CN110071308B - 一种阴极开放式燃料电池温度预测控制系统及方法 - Google Patents
一种阴极开放式燃料电池温度预测控制系统及方法 Download PDFInfo
- Publication number
- CN110071308B CN110071308B CN201910378735.0A CN201910378735A CN110071308B CN 110071308 B CN110071308 B CN 110071308B CN 201910378735 A CN201910378735 A CN 201910378735A CN 110071308 B CN110071308 B CN 110071308B
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- temperature
- cathode
- open type
- model
- 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
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04007—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids related to heat exchange
- H01M8/04067—Heat exchange or temperature measuring elements, thermal insulation, e.g. heat pipes, heat pumps, fins
- H01M8/04074—Heat exchange unit structures specially adapted for fuel cell
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/0432—Temperature; Ambient temperature
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
- H01M8/04701—Temperature
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Landscapes
- Engineering & Computer Science (AREA)
- General Chemical & Material Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuel Cell (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
Abstract
本发明涉及一种阴极开放式燃料电池温度模型预测控制系统,其特征在于:所述系统包括模型预测控制器、PWM直流电机调速器、温度传感器、阴极开放式燃料电池、电机和风扇;所述温度模型预测控制器根据温度传感器采集的阴极开放式燃料电池的实时温度,预测下一时刻电池温度,并输出风扇电压的占空比至PWM直流电机调速器;所述PWM直流电机调速器根据风扇电压的占空比,通过控制电机转速从而控制风扇转速。本发明实现了阴极开放式燃料电池的温度预测控制。
Description
技术领域
本发明涉及一种阴极开放式燃料电池温度预测控制系统及方法。
背景技术
燃油汽车尾气排放被认为是全球温室气体的主要来源,加上全球化石能源的急剧减少,汽车的能源系统急需更换。其中以燃料电池为动力源的燃料电池汽车具有零排放、高燃油经济性、能量来源广泛等优点,具有广泛的应用前景并受到广泛关注。
燃料电池通过氢和氧的电化学反应发电,与传统的热机相比,燃料电池具有更高的效率和更少的环境影响。目前,燃料电池在便携式电子设备、汽车电源、分布式热电联产等领域得到了广泛的研究及应用。其中,阴极开放式质子交换膜燃料电池具有非常简单的辅助系统,适合作为便携式移动电源和用作车用能源,具有重要的研究意义。燃料电池正常工作产生电能的同时,会将氢气中40%-50%的化学能转变为热能在电堆中扩散开,因此电堆温度会不断上升。温度过高会提高燃料电池中气体扩散层上的催化剂活性,进一步加快反应,温度继续上升则会使燃料电池质子交换膜脱水甚至是破裂,给燃料电池的使用带来安全隐患。相反,如果电堆温度低,催化剂活性低,反应速率变慢,使燃料电池不能提供需要的功率需求,同时也会造成氢气燃料的浪费,降低燃油经济性,温度低还可能导致反应水不能及时以水蒸气的形式排除燃料电池而造成电极水淹现象。
因此,维持燃料电池电堆温度在其合适的温度范围对于提高燃料电池的功率和延长寿命来说至关重要,如何简单有效控制阴极开放式燃料电池的温度是本领域技术人员目前需要解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种阴极开放式燃料电池温度模型预测控制系统及方法,实现对电池温度的有效控制。
为实现上述目的,本发明采用如下技术方案:
一种阴极开放式燃料电池温度模型预测控制系统,所述系统包括模型预测控制器、PWM直流电机调速器、温度传感器、阴极开放式燃料电池、电机和风扇;所述模型预测控制器根据温度传感器采集的阴极开放式燃料电池的实时温度,预测下一时刻电池温度,并输出风扇电压的占空比至PWM直流电机调速器;所述PWM直流电机调速器根据风扇电压的占空比,通过控制电机转速从而控制风扇转速。
