CN106066423A - 一种基于损耗分配嫌疑分析的反窃电分析方法 - Google Patents
一种基于损耗分配嫌疑分析的反窃电分析方法 Download PDFInfo
- Publication number
- CN106066423A CN106066423A CN201610353282.2A CN201610353282A CN106066423A CN 106066423 A CN106066423 A CN 106066423A CN 201610353282 A CN201610353282 A CN 201610353282A CN 106066423 A CN106066423 A CN 106066423A
- Authority
- CN
- China
- Prior art keywords
- suspicion
- electricity
- user
- loss
- analysis
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 230000005611 electricity Effects 0.000 claims abstract description 57
- 230000005856 abnormality Effects 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000011835 investigation Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 12
- 238000000205 computational method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004445 quantitative analysis Methods 0.000 abstract description 3
- 230000004069 differentiation Effects 0.000 abstract description 2
- 230000002354 daily effect Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- SRVFFFJZQVENJC-IHRRRGAJSA-N aloxistatin Chemical compound CCOC(=O)[C@H]1O[C@@H]1C(=O)N[C@@H](CC(C)C)C(=O)NCCC(C)C SRVFFFJZQVENJC-IHRRRGAJSA-N 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/061—Details of electronic electricity meters
- G01R22/066—Arrangements for avoiding or indicating fraudulent use
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明结合不同线损及用电异常分析,通过嫌疑用电量的计算,公开了一种损耗分配嫌疑分析的反窃电分析方法,用户窃电行为最终体现在其计量电量的异常,本发明的目标是近似计算出台区下各个用户实际未被计量的电量,从而确定嫌疑用电户。本发明的将线损计算分为统计线损、理论线损和管理线损的计算,提出了不同线路的计算方法,通过不同方面计算计损电量异常情况,对嫌疑用电量分析,为了能定量分析出用户的嫌疑电量,提出了从多种用电异常情况进行比较区分嫌疑电量,提出了具体的用电嫌疑度计算方法,通过计算各用户的嫌疑度,然后再结合嫌疑度筛选阀值大小,过滤出所需要的目标用户,形成排查名单。
Description
技术领域
本发明结合不同线损及用电异常分析,通过用户嫌疑用电量的计算分析用户窃电行为,是一种损耗分配嫌疑分析的反窃电分析方法,属于电力行业安全技术领域。
背景技术
在营销业务中,台区的线损分为实际线损、理论线损和管理线损。台区总计电量减去下游各用电户的同期抄见电量之和就得到了台区的实际线损;根据台变参数及下游供电网络结构的电气参数、运行数据等算出的线损,就是理论线损;实际线损减去理论线损就得到了台区的管理线损。一个正常的用电台区,其管理线损水平是较低的,一般0~6%,而一个非正常的用电台区,其管理线损水平则是相对较显著的。
对于用户来说,用户用电,就必然存在供电线损,比如进户线电能损耗、电表电能损耗等。通常这部分线损是不可避免的,也是无法计量结算的。若一个台区下的所有用户都能合法用电,则每个用户的用电线损之和就近似等于台区的实际线损。若一个台区下存在窃电用户,就会造成其抄见电量的少计量,而关口总计电量不变,于是就增大了台区的实际线损,导致台区的实际线损显著地大于其理论损耗。用户窃电行为最终体现在其计量电量的异常,本算法的目标是近似计算出台区下各个用户实际未被计量的电量,从而确定嫌疑用电户。
发明内容
本发明的目的在于提供一种评估低压供电台区下用户窃电嫌疑情况的反窃电分析方法,通过对线损及嫌疑电量计算,以及用户用电嫌疑度的分析,推得低压台区用户的窃电嫌疑水平,从而提高窃电嫌疑用户的锁定精度。
