CN106646106B - 基于变点探测技术的电网故障检测方法 - Google Patents
基于变点探测技术的电网故障检测方法 Download PDFInfo
- Publication number
- CN106646106B CN106646106B CN201610888590.5A CN201610888590A CN106646106B CN 106646106 B CN106646106 B CN 106646106B CN 201610888590 A CN201610888590 A CN 201610888590A CN 106646106 B CN106646106 B CN 106646106B
- Authority
- CN
- China
- Prior art keywords
- outlier
- detection
- node
- data
- sequence
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Abstract
本发明提供一种基于变点探测技术的电网故障检测方法,首先使用多数据源采集电网各状态量实时数据,进行预处理并选择各节点状态量的实测数据建立时间序列;再利用基于RuLSIF的变点探测技术对各时间序列进行分析,对预处理过后的数据计算基于密度比值的孤立值,获得电网各节点相关状态量变化的变点探测值;然后根据设定的评判指标,比较各变点探测值的大小,评估故障的位置或方位;最后采集各节点的三相电流和电压,利用对称分量法得到故障时的正序、负序、零序故障分量,通过序分量选相法来判别故障类型。本发明借助变点探测技术探知故障后电网状态量的时空变化特性,以此判断出故障节点、受影响范围以及不受影响的位置。
Description
技术领域
本发明涉及电力系统故障诊断技术领域,具体而言涉及一种基于变点探测技术的电网故障检测方法。
背景技术
随着大煤电、大核电、大型可再生能源基地集约化开发进度的加快,以及大规模、远距离、高压直流输电技术的快速发展,我国特高压电网将形成“五纵六横”的结构,电网联系更加紧密。电网运行方式和动态行为复杂多变,各区域电网间相互依赖和耦合程度也越来越强,电网特性将由区域主导模式转向总体模式,电网的运行特性和调度控制将变得非常复杂。
虽然,各区域电网互联使电力系统更加稳定,较大范围的故障大大减少,但是故障是无法避免的。电力系统中的某些设备,随时都有因绝缘材料的老化、制造中的缺陷、自然灾害等原因出现故障而退出运行,其对电网、设备及社会造成的破坏和经济损失是我们不愿看到的。调度员应该快速分析故障特征,判断故障设备并尽快恢复用户供电。这时,故障数据的分析和处理就显得尤为重要了。
随着计算机和通信技术的不断发展,数字式保护和故障录波器等智能电子装置在电网中的应用已越来越普遍。在电网发生故障或受到扰动时,这些设备都会记录大量的数据。为了实现这些数据的采集和利用,近年来开展了电网故障信息系统的建设,取得了一定成效,但目前故障信息的综合利用和故障诊断的准确性仍不理想。
发明内容
本发明的目的在于充分利用电网数据,提供一种新的电网故障检测方法,可以探知故障后电网状态量的时空变化特性,判别故障类型,以满足工程应用的要求。
为达成上述目的,本发明提出一种基于变点探测技术的电网故障检测方法,包括以下步骤:
(1)使用相量测量单元(PMU)、SCADA系统和故障录波等多数据源采集电网各状态量实时数据,将收集回来的数据进行预处理,过滤掉噪声数据及不符合要求的异常数据,输出满足变点探测过程的高质量的数据集,并得其变化轨迹;选择各节点状态量的实测数据建立时间序列;
(2)利用相关无约束最小二乘重要性拟合估计(RuLSIF)的变点探测技术对各时间序列进行分析,对预处理过后的数据计算基于密度比值的孤立值,获得电网各节点相关状态量变化的变点探测值;
(3)根据设定的评判指标,比较各变点探测值的大小,评估故障的位置或方位,其中:根据设定的评判指标,对各节点的变点探测值进行归类,评估故障影响范围;判定最大值所对应的节点为故障节点,数值在某一设定范围内的为受影响节点,数值较小的为无影响节点;
(4)采集各节点的三相电流和电压,利用对称分量法得到故障时的正序、负序、零序故障分量,通过序分量选相法即各分量相位关系来判别故障类型。
由以上本发明的技术方案可知,本发明的电网故障检测方法的优点在于:本发明优化了原有电网故障数据只能被较初步的分析和处理,解决原有方法不能深层次地理解并有效地使用这些数据的问题,创造性地运用相关无约束最小二乘重要性拟合估计(RuLSIF)的变点探测技术探知故障后电网状态量的时空变化特性。这样,不仅可以评估故障位置或方位,也可以推测出故障影响范围。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是根据本发明某些实施例的故障数据采集、分析、判断、应用的流程示意图。
图2是根据本发明某些实施例的基于变点探测技术的电网故障检测方法的实现流程图。
