CN110490487A - 一种山火高发期动态灭火排序算法及系统 - Google Patents
一种山火高发期动态灭火排序算法及系统 Download PDFInfo
- Publication number
- CN110490487A CN110490487A CN201910795248.4A CN201910795248A CN110490487A CN 110490487 A CN110490487 A CN 110490487A CN 201910795248 A CN201910795248 A CN 201910795248A CN 110490487 A CN110490487 A CN 110490487A
- Authority
- CN
- China
- Prior art keywords
- fire
- route
- fire extinguishing
- mountain
- extinguishing
- 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
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 31
- 230000007704 transition Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 239000003016 pheromone Substances 0.000 claims description 3
- 238000004870 electrical engineering Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241000257303 Hymenoptera Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及电气工程技术领域,公开了一种山火高发期动态灭火排序算法及系统,以实现在线动态灭火排序,降低人力在短时间内处理大量数据的劳动强度。该算法包括确定有效灭火范围,收集有效灭火范围内的实时火点数据和线路数据;计算山火威胁指数,计算线路重要性指数;建立二维数据组库,选取二维数据组库中的待灭火线路的二维数据组,将待灭火线路的二维数据组输入蚁群算法进行计算,得到转移概率,将最大转移概率对应的待灭火线路作为灭火对象;对选取的灭火对象执行灭火作业后,更新有效灭火范围内的待灭火线路的实时火点数据和线路数据,重复上述步骤直至所有待灭火线路全部完成灭火作业。
Description
技术领域
本发明涉及电气工程技术领域,尤其涉及一种山火高发期动态灭火排序算法及系统。
背景技术
春节、清明节、春耕、秋收等时期,受祭祀习俗和传统农业方式影响,我国各地普遍存在山火高发的情况。山火往往发生在野外,且分布比较分散,消防部门难以对山火及进行有效施救。一旦山火缺乏有效的管控,蔓延至输电线路附近,则极易引起线路跳闸故障,重则导致设备本体受损,危害电网安全运行。因此,在山火发生随即性强、电力企业灭火装备有限的条件下,如何在山火高发期合理调配灭火装备、最大程度上扑灭山火威胁、保障电力供应安全就成为电力企业需要认真思考的难题。一般情况下,现场灭火人员着重考虑火点与灭火装备的距离,或火点所威胁线路的电压等级等简单因素,利用人工经验判断灭火排序。这种决策方法对线路信息利用率低,且客观性不足,在山火高发期,其有效性难以保证。人工蚁群排序算法较好的模拟了蚂蚁觅食过程中寻找最优线路的方式,不仅可以遍历各种排序并输出最优结果,还能做到快速高效,为实时数据在线分析提供了有利的基础。因此基于蚁群排序算法进行山火高发期动态灭火排序,可以充分挖掘信息特征,提升灭火决策效率,服务电网安全。
因此,如何实现在线动态灭火排序,降低人力在短时间内处理大量数据的劳动强度成为一个亟需解决的问题。
发明内容
本发明目的在于提供一种山火高发期动态灭火排序算法及系统,以实现在线动态灭火排序,降低人力在短时间内处理大量数据的劳动强度。
本发明提供一种山火高发期动态灭火排序算法,包括以下步骤:
确定有效灭火范围,收集所述有效灭火范围内的实时火点数据和线路数据;
根据所述实时火点数据计算山火威胁指数,根据所述线路数据计算线路重要性指数;
根据所述山火威胁指数和所述线路重要性指数建立二维数据组库,选取所述二维数据组库中的待灭火线路的二维数据组,将所述待灭火线路的二维数据组输入蚁群算法进行计算,得到转移概率,将最大转移概率对应的待灭火线路作为灭火对象;
对选取的灭火对象执行灭火作业后,更新所述有效灭火范围内的待灭火线路的实时火点数据和线路数据,重复上述步骤直至所有待灭火线路全部完成灭火作业。
优选地,所述火点数据包括山火火场面积数据和救火车从所在位置到火场的道路距离;所述线路数据包括受山火威胁的线路实时负荷值和该线路对应的供电地区未受火点威胁的供电线路总数。
优选地,所述确定有效灭火范围具体包括:
确定某一台救火车,将以该车为圆心且半径为第一距离范围作为有效灭火范围。
优选地,所述第一距离为100公里。
优选地,所述计算山火威胁指数的计算公式为:
式中,W为山火威胁指数,S为山火火场面积,L为救火车从所在位置到火场的道路距离。
优选地,所述计算线路重要性指数的计算公式为:
式中,T为线路重要指数,Z为受山火威胁的线路实时负荷,M为线路对应的供电地区未受火点威胁的供电线路总数。
优选地,所述蚁群算法的计算公式包括:
