CN104330675A - 基于多元时间序列的变电设备在线监测分析系统及其方法 - Google Patents
基于多元时间序列的变电设备在线监测分析系统及其方法 Download PDFInfo
- Publication number
- CN104330675A CN104330675A CN201410654947.4A CN201410654947A CN104330675A CN 104330675 A CN104330675 A CN 104330675A CN 201410654947 A CN201410654947 A CN 201410654947A CN 104330675 A CN104330675 A CN 104330675A
- Authority
- CN
- China
- Prior art keywords
- data
- main control
- time series
- abnormal
- control module
- 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
Abstract
本发明涉及一种基于多元时间序列的变电设备在线监测分析系统及其方法,其技术特点是:由安装在变电设备上的多个数据采集处理终端及主控平台连接构成,数据处理终端包括各类传感器及其调理电路、主控模块和IEC61850规约转换模块,各类传感器及其调理电路连接到主控模块上,主控模块对各种传感器数据进行处理并发送给IEC61850规约转换模块,该规约转换模块进行规约转换并通过以太网与主控平台进行数据传输。本发明利用滑动时间窗口来记录监测数据中异常点的发生时间和类型并进行多维数据的综合异常判断,能够实时快速地检出数据流中的异常,避免了目前在线监测数据常常由于传感器、环境变化、装置异常等影响因素而造成系统分析结果稳定性和可靠性的下降。
Description
技术领域
本发明属于变电设备技术领域,尤其是一种基于多元时间序列的变电设备在线监测分析系统及其方法。
背景技术
对变电设备的关键状态进行在线监测是电力设备状态评估和故障诊断的重要手段。目前,在线监测系统利用状态评估方法来分析油色谱、油温、接地电流等数据,实时反映运行情况及异常状态模式。然而现有系统往往由于传感器、环境变化、装置异常等因素影响数据的稳定性和可靠性,仅仅依靠传统的状态阈值判定法不容易及时提取到故障预警特征,难以准确、及时发现变电设备的异常状态,甄别噪声数据;而人工神经网络、专家系统等人工智能方法存在样本、知识库不完善等弊端;并且现有的系统只适用于单一静态的特征量,无法处理实时、动态的多元数据。
发明内容
本发明的目的在于克服现有技术的不足,提供一种设计合理、能够快速准确发现变电设备异常的基于多元时间序列的变电设备在线监测分析系统及其方法。
本发明解决现有的技术问题是采取以下技术方案实现的:
一种基于多元时间序列的变电设备在线监测分析系统,由安装在变电设备上的多个数据采集处理终端及主控平台连接构成,所述的数据处理终端包括各类传感器及其调理电路、主控模块和IEC61850规约转换模块,各类传感器及其调理电路连接到主控模块上,主控模块对各种传感器数据进行处理并发送给IEC61850规约转换模块,该IEC61850规约转换模块进行规约转换并通过以太网与主控平台进行数据传输。
而且,所述的各类传感器及其调理电路包括用于监测变压器油气分离后气体浓度的半导体气敏传感器及其信号调理电路、用于监测变压器顶层油温的铂电阻及其信号调理电路和用于监测环境温度的环境温度传感器,所述的半导体气敏传感器及其信号调理电路连接到主控模块的A/D转换器上,所述的铂电阻及其信号调理电路连接到主控模块的A/D转换器上,所述的环境温度传感器连接到主控模块中的A/D转换器。
而且,所述主控模块采用LPC2292芯片,所述IEC61850规约转换模块采用OK6410嵌入式开发板。
一种基于多元时间序列的变电设备在线监测分析系统的分析方法,包括以下步骤:
步骤1、令S为由M维度量空间的点代表的N个数据对象S={xi|i=1,2,...,N}的集合,将S分成k个子集W1,W2,...Wk的一个划分称为k-聚类,其中每个Wi称为一个簇,聚类簇中心依次为c1,c2,...,ck,其中nj是簇Wj中数据对象的个数,使用如下聚类目标函数来衡量聚类质量好坏:
其中,dij(xj,cj)表示数据对象xj与聚类中心cj之间的欧式距离,目标函数J表示每个数据对象与所在的聚类中心的距离之和;
步骤2、对特征属性值进行如下标准化处理:
其中x1f,...,xnf是f的n个属性特征值,mf是f的平均值,其计算公式为:
步骤3、确定待检测的在线监测时间序列数据,通过滑动时间窗口SW筛选出候选的异常数据集Q={A1,A2,...,AN},并在时间序列上标记每个候选异常数据
步骤4、判断异常数据集Q中的数据点是是否属于步骤1中的K个聚类簇,若不属于则为异常数据点ai。
步骤5、根据步骤2中两个公式的输出结果,比较异常数据点ai及邻近的其他时刻数据点情况,对该多元时间序列进行异常模式的分析:当异常多元数据点ai相邻时间段的连续m个数据点全部或者大多数不属于步骤1中K个聚类簇,属于IO异常模式,则判断该设备可能出现了异常的运行状态,根据上述m个异常数据点的产生时刻段可以推断出异常状态的发生时间;当异常多元数据点ai相邻时间段的连续m个数据点没有或者少数属于步骤1中K个聚类簇,属于AO异常模式,则判断该段数据中存在少数几个噪声点,属检测装置不稳定。
本发明的优点和积极效果是:
1、本发明通过分析变压器色谱、油温等在线监测数据(负荷、顶层油温、环境温度、油色谱)中不同类型异常值特点,利用滑动时间窗口来记录监测数据中异常点的发生时间和类型,建立候选异常数据集合的判断模型,并利用聚类算法对候选异常数据集合进行多维数据的综合异常判断,能够实时快速地检出数据流中的异常,避免了目前在线监测数据常常由于传感器、环境变化、装置异常等影响因素而造成系统分析结果稳定性和可靠性的下降。
2、本在线监测系统与变电设备高压部分进行隔离,确保测温工作安全。
附图说明
图1为本发明的总体电路方框图;
图2为气敏传感器信号调理电路图;
图3为pt100热电阻温度传感器信号调理电路图;
图4为主控模块的电路图;
图5为油温、负荷、环境温度、CH4、C2H2的数据图;
图6为异常检测结果示意图。
具体实施方式
以下结合附图对本发明实施例做进一步详述。
一种基于多元时间序列的变电设备在线监测分析系统,如图1所示,由安装在变电设备上的多个数据采集处理终端及主控平台连接构成构成,数据采集处理终端通过以太网与主控平台相连接,数据采集处理终端与主控平台之间的数据通信采用IEC61850标准格式。所述的数据处理终端包括各类传感器及其调理电路、主控模块、IEC61850规约转换模块,各类传感器安装在变电设备上,实时监测变电设备的负荷、顶层油温、环境温度、油色谱等信息,各类传感器的输出端连接到信号调理电路,各类传感器通过信号调理电路对各种数据进行滤波放大等处理连接到主控模块上,或者直接连接到主控模块上,主控模块对各种传感器数据进行A/D转换、缓存、数据处理,并发送给IEC61850规约转换模块,该IEC61850规约转换模块将待传输数据进行IEC61850标准格式转换并通过以太网与主控平台进行数据交互。
变压器油中气体经油气分离后,采用半导体气敏传感器,来监测各组分的气体浓度。由于气敏传感器的输出为电压信号,因此其调理电路仅需要进行电平转换,即可将信号输入主控模块中的A/D转换器采样,气敏传感器信号调理电路如图2所示。
变压器顶层油温采用铂电阻(pt100)检测。温度信号由其调理电路处理后,经主控模块中的A/D转换器进行采样,铂电阻温度传感器信号调理电路如图3所示。
环境温度传感器芯片采用Analog Devices公司的TMP36,无须外接电路即可送至主控模块中的A/D转换器。
在本实施例中,主控模块选用NXP公司的LPC2292芯片,如图4所示,其具有内部16K的RAM和256kB片内Flash程序存储器。集成的8路10位A/D转换器用于采样传感器经调理的模拟信号,并监测电源模块的电压,通过内置的实时时钟对采样数据进行定标。
IEC61850规约转换模块采用OK6410嵌入式开发板,主要完成61850标准信号的产生,并通过网络接口将采集和处理信息向主控平台传输。
通过以上在线监测系统的现场运行,我们得到了如图5所示的油温、负荷、环境温度、CH4、C2H2等的运行监测数据图。
在得到多元监测数据后,采用基于数据流滑动时间窗口的聚类算法来对变电设备的多维特征量进行异常检测,并识别其异常模式和发生时间。基于以上标准化的多元特征量的属性值,本发明提出一种在线监测分析方法,包括以下步骤:
步骤1、令S为由M维度量空间的点代表的N个数据对象S={xi|i=1,2,...,N}的集合,将S分成k个子集W1,W2,...Wk的一个划分称为k-聚类,其中每个Wi称为一个簇(cluster),聚类簇中心依次为c1,c2,...,ck,其中nj是簇Wj中数据对象的个数,使用如下聚类目标函数来衡量聚类质量好坏:
