CN109255555B - 基于历史运行信息的电力大数据设备生命周期估计方法 - Google Patents
基于历史运行信息的电力大数据设备生命周期估计方法 Download PDFInfo
- Publication number
- CN109255555B CN109255555B CN201811203669.5A CN201811203669A CN109255555B CN 109255555 B CN109255555 B CN 109255555B CN 201811203669 A CN201811203669 A CN 201811203669A CN 109255555 B CN109255555 B CN 109255555B
- Authority
- CN
- China
- Prior art keywords
- life cycle
- equipment
- data
- normal
- verification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012795 verification Methods 0.000 claims description 27
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 16
- 230000001186 cumulative effect Effects 0.000 claims 2
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000007619 statistical method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于历史运行信息的电力大数据设备生命周期估计方法,该方法通过对电力设备的历史运行信息进行统计分析,获取不同设备的生命周期信息,包括设备ID、生命周期正常值范围、已用生命周期、预计剩余生命周期、预警状态,为设备运维提供决策支持,并应用到支撑多级调控系统的电力大数据应用功能中,进一步提升智能电网的技术水平和应用水平。
Description
【技术领域】
本发明属于电力自动化及电力大数据技术领域,涉及统计分析及数据挖掘算法在电力大数据领域应用的方法,特别涉及基于历史运行信息的设备生命周期估计方法。
【背景技术】
电力大数据将贯穿未来电力调度生产及设备管理等各个环节,随着电力系统不断向大运行、大容量方向发展,其安全稳定运行对国计民生的影响越来越大。作为电力系统重要组成部分的电力设备,如果发生突发性停电事故,会造成巨大的经济损失和不良的社会影响。因此,对于电力系统设备,特别是对承担电网调控运行的电力设备进行监控分析与故障诊断,及时发现其存在的不良状况,并按照科学的运检策略,对其进行相应的检修和运行维护,可以大大降低其突发性故障发生概率,这对电力系统的安全稳定运行具有十分重要的意义。
通过对设备历史运行记录的统计分析,找到不同设备(含设备类、零部件等)的生命周期,为设备运维提供决策支持。因此,迫切需要一种根据电力设备的历史运行信息进行设备生命周期估计的方法。
【发明内容】
为了解决现有技术中的上述问题,本发明提供了一种基于历史运行信息的电力大数据设备生命周期估计方法。
本发明采用的技术方案具体如下:
一种基于历史运行信息的电力大数据设备生命周期估计方法,包括以下步骤:
(1)数据预处理:即统计设备运行信息,并剔除异常信息,所述设备运行信息包括设备ID和设备的总生命时间;
(2)数据分布校验:对经过数据预处理的每种类型的设备的总生命时间进行分布校验,判断其是否符合正态分布,如果某类型设备的总生命时间不符合正态分布,则该类型设备校验不通过,该类型设备的运行信息不用于后续步骤;
(3)建立生命周期模型:即计算各类设备的正常生命周期范围,并计算指定设备的生命周期信息;
(4)结果输出:输出指定设备的生命周期信息。
进一步地,所述步骤1中,剔除异常信息的具体步骤包括:
假设对于某一类型的设备,数据预处理模块收集了n个该类型设备的总生命时间,将该n个总生命时间按照从小到大排序,设为T(1),T(2),……,T(n);计算该类型设备的正常数据范围[Min,Max],其中,正常数据的最小值Min为:
正常数据的最大值Max为:
所述n个总生命时间中,小于Min或者大于Max的总生命时间都属于异常信息。
