CN107798463A - 一种基于模糊识别的电网山火风险等级评估的方法 - Google Patents

一种基于模糊识别的电网山火风险等级评估的方法 Download PDF

Info

Publication number
CN107798463A
CN107798463A CN201710848392.0A CN201710848392A CN107798463A CN 107798463 A CN107798463 A CN 107798463A CN 201710848392 A CN201710848392 A CN 201710848392A CN 107798463 A CN107798463 A CN 107798463A
Authority
CN
China
Prior art keywords
mountain fire
risk class
fire risk
power network
assessed
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
CN201710848392.0A
Other languages
English (en)
Inventor
郑维刚
朱义东
姜常胜
黄珂
唐红
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
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Liaoning 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, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710848392.0A priority Critical patent/CN107798463A/zh
Publication of CN107798463A publication Critical patent/CN107798463A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及电网输电线路技术领域，尤其涉及一种电网山火风险等级评估的方法，具体是指一种基于模糊识别的电网山火风险等级评估的方法。包括：建立标准模型库；建立待识别的数据矩阵；计算格贴近度；计算改进的贴近度；择近原则；划分风险等级。本发明基于模糊识别的电网山火风险等级评估，评估结果较为合理，能够为相关人员提供可靠的资料；制定利用模糊识别对电网山火风险等级进行评估的方法，有利于划分山火风险等级的实际应用，为输电线路设计运维工作的开展，提供指导意义，并且准确度较高，便于使用。即可以兼顾电力系统安全，又有效的维护山火引起的电网跳闸故障率，保障电力系统的安全稳定运行，减少因山火带来的不必要的经济损失。

Description

一种基于模糊识别的电网山火风险等级评估的方法
技术领域
本发明涉及电网输电线路技术领域，尤其涉及一种电网山火风险等级评估的方法，具体是指一种基于模糊识别的电网山火风险等级评估的方法。
背景技术
近年来，由于植树造林、退耕还林等政策的出台，输电线路附近的植被密度和高度明显增加。另外，受极端天气等因素的影响，输电线路因山火引起的跳闸事故明显增加，对输电线路的安全运行造成了严重威胁，从而影响正常供电。因山火引起的跳闸事故对居民的正常生活造成了极大的不利影响，也对输电线路的正常运行工作带来了新的挑战。
目前，相关部门对因气象因素引起的输电线路故障已经开始重视，然而对于因山火引起的输电线路故障风险评估的研究较少。因此，评估电网山火风险等级，对输电线路的安全运行具有十分重要的意义。
发明内容
本发明的目的为了克服现有技术中的不足之处，本发明提供一种基于模糊识别的电网山火风险等级评估的方法，目的是为了提供一于种准确度高，能够为输电线路设计运维工作提供有效的指导的基于模糊识别的电网山火风险等级评估的方法。
为了实现上述发明目的，本发明是通过以下技术方案来实现的：
一种基于模糊识别的电网山火风险等级评估的方法，包括以下步骤：
(1)建立标准模型库；
(2)建立待识别的数据矩阵；
(3)计算格贴近度；
(4)计算改进的贴近度；
(5)择近原则；
(6)划分风险等级。
所述建立标准模型库是指将历史山火风险数据划分为4个风险等级的，每个等级由6个指标构成的标准模型库。
所述4个风险等级为极高风险、高风险、中风险和低风险等级。
所述6个指标分别为：实时空气温度、连续无雨日数、实时空气湿度、实时风力等级、植被等级和人为用火指数。
所述标准模型库由多年历史数据进行模糊聚类分析，将历史数据划分为4类，并对4类的6个指标分别求均值得到。
所述建立待识别的数据矩阵是指由待识别的包含6个指标的数据建立的矩阵。
所述计算格贴近度是指计算待识别的数据矩阵B与标准模型库A1，A2，A3，A4之间的格贴近度σ0(A1，B)、σ0(A2，B)、σ0(A3，B)和σ0(A4，B)的方法；
为A,B的格贴近度；为A,B的内积，为A,B的外积；
其中σ0代表格贴近度，A为山火风险标准模型库，B为待识别的数据矩阵，“o”为求内积运算符号，“e”为求外积符号，“∨”、“∧”分别为取大、取小运算符号，“∈”为属于符号，U为论域，x为U的元素。
所述计算改进的贴近度是指计算待识别的数据矩阵B与标准模型库A1，A2，A3，A4之间的改进的贴近度σ1(A1，B)、σ1(A2，B)、σ1(A3，B)和σ1(A4，B)的方法，其中，为A,B的改进的贴近度，此处“∧”为取小运算；
其中σ1改进的贴近度，“∑”为求和运算符，A为山火风险标准模型库，B为待识别的数据矩阵，U为论域，x为U的元素，“∧”为取小运算，“+”为加号,K表示元素在矩阵中的序号。
所述择近原则是指比较待识别的数据矩阵B与标准模型库A1，A2，A3，A4的格贴近度σ0(A1，B)、σ0(A2，B)、σ0(A3，B)和σ0(A4，B)，若存在i0∈{1,2,3,4}，使表示B与最贴近；
其中σ0代表格贴近度，A为山火风险标准模型库，B为待识别的数据矩阵，“∈”为属于符号，“{}”代表集合，“∨”为取大运算符号,K表示元素在矩阵中的序号，i0表示数据矩阵的行标；
比较待识别的数据矩阵B与标准模型库模型A1，A2，A3，A4的改进的贴近度σ1(A1，B)、σ1(A2，B)、σ1(A3，B)、σ1(A4，B)，若存在j0∈{1,2,3,4}，使则表示B与最贴近；
其中σ1改进的贴近度，A为山火风险标准模型库，B为待识别的数据矩阵，“∈”为属于符号，“{}”代表集合，“∨”为取大运算符号,K表示元素在矩阵中的序号，j0表示数据矩阵的列标。
所述划分风险等级是指若与相同，则将B划分为类；若与不相同，则将B划分为类或
本发明具有下列有益效果：
1、基于模糊识别的电网山火风险等级评估，评估结果较为合理，能够为相关人员提供可靠的资料；
2、制定了利用模糊识别对电网山火风险等级进行评估的方法，有利于划分山火风险等级的实际应用，为输电线路设计运维工作的开展，提供实际的指导意义。
3、该方法准确度较高，便于使用。即可以兼顾电力系统安全，同时也可以有效的维护山火引起的电网跳闸故障率，有效地保障了电力系统的安全稳定运行，减少了因山火带来的不必要的经济损失。
附图说明
下面结合具体实施例和附图对本发明作进一步详细说明。
图1是本发明采用模糊识别方法对电网山火风险等级进行评估的流程图。
具体实施方式
本发明是一种基于模糊识别的电网山火风险等级评估的方法，如图1所示，该方法可以通过编写程序代码实现。包括以下步骤：
(1)建立标准模型库；
(2)建立待识别的数据矩阵；
(3)计算格贴近度；
(4)计算改进的贴近度；
(5)择近原则；
(6)划分风险等级。
1、建立标准模型库：
建立标准模型库是指将历史山火风险数据划分为4个风险等级的，每个等级由6个指标构成的标准模型库A。
设在论域U＝{山火风险}，将山火风险等级划分为极高风险、高风险、中风险和低风险4个等级，构成了U上的标准模型库A＝{A1，A2，A3，A4}。描述山火风险等级的指标共6个，分别为：实时空气温度、连续无雨日数、实时空气湿度、实时风力等级、植被等级和人为用火指数。
标准模型库由多年历史数据进行模糊聚类分析，将历史数据划分为4类，并对4类的6个指标分别求均值得到。
2、建立待识别的数据矩阵：
建立待识别的数据矩阵是指由待识别的包含6个指标的数据建立的矩阵B。标准模型库A和待识别数据矩阵B如表1所示。
3、计算格贴近度：
计算格贴近度是指计算待识别的数据矩阵B与标准模型库A1，A2，A3，A4之间的格贴近度σ0(A1，B)、σ0(A2，B)、σ0(A3，B)和σ0(A4，B)的方法；为A,B的格贴近度；为A,B的内积，为A,B的外积。
其中σ0代表格贴近度，A为山火风险标准模型库，B为待识别的数据矩阵，“o”为求内积运算符号，“e”为求外积符号，“∨”、“∧”分别为取大、取小运算符号。“∈”为属于符号，U为论域，x为U的元素。
4、计算改进的贴近度：
计算改进的贴近度是指计算待识别的数据矩阵B与标准模型库A1，A2，A3，A4之间的改进的贴近度σ1(A1，B)、σ1(A2，B)、σ1(A3，B)和σ1(A4，B)的方法，其中，为A,B的改进的贴近度，此处“∧”为取小运算。
其中σ1改进的贴近度，“∑”为求和运算符，A为山火风险标准模型库，B为待识别的数据矩阵，U为论域，x为U的元素，“∧”为取小运算，“+”为加号,K表示元素在矩阵中的序号。
5、择近原则：
择近原则是指比较待识别的数据矩阵B与标准模型库A1，A2，A3，A4的格贴近度σ0(A1，B)、σ0(A2，B)、σ0(A3，B)和σ0(A4，B)，若存在i0∈{1,2,3,4}，使表示B与最贴近。
其中σ0代表格贴近度，A为山火风险标准模型库，B为待识别的数据矩阵，“∈”为属于符号，“{}”代表集合，“∨”为取大运算符号,K表示元素在矩阵中的序号，i0表示数据矩阵的行标。
比较待识别的数据矩阵B与标准模型库模型A1，A2，A3，A4的改进的贴近度σ1(A1，B)、σ1(A2，B)、σ1(A3，B)、σ1(A4，B)，若存在j0∈{1,2,3,4}，使则表示B与最贴近。
其中σ1改进的贴近度，A为山火风险标准模型库，B为待识别的数据矩阵，“∈”为属于符号，“{}”代表集合，“∨”为取大运算符号,K表示元素在矩阵中的序号，j0表示数据矩阵的列标。
6、划分风险等级：
划分风险等级是指若与相同，则将B划分为类；若与不相同，则将B划分为类或
表1：标准模型库A和待识别数据矩阵B。

Claims (10)

1.一种基于模糊识别的电网山火风险等级评估的方法，其特征是：包括以下步骤：
(1)建立标准模型库；
(2)建立待识别的数据矩阵；
(3)计算格贴近度；
(4)计算改进的贴近度；
(5)择近原则；
(6)划分风险等级。
2.根据权利要求1所述的一种基于模糊识别的电网山火风险等级评估的方法，其特征是：所述建立标准模型库是指将历史山火风险数据划分为4个风险等级的，每个等级由6个指标构成的标准模型库。
3.根据权利要求2所述的一种基于模糊识别的电网山火风险等级评估的方法，其特征是：所述4个风险等级为极高风险、高风险、中风险和低风险等级。
4.根据权利要求2所述的一种基于模糊识别的电网山火风险等级评估的方法，其特征是：所述6个指标分别为：实时空气温度、连续无雨日数、实时空气湿度、实时风力等级、植被等级和人为用火指数。
5.根据权利要求1所述的一种基于模糊识别的电网山火风险等级评估的方法，其特征是：所述标准模型库由多年历史数据进行模糊聚类分析，将历史数据划分为4类，并对4类的6个指标分别求均值得到。
6.根据权利要求1所述的一种基于模糊识别的电网山火风险等级评估的方法，其特征是：所述建立待识别的数据矩阵是指由待识别的包含6个指标的数据建立的矩阵。
7.根据权利要求1所述的一种基于模糊识别的电网山火风险等级评估的方法，其特征是：所述计算格贴近度是指计算待识别的数据矩阵B与标准模型库A1，A2，A3，A4之间的格贴近度σ0(A1，B)、σ0(A2，B)、σ0(A3，B)和σ0(A4，B)的方法；
为A,B的格贴近度；为A,B的内积，为A,B的外积；
其中σ0代表格贴近度，A为山火风险标准模型库，B为待识别的数据矩阵，“o”为求内积运算符号，“e”为求外积符号，“∧”、“∧”分别为取大、取小运算符号，“∈”为属于符号，U为论域，x为U的元素。
8.根据权利要求1所述的一种基于模糊识别的电网山火风险等级评估的方法，其特征是：所述计算改进的贴近度是指计算待识别的数据矩阵B与标准模型库A1，A2，A3，A4之间的改进的贴近度σ1(A1，B)、σ1(A2，B)、σ1(A3，B)和σ1(A4，B)的方法，其中，为A,B的改进的贴近度，此处“∧”为取小运算；
其中σ1改进的贴近度，“∑”为求和运算符，A为山火风险标准模型库，B为待识别的数据矩阵，U为论域，x为U的元素，“∧”为取小运算，“+”为加号,K表示元素在矩阵中的序号。
9.根据权利要求1所述的一种基于模糊识别的电网山火风险等级评估的方法，其特征是：所述择近原则是指比较待识别的数据矩阵B与标准模型库A1，A2，A3，A4的格贴近度σ0(A1，B)、σ0(A2，B)、σ0(A3，B)和σ0(A4，B)，若存在i0∈{1,2,3,4}，使表示B与最贴近；
其中σ0代表格贴近度，A为山火风险标准模型库，B为待识别的数据矩阵，“∈”为属于符号，“{}”代表集合，“∨”为取大运算符号,K表示元素在矩阵中的序号，i0表示数据矩阵的行标；
比较待识别的数据矩阵B与标准模型库模型A1，A2，A3，A4的改进的贴近度σ1(A1，B)、σ1(A2，B)、σ1(A3，B)、σ1(A4，B)，若存在j0∈{1,2,3,4}，使则表示B与最贴近；
其中σ1改进的贴近度，A为山火风险标准模型库，B为待识别的数据矩阵，“∈”为属于符号，“{}”代表集合，“∨”为取大运算符号,K表示元素在矩阵中的序号，j0表示数据矩阵的列标。
10.根据权利要求1所述的一种基于模糊识别的电网山火风险等级评估的方法，其特征是：所述划分风险等级是指若与相同，则将B划分为类；若与不相同，则将B划分为类或
CN201710848392.0A 2017-09-19 2017-09-19 一种基于模糊识别的电网山火风险等级评估的方法 Pending CN107798463A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710848392.0A CN107798463A (zh) 2017-09-19 2017-09-19 一种基于模糊识别的电网山火风险等级评估的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710848392.0A CN107798463A (zh) 2017-09-19 2017-09-19 一种基于模糊识别的电网山火风险等级评估的方法

