CN110672980A - 一种基于紫外、红外、可见成像的电力巡检在线监测系统 - Google Patents
一种基于紫外、红外、可见成像的电力巡检在线监测系统 Download PDFInfo
- Publication number
- CN110672980A CN110672980A CN201911001688.4A CN201911001688A CN110672980A CN 110672980 A CN110672980 A CN 110672980A CN 201911001688 A CN201911001688 A CN 201911001688A CN 110672980 A CN110672980 A CN 110672980A
- Authority
- CN
- China
- Prior art keywords
- ultraviolet
- video
- visible
- infrared
- intelligent analysis
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1218—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using optical methods; using charged particle, e.g. electron, beams or X-rays
Abstract
本发明要解决的技术问题是提出一种基于紫外、红外、可见成像的电力巡检在线监测方法及系统,将可见光、红外、紫外三种检测手段有机结合起来,优势互补,解决现在高压设备监测的技术问题,实现超/特高压变电站及输电线路放发热性缺陷、放电性缺陷和异物闯入检测预报。通过紫外、可见与红外视频前端采集模块、智能分析、处理模块、和远程监控终端。前端采集模块与智能分析、处理模块相连,实现三通道视频流的传输,智能分析、处理模块与远程监控终端相连,实现视频流的分析处理和远程终端的交互控制。
Description
技术领域
本发明涉及电力巡检领域的超/特高压变电站及输电线路故障及异常检测,一种基于紫外、红外、可见成像的电力巡检在线监测方法。
背景技术
超/特高压变电站及输电线路故障检测中常用的是手段是高清可见光检测,可见光检测已经相对成熟。
红外测温能有效的发现带点电气设备的缺陷、故障和异常情况,为电气设备检修提供依据,为电气设备由定期检修向状态检修过渡奠定基础。《带电设备红外诊断技术应用导训》中推荐了红外诊断技术,在《电力设备预防性试验规程》、《750kV电气设备预防性试验规程》及一些省电力公司所制定的《电力设备预防性试验规程》中都将红外测温列为典型电气设备的试验项目,并提供了红外测温诊断的相关判据。
紫外电力检测技术是最近几年的研究热点。在2010年,电力行业颁布了《带电设备紫外诊断技术应用导则》,规范了紫外成像仪的相关操作,但尚未形成诊断导则。随着紫外电力检测技术的快速发展,人们也意识到单一的检测手段无法提供从故障早期预警到晚期发现的完整、准确的检测结果。采用紫外、热红外和可见光多种视频检测技术相结合的方式能大大提高故障检出率、降低故障误检率。
在三光检测技术应用方面,美国EPRI应用紫外成像仪在架空线路和变电站进行电晕放电检测技术研究,结合红外测温和可见光检测技术,在三光融合缺陷诊断方面积累了大量的经验。同时编写了《架空输电线路电晕和电弧放电检测导则》和《变电站电晕和电弧放电检测导则》,以紫外诊断为主,辅助红外测温和可见光特征进行缺陷诊断,这是首次对电力设备缺陷进行的可见光、红外、紫外图谱三光综合诊断。
目前,国内外均在开展三光融合电力检测关键技术的研究工作,这是未来电力检测设备的发展方向。以色列OFIL公司发布了三光融合的机载光电吊舱产品ROM,南非UVIRCO公司也推出了三光融合的手持式检测设备。国内广东电科院已经首次应用三光融合技术,开展了无人直升机巡线工作。但将多维度检测手段应用于变电站在线监测,目前尚未有成功案例。
发明内容
本发明要解决的技术问题是提出一种基于紫外、红外、可见成像的电力巡检在线监测方法及系统,将可见光、红外、紫外三种检测手段有机结合起来,优势互补,解决现在高压设备监测的技术问题,实现超/特高压变电站及输电线路放发热性缺陷、放电性缺陷和异物闯入检测预报。
为实现上述目的,本发明的具体方案如下:
一种基于紫外、红外、可见成像的电力巡检在线监测系统包括:
紫外、可见与红外视频前端采集模块、智能分析、处理模块、和远程监控终端。所述前端采集模块与智能分析、处理模块相连,实现三通道视频流的传输,智能分析、处理模块与远程监控终端相连,实现视频流的分析处理和远程终端的交互控制。