图3是根据本发明某些实施例的故障时刻各节点基于相关无约束最小二乘重要性拟合估计(RuLSIF)的变点探测技术的变点探测值图。
图4是本发明某些实施例的故障范围评估图。
图5是本发明某些实施例的故障录波波形图。
图6是本发明某些实施例的矢量分析图。
图7是本发明某些实施例的序分量分析图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
结合图1、图2所示,根据本发明的实施例,一种基于变点探测技术的电网故障检测方法,包括以下步骤:
步骤(1)使用相量测量单元(PMU)、SCADA系统和故障录波等多个数据源采集电网各状态量实时数据,将收集回来的数据进行预处理,过滤掉噪声数据及不符合要求的异常数据,输出满足变点探测过程的高质量的数据集,并得其变化轨迹;选择各节点状态量的实测数据建立时间序列;
(2)利用相关无约束最小二乘重要性拟合估计(RuLSIF)的变点探测技术对各时间序列进行分析,对预处理过后的数据计算基于密度比值的孤立值,获得电网各节点相关状态量变化的变点探测值;
(3)根据设定的评判指标,比较各变点探测值的大小,评估故障的位置或方位,其中:根据设定的评判指标,对各节点的变点探测值进行归类,评估故障影响范围;判定最大值所对应的节点为故障节点,数值在某一设定范围内的为受影响节点,数值较小的为无影响节点;
(4)采集各节点的三相电流和电压,利用对称分量法得到故障时的正序、负序、零序故障分量,通过序分量选相法即各分量相位关系来判别故障类型。
在前述步骤(1)中,我们可以根据选择的参考机组,使用多个数据采集机对同一节点的状态量的进行实时采集,例如采集各节点的电压、电流以及功率等参数,对收集回来的数据进行预处理以利于后续的分析处理,例如利用相关无约束最小二乘重要性拟合估计(RuLSIF)的变点探测技术对各时间序列进行分析,对预处理过后的数据进行计算基于密度比值的孤立值,获得电网各节点相关状态量变化的变点探测值
在得到这些实时采集的原始数据后,需要进行预处理,若对同一节点同一时刻,各数据采集机反馈回来的数据有较大差异,则将噪声数据过滤掉,或使用分箱、聚类等噪声数据的处理方法得出准确的数据,输出满足变点探测过程的高质量数据集,得其变化轨迹。选择各节点状态量的实测数据建立时间序列。
设y(t)∈Rd是一个在时间轴上的d维的时间序列采样值,构造子序列Y(t)
Y(t)=[y(t),y(t+1),…y(t+K-1)] (1)
则t时刻的样本序列可以定义为
Y(t)=[Y(t),Y(t+1),…Y(t+n-1)] (2)
优选地,在步骤(2)和(3)之间还包括以下步骤:
基于时间序列的极大值点可以确定故障后暂态信号的奇异点的特性,这些奇异点对应着故障时刻、故障切除时刻、重合闸时刻、故障恢复时刻,选择奇异时刻各节点状态量的变点探测值建立空间序列,便于之后的故障评估。
前述步骤(2)中,所述相关无约束最小二乘重要性拟合估计(RuLSIF)的变点探测算法对时间序列进行分析的具体过程如下:
处理后的电网数据中定义样本序列,用核心模型来定义密度比值,各样本序列的参数通过测试选定,计算得出变点探测值。根据已求出的探测值,再经过程序编译绘出变点探测曲线,图中第一个出现极大值的那一点所对应的时刻即为发生故障的时刻。
在一些具体的实施方式中,变点探测方法用于寻找时间序列的变化点,使用相关无约束最小二乘重要性拟合估计(RuLSIF)时,需考虑α相关系数的皮尔森偏差,0≤α<1,则时间序列t时刻的变点探测值可定义为
Score(t)=PEα(Pt||Pt-n)+PEα(Pt-n||Pt) (3)
其中,Pt、Pt-n分别为样本序列的概率分布,PEα(P||P')表示泊松分歧,定义为:
式中,p'α(Y)=αp(Y)+(1-α)p'(Y),p(Y)、p'(Y)分别为P、P'的概率密度函数。
事实上概率密度函数p(Y)、p'(Y)是未知的,为了求取变点探测值,需要对概率密度比进行估计。
对概率密度比建立核心模型:
其中,θ为需要从时间序列求解的参数,K(Y,Yl)为高斯核函数
则实际概率密度比与核心模型的误差为
其中,
式中,第一项与核心模型无关,将式(5)代入式(6),则对概率密度比的估计可转化为求解下式:
其中,λ为正则化参数,为n×n维矩阵,其(l,l')元素为:
其中为n维相量,其l个元素为
据此,式(6)中θ的估计值为
则概率密度比的估计值为:
由于式(4)表示的泊松分歧PEα(P||P')可表示为
根据求取的概率比估计值可求得
进一步,即可求得t时刻的变点探测值。的极大值点对应电压故障数据集的突变点,反映在时域上为最大变化率的点。
图3为故障时刻各节点基于相关无约束最小二乘重要性拟合估计(RuLSIF)的变点探测技术的变点探测值。
前述步骤4中比较各变点探测值,根据指标评估故障位置或方位,对各节点变点探测值进行归类,评估故障影响范围。
在一些可选的例子中,设定的评判指标的确定,我们可以就某一区域电网离线仿真得出一个极大值C和一个极小值δ,用于比较各节点变点探测值的大小,以此对相应节点进行划分和归类。制定合理的评估指标判断故障影响范围:
图4为故障范围评估的示意图,图5为故障录波波形图。
前述步骤4中,利用序分量选项法判断故障类型,具体实现如下:
采集各节点的三相电流和电压,利用对称分量法得到故障时的正序、负序、零序故障分量,通过序分量选相法即各分量相位关系来判别故障类型。
在不同短路故障条件下,以电流序分量选相元件为例,根据正序故障分量电流ΔIA1和负序电流IA2的相位关系进行选相:
若ΔIA1与IA2的相位差为零,则判断为A相接地;
若ΔIA1相位滞后IA2相位120°,则判断为B相接地;
若ΔIA1相位超前IA2相位120°,则判断为C相接地;
若ΔIA1与IA2的相位差为180°,则判断为BC两相短路或短路接地;
图6为矢量分析图。由矢量分析图可以得到故障线路电压、电流的幅值和相位,以及任意两个信号的相位差。
图7为序分量分析图。由序分量分析图可以得到故障线路电压、电流的正序、负序和零序分量。由图可以看出,C相电流增大,电压降低,出现了零序电流和零序电压,且零序电流相位与C相电流同向,零序电压相位与C相电压反向,C相电压超前C相电流约80°左右,零序电流超前零序电压约110°左右,由此可以确定是C相发生了单相接地短路故障。由此可见,通过前述基于变点探测技术的电网故障检测分析方法可得到系统中哪些节点发生了故障。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (5)
1.一种基于变点探测技术的电网故障检测方法,其特征在于,包括以下步骤:
(1)使用多数据源采集电网各状态量实时数据,将收集回来的实时数据进行预处理,过滤掉噪声数据及异常数据,输出满足变点探测过程的数据集,得到其变化轨迹;选择各节点状态量的实测数据建立时间序列;
(2)利用相关无约束最小二乘重要性拟合估计的变点探测技术对各时间序列进行分析,对预处理过后的数据计算基于密度比值的孤立值,获得各节点状态量变化的变点探测值;
(3)根据设定的评判指标,比较各变点探测值的大小,评估故障的位置或方位,其中:根据设定的评判指标,对各节点的状态量变化的变点探测值进行归类,评估故障影响范围,判定变点探测值最大值所对应的节点为故障节点,变点探测值在某一设定范围内的为受影响节点,变点探测值较小的为无影响节点;
(4)采集各节点的三相电流和电压,利用对称分量法得到故障时的正序、负序、零序故障分量,通过序分量选相法即各分量相位关系来判别故障类型。
2.根据权利要求1所述的基于变点探测技术的电网故障检测方法,其特征在于,在步骤(2)和(3)之间还包括以下步骤:
基于时间序列的极大值点可确定故障后暂态信号的奇异点的特性,选择奇异时刻各节点状态量的变点探测值建立空间序列,便于之后的故障评估。
3.根据权利要求1所述的基于变点探测技术的电网故障检测方法,其特征在于,所述利用相关无约束最小二乘重要性拟合估计的变点探测技术对各时间序列进行分析的具体过程如下:
处理后的电网数据中定义样本序列,用核心模型来定义密度比值,各样本序列的参数通过测试选定,计算得出各节点的状态量变化的变点探测值;根据已求出的各节点的状态量变化的变点探测值后,再经过程序编译绘出变点探测曲线,图中第一个出现极大值的那一点所对应的时刻即为发生故障的时刻。
4.根据权利要求1所述的基于变点探测技术的电网故障检测方法,其特征在于,前述设定的评判指标的确定方法如下:
就某一区域电网离线仿真得出一个极大值C和一个极小值δ,该极大值C和极小值δ为评价指标,用于比较各节点状态量变化的变点探测值的大小。
5.根据权利要求4所述的基于变点探测技术的电网故障检测方法,其特征在于,所述步骤(3)中,对于设定的评价指标,在评估故障影响范围时满足:
1)表示故障位置;
2)表示受影响范围;
3)表示不受影响范围;
其中,为变点探测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610888590.5A CN106646106B (zh) | 2016-10-11 | 2016-10-11 | 基于变点探测技术的电网故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610888590.5A CN106646106B (zh) | 2016-10-11 | 2016-10-11 | 基于变点探测技术的电网故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106646106A CN106646106A (zh) | 2017-05-10 |
CN106646106B true CN106646106B (zh) | 2019-02-22 |
Family
ID=58856433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610888590.5A Active CN106646106B (zh) | 2016-10-11 | 2016-10-11 | 基于变点探测技术的电网故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106646106B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187221B (zh) * | 2019-05-24 | 2020-06-30 | 山东大学 | 基于区块链的配电网微型pmu故障录波协同方法及系统 |
CN110244186B (zh) * | 2019-07-08 | 2020-09-01 | 国网天津市电力公司 | 一种基于孤立点检测算法的电缆故障预测报警方法 |
CN113447764A (zh) * | 2021-08-09 | 2021-09-28 | 安徽恒凯电力保护设备有限公司 | 应用于电网的智慧监测及故障管控方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661069A (zh) * | 2009-09-25 | 2010-03-03 | 北京四方继保自动化股份有限公司 | 不依赖状态矩阵的弱可观非pmu测点动态过程实时估计方法 |
CN103972884A (zh) * | 2014-04-24 | 2014-08-06 | 西南交通大学 | 一种电力系统状态估计方法 |
CN104655991A (zh) * | 2015-03-19 | 2015-05-27 | 武汉大学 | 基于突变点检测组合算法的电力系统故障数据匹配方法 |
CN104953583A (zh) * | 2015-07-01 | 2015-09-30 | 河海大学 | 基于变点探测和Prony方法相结合的电力系统低频振荡在线监测方法 |
CN105044554A (zh) * | 2015-06-30 | 2015-11-11 | 安徽博诺思信息科技有限公司 | 一种电网故障检测诊断方法 |
CN105093033A (zh) * | 2015-09-01 | 2015-11-25 | 华中电网有限公司 | 一种基于电网多源信息的故障综合分析系统及分析方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3895288B2 (ja) * | 2002-08-07 | 2007-03-22 | 関西電力株式会社 | 送電線事故点標定装置、送電線事故点標定法、送電線事故点標定用プログラム及び同プログラムを記録した記録媒体 |
JP4095073B2 (ja) * | 2005-03-04 | 2008-06-04 | 関西電力株式会社 | 送電線の故障点標定方法および送電線の故障点標定装置および故障点標定プログラム |
JP6150391B2 (ja) * | 2013-08-19 | 2017-06-21 | ニシム電子工業株式会社 | 送電線故障点標定システム |
-
2016
- 2016-10-11 CN CN201610888590.5A patent/CN106646106B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661069A (zh) * | 2009-09-25 | 2010-03-03 | 北京四方继保自动化股份有限公司 | 不依赖状态矩阵的弱可观非pmu测点动态过程实时估计方法 |
CN103972884A (zh) * | 2014-04-24 | 2014-08-06 | 西南交通大学 | 一种电力系统状态估计方法 |
CN104655991A (zh) * | 2015-03-19 | 2015-05-27 | 武汉大学 | 基于突变点检测组合算法的电力系统故障数据匹配方法 |
CN105044554A (zh) * | 2015-06-30 | 2015-11-11 | 安徽博诺思信息科技有限公司 | 一种电网故障检测诊断方法 |
CN104953583A (zh) * | 2015-07-01 | 2015-09-30 | 河海大学 | 基于变点探测和Prony方法相结合的电力系统低频振荡在线监测方法 |
CN105093033A (zh) * | 2015-09-01 | 2015-11-25 | 华中电网有限公司 | 一种基于电网多源信息的故障综合分析系统及分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106646106A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Biswal et al. | Supervisory protection and automated event diagnosis using PMU data | |
CN110596533B (zh) | 一种配电网单相接地故障区段定位方法及系统 | |
US10288667B2 (en) | Method and system for fault detection and faulted line identification in power systems using synchrophasors-based real-time state estimation | |
US9874593B2 (en) | Decision support system for outage management and automated crew dispatch | |
CN109886475B (zh) | 基于ai的计量自动化系统的信息安全态势感知系统 | |
Jia et al. | An improved sparse-measurement-based fault location technology for distribution networks | |
CN107219453B (zh) | 一种基于多维混合量的变电站继电保护隐性故障诊断方法 | |
CN106646106B (zh) | 基于变点探测技术的电网故障检测方法 | |
Zhu et al. | Networked time series shapelet learning for power system transient stability assessment | |
Yang et al. | A control chart approach to power system line outage detection under transient dynamics | |
Kezunovic | Translational knowledge: From collecting data to making decisions in a smart grid | |
Li et al. | Fast event identification through subspace characterization of PMU data in power systems | |
US20200393501A1 (en) | Systems and methods to analyze waveforms from multiple devices in power systems | |
Zhu et al. | Cost-effective bad synchrophasor data detection based on unsupervised time-series data analytic | |
Zhu et al. | Faulty line identification method based on bayesian optimization for distribution network | |
CN103311960A (zh) | 一种强联系电网同调稳定区域划分方法 | |
Shanmugapriya et al. | Rapid Fault Analysis by Deep Learning-Based PMU for Smart Grid System. | |
CN106646138B (zh) | 基于多采样频率小波特征能量折算的配电网接地故障定位方法 | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
Baldwin et al. | Fault locating in distribution networks with the aid of advanced metering infrastructure | |
Castello et al. | Integration of power quality and fault data into a PMU-based Wide Area Monitoring System | |
Gholami et al. | D-PMU data generation and anomaly detection using statistical and clustering techniques | |
Hao et al. | Transmission line fault diagnosis based on machine learning | |
Khazraj et al. | Addressing single and multiple bad data in the modern PMU-based power system state estimation | |
Ensina et al. | Fault classification in transmission lines with generalization competence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |