CN110503111B - 一种基于rgb色彩模式的用电异常行为可视化监控方法 - Google Patents

一种基于rgb色彩模式的用电异常行为可视化监控方法 Download PDF

Info

Publication number
CN110503111B
CN110503111B CN201910784414.0A CN201910784414A CN110503111B CN 110503111 B CN110503111 B CN 110503111B CN 201910784414 A CN201910784414 A CN 201910784414A CN 110503111 B CN110503111 B CN 110503111B
Authority
CN
China
Prior art keywords
phase current
characteristic value
channel
calculating
phase
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
Application number
CN201910784414.0A
Other languages
English (en)
Other versions
CN110503111A (zh
Inventor
祝永晋
喻伟
管诗骈
李昆明
王松云
马吉科
季聪
李剑
武梦阳
厉文婕
王江辉
曹卫青
严佳欣
许杰雄
龙玲莉
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.)
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
Jiangsu Fangtian Power Technology 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 Jiangsu Fangtian Power Technology Co Ltd filed Critical Jiangsu Fangtian Power Technology Co Ltd
Priority to CN201910784414.0A priority Critical patent/CN110503111B/zh
Publication of CN110503111A publication Critical patent/CN110503111A/zh
Application granted granted Critical
Publication of CN110503111B publication Critical patent/CN110503111B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明公开了一种基于RGB色彩模式的用电异常行为可视化监控方法，包括以下步骤：计算用户电表三相电流特征值；计算三相电流偏特征值；优化系数调整，计算三相电流调整偏特征值；计算调整偏特征值对应的RGB数值；将RGB序列分割，并提取分割后序列的颜色矩特征；利用K‑Means分类算法进行分析。本发明不仅能判断出用户的用电行为是否属于异常，并能分析出用户用电异常行为轨迹，极大地提高了用电异常行为监控的准确率，为用电异常行为分析提供更加清晰的信息支撑，是分析用户用电行为的重要手段。

Description

一种基于RGB色彩模式的用电异常行为可视化监控方法
技术领域
本发明涉及一种基于RGB色彩模式的用电异常行为可视化监控方法，属于电力计量技术领域。
背景技术
随着科技进步和能源格局的变化，经济社会发展对电能的依赖程度日益增强。用户用电影响到电力运营的稳定性和可靠性，传统的用户用电异常行为分析仅仅是单纯添加阀值来设定监控区间，而忽视了用电异常行为分析的过程变化，使对用电异常行为的监控不直观明了，很容易忽视用电异常行为变化过程中的细节。
发明内容
为了解决上述技术问题，本发明从用户用电异常行为分析切入，引入了RGB色彩绘图的方式，建立了一种基于RGB色彩模式的用电异常行为可视化监控方法，提供了一种基于RGB色彩模式的用电异常行为可视化监控方法。
为了达到上述目的，本发明所采用的技术方案是：
在一方面，本发明提供一种基于RGB色彩模式的用电异常行为可视化监控方法，包括以下步骤：
S1、根据采集的用户电表的三相电流值计算用户电表三相电流特征值；
S2、基于用户电表三相电流特征值计算三相电流偏特征值；
S3、引入优化系数，计算三相电流调整偏特征值；
S4、计算调整偏特征值对应的RGB颜色值；
S5、将RGB序列分割，并提取分割后序列的颜色矩特征；
S6、利用K-Means分类算法进行分析。
进一步地，步骤S1所述的具体为：每隔15分钟采集一次用户电表的三相电流，并计算用户电表三相电流特征值I(t)：
Figure GDA0003374320240000021
其中，T为统计时间区间，IA(t)、IB(t)、IC(t)分别代表t时刻的A相电流、B相电流和C相电流。
进一步地，步骤S2所述的具体为：计算三相电流偏特征值：
σA(t)＝|IA(t)-I(t)|,t∈T,
同理可计算σB(i)与σC(i)。
进一步地，步骤S3所述的具体为：通过引入优化系数p，计算三相电流调整偏特征值：
Figure GDA0003374320240000022
同理，可计算出
Figure GDA0003374320240000023
和
Figure GDA0003374320240000024
其中p是一个大于等于0的系数，通过引入优化系数可以扩大差异，增加离散度。
进一步地，步骤S4所述的具体为：计算三相电流调整偏特征值对应的RGB颜色值：
Figure GDA0003374320240000031
Figure GDA0003374320240000032
Figure GDA0003374320240000033
R(t)为三相电流调整偏特征值对应的红色颜色值，R(t)为三相电流调整偏特征值对应的绿色颜色值，B(t)为三相电流调整偏特征值对应的蓝色颜色值。
进一步地，步骤S5包括以下分步骤所述的具体为：
S51、将RGB序列按照每8个小时分割成序列组；
S52、提取分割后序列的颜色矩特征，每组序列提取9个特征信息包括：R通道一阶矩、G通道一阶矩、B通道一阶矩、R通道二阶矩、G通道二阶矩、B通道二阶矩、R通道三阶矩、G通道三阶矩、B通道三阶矩。一阶颜色矩反映图像的整体明暗程度，二阶颜色矩反映图像颜色的分布范围，三阶颜色矩反映图像颜色分布的对称性。
Figure GDA0003374320240000034
Figure GDA0003374320240000041
Figure GDA0003374320240000042
其中i＝1,2,3，Ei表示第i个通道上的一阶颜色矩，pij表示第j个像素的第i个通道上的颜色值，σi表示第i个颜色通道上的二阶颜色矩，si表示第i个通道上的三阶颜色矩。
本发明所达到的有益效果：
本发明提供一种基于RGB色彩模式的用电异常行为可视化监控方法，从用电用户用电异常行为分析切入，引入了RGB色彩绘图的方式，建立了一种基于RGB色彩模式的用电异常行为可视化监控方法，极大地提高了用电异常行为分析的准确率，为用电异常行为分析提供更加清晰的信息支撑，是建设高标准、高质量的用电异常行为分析体系一个重要手段。
附图说明
图1为本发明具体实施例的流程图。
图2为样本颜色矩特征聚类示例图。
图3为样本某时间段用电异常行为RGB可视化示例图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种基于RGB色彩模式的用电异常行为可视化监控方法，包括以下步骤：
S1、每隔15分钟采集一次用户电表的三相电流，并计算用户电
表三相电流特征值I(i)，采用以下公式：
Figure GDA0003374320240000051
其中，N为统计区间，IA(i)、IB(i)、IC(i)分别代表i时刻的A相电流、B相电流和C相电流。
例：本文使用某用电异常行为厂家日期为2017年3月1日至2017年7月21日的三相电流数据作为说明数据进行客观评价，详见表一(因篇幅有限，以2017年3月1日为例)。
表一 某用电异常行为用户2017年3月1日三相电流数据
Figure GDA0003374320240000052
Figure GDA0003374320240000061
Figure GDA0003374320240000071
Figure GDA0003374320240000081
通过公式计算结果如表二所示。
表二 计算结果
Figure GDA0003374320240000082
Figure GDA0003374320240000091
Figure GDA0003374320240000101
S2、计算三相电流偏特征值，
σA(i)＝|IA(i)-I(i)|,i∈N同理可计算σB(i)与σC(i)
电流偏特征值如表三所示。
表三 电流偏特征值
Figure GDA0003374320240000102
Figure GDA0003374320240000111
Figure GDA0003374320240000121
Figure GDA0003374320240000131
S3、引入优化系数p(此例中p＝1.1)，计算三相电流调整偏特征值，
Figure GDA0003374320240000132
同理，可计算出
Figure GDA0003374320240000133
和
Figure GDA0003374320240000134
例(接上述数据)：
计算出三相电流调整偏特征值如表四所示。
表四 三相电流调整偏特征值
Figure GDA0003374320240000135
Figure GDA0003374320240000141
Figure GDA0003374320240000151
Figure GDA0003374320240000161
S4、计算三相电流调整偏特征值对应的RGB颜色值：
Figure GDA0003374320240000162
