CN106203839B - 输电线路舞动影响关键因素辨识方法及系统 - Google Patents
输电线路舞动影响关键因素辨识方法及系统 Download PDFInfo
- Publication number
- CN106203839B CN106203839B CN201610549988.6A CN201610549988A CN106203839B CN 106203839 B CN106203839 B CN 106203839B CN 201610549988 A CN201610549988 A CN 201610549988A CN 106203839 B CN106203839 B CN 106203839B
- Authority
- CN
- China
- Prior art keywords
- benchmark
- transmission line
- key factor
- regression equation
- error
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 72
- 238000012850 discrimination method Methods 0.000 title claims abstract description 11
- 238000012417 linear regression Methods 0.000 claims abstract description 24
- 230000005611 electricity Effects 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种输电线路舞动影响关键因素辨识方法及系统，以提高输电线路覆冰舞动预测精度。该方法包括：获取输电线路舞动数据及相对应的至少两个潜在关键因子；建立各潜在关键因子与输电线路舞动之间的线性回归方程，计算出各线性回归方程的误差，并确定误差最小的线性回归方程为基准回归方程；从剩余潜在关键因子中择取第二潜在关键因子调整所述基准回归方程，当调整后的基准回归方程的误差小于或等于调整前的基准回归方程的误差时，确定调整后的基准回归方程为新的基准回归方程；否则不予更新；依此类推，直至遍历完所有潜在关键因子，最终得到的基准回归方程中包含的潜在关键因子即为输电线路舞动影响关键因子。
Description
技术领域
本发明涉及电气工程技术领域，尤其涉及一种输电线路舞动影响关键因素辨识方法及系统。
背景技术
输电线路在冬季易遭受覆冰灾害的威胁，在地形、气象、线路走向等多种因素的综合作用，输电线路易发生覆冰舞动现象。输电线路舞动易导致线路跳闸、导线断股、金具螺栓松动，当发生大范围输电线路覆冰舞动时，甚至会导致电网大面积停电，严重影响大电网安全稳定运行。由于不同地域和不同气象条件下输电线路舞动特性存在较大差异，不同条件下的输电线路舞动影响关键要素各不相同。因此，需要研究一种通用的输电线路舞动影响关键要素分析方法。
发明内容
本发明目的在于提供一种输电线路舞动影响关键因素辨识方法及系统，为输电线路舞动预测建模提供重要的理论依据，提高输电线路覆冰舞动预测精度，为提前部署输电线路防舞措施争取宝贵的时间。
为实现上述目的，本发明提供了一种输电线路舞动影响关键因素辨识方法，包括：
获取输电线路舞动数据及相对应的至少两个潜在关键因子；
建立各潜在关键因子与输电线路舞动之间的线性回归方程，计算出各线性回归方程的误差，并确定误差最小的线性回归方程为基准回归方程，该基准回归方程所对应的潜在关键因子为第一潜在关键因子；
从剩余潜在关键因子中择取第二潜在关键因子调整所述基准回归方程，当调整后的基准回归方程的误差小于或等于调整前的基准回归方程的误差时，确定调整后的基准回归方程为新的基准回归方程，并将该新的基准回归方程所对应的误差设为新的基准误差；若调整后的基准回归方程的误差大于调整前的基准回归方程的误差时，则不予更新；依此类推，直至遍历完所有潜在关键因子，最终得到的基准回归方程中包含的潜在关键因子即为输电线路舞动影响关键因子。
为实现上述目的，本发明提供了一种输电线路舞动影响关键因素辨识系统，包括：
第一模块，用于获取输电线路舞动数据及相对应的至少两个潜在关键因子；
第二模块，用于建立各潜在关键因子与输电线路舞动之间的线性回归方程，计算出各线性回归方程的误差，并确定误差最小的线性回归方程为基准回归方程，该基准回归方程所对应的潜在关键因子为第一潜在关键因子；
第三模块，用于从剩余潜在关键因子中择取第二潜在关键因子调整所述基准回归方程，当调整后的基准回归方程的误差小于或等于调整前的基准回归方程的误差时，确定调整后的基准回归方程为新的基准回归方程，并将该新的基准回归方程所对应的误差设为新的基准误差；若调整后的基准回归方程的误差大于调整前的基准回归方程的误差时，则不予更新；依此类推，直至遍历完所有潜在关键因子，最终得到的基准回归方程中包含的潜在关键因子即为输电线路舞动影响关键因子。
本发明公开的上述方法及系统，具有以下有益效果：
1)、原理清晰，操作方便，具有很高的实用价值；
2)、可适用于所有不同区域和不同气象条件输电线路舞动关键因子辨识；
3)、可有效提高输电线路舞动关键因子辨识的准确度，对输电线路舞动预测建模具有重要指导作用。
可选的，上述获取输电线路舞动数据及相对应的至少两个潜在关键因子包括：获取输电线路舞动数据及相对应的至少两个待确定因子数据；计算各待确定因子与输电线路舞动数据之间的相关系数；筛选出相关系数高于设定阈值的潜在关键因子。
可选的，上述待确定因子数据包括与输电线路舞动数据相对应的地形、线路走向、风速、风向、气温、气压、湿度、降水、覆冰不均匀程度、覆冰厚度中的任意因子或任意组合。
下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例公开的输电线路舞动影响关键因素辨识方法流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1：
本实施例公开一种输电线路舞动影响关键因素辨识方法，包括以下步骤，
(1)、获取某省级电网的输电线路舞动数据以及与之相对应地形、线路走向、风速、风向、气温、气压、湿度、降水、覆冰不均匀程度、覆冰厚度等因子的数据。
