和电网对流致灾大风预警指标,预警信息按照区域内电网设备资产所属单位发送至各级运维人员。
本发明的有益效果是,利用多普勒天气雷达,提出了较完善的电网对流致灾大风预警方法,能够准确发布电网对流致灾大风预警信息,能够有效指导电网防风抗风工作,实现电网对流致灾大风的精细化预警和全方位、多层次的预警信息发布。
附图说明
图1为本发明基于多普勒天气雷达的电网对流致灾大风预警方法流程图;
图2为电网对流致灾大风区域风险分布分析流程图;
图3为电网对流致灾大风移动路径预测方法流程图。
具体实施方式
下面将结合附图和具体实施方式对本发明进行详细说明。
如图1所示,本发明的实现主要包括以下步骤:
步骤1,参见图2,根据电网历史对流大风故障发生时间和地点,统计多普勒天气雷达回波强度分布,按照95%置信区间确定电网对流大风故障回波临界强度Z0,其中置信区间95%是指出现对流大风故障时回波强度超过Z0的概率不小于95%,Z0的计算公式如下:
N为对流大风故障数量,Z为对流大风故障时回波强度,p(Z>Z0)为对流大风故障时回波强度超过Z0的概率,N(Z>Z0)为回波强度超过Z0的对流大风故障数量。
步骤2:按照分月逐时的方式开展对流致灾大风区域统计,即统计期共分为12个月24个小时,288个时间区间依次为T(m,h),其中m=1,2,…,12月,h=1,2,…,24小时,T(m,h)是指第m月(h-1,h)时间段内。采用分月逐时是因对流天气具有典型的时间特性,如对流天气通常发生在下午或午夜,通常发生在7、8月份等,分月逐时统计需基于大量的历史数据,好处是能够提高预警信息的精确性。
对各时间区间内多普勒天气雷达历史6分钟回波数据进行统计,其中回波强度超过Z0的回波区域为电网对流致灾大风发生区域,根据该区域内同时刻电网历史故障,计算该区域电网对流致灾大风发生风险。电网对流致灾大风区域风险Risk为统计期内对流致灾大风发生时所造成的电网平均损失,计算公式如下:
式中:N为统计期内对流致灾大风发生次数;c(i)为统计期内第i次对流致灾大风发生时电网损失程度。
步骤3:根据电网对流致灾大风其余风险绘制各时间区间电网对流致灾大风区域分布图,结合地理经纬度信息,叠加到电网地理信息系统灾害预警背景图上,作为电网对流致灾大风预警背景场。
步骤4,参见图3,根据实时多普勒雷达回波资料及其连续性特点,采用趋势外推法预测多普勒雷达回波趋势,具体如下:
实时分析各时刻雷达回波强度,若T时刻雷达回波强度大于Z0,则根据(T-2,T)时刻雷达回波强度图,找出该时间段内各时刻回波强度最大值的经纬度(x,y)。
构造经纬度坐标系,对最大回波强度移动路径进行拟合,得到拟合函数:
y=ax3+bx2+cx+d (2)
根据最小二乘法对拟合函数系数进行求解,即值最小,
其中Yi为(x,y)中y的实际值,Yj为y=ax3+bx2+cx+d计算值,N为(T-2,T)时间段内雷达回波强度图的数量,将Yj带入式(3)中,即
Xi为(x,y)中x的实际值,
为使值最小,用函数分别对a,b,c,d求偏导数,并令其为0。得到如下四式:
通过求解上述四元一次方程组,计算出a、b、c、d的值。
根据T-2时刻雷达回波强度最大值的经纬度(x0,y0)和T时刻雷达回波强度最大值的经纬度(x1,y1),计算雷达回波两小时内移动距离s:
s=111.12cos{1/[sin y0sin y1+cos y0cos y1cos(x1-x0)]} (9)
则移动速度v用下式表达:
v=55.56cos{1/[sin y0sin y1+cos y0cos y1cos(x1-x0)]} (10)
通过计算未来t小时(t≦2)最大回波强度移动距离s=vt,将式(2)代入式(9),计算得到T+t时刻雷达回波强度最大值位置,实现对雷达回波趋势的预测。
步骤5,根据步骤2的对流致灾大风区域(对流回波强度大于Z0的区域)风险和该区域的数值预报风速,确定区域内电网对流致灾大风预警等级:
电网对流致灾大风预警等级是根据电网对流致灾大风预警指标进行评价,电网对流致灾大风预警指标计算公式如下:
LPower=Kw·Risk (11)
式中:Lpower是电网对流致灾大风预警指标;Kw是预测风速系数,Kw等于预测风速与实际风速的比值,表征区域内风速变化特性;Risk是电网对流致灾大风发生风险。
根据Lpower具体数值,确定电网对流致灾大风预警等级:若Lpower=0,则无对流致灾大风预警;若Lpower﹥0,则以Lpower值表征预警等级,Lpower值越大,预警等级越高。
步骤6,根据步骤4雷达回波预测路径确定电网对流致灾大风预警区域,并根据步骤5电网对流致灾大风预警等级定向发布电网对流致灾大风预警信息,预警信息包含区域内主要设备和电网对流致灾大风预警指标,预警信息按照区域内电网设备资产所属单位发送至各级运维人员。
以上已以较佳实施例公开了本发明,然其并非用以限制本发明,凡采用等同替换或者等效变换方式所获得的技术方案,均落在本发明的保护范围之内。