所述前端数据采集模块包括紫外光信号的成像和采集,可见光信号的成像和采集和红外光信号的热成像和采集,各通道视频经过视频编码以网络流的形式传输至智能分析、处理模块。所述智能分析、处理模块承载着实施方案最核心的部分,主要进行前端采集设备采集的视频码流的接入、解码、分析、存储与输出。该模块内置针对各前端设备的智能分析算法。该模块可以从客户端导入的智能分析规则与预警设置参数,然后做出智能分析。其工作方式如下:当前端设备工作时,该模块先获取网络流并解码,再根据导入的规则和设置的参数调用相对应的智能分析算法进行实时分析,最后进行本地存储并将视频流与报警信息封装成统一格式输出。所述远程监控终端,不仅可展现前端采集模块采集的实时视频流,进行管理和设置,而且当有接收到随视频流的报警信息时,可进行信息剥离并启动界面显示,同时向智能分析、处理模块请求报警信息视频,用于取证、存档与分析。
本发明还涉及一种基于紫外、红外、可见成像的电力巡检在线监测方法,包括以下步骤:
首先,选择前端采集设备,具体包括可见光视频采集器,红外视频采集器和紫外视频采集器。在相同工况下,对同一待检测场景利用检测设备进行可见光视频采集、紫外视频采集和红外视频采集。可见视频流可用于异物入侵监测,利用基于视频流运动目标监测相关算法,可防止异物入侵对整个系统监测过程造成的干扰,并给出系统预警;紫外视频流经过图像预处理后通过图像融合叠加至可见光视频以监测测定区域是否有放电并定位电晕放电点;红外视频流经过图像预处理后通过图像融合叠加至可见光视频以监测待定位区域是否有局部过热现象并定位局部过热点。
所述基于可见视频流的异物入侵检测方法采用背景差分法,首先高斯建模法构建背景模型,然后利用帧差法得到前景目标图像,对前景图像进行灰度化、二值化处理,然后膨胀、腐蚀、统计连通域,再根据设定的阈值对连通域进行筛选,剔除干扰点。
所述紫外视频流的预处理,包括裁剪、缩放、平移、灰度化、二值化,开闭运算、找连通域等处理。
所述红外视频流的预处理,包括裁剪、缩放、平移、灰度化、二值化等处理。
所述紫外与可见视频流的图像融合,首先采用物理标定获取校正参数的方式,采用激光信号发射器发出几路紫外光信号,在一定距离内设置挡板,并标记光斑在挡板上的位置,根据可见和紫外图像的成像差异获得平移和缩放的校正参数,调整至统一视角,再进行紫外与可见图像的融合。
所述红外与可见视频流的图像融合基于图像处理和模式识别技术,提取红外图像的特征点,与可见视频图像的特征进行匹配,实现图像的特征级匹配,获得校正矩阵参数,实现两幅图像的配准。
附图说明
图1为一种一种基于紫外、红外、可见成像的电力巡检在线监测系统结构;
图2为基于可见视频的异物闯入监测方法;
图3为紫外与可见融合相关标定参数测定装置结构图;
图4标定处理中紫外与可见图像目标位置示意图;
图5为红外与可见图像融合方法流程图;
具体实施方式
下面通过实施例结合附图对本发明说涉及的基于紫外、红外、可见成像的电力巡检在线监测系统和监测方法作进一步说明,其目的仅在于更好的理解本发明的内容而非限制本发明的保护范围:
如图所表达的本发明的结构,一种基于紫外、红外、可见成像的电力巡检在线监测系统,如图1所示,包括前端采集设备,智能分析dvs和远程监控客户端。
本实施例优选的紫外视频采集设备包括紫外镜头,紫外线成像传感器,视频采集模块,视频流传输模块,紫外镜头连接紫外成像传感器,紫外成像传感器连接视频采集模块,视频采集模块连接至视频传输模块。
本实施例优选的红外视频采集设备包括红外镜头,红外热成像传感器,视频采集模块,视频流传输模块,红外镜头连接红外热成像传感器,红外热成像传感器连接视频采集模块,视频采集模块连接至视频传输模块。
本实施例优选的可见光视频采集设备包括可见光镜头,可见光摄像头,视频采集模块,视频流传输模块,光镜头连接可见光摄像头,可见光摄像头连接视频采集模块,视频采集模块连接至视频传输模块。
本实施例优选的智能分析dvs对每个视频流,具有可定制化的图像预处理接口、算法处理与分析接口、图像融合接口及视频压缩接口。图像预处理接口主要进行裁剪、缩放、二值化等处理;算法处理与分析接口主要用于不同视频流的算法分析,诸如可见光视频的移动目标监测、红外视频的温度分析、紫外视频的光子计数等算法;图像融合接口主要用于各不同设备之间信息交互与融合;视频压缩接口主要用于多路视频的压缩来减小传输的信息量。在视频流处理的过程中可存储中间变量及结果文件,实现数据的本地化存储,也可以通过rtsp或rtp的网络协议的供其他设备实时调用。另外,提供了TCP server,可供其他设备实时进行内部运行机制的切换和参数设置。
