CN110347725A - 一种非侵入式电力负载识别错误样本的采集方法 - Google Patents
一种非侵入式电力负载识别错误样本的采集方法 Download PDFInfo
- Publication number
- CN110347725A CN110347725A CN201910642536.6A CN201910642536A CN110347725A CN 110347725 A CN110347725 A CN 110347725A CN 201910642536 A CN201910642536 A CN 201910642536A CN 110347725 A CN110347725 A CN 110347725A
- Authority
- CN
- China
- Prior art keywords
- voltage signal
- error sample
- point
- electrical load
- vhigh
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012937 correction Methods 0.000 claims abstract description 12
- 230000005611 electricity Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000013011 mating Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/242—Home appliances
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种非侵入式电力负载识别错误样本的采集方法，包括：A.用户在发现数据错误时通过APP上的纠错按钮向服务器端发出纠错请求；B.服务器冻结当前在用电设备工作状态稳定后采集的一段相同时间轴的电压信号和电流信号；C.找出这段电压信号的x个最高点并计算x个最高点电压信号的平均值及找出这段电压信号的x个最低点，计算x个最低点电压信号的平均值Vlow，通过平均最低点Vlow和平均最高点Vhigh，求得过零点V0；D.对电压信号的幅值按时间顺序作确定过零点V0的Vn等。本发明的方法定义了用户在使用过程中发现识别错误后的一系列操作流程以及传输的数据种类，帮助识别系统快速采集错误样本，有针对性的快速提高识别准确率。
Description
技术领域
本发明涉及非侵入式电力负荷监测技术领域，特别涉及一种非侵入式电力负载识别错误样本的采集方法。
背景技术
能源是人类社会赖以生存和发展的重要物质基础。就我国过去几年实际用电情况而言，全国用电总量每年都呈现增长的形势。并且，随着我国经济的发展和经济结构的调整，居民用电占全社会用电量的比重逐渐增大并且有继续增长的趋势。电力负荷用电监测是开展节电这项系统工程的第一步，因为只有清楚电能是如何被利用与消耗的，才能找到有效的节电调控措施和更高效的用电方式。研究表明，若使用有效技术向电力用户反馈负荷用电信息，即便不采取任何自动调控措施，用户自愿的优化用电也能达到明显的节能效果，从而节省居民用电量。因此，负荷用电监测是实现节电的基础和关键，它能有效缓解能源危机的压力，实现能源资源与生态环境的可持续发展和建设节约型社会，具有重要的现实意义。
传统的侵入式电力负荷监测系统需要在各个负载前加装传感器，综合成本高，施工非常复杂，对原有线路也造成破坏。而非侵入式电力负荷监测NILM系统仅需在住户进户线总开关处或者工业车间总线上安装一个传感器就能获知每个/类电器的使用情况，并且成本低，施工方便，不对用户造成用电干扰，有望发展成为新一代智能电表的核心技术，为电力用户和整个社会带来多方面的效益。
但是，目前非侵入式电力负荷识别方法主要是根据前期采集的电力负荷入口处的电压、电流及功率的变化信息进行跟踪分解，设计算法建立离线数据后进行识别分析，然而这种方法的应用存在较大的局限性，因为用户使用电器的场景千差万别，识别错误率会非常高，在申请号为201811407402.8的“一种基于稳态电流的非侵入式电力负载识别方法”专利申请文件中，虽然提出了整套的识别流程，但也并未涉及发生识别错误后的错误样本采集方法，不能满足准确采集数据并识别错误样本数据的需求。
发明内容
本发明的目的是克服上述背景技术中不足，提供一种非侵入式电力负载识别错误样本的采集方法，基于上述对比文件，对其中所阐述的采集原理进行优化，定义了用户在使用过程中发现识别错误后的一系列操作流程以及传输的数据种类，帮助识别系统快速采集错误样本，有针对性的快速提高识别准确率。
为了达到上述的技术效果，本发明采取以下技术方案：
一种非侵入式电力负载识别错误样本的采集方法，基于非侵入式电力负载识别错误样本的采集系统实现，所述基于非侵入式电力负载识别错误样本的采集系统包括相互通信连接的移动端及服务器端，在所述移动端内安装有配套APP，所述非侵入式电力负载识别错误样本的采集方法包括一下步骤：
A.用户对APP展示的电器类型数据进行校对，并在发现数据错误时通过APP上的纠错按钮向服务器端发出纠错请求；
B.服务器端收到纠错请求后即冻结当前在用电设备工作状态稳定后采集的一段相同时间轴的电压信号和电流信号；
C.找出这段电压信号的x个最高点计算x个最高点电压信号的平均值并找出这段电压信号的x个最低点x个最低点电压信号的平均值 通过平均最低点Vlow和平均最高点Vhigh，求得过零点V0＝(Vlow+Vhigh)/2；