Claims (6)

1.一种基于多普勒天气雷达的电网对流致灾大风预警方法,其特征在于,包括以下步骤:
(1)利用电网历史对流大风故障发生时间和地点的多普勒天气雷达回波强度资料,计算电网对流致灾大风临界回波强度;
(2)统计电网对流致灾大风分月逐时分布,确定电网对流致灾大风发生区域,并根据该区域内同时刻电网历史故障,计算电网对流致灾大风区域风险;所述电网对流致灾大风发生区域是指该时间区域内回波强度超过临界回波强度的回波区域;
(3)结合地理经纬度信息,将电网对流致灾大风发生风险区域分布图叠加到电网地理信息系统灾害预警背景图上,作为电网对流致灾大风预警背景场;
(4)利用实时多普勒天气雷达回波资料,根据趋势外推法预测多普勒雷达回波趋势;
(5)根据对流致灾大风区域风险和风速的数值预报,确定区域内电网对流致灾大风预警等级;
(6)根据所述步骤(4)雷达回波预测路径确定电网对流致灾大风预警区域,并根据所述步骤(5)电网对流致灾大风预警等级定向发布电网对流致灾大风预警信息。
2.根据权利要求1所述的一种基于多普勒天气雷达的电网对流致灾大风预警方法,其特征在于:所述步骤(1)中,电网对流致灾大风临界回波强度按照出现对流大风故障时,回波强度超过电网对流致灾大风临界回波强度的概率不小于95%的置信区间计算得出。
3.根据权利要求1所述的一种基于多普勒天气雷达的电网对流致灾大风预警方法,其特征在于:所述步骤(2)中,对流致灾大风逐时分布按照分月24小时时间区间进行统计,统计资料分为12个月24个小时,共288个时间区间。
4.根据权利要求1所述的一种基于多普勒天气雷达的电网对流致灾大风预警方法,其特征在于:所述步骤(2)中,电网对流致灾大风区域风险为统计期内对流致灾大风发生时所造成的平均电网损失Risk,计算公式如下:
R i s k = Σ i = 1 N c ( i ) N - - - ( 1 )
其中,N为统计期内对流致灾大风发生次数,c(i)为统计期内第i次对流致灾大风发生时电网损失程度。
5.根据权利要求1所述的一种基于多普勒天气雷达的电网对流致灾大风预警方法,其特征在于:所述步骤(5)中,电网对流致灾大风预警等级是根据电网对流致灾大风预警指标进行评价,所述电网对流致灾大风预警指标计算公式如下:
LPower=Kw·Risk
其中,Lpower是电网对流致灾大风预警指标,Kw是预测风速系数;
所述电网对流致灾大风预警等级根据Lpower的具体数值确定:若Lpower=0,则无对流致灾大风预警;若Lpower﹥0,则以Lpower值表征预警等级,Lpower值越大,预警等级越高。
6.根据权利要求1所述的一种基于多普勒天气雷达的电网对流致灾大风预警方法,其特征在于:所述步骤(6)中,预警信息包含区域内主要设备和电网对流致灾大风预警指标,预警信息按照区域内电网设备资产所属单位发送至各级运维人员。
CN201410320888.7A 2014-07-04 2014-07-04 一种基于多普勒天气雷达的电网对流致灾大风预警方法 Active CN104050518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410320888.7A CN104050518B (zh) 2014-07-04 2014-07-04 一种基于多普勒天气雷达的电网对流致灾大风预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410320888.7A CN104050518B (zh) 2014-07-04 2014-07-04 一种基于多普勒天气雷达的电网对流致灾大风预警方法

Publications (2)

Publication Number Publication Date
CN104050518A CN104050518A (zh) 2014-09-17
CN104050518B true CN104050518B (zh) 2017-02-22

Family

ID=51503329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410320888.7A Active CN104050518B (zh) 2014-07-04 2014-07-04 一种基于多普勒天气雷达的电网对流致灾大风预警方法

Country Status (1)