其中dij(xj,cj)表示数据对象xj与聚类中心cj之间的欧式距离。目标函数J表示每个数据对象与所在的聚类中心的距离之和,J值越小表示簇内数据对象越紧密。就是通过不断的优化J值来需求最佳的聚类中心,当J取得值最小时,对应的聚类中心则为最优的聚类中心
步骤2、特征属性值进行标准化,整个在线监测数据的特征变量属性差异有不同的度量标准,因此如果不对原始数据进行预处理的话,某些值域相对较小的特征量在空间中的属性容易被值域较大的特征量所掩盖,可以进行如下的处理:
其中x1f,...,xnf是f的n个属性特征值,mf是f的平均值,即
步骤3、确定待检测的在线监测时间序列数据,通过滑动时间窗口SW筛选出候选的异常数据集Q={A1,A2,...,AN},并在时间序列上标记每个候选异常数据
步骤4、判断异常数据集Q中的数据点是是否属于公式(1)中的K个聚类簇,若不属于则为异常数据点ai。
步骤5、根据公式(2)和公式(3)的输出结果,比较异常数据点ai及邻近的其他时刻数据点情况,对该多元时间序列进行异常模式的分析:
当异常多元数据点ai相邻时间段的连续m个数据点(m<N)全部或者大多数不属于式(1)中K个聚类簇,属于IO异常模式,则判断该设备可能出现了异常的运行状态,根据上述m个异常数据点的产生时刻段可以推断出异常状态的发生时间;当异常多元数据点ai相邻时间段的连续m个数据点(m<N)没有或者少数属于式(1)中K个聚类簇,属于AO异常模式,则判断该段数据中存在少数几个噪声点,属检测装置不稳定。
图6是对图5监测数据的异常值检测结果图。从异常数据判断结果图中可以看出,在T=0~300的数据流中,主要存在三种类型的数据:
在时刻T=100~110,存在一小片连续的异常数据点,属于IO异常,因此可以得出结论,设备在该段时间出现了不稳定的异常运行状态,应该进一步进行设备的健康状态评估;
在时刻T=240之后,可以看出此连续时间内的大部分实时数据不属于任何一个正常簇类,属于IO异常,因此可以得出结论,设备在该时刻后出现了可能的故障预兆,应该尽快进行相应模块的设备健康状态评估。
在某些时刻(如T=50、T=200),这些数据点不属于三个聚类簇,而其邻近时刻的数据点为正常数据,因此可以得出该时刻存在明显的异常点数据噪声,属于AO异常,可能是由于某传感器不稳定造成,可以将此忽略。
而实际情况显示,在当天8点15分(时刻T=100)左右,由于天气原因,该变压器遭受了短时的雷击放电,导致C2H2的值短时间急剧上升,CH4的值略微升高。而该变压器于晚上21点左右开始超额定值运行,导致负荷逐渐上升,伴随顶层油温的逐渐上升及油中CH4含量的轻微升高。实测结果表明,本发明对变电设备监测数据异常值的能快速分析与检测。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (4)
1.一种基于多元时间序列的变电设备在线监测分析系统,其特征在于:由安装在变电设备上的多个数据采集处理终端及主控平台连接构成,所述的数据处理终端包括各类传感器及其调理电路、主控模块和IEC61850规约转换模块,各类传感器及其调理电路连接到主控模块上,主控模块对各种传感器数据进行处理并发送给IEC61850规约转换模块,该IEC61850规约转换模块进行规约转换并通过以太网与主控平台进行数据传输。
2.根据权利要求1所述的基于多元时间序列的变电设备在线监测分析系统,其特征在于:所述的各类传感器及其调理电路包括用于监测变压器油气分离后气体浓度的半导体气敏传感器及其信号调理电路、用于监测变压器顶层油温的铂电阻及其信号调理电路和用于监测环境温度的环境温度传感器,所述的半导体气敏传感器及其信号调理电路连接到主控模块的A/D转换器上,所述的铂电阻及其信号调理电路连接到主控模块的A/D转换器上,所述的环境温度传感器连接到主控模块中的A/D转换器。
3.根据权利要求1所述的基于多元时间序列的变电设备在线监测分析系统,其特征在于:所述主控模块采用LPC2292芯片,所述IEC61850规约转换模块采用OK6410嵌入式开发板。
4.一种如权利要求1至3任一项所述在线监测分析系统的分析方法,其特征在于包括以下步骤:
步骤1、令S为由M维度量空间的点代表的N个数据对象S={xi|i=1,2,...,N}的集合,将S分成k个子集W1,W2,...Wk的一个划分称为k-聚类,其中每个Wi称为一个簇,聚类簇中心依次为c1,c2,...,ck,其中nj是簇Wj中数据对象的个数,使用如下聚类目标函数来衡量聚类质量好坏:
其中,dij(xj,cj)表示数据对象xj与聚类中心cj之间的欧式距离,目标函数J表示每个数据对象与所在的聚类中心的距离之和;
步骤2、对特征属性值进行如下标准化处理:
其中x1f,...,xnf是f的n个属性特征值,mf是f的平均值,其计算公式为:
步骤3、确定待检测的在线监测时间序列数据,通过滑动时间窗口SW筛选出候选的异常数据集Q={A1,A2,...,AN},并在时间序列上标记每个候选异常数据
步骤4、判断异常数据集Q中的数据点是是否属于步骤1中的K个聚类簇,若不属于则为异常数据点ai。
步骤5、根据步骤2中两个公式的输出结果,比较异常数据点ai及邻近的其他时刻数据点情况,对该多元时间序列进行异常模式的分析:当异常多元数据点ai相邻时间段的连续m个数据点全部或者大多数不属于步骤1中K个聚类簇,属于IO异常模式,则判断该设备可能出现了异常的运行状态,根据上述m个异常数据点的产生时刻段可以推断出异常状态的发生时间;当异常多元数据点ai相邻时间段的连续m个数据点没有或者少数属于步骤1中K个聚类簇,属于AO异常模式,则判断该段数据中存在少数几个噪声点,属检测装置不稳定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410654947.4A CN104330675B (zh) | 2014-11-17 | 2014-11-17 | 基于多元时间序列的变电设备在线监测分析系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410654947.4A CN104330675B (zh) | 2014-11-17 | 2014-11-17 | 基于多元时间序列的变电设备在线监测分析系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104330675A true CN104330675A (zh) | 2015-02-04 |
CN104330675B CN104330675B (zh) | 2017-02-22 |
Family
ID=52405438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410654947.4A Active CN104330675B (zh) | 2014-11-17 | 2014-11-17 | 基于多元时间序列的变电设备在线监测分析系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104330675B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105891629A (zh) * | 2016-03-31 | 2016-08-24 | 广西电网有限责任公司电力科学研究院 | 一种变压器设备故障的辨识方法 |
CN107202852A (zh) * | 2017-05-23 | 2017-09-26 | 国家电网公司 | 一种基于可变阈值的油色谱在线监测数据异常值检测方法 |
CN107276999A (zh) * | 2017-06-08 | 2017-10-20 | 西安电子科技大学 | 一种无线传感器网络中的事件检测方法 |
CN107358031A (zh) * | 2017-06-19 | 2017-11-17 | 上海德启信息科技有限公司 | 一种客户健康度确定方法和装置 |
CN107703920A (zh) * | 2017-10-25 | 2018-02-16 | 北京交通大学 | 基于多元时间序列的列车制动系统的故障检测方法 |
CN112183621A (zh) * | 2020-09-27 | 2021-01-05 | 国网宁夏电力有限公司电力科学研究院 | 电能质量监测数据驱动的变压器状态异常检测方法 |
CN112699113A (zh) * | 2021-01-12 | 2021-04-23 | 上海交通大学 | 时序数据流驱动的工业制造流程运行监测系统 |
CN113376562A (zh) * | 2021-06-08 | 2021-09-10 | 国网重庆市电力公司营销服务中心 | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 |
CN113420063A (zh) * | 2021-06-18 | 2021-09-21 | 上海建工集团股份有限公司 | 一种施工监测异常采集数据自动识别与处理的系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1996191A (zh) * | 2006-11-23 | 2007-07-11 | 浙江大学 | 一种基于fisher的工业过程非线性故障诊断系统及方法 |
CN101834468A (zh) * | 2010-03-10 | 2010-09-15 | 江苏省电力设计院 | 智能变电站辅助生产系统的协调联动方法 |
CN102122844A (zh) * | 2011-03-01 | 2011-07-13 | 江苏省电力设计院 | 基于传感器通信网络和专家系统的智能变电站 |
CN202167896U (zh) * | 2011-07-26 | 2012-03-14 | 南京南瑞继保电气有限公司 | 一种集成在线监测系统的一体化信息平台 |
CN102841296A (zh) * | 2012-09-10 | 2012-12-26 | 江苏科技大学 | 基于超高频检测的智能开关柜局部放电在线监测系统及方法 |
CN103163389A (zh) * | 2011-12-08 | 2013-06-19 | 沈阳工业大学 | 智能母线在线监测及状态评估系统 |
CN103855800A (zh) * | 2012-12-03 | 2014-06-11 | 天津市电力公司 | 电网设备状态监测诊断系统 |
-
2014
- 2014-11-17 CN CN201410654947.4A patent/CN104330675B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1996191A (zh) * | 2006-11-23 | 2007-07-11 | 浙江大学 | 一种基于fisher的工业过程非线性故障诊断系统及方法 |
CN101834468A (zh) * | 2010-03-10 | 2010-09-15 | 江苏省电力设计院 | 智能变电站辅助生产系统的协调联动方法 |
CN102122844A (zh) * | 2011-03-01 | 2011-07-13 | 江苏省电力设计院 | 基于传感器通信网络和专家系统的智能变电站 |
CN202167896U (zh) * | 2011-07-26 | 2012-03-14 | 南京南瑞继保电气有限公司 | 一种集成在线监测系统的一体化信息平台 |
CN103163389A (zh) * | 2011-12-08 | 2013-06-19 | 沈阳工业大学 | 智能母线在线监测及状态评估系统 |
CN102841296A (zh) * | 2012-09-10 | 2012-12-26 | 江苏科技大学 | 基于超高频检测的智能开关柜局部放电在线监测系统及方法 |
CN103855800A (zh) * | 2012-12-03 | 2014-06-11 | 天津市电力公司 | 电网设备状态监测诊断系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105891629A (zh) * | 2016-03-31 | 2016-08-24 | 广西电网有限责任公司电力科学研究院 | 一种变压器设备故障的辨识方法 |
CN105891629B (zh) * | 2016-03-31 | 2017-12-29 | 广西电网有限责任公司电力科学研究院 | 一种变压器设备故障的辨识方法 |
CN107202852A (zh) * | 2017-05-23 | 2017-09-26 | 国家电网公司 | 一种基于可变阈值的油色谱在线监测数据异常值检测方法 |
CN107276999A (zh) * | 2017-06-08 | 2017-10-20 | 西安电子科技大学 | 一种无线传感器网络中的事件检测方法 |
CN107276999B (zh) * | 2017-06-08 | 2020-05-26 | 西安电子科技大学 | 一种无线传感器网络中的事件检测方法 |
CN107358031A (zh) * | 2017-06-19 | 2017-11-17 | 上海德启信息科技有限公司 | 一种客户健康度确定方法和装置 |
CN107703920A (zh) * | 2017-10-25 | 2018-02-16 | 北京交通大学 | 基于多元时间序列的列车制动系统的故障检测方法 |
CN112183621A (zh) * | 2020-09-27 | 2021-01-05 | 国网宁夏电力有限公司电力科学研究院 | 电能质量监测数据驱动的变压器状态异常检测方法 |
CN112699113A (zh) * | 2021-01-12 | 2021-04-23 | 上海交通大学 | 时序数据流驱动的工业制造流程运行监测系统 |
CN113376562A (zh) * | 2021-06-08 | 2021-09-10 | 国网重庆市电力公司营销服务中心 | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 |
CN113420063A (zh) * | 2021-06-18 | 2021-09-21 | 上海建工集团股份有限公司 | 一种施工监测异常采集数据自动识别与处理的系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104330675B (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104330675A (zh) | 基于多元时间序列的变电设备在线监测分析系统及其方法 | |
CN108008176B (zh) | 一种光伏阵列实时状态监测与故障定位系统 | |
CN105512474A (zh) | 一种变压器状态监测数据的异常检测方法 | |
CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
Spataru et al. | Photovoltaic array condition monitoring based on online regression of performance model | |
CN104571079A (zh) | 一种基于多传感器信息融合的无线远程故障诊断系统 | |
CN111143438A (zh) | 一种基于流处理的车间现场数据实时监测与异常检测方法 | |
CN114254879B (zh) | 多传感器信息融合的电力设备安全诊断方法和装置 | |
CN106597160B (zh) | 一种电子设备故障检测方法和装置 | |
Dupont et al. | Novel methodology for detecting non-ideal operating conditions for grid-connected photovoltaic plants using Internet of Things architecture | |
CN113705688A (zh) | 一种电力用户异常用电行为检测方法和系统 | |
CN117235617A (zh) | 沙尘天气下基于ml-rfknn的光伏阵列故障诊断方法 | |
CN208488118U (zh) | 一种变压器智能集成故障诊断系统 | |
CN113672658B (zh) | 基于复相关系数的电力设备在线监测错误数据识别方法 | |
CN105548837B (zh) | 一种开关柜内绝缘件缺陷预警装置 | |
CN113098132A (zh) | 一种基于群智能优化的改进机器学习故障诊断系统 | |
CN107505518A (zh) | 基于设备电流id的用电设备老化评估方法 | |
CN112381130A (zh) | 一种基于聚类分析的配电房多元数据异常检测方法 | |
CN102915032A (zh) | 一种电控系统的状态检测和故障诊断方法 | |
CN220690299U (zh) | 温度采样电路 | |
Qianqian et al. | Study on life prediction of radar based on non-parametric regression model | |
CN117411436B (zh) | 光伏组件状态检测方法、系统及存储介质 | |
CN117433591B (zh) | 基于多传感器数据的自动化设备监测系统 | |
KR102602840B1 (ko) | 학습 데이터셋 생성 시스템 및 이를 이용한 학습 데이터셋 생성 방법 | |
Zheng et al. | Real-time remote data acquisition and process monitoring system for automatic filling line |
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 |