本实施例优选的远程监控平台可可进行通道切换,主要包含可见、紫外、红外和合成通道,各通道可以展现各通道前端设备的实时视频流以及算法分析结果,并可进行管理和设置。可见通道经过算法分析实时监测是否有异物闯入,并发出告警,紫外通道统计光子数以反映待监测设备的放电情况,红外通道统计待监测设备的温度分布以反映设备的发热情况,合成通道展现经过图像融合算法处理后的紫外,红外、可见融合视频图像。在可见通道无异物闯入报警的情况下,通过紫外图像和可见图像的合成不仅可以监测该区域是否存在放电现象,发出紫外放电告警,并可直观定位待监测区域的放电部位,通过红外图像和可见图像的合成不仅可以监测该区域是否存在局部发热现象,发出发热告警,并可直观定位待监测区域的局部发热部位,如果可见通道有异物闯入报警,则表示系统监测受到干扰,各通道的监测都会受到影响,及时发出异物闯入的告警信息,需排除干扰后,系统方能正常工作。当系统有接收到随视频流的报警信息时,终端可根据告警类型进行信息剥离并启动界面显示,同时向智能DVS发送相关指令,索取报警信息视频用于取证、存档与分析。
本发明还提供基于紫外、红外、可见成像的电力巡检在线监测方法,具体步骤如下:
本实施例优选的可见通道的异物闯入监测方法首先将视频图像做灰度化处理,然后采用背景差分法构建背景模型,利用帧差获得前景运动目标。其中背景模型建立方法如下:
第一步,根据运行期均值法,前n帧视频根据更新参数加权平均,获得初步背景图像;
第二步,根据初步背景图像初始化高斯模型,给每个像素建立一个高斯模型;
第三步,对n+1帧,将新获得的像素逐一与现有高斯分布进行匹配,如果没有匹配成功,再判断该像素点的高斯模型数有没有达到设定的最大值,如果已经达到最大值了,就进行高斯模型的替换,否则就新建一个模型并初始化其权重w和标准差σ;
第四步,根据现有的高斯模型再进一步判断,看这些高斯模型中是否存在相似的。根据判断函数判断两个高斯模型的相似度,相似度大于设定阈值则判定这两个高斯模型是相似的,需要将两个模型进行合并,获得新的高斯模型参数:将图像的像素点都循环计算一遍后,获得更新后的背景;
第五步,后续背景更新根据实时差分图像,根据判断函数判断是否为噪音点,统计噪音点数,如果噪音点数未达到阈值则采用运行期均值法得到背景,否则根据动态高斯更新背景得到背景。与此同时,计算视频图像与不断更新背景图像的差分图像,即可获得前景目标,对前景目标图像做二值化处理,然后进行形态学的开闭运算,有利于下一步的连通域查找,对查找到的连通域进行筛选,排除噪声干扰,根据筛选结果,决策是否有异物闯入。
本实施例优选基于紫外,与可见图像合成来监测设备的放电情况,首先需要对紫外图像进行二值化处理,并根据连通域统计放电光子数,然后采用物理标定的方式,如图2所示,采用激光发射器1发出三路紫外光信号,在一定的距离内设置挡板2,在挡板会出现三个紫外光斑,以同样大小的圆形在挡板上标记光斑,使得圆心与光斑圆心一致,根据紫外与可见视频采集设备3采集的紫外图像和可见图像,如图3所示,获得紫外通道光斑4与可见图像圆5的位置,通过分析处理,即可得到平移与缩放的校正参数,获得紫外图像叠加至可见图像的坐标映射参数,对于无法重合的区域,对紫外图像进行裁剪,最后利用加权平均,实现图像的融合。
本实施例优选基于红外,与可见图像合成来监测设备的局部发热情况,首先通过数学形态学方法分别提取红外与可见光图像的边缘,得到粗边缘图像;然后通过SURF算法提取两幅边缘图像的特征点,根据正确的匹配点对之间斜率一致性的先验知识,进行特征点匹配;最后通过最小二乘法求得仿射变换模型参数并实现两幅图像的配准。
综上所述,本实施例可有效的检出发热和绝缘性缺陷以及异物闯入造成的干扰,扩展了电力巡检系统的检测范围,提高无人值守了电力巡检系统的诊断能力。多维度视频检测技术可对不同阶段、不同类型的故障进行全面、深入的分析和特征提取,提高故障检出率、降低故障误检率。实现故障的自动化分析和识别。将电力巡检人员从繁重的日常电力检测工作中解放出来。最后应说明的是: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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的内容和原则之内,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 (2)
1.一种基于紫外、红外、可见成像的电力巡检在线监测系统包括:
紫外、可见与红外视频前端采集模块、智能分析、处理模块、和远程监控终端;所述前端采集模块与智能分析、处理模块相连,实现三通道视频流的传输,智能分析、处理模块与远程监控终端相连,实现视频流的分析处理和远程终端的交互控制;
所述前端数据采集模块包括紫外光信号的成像和采集,可见光信号的成像和采集和红外光信号的热成像和采集,各通道视频经过视频编码以网络流的形式传输至智能分析、处理模块;