进一步地,所述步骤2中,还通过图示法验证其数据分布。
进一步地,所述图示法使用P-P图验证,所述P-P图验证是以数据的累计频率作为横坐标,以按照正态分布计算的相应累计概率作为纵坐标,把数据值表现为直角坐标系中的散点,判断数据点是否围绕第一象限的对角线分布。
进一步地,所述图示法使用Q-Q图验证,所述Q-Q图验证是以数据的分位数作为横坐标,以按照正态分布计算的相应分位点作为纵坐标,把数据值表现为直角坐标系的散点,判断数据点是否围绕第一象限的对角线分布。
进一步地,所述图示法使用直方图验证。
进一步地,所述步骤3中,设某类设备的生命周期均值为A,其标准差为B,则其正常生命周期范围为[A-2B,A+2B],该类设备的生命周期数据中,小于A-2B的数据定义为生命周期极小异常值,大于A+2B的数据定义为生命周期极大异常值。
进一步地,对于指定设备,设该设备所属设备类型的正常生命周期范围为[A-2B,A+2B],如果T≥A+2B,则该设备的预计剩余生命周期为0,如果A-2B<T<A+2B,则该设备的预计剩余生命周期为[0,A+2B-T],如果T≤A-2B,则该设备的预计剩余生命周期为[A-2B-T,A+2B-T]。
进一步地,所述生命周期信息包括设备ID、正常生命周期范围、已用生命周期、预计剩余生命周期、预警状态。
进一步地,如果设备的已用生命周期处于生命周期极小异常值范围内,则其预警状态为1;如果设备的已用生命周期处于正常生命周期范围内,则其预警状态为2;如果设备的已用生命周期处于生命周期极大异常值范围内,则其预警状态为3。
本发明的有益效果为:为设备运维提供决策支持,并应用到支撑多级调控系统的电力大数据应用功能中,进一步提升智能电网的技术水平和应用水平。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解,构成本申请的一部分,但并不构成对本发明的不当限定,在附图中:
图1是本发明方法的功能模块示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明,其中的示意性实施例以及说明仅用来解释本发明,但并不作为对本发明的限定。
参见附图1,其示出了本发明方法的四个功能模块,即数据预处理模块、数据分布检验模块、生命周期模型建立模块和结果输出模块。下面对这四个功能模块进行详细说明。
(1)数据预处理模块
所述数据预处理模块用于统计设备运行信息,并剔除异常信息。具体地,数据预处理模块收集不同设备(包括设备类、零部件等)的运行时间,得到已知的各个设备的总生命时间,所述总生命时间就是该设备的实际生命周期,即从该设备出厂到报废的时间。下表是收集的各个设备的示例:
设备ID | 总生命时间(单位:天) |
M101 | 1435 |
M102 | 714 |
M103 | 1327 |
M104 | 684 |
M105 | 1411 |
M106 | 568 |
M107 | 1447 |
M108 | 943 |
M109 | 553 |
M110 | 231 |
M111 | 1454 |
M112 | 1007 |
M113 | 249 |
所述设备ID是每个设备的唯一标识符。
为了对设备的生命周期进行估计,数据预处理模块需要收集大量设备的运行信息,并且对于每一类型的设备,都需要收集足够数量的设备运行信息。优选情况下,对于同一类型的设备,需要至少收集100个该类型设备的运行信息,从而至少得到100个该类型设备的总生命时间。
在收集了足够数量的设备运行信息后,数据预处理模块需要剔除其中的异常信息。具体地,假设对于某一类型的设备,数据预处理模块收集了n个该类型设备的总生命时间,将该n个总生命时间按照从小到大排序,设为T(1),T(2),……,T(n)。由此可以计算该类型设备的正常数据范围[Min,Max],其中,正常数据的最小值Min为:
正常数据的最大值Max为:
因此,所述n个总生命时间中,小于Min或者大于Max的总生命时间都属于异常信息,这些过大或者过小的总生命时间都可能由异常情况引起的,会影响对生命周期的正常估计。因此数据预处理模块从收集的设备运行信息中剔除这些异常的总生命时间及相应的设备信息。
数据预处理模块针对每种类型的设备都进行上述剔除异常信息的操作,使得最后每种类型的设备总生命时间都处于正常范围内。
(2)数据分布校验模块
对于生命周期这样的随机变量,由于其值是连续型特点(生命周期可以从1天到N天,N理论上可以取任何值,而非属于固定的区间或范围),其值的分布应当适用于连续型概率分布模型(如正态分布),而可首先排除离散型概率分布模型(如泊松分布)。
进一步地,在连续型概率分布模型中,根据先验经验排除两种模型:均匀分布和指数分布,原因是生命周期的分布既不是在不同时间内均匀分布的,也不是呈指数分布特点,因此予以排除。因此,生命周期的分布适用模型仅剩下正态分布(高斯分布)。
数据分布校验模块对经过数据预处理模块处理的每种类型的设备的总生命时间进行分布校验,即对各类设备总生命时间的数据密度函数进行验证,判断其是否符合正态分布,如果不符合正态分布,则该类设备的已收集数据不合要求,无法用于估计该类设备的生命周期,需要继续收集这种类型设备的数据。
数据分布校验模块还可以通过图示的方法来验证数据是否是正态分布。包括P-P图验证、Q-Q图验证和直方图验证。
所述P-P图验证是以数据的累计频率作为横坐标,以按照正态分布计算的相应累计概率作为纵坐标,把数据值表现为直角坐标系中的散点。如果数据服从正态分布,则数据点应围绕第一象限的对角线分布。
所述Q-Q图验证是以数据的分位数作为横坐标,以按照正态分布计算的相应分位点作为纵坐标,把数据值表现为直角坐标系的散点。如果数据服从正态分布,则数据点应该呈一条围绕第一象限对角线的直线。
所述直方图验证即输出数据的直方图,并选择正态性曲线输出,如果数据服从正态分布,则直方图应呈现钟形分布。
优选的,上述图示法以Q-Q图为佳,效率较高。
(3)生命周期模型建立模块
所述生命周期模型建立模块用于建立各类设备的生命周期模型,并基于所述模型计算指定设备的生命周期信息。
具体地,所述生命周期模型建立模块基于通过所述数据分布校验的各类设备的信息,计算各类设备的生命周期均值和标准差。
假设某类设备的生命周期均值为A,其标准差为B,则其正常生命周期范围为[A-2B,A+2B]。该类设备的生命周期数据中,小于A-2B的数据定义为生命周期极小异常值,大于A+2B的数据定义为生命周期极大异常值。
对于指定设备,其已用生命周期T是该设备已经正常工作的时间,即从该设备出厂到最后正常工作的时间。假设该设备所属设备类型的正常生命周期范围为[A-2B,A+2B],如果T≥A+2B,则该设备的预计剩余生命周期为0,如果A-2B<T<A+2B,则该设备的预计剩余生命周期为[0,A+2B-T],如果T≤A-2B,则该设备的预计剩余生命周期为[A-2B-T,A+2B-T]。
(4)结果输出模块
所述结果输出模块可以输出设备的生命周期信息,对于每个设备,可以输出该设备的设备ID、正常生命周期范围、已用生命周期、预计剩余生命周期、预警状态。
其中,如果设备的已用生命周期处于生命周期极小异常值范围内,则其预警状态为1;如果设备的已用生命周期处于正常生命周期范围内,则其预警状态为2;如果设备的已用生命周期处于生命周期极大异常值范围内,则其预警状态为3。通过预警状态值,可以简单判断设备的当前状态,预警状态值越大,则该设备的风险越大。
以上所述仅是本发明的较佳实施方式,故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰,均包括于本发明专利申请范围内。
Claims (8)
1.一种基于历史运行信息的电力大数据设备生命周期估计方法,其特征在于,包括以下步骤:
(1)数据预处理:即统计设备运行信息,并剔除异常信息,所述设备运行信息包括设备ID和设备的总生命时间;
(2)数据分布校验:对经过数据预处理的每种类型的设备的总生命时间进行分布校验,判断其是否符合正态分布,如果某类型设备的总生命时间不符合正态分布,则该类型设备校验不通过,该类型设备的运行信息不用于后续步骤;
(3)建立生命周期模型:即计算各类设备的正常生命周期范围,并计算指定设备的生命周期信息;
(4)结果输出:输出指定设备的生命周期信息;
所述步骤1中,剔除异常信息的具体步骤包括:
假设对于某一类型的设备,数据预处理模块收集了n个该类型设备的总生命时间,将该n个总生命时间按照从小到大排序,设为T(1),T(2),……,T(n);计算该类型设备的正常数据范围[Min,Max],其中,正常数据的最小值Min为:
正常数据的最大值Max为:
所述n个总生命时间中,小于Min或者大于Max的总生命时间都属于异常信息;
所述步骤3中,设某类设备的生命周期均值为A,其标准差为B,则其正常生命周期范围为[A-2B,A+2B],该类设备的生命周期数据中,小于A-2B的数据定义为生命周期极小异常值,大于A+2B的数据定义为生命周期极大异常值。
2.根据权利要求1所述的方法,其特征在于,所述步骤2中,还通过图示法验证其数据分布。
3.根据权利要求2所述的方法,其特征在于,所述图示法使用P-P图验证,所述P-P图验证是以数据的累计频率作为横坐标,以按照正态分布计算的相应累计概率作为纵坐标,把数据值表现为直角坐标系中的散点,判断数据点是否围绕第一象限的对角线分布。
4.根据权利要求2所述的方法,其特征在于,所述图示法使用Q-Q图验证,所述Q-Q图验证是以数据的分位数作为横坐标,以按照正态分布计算的相应分位点作为纵坐标,把数据值表现为直角坐标系的散点,判断数据点是否围绕第一象限的对角线分布。
5.根据权利要求2所述的方法,其特征在于,所述图示法使用直方图验证。
6.根据权利要求1所述的方法,其特征在于,对于指定设备,设该设备所属设备类型的正常生命周期范围为[A-2B,A+2B],如果T≥A+2B,则该设备的预计剩余生命周期为0,如果A-2B<T<A+2B,则该设备的预计剩余生命周期为[0,A+2B-T],如果T≤A-2B,则该设备的预计剩余生命周期为[A-2B-T,A+2B-T]。
7.根据权利要求6所述的方法,其特征在于,所述生命周期信息包括设备ID、正常生命周期范围、已用生命周期、预计剩余生命周期、预警状态。
8.根据权利要求7所述的方法,其特征在于,如果设备的已用生命周期处于生命周期极小异常值范围内,则其预警状态为1;如果设备的已用生命周期处于正常生命周期范围内,则其预警状态为2;如果设备的已用生命周期处于生命周期极大异常值范围内,则其预警状态为3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811203669.5A CN109255555B (zh) | 2018-10-16 | 2018-10-16 | 基于历史运行信息的电力大数据设备生命周期估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811203669.5A CN109255555B (zh) | 2018-10-16 | 2018-10-16 | 基于历史运行信息的电力大数据设备生命周期估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255555A CN109255555A (zh) | 2019-01-22 |
CN109255555B true CN109255555B (zh) | 2023-10-27 |
Family
ID=65046274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811203669.5A Active CN109255555B (zh) | 2018-10-16 | 2018-10-16 | 基于历史运行信息的电力大数据设备生命周期估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255555B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110487315B (zh) * | 2019-08-28 | 2021-09-28 | 广东核电合营有限公司 | 一种仪表漂移的分析系统及方法 |
CN113268751A (zh) * | 2021-05-21 | 2021-08-17 | 海南太美航空股份有限公司 | 一种航班数据管控方法、系统、存储介质及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002090266A (ja) * | 2000-09-20 | 2002-03-27 | Mitsui Eng & Shipbuild Co Ltd | 余寿命予測装置 |
CN102426307A (zh) * | 2011-09-19 | 2012-04-25 | 工业和信息化部电子第五研究所 | 一种基于短期寿命试验数据的快速寿命评价方法 |
CN106251049A (zh) * | 2016-07-25 | 2016-12-21 | 国网浙江省电力公司宁波供电公司 | 一种大数据的电费风险模型构建方法 |
CN106777577A (zh) * | 2016-11-30 | 2017-05-31 | 中国西电电气股份有限公司 | 一种基于运行数据预测高压开关产品剩余寿命的方法 |
CN107480341A (zh) * | 2017-07-21 | 2017-12-15 | 河海大学 | 一种基于深度学习的大坝安全综合评判方法 |
-
2018
- 2018-10-16 CN CN201811203669.5A patent/CN109255555B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002090266A (ja) * | 2000-09-20 | 2002-03-27 | Mitsui Eng & Shipbuild Co Ltd | 余寿命予測装置 |
CN102426307A (zh) * | 2011-09-19 | 2012-04-25 | 工业和信息化部电子第五研究所 | 一种基于短期寿命试验数据的快速寿命评价方法 |
CN106251049A (zh) * | 2016-07-25 | 2016-12-21 | 国网浙江省电力公司宁波供电公司 | 一种大数据的电费风险模型构建方法 |
CN106777577A (zh) * | 2016-11-30 | 2017-05-31 | 中国西电电气股份有限公司 | 一种基于运行数据预测高压开关产品剩余寿命的方法 |
CN107480341A (zh) * | 2017-07-21 | 2017-12-15 | 河海大学 | 一种基于深度学习的大坝安全综合评判方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109255555A (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111555716B (zh) | 光伏阵列工作状态的确定方法、装置、设备及存储介质 | |
CN104992270B (zh) | 输变电设备状态检修辅助决策系统及方法 | |
CN104131950B (zh) | 一种风电机组温度特征量的阈值分区确定方法 | |
CN114137916B (zh) | 基于数据分析的电路板生产用监督管控系统 | |
CN109255555B (zh) | 基于历史运行信息的电力大数据设备生命周期估计方法 | |
CN109510227B (zh) | 一种直流闭锁后换流站母线稳态电压确定方法和装置 | |
CN103227662B (zh) | 一种基于状态控制的电力通信设备安全检测方法及系统 | |
CN106656669B (zh) | 一种基于阈值自适应设置的设备参数异常检测系统及方法 | |
CN106777392A (zh) | 基于流计算的风电机组scada数据的实时处理方法 | |
CN109885019B (zh) | 一种风机状态自动判断方法 | |
CN109142979B (zh) | 一种配电网异常状态的检测方法及装置 | |
CN114679133A (zh) | 基于发电预测的光伏阵列异常判断方法、介质和设备 | |
CN109543847B (zh) | 一种电力大数据设备生命周期管理系统 | |
CN116424096A (zh) | 资源动态优化配置的新能源汽车电池采集总成方法及系统 | |
CN110556823B (zh) | 基于模型降维的安全约束机组组合快速计算方法及系统 | |
CN106203799A (zh) | 一种设备风险预警的方法 | |
CN116541748A (zh) | 基于人工智能技术的电网故障诊断方法和系统 | |
CN115760057A (zh) | 一种光伏场站发电量提升方法、装置、设备及介质 | |
CN116448234A (zh) | 一种电力变压器运行状态声纹监测方法及系统 | |
CN116365713A (zh) | 一种光伏电站集群监控方法及系统 | |
CN115545966A (zh) | 一种光伏组串电量损失分析与识别方法及其存储介质 | |
JP2012190947A (ja) | 太陽光発電装置における異常検知システム | |
CN113494428B (zh) | 风力发电机组的故障检测方法和装置 | |
CN115828439A (zh) | 风力发电机组异常损耗的识别方法及装置 | |
CN113937774A (zh) | 一种电源涉网保护的校核方法和系统 |
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 |