Figure GDA0003374320240000163
Figure GDA0003374320240000164
例(接上述数据)：
通过计算三相电流调整偏特征值对应的RGB颜色值如表五所示。
表五 三相电流调整偏特征值对应的RGB颜色值
Figure GDA0003374320240000165
Figure GDA0003374320240000171
Figure GDA0003374320240000181
Figure GDA0003374320240000191
S5、将RGB序列分割，并提取分割后序列的颜色矩特征：
将表五中的序列按照每8个小时，分割成3个序列，并计算每个序列的颜色矩。
Figure GDA0003374320240000192
Figure GDA0003374320240000193
Figure GDA0003374320240000194
其中i＝1,2,3，Ei表示第i个通道上的一阶颜色矩，pij表示第j个像素的第i个通道上的颜色值，σi表示第i个颜色通道上的二阶颜色矩，si表示第i个通道上的三阶颜色矩。
表六 某用户2017年3月1日3个时间段颜色矩特征值
Figure GDA0003374320240000195
Figure GDA0003374320240000201
S5、利用K-Means分类算法进行分析：
将样例中某用户143天的数据分割成了429组序列，根据S5步中的方法提取颜色矩特征值后，对这429组进行聚类分析，如图2所示浅色的点是识别出的92个用电异常行为。其中4月11号和4月12号发生异常用电行为的RGB色块如图3所示。
综上所述，上述模型实现了对用户用电异常行为分析，极大地提高了用户用电异常行为分析的准确率，为计量监控提供更加清晰的信息支撑，是建设高标准、高质量的用电异常行为分析状态一个重要手段。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.一种基于RGB色彩模式的用电异常行为可视化监控方法，
其特征在于，包括以下步骤：
S1、根据采集的用户电表的三相电流值计算用户电表三相电流特征值；
S2、基于用户电表三相电流特征值计算三相电流偏特征值；
S3、引入优化系数，计算三相电流调整偏特征值；
S4、计算调整偏特征值对应的RGB颜色值；
S5、将RGB序列分割，并提取分割后序列的颜色矩特征；
S6、利用K-Means分类算法进行分析。
2.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S1具体如下：
根据采集的用户电表的三相电流值计算用户电表三相电流特征值I(t)：
Figure FDA0003374320230000011
其中，T为统计时间区间，IA(t)、IB(t)、IC(t)分别代表t时刻的A相电流、B相电流和C相电流。
3.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S2具体如下：
计算用户电表三相电流偏特征值；
σA(t)＝|IA(t)-I(t)|，t∈T，
σB(t)＝|IB(t)-I(t)|，t∈T，
σC(t)＝|IC(t)-I(t)|，t∈T，
其中NT为统计时间区间，IA(t)、IB(t)、IC(t)分别代表t时刻的A相电流、B相电流和C相电流。
4.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S3具体如下：
通过引入优化系数p，计算三相电流调整偏特征值
Figure FDA0003374320230000021
Figure FDA0003374320230000022
和
Figure FDA0003374320230000023
的表达式如下：
Figure FDA0003374320230000024
Figure FDA0003374320230000025
Figure FDA0003374320230000026
其中p是一个大于等于0的系数，其中NT为统计时间区间，σA(t)为用户电表A相电流偏特征值，σB(t)为用户电表B相电流偏特征值，σC(t)为用户电表C相电流偏特征值、、分别代。
5.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S4具体如下：
计算三相电流调整偏特征值对应的RGB颜色值：
Figure FDA0003374320230000027
Figure FDA0003374320230000031
Figure FDA0003374320230000032
其中R(t)为三相电流调整偏特征值对应的红色颜色值，R(t)为三相电流调整偏特征值对应的绿色颜色值，B(t)为三相电流调整偏特征值对应的蓝色颜色值，
Figure FDA0003374320230000033
为A相电流调整偏特征值，
Figure FDA0003374320230000034
为B相电流调整偏特征值，
Figure FDA0003374320230000035
为C相电流调整偏特征值。
6.根据权利要求1所述的一种基于RGB色彩模式的用电异常行为可视化监控方法，其特征在于：所述步骤S5包括以下步骤：
S51：将RGB序列按照每8个小时分割成序列组；
S52：提取分割后序列的颜色矩特征，每组序列提取9个特征信息包括：R通道一阶矩、G通道一阶矩、B通道一阶矩、R通道二阶矩、G通道二阶矩、B通道二阶矩、R通道三阶矩、G通道三阶矩、B通道三阶矩；
Figure FDA0003374320230000036
Figure FDA0003374320230000037
Figure FDA0003374320230000041
其中i＝1，2，3，Ei表示第i个通道上的一阶颜色矩，pij表示第j个像素的第i个通道上的颜色值，N为像素总数，σi表示第i个颜色通道上的二阶颜色矩，si表示第i个通道上的三阶颜色矩。
CN201910784414.0A 2019-08-23 2019-08-23 一种基于rgb色彩模式的用电异常行为可视化监控方法 Active CN110503111B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910784414.0A CN110503111B (zh) 2019-08-23 2019-08-23 一种基于rgb色彩模式的用电异常行为可视化监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910784414.0A CN110503111B (zh) 2019-08-23 2019-08-23 一种基于rgb色彩模式的用电异常行为可视化监控方法