式中,p为转移概率,α为信息素的相对重要程度,β为启发式因子的相对重要程度,τi,j为启发式因子,Jk(i)为搜索子k下一步可选择的节点,t为计算时刻,s为搜索子k在i节点上下一步所有可选节点的遍历函数,ηi,j为启发函数,表示搜索子从节点i到节点j的期望值;τi,s为i节点与下一步任意可选节点s的启发式因子,ηi,s为i节点与下一步任意可选节点s的启发函数;
ηi,j的计算公式为:
τi,j的计算公式为:
τi,j(t+n)=(1-ρ)·τi,j(t)+Δτi,j; (3)
式中,ρ为实验确定的常数,其中,
τi,j(o)=C; (4)
式中,C为实验确定的常数,
式中,m为搜索子的总数;
式中,Q为实验确定的常数,di,j为节点i和j的距离;
其中,di,j的计算公式为:
作为一个总的技术构思,本发明还提供一种山火高发期动态灭火排序的系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
本发明具有以下有益效果:
本发明提供一种山火高发期动态灭火排序算法及系统,通过蚁群算法充分发掘和考虑火灾地区山火威胁指数和线路重要性指数两方面因素,且对火点数据和线路数据进行实时更新,可以实现在线动态灭火排序,降低人力在短时间内处理大量数据的劳动强度,进一步提升了决策效率,服务电网安全。
下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的山火高发期动态灭火排序算法流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
如图1所示,本实施提供一种山火高发期动态灭火排序算法,包括以下步骤:
确定有效灭火范围,收集有效灭火范围内的实时火点数据和线路数据;
根据实时火点数据计算山火威胁指数,根据线路数据计算线路重要性指数;
根据山火威胁指数和线路重要性指数建立二维数据组库,选取二维数据组库中的待灭火线路的二维数据组,将待灭火线路的二维数据组输入蚁群算法进行计算,得到转移概率,将最大转移概率对应的待灭火线路作为灭火对象;
对选取的灭火对象执行灭火作业后,更新有效灭火范围内的待灭火线路的实时火点数据和线路数据,重复上述步骤直至所有待灭火线路全部完成灭火作业。
上述的山火高发期动态灭火排序算法,通过蚁群算法充分发掘和考虑火灾地区山火威胁指数和线路重要性指数两方面因素,且对火点数据和线路数据进行实时更新,可以实现在线动态灭火排序,降低人力在短时间内处理大量数据的劳动强度,进一步提升了决策效率,服务电网安全。
优选地,确定有效灭火范围时,首先选定救火车,并以该车为圆心且半径为第一距离范围作为有效灭火范围。本实施例中,第一距离为100公里。需要说明的是,本发明并不对此做限定,在能达到相同目的的情况下,还可以在一定程度上调整第一距离的范围。
本实施例中,火点数据包括山火火场面积数据和救火车从所在位置到火场的道路距离;线路数据包括受山火威胁的线路实时负荷值和该线路对应的供电地区未受火点威胁的供电线路总数。
具体地,收集某年清明节当天14时,某地区电力企业部署的一台救火车方圆100公里范围内所有7个火点的实时火点数据和线路数据。将山火威胁线路名称、山火威胁指数W、线路重要性指数T进行一一对应排列,如下表1所示:
表1数据整理结构示意表
根据表1中的数据建立二维数组库,其中,每一个二维数组包括两个纬度,分别为山火威胁指数和线路重要性指数。选取二维数据组库中的待灭火线路的二维数据组,将待灭火线路的二维数据组输入蚁群算法进行计算,得到转移概率。
作为本实施例优选的实施方式,蚁群算法的计算公式包括:
式中,p为转移概率,α为信息素的相对重要程度,β为启发式因子的相对重要程度,τi,j为启发式因子,Jk(i)为搜索子k下一步可选择的节点,t为计算时刻,s为搜索子k在i节点上下一步所有可选节点的遍历函数,ηi,j为启发函数,表示搜索子从节点i到节点j的期望值;τi,s为i节点与下一步任意可选节点s的启发式因子,ηi,s为i节点与下一步任意可选节点s的启发函数。
ηi,j的计算公式为:
τi,j的计算公式为:
τi,j(t+n)=(1-ρ)·τi,j(t)+Δτi,j; (3)
式中,ρ为实验确定的常数,其中,
τi,j(0)=C; (4)
式中,C为实验确定的常数,
式中,m为搜索子的总数;
式中,Q为实验确定的常数,di,j为节点i和j的距离;
其中,di,j的计算公式为:
需要说明的是,一般情况下,一次带电灭火需要一个小时以上的时间。在此时间内,其他火场必然因为不同的因素而发生变化,有些火点可能熄灭,有些火点可能扩大,也有可能产生新的火点,且线路负荷也可能在这段时间发生调整。因此,当完成对步骤确定排序第一位的火点完成灭火后,重新整理实时数据,建立算法并输出更新后的排序,如此循环直至所有火点全部扑灭。可以充分考虑火点变化、充分利用在线数据进行分析决策。
经过第一轮计算,得到的排序为:
当前最低影响指数灭火排序方案:L2→L7→L5→L3→L1→L4→L6
因此,对于该地区而言,要保证当前线路山火对电网总体影响最小,需要首先对L2线路进行灭火。
L2线路灭火完成后,再次收集线路实时数据,进行第二轮排序。
在实际情况中,基于第二轮排序结果,首先对L3线路进行灭火;再次收集线路实时数据,进行第三轮排序。
基于第三轮排序结果,首先对L1线路进行灭火;再次收集线路实时数据,进行第四轮排序。
基于第四轮排序结果,首先对L5线路进行灭火;再次收集线路实时数据,进行第五轮排序。
基于第五轮排序结果,首先对L4线路进行灭火,随后对L7线路进行灭火,最后对L6线路进行灭火。