Country Link
CN (1) CN104050518B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112835965A (zh) * 2021-03-04 2021-05-25 国网安徽省电力有限公司 基于多普勒雷达强对流天气的电网设备故障预警方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108198090B (zh) * 2017-12-18 2022-04-22 广西电网有限责任公司电力科学研究院 一种电网输配电设施台风监测布点方法
CN110633818B (zh) * 2018-06-22 2022-11-11 中国电力科学研究院有限公司 一种配电网台风风灾预警方法及系统
CN110197218B (zh) * 2019-05-24 2021-02-12 绍兴达道生涯教育信息咨询有限公司 基于多源卷积神经网络的雷雨大风等级预测分类方法
CN112015786B (zh) * 2019-05-29 2024-05-07 国家卫星气象中心 一种外赛场极端天气监测预警信息处理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533095A (zh) * 2009-04-16 2009-09-16 福州四创软件开发有限公司 基于gis的雷达预警方法
CN101625414A (zh) * 2009-08-11 2010-01-13 中国气象局北京城市气象研究所 雷达与地理信息数据的融合方法、装置,及天气监测系统
CN102279424A (zh) * 2011-05-12 2011-12-14 福建省电力有限公司 电网气象灾害预警系统
CN102628944A (zh) * 2012-03-16 2012-08-08 兰州大学 一种基于多普勒雷达资料的层云与对流云自动识别方法
CN103033855A (zh) * 2012-12-12 2013-04-10 江苏省电力公司电力科学研究院 电网气象灾害监测预警系统
CN103337133A (zh) * 2013-06-14 2013-10-02 广东电网公司中山供电局 基于识别预报技术的电网雷暴灾害预警系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8159385B2 (en) * 2010-02-04 2012-04-17 Sensis Corporation Conductive line communication apparatus and conductive line radar system and method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533095A (zh) * 2009-04-16 2009-09-16 福州四创软件开发有限公司 基于gis的雷达预警方法
CN101625414A (zh) * 2009-08-11 2010-01-13 中国气象局北京城市气象研究所 雷达与地理信息数据的融合方法、装置,及天气监测系统
CN102279424A (zh) * 2011-05-12 2011-12-14 福建省电力有限公司 电网气象灾害预警系统
CN102628944A (zh) * 2012-03-16 2012-08-08 兰州大学 一种基于多普勒雷达资料的层云与对流云自动识别方法
CN103033855A (zh) * 2012-12-12 2013-04-10 江苏省电力公司电力科学研究院 电网气象灾害监测预警系统
CN103337133A (zh) * 2013-06-14 2013-10-02 广东电网公司中山供电局 基于识别预报技术的电网雷暴灾害预警系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于GIS的电网气象灾害监测预警系统的研制;陈哲 等;《电力信息化》;20130331;第11卷(第3期);第41-45页 *
气象因素对江苏夏季高峰负荷的影响研究;陈哲 等;《江苏电机工程》;20121130;第31卷(第6期);第47-50页 *
浙江电网气象防灾决策系统设计与实现;王亦宁 等;《水电自动化与大坝监测》;20131020;第37卷(第5期);第82-86页 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112835965A (zh) * 2021-03-04 2021-05-25 国网安徽省电力有限公司 基于多普勒雷达强对流天气的电网设备故障预警方法
CN112835965B (zh) * 2021-03-04 2024-05-24 国网安徽省电力有限公司 基于多普勒雷达强对流天气的电网设备故障预警方法

Also Published As

Publication number Publication date
CN104050518A (zh) 2014-09-17

Similar Documents

Publication Publication Date Title
CN104376510B (zh) 一种输电线路因山火跳闸的风险等级预测评估方法
CN104050518B (zh) 一种基于多普勒天气雷达的电网对流致灾大风预警方法
CN104992373B (zh) 一种输电线路自然灾害风险预警方法
CN104182594A (zh) 一种电力系统风区图的绘制方法
Chubb et al. Estimation of wind-induced losses from a precipitation gauge network in the Australian Snowy Mountains
CN113298295B (zh) 一种面向电力生产的气象预报系统
WO2015108154A1 (ja) 最大瞬間風速予測システム、コンピュータプログラム、及び、突風警報情報発令システム
CN109829584A (zh) 一种山洪风险动态评估方法
Silva et al. Conceptual model for runway change procedure in Guarulhos International Airport based on SODAR data
CN109146230A (zh) 一种输配电线路台风风涝灾害短临预警方法和装置
Valldecabres et al. Minute‐scale detection and probabilistic prediction of offshore wind turbine power ramps using dual‐Doppler radar
Kann et al. INCA-CE: a Central European initiative in nowcasting severe weather and its applications
CN109471205B (zh) 一种基于网格化气象数据在电网运行中的监测预警方法
CN110780292A (zh) 一种机载飞机颠簸探测仪及其方法
Frech et al. High-resolution weather database for the terminal area of Frankfurt Airport
CN106530841A (zh) 机场延误预测方法及装置
Dengler et al. Crosswind thresholds supporting wake‐vortex‐free corridors for departing aircraft
CN110824585A (zh) 一种测定复杂地形区大风起风机制的方法
Xie et al. Extensions of power system early-warning defense schemes by integrating wide area meteorological information
Robinson et al. A novel method for modeling lowest-level vertical motion
Stocker et al. Optimized use of real‐time vertical‐profile wind data and fast modelling for prediction of airflow over complex terrain
CN105372724A (zh) 一种针对山区水域障碍物大气电场仪观测结果的修订方法
JP2021039017A (ja) 運行情報提示装置及び運行情報提示方法
KR100547446B1 (ko) 보정기능을 구비한 자동기상관측장치
Gonzalez-Aparicio et al. Offshore wind energy deployment in the North Sea by 2030: long-term measurement campaign Europlatform, 2016-2019

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