CN107202852A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN107202852A
CN107202852A CN201710369589.6A CN201710369589A CN107202852A CN 107202852 A CN107202852 A CN 107202852A CN 201710369589 A CN201710369589 A CN 201710369589A CN 107202852 A CN107202852 A CN 107202852A
Authority
CN
China
Prior art keywords
obj
data
dynamic threshold
threshold value
new
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
Application number
CN201710369589.6A
Other languages
English (en)
Inventor
周正钦
周盟
谷凯凯
许晓路
徐进霞
聂徳鑫
陈敏维
梁宏池
毛光辉
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
Wuhan NARI Ltd
State Grid Gansu Electric Power Co Ltd
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Wuhan NARI Ltd
State Grid Gansu Electric Power Co Ltd
State Grid Fujian 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, Wuhan NARI Ltd, State Grid Gansu Electric Power Co Ltd, State Grid Fujian Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710369589.6A priority Critical patent/CN107202852A/zh
Publication of CN107202852A publication Critical patent/CN107202852A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches

Abstract

本发明公开了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，包括以下步骤：开始采集油色谱在线监测数据；采集到初始2个数据后，计算动态阈值δ(2)；根据动态阈值更新机制得到动态阈值δ(3)；传感器捕获到第i个数据obj(i)，计算异常因子OF(i)，然后判断第i个数据所处的状态，若第i个数据处于异常态，判定obj(i)是一个异常值，其中i>2；根据动态阈值更新机制得到动态阈值δ(i+1)；重复最后两个步骤直到传感器停止采集数据。本发明在无需训练集的条件下，实现了油色谱在线监测数据的实时异常值检测，该方法在保持较高检测精度的同时，维持了较低的误报率。

Description

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
技术领域
本发明涉及油色谱在线监测技术领域，更具体地说，涉及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。
背景技术
油色谱在线监测设备能及时有效地监测变压器的运行状况，发现和跟踪潜在的故障，目前已经广泛应用于110kV及以上电压等级的智能变电站。但由于油色谱在线监测易受环境温度、湿度和监测设备自身误差等因素的影响，在线数据存在失真，在分析和诊断前需要进行数据异常值检测和校正。
支持向量机的异常值检测方法需要每隔一段时间采集到足够多的数据后才能对收集的数据进行检测，不是一种实时的检测方法；朴素贝叶斯分类器检测方法实现了实时检测，但事先需要一个训练集来学习分类器参数，大多数情况下一个好的训练集难以获得；主成分回归分析能有效地去除噪声数据，但事先需要一个训练集来计算主元，且复杂度较高；神经网络算法拟合效果好，但数据量大时，训练时间长，存在“过学习”的问题。
发明内容
本发明要解决的技术问题在于，提供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。
本发明解决其技术问题所采用的技术方案是：构造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，包括以下步骤：
步骤S010，开始采集油色谱在线监测数据，色谱数据为{obj(1)，obj(2)，obj(3)，…,obj(k),…}，其中k＝1,2,3,…，代表一系列等间隔的时刻；
步骤S020，采集到初始2个油色谱数据obj(1)和obj(2)后，假设obj(1)和obj(2)为正常态，令数据点obj(1)的动态阈值δ(1)＝obj(1)，则数据点obj(2)的动态阈值δ(2)＝NHD(2)＝|obj(2)-obj(1)|；
步骤S030，根据动态阈值更新机制得到数据点obj(3)的动态阈值δ(3)；
步骤S040，传感器捕在t时刻捕获第i个数据obj(i)，计算数据点obj(i)的跳距离以及异常因子其中，obj(j)为t时刻之前捕获的数据之中已被检测为正常且在时间上距离obj(i)最近的数据点，δ(i)为数据点obj(i)对应的动态阈值，然后判断第i个数据obj(i)所处的状态，如果第i个数据处于异常态，判定数据obj(i)是一个异常值，其中i>2，j＜i；
步骤S050，根据动态阈值更新机制得到下一个数据点obj(i+1)的动态阈值δ(i+1)；
(6)重复步骤S040和步骤S050直到传感器停止采集数据。
在上述步骤S040中，第i个数据obj(i)所处的状态的判断方法如下：若数据点obj(i)的异常因子OF(i)∈[0，1]，则为正常态；若数据点obj(i)的异常因子OF(i)∈(1，trustvalue]，则为临界态；若数据点obj(i)的异常因子OF(i)∈(trustvalue，+∞]，则为异常态；其中，trustvalue是一个大于1的参数。
在上述步骤S030和步骤S050中，动态阈值更新机制为：(1)数据obj(i－1)处于正常态，数据obj(i)处于临界态，新动态阈值δ(i+1)在阈值δ(i)的基础上增大；(2)数据obj(i－1)处于正常态，数据obj(i)处于异常态，新动态阈值δ(i+1)保持不变；(3)数据obj(i－1)处于临界态，数据obj(i)处于异常态，新阈值δ(i+1)在阈值δ(i)的基础上增大；(4)数据obj(i－1)处于临界态，数据obj(i)处于正常态，新动态阈值δ(i+1)保持不变；(5)数据obj(i－1)处于异常态，数据obj(i)处于临界态，新动态阈值δ(i+1)保持不变；(6)数据数据obj(i－1)处于异常态，数据obj(i)处于正常态，新阈值δ(i+1)在阈值δ(i)的基础上减小；(7)数据obj(i－1)处于正常态，数据obj(i)处于正常态，新阈值δ(i+1)在阈值δ(i)的基础上减小；(8)数据obj(i－1)处于异常态，数据obj(i)处于异常态，新阈值δ(i+1)在阈值δ(i)的基础上增大；(9)数据obj(i－1)处于临界态，数据obj(i)处于临界态，新阈值δ(i+1)等于NHD(i)。
在上述动态阈值更新机制中，新动态阈值δ(i+1)在阈值δ(i)的基础上增大即δ(i+1)＝2*δ(i)，新阈值δ(i+1)在阈值δ(i)的基础上减小即δ(i+1)＝δ(i)/2。
实施本发明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，具有以下有益效果：
本发明在无需训练集的条件下，实现了油色谱在线监测数据的实时异常值检测，该方法在保持较高检测精度的同时，维持了较低的误报率。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明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的流程示意图；
图2为本发明实施例中某一变压器某一段时间的氢气在线监测数据的检测结果示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