D.对电压信号的幅值按时间顺序作如下判断：
当满足Vn-1<V0且Vn≥V0时，如果且 时，则Vn经过零点，记为Vstart；其中，m的大小是抖动处理的偏移量，n为选取的点的总个数；
E.记录Vstart对应的时间点为tstart，时间点tstart对应的电流信号为Istart；
F.按照步骤D的方式按时间顺序向后寻找并找到第a个经过零点的Vn，记为Vend,记录Vend对应的时间点tend；时间点tend对应的电流信号为Iend；Istart和Iend之间的电流信号波形作为构建M域矩阵的起点和结束点，a的大小取决于期望选取的M域大小；
G.选取Istart和Iend之间的电流信号波形即将M域矩阵作为错误样本，并在服务器上记录的将该段电流信号打上“错误”标签；
H.用户通过APP向服务器端上传正确的电器类型数据；
I.服务器端结合收到的正确的电器类型数据及采集的错误样本进行进一步的算法调整，后续的算法调整非本专利要求保护的内容，因此在本申请文件中不再赘述。
进一步地，所述电器类型数据包括电器种类和该种类电器的个数。
进一步地，x的取值为10。
进一步地，m的取值为10。
进一步地，a的取值为3。
本发明与现有技术相比，具有以下的有益效果：
在本发明的非侵入式电力负载识别错误样本的采集方法中，公开了具体如何确定错误样本的方法，定义了用户在使用过程中发现识别错误后的一系列操作流程以及传输的数据种类，从而帮助识别系统快速采集错误样本，有针对性的快速提高识别准确率。
附图说明
图1是本发明的非侵入式电力负载识别错误样本的采集方法流程示意图。
图2是本发明的一个实施例中选取的错误样本的示意图。
具体实施方式
下面结合本发明的实施例对本发明作进一步的阐述和说明。
实施例：
实施例一：
如图1所示，一种非侵入式电力负载识别错误样本的采集方法，基于非侵入式电力负载识别错误样本的采集系统实现，所述基于非侵入式电力负载识别错误样本的采集系统包括相互通信连接的移动端及服务器端，在所述移动端内安装有配套APP，所述非侵入式电力负载识别错误样本的采集方法包括一下步骤：
步骤一：用户对APP展示的电器类型数据进行校对，并在发现数据错误时通过APP上的纠错按钮向服务器端发出纠错请求；如本实施例中的纠错按钮为设置于APP界面上的一个名称为“我要纠错”的按钮，具体的，本实施例中，所述电器类型数据包括电器种类和该种类电器的个数。
步骤二：服务器端收到纠错请求后即冻结当前在用电设备工作状态稳定后采集的一段相同时间轴的电压信号和电流信号。
步骤三：如图2所示，找出这段电压信号的10个最高点 计算10个最高点电压信号的平均值/10；并找出这段电压信号的10个最低点10个最低点电压信号的平均值通过平均最低点Vlow和平均最高点Vhigh，求得过零点V0＝(Vlow+Vhigh)/2；本方法中针对中电压最高最低点可能有噪声值干扰的问题，通过采取计算电压最高点平均值和最低点平均值的方法，减少噪声值对计算结果的干扰。
步骤四：对电压信号的幅值按时间顺序作如下判断：
当满足Vn-1<V0且Vn≥V0时，如果且 时，则Vn经过零点，记为Vstart；其中，m的大小是抖动处理的偏移量，n为选取的点的总个数，本实施例中定义的m为10；
步骤五：记录Vstart对应的时间点为tstart，时间点tstart对应的电流信号为Istart；
步骤六：按照步骤四的方式按时间顺序向后寻找并找到第a个经过零点的Vn，记为Vend,记录Vend对应的时间点tend；时间点tend对应的电流信号为Iend；Istart和Iend之间的电流信号波形作为构建M域矩阵的起点和结束点，a的大小取决于期望选取的M域大小，本实施例中a的值为3。
步骤七：选取Istart和Iend之间的电流信号波形即将M域矩阵作为错误样本，并在服务器上记录的将该段电流信号打上“错误”标签；
步骤八：用户通过APP向服务器端上传正确的电器类型数据；具体为用户可通过在APP中勾选当前正在使用的正确的电器种类，如：冰箱、空调、电视、电脑、抽油烟机、微波炉、电水壶、电热水器等，并选择各种类电器对应的数量；
步骤九：服务器端结合收到的正确的电器类型数据及采集的错误样本进行进一步的算法调整，后续的算法调整非本专利要求保护的内容，因此在本申请文件中不再赘述。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (5)
1.一种非侵入式电力负载识别错误样本的采集方法，其特征在于，基于非侵入式电力负载识别错误样本的采集系统实现，所述基于非侵入式电力负载识别错误样本的采集系统包括相互通信连接的移动端及服务器端，在所述移动端内安装有配套APP，所述非侵入式电力负载识别错误样本的采集方法包括一下步骤：
A.用户对APP展示的电器类型数据进行校对，并在发现数据错误时通过APP上的纠错按钮向服务器端发出纠错请求；
B.服务器端收到纠错请求后即冻结当前在用电设备工作状态稳定后采集的一段相同时间轴的电压信号和电流信号；
C.找出这段电压信号的x个最高点Vhigh1,Vhigh2,…,Vhighx；计算x个最高点电压信号的平均值Vhigh＝(Vhigh1+Vhigh2+…+Vhighx)/x；并找出这段电压信号的x个最低点Vlow1,Vlow2,…,Vlowx，计算x个最低点电压信号的平均值Vlow＝(Vlow1+Vlow2+…+Vlowx)/x；通过平均最低点Vlow和平均最高点Vhigh，求得过零点V0＝(Vlow+Vhigh)/2；
D.对电压信号的幅值按时间顺序作如下判断：