实施例2
与上述方法实施例相对应地,本实施例提供一种山火高发期动态灭火排序的系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种山火高发期动态灭火排序算法,其特征在于,包括以下步骤:
确定有效灭火范围,收集所述有效灭火范围内的实时火点数据和线路数据;
根据所述实时火点数据计算山火威胁指数,根据所述线路数据计算线路重要性指数;
根据所述山火威胁指数和所述线路重要性指数建立二维数据组库,选取所述二维数据组库中的待灭火线路的二维数据组,将所述待灭火线路的二维数据组输入蚁群算法进行计算,得到转移概率,将最大转移概率对应的待灭火线路作为灭火对象;
对选取的灭火对象执行灭火作业后,更新所述有效灭火范围内的待灭火线路的实时火点数据和线路数据,重复上述步骤直至所有待灭火线路全部完成灭火作业。
2.根据权利要求1所述的山火高发期动态灭火排序算法,其特征在于,所述火点数据包括山火火场面积数据和救火车从所在位置到火场的道路距离;所述线路数据包括受山火威胁的线路实时负荷值和该线路对应的供电地区未受火点威胁的供电线路总数。
3.根据权利要求1所述的山火高发期动态灭火排序算法,其特征在于,所述确定有效灭火范围具体包括:
确定某一台救火车,将以该车为圆心且半径为第一距离范围作为有效灭火范围。
4.根据权利要求3所述的山火高发期动态灭火排序算法,其特征在于,所述第一距离为100公里。
5.根据权利要求1所述的山火高发期动态灭火排序算法,其特征在于,所述计算山火威胁指数的计算公式为:
式中,W为山火威胁指数,S为山火火场面积,L为救火车从所在位置到火场的道路距离。
6.根据权利要求1所述的山火高发期动态灭火排序算法,其特征在于,所述计算线路重要性指数的计算公式为:
式中,T为线路重要指数,Z为受山火威胁的线路实时负荷,M为线路对应的供电地区未受火点威胁的供电线路总数。
7.根据权利要求1所述的山火高发期动态灭火排序算法,其特征在于,所述蚁群算法的计算公式包括:
式中,p为转移概率,α为信息素的相对重要程度,β为启发式因子的相对重要程度,τi,j为启发式因子,Jk(i)为搜索子k下一步可选择的节点,t为计算时刻,s为搜索子k在i节点上下一步所有可选节点的遍历函数,ηi,j为启发函数,表示搜索子从节点i到节点j的期望值;τi,s为i节点与下一步任意可选节点s的启发式因子,ηi,s为i节点与下一步任意可选节点s的启发函数;
ηi,j的计算公式为:
τi,j的计算公式为:
τi,j(t+n)=(1-ρ)·τi,j(t)+Δτi,j; (3)
式中,ρ为实验确定的常数,其中,
τi,j(0)=C; (4)
式中,C为实验确定的常数,
式中,m为搜索子的总数;
式中,Q为实验确定的常数,di,j为节点i和j的距离;
其中,di,j的计算公式为:
8.一种山火高发期动态灭火排序系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1-7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910795248.4A CN110490487A (zh) | 2019-08-27 | 2019-08-27 | 一种山火高发期动态灭火排序算法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910795248.4A CN110490487A (zh) | 2019-08-27 | 2019-08-27 | 一种山火高发期动态灭火排序算法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110490487A true CN110490487A (zh) | 2019-11-22 |
Family
ID=68554488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910795248.4A Pending CN110490487A (zh) | 2019-08-27 | 2019-08-27 | 一种山火高发期动态灭火排序算法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490487A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114489081A (zh) * | 2022-02-07 | 2022-05-13 | 国网上海市电力公司 | 多火源灭火最优路径规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942458A (zh) * | 2014-05-13 | 2014-07-23 | 国家电网公司 | 大范围输电线路山火应急处置优化智能决策方法 |
CN107704959A (zh) * | 2017-09-30 | 2018-02-16 | 深圳供电局有限公司 | 一种基于蚁群算法实现降维的电力系统网架重构方法 |
CN110110801A (zh) * | 2019-05-15 | 2019-08-09 | 国网湖南省电力有限公司 | 一种输电线路灭火必要性的判识方法及系统 |
-
2019