为了达到上述的目的,本发明提供一种损耗分配嫌疑分析的反窃电分析方法,以及基于这种方法的嫌疑度分析算法计算出台区下各个用户实际未被计量的电量,从而确定嫌疑用电户。本发明反窃电行为分析包括以下几个方面:
(1)线损计算
本发明提出了不同角度计算线路损耗,包括统计线损、理论线损和管理线损的计算方法。理论线损主要采用等值电阻法和均方根电流法进行计算。
(2)用电异常分析
通过计损电量大小,结合用户用电异常判断用户的窃电嫌疑情况,提出了计损电量异常表现的几个方面。
(3)嫌疑用电量
发明提出了几种用电异常情况进行比较区分嫌疑电量,提出了不同用电异常情况下计算该台区所有用户每类异常分析中的嫌疑用电量。
(4)嫌疑度的计算
发明首先提出了单用户用电嫌疑度计算式,然后根据各用户异常情形计算嫌疑度回归系数,采用最小二乘法,求出用户在各类异常情形下的嫌疑度系数,进而算出用户嫌疑度。嫌疑度用来表示用户用电过程中实施窃电的倾向程度,以百分制度量。嫌疑度取值越大,用户的窃电倾向越高,反之越小。
附图说明
图1为本发明一种实施例中所使用的功能流程框图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步说明。
实施例:
以下将结合具体实施例及附图1对本发明的基于损耗分配嫌疑分析的反窃电分析方法作进一步的详细描述,反窃电分析方法包括以下步骤:
步骤1,基础数据准备,获得各用户的基础数据环境,对于不满足数据要求的用户进行过滤,用户基础数据主要包括:
(1)台区2年的日用电量关口数据;
(2)每个用户2年的日用电量数据;
(3)用户的报装容量信息。
步骤2,线损及嫌疑电量计算。第一步,计算线损,主要针对台变及台变以下用户的线损计算,线损计算包括统计线损、理论线损和管理线损的计算。
(1)统计线损的计算
统计线损来源于各区、片、所、班或组的相关报表统计计算出来的线损,计算公式如下所示:
其中Puser为用户抄电量,n为抄电用户数。理论线损的计算
理论损耗是通过低压供电网的电气参数计算得出的电能损耗,理论上与统计线损的差值应该控制在0~10%以内,本发明采用等值电阻法对低压供电网理论线损进行计算。
(3)管理线损的计算
统计线损减去理论线损就等于管理线损。管理线损直观反映了台区的线损水平,通过管理线损大小衡量窃电所造成的计量损耗。同一台区,其下游各用户的同期计损电量的累加,应近似等于台区的同期管理线损。
第二步,对用电异常情况进行分析。用户的计损电量是用户的未被计量的电量,正常用电用户计损电量极小,而对于窃电用户来说,计损电量却比较大,不可忽略,从以下几个方面分析计损电量异常情况:
(1)用户的报装(合同)容量较大,但用电量较小,此时嫌疑用电量一般较大。
(2)同类用户相比(相同用电环境、用电性质、报装容量)用电量差别较大,此时嫌疑用电量相对较大。
(3)用电高峰期,用电量反而减小或者变化不大,嫌疑用电量一般较大。
(4)用电量持续下降,嫌疑用电量持续增大。
对于商用和居民负荷,其用电量与气象、GDP和人口关系也是十分的密切,从这些相关性入手研究,可以得出更多的异常表现情况。上述每种用电异常表现,都可以在一定程度上定性判断用户的窃电嫌疑情况,这些异常表现将作为嫌疑分析的技术参考。
第三步,对用户嫌疑电量进行分析,针对用电异常情况,同一个用户在不同的用电异常分析中会得到不同的嫌疑电量值。为了能定量分析出用户的嫌疑电量,从以下几种用电异常比较角度来区分嫌疑电量。
第1种嫌疑电量(同类用户的横向比较分析):单台区下,日常及节假日用电中,取同类用户的用电量平均水平,用电量低于该平均水平的用户作为嫌疑用户。用户的用电量减平均值所得到的差额电量作为该用户的嫌疑用电量。
第2种嫌疑电量(单用户用电趋势异常分析):单台区下,日常及节假日用电中,用户用电量水平变化持续平稳,该用户作为嫌疑用户。按趋势分析方法得到用户变化预计达到的用电量,该电量值减去用户日用电量,作为该用户的嫌疑用电量。
第3种嫌疑电量(单用户纵向比较分析):同比用电量下降的用户作为嫌疑用户,下降的幅度作为该用户的嫌疑用电量。取该用户历史同期用电量减去现在同期用电量,所得的差值作为该用户的嫌疑用电量。
综合用户以上几种嫌疑用电量的加权回归值,定义为用户的综合嫌疑用电量,单台区下的所有用户的同期综合嫌疑用电量的累加,近似等于该台区的同期管理线损。
第四步,计算用电嫌疑度,用电嫌疑度是指用户在用电过程中实施窃电的倾向程度,以百分制度量。嫌疑度取值越大,用户的窃电倾向越高,反之越小。用户的用电嫌疑度的计算方法如下:
其中:ei为第i个用户的综合嫌疑用电量,它是各类异常情形下的嫌疑用电量的加权回归值;Ema为该用户所在台区的管理线损。
Ema的计算式如下:
Ema=Estat(统计线损)-Etheo(理论线损)
ei的计算式如下:
上式中,eij为第i个用户在第j类用电异常分析中的嫌疑电量,aij为该用户在第j类用电异常分析中的嫌疑度系数(加权回归系数),n为异常分析类别数。
对于eij的计算,可根据每种用电异常情形的定义分别计算得出。对于aij的计算,本文采用最小二乘法回归的方法来动态修正,其计算过程如下。
(1)计算各用户在各类异常情形下的嫌疑度回归系数μij
以第1种嫌疑电量的分析为例,假设有一台区,下游有200个用户。对于每天:
上式取连续30天的样本,对于这30个样本,得到回归方程:
该回归方程是多元线性回归模型,可采用最小二乘法确定嫌疑度回归系数(μ11μ21 … μ200,1)。
同样地,求得第2种嫌疑电量的嫌疑度回归系数为(μ12 μ2 2… μ200,2)。
依次类推,待求出各类异常情形下的嫌疑度回归系数后,可得到各类情形下的嫌疑度回归系数矩阵u:
每一行代表一种异常分析类别,每一列代表某个用户在各类异常分析中的嫌疑度回归系数。
(2)计算台区在各类异常情形下的加权系数ωj。
对于嫌疑度回归系数矩阵u,通过熵权法(一种客观赋权方法),可得到各行的熵权系数,该系数作为各类异常情形下的加权系数ωj。
(3)计算aij=μij×ωj
步骤3,根据步骤2中第四步嫌疑度计算公式,计算各用户的嫌疑度,然后再结合嫌疑度筛选阀值大小,过滤出所需要的目标用户,形成排查名单。
上述虽然对本系统发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域的技术开发人员应该明白,在本发明的技术方案的基础上,本领域及相关领域的技术开发人员不需要付出创造性劳动即可做出的各种修改或变形,仍在本发明的保护范围以内。
Claims (6)
1.一种损耗分配嫌疑分析的反窃电分析方法,其特征在于,通过线损及嫌疑电量计算,结合嫌疑度筛选阀值大小,形成排查名单。
2.根据权利要求1中所述的线损计算,其特征是,分为统计线损计算、理论线损计算和管理线损。
3.根据权利要求2中所述的统计线损计算,其特征是,等于台区关口电量减去台区下所有用户的抄表电量。
4.根据权利要求2中所述的理论线损计算,其特征是,是通过低压供电网的电气参数计算得出的电能损耗,根据理论网损计算导则,采用等值电阻法和均方根电流法。
5.根据权利要求2中所述的管理线损,其特征是,等于统计线损减去理论线损。
6.根据权利要求1中所述的嫌疑度的计算,其特征是,单用户的用电嫌疑度计算式:
所述的Ema为该用户所在台区的为的管理线损;
所述的ei为第i个用户的综合嫌疑用电量,它是各类异常情形下的嫌疑用电量的加权回归值,ei的计算式如下:
所述的eij为第i个用户在第j类用电异常分析中的嫌疑电量;
所述的aij为该用户在第j类用电异常分析中的嫌疑度系数(加权回归系数),所述的n为异常分析类别数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610353282.2A CN106066423A (zh) | 2016-05-25 | 2016-05-25 | 一种基于损耗分配嫌疑分析的反窃电分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610353282.2A CN106066423A (zh) | 2016-05-25 | 2016-05-25 | 一种基于损耗分配嫌疑分析的反窃电分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106066423A true CN106066423A (zh) | 2016-11-02 |
Family
ID=57420067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610353282.2A Pending CN106066423A (zh) | 2016-05-25 | 2016-05-25 | 一种基于损耗分配嫌疑分析的反窃电分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106066423A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106990285A (zh) * | 2017-03-20 | 2017-07-28 | 万帮充电设备有限公司 | 一种充电桩防偷电与损耗检测方法 |
CN107221927A (zh) * | 2017-05-23 | 2017-09-29 | 国电南瑞三能电力仪表(南京)有限公司 | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 |
CN108573454A (zh) * | 2017-03-09 | 2018-09-25 | 国网甘肃省电力公司电力科学研究院 | 一种区域配电网中管理线损电量的计算方法 |
CN109190950A (zh) * | 2018-08-21 | 2019-01-11 | 国网湖北省电力有限公司鄂州供电公司 | 一种电表和水表档案贯通的用能异常识别方法 |
CN109270372A (zh) * | 2018-09-14 | 2019-01-25 | 美林数据技术股份有限公司 | 一种基于线损和用户用电量变化关系的窃电识别系统及方法 |
CN110045196A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 高压供电线路管理线损排查方法 |
CN110472871A (zh) * | 2019-08-16 | 2019-11-19 | 广东电网有限责任公司 | 一种针对管理线损异常原因的排查方法 |
CN110942236A (zh) * | 2019-11-14 | 2020-03-31 | 国网浙江海宁市供电有限公司 | 一种综合停电记录和用电数据的异常用户识别方法 |