(2)、分别计算地形因子Fe、线路走向因子Fd、风速因子Fws、风向因子Fwd、气温因子Ft、气压因子Fp、湿度因子Fm、降水因子Fr、覆冰不均匀程度因子Fn、覆冰厚度因子Fc等与输电线路舞动的相关系数为Re＝0.21、Rd＝0.52、Rws＝0.25、Rwd＝0.42、Rt＝0.13、Rp＝0.02、Rm＝0.03、Rr＝0.12、Rn＝0.66、Rc＝-0.38。
(3)、设定一个相关系数阈值T＝0.3，若某一因子与舞动的相关系数绝对值高于阈值，则认为该因子是输电线路舞动的潜在关键因子，进而得到输电线路舞动的潜在关键因子集合P＝{Fd,Fwd,Fn,Fc}。
(4)、针对步骤(3)获得的潜在关键因子集合P，优选输电线路舞动影响关键因子，具体步骤如下：
(4.1)、首先利用4个潜在关键因子Fi与输电线路舞动建立线性回归方程，计算各回归方程的误差分别为0.33、0.37、0.25、0.45；
(4.2)、步骤(4.1)中误差Ei最小对应的潜在关键因子覆冰不均匀程度因子Fn即为优选的第一个输电线路舞动关键因子，其与舞动建立的回归方程定为基准回归方程，对应基准回归方程的误差为Eb＝0.25；
(4.3)、在步骤(4.2)中的基准回归方程中增加一个不同的潜在关键因子线路走向因子Fj，并建立与输电线路舞动的线性回归方程，同时计算回归方程误差为Ej＝0.26，由于Ej>Eb，因此，线路走向因子Fd不能作为该省输电线路关键影响因子；
(4.4)、在基准回归方程中增加一个不同的潜在关键因子线路风向因子Fwd，并建立与输电线路舞动的线性回归方程，同时计算回归方程误差为Ej＝0.24，由于Ej<Eb，因此，线路风向因子Fwd为该省输电线路关键影响因子，同时更新基准回归方程包含覆冰不均匀程度因子Fn和线路风向因子Fwd，并更新基准回归方程误差Eb＝0.22。
(4.5)、在基准回归方程中增加一个不同的潜在关键因子覆冰厚度因子Fc，并建立与输电线路舞动的线性回归方程，同时计算回归方程误差为Ej＝0.29，由于Ej>Eb，因此，覆冰厚度因子Fc不能作为该省输电线路关键影响因子。
(4.6)、最终得到的基准回归方程中包含的潜在关键因子覆冰不均匀程度因子Fn和线路风向因子Fwd即为该省输电线路舞动影响关键因子。
实施例2：
在上述实施例1的基础上，本领域的技术人员应当理解：本发明公开的输电线路舞动影响关键因素辨识方法，可以浓缩成下述步骤，如图1所示，具体包括：
步骤S1、获取输电线路舞动数据及相对应的至少两个潜在关键因子。
步骤S2、建立各潜在关键因子与输电线路舞动之间的线性回归方程，计算出各线性回归方程的误差，并确定误差最小的线性回归方程为基准回归方程，该基准回归方程所对应的潜在关键因子为第一潜在关键因子。
步骤S3、从剩余潜在关键因子中择取第二潜在关键因子调整所述基准回归方程，当调整后的基准回归方程的误差小于或等于调整前的基准回归方程的误差时，确定调整后的基准回归方程为新的基准回归方程，并将该新的基准回归方程所对应的误差设为新的基准误差；若调整后的基准回归方程的误差大于调整前的基准回归方程的误差时，则不予更新；依此类推，直至遍历完所有潜在关键因子，最终得到的基准回归方程中包含的潜在关键因子即为输电线路舞动影响关键因子。
实施例3：
与上述方法相对应的，本实施例提供了一种输电线路舞动影响关键因素辨识系统，包括：
第一模块，用于获取输电线路舞动数据及相对应的至少两个潜在关键因子；
第二模块，用于建立各潜在关键因子与输电线路舞动之间的线性回归方程，计算出各线性回归方程的误差，并确定误差最小的线性回归方程为基准回归方程，该基准回归方程所对应的潜在关键因子为第一潜在关键因子；
第三模块，用于从剩余潜在关键因子中择取第二潜在关键因子调整所述基准回归方程，当调整后的基准回归方程的误差小于或等于调整前的基准回归方程的误差时，确定调整后的基准回归方程为新的基准回归方程，并将该新的基准回归方程所对应的误差设为新的基准误差；若调整后的基准回归方程的误差大于调整前的基准回归方程的误差时，则不予更新；依此类推，直至遍历完所有潜在关键因子，最终得到的基准回归方程中包含的潜在关键因子即为输电线路舞动影响关键因子。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种输电线路舞动影响关键因素辨识方法，其特征在于，包括：
获取输电线路舞动数据及相对应的至少两个潜在关键因子；
建立各潜在关键因子与输电线路舞动之间的线性回归方程，计算出各线性回归方程的误差，并确定误差最小的线性回归方程为基准回归方程，该基准回归方程所对应的潜在关键因子为第一潜在关键因子；
从剩余潜在关键因子中择取第二潜在关键因子调整所述基准回归方程，当调整后的基准回归方程的误差小于或等于调整前的基准回归方程的误差时，确定调整后的基准回归方程为新的基准回归方程，并将该新的基准回归方程所对应的误差设为新的基准误差；若调整后的基准回归方程的误差大于调整前的基准回归方程的误差时，则不予更新；依此类推，直至遍历完所有潜在关键因子，最终得到的基准回归方程中包含的潜在关键因子即为输电线路舞动影响关键因子。
2.根据权利要求1所述的输电线路舞动影响关键因素辨识方法，其特征在于，所述获取输电线路舞动数据及相对应的至少两个潜在关键因子包括：
获取输电线路舞动数据及相对应的至少两个待确定因子数据；
计算各待确定因子与输电线路舞动数据之间的相关系数；
筛选出相关系数高于设定阈值的潜在关键因子。
3.根据权利要求2所述的输电线路舞动影响关键因素辨识方法，其特征在于，所述待确定因子数据包括与输电线路舞动数据相对应的地形、线路走向、风速、风向、气温、气压、湿度、降水、覆冰不均匀程度、覆冰厚度中的任意因子或任意组合。
4.一种输电线路舞动影响关键因素辨识系统，其特征在于，包括：
第一模块，用于获取输电线路舞动数据及相对应的至少两个潜在关键因子；
第二模块，用于建立各潜在关键因子与输电线路舞动之间的线性回归方程，计算出各线性回归方程的误差，并确定误差最小的线性回归方程为基准回归方程，该基准回归方程所对应的潜在关键因子为第一潜在关键因子；