当满足Vn-1<V0且Vn≥V0时，如果且时，则Vn经过零点，记为Vstart；其中，m的大小是抖动处理的偏移量，n为选取的点的总个数；
E.记录Vstart对应的时间点为tstart，时间点tstart对应的电流信号为Istart；
F.按照步骤D的方式按时间顺序向后寻找并找到第a个经过零点的Vn，记为Vend,记录Vend对应的时间点tend；时间点tend对应的电流信号为Iend；Istart和Iend之间的电流信号波形作为构建M域矩阵的起点和结束点，a的大小取决于期望选取的M域大小；
G.选取Istart和Iend之间的电流信号波形即将M域矩阵作为错误样本，并在服务器上记录的将该段电流信号打上“错误”标签；
H.用户通过APP向服务器端上传正确的电器类型数据；
I.服务器端结合收到的正确的电器类型数据及采集的错误样本进行进一步的算法调整。
2.根据权利要求1所述的一种非侵入式电力负载识别错误样本的采集方法，其特征在于，所述电器类型数据包括电器种类和该种类电器的个数。
3.根据权利要求1所述的一种非侵入式电力负载识别错误样本的采集方法，其特征在于，x的取值为10。
4.根据权利要求1所述的一种非侵入式电力负载识别错误样本的采集方法，其特征在于，m的取值为10。
5.根据权利要求1所述的一种非侵入式电力负载识别错误样本的采集方法，其特征在于，a的取值为3。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910642536.6A CN110347725B (zh) | 2019-07-16 | 2019-07-16 | 一种非侵入式电力负载识别错误样本的采集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910642536.6A CN110347725B (zh) | 2019-07-16 | 2019-07-16 | 一种非侵入式电力负载识别错误样本的采集方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110347725A true CN110347725A (zh) | 2019-10-18 |
| CN110347725B CN110347725B (zh) | 2022-08-16 |
Family
ID=68174860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910642536.6A Active CN110347725B (zh) | 2019-07-16 | 2019-07-16 | 一种非侵入式电力负载识别错误样本的采集方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110347725B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060067115A1 (en) * | 2004-09-01 | 2006-03-30 | Infineon Technologies Ag | MRAM with improved storage and read out characteristics |
| CN105162339A (zh) * | 2015-07-24 | 2015-12-16 | 哈尔滨工业大学 | Z源矩阵整流器及其矢量调制方法 |
| CN107067033A (zh) * | 2017-04-12 | 2017-08-18 | 邹霞 | 机器学习模型的局部修复方法 |
| CN107302217A (zh) * | 2017-06-02 | 2017-10-27 | 广东中粤售电科技有限公司 | 基于v‑i轨迹的非侵入式负荷分解方法及系统 |
| CN108549881A (zh) * | 2018-05-02 | 2018-09-18 | 杭州创匠信息科技有限公司 | 证件文字的识别方法和装置 |
| CN109270368A (zh) * | 2018-09-03 | 2019-01-25 | 四川长虹电器股份有限公司 | 一种基于稳态电流的非侵入式电力负载识别方法 |
| CN109541346A (zh) * | 2018-11-23 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种稳态工况下的非侵入式电力负载识别提升方法 |
| CN109870600A (zh) * | 2019-04-04 | 2019-06-11 | 江苏林洋能源股份有限公司 | 一种具有自学习能力的非侵入式负荷辨识方法以及智能电表 |
-
2019
- 2019-07-16 CN CN201910642536.6A patent/CN110347725B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060067115A1 (en) * | 2004-09-01 | 2006-03-30 | Infineon Technologies Ag | MRAM with improved storage and read out characteristics |
| CN105162339A (zh) * | 2015-07-24 | 2015-12-16 | 哈尔滨工业大学 | Z源矩阵整流器及其矢量调制方法 |
| CN107067033A (zh) * | 2017-04-12 | 2017-08-18 | 邹霞 | 机器学习模型的局部修复方法 |
| CN107302217A (zh) * | 2017-06-02 | 2017-10-27 | 广东中粤售电科技有限公司 | 基于v‑i轨迹的非侵入式负荷分解方法及系统 |
| CN108549881A (zh) * | 2018-05-02 | 2018-09-18 | 杭州创匠信息科技有限公司 | 证件文字的识别方法和装置 |
| CN109270368A (zh) * | 2018-09-03 | 2019-01-25 | 四川长虹电器股份有限公司 | 一种基于稳态电流的非侵入式电力负载识别方法 |
| CN109541346A (zh) * | 2018-11-23 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种稳态工况下的非侵入式电力负载识别提升方法 |
| CN109870600A (zh) * | 2019-04-04 | 2019-06-11 | 江苏林洋能源股份有限公司 | 一种具有自学习能力的非侵入式负荷辨识方法以及智能电表 |
Non-Patent Citations (2)
| Title |
|---|
| OLIVIER VAN CUTSEM 等: "Automatic multi-state load profile identification with application to energy disaggregation", 《2017 22ND IEEE INTERNATIONAL CONFERENCE ON EMERGING TECHNOLOGIES AND FACTORY AUTOMATION (ETFA)》 * |
| 王进强等: "配电网故障区间判断的优化矩阵算法", 《电工电气》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110347725B (zh) | 2022-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106124850A (zh) | 一种基于相似度算法的用于家用智能电表的负荷识别系统及其负荷识别方法 | |
| CN108152630B (zh) | 一种基于混合判据的非侵入式ih电饭煲运行辨识方法 | |
| US8874623B2 (en) | Data storage and transfer | |
| Reinhardt et al. | Electric appliance classification based on distributed high resolution current sensing | |
| CN106093565B (zh) | 一种基于稳态特征波形匹配的电能分项计量方法及装置 | |
| CN105911342A (zh) | 基于功率持续时间特性的电饭煲非侵入辨识方法 | |
| CN105182250B (zh) | 一种非侵入式分布式电源出力监测装置 | |
| CN108054749B (zh) | 一种非侵入式电力负荷分解方法及装置 | |
| CN106569026A (zh) | 用电设备耗电量统计方法和系统 | |
| CN204945867U (zh) | 一种应用于光伏发电系统的最大功率跟踪控制装置 | |
| CN108767847B (zh) | 一种非侵入式用电负荷分解方法及装置 | |
| US20150088441A1 (en) | Energy usage estimation device and energy usage estimation method | |
| CN108595376A (zh) | 一种区分定频空调与冲击钻的非侵入负荷辨识方法 | |
| Rathore et al. | Non intrusive load monitoring and load disaggregation using transient data analysis | |
| CN206223887U (zh) | 一种具备负荷识别功能的智能装置 | |
| CN109541346A (zh) | 一种稳态工况下的非侵入式电力负载识别提升方法 | |
| CN107356827A (zh) | 一种基于有功功率波动性的洗衣机运行非侵入辨识方法 | |
| CN205809165U (zh) | 一种基于相似度算法的用于家用智能电表的负荷识别系统 | |
| Lai et al. | A novel search scheme for nonintrusive load monitoring systems | |
| CN110347725A (zh) | 一种非侵入式电力负载识别错误样本的采集方法 | |
| CN110297137A (zh) | 一种具备非侵入式负荷监测功能的模块 | |
| CN108572292A (zh) | 一种微波炉非侵入负荷辨识方法 | |
| CN103728477A (zh) | 三相电能表错误接线自动转换方法 | |
| CN202472690U (zh) | 基于暂态扰动特征的用电设备精细识别系统 | |
| CN201282274Y (zh) | 配变台区智能配电箱 |
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 |