进一步的,所述系统通过JPAG接口与上位机相连,并从上位机导入控制程序到该系统。
一种阴极开放式燃料电池温度模型预测控制系统的构建方法,包括以下步骤:
步骤S1:建立阴极开放式燃料电池热模型;
步骤S2:采用泰勒公式对阴极开放式燃料电池热模型进行线性化处理,得到线性化状态空间模型;
步骤S3:根据线性化状态空间模型,设计温度模型预测控制器;
步骤S4:将温度模型预测控制器应用于阴极开放式燃料电池温度预测控制系统,对阴极开放式燃料电池温度进行预测控制。
进一步的,所述阴极开放式燃料电池热模型是在固定负载电流I0的情况下建立的二阶模型。
进一步的,所述线性化处理具体为:
步骤S21:将I0值带入整个燃料电池热系统并化简得到如下状态空间表达式:
其中Vc是燃料电池活化极化的等效电容器的电压,Tst是电堆温度。u(t)为风扇电压的占空比,也是系统的控制量,其余为常数系数;
步骤S22:将式(1)的高次方项Tst、Tstu′分别在一预设工作点处采用泰勒公式展开,保留前两项,并写为矩阵形式:
其中x(t)=[VC Tst]T,Ac、Bcu、Bcd、Cc均为系数矩阵,d(t)为干扰矩阵。
进一步的,所述温度模型预测控制器输入是参考温度、实际燃料电池电堆温度和干扰,所述干扰为线性化状态空间常数项;输出为风扇电压的占空比,具体涉及流程为:
步骤S31:对线性化状态空间模型进行离散化处理:
再将其写成增量式:
步骤32:设置预测时域p和控制时域c,以及初始状态u(-1)=0,VC(-1)=0,Tst(-1)=0,计算预测控制增益:
步骤S33:在下一i时刻,测量得到x(i)和d(i)值,计算预测温度和增量:
y(i)=Cx(i),Δx(i)=x(i)-x(i-1) (6)
步骤S34:计算误差E(i+1i):
E(i+1|i)=-KxΔx(i)-Ιy(i)-KdΔd(i)+R (7)
步骤S34:计算控制量u(i)=GE(i+1|i)+u(i-1)作为输出的控制量;
步骤S36:在i+1时刻时,测得x(i+1)和d(i+1),并且令i=i+1,返回上述步骤步骤S33。
本发明与现有技术相比具有以下有益效果:
1、本发明只需调节控制器相关参数就能达到改变预设温度的效果。
2、本发明基于状态空间的模型预测控制由于实施滚动优化策略,因此,由畸变、扰动等引起的不确定性及时得到弥补,且该控制方法信息冗余量大,从而得到较好的动态控制性能和鲁棒性。
3、本发明不需要改变阴极开放式燃料电池的任何结构,保持了原电池简单的辅助系统和成本低廉的特点。
附图说明
图1是本发明实施例中阴极开放式燃料电池模型预测控制原理图;
图2是本发明实施例中用于控制阴极开放式燃料电池的结果图;
图3是本发明实施例中一个基于FPGA可编程门阵列的阴极开放式燃料电池温度控制结构图;
图中:1-JPAG接口、2-FPGA、3-温度传感器。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照附图,本实施例以一个1000W的阴极开放式燃料电池为例,
该1000W阴极开放式燃料电池电堆温度Tst由以下热力学方程表示:
2)阴极开放式燃料电池的Pst表达如下:
Pst=n*Vcell*Ist (10)
n为燃料电池单体个数,Vcell为电堆输出电压,Ist为电堆电流。
其中,S1与S2分别为热量对流过程中自然对流和强制对流的热交换面积,hnat与hforc分别为热量对流过程中自然对流和强制对流的传递系数,可表示为:
其中β1,β2,β3为常数,Wcool为阴极开放式燃料电池阴极空气质量流速,且可以由阴极开放式燃料电池阴极风扇的转速控制,而在本实施例中,风扇转速由风扇电压的占空比u(t)(0到1之间)控制。经过实验发现,电池空气流量流速Wcool与风扇占空比u(t)存在以下线性关系:
Wcool=β4u(t)+β5 (13)
由此,该1000W阴极开放式质子交换膜燃料电池的热模型就可以由上述的非线性复杂模型表示出。
按照图1所示原理图设计温度模型预测控制器,首先,对上述的系统在一预设工作点处采用泰勒公式进行线性化处理得到如下状态方程:
基于预测控制“滚动时域、重复进行”的原理,按照如下步骤设计控制器:
步骤2-1:对线性化状态空间模型进行离散化处理:
再将其写成增量式:
步骤2-2:设置预测时域p和控制时域c,以及初始状态u(-1)=0,VC(-1)=0,Tst(-1)=0,计算预测控制增益:
步骤2-3:在下一i时刻,测量得到x(i)和d(i)值,计算预测温度和增量:
y(i)=Cx(i),Δx(i)=x(i)-x(i-1) (18)
步骤2-4:计算误差E(i+1|i):
E(i+1|i)=-KxΔx(i)-Ιy(i)-KdΔd(i)+R (19)
步骤2-5:计算控制量u(i)=GE(i+1|i)+u(i-1)作为输出的控制量;
步骤2-6:在i+1时刻时,测得x(i+1)和d(i+1),并且令i=i+1,返回上述步骤步骤2-3。
如图2所示,本实施例给出了1000W阴极开放式燃料电池在电流为I0时的模型预测控制结果图。
此外,本实施例设计了一个基于FPGA可编程门阵列的温度模型预测控制系统,如图3所示,具体描述如下:
所述系统基于FPGA可编程门阵列的控制系统包括上位机、FPGA温度预测控制器、JTAG接口、温度传感器、PWM直流电机调速器、直流电机及风扇。
本实施例中FPGA型号为XilinxM27X,JPAG接口型号为Header10X2,PWM直流电机调速器型号为Telesky45269496693。
如图3所示,本实施例中,JTAG接口通过USB接口与上位机相连接,再用TDO数据输出端与FPGA的CCLK端口连接,将控制器算法程序导入到FPGA,从而实现数据的交互。
进一步,FPGA的D_IN端口接收来自阴极开放式燃料电池内部温度传感器的温度信号,通过计算后,再将该时刻的控制信号u(t)以PWM波的形式从D_OUT端口输出到与之相连的PWM直流电机调速器,该调速器即能实现对风扇电机转速的调节,从而实现了对阴极开放式燃料电池温度的控制。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (4)
1.一种阴极开放式燃料电池温度预测控制系统的构建方法,其特征在于:所述系统包括模型预测控制器、PWM直流电机调速器、温度传感器、阴极开放式燃料电池、电机和风扇;所述模型预测控制器根据温度传感器采集的阴极开放式燃料电池的实时温度,预测下一时刻电池温度,并输出风扇电压的占空比至PWM直流电机调速器;所述PWM直流电机调速器根据风扇电压的占空比,通过控制电机转速从而控制风扇转速,具体包括以下步骤:
步骤S1:建立阴极开放式燃料电池热模型;
步骤S2:采用泰勒公式对阴极开放式燃料电池热模型进行线性化处理,得到线性化状态空间模型;
步骤S3:根据线性化状态空间模型,设计温度模型预测控制器;
步骤S4:将温度模型预测控制器应用于阴极开放式燃料电池温度预测控制系统,对阴极开放式燃料电池温度进行预测控制;
所述线性化处理具体为:
步骤S21:将I0值带入整个燃料电池热系统并化简得到如下状态空间表达式:
其中Vc是燃料电池活化极化的等效电容器的电压,Tst是电堆温度;
步骤S22:将式(1)的高次方项Tst、Tstu′分别在一预设工作点处采用泰勒公式展开,保留前两项,并写为矩阵形式:
其中x(t)=[VC Tst]T,Ac、Bc、Bcd、Cc均为系数矩阵,d(t)为干扰矩阵;u(t)为风扇电压的占空比,也是系统的控制量,其余为常数系数。
2.根据权利要求1所述的一种阴极开放式燃料电池温度预测控制系统的构建方法,其特征在于:所述系统通过JPAG接口与上位机相连,并从上位机导入控制程序到该系统。
3.根据权利要求1所述的一种阴极开放式燃料电池温度预测控制系统的构建方法,其特征在于:所述阴极开放式燃料电池热模型是在固定负载电流I0的情况下建立的二阶模型。
4.根据权利要求1所述的一种阴极开放式燃料电池温度预测控制系统的构建方法,其特征在于:所述模型预测控制器输入是参考温度、实际燃料电池电堆温度和干扰,所述干扰为线性化状态空间常数项;输出为风扇电压的占空比,具体涉及流程为:
步骤S31:对线性化状态空间模型进行离散化处理:
再将其写成增量式:
步骤32:设置预测时域p和控制时域c,以及初始状态u(-1)=0,VC(-1)=0,Tst(-1)=0,计算预测控制增益:
步骤S33:在下一i时刻,测量得到x(i)和d(i)值,计算预测温度和增量:
y(i)=Cx(i),Δx(i)=x(i)-x(i-1) (6)
步骤S34:计算误差E(i+1|i):
E(i+1|i)=-KxΔx(i)-Iy(i)-KdΔd(i)+R (7)
步骤S34:计算控制量u(i)=GE(i+1|i)+u(i-1)作为输出的控制量;
步骤S36:在i+1时刻时,测得x(i+1)和d(i+1),并且令i=i+1,返回上述步骤步骤S33。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910378735.0A CN110071308B (zh) | 2019-05-08 | 2019-05-08 | 一种阴极开放式燃料电池温度预测控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910378735.0A CN110071308B (zh) | 2019-05-08 | 2019-05-08 | 一种阴极开放式燃料电池温度预测控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110071308A CN110071308A (zh) | 2019-07-30 |
CN110071308B true CN110071308B (zh) | 2022-03-11 |
Family
ID=67370294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910378735.0A Active CN110071308B (zh) | 2019-05-08 | 2019-05-08 | 一种阴极开放式燃料电池温度预测控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110071308B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112652794B (zh) * | 2020-12-18 | 2022-11-11 | 福州大学 | 一种利用时滞信息的阴极开放式燃料电池热管理系统及方法 |