第三模块，用于从剩余潜在关键因子中择取第二潜在关键因子调整所述基准回归方程，当调整后的基准回归方程的误差小于或等于调整前的基准回归方程的误差时，确定调整后的基准回归方程为新的基准回归方程，并将该新的基准回归方程所对应的误差设为新的基准误差；若调整后的基准回归方程的误差大于调整前的基准回归方程的误差时，则不予更新；依此类推，直至遍历完所有潜在关键因子，最终得到的基准回归方程中包含的潜在关键因子即为输电线路舞动影响关键因子。
5.根据权利要求4所述的输电线路舞动影响关键因素辨识系统，其特征在于，所述第一模块包括：
子模块一、用于获取输电线路舞动数据及相对应的至少两个待确定因子数据；
子模块二、用于计算各待确定因子与输电线路舞动数据之间的相关系数并筛选出相关系数高于设定阈值的潜在关键因子。
6.根据权利要求5所述的输电线路舞动影响关键因素辨识系统，其特征在于，所述待确定因子数据包括与输电线路舞动数据相对应的地形、线路走向、风速、风向、气温、气压、湿度、降水、覆冰不均匀程度、覆冰厚度中的任意因子或任意组合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610549988.6A CN106203839B (zh) | 2016-07-13 | 2016-07-13 | 输电线路舞动影响关键因素辨识方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610549988.6A CN106203839B (zh) | 2016-07-13 | 2016-07-13 | 输电线路舞动影响关键因素辨识方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106203839A CN106203839A (zh) | 2016-12-07 |
| CN106203839B true CN106203839B (zh) | 2018-04-03 |
Family
ID=57478091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610549988.6A Active CN106203839B (zh) | 2016-07-13 | 2016-07-13 | 输电线路舞动影响关键因素辨识方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106203839B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106845822B (zh) * | 2017-01-18 | 2020-08-11 | 国家电网公司 | 一种防覆冰舞动技改项目效能评价方法和系统 |
| CN107451621A (zh) * | 2017-08-17 | 2017-12-08 | 国网湖南省电力公司 | 电网舞动关键影响因素聚类分析方法及系统 |
| CN107464024B (zh) * | 2017-08-17 | 2021-01-15 | 国网湖南省电力有限公司 | 基于覆冰形状试验的架空输电线路舞动预测方法及系统 |
| CN109447309A (zh) * | 2018-09-05 | 2019-03-08 | 中国电力科学研究院有限公司 | 一种舞动数据的挖掘方法及系统 |
| CN109446474A (zh) * | 2018-09-05 | 2019-03-08 | 中国电力科学研究院有限公司 | 一种数据舞动性的展示方法及系统 |
| CN110929808A (zh) * | 2019-12-11 | 2020-03-27 | 国网湖南省电力有限公司 | 舞动温度的多要素智能修正方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105319582A (zh) * | 2014-07-31 | 2016-02-10 | 中国石油天然气股份有限公司 | 一种地震属性参数的选择方法和装置 |
| CN105740988A (zh) * | 2016-02-03 | 2016-07-06 | 南京鼎尔特科技有限公司 | 基于灰色关联分析和多元线性回归模型对煤炭热值的预测方法 |
-
2016
- 2016-07-13 CN CN201610549988.6A patent/CN106203839B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106203839A (zh) | 2016-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106203839B (zh) | 输电线路舞动影响关键因素辨识方法及系统 | |
| Ganguli et al. | Does nonstationarity in rainfall require nonstationary intensity–duration–frequency curves? | |
| Kangas et al. | RoadSurf: a modelling system for predicting road weather and road surface conditions | |
| CN107169645B (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
| CN103336298B (zh) | 一种大地震断裂区域前兆数据的采集和分析方法 | |
| CN103673960A (zh) | 用于预测输电线路上的覆冰状态的方法和装置 | |
| Fu et al. | Investigations of uncertainty in SWAT hydrologic simulations: A case study of a Canadian Shield catchment | |
| CN105160425A (zh) | 基于气象和地形因子的输变电设备覆冰灾害监测和预报方法 | |
| Nyaupane et al. | Rainfall-runoff simulation using climate change based precipitation prediction in HEC-HMS model for Irwin Creek, Charlotte, North Carolina | |