如图1所示，本发明提供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，包括以下步骤：
步骤S010，开始采集油色谱在线监测数据，色谱数据为{obj(1)，obj(2)，obj(3)，…,obj(k),…}，其中k＝1,2,3,…，代表一系列等间隔的时刻；
步骤S020，采集到初始2个油色谱数据obj(1)和obj(2)后，假设obj(1)和obj(2)为正常态，令数据点obj(1)的动态阈值δ(1)＝obj(1)，则数据点obj(2)的动态阈值δ(2)＝NHD(2)＝|obj(2)-obj(1)|；
步骤S030，根据动态阈值更新机制得到数据点obj(3)的动态阈值δ(3)；
步骤S040，传感器捕在t时刻捕获第i个数据obj(i)，计算数据点obj(i)的跳距离以及异常因子其中，obj(j)为t时刻之前捕获的数据之中已被检测为正常且在时间上距离obj(i)最近的数据点，δ(i)为数据点obj(i)对应的动态阈值，然后判断第i个数据obj(i)所处的状态，如果第i个数据处于异常态，判定数据obj(i)是一个异常值，其中i>2，j＜i；
步骤S050，根据动态阈值更新机制得到下一个数据点obj(i+1)的动态阈值δ(i+1)；
(6)重复步骤S040和步骤S050直到传感器停止采集数据。
在所述步骤S040中，第i个数据obj(i)所处的状态的判断方法如下：若数据点obj(i)的异常因子OF(i)∈[0，1]，则为正常态；若数据点obj(i)的异常因子OF(i)∈(1，trustvalue]，则为临界态；若数据点obj(i)的异常因子OF(i)∈(trustvalue，+∞]，则为异常态；其中，trustvalue是一个大于1的参数。
在所述步骤S030和步骤S050中，动态阈值更新机制为：(1)数据obj(i－1)处于正常态，数据obj(i)处于临界态，新动态阈值δ(i+1)在阈值δ(i)的基础上增大；(2)数据obj(i－1)处于正常态，数据obj(i)处于异常态，新动态阈值δ(i+1)保持不变；(3)数据obj(i－1)处于临界态，数据obj(i)处于异常态，新阈值δ(i+1)在阈值δ(i)的基础上增大；(4)数据obj(i－1)处于临界态，数据obj(i)处于正常态，新动态阈值δ(i+1)保持不变；(5)数据obj(i－1)处于异常态，数据obj(i)处于临界态，新动态阈值δ(i+1)保持不变；(6)数据数据obj(i－1)处于异常态，数据obj(i)处于正常态，新阈值δ(i+1)在阈值δ(i)的基础上减小；(7)数据obj(i－1)处于正常态，数据obj(i)处于正常态，新阈值δ(i+1)在阈值δ(i)的基础上减小；(8)数据obj(i－1)处于异常态，数据obj(i)处于异常态，新阈值δ(i+1)在阈值δ(i)的基础上增大；(9)数据obj(i－1)处于临界态，数据obj(i)处于临界态，新阈值δ(i+1)等于NHD(i)。
在动态阈值更新机制中，新动态阈值δ(i+1)在阈值δ(i)的基础上增大即δ(i+1)＝2*δ(i)，新阈值δ(i+1)在阈值δ(i)的基础上减小即δ(i+1)＝δ(i)/2。
油色谱的在线监测数据一般有多个气体成分，本发明考虑同一种气体成分的异常值检测，多个气体成分可用该种方法分别进行处理。
下面以某一变压器某一段时间的氢气在线监测数据为例：
(1)通过收集获得某一变压器一段时间的氢气含量数据：{4.2，5.1，5，5.5，5.3，5.8，6.2，5.8，5.6，5，5.9，6.8，7.2，6.9，8.2，8，13，9.8，11.6，11.7，11.8，11.3，11.2，10.8，10.7，7.2，11，11，10.8，10.9，10.7，10.5，11.3，11.2，4.2，9.4，9.1，9.7}，共38个，其中单位为μL/L。
(2)假设最先采集的两个油色谱数据4.2和5.1为正常态，令δ(1)＝obj(1)＝4.1，δ(2)＝NHD(2)＝|obj(2)-obj(1)|＝|5.1-4.2|＝0.9。
(3)根据动态阈值更新机制得到δ(3)，因为obj(1)和obj(2)都为正常态，δ(3)在δ(2)的基础上减小，δ(3)＝δ(2)/2＝0.9/2＝0.45。
(4)第3个数据obj(3)＝5，计算OF(3)＝NHD(3)/δ(3)＝|obj(3)-obj(2)|/δ(3)＝|5-5.1|/0.45＝0.22<1，所以第3个数据obj(3)为正常态。其中距obj(3)最近的正常值为obj(2)，故NHD(3)＝|obj(3)-obj(2)|。
(5)根据动态阈值更新机制，利用obj(2)的状态，obj(3)的状态以及当前的δ(3)，得到下一时刻的阈值δ(4)。因obj(2)和obj(3)都为正常态，故δ(4)＝δ(3)/2＝0.45/2＝0.225。
(6)重复步骤4和步骤5，依次得出每一个数据的状态和阈值。
本实施例中按照经验，trustvalue取值6，最终检测结果如图2所示：标记异常值对应的数据点为检测到的异常点，从图2可以看出，这些异常点的变动较大，而异常点后续的点因为跟前面的正常点相比变化不大，判断为正常点，没有发生误判。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (4)

1.一种基于可变阈值的油色谱在线监测数据异常值检测方法，其特征在于，包括以下步骤：
步骤S010，开始采集油色谱在线监测数据，色谱数据为{obj(1)，obj(2)，obj(3)，…,obj(k),…}，其中k＝1,2,3,…，代表一系列等间隔的时刻；
步骤S020，采集到初始2个油色谱数据obj(1)和obj(2)后，假设obj(1)和obj(2)为正常态，令数据点obj(1)的动态阈值δ(1)＝obj(1)，则数据点obj(2)的动态阈值δ(2)＝NHD(2)＝|obj(2)-obj(1)|；
步骤S030，根据动态阈值更新机制得到数据点obj(3)的动态阈值δ(3)；
步骤S040，传感器捕在t时刻捕获第i个数据obj(i)，计算数据点obj(i)的跳距离以及异常因子其中，obj(j)为t时刻之前捕获的数据之中已被检测为正常且在时间上距离obj(i)最近的数据点，δ(i)为数据点obj(i)对应的动态阈值，然后判断第i个数据obj(i)所处的状态，如果第i个数据处于异常态，判定数据obj(i)是一个异常值，其中i>2，j＜i；
步骤S050，根据动态阈值更新机制得到下一个数据点obj(i+1)的动态阈值δ(i+1)；
(6)重复步骤S040和步骤S050直到传感器停止采集数据。
2.根据权利要求1所述的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，其特征在于，在所述步骤S040中，第i个数据obj(i)所处的状态的判断方法如下：若数据点obj(i)的异常因子OF(i)∈[0，1]，则为正常态；若数据点obj(i)的异常因子OF(i)∈(1，trustvalue]，则为临界态；若数据点obj(i)的异常因子OF(i)∈(trustvalue，+∞]，则为异常态；其中，trustvalue是一个大于1的参数。
3.根据权利要求1所述的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，其特征在于，在所述步骤S030和步骤S050中，动态阈值更新机制为：(1)数据obj(i－1)处于正常态，数据obj(i)处于临界态，新动态阈值δ(i+1)在阈值δ(i)的基础上增大；(2)数据obj(i－1)处于正常态，数据obj(i)处于异常态，新动态阈值δ(i+1)保持不变；(3)数据obj(i－1)处于临界态，数据obj(i)处于异常态，新阈值δ(i+1)在阈值δ(i)的基础上增大；(4)数据obj(i－1)处于临界态，数据obj(i)处于正常态，新动态阈值δ(i+1)保持不变；(5)数据obj(i－1)处于异常态，数据obj(i)处于临界态，新动态阈值δ(i+1)保持不变；(6)数据数据obj(i－1)处于异常态，数据obj(i)处于正常态，新阈值δ(i+1)在阈值δ(i)的基础上减小；(7)数据obj(i－1)处于正常态，数据obj(i)处于正常态，新阈值δ(i+1)在阈值δ(i)的基础上减小；(8)数据obj(i－1)处于异常态，数据obj(i)处于异常态，新阈值δ(i+1)在阈值δ(i)的基础上增大；(9)数据obj(i－1)处于临界态，数据obj(i)处于临界态，新阈值δ(i+1)等于NHD(i)。
4.根据权利要求3所述的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，其特征在于，在动态阈值更新机制中，新动态阈值δ(i+1)在阈值δ(i)的基础上增大即δ(i+1)＝2*δ(i)，新阈值δ(i+1)在阈值δ(i)的基础上减小即δ(i+1)＝δ(i)/2。
CN201710369589.6A 2017-05-23 2017-05-23 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 Pending CN107202852A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710369589.6A CN107202852A (zh) 2017-05-23 2017-05-23 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710369589.6A CN107202852A (zh) 2017-05-23 2017-05-23 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

Publications (1)

Publication Number Publication Date
CN107202852A true CN107202852A (zh) 2017-09-26

Family

ID=59906094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710369589.6A Pending CN107202852A (zh) 2017-05-23 2017-05-23 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

Country Status (1)

Country Link
CN (1) CN107202852A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050288883A1 (en) * 2004-06-23 2005-12-29 Microsoft Corporation Anomaly detection in data perspectives
US20110227786A1 (en) * 2010-03-18 2011-09-22 Takeshi Ono Abnormal value detection apparatus for satellite positioning system, abnormal value detection method, and abnormal value detection program
US20130237874A1 (en) * 2012-03-12 2013-09-12 Texas Instruments Incorporated Real Time QRS Detection Using Adaptive Threshold
CN104080108A (zh) * 2014-04-14 2014-10-01 西安电子科技大学 一种针对无线传感网络数据的可变阈值异常点检测方法
CN104330675A (zh) * 2014-11-17 2015-02-04 国家电网公司 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
CN105203876A (zh) * 2015-09-15 2015-12-30 云南电网有限责任公司电力科学研究院 一种利用支持向量机和相关分析的变压器在线监测状态评估方法
CN105445579A (zh) * 2015-11-17 2016-03-30 国网山东省电力公司电力科学研究院 多尺度时序分析的油色谱在线监测数据可视化系统及方法
CN105574669A (zh) * 2015-12-16 2016-05-11 国网山东省电力公司电力科学研究院 时空联合数据聚类分析的输变电设备状态异常检测方法
CN106442830A (zh) * 2016-09-29 2017-02-22 广州供电局有限公司 变压器油中气体含量告警值的检测方法和系统
CN106596754A (zh) * 2016-11-22 2017-04-26 华北电力大学 油色谱传感器有效性的评估方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050288883A1 (en) * 2004-06-23 2005-12-29 Microsoft Corporation Anomaly detection in data perspectives
US20110227786A1 (en) * 2010-03-18 2011-09-22 Takeshi Ono Abnormal value detection apparatus for satellite positioning system, abnormal value detection method, and abnormal value detection program
US20130237874A1 (en) * 2012-03-12 2013-09-12 Texas Instruments Incorporated Real Time QRS Detection Using Adaptive Threshold
CN104080108A (zh) * 2014-04-14 2014-10-01 西安电子科技大学 一种针对无线传感网络数据的可变阈值异常点检测方法
CN104330675A (zh) * 2014-11-17 2015-02-04 国家电网公司 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
CN105203876A (zh) * 2015-09-15 2015-12-30 云南电网有限责任公司电力科学研究院 一种利用支持向量机和相关分析的变压器在线监测状态评估方法
CN105445579A (zh) * 2015-11-17 2016-03-30 国网山东省电力公司电力科学研究院 多尺度时序分析的油色谱在线监测数据可视化系统及方法
CN105574669A (zh) * 2015-12-16 2016-05-11 国网山东省电力公司电力科学研究院 时空联合数据聚类分析的输变电设备状态异常检测方法
CN106442830A (zh) * 2016-09-29 2017-02-22 广州供电局有限公司 变压器油中气体含量告警值的检测方法和系统
CN106596754A (zh) * 2016-11-22 2017-04-26 华北电力大学 油色谱传感器有效性的评估方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《COMPUTERS AND ELECTRICAL ENGINEERING》 *
《电力信息与通信技术》 *
《高电压技术》 *

Similar Documents

Publication Publication Date Title
CN117093879B (zh) 一种数据中心智能化运营管理方法及系统
CN110895526A (zh) 一种大气监测系统中数据异常的修正方法
CN107436277B (zh) 基于相似距离判别的单指标数据质量控制方法
JP6141235B2 (ja) 時系列データにおける異常を検出する方法
CN111353482A (zh) 一种基于lstm的疲劳因子隐性异常检测及故障诊断方法
CN104330675B (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
AU2021100365A4 (en) A multi-sensor-based intelligent monitoring and early warning system and method for dam safety
CN109446189A (zh) 一种工业参数离群点检测系统及方法
CN115876258B (zh) 基于多源数据的畜禽养殖环境异常监测及报警系统
CN108090515B (zh) 一种基于数据融合的环境等级评估方法
CN117129790B (zh) 一种电力系统故障诊断系统
CN108830507A (zh) 一种食品安全风险预警方法
CN111191671B (zh) 一种用电器波形检测方法、系统、电子设备及存储介质
CN107679715A (zh) 一种基于spc的电能表综合误差过程能力评价方法及评价系统
Xu et al. A lof-based method for abnormal segment detection in machinery condition monitoring
CN112288597A (zh) 一种基于层次聚类和直方图算法的能耗在线异常检测方法
CN116937818B (zh) 对内部进行实时监控的高压直流配电柜监控系统
CN101106487A (zh) 一种检测网络流量异常的方法及装置
CN201017232Y (zh) 基于fisher的工业过程非线性故障诊断装置
CN110207827B (zh) 一种基于异常因子提取的电气设备温度实时预警方法
CN116764261B (zh) 一种用于蒸馏流程的执行安全监管系统
CN105741184B (zh) 一种变压器状态评估方法及装置
CN106846742B (zh) 基于Hausdorff距离的故障趋势预警方法及系统
CN107202852A (zh) 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
CN101646066B (zh) 视频监控系统及方法

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
TA01 Transfer of patent application right

Effective date of registration: 20171205

Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Applicant after: State Grid Corporation of China

Applicant after: State Grid Gansu Electric Power Company

Applicant after: Electric Power Research Institute, State Grid Fujian Electric Power Co., Ltd.

Applicant after: State Grid Fujian Electric Power Co., Ltd.

Applicant after: Wuhan Nari Limited Liability Company of State Grid Electric Power Research Institute

Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Applicant before: State Grid Corporation of China

Applicant before: State Grid Gansu Electric Power Company

Applicant before: State Grid Fujian Electric Power Co., Ltd.

Applicant before: Wuhan Nari Limited Liability Company of State Grid Electric Power Research Institute

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20170926

RJ01 Rejection of invention patent application after publication