Publications (2)

Publication Number Publication Date
CN110503111A CN110503111A (zh) 2019-11-26
CN110503111B true CN110503111B (zh) 2022-04-15

Family

ID=68589249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910784414.0A Active CN110503111B (zh) 2019-08-23 2019-08-23 一种基于rgb色彩模式的用电异常行为可视化监控方法

Country Status (1)

Country Link
CN (1) CN110503111B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111020100B (zh) * 2019-12-30 2021-06-11 中冶南方工程技术有限公司 一种双炉壳炼钢生产方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184455A (zh) * 2015-08-20 2015-12-23 国家电网公司 一种面向城市电力数据分析的高维可视化分析方法
CN106682811A (zh) * 2016-11-23 2017-05-17 广西中烟工业有限责任公司 一种基于密度聚类与力引导算法的市场网络可视化方法
CN107185854A (zh) * 2017-05-17 2017-09-22 河北工业大学 基于rgb通道的光伏电池片色差检测及颜色分类的算法
CN107220906A (zh) * 2017-05-31 2017-09-29 国网上海市电力公司 基于用电采集系统的多时间尺度用电异常分析方法
CN107230013A (zh) * 2017-05-11 2017-10-03 华北电力大学 一种无监督学习下配网用户异常用电辨识与时间定位方法
CN108022043A (zh) * 2017-11-30 2018-05-11 北京汇通金财信息科技有限公司 一种异常用电行为的识别方法、装置及中央服务器

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7379627B2 (en) * 2003-10-20 2008-05-27 Microsoft Corporation Integrated solution to digital image similarity searching

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184455A (zh) * 2015-08-20 2015-12-23 国家电网公司 一种面向城市电力数据分析的高维可视化分析方法
CN106682811A (zh) * 2016-11-23 2017-05-17 广西中烟工业有限责任公司 一种基于密度聚类与力引导算法的市场网络可视化方法
CN107230013A (zh) * 2017-05-11 2017-10-03 华北电力大学 一种无监督学习下配网用户异常用电辨识与时间定位方法
CN107185854A (zh) * 2017-05-17 2017-09-22 河北工业大学 基于rgb通道的光伏电池片色差检测及颜色分类的算法
CN107220906A (zh) * 2017-05-31 2017-09-29 国网上海市电力公司 基于用电采集系统的多时间尺度用电异常分析方法
CN108022043A (zh) * 2017-11-30 2018-05-11 北京汇通金财信息科技有限公司 一种异常用电行为的识别方法、装置及中央服务器

Also Published As

Publication number Publication date
CN110503111A (zh) 2019-11-26

Similar Documents

Publication Publication Date Title
CN111798412B (zh) 一种基于红外图像的变电设备缺陷智能诊断方法及系统
CN108830510B (zh) 一种基于数理统计的电力数据预处理方法
CN111864896B (zh) 一种电力负荷监测方法及系统
Li et al. A method of insulator detection from video sequence
US20210109140A1 (en) Method for identifying parameters of 10 kv static load model based on similar daily load curves
CN111680937B (zh) 基于电力数据分级赋权的小微企业复工率评估方法
CN111210170B (zh) 基于90％用电分布特征指标的环保管控监测及评价方法
CN104268541A (zh) 一种设备铭牌和能效标识的智能化图像识别方法
CN105847598A (zh) 呼叫中心多因子话务预测方法及其装置
CN112131956B (zh) 一种基于差异哈希算法的电压暂降源分类方法
CN109447107B (zh) 基于信息熵的办公建筑空调日用能模式异常在线检测方法
CN110503111B (zh) 一种基于rgb色彩模式的用电异常行为可视化监控方法
CN113111596B (zh) 基于电力大脑中枢的碳达峰实时可视化测算方法
CN107784518A (zh) 一种基于多维指标的电力客户细分方法
CN107346429A (zh) 一种多晶电池片图像的颜色自动识别与分类方法
CN111817299B (zh) 基于模糊推理的配电台区线损率异常成因智能辨识方法
CN111598897B (zh) 基于Otsu和改进Bernsen的红外图像分割方法
CN112395558B (zh) 一种适用于智能电表历史故障数据的改进型不平衡数据混合采样方法
CN113886669A (zh) 一种电力用户画像自适应聚类方法
CN112508254B (zh) 变电站工程项目投资预测数据的确定方法
CN111738348B (zh) 一种电力数据异常检测方法和装置
CN110991938B (zh) 多产品生产线的能耗计算方法
CN114676931B (zh) 一种基于数据中台技术的电量预测系统
CN112018767B (zh) 基于运行数据确定用户实际从属配变以及相位的方法
CN113344742A (zh) 基于聚类和时序分析的自动抄表成功率影响因素分析方法

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