| Olsson et al. | Short-duration rainfall extremes in Sweden: A regional analysis | |
| Karimi et al. | Spatial evapotranspiration, rainfall and land use data in water accounting–Part 2: Reliability of water acounting results for policy decisions in the Awash Basin | |
| Sridhar et al. | Evaluating bias‐corrected AMSR‐E soil moisture using in situ observations and model estimates | |
| Kostić et al. | Modeling of river flow rate as a function of rainfall and temperature using response surface methodology based on historical time series | |
| Gong et al. | Dynamic-analogue correction of the decadal change of East Asian summer precipitation in the late 1990s | |
| Valamanesh et al. | Wind-wave prediction equations for probabilistic offshore hurricane hazard analysis | |
| Hamed et al. | Diminishing evapotranspiration paradox and its cause in the Middle East and North Africa | |
| KR101336551B1 (ko) | 댐 건설 전후 기후 특성 변화 예측 시스템 및 그 방법 | |
| Leao | Mapping 100 Years of Thornthwaite Moisture Index: Impact of Climate Change in V ictoria, A ustralia | |
| Nasseri et al. | A comparison between direct and indirect frameworks to evaluate impacts of climate change on streamflows: case study of Karkheh River basin in Iran | |
| CN103115598A (zh) | 电网覆冰区域分布的测绘方法 | |
| Li et al. | Hybrid model of generative adversarial network and Takagi‐Sugeno for multidimensional incomplete hydrological big data prediction | |
| CN108898260A (zh) | 基于温度的农业生产预测方法 | |
| Pereira et al. | Method adjustment and equation set of maximum rainfall intensity, duration and frequency in the Mato Grosso do Sul State | |
| Zhang et al. | Comparison of IHM and MIKE SHE model performance for modeling hydrologic dynamics in shallow water table settings | |
| Shad et al. | Zoning droughts by standardized precipitation index in Esfahan province (IRAN) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180223 Address after: 410007 No. 388 North Shaoshan Road, Yuhua District, Hunan, Changsha Applicant after: State Grid Hunan Electric Power Company Applicant after: State Grid Hunan Electric Power Company prevents and reduces natural disasters center Applicant after: Hunan Xiangdian Electric Power Text & Research Co., Ltd. Applicant after: State Grid Corporation of China Address before: 410007 No. 388 North Shaoshan Road, Yuhua District, Hunan, Changsha Applicant before: State Grid Hunan Electric Power Company Applicant before: State Grid Hunan Electric Power Company prevents and reduces natural disasters center Applicant before: State Grid Corporation of China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |