CN110061762A - 基于决策融合的电力线工频通讯信号检测算法 - Google Patents

基于决策融合的电力线工频通讯信号检测算法 Download PDF

Info

Publication number
CN110061762A
CN110061762A CN201910238636.2A CN201910238636A CN110061762A CN 110061762 A CN110061762 A CN 110061762A CN 201910238636 A CN201910238636 A CN 201910238636A CN 110061762 A CN110061762 A CN 110061762A
Authority
CN
China
Prior art keywords
signal
imf
frequency
noise
decision fusion
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.)
Granted
Application number
CN201910238636.2A
Other languages
English (en)
Other versions
CN110061762B (zh
Inventor
姜思卓
程超
王强
胡洋
庞西品
夏晖
石立国
王海涛
苏加照
胡少康
魏振
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
Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Qingdao Power Supply Co of State Grid Shandong 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, Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910238636.2A priority Critical patent/CN110061762B/zh
Publication of CN110061762A publication Critical patent/CN110061762A/zh
Application granted granted Critical
Publication of CN110061762B publication Critical patent/CN110061762B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B3/00—Line transmission systems
    • H04B3/02—Details
    • H04B3/32—Reducing cross-talk, e.g. by compensating
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B3/00—Line transmission systems
    • H04B3/02—Details
    • H04B3/46—Monitoring; Testing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Transmitters (AREA)

Abstract

本发明涉及一种基于决策融合的电力线工频通讯信号检测算法，属于载波通信技术领域。本发明包括以下步骤：对实时的电力线工频通讯信号进行加权求和消除背景信号；对加权求和后的通信信号进行求导；对处理后的信号进行EEMD分解；测量各本征模函数频率；对保留的IMF进行阈值去噪，根据电网中的噪声有用信号和噪声信号能量分布,选择动态阈值对保留的阶数进行决策融合降噪处理；计算各阶IMF希尔伯特边际谱。本发明采用动态阀值进行决策融合降噪，同时能不断提高信号的检测性能，降低噪声干扰，提高信号传输进度。

Description

基于决策融合的电力线工频通讯信号检测算法
技术领域
本发明涉及一种基于决策融合的电力线工频通讯信号检测算法，属于载波通信技术领域。
背景技术
双向工频通信系统是一种基于电力配电网络的通信系统，该系统以电力线为数据传输载 体，利用过零调制原理实现信号的调制。
工频通信信号是通过晶闸管的开关控制在基波电压信号过零点附近处产生的畸变电流脉 冲信号，是一种频谱随时间变化的时变信号。双向工频通信信号检测是在大背景下检测小信 号，传统的检测方法是时域检测法，这种方法会损失大量有用的信息，对电网有一定要求， 具有一定的局限性，现有的时域检测方法使用最普遍的小波变换信号检测发明，此方法对调 制信号进行时频分析时会受到小波基选取的影响，导致无法进行精确的时频分析。
当配电网中存在强干扰信号和突发干扰噪声时，双向工频通信的系统误码率将很高，甚 至足以使通信中断。另外，由于现有电力线工频通讯的信号检测大多基于固定阀值进行噪声 去除，误差较大，影响信号的传输精度。
发明内容
针对现有技术存在的上述缺陷，本发明提出了一种基于决策融合的电力线工频通讯信号 检测算法，采用动态阀值进行决策融合降噪，同时能不断提高信号的检测性能，降低噪声干 扰，提高信号传输进度。
本发明所述的基于决策融合的电力线工频通讯信号检测算法，包括如下步骤：
S1.加权求和：由于电力线工频通信上行信号检测是在大背景中提取微弱电流，因此需要 实时的电力线工频通讯信号进行加权求和抵消工频信号，利用下式计算：
其中，IA、IB、IC是电网中的三相电流，同时使信号增强1倍；
S2.信号求导：经晶闸管的开关在工频电压过零点处产生的电流脉冲，每个脉冲含有一个 极大值或一个极小值以及两个过零点，通过对其求导后，每个脉冲含有一个极大值，一个极 小值和一个过零点；
S3.EEMD分解：在原信号中加入均匀分布的高斯白噪声，填补原始调制畸变电流中部分 尺度缺失，使待测的调制电流在不同程度上连续；减小模态混叠的程度，包括如下小步：
S31：选定EEMD分解总次数与白噪声的幅值系数：
S32：EEMD分解：在原调制畸变电流信号中加入幅值系数为0.2的高斯白噪声，对所得 信号进行EEMD，得到n个IMF记为imfj；
S33：各自IMF获取：对原调制畸变电流信号添加的下一个白噪声序列重复上述步骤，获 得各自的IMF；
S34：计算剩余信号Ri，1：
Ri，1＝xi(t)-imfi，1(t) (2)
其中，xi(t)为原始信号，imfi，1(t)为混入第i个白噪声序列分解得到的第一阶IMF；
把剩余信号Ri，1作为待处理信号进行EMD分解，依次获得imfi，1，imfi，2，…imfi，j；
S35：对所得结果求平均：
其中，j＝1，2，…n，n为分解的阶数去除添加的白噪声，得到待测信号；
S4.测量各IMF的频率：测量各本征模函数频率，通过傅里叶变换测量各阶IMF的频率， 获取频率范围在150HZ～500HZ所对应的阶数；
S5.对保留的IMF进行阈值去噪：选择动态阈值对保留的阶数进行决策融合降噪处理；
所述动态阀值公式为：
其中，Z为动态阀值，n为150HZ～500HZ频率分段个数，A0工频通信信号基本系数，Ai为噪声信号系数，Xi＝(ρi-ρsi)，ρi是第i分段下的频率数据，ρsi是第i分段下的无噪声频率数据；
经过小波变换处理后得到的拟合波形和未处理前的拟合波形，有效地去除了配电网中的 严重的谐波噪声；
S6.计算各阶IMF希尔伯特边际谱：包括如下小步：
S61：计算各阶IMF希尔伯特边际谱，将获取的IMF分量其中一个本征模函数分量记为： imf(t)；
S62：经过希尔伯变换后的H[imf(t)]与原imf(t)分量组成解析信号，记为：
式中，
其中，瞬时角频率为H(ω，t)是振幅I(t)以灰度形式在频率-时间平面 上显示的希尔伯特谱；
S63：对H(ω，t)在时间上积分，进而求得希尔伯特边际谱，根据得到的希尔伯特边际谱 可以清晰的判断出调制信号所在的时域；
S64：经计算，选择动态阈值对保留的阶数进行决策融合降噪处理，获取的各阶IMF希尔 伯特边际谱，所得到的电力线工频信号和无干扰下的信号波形轨迹近似，有效地去除了配电 网中的噪声。
优选地，所述步骤S2中，上行信号是通过对电流基波波形的调制来传送信息，信号由用 户终端发出，携带相关的信息传回子站，其调制信号的频率在150Hz～500Hz范围内变化。
优选地，所述步骤S3中，EEMD的分解次数为1000，白噪声的幅值系数为0.2。
优选地，所述步骤S4中，通过对电流基波波形的调制来传送信息，信号由用户终端发出， 携带相关的信息传回子站，其调制信号的频率在150Hz～600Hz范围内变化，找出150HZ～ 500HZ频率所在的阶数进行保留，保留的150HZ～500HZ所在的范围为调制信号所在阶数。
优选地，所述步骤S5中，由于电网中的噪声都是随机的，其能量大部分是均匀分布，有 用信号的能量相对集中，根据有用信号和噪声信号能量的分布不同选择合适的阈值对保留的 IMF进行降噪处理。
优选地，所述步骤S5中，频率分段个数n为10-20之间。
本发明的有益效果是：
(1)本发明采用动态阀值进行决策融合降噪，同时能不断提高信号的检测性能，降低噪声 干扰，提高信号传输进度。
(2)本发明首先通过加权求和法使调制信号的背景工频信号相互抵消并且增强调制信号， 然后对增强后的调制信号进行求导，求导目的就是使原始信号满足EEMD的条件，减小了EEMD 的计算量，再通过相关运算找到n阶IMF中150HZ～500HZ的阶数，对此类IMF进行阈值降噪 处理，对降噪后的信号进行利用希尔伯特变换计算希尔伯特边际谱，从而检测调制信号所在 时域。
附图说明
图1是本发明的流程图。
具体实施方式
为了使本发明目的、技术方案更加清楚明白，下面结合实施例，对本发明作进一步详细 说明。
结合附图1对本发明具体实施方式进一步详细描述，基于决策融合的电力线工频通讯信 号检测算法，具体包括以下步骤：
S1.对信号加权求和消除背景信号
电力线工频通信上行信号检测是在大背景中提取微弱电流，因此，可以利用公式对实时的电力线工频通讯信号进行加权求和抵消工频信号，其中，IA、IB、IC是电网中的三相电流，同时使信号增强1倍；
S2.对加权求和后的通信信号进行求导
经晶闸管的开关在工频电压过零点处产生的电流脉冲，每个脉冲含有一个极大值或一个 极小值以及两个过零点，对这样的信号进行EEMD分解计算量会非常大，对其求导后，每个脉 冲含有一个极大值，一个极小值和一个过零点，满足EEMD的分解条件，大大减小了计算量； 对其求导的计算过程为本领域技术人员所熟悉的简单数学运算；其中，上行信号是通过对电 流基波波形的调制来传送信息，信号由用户终端发出，携带相关的信息传回子站，其调制信 号的频率在150Hz～500Hz范围内变化；
S3.对处理后的信号进行EEMD分解
在原信号中加入均匀分布的高斯白噪声，填补原始调制畸变电流中部分尺度缺失，使待 测的调制电流在不同程度上连续；减小模态混叠的程度；选定进行EEMD分解总次数与白噪声 的幅值系数，这里EEMD分解总次数取100，白噪声的幅值系数取0.2，处理后的信号进行 EEMD步骤如下：
(1)在原调制畸变电流信号中加入幅值系数为0.2的高斯白噪声，对所得信号进行EEMD， 得到n个IMF记为imfj；
(2)对原调制畸变电流信号添加的下一个白噪声序列重复上述步骤，获得各自的IMF；
(3)计算剩余信号Ri，1＝xi(t)-imfi，1(t)，xi(t)为原始信号，imfi，1(t)为混入第i个白噪 声序列分解得到的第一阶IMF，把剩余信号作为待处理信号进行EMD分解，依次获得imfi，1， imfi，2，...imfi，j；
(4)对所得结果求平均其中j＝1，2，…n，n为分解的阶数去除添加的白 噪声，得到待测信号。
S4.测量各IMF的频率：
测量各本征模函数频率，通过傅里叶变换测量各阶IMF的频率，获取频率范围在150HZ～ 500HZ所对应的阶数；具体是通过对电流基波波形的调制来传送信息，信号由用户终端发出， 携带相关的信息传回子站，其调制信号的频率在150Hz～600Hz范围内变化，找出150HZ～ 500HZ频率所在的阶数进行保留，保留的150HZ～500HZ所在的范围为调制信号所在阶数；
S5.对保留的IMF进行阈值去噪：
由于电网中的噪声都是随机的，其能量大部分是均匀分布，有用信号的能量相对集中， 根据有用信号和噪声信号能量的分布不同选择合适的阈值对保留的IMF进行降噪处理。
选择动态阈值对保留的阶数进行决策融合降噪处理；所述动态阀值公式为其中，Z为动态阀值，n为150HZ～500HZ频率分段个数，A0工频通信信 号基本系数，Ai为噪声信号系数，Xi＝(ρi-ρsi)，ρi是第i分段下的频率数据，ρsi是第i分 段下的无噪声频率数据。本实施例中频率分段个数n为10。
经过小波变换处理后得到的拟合波形和未处理前的拟合波形十分接近，有效地去除了配 电网中的严重的谐波噪声。
S6.计算各阶IMF希尔伯特边际谱：
计算各阶IMF希尔伯特边际谱，将获取的IMF分量其中一个本征模函数分量记为imf(t)， 经过希尔伯变换后的H[imf(t)]与原imf(t)分量组成解析信号，记为 Y(t)＝imf(t)+jH[imf(t)]＝I(t)ejφ(t)；
其中，φ(t)＝arctan[h(t)/c(t)]，瞬时角频率为 W(t)＝dφ(t)/dt，H(ω，t)是振幅I(t)以灰度形式在频率时间平面上显示的希尔伯特谱， 对H(ω，t)在时间上积分，进而求得希尔伯特边际谱，根据得到的希尔伯特边际谱可以清晰 的判断出调制信号所在的时域。
经计算，选择动态阈值对保留的阶数进行决策融合降噪处理，获取的各阶IMF希尔伯特 边际谱，所得到的电力线工频信号和无干扰下的信号波形轨迹近似，有效地去除了配电网中 的噪声。
本发明将采用动态阀值进行决策融合降噪，同时能不断提高信号的检测性能，降低噪声 干扰，提高信号传输进度。本算法首先通过加权求和法使调制信号的背景工频信号相互抵消 并且增强调制信号，然后对增强后的调制信号进行求导，求导目的就是使原始信号满足EEMD 的条件，利用EEMD对调制信号进行分解，减小了EEMD的计算量，再通过相关运算找到n阶 IMF中150HZ～500HZ的阶数，对此类IMF进行阈值降噪处理，对降噪后的信号进行利用希尔 伯特变换计算希尔伯特边际谱，从而检测调制信号所在时域。
本发明可广泛运用于载波通信场合。
以上所述仅为本发明的较佳实施例而己，并不以本发明为限制，凡在本发明的精神和原 则之内所作的均等修改、等同替换和改进等，均应包含在本发明的专利涵盖范围内。

Claims (6)

1.一种基于决策融合的电力线工频通讯信号检测算法，其特征在于，包括如下步骤：
S1.加权求和：由于电力线工频通信上行信号检测是在大背景中提取微弱电流，因此需要实时的电力线工频通讯信号进行加权求和抵消工频信号，利用下式计算：
其中,IA、IB、IC是电网中的三相电流，同时使信号增强1倍；
S2.信号求导：经晶闸管的开关在工频电压过零点处产生的电流脉冲，每个脉冲含有一个极大值或一个极小值以及两个过零点，通过对其求导后，每个脉冲含有一个极大值，一个极小值和一个过零点；
S3.EEMD分解：在原信号中加入均匀分布的高斯白噪声，填补原始调制畸变电流中部分尺度缺失，使待测的调制电流在不同程度上连续；减小模态混叠的程度，包括如下小步：
S31：选定EEMD分解总次数与白噪声的幅值系数：
S32：EEMD分解：在原调制畸变电流信号中加入幅值系数为0.2的高斯白噪声，对所得信号进行EEMD，得到n个IMF记为imfj；
S33：各自IMF获取：对原调制畸变电流信号添加的下一个白噪声序列重复上述步骤，获得各自的IMF；
S34：计算剩余信号Ri,1：
Ri,1＝xi(t)-imfi,1(t) (2)
其中，xi(t)为原始信号，imfi,1(t)为混入第i个白噪声序列分解得到的第一阶IMF；
把剩余信号Ri,1作为待处理信号进行EMD分解，依次获得imfi,1，imfi,2，...imfi,j；
S35：对所得结果求平均：
其中，j＝1,2,…n,n为分解的阶数去除添加的白噪声，得到待测信号；
S4.测量各IMF的频率：测量各本征模函数频率，通过傅里叶变换测量各阶IMF的频率，获取频率范围在150HZ～500HZ所对应的阶数；
S5.对保留的IMF进行阈值去噪：选择动态阈值对保留的阶数进行决策融合降噪处理；
所述动态阀值公式为:
其中，Z为动态阀值，n为150HZ～500HZ频率分段个数，A0工频通信信号基本系数，Ai为噪声信号系数，Xi＝(ρi-ρsi)，ρi是第i分段下的频率数据，ρsi是第i分段下的无噪声频率数据；
经过小波变换处理后得到的拟合波形和未处理前的拟合波形，有效地去除了配电网中的严重的谐波噪声；
S6.计算各阶IMF希尔伯特边际谱：包括如下小步：
S61：计算各阶IMF希尔伯特边际谱，将获取的IMF分量其中一个本征模函数分量记为：imf(t)；
S62：经过希尔伯变换后的H[imf(t)]与原imf(t)分量组成解析信号，记为：
式中，
其中，瞬时角频率为H(ω,t)是振幅I(t)以灰度形式在频率-时间平面上显示的希尔伯特谱；
S63：对H(ω,t)在时间上积分，进而求得希尔伯特边际谱，根据得到的希尔伯特边际谱可以清晰的判断出调制信号所在的时域；
S64：经计算，选择动态阈值对保留的阶数进行决策融合降噪处理，获取的各阶IMF希尔伯特边际谱，所得到的电力线工频信号和无干扰下的信号波形轨迹近似，有效地去除了配电网中的噪声。
2.根据权利要求1所述的基于决策融合的电力线工频通讯信号检测算法，其特征在于，所述步骤S2中，上行信号是通过对电流基波波形的调制来传送信息，信号由用户终端发出，携带相关的信息传回子站，其调制信号的频率在150Hz～500Hz范围内变化。
3.根据权利要求2所述的基于决策融合的电力线工频通讯信号检测算法，其特征在于，所述步骤S3中，EEMD的分解次数为1000，白噪声的幅值系数为0.2。
4.根据权利要求3所述的基于决策融合的电力线工频通讯信号检测算法，其特征在于，所述步骤S4中，通过对电流基波波形的调制来传送信息，信号由用户终端发出，携带相关的信息传回子站，其调制信号的频率在150Hz～600Hz范围内变化，找出150HZ～500HZ频率所在的阶数进行保留，保留的150HZ～500HZ所在的范围为调制信号所在阶数。
5.根据权利要求4所述的基于决策融合的电力线工频通讯信号检测算法，其特征在于，所述步骤S5中，由于电网中的噪声都是随机的，其能量大部分是均匀分布，有用信号的能量相对集中，根据有用信号和噪声信号能量的分布不同选择合适的阈值对保留的IMF进行降噪处理。
6.根据权利要求4所述的基于决策融合的电力线工频通讯信号检测算法，其特征在于，所述步骤S5中，频率分段个数n为10-20之间。
CN201910238636.2A 2019-03-27 2019-03-27 基于决策融合的电力线工频通讯信号检测算法 Active CN110061762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910238636.2A CN110061762B (zh) 2019-03-27 2019-03-27 基于决策融合的电力线工频通讯信号检测算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910238636.2A CN110061762B (zh) 2019-03-27 2019-03-27 基于决策融合的电力线工频通讯信号检测算法

Publications (2)

Publication Number Publication Date
CN110061762A true CN110061762A (zh) 2019-07-26
CN110061762B CN110061762B (zh) 2021-12-03

Family

ID=67317450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910238636.2A Active CN110061762B (zh) 2019-03-27 2019-03-27 基于决策融合的电力线工频通讯信号检测算法

Country Status (1)

Country Link
CN (1) CN110061762B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104320157A (zh) * 2014-10-30 2015-01-28 国家电网公司 一种电力线双向工频通信上行信号检测方法
CN108267638A (zh) * 2016-12-30 2018-07-10 钜泉光电科技(上海)股份有限公司 基于工频畸变的工频同步通信信号检测装置、系统和方法
CN108338784A (zh) * 2017-01-25 2018-07-31 中国科学院半导体研究所 基于eemd的小波熵阈值的心电信号去噪方法
RS20170205A1 (sr) * 2017-02-23 2018-08-31 Inst Mihajlo Pupin D O O Beograd Blind dfe ekvalizator sa ubrzanom konvergenciom

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104320157A (zh) * 2014-10-30 2015-01-28 国家电网公司 一种电力线双向工频通信上行信号检测方法
CN108267638A (zh) * 2016-12-30 2018-07-10 钜泉光电科技(上海)股份有限公司 基于工频畸变的工频同步通信信号检测装置、系统和方法
CN108338784A (zh) * 2017-01-25 2018-07-31 中国科学院半导体研究所 基于eemd的小波熵阈值的心电信号去噪方法
RS20170205A1 (sr) * 2017-02-23 2018-08-31 Inst Mihajlo Pupin D O O Beograd Blind dfe ekvalizator sa ubrzanom konvergenciom

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
孙曙光等: "一种基于新型小波阈值去噪预处理的EEMD谐波检测方法", 《电力系统保护与控制》 *
王文波等: "Denoising of chaotic signal using independent component analysis and empirical mode decomposition with circulate translating", 《CHINESE PHYSICS B》 *
甘雨等: "经验模态分解阈值消噪方法及其在惯性导航系统数据处理中的应用", 《测绘学报》 *
赵春晖等: "基于HTT的人员及车辆震动信号联合去噪方法", 《沈阳大学学报》 *

Also Published As

Publication number Publication date
CN110061762B (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
CN110175508B (zh) 一种应用于超声波局放检测的特征值提取方法
Achlerkar et al. Variational mode decomposition and decision tree based detection and classification of power quality disturbances in grid-connected distributed generation system
CN104459398B (zh) 一种采用二维形态学降噪的电能质量复合扰动识别方法
CN110648088B (zh) 一种基于鸟群算法与svm的电能质量扰动源判断方法
Zheng et al. Effects of geophysical parameters on GIC illustrated by benchmark network modeling
CN104320157B (zh) 一种电力线双向工频通信上行信号检测方法
CN107102255B (zh) 单一adc采集通道动态特性测试方法
Yao et al. Fast S-transform for time-varying voltage flicker analysis
Jain et al. An adaptive time-efficient technique for harmonic estimation of nonstationary signals
Yang et al. Ship recognition via its radiated sound: The fractal based approaches
CN103018537B (zh) 基于cwd谱峭度的暂态电能质量扰动分类识别方法
CN109212310A (zh) 一种微电网谐波检测方法
CN103424621A (zh) 一种谐波电流的人工神经网络检测方法
CN109270346A (zh) 一种opgw雷击处偏振态波形信号处理方法
CN112952753A (zh) 一种基于阈值自适应调整的低压电网触电事故检测方法及系统
CN109286457A (zh) 基于小波分析的twacs上行信号检测方法
CN105606892B (zh) 一种基于sst变换的电网谐波与间谐波分析方法
Wang et al. A method to identify aperiodic disturbances in the ionosphere
CN108008187A (zh) 基于变分模态分解的电网谐波检测方法
Kaiser et al. Estimation of power systems amplitudes, frequencies, and phase characteristics using energy operators
CN108761202A (zh) 极点对称模态分解和希尔伯特变换相结合的谐波检测方法
CN110061762A (zh) 基于决策融合的电力线工频通讯信号检测算法
Zhang et al. An adaptive decomposition scheme for wideband signals of power systems based on the modified robust regression smoothing and Chebyshev-II IIR filter bank
CN105516047B (zh) 自动抄表系统ofdm载波通信模块符号分组检测方法
CN105116218B (zh) 基于输入观测器理论的电力线路电流谐波检测方法

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
GR01 Patent grant
GR01 Patent grant