DE102022203498A1 (de) | 2022-04-07 | 2023-10-12 | Robert Bosch Gesellschaft mit beschränkter Haftung | Peripheriegerätevorrichtung für eine Brennstoffzelleneinheit, Brennstoffzellensystem mit zumindest einer Brennstoffzelleneinheit und zumindest einer Peripheriegerätevorrichtung und Verfahren zum Betrieb einer Peripheriegerätevorrichtung |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104009247A (zh) * | 2014-05-04 | 2014-08-27 | 华中科技大学 | 一种固体氧化物燃料电池电堆温度分布估计方法 |
CN105206852A (zh) * | 2015-09-30 | 2015-12-30 | 上海电机学院 | 质子交换膜燃料电池的温度控制方法 |
CN105304920A (zh) * | 2015-11-20 | 2016-02-03 | 华中科技大学 | 一种平板式固体氧化物燃料电池电堆温度分布估计方法 |
CN106950502A (zh) * | 2017-03-10 | 2017-07-14 | 同济大学 | 一种用于燃料电池空气供应系统电堆阴极模拟测试装置 |
CN107831441A (zh) * | 2017-09-20 | 2018-03-23 | 哈尔滨理工大学 | 锂电池充电电流的预测方法、预测系统及一种充电装置 |
-
2019
- 2019-05-08 CN CN201910378735.0A patent/CN110071308B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104009247A (zh) * | 2014-05-04 | 2014-08-27 | 华中科技大学 | 一种固体氧化物燃料电池电堆温度分布估计方法 |
CN105206852A (zh) * | 2015-09-30 | 2015-12-30 | 上海电机学院 | 质子交换膜燃料电池的温度控制方法 |
CN105304920A (zh) * | 2015-11-20 | 2016-02-03 | 华中科技大学 | 一种平板式固体氧化物燃料电池电堆温度分布估计方法 |
CN106950502A (zh) * | 2017-03-10 | 2017-07-14 | 同济大学 | 一种用于燃料电池空气供应系统电堆阴极模拟测试装置 |
CN107831441A (zh) * | 2017-09-20 | 2018-03-23 | 哈尔滨理工大学 | 锂电池充电电流的预测方法、预测系统及一种充电装置 |
Non-Patent Citations (2)
Title |
---|
许志梅.质子交换膜燃料电池的温度控制与设计.《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》.2012,第27、38页. * |
质子交换膜燃料电池的温度控制与设计;许志梅;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20120215;第12、27、38-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110071308A (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Oliveira et al. | A 1D mathematical model for a microbial fuel cell | |
Rana et al. | A novel dPdI feedback based control scheme using GWO tuned PID controller for efficient MPPT of PEM fuel cell | |
Wu et al. | Predictive control of SOFC based on a GA-RBF neural network model | |
Zhao et al. | A new analytical approach to model and evaluate the performance of a class of irreversible fuel cells | |
Khazaeli et al. | Numerical investigation and thermodynamic analysis of the effect of electrolyte flow rate on performance of all vanadium redox flow batteries | |
Chavan et al. | System identification black box approach for modeling performance of PEM fuel cell | |
CN110071308B (zh) | 一种阴极开放式燃料电池温度预测控制系统及方法 | |
Li et al. | Thermal-physical modeling and parameter identification method for dynamic model with unmeasurable state in 10-kW scale proton exchange membrane fuel cell system | |
Cheng et al. | Investigation and analysis of proton exchange membrane fuel cell dynamic response characteristics on hydrogen consumption of fuel cell vehicle | |
Fan et al. | Performance improvement of a microbial fuel cell based on model predictive control | |
Atak et al. | Investigation of the performance parameters for a PEMFC by thermodynamic analyses: Effects of operating temperature and pressure | |
CN114757026B (zh) | 一种全工况多尺度动力锂电池电化学耦合建模方法 | |
Silaa et al. | A novel robust adaptive sliding mode control using stochastic gradient descent for PEMFC power system | |
Kiran et al. | Design and performance analysis of hybrid optimization MPPT controller for proton exchange membrane fuel cell system with DC-DC converter | |
Huang et al. | Size design strategy for scaling up alkaline water electrolysis stack integrated with renewable energy source: A multiphysics modeling approach | |
Sun et al. | An analysis of the influence of mass transfer on porous electrode performance | |
Liu et al. | Modelling and simulation analysis of closed proton exchange membrane fuel cell system | |
Touti et al. | A Novel Design and Analysis Adaptive Hybrid ANFIS MPPT Controller for PEMFC‐Fed EV Systems | |
Arpino et al. | A robust model and numerical approach for solving solid oxide fuel cell (SOFC) problems | |
Damour et al. | Innovative model-based control approach of a proton exchange membrane fuel cell system | |
An et al. | DYNAMICS ANALYSIS OF A MICROBIAL FUEL CELL SYSTEM AND PID CONTROL OF ITS POWER AND CURRENT BASED ON THE CRITICAL PROPORTION DEGREE METHOD. | |
Fan et al. | Model predictive control on constant voltage output of a proton exchange membrane fuel cell | |
Pangaribowo et al. | Modeling of control system for hydrogen and oxygen gas flow into PEMFC based on load demand by using fuzzy controller | |
CN117744413B (zh) | 一种固体氧化物燃料电池电堆换热等效方法、设备及介质 | |
Gonzatti et al. | Distinct renewable energy systems maximized by P&O algorithm |
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 |