所述智能分析、处理模块承载着实施方案最核心的部分,主要进行前端采集设备采集的视频码流的接入、解码、分析、存储与输出;该模块内置针对各前端设备的智能分析算法;该模块可以从客户端导入的智能分析规则与预警设置参数,然后做出智能分析;其工作方式如下:当前端设备工作时,该模块先获取网络流并解码,再根据导入的规则和设置的参数调用相对应的智能分析算法进行实时分析,最后进行本地存储并将视频流与报警信息封装成统一格式输出;
所述远程监控终端,不仅可展现前端采集模块采集的实时视频流,进行管理和设置,而且当有接收到随视频流的报警信息时,可进行信息剥离并启动界面显示,同时向智能分析、处理模块请求报警信息视频,用于取证、存档与分析。
2.一种基于紫外、红外、可见成像的电力巡检在线监测方法,包括以下步骤:
首先,选择前端采集设备,具体包括可见光视频采集器,红外视频采集器和紫外视频采集器;在相同工况下,对同一待检测场景利用检测设备进行可见光视频采集、紫外视频采集和红外视频采集;可见视频流可用于异物入侵监测,利用基于视频流运动目标监测相关算法,可防止异物入侵对整个系统监测过程造成的干扰,并给出系统预警;紫外视频流经过图像预处理后通过图像融合叠加至可见光视频以监测测定区域是否有放电并定位电晕放电点;红外视频流经过图像预处理后通过图像融合叠加至可见光视频以监测待定位区域是否有局部过热现象并定位局部过热点;
所述基于可见视频流的异物入侵检测方法采用背景差分法,首先高斯建模法构建背景模型,然后利用帧差法得到前景目标图像,对前景图像进行灰度化、二值化处理,然后膨胀、腐蚀、统计连通域,再根据设定的阈值对连通域进行筛选,剔除干扰点;
所述紫外视频流的预处理,包括裁剪、缩放、平移、灰度化、二值化,开闭运算、找连通域等处理;
所述红外视频流的预处理,包括裁剪、缩放、平移、灰度化、二值化等处理;
所述紫外与可见视频流的图像融合,首先采用物理标定获取校正参数的方式,采用激光信号发射器发出几路紫外光信号,在一定距离内设置挡板,并标记光斑在挡板上的位置,根据可见和紫外图像的成像差异获得平移和缩放的校正参数,调整至统一视角,再进行紫外与可见图像的融合;
所述红外与可见视频流的图像融合基于图像处理和模式识别技术,提取红外图像的特征点,与可见视频图像的特征进行匹配,实现图像的特征级匹配,获得校正矩阵参数,实现两幅图像的配准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911001688.4A CN110672980A (zh) | 2019-10-21 | 2019-10-21 | 一种基于紫外、红外、可见成像的电力巡检在线监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911001688.4A CN110672980A (zh) | 2019-10-21 | 2019-10-21 | 一种基于紫外、红外、可见成像的电力巡检在线监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110672980A true CN110672980A (zh) | 2020-01-10 |
Family
ID=69083628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911001688.4A Pending CN110672980A (zh) | 2019-10-21 | 2019-10-21 | 一种基于紫外、红外、可见成像的电力巡检在线监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672980A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948501A (zh) * | 2020-08-05 | 2020-11-17 | 广州市赛皓达智能科技有限公司 | 一种用于电网运行的自动巡检设备 |
CN112509263A (zh) * | 2020-11-08 | 2021-03-16 | 华能通辽风力发电有限公司 | 图像分析跟踪、测温定位系统及方法 |
CN113340352A (zh) * | 2021-06-08 | 2021-09-03 | 国网浙江省电力有限公司 | 阀厅的监测方法、装置及系统 |
CN113411501A (zh) * | 2021-06-29 | 2021-09-17 | 杭州晶耐科光电技术有限公司 | 基于嵌入式及双光谱成像的无人机载电力巡检方法及系统 |