Publications (1)

Publication Number Publication Date
CN107798463A true CN107798463A (zh) 2018-03-13

Family

ID=61531940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710848392.0A Pending CN107798463A (zh) 2017-09-19 2017-09-19 一种基于模糊识别的电网山火风险等级评估的方法

Country Status (1)

Country Link
CN (1) CN107798463A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921452A (zh) * 2018-07-27 2018-11-30 国网河北能源技术服务有限公司 一种基于模糊算法的输电线路风险评估复合预警方法
CN109003188A (zh) * 2018-06-01 2018-12-14 中国石油天然气股份有限公司 一种陆地探井钻井投资估算方法及装置
CN112668927A (zh) * 2021-01-07 2021-04-16 云南电网有限责任公司电力科学研究院 一种基于聚类法的考虑人为因素的动态山火风险评估方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106887848A (zh) * 2015-12-16 2017-06-23 南京南瑞继保电气有限公司 基于模糊模式识别的电压无功实时控制方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106887848A (zh) * 2015-12-16 2017-06-23 南京南瑞继保电气有限公司 基于模糊模式识别的电压无功实时控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯梅: "模糊模型识别在学生人才潜能属性测评中的应用", 《淮阴师范学院学报》 *
徐志光: "基于模糊模型识别的福建电网火烧山预警研究", 《华东电力》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109003188A (zh) * 2018-06-01 2018-12-14 中国石油天然气股份有限公司 一种陆地探井钻井投资估算方法及装置
CN108921452A (zh) * 2018-07-27 2018-11-30 国网河北能源技术服务有限公司 一种基于模糊算法的输电线路风险评估复合预警方法
CN108921452B (zh) * 2018-07-27 2021-04-09 华北电力大学（保定） 一种基于模糊算法的输电线路风险评估复合预警方法
CN112668927A (zh) * 2021-01-07 2021-04-16 云南电网有限责任公司电力科学研究院 一种基于聚类法的考虑人为因素的动态山火风险评估方法
CN112668927B (zh) * 2021-01-07 2023-11-24 云南电网有限责任公司电力科学研究院 一种基于聚类法的考虑人为因素的动态山火风险评估方法

Similar Documents

Publication Publication Date Title
CN107798463A (zh) 一种基于模糊识别的电网山火风险等级评估的方法
CN103500423A (zh) 一种电力突发事件案例适配决策方法
CN103544379B (zh) 基于gis的台风登陆相似分析方法
CN107239651A (zh) 一种电网鸟粪类故障风险等级评估的方法
CN104538957B (zh) 用于统计低频低压切负荷容量的电网模型自适应处理方法
CN104182803B (zh) 风电数据预处理方法及风电功率预测方法和系统
CN104297452B (zh) 基于无线传感器网络的土壤墒情数据预处理方法
CN104123679B (zh) 一种基于图论算法的沿海地区防风保安电网网架构建方法
CN108170073A (zh) 一种智能光伏云平台
CN107239899A (zh) 一种台风天气下电网负荷对气象因素的敏感度分析方法
CN114386674A (zh) 一种输电线路树木倒伏动态风险预警方法和系统
CN111163075B (zh) 电力监控系统设备性能指标阈值动态调整方法
CN105469195A (zh) 一种输电线路走廊环境火险等级评估方法
CN110147757A (zh) 基于卷积神经网络的输电通道工程车辆辨识方法及系统
Cheung Reunification through water and food: The other battle for lives and bodies in china's Hong Kong policy
CN109919199A (zh) 基于图像处理的风电机组异常数据的检测方法
CN104239973A (zh) 基于风浪预测的海上风电施工维护窗区的选择方法
CN107609775A (zh) 一种主动安全生产风险评估装置及方法
余荣 et al. Advances in scientific understanding on compound extreme events
CN106295698B (zh) 一种基于分层kpi相似度的智能光伏电站故障诊断方法
CN107733089A (zh) 一种基于svm的变电站刀闸二次回路故障预测方法
CN107274108A (zh) 山火预测下电网灭火装备静态博弈部署方法及系统
CN109802634A (zh) 一种基于大数据的光伏电站的智能运维方法及运维系统
CN206294622U (zh) 一种用于建筑防风的多排式防风林
CN104915681A (zh) 兼顾电压暂降监测信息及其关联因素的变电站聚类方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180313