CN111507611A (zh) * | 2020-04-15 | 2020-08-07 | 北京中电普华信息技术有限公司 | 一种确定窃电嫌疑用户的方法及系统 |
CN111930802A (zh) * | 2020-08-01 | 2020-11-13 | 青岛鼎信通讯股份有限公司 | 一种基于Lasso解析的反窃电分析方法 |
CN112362962A (zh) * | 2020-11-09 | 2021-02-12 | 张子惠 | 一种电网中漏电窃电位置的检测方法、装置及电子设备 |
CN112816774A (zh) * | 2020-12-15 | 2021-05-18 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 一种基于大数据的窃电排查方法 |
CN113298355A (zh) * | 2021-04-28 | 2021-08-24 | 国网山东省电力公司菏泽供电公司 | 一种基于数据驱动的用电异常行为识别方法 |
CN113514695A (zh) * | 2021-03-04 | 2021-10-19 | 华北电力大学 | 适用于群体性固定比例窃电行为的检测系统和检测方法 |
WO2024037351A1 (zh) * | 2022-08-19 | 2024-02-22 | 西门子(中国)有限公司 | 配电系统的非技术损失检测方法、电子设备及存储介质 |
-
2016
- 2016-05-25 CN CN201610353282.2A patent/CN106066423A/zh active Pending
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573454A (zh) * | 2017-03-09 | 2018-09-25 | 国网甘肃省电力公司电力科学研究院 | 一种区域配电网中管理线损电量的计算方法 |
CN106990285A (zh) * | 2017-03-20 | 2017-07-28 | 万帮充电设备有限公司 | 一种充电桩防偷电与损耗检测方法 |
CN107221927A (zh) * | 2017-05-23 | 2017-09-29 | 国电南瑞三能电力仪表(南京)有限公司 | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 |
CN110045196A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 高压供电线路管理线损排查方法 |
CN110045196B (zh) * | 2018-01-15 | 2020-12-22 | 国网江苏省电力公司常州供电公司 | 高压供电线路管理线损排查方法 |
CN109190950A (zh) * | 2018-08-21 | 2019-01-11 | 国网湖北省电力有限公司鄂州供电公司 | 一种电表和水表档案贯通的用能异常识别方法 |
CN109270372A (zh) * | 2018-09-14 | 2019-01-25 | 美林数据技术股份有限公司 | 一种基于线损和用户用电量变化关系的窃电识别系统及方法 |
CN110472871A (zh) * | 2019-08-16 | 2019-11-19 | 广东电网有限责任公司 | 一种针对管理线损异常原因的排查方法 |
CN110472871B (zh) * | 2019-08-16 | 2023-07-07 | 广东电网有限责任公司 | 一种针对管理线损异常原因的排查方法 |
CN110942236B (zh) * | 2019-11-14 | 2023-05-09 | 国网浙江海宁市供电有限公司 | 一种综合停电记录和用电数据的异常用户识别方法 |
CN110942236A (zh) * | 2019-11-14 | 2020-03-31 | 国网浙江海宁市供电有限公司 | 一种综合停电记录和用电数据的异常用户识别方法 |
CN111507611A (zh) * | 2020-04-15 | 2020-08-07 | 北京中电普华信息技术有限公司 | 一种确定窃电嫌疑用户的方法及系统 |
CN111930802A (zh) * | 2020-08-01 | 2020-11-13 | 青岛鼎信通讯股份有限公司 | 一种基于Lasso解析的反窃电分析方法 |
CN112362962A (zh) * | 2020-11-09 | 2021-02-12 | 张子惠 | 一种电网中漏电窃电位置的检测方法、装置及电子设备 |
CN112816774A (zh) * | 2020-12-15 | 2021-05-18 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 一种基于大数据的窃电排查方法 |
CN113514695A (zh) * | 2021-03-04 | 2021-10-19 | 华北电力大学 | 适用于群体性固定比例窃电行为的检测系统和检测方法 |
CN113514695B (zh) * | 2021-03-04 | 2022-05-06 | 华北电力大学 | 适用于群体性固定比例窃电行为的检测系统和检测方法 |
CN113298355A (zh) * | 2021-04-28 | 2021-08-24 | 国网山东省电力公司菏泽供电公司 | 一种基于数据驱动的用电异常行为识别方法 |
WO2024037351A1 (zh) * | 2022-08-19 | 2024-02-22 | 西门子(中国)有限公司 | 配电系统的非技术损失检测方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106066423A (zh) | 一种基于损耗分配嫌疑分析的反窃电分析方法 | |
Zhang et al. | Forecasting residential energy consumption: Single household perspective | |
Newsham et al. | The effect of utility time-varying pricing and load control strategies on residential summer peak electricity use: A review | |
Andersen et al. | Long-term forecasting of hourly electricity load: Identification of consumption profiles and segmentation of customers | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
Fu et al. | Clustering-based short-term load forecasting for residential electricity under the increasing-block pricing tariffs in China | |
Gibbs | Price variable in residential water demand models | |
CN108593990B (zh) | 一种基于电能用户用电行为模式的窃电检测方法和应用 | |
Zufferey et al. | Forecasting of smart meter time series based on neural networks | |
CN102426674B (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
Roberts et al. | Characterisation of Australian apartment electricity demand and its implications for low-carbon cities | |
CN102999791A (zh) | 一种电力行业中基于客户分群的电力负荷预测方法 | |
CN107221927A (zh) | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 | |
Poulin et al. | Load duration curve: A tool for technico-economic analysis of energy solutions | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
US8983811B2 (en) | Simulating customer behavior for demand response | |
Gerbec et al. | An approach to customers daily load profile determination | |
AU2014252667A1 (en) | System and method for performing demand response optimizations | |
Fidalgo et al. | A new clustering algorithm for load profiling based on billing data | |
Yu et al. | Good consumer or bad consumer: Economic information revealed from demand profiles | |
CN113554354A (zh) | 一种考虑用户多元响应特性的负荷聚合商最优调度方法 | |
CN106447198A (zh) | 一种基于业扩报装数据的用电量核对方法 | |
Gao et al. | Spectral clustering based demand-oriented representative days selection method for power system expansion planning | |
CN112465403A (zh) | 一种区域电力需求侧响应潜力评估方法 | |
Xu et al. | Spatial-temporal load forecasting using AMI data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161102 |