- 2019-08-27 CN CN201910795248.4A patent/CN110490487A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942458A (zh) * | 2014-05-13 | 2014-07-23 | 国家电网公司 | 大范围输电线路山火应急处置优化智能决策方法 |
CN107704959A (zh) * | 2017-09-30 | 2018-02-16 | 深圳供电局有限公司 | 一种基于蚁群算法实现降维的电力系统网架重构方法 |
CN110110801A (zh) * | 2019-05-15 | 2019-08-09 | 国网湖南省电力有限公司 | 一种输电线路灭火必要性的判识方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘峡壁编著: "《人工智能导论 方法与系统》", 北京:国防工业出版社 , pages: 259 - 260 * |
杨铭: "电力系统冰灾智能决策方法研究", 《电力信息与通信技术》, vol. 11, no. 3, 31 March 2013 (2013-03-31), pages 13 - 16 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114489081A (zh) * | 2022-02-07 | 2022-05-13 | 国网上海市电力公司 | 多火源灭火最优路径规划方法 |
CN114489081B (zh) * | 2022-02-07 | 2024-02-02 | 国网上海市电力公司 | 多火源灭火最优路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112651059B (zh) | 一种基于人工智能的控规地块城市设计多方案生成方法 | |
Yammani et al. | A Multi-objective Shuffled Bat algorithm for optimal placement and sizing of multi distributed generations with different load models | |
CN106849065B (zh) | 一种计及充电站的配电网多目标协同规划方法 | |
CN110504708A (zh) | 计及充电站和分布式电源的配电网多目标协同规划方法 | |
CN102404756B (zh) | 一种基于手机测量报告的天线参数优化系统 | |
CN105653601B (zh) | 空调选型的方法及装置 | |
CN111598314B (zh) | 一种基于绩效单元的公园绿地规划布局方法 | |
CN111784039B (zh) | 一种基于动态风险评估的城市大型活动警力布防方法 | |
Bina et al. | Stochastic modeling for scheduling the charging demand of EV in distribution systems using copulas | |
CN110278567B (zh) | 无线可充电传感网的k-栅栏构建与充电器优化部署方法 | |
Andrews et al. | BEHAVE fire modeling system: Redesign and expansion | |
CN106656308A (zh) | 空间信息网络中任务的规划方法和装置 | |
CN110490487A (zh) | 一种山火高发期动态灭火排序算法及系统 | |
CN104200295A (zh) | Rcrss中基于分区的多警察智能体任务分配方法 | |
CN113505510A (zh) | 融合景观指数和随机游走模型的生态安全格局识别方法 | |
CN110097190A (zh) | 一种基于双时间限制的群智感知任务分配方法 | |
CN115344653A (zh) | 一种基于用户行为的电动汽车充电站选址方法 | |
CN103473465A (zh) | 基于多目标人工免疫系统的土地资源空间布局优化方法 | |
CN114187153A (zh) | 基于gis的乡村网格化消防管理方法、系统及存储介质 | |
CN103699940B (zh) | 一种基于情景的水和生态空间分区多目标优化决策方法 | |
CN115689076B (zh) | 一种装载灭火弹的森林消防救援车辆路径优化方法 | |
Troncoso et al. | Development of a threat index to manage timber production on flammable forest landscapes subject to spatial harvest constraints | |
CN103944748A (zh) | 基于遗传算法的网络关键节点的自相似流量生成简化方法 | |
Hadad Baygi et al. | Application of Artificial intelligence techniques for optimum design of hybrid grid-independent PV/WT/battery power system | |
CN116305832A (zh) | 一种林火蔓延实时模拟方法、灭火决策方法与预警系统 |
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 |