CN115236469A (zh) * | 2022-07-26 | 2022-10-25 | 沈阳农业大学 | 一种无人值守变电站在线监控方法、系统、介质及设备 |
-
2019
- 2019-10-21 CN CN201911001688.4A patent/CN110672980A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948501A (zh) * | 2020-08-05 | 2020-11-17 | 广州市赛皓达智能科技有限公司 | 一种用于电网运行的自动巡检设备 |
CN111948501B (zh) * | 2020-08-05 | 2022-12-13 | 广州市赛皓达智能科技有限公司 | 一种用于电网运行的自动巡检设备 |
CN112509263A (zh) * | 2020-11-08 | 2021-03-16 | 华能通辽风力发电有限公司 | 图像分析跟踪、测温定位系统及方法 |
CN113340352A (zh) * | 2021-06-08 | 2021-09-03 | 国网浙江省电力有限公司 | 阀厅的监测方法、装置及系统 |
CN113411501A (zh) * | 2021-06-29 | 2021-09-17 | 杭州晶耐科光电技术有限公司 | 基于嵌入式及双光谱成像的无人机载电力巡检方法及系统 |
CN115236469A (zh) * | 2022-07-26 | 2022-10-25 | 沈阳农业大学 | 一种无人值守变电站在线监控方法、系统、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110672980A (zh) | 一种基于紫外、红外、可见成像的电力巡检在线监测系统 | |
CN105447471A (zh) | 基于红外检测的设备气体泄漏识别方法和装置 | |
CN103499774B (zh) | 输电绝缘子闪络在线监视安全预警装置 | |
CN104994334A (zh) | 基于实时视频的变电站自动监控方法 | |
CN107272637A (zh) | 一种视频监控系统故障自检自恢复控制系统及方法 | |
CN103108159A (zh) | 一种电力智能视频分析监控系统和方法 | |
CN110348380B (zh) | 一种可视化接地刀闸状态视频识别系统及方法 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN107133592B (zh) | 电力变电站采用红外热成像及可见光成像技术融合的人体目标特征检测算法 | |
CN107563263A (zh) | 基于仪表的视频图像识别方法及系统 | |
CN103595125A (zh) | 基于图像识别技术的电力设备在线监测系统 | |
CN112257632A (zh) | 一种基于边缘计算的变电站监测系统 | |
WO2024027009A1 (zh) | 一种变电站绝缘子的红外热成像缺陷检测方法及装置 | |
CN116296076A (zh) | 一种基于红外视频识别sf6气体泄漏的方法及系统 | |
CN106355187A (zh) | 视觉信息在电力设备监测中的应用 | |
CN117239926A (zh) | 基于多参量感知的配电台区监测系统及方法 | |
CN111428987A (zh) | 一种基于人工智能的继保装置图像识别方法和系统 | |
CN114283330B (zh) | 基于多源数据的在线巡检识别方法及系统 | |
CN116073514A (zh) | 一种变电站动力及环境监测异常联动控制方法 | |
CN112750149A (zh) | 基于运动目标检测的高压隔离开关故障监测方法 | |
CN112101375A (zh) | 一种基于深度学习的智能变电站设备状态检测方法和系统 | |
Shen et al. | Transmission line safety early warning technology based on multi-source data perception | |
Hu et al. | New corona ultraviolet detection system and fault location method | |
CN113724247B (zh) | 一种基于图像判别技术的变电站智能巡检方法 | |
CN105590329B (zh) | 一种油气田视频监控中运动目标的智能检测算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |